《Briefings in Bioinformatics》：Enhancing TFEA.ChIP with ENCODE regulatory maps for generalizable transcription factor enrichment
编辑推荐：
本研究针对转录因子(TF)富集分析中顺式调控元件(CRE)-基因关联的高度上下文特异性问题，开发了基于ENCODE rE2G和CREdb的增强版TFEA.ChIP。通过引入基于置信度和跨生物样本重现性的过滤策略，在MSigDB C2 CGP基准测试中显著提升识别准确性，缺氧案例研究进一步验证其能特异性富集HIF相关TF。该R/Bioconductor工具为基因表达数据推断转录调控因子提供了更可靠的解决方案。
在转录生物学领域，一个核心挑战是如何从基因表达变化中识别出起关键调控作用的转录因子。虽然基因表达谱分析能够提供差异表达基因列表，但确定驱动这些变化的上游调控因子仍然非易事。传统方法如基于模序或启发式的工具往往缺乏生物学基础，而现有的TF富集工具在准确链接顺式调控元件与靶基因方面存在局限。
为了解决这一难题，研究人员开发了TFEA.ChIP的增强版本。这一ChIP-seq基于的TF富集分析工具通过将ReMap2022的TF结合数据与ENCODE的rE2G和CREdb调控图谱相结合，建立了更可靠的CRE-基因关联。特别值得注意的是，针对rE2G关联的高度上下文特异性，研究团队创新性地开发了基于置信度评分和跨生物样本重现性的过滤策略。
关键技术方法包括：利用ReMap2022统一处理的ChIP-seq数据集定义每个TF的靶基因；整合ENCODE rE2G（基于CRISPR扰动数据集训练的监督模型）和CREdb（来自11个数据库的协调化调控元件）资源；采用过度表征分析(ORA)和基因集富集分析(GSEA)两种互补方法；使用MSigDB C2 CGP收集的342个经人工筛选的基因集进行基准测试；通过缺氧meta分析的案例验证生物学相关性。
定义CRE-基因数据库及比较评估
研究人员构建了统一的CRE-基因数据库，整合了rE2G模型预测的所有CRE-基因链接，并通过置信度（rE2G25s、rE2G50s、rE2G75s）和跨生物样本重现性（rE2G50d、rE2G100d、rE2G200d、rE2G300d）进行过滤。基准测试结果显示，未过滤的rE2G数据集性能较差，而基于深度的过滤策略效果显著，特别是rE2G300d版本在AUC分析中表现出最优性能。
案例研究：缺氧meta分析
缺氧是一种由缺氧诱导因子(HIF)驱动的细胞应激反应。研究人员将TFEA.ChIP应用于来自46项独立研究的394个RNA-seq样本的共识缺氧基因特征。ORA分析显示，更新后的TFEA.ChIP数据库，特别是基于深度过滤的版本，在缺氧通路已知活跃的条件下对HIF相关TF产生了显著更高的优势比(OR)。
GSEA分析进一步验证了深度过滤rE2G数据集的优越性，在缺氧通路活跃的背景下对HIF相关TF产生了更强、更一致的富集信号。值得注意的是，TFEA.ChIP成功将HIF与bHLH-PAS家族的其他成员（如AHR、ARNTL和CLOCK）区分开来，证明了其特异性识别能力。
研究结论表明，TFEA.ChIP的增强版本通过整合高置信度和重现性CRE-基因关联，显著提升了TF富集分析的准确性。重现性过滤的ENCODE rE2G数据产生了最稳健的结果，在性能上超越了原始实现和替代工具。该工具的R语言实现便于与差异表达工作流程集成，为跨不同生物学背景的转录调控解码提供了实用且可扩展的解决方案。
讨论部分强调，调控连接的上下文依赖性特别是增强子的组织或细胞类型特异性是主要挑战。虽然理想情况下应使用细胞类型特异性CRE-基因关联，但rE2G300d的优异表现表明，跨多样生物学背景的重现性可以作为调控相关性的有效代理。此外，TFEA.ChIP在TF覆盖度和性能间实现了有效平衡，其结合实验推导的CRE-基因链接的方法优于启发式或基于距离的模型。
这项发表于《Briefings in Bioinformatics》的研究为功能基因组学领域提供了重要的方法论进步，使研究人员能够更准确地从基因表达数据中推断转录调控因子，推动了对复杂生物学过程中转录调控机制的理解。
