知识积累--python版本的生物学通路与富集分析（MSigDB、progeny）

原创

追风少年i

修改于 2025-05-29 19:37:21

6570

作者，Evil Genius

今天我们分享一些python版本的生物学通路和富集分析策略。

首先是 PROGENy

文献在

异常的细胞信号可以导致癌症和其他疾病，是药物研究的焦点。一个常见的方法是从基因表达中推断途径的信号活性。然而，将基因表达映射到途径组分忽略了翻译后修饰的影响，下游标志物代表非常特定的实验条件。PROGENy，一种通过利用大量公开的扰动实验来产生Pathway RespOnsive GENes的通用核心的方法，以克服这两个限制。与通路映射方法不同，PROGENy可以(i)恢复已知驱动突变的影响，(ii)提供或改进药物适应症的强标记，(iii)区分肿瘤形成通路和肿瘤抑制通路以预测患者生存。这些结果共同表明，PROGENy能够准确地从基因表达中推断出在各种条件下的通路活性。

PROGENy通路富集的方法很简单。

import scanpy as sc
import decoupler as dc

progeny = dc.get_progeny(organism='human', top=500)

# use multivariate linear model to estimate activity
dc.run_mlm(
    mat=adata,
    net=progeny,
    source='source',
    target='target',
    weight='weight',
    verbose=True,
    use_raw=False,
)

acts_progeny = li.ut.obsm_to_adata(adata, 'mlm_estimate')

sc.pl.spatial(acts_progeny, color=['Hypoxia', 'JAK-STAT'], cmap='RdBu_r', size=1.3)

其次是MSigDB，MSigDB (Molecular Signatures Database) 是广泛使用的基因集数据库，由Broad研究所开发维护，是基因集富集分析(GSEA)的核心资源。

实现起来也很简单

import scanpy as sc
import decoupler as dc
import numpy as np

msigdb = dc.get_resource('MSigDB')

dc.run_ora(
    mat=adata,
    net=msigdb,
    source='geneset',
    target='genesymbol',
    verbose=True
)