2022.04.14【读书笔记】|转录因子分析_转录因子富集分析

转录因子特点

蛋白序列、调控区域和功能在后生动物都很保守
TFs的突变或结合位点的突变是很多疾病的起因
TFs驱动细胞分化、去分化
TFs调控诸多生命进程，诸如免疫反应、发育模式

可以从转录因子的功能和结构特点作为切入点
• 功能——共表达网络
TFs具有调控功能，结合于增强子，增强DNA开放性的TFs调控靶基因上
调，结合于沉默子、绝缘子，促使DNA折叠的TFs调控靶基因表达下调。
TFs与靶基因之间存在共表达关系
• 结构——富集Motif
Motif作为TFs与DNA的结合位点，其在靶基因的富集意味着更高的TF结
合可能性，即TFs与靶基因之间的调控关系越紧密

SCENIC是一个R工具包，是目前进行单细胞转录因子分析的主流软件，在进行数据分析的同时也能得到可视化结果图。
应用物种：当前版本的SCENIC仅支持人类、鼠和果蝇。
输入：SCENIC需要输入的是单细胞RNA-seq表达矩阵—— 每列对应细胞，每行对应一个基因；以及物种对应的评分数据库。
配套软件：
GENIE3，RcisTarget，AUCell

预测转录因子（TFs）的功能分析该项目的目标是开发一种工作流程，以识别预测的TF的潜在靶基因。由于前期需求请安装畅达： jupyter笔记本： pybedtools： gprofiler：：//pypi.org/project/gprofiler-official/ 我们鼓励您使用基于UNIX的系统。如果您运行Windows，请确保更改目录路径。我们建议您单独运行代码单元，以避免长时间运行图。您可能遇到的问题：如果“ gprofiler”不起作用，请确保您也将其安装在控制台中（bash）如果那不能解决您的问题，请将“ Gprofiler”重命名为“ grofiler”。如果这不能解决您的问题，请安装所有带有conda的包装要开始分析，您需要3个数据文件： “ .bed”格式的注释文件在“ .txt”文件中带有转录因子的文本文件脚本-“ tf_an 导语：这是本系列的最后一期了，继续给大家介绍几个实用的生信小工具1. WebLogo 3 (http://weblogo.threeplusone.com/)我们阅读文献时肯定看到过下面这种图，它叫序列标识图（Sequence logo），是基于多序列比对的序列保守性可视化图形。图片的你一定好奇这种漂亮的图怎么画的吧，其实用上面的工具就能很容易地做出来。打开上面的网址，先看一下WebLogo的主... 欢迎关注”生信修炼手册”!MEME是一个motif 分析的工具箱，提供了多种相关工具，网址如下http://meme-suite.org/index.html根据分析目的和功能，将相关工具... 转录因子详细介绍(motif) TF: transcription factor 转录因子 TFBS: transcription factor binding site 转录因子结合位点TFBS是序列内的location，TF特异结合在这里，这个site有这种特点 1 和一些参考相关的一个位置（开始，结束，strand），这些reference可以是染色体开始，geneTSS。也可以是一段sequence 2 A SITE可以是实验证实的（已知的），也可以是一些算法（预测的） 3 例子，下面这个图是酵母本篇文章给大家推荐2个网站，用于对动物、植物转录组因子（TF）、转录因子结合位点（TFBS）的预测。简单易学，任何你感兴趣的基因集，都可以用来预测 TF，也可以去预测它们的 TFBS。转录 因子分析 可以了解细胞异质性背后的基因调控网络的异质性。转录 因子分析 也是单细胞转录组常见的分析内容，R语言分析一般采用的是SCENIC包，具体原理可参考两篇文章。1、《SCENIC : single-cell regulatory networkinference and clustering》。2、《Ascalable SCENIC workflow for single-cell gene regulatory network analysis》。但是说在前头，SCENIC的计算量超级大，非常耗费内存关于单细胞转录组转录因子的分析我们之前在单细胞系列讲过R语言版本的，参考：跟着Cell学单细胞转录组分析 (十二): 转录组 因子分析 ，但是R语言分析起来速度非常慢，如果你动辄上万的单细胞可能要运行好几周，这显然不现实。