使用基因集富集分析确定转化研究中合适动物模型的方案
2017年8月16日
我们提供了一种标准化的转录组数据基因集富集分析方案，用于确定适用于转化研究的理想小鼠模型。
该方案可用于DNA微阵列和RNA测序数据，若有相应数据，亦可进一步扩展至其他组学数据。
本实验的总体目标是为转化研究问题确定合适的动物模型。该方法有助于回答转化研究中的一个关键问题，即：针对我想要研究的特定人类疾病，如何选择合适的动物模型？该技术的主要优势在于，能够比较动物模型与人类疾病研究之间的全基因组数据。
因此，这种方法避免了与单个基因比较相关的有偏解释。尽管该方法可为小鼠模型在炎症性疾病中的适用性提供见解，但也可应用于其他疾病模型。GSEA 有助于深入探究基因表达研究中的通路调控机制。
每种动物模型和疾病研究的结果是进行进一步比较的基础。首先按照文本方案中的描述，下载软件和数据，并进行数据处理和格式化。然后打开GSEA软件工具。
单击主窗口左侧的“加载数据”按钮。将打开一个新标签页以导入所需的数据文件。在新标签页中，浏览并选择基因表达数据文件和表型文件。
如果 GSEA 无法连接互联网，则还需加载已下载的分子特征数据库文件和 DNA 芯片注释文件。成功导入的数据将显示在数据加载部分。单击主窗口左侧的“运行 GSEA”按钮。
将打开一个新标签页以设置分析参数。该标签页分为三个部分：必填字段、基本字段和高级字段。在必填字段中，首先选择表达数据集。
然后从已连接的网站或手动导入的基因集文件中选择基因集数据库。编辑表型标签，以选择需要相互比较的样本组。例如，疾病组与健康对照组。
接下来，选择“将数据集折叠为基因符号”为“true”，以将表达数据集中的探针标识符转换为基因集数据库中使用的官方 HUGO 基因符号。如果表达数据集已包含 HUGO 基因符号，则选择“false”。将置换次数设置为默认的 1,000 次。
将置换类型更改为基因集，因为表型置换仅在每种表型包含超过七个样本时推荐使用。最后，从所连接的网站或手动导入的DNA芯片注释文件中选择用于生成基因表达数据的芯片平台。在基本参数区域，编辑分析名称以及结果保存文件夹。
此外，还可以更改其他统计参数。有关参数和高级字段部分的更多详细信息，请参阅 GSEA 用户指南。如果应用了外部计算的基因表达数据分组指标，请使用 GSEA 预排序工具。
该分析基于一个简单的基因列表进行，这些基因已预先分配给预先计算的分组指标，用于对基因进行排序。加载替代的基因表达文件后，转到主导航栏，点击 Tools（工具），然后选择 GseaPreranked（GSEA 预排序）。同样，将打开一个新标签页以设置分析参数。
接下来，单击窗口右下角的“运行”按钮。在 GSEA 报告部分中，单击已成功完成的分析以打开分析结果。然后，单击 Excel 格式的详细富集结果，将分析结果导出到电子表格中。
分别导出两种表型的结果。在 Excel 中将结果数据合并到一个电子表格文件中。为便于后续比较多个研究的基因表达数据，至少应保留基因集名称、标准化富集评分及其 FDR 值。
对第二项研究以及所有需要相互比较的后续研究重复进行基因集富集分析。应纳入尽可能多的人类临床研究和不同的小鼠模型，以确定最适合该转化研究问题的小鼠模型。为了鉴定能够最佳模拟人类情况的动物模型，需将所有研究的GSEA结果相互进行比较。
利用富集分数和FDR值将通路分类为激活、抑制或无显著变化。对于多个需要比较的研究，建议使用R脚本。针对每两个研究之间的比较，统计由3×3列联表所示的九种可能通路调控组合各自出现的次数。
通过计算阳性预测值和阴性预测值来评估两项研究之间的相关性，其中阳性预测值和阴性预测值定义为在两项研究中显示相同调控方向的通路部分。同时，估计仅因偶然因素而预期相关的通路部分，以偶然阳性预测值（ppv chance）和偶然阴性预测值（npv chance）表示。然后计算信息增益。
所有计算均可使用电子表格程序完成，但建议使用 R 函数。利用一对研究的列联表，通过卡方检验计算 P 值，例如可使用 R 函数卡方检验或电子表格程序。将列联表的数据存储于矩阵 X 中。接下来，比较所选用于分析的研究之间所有组合的 GSEA 结果。
按信息增益对所有组合进行排序。在比较多个数据集时，使用矩阵并通过彩色热图可视化结果。选择信息增益最高的动物模型。
为了评估信息增益的重要性，还需考虑卡方检验。此处展示了人类与小鼠研究之间通路比较的相关性矩阵。通路调控的重叠部分表示从一项研究中获得的信息增益，可用于预测另一项研究中的效应。
蓝色表示数据之间相关性低，红色表示数据之间相关性高。人类与小鼠数据集的比较揭示出一组小鼠模型与人类研究具有高度相关性。因此，这些小鼠模型最适合用于模拟人类情况。
