博文

SEMPLR：转录因子结合位点预测

已有 323 次阅读 2026-7-5 21:44 |个人分类:科普|系统分类:科普集锦

SEMPLR：转录因子结合位点预测

转录因子（TF）与 DNA 结合调控基因表达并驱动表型多样性。确定 TF 在基因组中结合的时间和位置可以提供关于 DNA 序列如何编码生物结果的见解。这种理解对于人类疾病研究尤其关键，因为近 90%的与疾病相关的遗传变异位于非编码区域，并认为通过改变 TF 结合亲和力发挥作用。尽管 ChIP-seq和 CUT&RUN等技术可以全基因组绘制结合位点，但 TF 数量、细胞类型和生物条件的庞大数量使得全面实验分析不可行。

为解决这一限制，人们投入了大量精力仅基于序列预测 TF 结合。虽然最近的进展引入了具有更大能力模拟复杂序列特征的 TF 结合模型，包括基于灵活基序的方法和基于深度学习的预测器。基于矩阵的方法因其计算效率、可解释性以及与现有基因组分析工作流程的兼容性而仍然广泛使用。其中许多现有的基于矩阵的工具将 DNA 序列与位置加权矩阵（PWM）进行比较，这些 PWM 通常代表共识结合基序，产生与共识基序的相似性测量，而不是生理条件下实际结合可能性的定量预测。为了克服这一挑战，SNP 效应矩阵管道（SEMpl）是一个命令行工具，它结合了 ChIP-seq 和 DNase-seq 数据来生成 SNP 效应矩阵（SEM）。与传统的 PWM不同，SEM整合了染色质可及性信息和经验性结合数据，以提供更准确地反映结合的转录因子（TF）结合亲和力的定量估计。然而，SEmpl 的功能仅限于构建 SEM并报告质量控制指标，缺乏用于研究应用的关键功能，如基序富集分析、变异评分以及与常见生物信息学框架的集成。

在此，Kenney等人介绍了 R 包SEMPLR（图1，https://bioconductor.org/packages/SEMPLR/），它通过提供一个全面的框架扩展了 SEmpl 的功能。SEMPLR 包括用于存储和操作 SEM 的优化数据结构、用于全基因组评分的高效算法以及集成可视化工具。它还提供 TF 结合富集分析和变异效应预测的方法，所有这些都紧密集成在 Bioconductor 生态系统中，能够无缝集成到现有的基因组分析工作流程中，并确保与标准数据格式和分析管道的兼容性。

图1 使用 plotSEM、plotEnrich 和 plotSEMMotifs 函数创建的图例。(A) plotSEM 函数创建的图描绘了 JUN 基序（JASPAR MA0099.2）中每个核苷酸的位置特异性得分，突出了查询序列。(B) plotEnrich 函数创建的图描绘了在 1,000 个模拟序列中的 SEM 富集得分。其中 200 个序列模拟自 JUN SEM，其余 800 个序列随机生成。转录因子（TF）通过 SEM 的加权 Pearson 相关系数进行层次聚类；显著富集的转录因子（FDR < 0.01）以黑色字体显示。(C) plotSEMMotifs 函数创建的图比较了变异 rs1357635 在默认 SEM 集上的等位基因特异性结合亲和力得分

参考文献

[1] Kenney GE, Sherpa RN, Burgess JD, Boyle AP, Phanstiel DH. SEMPLR: an R package for transcription factor binding prediction. Bioinformatics. 2026 Jun 12:btag383. https://doi.org/10.1093/bioinformatics/btag383

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC