O、Hallmark Gene Sets（标志基因集）详解
1. 定义与背景
Hallmark Gene Sets 是一组精心筛选的基因集合，每个集合代表一种特定的生物学过程、功能或疾病机制。例如，它们可能对应“细胞增殖”“炎症反应”或“DNA修复”等关键生物学活动。这些基因集由美国Broad研究所的团队在2015年开发，并集成在分子签名数据库（MSigDB）中，是生物信息学中常用的分析工具。
为什么需要它们？
在生物学研究中，科学家经常需要分析成千上万个基因在特定条件下的行为（如癌症 vs 正常组织）。直接分析单个基因犹如大海捞针，而通过预定义的基因集（如Hallmark），可以将基因按功能归类，简化分析过程。
2. 构建方法：如何提炼出“精华”？
Hallmark Gene Sets并非简单的文献汇总，而是通过以下步骤提炼而成：
- 多数据源整合：合并来自多个权威数据库（如GO、KEGG）和实验数据的基因集。
- 去除冗余：通过算法合并相似基因集，避免重复（例如，将10个与“凋亡”相关的基因集合并为1个）。
- 验证一致性：利用基因表达数据筛选在多种实验中表现一致的基因，确保生物学意义明确。
最终，Hallmark集合从数千个原始基因集中提炼出约50个“精华”集合，每个都代表一个明确且无冗余的生物学主题。
3. 主要特点
- 简洁高效：50个集合覆盖核心生物学过程，避免分析时的信息过载。
- 高可信度：每个基因集中的基因经过严格验证，减少假阳性干扰。
-
功能明确：名称直接反映功能（如
HALLMARK_ANGIOGENESIS代表“血管生成”）。
4. 应用场景
- 基因集富集分析（GSEA）：快速发现实验条件下显著激活或抑制的生物学通路。
- 功能注释：帮助解读高通量实验（如RNA测序）结果，回答“这些基因变化意味着什么？”。
- 疾病机制研究：识别癌症、免疫疾病等背后的关键通路。
5. 如何获取与使用？
- 数据库来源：通过MSigDB官网（https://www.gsea-msigdb.org）免费获取。
- 分析工具：搭配GSEA软件或R/Python包（如clusterProfiler）直接调用。
6. 示例说明
以HALLMARK_APOPTOSIS（细胞凋亡）为例：
- 包含基因：约200个与程序性细胞死亡相关的基因（如CASP3、BCL2）。
- 应用场景：若某癌症样本中这些基因显著高表达，提示凋亡通路可能被激活。
7. 与其他基因集的对比
- GO/KEGG：覆盖更全面但冗余多（例如，GO有数万个术语），Hallmark更精炼。
- 其他MSigDB子集：如“C2”（人工整理的通路）或“C5”（GO术语），Hallmark是其优化版。
以下是Hallmark Gene Sets中50个基因集的详细分类、功能解读及典型应用场景（部分）。
一、Hallmark基因集的分类与核心功能
Hallmark的50个基因集可归纳为7大生物学主题，以下是每类的代表基因集及其作用：
1. 细胞增殖与死亡调控
-
HALLMARK_APOPTOSIS（细胞凋亡）- 关键基因：CASP3、BCL2家族、FAS
- 功能：调控程序性细胞死亡，与癌症治疗抵抗相关。
- 应用：化疗后肿瘤细胞凋亡程度评估。
-
HALLMARK_P53_PATHWAY（p53通路）- 关键基因：TP53、CDKN1A (p21)、BAX
- 功能：DNA损伤响应与细胞周期阻滞，抑癌核心机制。
- 应用：评估肿瘤基因组稳定性。
-
HALLMARK_MITOTIC_SPINDLE（有丝分裂纺锤体）- 关键基因：AURKA、PLK1、CEP55
- 功能：调控染色体分离，异常导致非整倍体（常见于癌症）。
- 应用：乳腺癌、肺癌的增殖活性标志。
2. 代谢与能量平衡
-
HALLMARK_OXIDATIVE_PHOSPHORYLATION（氧化磷酸化）- 关键基因：NDUF系列（线粒体复合物I）、ATP合酶
- 功能：线粒体能量生成，与衰老、神经退行性疾病相关。
- 应用：代谢重编程研究（如癌细胞的Warburg效应）。
-
HALLMARK_FATTY_ACID_METABOLISM（脂肪酸代谢）- 关键基因：ACSL1、CPT1A、PPARα
- 功能：脂肪酸分解与合成，影响肥胖、糖尿病。
- 应用：肝脏疾病或代谢综合征中的脂代谢异常分析。
-
HALLMARK_GLYCOLYSIS（糖酵解）- 关键基因：HK2、LDHA、PGK1
- 功能：无氧糖代谢，肿瘤微环境酸化的驱动因素。
- 应用：癌症预后标志（高糖酵解提示侵袭性强）。
3. 免疫与炎症反应
-
