博奥小课堂 | 一款好用的信号通路活性评估软件——PROGENy
异常的信号通路可以引起癌症和其他疾病，是药物研究的关键之一。信号通路的活性通常是通过基因表达值来推测，其常见的做法是通过通路相关基因表达的平均值或加和值来评估。但是基于基因表达的信号通路活性推测并没有区分不同基因对通路的贡献，而且表达映射到通路的结果中并没有考虑到翻译后修饰和下游基因对通路的影响，因此使得基于表达推断的通路活性不够精细和准确。
01
PROGENy 软件简介
PROGENy 通过大量公开的扰动实验可以产生一个相应信号通路的核心基因集（Pathway RespOnsive GENes），从而克服了上面所述的两个问题。与信号通路映射方法不同，PROGENy 可以从不同条件下的基因表达中精确推测信号通路活性，其具备以下三点优势：（1）可以重现已知的驱动基因突变的效应；（2）可以为药物发现提供更显著的分子 Markers；（3）可以在病人存活率上区分致癌和抑癌通路。PROGENy 从 ArrayExpress 数据库中筛选用于研究信号通路的实验数据。该数据库囊括的实验数据总共有 568 组，涵盖 2652 个芯片表达数据，涉及癌症相关的 13 个信号通路（EGFR、MAPK、WNT、 PI3K、VEGF、JAK-STAT, TGFb、TNFa、NFkB、Hypoxia、Estrogen、p53-DNA 损伤响应和 Trail- 细胞凋亡等），通过扰动实验前后的基因表达变化计算得到 Z-score，然后针对每一个基因，以 Pathway 扰动为因变量，Z-score 作为响应变量通过构建回归模型获得对通路贡献最大的 Top100 基因，并以 Z-coefficients 作为权重值来构成 PROGENy 的核心基因集（Pathway RespOnsive GENes），最终可以利用该核心基因集和已知的其他表达数据计算信号通路的活性得分。
02
利用 PROGENy 计算细胞的通路活性得分
根据已知的单细胞表达数据，PROGENy 算法可以计算得到每个细胞中每个通路的活性得分，通过 UMAP 图可以直观展示出哪些区域的细胞通路活性高而被激活，哪些区域活性低而被抑制。
03
利用 PROGENy 获得细胞类型的通路活性得分
根据细胞类型注释结果，以及上一步骤得到的细胞信号通路活性得分，通过活性得分的平均值可以得到某一细胞类型总体的通路活性得分，进而对所有细胞类型中所有通路的得分做热图，以探究不同细胞类型中起关键作用或有重要变化的信号通路。
博奥晶典将 PROGENy 应用于转录组数据分析
博奥晶典使用 PROGENy 进行通路活性评估，已广泛应用于 bulk RNA-seq 和 scRNA-seq 的数据分析当中。比如，在 bulk RNA-seq 中，我们利用 PROGENy 来鉴定不同个体或不同类型间信号通路活性的差异；在单细胞 RNA-seq 中，我们利用 PROGENy 来鉴定不同细胞类型的信号通路强度和变化。相较于其他通路活性评估算法，使用 PROGENy 能够构建通路核心基因集及基因的贡献权重，对通路活性评估更加准确有效；同时 PROGENy 能够精确定位癌症或病变中发生关键变化的通路节点，可以为生物学研究提供更加准确可靠的结果。
参考文献：
[1]. Schubert M, Klinger B, Klünemann M, Sieber A, Uhlitz F, Sauer S, Garnett MJ, Blüthgen N, Saez-Rodriguez J. Perturbation-response genes reveal signaling footprints in cancer gene expression. Nat Commun. 2018 Jan 2;9(1):20.
[2]. Hernández Borrero LJ, El-Deiry WS. Tumor suppressor p53: Biology, signaling pathways, and therapeutic targeting. Biochim Biophys Acta Rev Cancer. 2021 Aug;1876(1):188556.[3]. Drosten M, Barbacid M. Targeting the MAPK Pathway in KRAS-Driven Tumors. Cancer Cell. 2020 Apr 13;37(4):543-550. [4]. Hwang N, Huh Y, Bu S, Seo KJ, Kwon SH, Kim JW, Yoon BK, Ahn HS, Fang S. Single-cell sequencing of PBMC characterizes the altered transcriptomic landscape of classical monocytes in BNT162b2-induced myocarditis. Front Immunol. 2022 Sep 26;13:979188. Muto Y, Dixon EE, Yoshimura Y, Wu H, Omachi K, Ledru N, Wilson PC, King AJ, Eric Olson N, Gunawan MG, Kuo JJ, Cox JH, Miner JH, Seliger SL, Woodward OM, Welling PA, Watnick TJ, Humphreys BD. Defining cellular complexity in human autosomal dominant polycystic kidney disease by multimodal single cell analysis. Nat Commun. 2022 Oct 30;13(1):6497.
