GPSAdb 2.0：扩展的基因扰动转录组图谱及其在调控基因发现中的增强工具

《Nucleic Acids Research》：GPSAdb 2.0: an expanded atlas of gene-perturbation transcriptomes with enhanced tools for regulatory gene discovery

本刊推荐：为系统解析基因功能与调控网络，研究人员开展了GPSAdb 2.0数据库的构建研究。该平台整合7,665组基因扰动（knockdown/knockout）转录组数据，涵盖42,235个样本、2,810个扰动基因及1,063种细胞系，并创新开发BioTrigger基因集富集分析工具与fastGPSA快速差异表达分析模块。通过案例验证发现OVOL2可作为ESR1上游调控因子，为转录调控机制研究提供新视角。该资源显著提升基因扰动数据的可及性与分析效率，对疾病机制解析具有重要价值。

　　

在生命科学领域，解析基因功能及其调控机制是理解生物过程与疾病发生的关键。基因扰动技术（包括基因敲除、敲低等）通过特异性改变目标基因表达，观察转录组变化，为基因功能研究提供因果性证据。然而，随着高通量测序技术的普及，海量扰动转录组数据呈现分散、异质化特点，如何有效整合并挖掘其中生物学规律成为亟待解决的挑战。

目前虽有Connectivity Map、KnockTF等数据库资源，但在数据覆盖广度与分析工具灵活性方面仍存在局限。单细胞扰动数据库（如scPerturb）虽具潜力，却受限于数据集规模与技术稀疏性。为此，研究团队开发了GPSAdb 2.0，旨在构建更全面的基因扰动转录组图谱，并配备高效分析工具，助力调控基因的系统性发现。

本研究通过整合NCBI GEO与ENCODE平台的7,665组高质量扰动数据，建立覆盖1,063种细胞系的标准化资源库。新引入的BioTrigger工具支持自定义基因集与扰动数据集匹配分析，而fastGPSA则通过G-score量化计算实现扰动效应的快速比对。案例研究表明，该平台不仅能验证已知调控关系（如ESR1与LATS1的Hippo通路交叉对话），还可发现新型调控因子（如OVOL2对ESR1的上游调控作用）。相关成果发表于《Nucleic Acids Research》数据库专刊，为基因调控网络研究提供重要基础设施。

关键技术方法

研究团队通过复合查询从NCBI GEO筛选17,099项候选研究，经人工校验获得7,643组可访问的扰动对照数据，与ENCODE的879组实验合并后标准化处理。采用RNA-seq统一分析流程（比对、定量、标准化）确保数据可比性，并通过GSEA（基因集富集分析）筛选富集基因数≥2且上下调基因>10的可靠数据集。细胞系身份通过DepMap映射与人工验证确认，最终构建包含7,665组扰动数据的资源库。

数据规模与功能升级

GPSAdb 2.0较1.0版本实现数据量级跃升：扰动组数从3,048增至7,665（2.51倍），样本数从15,794增至42,235（2.68倍），扰动基因从1,421增至2,810（1.98倍），细胞系从502扩展至1,063（2.12倍）。新增的BioTrigger工具支持用户上传自定义基因集（如铁死亡、化疗耐药相关基因），通过GSEA富集评分（ES）识别激活（ES>0）或抑制（ES<0）型扰动事件。fastGPSA工具将用户输入的差异表达基因分为上下调两组，分别进行GSEA分析后计算G-score（=ES_down-ES_up），负值表示与查询扰动方向相似。优化算法使分析速度提升4倍，同时保留结果可重现性。

案例验证：OVOL2作为ESR1新型调控因子的发现

通过fastGPSA分析MCF7细胞中ESR1敲低数据（D21455），在排名前十的结果中成功捕获4个独立ESR1扰动数据集，验证工具敏感性。工具还识别出已知ESR1互作因子（如LATS1、KMT2C、TRPS1），其中LATS1扰动谱与ESR1高度相似，符合Hippo-ERα通路交叉对话的已知机制。值得注意的是，RNA结合蛋白ELAVL1（HuR）虽与ESR1表达呈负相关，但文献证实ERα具RNA结合能力，提示非经典调控途径的存在。

分析意外发现转录因子OVOL2排名显著（图1D），其扰动谱与ESR1敲低高度一致（图1E）。对OVOL2敲除数据（D24044）的验证显示：ESR1 mRNA水平显著下降（调整后P=0.0019）（图1F），雌激素反应晚期通路（Hallmark Estrogen-Response-Late）富集评分ES=-0.791（FDR<0.001）（图1G-H）。蛋白实验进一步证实siOVOL2可降低ERα蛋白表达，而siESR1不影响OVOL2水平（图1I-J），支持OVOL2位于ESR1上游的调控模型。

研究结论与展望

GPSAdb 2.0通过大规模数据整合与创新工具开发，实现了基因扰动转录组数据的系统化挖掘。其G-score定向相似性度量可精准识别调控关系，而双基因集交叉分析策略（如干扰素激活与细胞周期抑制组合）能揭示复杂生物学事件的核心调控因子。当前数据库仍存在细胞系覆盖不均、扰动效率差异等局限，未来将通过纳入CRISPR激活/抑制（CRISPRi/a）数据、时间序列扰动实验及开放程序化接口持续升级。该平台为基因功能解析、疾病机制研究及治疗靶点发现提供了高效资源，有望推动转录调控研究的范式创新。