中国免费域名申请网站,顺德网站建,苏州园区属于哪个区,呼和浩特建站GRNdb#xff1a;解码不同人类和小鼠条件下的基因调控网络 摘要introduction数据收集和处理Single-cell and bulk RNA-seq data collection and processing 单细胞和bulk RNA-seq 数据收集和处理Cell cluster identification for scRNA-seq datasets #xff08;scRNA-seq 数… GRNdb解码不同人类和小鼠条件下的基因调控网络 摘要introduction数据收集和处理Single-cell and bulk RNA-seq data collection and processing 单细胞和bulk RNA-seq 数据收集和处理Cell cluster identification for scRNA-seq datasets scRNA-seq 数据集的细胞簇识别Gene regulatory network reconstruction 基因调控网络重建 数据库内容和使用GRN 和各种人类和小鼠条件下的统计数据GRN 搜索、浏览和可视化同时进行多个基因的基因表达及相关性研究基因表达与癌症患者生存的关联分析图表、数据下载 系统设计与实现讨论学习文献 这是利用scenic计算并制作的数据库可以学习并使用一下 摘要
由转录因子TF及其下游靶基因形成的基因调控网络GRN在基因表达调控中发挥着重要作用。此外GRN 可以在不同条件下动态变化这对于理解疾病发病机制的潜在机制至关重要。然而现有的数据库还没有提供单细胞水平上各种人类和小鼠正常组织和疾病的全面GRN信息。基于已知的TF-靶点关系和从公共数据库收集的大规模单细胞RNAseq数据以及癌症基因组图谱和基因型组织表达项目的大量数据我们系统地预测了184种不同生理学的GRN。人类和小鼠的病理状况涉及 633 000 个细胞和 27 700 个大样本。我们进一步开发了 GRNdb一个可免费访问且用户友好的数据库http://www.grndb.com/用于搜索、比较、浏览、可视化和下载 77 746 个 GRN、19 687 841 个 TF-target 的预测信息单细胞/批量分辨率下的配对和相关结合基序。 GRNdb 还允许用户探索基因表达谱、相关性以及表达水平与不同癌症患者生存之间的关联。总体而言GRNdb 为科学界阐明各种条件下基因表达调控的功能和机制提供了宝贵且及时的资源。
introduction
基因表达很大程度上受上游转录因子TF控制通常表现出时空特异性。具体而言每个细胞都有活性 TF 及其下游靶基因的特定组合形成复杂的基因调控网络GRN称为调节子(1,2)。因此GRN 分析对于了解基因表达调控和细胞异质性的机制非常重要 (3)。 GRN 失调可能导致相关基因的异常表达变化并导致疾病尤其是癌症的发展 (4)。一些数据库已经提供了不同生物体的已知或预测的 TF-靶点对例如 AnimalTFDB 3.0 、TRRUST v2 和 RegNetwork这些数据库主要关注 TF 与靶基因之间潜在的二元调控关系没有GRN活性和相关基因表达谱的信息见补充表S1。由于 TF 可能在不同条件下调节不同的下游靶基因集 因此考虑基因表达调节的时空特异性至关重要。然而现有的数据库还没有提供各种人类和小鼠条件下的 GRN 活性以及 TF 和相应靶基因的表达谱。
批量和单细胞 RNA 测序 (scRNA-seq) 技术及相关计算方法的发展为揭示表达动态和细胞异质性带来了前所未有的机会 (8,9)。特别是scRNA-seq 还能够在单细胞水平上重建 GRN并深入了解细胞类型特异性的表达调控 (2,10)。例如我们最近发现 TF 可以调节人类胰岛不同亚型的不同基因集并且 GRN 的动态是影响胰腺细胞表达异质性的主要因素之一 (11)。此外在灵长类动物卵巢衰老过程中发现了细胞类型特异性氧化还原 GRN这为临床诊断和治疗与年龄相关的人类卵巢疾病提供了潜在的新型生物标志物和治疗靶标 (12)。有研究发现 GRN 结构重编程可能在黑色素瘤的进展和治疗耐药性中发挥重要作用 (13)。此外通过单细胞 GRN 分析发现2019 年冠状病毒病 (COVID-19) 患者的支气管肺泡免疫细胞中细胞类型特异性 TF 的表达增强这表明重症 COVID-19 患者的肺部具有高度促炎巨噬细胞微环境 (14)。因此GRN 的活性以及 TF 和下游靶基因的表达谱对于充分了解表达异质性的潜在机制和多种疾病的发病机制至关重要。