pySCENIC则很好的解决了这个问题，分析速度很快。随着高通量生物技术的发展，已经开发了多种组学技术来表征不同但互补的生物信息，包括基因组学、单细胞、表观基因组学、转录组学、微生物组学和代谢组学等。近年来，癌症相关多组学技术的快速发展一直是人工智能生物学分析探索新型抗癌靶点的最重要因素之一。下图将这些技术分为五个方面：表观遗传学、基因组学、蛋白质组学、代谢组学和多组学整合分析。人工智能整合多组学数据（例如表观遗传学、基因组学、蛋白质组学和代谢组学）以识别癌症治疗靶点。欢迎关注微信公众号生信宝典：http://mp.weixin.qq.com/s/3Nd3urhfRGkw-F0LGZrlZQGSEA定义Gene Set Enrichment Analysis (基因集富集分析 )用来评估一个预先定义的基因集的基因在与表型相关度排序的基因表中的分布趋势，从而判断其对表型的贡献。其输入数据包含两部分，一是已知功能的基因集 (可以是GO注释、MsigDB的注释或其它符合格文献精读笔记英文题目：Systematic mining and genetic characteriza；tion of regulatory factors for wheat spike development 中文题目：小麦穗发育调控因子的系统挖掘及遗传特性研究通讯作者：Jun Xiao，Chinese Academy of Sciences，Beijing, China 发布时间：2022.11.11 bioRxiv doi：10.1101/2022.11.11.516122 论文初步介绍前面我们通过RcisTarget包的 cisTarget()函数，一句代码就完成了我们的hypoxiaGeneSet.txt文本文件的171个基因的转录因子注释。见：基因集的转录因子富集分析通过学习，我们知道这个RcisTarget包内置的motifAnnotations_hgnc是16万行，可以看到每个基因有多个motif。而且下载好的 hg19-tss-centered-10kb-7speci... 基因转录调控网络—— 转录因子调控网络分析转录因子 (Transcription Factors, TFs)是指能够以序列特异性方式结合DNA并且调节转录的蛋白质。转录因子通过识别特定的DNA序列来控制染色质和转录，以形成指导基因组表达的复杂系统。转录水平的调控是基因调控的重要环节，其中转录因子 (Transcription Factor，TF)和转录因子结合位点(Transcription Factor Binding Site，TFBS)是转录调控的重要组成部分。基因转录调控网络由于其可以直观地显示基研究基因表达的有如下工具：RNA-Seq，microarray， qRT-PCR等（欢迎补充） RNA-Seq，microarray一般用在探索性阶段，qRT-PCR用于验证 RNA-Seq和microarray由于他们的实验方式不同，导致寻找差异表达基因的统计学方法也不同。其中microarray使用寡核苷酸作为探针进行杂交，基因... ▼生物信息学习的正确姿势（第三版）NGS系列文章包括NGS基础、转录组分析（Nature重磅综述|关于RNA-seq你想知道的全在这）、ChIP-seq 分析（ChIP-seq基本分析 ... 1 、 TRANSFAC （ http://www.gene-regulation.com/pub/databases.html#transfac）德国生物工程研究所开发的 TRANSFAC 数据库是关于转录因子、它们在基因组上的结合位点和与 DNA 结合的 profiles 的数据库。由 SITE 、 GENE 、FACTOR 、 CLASS 、 MATRIX 、 CELLS 、 MET 基因富集分析（Gene Set Enrichment Analysis，GSEA）是一种针对全基因组表达谱芯片数据的分析方法，将基因与预定义的基因集进行比较。即综合现有的对基因的定位、性质、功能、生物学意义等信息基础，构建一个分子标签数据库，在此数据库中将已知基因按照染色体位置、已建立基因集、模序、肿瘤相关基因集和GO基因集等多个功能基因集进行分组与归类。通过分析基因表达谱数据，了解它们在特定的功...

转录因子特点

共表达网络（GENIE3）

Motif 富集（Ris-Target）

活性定量（AUCell）