MSigDB:基因集数据库

欢迎关注微信公众号《生信修炼手册》!

Gene Set Enrichment Analysis,中文名称为基因集富集分析,是由Broad Institute研究所的科学家提出的一种富集方法,在提出该方法的同时还对应提供了分析的软件GSEA和一个基因集数据库MSigdb。本章主要介绍这个数据库,官网如下

http://software.broadinstitute.org/gsea/msigdb/index.jsp

对于human的基因,从位置,功能,代谢途径,靶标结合等多种角度出发,构建出了许多的基因集合,一个基因集合中就是具有相近位置或类似功能的许多基因的,Broad Institute研究所将它们构建的基因集合保存在MSigDB数据库中。

该数据库是不断更新和完善的,目前最新版本为v6.2, 更新于2018年7月,共收录了17810个基因集。不同版本如下收录的基因集数目变化如下

MSigDB:基因集数据库_第1张图片
如此多的数据,肯定需要分门别类的整理,在MSigDB中,将所有的基因集划分为以下8大类别

1. H: hallmark gene sets

该类别包含了由多个已知的基因集构成的超基因集,每个H类别的基因集都对应多个基础的其他类别的基因集。比如HALLMARK_ADIPOGENESIS对应36个基因集。

2. C1: positional gene sets

该类别包含人类每条染色体上的不同cytoband区域对应的基因集合。根据不同染色体编号进行二级分类。

3. C2:curated gene sets

该类别包含了已知数据库,文献和专家支持的基因集信息,包含下面5个二级分类
MSigDB:基因集数据库_第2张图片
KEGG为例,包含了186个基因集,每个基因集本质上都对应pathway 数据库里的一条通路。比如基因集KEGG_ABC_TRANSPORTERS对应pathway数据库中的hsa02010

4. C3 : motif gene sets

该类别包含了miRNA靶基因和转录因子结合区域等基因集合,示意如下

在这里插入图片描述
无论是转录因子还是miRNA, 都是通过特定的motif序列来识别可以结合的区域,这些基因集合,本质上为具有相同motif序列的基因集,比如AAACCAC_MIR140这个基因集, 具有相同的AAACCACmotif, 而hsa-miR-140可以识别该motif然后进行结合,所以AAACCAC_MIR140是hsa-miR-140靶标基因的集合。

5. C4 : computational gene sets

该类别包含计算机软件预测出来的基因集合,主要是和癌症相关的基因,示意如下

在这里插入图片描述

6. C5 : GO gene sets

该类别包含了Gene Ontology对应的基因集合,分为以下3大类别

MSigDB:基因集数据库_第3张图片
每个基因集对应一个GO term, 比如基因集GO_MOLTING_CYCLE对应GO:0042303

7. C6 : oncogenic signatures

该类别包含已知条件处理后基因表达量发生变化的基因,比如AKT_UP.V1_DN对应RAD001试剂处理后表达量下调的基因。

8. C7 : immunologic signatures

该类别包含了免疫系统功能相关的基因集合。

在官网上,可以方便的检索这些基因集,链接如下

http://software.broadinstitute.org/gsea/msigdb/genesets.jsp

选择感兴趣的类别,然后在页面最下方就可以看到该类别下的所有基因集,示意如下

MSigDB:基因集数据库_第4张图片
我选择的是C1大类,2号染色体上的基因集,chr2p这种信息就是每个基因集的名字,点击可以查看具体信息,示例如下
MSigDB:基因集数据库_第5张图片
结果页面可以看到该基因集的名称,描述信息等,也可以直接下载,有多种格式供选择。官网也提供了下载功能,一次下载所有的基因集,需要注册登录才能使用该功能。

对于GSEA而言,不仅是富集分析算法的一次提升,更是研究角度的高度升华。传统的富集分析只会对GO, pathway等功能数据库进行分析,而MSigDB提供了多方位的研究思路,不仅从功能出发,也可以从位置,表达量变化趋势等角度进行探究,极大的丰富和扩展了富集分析的研究对象。

扫描关注微信号,更多精彩内容等着你!
MSigDB:基因集数据库_第6张图片

你可能感兴趣的:(转录组)