转录因子靶基因互相预测全网最全，没有之一

还记得先前提到的基因转录调控数据库“转录因子靶基因预测，不用到处搜了，都在这了”（Gene Transcription Regulation Database，GTRD）吗？由俄罗斯学者整理，在SRA、ENCODE、GEO等资源库收集公共的ChIP-seq试验并鉴定转录因子结合位点，提供了公开数据下载。

1 GTRD数据库简介

    GTRD数据库的开发始于2011年，自发布以来，数据库一直在保持更新。以下是2019年作者发表的文章，总结了目前数据库的资源信息。

总的来说，相比最初的版本，主要改进可归纳如下。

（1）先前的版本仅包含人类和小鼠的数据，当前的版本包含七个模式物种：人类（Homo sapiens）、小鼠（Mus musculus）、大鼠（Rattus norvegicus）、斑马鱼（Danio rerio）、秀丽隐杆线虫（Caenorhabditis elegans）、果蝇（Drosophila melanogaster）、酿酒酵母（Saccharomyces cerevisiae）、裂殖酵母菌（Schizosaccaromyces pombe）和拟南芥（Arabidopsis thaliana）的 ChIP-seq 实验鉴定的转录因子结合位点（TFBSs）和转录共激活蛋白。

（2）收录的ChIP-seq实验的数量增加了三倍以上。目前而言，以人类和小鼠为例，包含了超过2000种转录因子的20000多例ChIP-seq实验数据。

（3）先前的数据库仅针对转录因子收集的ChIP-seq实验，新版本还包含有关转录共激活因子结合区的数据，以及通过DNase-seq鉴定到的开放染色质区域和TFBSs（DNase 印迹）。

（4）利用HOCOMOCO数据库的位置权重矩阵（position weight matrices）鉴定的人类和小鼠的潜在的TFBSs。

（5）作者还对ChIP-seq试验等的一系列处理工作流程作了改进，相较于先前的结果更加稳健。

GTRD数据库的当前内容及其派生的信息资源如图所示。

2 GTRD数据库的在线使用

    访问在线数据库资源，在主界面点击“Start”，可通过网页搜索查询转录因子及其靶基因的关系。

    不过，本人感觉在线界面操作并不好用，因此这里就不对在线使用作更多简介了。

    在这里向各位老师推荐我们整理好的本地表格。

3 好消息，我们整理了本地版的转录因子-靶基因关系表

    我们将其鉴定结果进行整理，并对ChIP-seq鉴定的峰进行了基因区域的重新注释。

    以转录因子MYC基因-靶基因关系为例，结果包含如下。

“*.output”文件中包含了基因组中所有区域（promotor、UTR、exon、intron）的结合峰。

转录因子通常结合靶基因的启动子区域发挥作用，我们将“*.output”中注释到启动子区域的的结合峰单独提取出，获得文件“.promotor”。其中，“than2”代表该峰在至少两个样本中鉴定到，“than3”代表该峰在至少三个样本中鉴定到。结果中，包含了ChIP-seq实验名称、组织细胞类型、转录因子类型、结合的靶位点基因位置及功能描述等信息。

对特定转录因子的调节靶基因集进行KEGG富集分析，用于描述该转录因子参与的调控通路，结果见“*.promotor”文件夹。如下所示识别的MYC靶基因的KEGG通路富集概况，由通路可了解该转录因子参与调控哪些生物学过程及通路，方便我们判断该TF是否重要。

使用我们已经整理好的对应关系表，您可以很方便地：

（1）根据已知的转录因子，寻找对应的下游靶基因；

（2）根据靶基因，寻找上游的转录因子；

（3）结合RNAseq差异表达基因列表，识别哪些对应了转录因子，哪些是靶基因，它们之间存在怎样的上下游关系。

（4）根据转录因子参与的通路判断其重要性。

来看一个实际应用，在下载后的GTRD数据库靶向关系表中进行搜索，在差异表达基因集中定位哪些基因是转录因子，将它们提取出来，并继续在差异表达基因集中寻找与已知转录因子互作的靶基因。最后将差异表达基因中差异表达的转录因子与靶基因关系进行整理，获得关系表，如下所示。

4 关于转录因子-靶基因关系搜索的常见问题

    该数据老师可以直接找到对应的转录因子，去查看涉及到哪些靶基因。但是在实际分析过程中，可能会遇到一些问题，我们列举几条常见的。例如:

所关注的转录因子-靶基因关系未在数据库中检索到？我们知道，数据库根据已知的资源构建，由于当今大部分基因的功能仍有待发掘，因此数据库中不包含的并不完全代表没有。如果未检索到，可以更换其它的数据库试试，如TRANSFAC、JASPAR、hTFtarget等，也可以通过近缘物种类似的转录因子-靶基因关系去推断，必要时可能需要重新设计ChIP-seq试验。但需要注意的是，ChIP-seq试验作为一种高通量的方法本身也存在假阳性，识别的也不一定100%就是真实的。

靶基因关系太多，该如何做筛选？首先，我们可以在多个数据库结果中取交集缩小范围。其次，转录因子与靶基因的结合具有时空动态性，数据库中列出的靶基因也是在特定的组织、细胞类型、实验条件下确定的。查询时，最好根据具体的实验细节搜索，可以缩小靶标范围并减少假阳性。此外，重点关注显著差异表达的基因，从中寻找响应于特定条件的转录因子-靶基因关系，也是通常选择的方法。

筛选到大量的差异基因，该如何评估基因的重要性？假如您想要确定一个转录因子，可以在差异基因中筛选差异表达的转录因子，而后分别预测他们的靶基因，当然靶基因也是有差异表达的，进一步可以预测这些靶基因涉及到的pathway通路或生物学过程等，这时我们或许会更能了解，哪个转录因子在所有差异基因是关键的，地位是重要的，据此可以挑选出这个重要基因，而后进行后续机制研究。

那么其他差异基因能否可以依照此办法进行功能重要性评估？由于普通基因没有这种明显的靶基因关系，不容易去寻找他们的靶基因，但问题总要解决的。