对大量细胞/样本进行GRN重建非常耗时且消耗资源对于非生物信息学用户来说很难进行此类分析。此外目前还缺乏一个数据库来提供各种生理和病理条件下的GRN活性和相关基因表达谱。为了应对这些挑战我们基于 184 种人类和小鼠状况的大规模单细胞数据以及来自癌症基因组的 33 种癌症的大量数据全面推断了 GRN并表征了相关 TF 和靶基因的表达谱。 Atlas (TCGA) (15) 和来自基因型组织表达 (GTEx) 项目 (16) 的 27 个正常组织。具体来说我们开发了 GRNdb一个用户友好且可免费访问的数据库对总共 77 746 个调节子和 19 687 841 个 TF 靶点对的丰富信息进行了编目使用户能够轻松探索不同正常组织下基因表达调控的情况和疾病。
数据收集和处理
Single-cell and bulk RNA-seq data collection and processing 单细胞和bulk RNA-seq 数据收集和处理
我们从 Gene Expression Omnibus (GEO, https://www.ncbi.nlm. nih.gov/geo/)(17) 和 ArrayExpress (https:// www.ebi.ac.uk/arrayexpress/)(18)。目前GRNdb 包含 72 种不同正常组织和疾病/癌症的单细胞人类状况332,920 个细胞以及 41 种不同组织的单细胞小鼠状况300 150 个细胞。此外我们还从 UCSC Xena (https://xena.ucsc.edu/)(19) 下载了多种 TCGA 癌症 (15) 的批量 RNA-seq 表达数据集以及各种正常人的 RNA-seq 表达数据来自 GTEx 的组织 (https://www.gtexportal.org/home/)(16)。为了保证基因调控网络推断的准确性我们删除了那些包含30个样本的数据集。 TCGA 共保留了 33 种不同癌症的 10,415 个样本GTEx 共保留了 27 种不同正常组织的 17 333 个样本。 GRNdb 的“统计”页面上提供了各种人类和小鼠条件的原始数据的所有登录 ID。
Cell cluster identification for scRNA-seq datasets scRNA-seq 数据集的细胞簇识别
对于原始研究中具有可用细胞类型/簇注释信息的单细胞数据集我们直接使用已知的细胞注释。如果 scRNA-seq 数据集没有可用的细胞类型/簇注释我们采用 Seurat版本 3.1.5(20) 使用标准流程定义细胞簇。然后使用 Seurat 中的 FindAllMarkers 功能识别给定数据集的每个细胞簇中表达显着富集的标记基因调整后的 P 值 0.05。
Gene regulatory network reconstruction 基因调控网络重建
我们根据每个数据集的基因表达矩阵和已知的 TF-motif 注释使用 SCENIC pipeline版本 1.1.0.1(10) 预测了各种人类和小鼠条件下的基因调控网络。首先SCENIC 采用 GENIE3 (21) 来检测与 TF 共表达的基因集这已被证明优于其他 GRN 推断工具 (22)。然后使用 RcisTarget (10)版本 1.2.1https://resources.aertslab.org/cistarget/根据 cisTarget 数据库的基序-TF 注释推断 TF 的假定直接结合目标。最后利用SCENIChttps://github.com/aertslab/SCENIC的标准流程逐步识别调节子。每个已识别的活性调节子都包含一个 TF 及其下游靶基因。 GRNdb 中仅使用在给定基因集中过度呈现的最佳 TF 结合基序。对于此分析SCENIC 使用了两个不同的数据库(i) 对 TSS 500 bp 上游区域中的基序进行评分的数据库以及 (ii) 对 TSS 周围 10 kb 空间进行评分的数据库。默认情况下使用标准化富集分数NES 3.0作为阈值来定义SCENIC管道中相应TF模块的显着富集主题这对应于3至9之间的错误发现率FDR。
数据库内容和使用
GRN 和各种人类和小鼠条件下的统计数据