HALLMARK_INFLAMMATORY_RESPONSE（炎症反应）- 关键基因：IL6、TNFα、NF-κB通路基因
- 功能：促炎因子信号传导，参与感染、自身免疫病。
- 应用：类风湿关节炎、COVID-19重症患者免疫风暴分析。
-
HALLMARK_IL6_JAK_STAT3_SIGNALING（IL-6/JAK/STAT3信号）- 关键基因：IL6R、JAK2、STAT3
- 功能：调控免疫细胞分化与肿瘤微环境重塑。
- 应用：靶向JAK/STAT3的抑制剂疗效预测。
-
HALLMARK_COMPLEMENT（补体系统）- 关键基因：C3、C5AR1、CFB
- 功能：先天免疫中的病原体清除，与肾病、AMD（黄斑变性）相关。
- 应用：自身免疫性肾小球肾炎的分子机制研究。
4. 应激与损伤应答
-
HALLMARK_UV_RESPONSE（紫外线应答）- 关键基因：XPA、ERCC3、DDB2
- 功能：修复UV诱导的DNA损伤，防止皮肤癌。
- 应用：黑色素瘤患者的DNA修复能力评估。
-
HALLMARK_HYPOXIA（低氧反应）- 关键基因：HIF1A、VEGFA、CA9
- 功能：适应低氧环境，促进血管生成（如肿瘤微环境）。
- 应用：实体瘤（如胶质母细胞瘤）的缺氧区域标记。
5. 发育与分化
-
HALLMARK_EPITHELIAL_MESENCHYMAL_TRANSITION（EMT，上皮间质转化）- 关键基因：SNAI1、VIM、CDH2（N-cadherin）
- 功能：胚胎发育与癌症转移的关键步骤。
- 应用：预测肿瘤转移风险（如乳腺癌、结肠癌）。
-
HALLMARK_ANGIOGENESIS（血管生成）- 关键基因：VEGFA、ANGPT1、PDGFB
- 功能：新血管形成，支持肿瘤生长与伤口愈合。
- 应用：抗血管生成药物（如贝伐珠单抗）的疗效标志。
6. 信号通路与调控
-
HALLMARK_WNT_BETA_CATENIN_SIGNALING（Wnt/β-catenin信号）- 关键基因：CTNNB1（β-catenin）、AXIN2、TCF7L2
- 功能：胚胎发育与干细胞维持，异常激活导致结直肠癌。
- 应用：结直肠癌分子分型（MSI vs MSS亚型）。
-
HALLMARK_TGF_BETA_SIGNALING（TGF-β信号）- 关键基因：TGFB1、SMAD3、COL1A1
- 功能：双重角色（抑癌早期 vs 促转移晚期）。
- 应用：纤维化疾病（如肺纤维化）或转移性癌症研究。
7. 其他核心过程
-
HALLMARK_APICAL_JUNCTION（顶端连接）- 关键基因：CDH1（E-cadherin）、OCLN（occludin）
- 功能：维持上皮细胞极性，失活导致细胞侵袭。
- 应用：胃癌的E-cadherin缺失检测。
-
HALLMARK_CHOLESTEROL_HOMEOSTASIS（胆固醇稳态）- 关键基因：LDLR、HMGCR、SREBF2
- 功能：调控胆固醇合成与吸收，与动脉粥样硬化相关。
- 应用：他汀类药物靶点HMGCR的活性评估。
二、如何获取完整列表与基因详情？
MSigDB官网：访问 GSEA-MSigDB，搜索“Hallmark”可下载全部50个基因集的基因列表（需免费注册）。
-
R/Python工具：
-
R语言：通过
msigdbr包直接调用（示例代码）：library(msigdbr) hallmark <- msigdbr(species = "Homo sapiens", category = "H") View(hallmark) -
Python：使用
GSEApy或BioMart查询。
-
R语言：通过
文件格式：每个基因集以
.gmt格式存储，包含基因名与功能描述。
三、实际分析中的选择建议
-
癌症研究：优先关注
APOPTOSIS、HYPOXIA、ANGIOGENESIS、EMT。 -
免疫疾病：聚焦
INFLAMMATORY_RESPONSE、IL6_JAK_STAT3_SIGNALING、COMPLEMENT。 -
代谢疾病：选择
GLYCOLYSIS、FATTY_ACID_METABOLISM、CHOLESTEROL_HOMEOSTASIS。
四、注意事项
- 版本差异：MSigDB持续更新，不同版本（如v7.5 vs v2023）的基因集会略有调整。
- 物种限制：默认基于人类基因，若研究小鼠需转换同源基因（官网提供跨物种映射工具）。
掌握这50个基因集的功能，相当于获得了一张“生物学过程地图”，能快速定位实验数据中的关键机制。