相比之下，第七、第八和第九项研究未显示出与人类疾病研究的相关性。一旦掌握，只要操作得当，该技术可在数天内完成。具体耗时取决于数据量及数据的可获得性。
在进行该实验操作时，重要的是要牢记，结果的有效性取决于所选数据的质量和相关性。观看本视频后，您应能够充分理解如何根据转录组数据为特定的人类疾病选择合适的动物模型。
查看完整文字稿并访问数千部科学视频
概述
本文介绍了一种用于转录组数据基因集富集分析（GSEA）的标准化方案，旨在识别适用于转化研究的小鼠模型。该方法通过比较动物模型与人类疾病研究之间的全基因组数据，为多种疾病的模型选择提供依据。
关键研究组成部分
科学领域
- 转化医学研究
- 基因组学
- 动物模型
背景
- 选择合适的动物模型对于转化研究至关重要。
- GSEA 通过比较全基因组数据，避免了有偏见的解释。
- 该方法可应用于炎症性疾病以外的多种疾病模型。
- 它有助于研究基因表达调控机制。
研究目的
- 提供针对特定人类疾病选择动物模型的实验方案。
- 增进对转化研究中模型适用性的理解。
- 促进转录组学数据在模型选择中的应用。
使用的方法
- 转录组数据的基因集富集分析（GSEA）。
- 动物模型与人类疾病研究之间的全基因组数据比较。
- 本方案在DNA微阵列和RNA测序数据中的应用。
- 可根据可获得情况扩展至其他组学数据。
主要结果
- 该方案可有效鉴定适用于转化研究的小鼠模型。
- 基因集富集分析（GSEA）可提供跨模型的基因表达全面视图。
- 获得的见解可为多种疾病模型的选择提供依据。
- 该方法减少了单个基因比较相关的偏差。
结论
- 标准化的实验方案可优化动物模型的筛选流程。
- 基因集富集分析（GSEA）是转化研究中用于模型鉴定的重要工具。
- 该方法可适用于多种疾病研究背景。
常见问题
行业重要性概要
选择合适的动物模型在转化研究中仍然是一个关键挑战，模型不匹配会导致后期研究的失败。本方案通过利用小鼠模型与人类疾病数据的转录组一致性进行系统性评估，减少对主观基因筛选的依赖。通过提供基于GSEA的标准化框架，该方法可在发现早期支持对模型选择的预测信心，并为“继续/终止”决策提供依据。
生物制药研发中的策略性应用
早期发现与靶点验证
- 科学价值：通过评估人类疾病与动物模型转录组在通路水平上的一致性，验证治疗假说。
- 操作价值：避免单基因比较带来的偏倚性解读，降低靶点验证中的机制不确定性。
- 预测价值：能够基于数据优先筛选信息增益最高的模型，支持项目组合的筛选决策。
筛选与检测方法开发
- 科学价值：通过鉴定具有保守通路调控的模型，构建经过验证的生物系统，用于下游化合物筛选。
- 操作价值：通过标准化富集评分和FDR值，实现跨研究结果的标准化比较，提高可重复性。
- 可扩展性：支持整合多项人类临床研究和小鼠模型，以确定最佳的转化匹配模型。
转化与临床前研究
- 转化连续性：通过识别与人类疾病状态高度相关的模型，将发现研究与临床前验证相连接。
- 风险调整推进：利用信息增益和卡方检验评估模型适用性的显著性，为推进决策提供依据。
- 生物标志物一致性：促进跨物种保守通路的识别，这些通路可能作为转化生物标志物使用。
流程与工作流整合
该方法适用于从靶点验证到临床前模型筛选的整个发现流程，可在对筛选或药效研究进行大量投入之前，利用转录组学数据指导动物模型的选择。
- 发现生物学：通过比较物种间全基因组通路的激活或抑制模式，支持假设验证。
- 筛选：通过确保所选模型能够反映人类疾病的生物学特征，提高化合物评估的可靠性，增强检测的准备性。
- 分析：生成定量输出结果（标准化富集评分、FDR、信息增益），用于客观的跨研究比较。
- 转化研究：通过选择在通路水平上已证明与人类疾病状态一致的模型，促进研究的连续性。
- 企业级复用：建立可复用的生物信息学能力，适用于多种疾病领域和组学数据类型。
运营与企业影响
- 科学价值：提高模型选择的预测置信度，减少因生物学表征不足导致的假阳性结果。
- 操作价值：促进在不同团队和研究地点之间实现模型评估的标准化与可重复性。
- 战略价值：通过减少对预测能力差的模型的投资，提高资本使用效率。
- 项目组合影响：基于模型适用性的证据，实现对项目的按风险调整优先级排序。
实施注意事项
- 需要具备转录组数据分析和GSEA软件操作的专业知识。
- 依赖于从人类疾病研究和候选动物模型中获取高质量的基因表达数据。
- 需要标准化的数据格式，包括基因符号合并和表型标注。
- 涉及生物信息学、药理学和病理学团队之间的跨职能协作以进行结果解读。
- 仅限于回顾性分析；在缺乏现有组学数据的情况下，无法预先预测模型的适用性。