目前GRNdb提供了143种不同人类生理和病理状况以及41种单细胞小鼠各种正常组织状况的详细调节子信息涉及总共633 070个单细胞和27 700个大样本图1A。具体来说人类数据集包含成人和胎儿不同正常组织的 72 个单细胞条件以及不同肿瘤/疾病的生态系统和免疫微环境以及涵盖 33 种 TCGA 癌症和 27 种 GTEx 正常组织的 71 个批量数据集。我们最近的研究进一步验证了 GRNdb 构建的 GRN 推理管道的稳健性 (11)。总共在人类中检测到 70 651 个调节子平均值494 个中位数585 个涉及 16 915 901 个 TF 目标对平均值118 293 个中位数每个条件 121 228 个而 7095 个调节子平均值173 个为小鼠确定了涉及 2 771 940 个 TFtarget 对平均值67 608 和中位数每个组织 54 120的 TFtarget 对图 1B 和 C。在数据库查询的结果表中我们提供了最佳的TF绑定每个 TF-目标对的相关 TF 模块显着富集的基序NES 值 3等于 0.03 FDR 0.09。 Figure 1. A schematic view of the GRNdb database. (A) Overview of data content and user interface of GRNdb. (B) Barplot showing the number of active regulons detected in diverse conditions of humans and mice. © Barplot displaying the number of TF-target pairs detected in various human and mouse conditions. 图 1.GRNdb 数据库的示意图。 (A) GRNdb 的数据内容和用户界面概述。 (B) 条形图显示在人类和小鼠的不同条件下检测到的活性调节子的数量。 © 条形图显示在各种人类和小鼠条件下检测到的 TF-目标对的数量。
GRN 搜索、浏览和可视化
在 GRNdb 的“搜索”页面上用户可以探索他们感兴趣的 TF 或靶基因在人类和小鼠的不同单细胞/整体条件下的调控网络。我们提供了三种常用的基因格式作为输入包括基因符号、Entrez ID 和 Ensembl (23) 基因 ID。对于 TF 查询返回的结果包括基于特定条件下识别的所有重要调节子的 t 分布随机邻域嵌入 (t-SNE) 图、不同细胞类型/簇的标记表达热图和注释不适用于批量条件 、由查询 TF 和下游目标基因形成的调控网络、每个细胞/样本中该 TF 的调节子活性、TF 表达谱的 t-SNE 图、每个细胞类型/簇的 TF 表达小提琴图不适用于批量条件以及所涉及的 TF-目标对的详细信息表图 2A-G。对于目标基因搜索它将返回在给定条件下激活的上游调节转录因子的结果。在生成的基因查询表中所有的转录因子和目的基因均已链接至人类GeneCards24和小鼠MGI数据库25使用户可以方便地获取相关基因的详细功能和信息。用户只需点击相关链接即可剖析表格中每个TF和目标基因的表达谱系统会在“表达”页面自动分析基因表达。此外还提供了每个 TF-target 对的自动表达相关性分析的链接。用户还可以对包含 NES 值的列进行排序以探索 TF-目标对。此外我们将使用 cisTarget 数据库10的已知注释识别的 TF-目标对注释为 GRNdb 中的高置信度而通过基序相似性检测到的 TF-目标对则注释为低置信度。此外搜索页面上的“比较”功能使用户可以方便地比较人类和小鼠任意两种条件下的GRN这可能有助于用户更深入地了解基因调控。
在“浏览”页面上用户可以浏览 184 种不同的人类和小鼠条件下所有活动 TF-目标对的详细信息。特定条件的浏览结果包括基于在所选条件下检测到的所有重要调节子的 t-SNE 图、细胞/样本、调节子、TF、目标基因和 TF-目标对的数量统计条形图作为所有已识别的 TF-目标对的详细表格图 2A、H 和 G。
同时进行多个基因的基因表达及相关性研究
为了促进基因表达探索GRNdb 使用户能够在“表达”页面上同时询问一系列基因的表达谱。查询基因的数量没有限制输入的基因格式可以是基因符号、Entrez ID或Ensembl基因ID。如果用户想要剖析很多基因的表达谱而不需要对基因进行一一研究这个功能就非常有用。表达搜索将返回每个细胞/样本中基因表达的 t-SNE 图和每个细胞类型/簇中基因表达的小提琴图不适用于批量条件图 2E 和 F。 此外“表达”页面还允许对输入基因集进行成对表达相关性分析。该功能默认开启但如果不需要计算相关性用户可以关闭该功能。在超过三个输入基因的情况下将显示显示查询基因集的成对 Spearman 相关性的热图以及每对输入基因之间表达相关性的散点图图 2I 和 J。否则只会返回两个查询基因之间 Spearman 相关性的一张散点图并且如果只有一个基因可用则相关性分析将被停用。
基因表达与癌症患者生存的关联分析
考虑到癌症研究中的一个重要分析是检查相关基因的表达水平是否与某些癌症的患者生存显着相关我们在“生存”页面开发了33种不同TCGA癌症的生存分析功能。为了方便起见对查询基因的数量没有限制可以选择基因符号、Entrez ID、Ensembl基因ID三种输入格式。我们使用了Python package of lifelines26来进行生存分析并使用中位表达水平作为分界线将癌症患者分为两个不同的组。使用 Logrank 检验计算每个基因的 P 值这表明基因表达是否可以将患者分为生存时间显着不同的两组图 2K。用户可以利用 P 值 0.05 的常见阈值来定义显着性。除了生存分析之外我们还为查询基因提供了在相关癌症中检测到的TF-靶标调控网络使用户能够深入了解其感兴趣基因的表达调控。
图表、数据下载
“搜索”、“浏览”、“表达”、“生存”页面生成的所有图形都可以通过点击相应图块右上角的下载标志进行下载。此外还可以通过单击“下载”链接以 Excel 格式获取包含条件、数据类型单细胞或批量、TF、目标基因、TF 结合基序、NES 值和置信度详细信息的结果表在桌子下面。此外在GRNdb的“下载”页面上用户可以获得包含在人类和小鼠的不同条件下识别的所有活性TF-靶标对的详细信息的矩阵。每个矩阵都是纯文本格式不同列使用制表符分隔符。用户可以自由地利用这些图并探索他们在研究中下载的表格。
系统设计与实现
讨论
由于基因通常表现出空间和时间特异性表达因此由 TF 和下游靶基因形成的 GRN 也会在不同条件或细胞类型/状态下动态变化 (11,27,28)。此外细胞的基因表达谱受到活性调节子的调节这与单个细胞的表达异质性和表型密切相关29。批量和单细胞 RNA 测序技术极大地促进了大规模样本/细胞中的 GRN 探索为表征基因表达调控和疾病发展的潜在机制提供了绝佳的机会 (22)。然而现有数据库中现有的人类和小鼠的TF-靶点调控信息普遍缺乏TF和靶基因的调节子活性和表达信息。因此我们开发了用户友好的GRNdb数据库供用户自由访问不同人类和小鼠条件下活性调节子的详细信息。
目前GRNdb 提供了 184 种不同生理和病理条件的 GRN 图谱涉及 633,070 个细胞和 27,748 个批量样本。 GRNdb 中分别提供了人类和小鼠的 70 651 个调节子16 915 901 个 TF-靶点对和 7095 个调节子2 771 940 个 TF-靶点对。 GRNdb 中的所有调控都是根据组学数据预测的这对于未来的实验验证很有价值。用户可以轻松探索和可视化各种条件下的 GRN 和相关基因表达谱。例如“搜索”页面可以对 TF 和目标基因进行 GRN 研究和表达谱分析例如头颈癌中的 TF HSPA5图 2而“浏览”页面则可以检查每种条件下所有已识别 GRN 的详细信息图 2。 2。此外用户可以分别在“表达”和“生存”页面上询问其感兴趣基因的表达谱和癌症生存情况图2。总的来说GRNdb 为研究界提供了丰富而宝贵的资源可以帮助他们更好地了解各种正常组织和疾病中的 TF 靶点调控。我们相信 GRNdb 将帮助用户揭示基因表达动态和疾病发病机制的潜在机制。我们将继续维护 GRNdb 并更新它以包含更多的人类和小鼠数据集。
GRNdb 数据库可免费访问 http://www.grndb.com/ 以用于非商业用途。用户无需注册或登录即可访问数据库中的任何可用数据。
学习文献
GRNdb: decoding the gene regulatory networks in diverse human and mouse conditions
Li Fang, Yunjin Li, Lu Ma, Qiyue Xu, Fei Tan, Geng Chen, GRNdb: decoding the gene regulatory networks in diverse human and mouse conditions, Nucleic Acids Research, Volume 49, Issue D1, 8 January 2021, Pages D97–D103, https://doi.org/10.1093/nar/gkaa995
