《Biomedicines》：A Resource for Retrieving and Visualizing Human GPCR–Cancer Association Information: GPCR-PEnDB 2.0
编辑推荐：
G蛋白偶联受体（G protein-coupled receptors, GPCRs）构成最大的细胞表面受体家族，人类基因组中约有800个基因编码。许多GPCRs是主要人类疾病（包括癌症）的治疗靶点。然而，描述其与癌症关联的信息分散于出版物和在线资源中。GPC
G蛋白偶联受体（G protein-coupled receptors, GPCRs）构成最大的细胞表面受体家族，人类基因组中约有800个基因编码。许多GPCRs是主要人类疾病（包括癌症）的治疗靶点。然而，描述其与癌症关联的信息分散于出版物和在线资源中。GPCR-PEnDB是研究人员于2020年建立的数据库，用于提供GPCRs的结构与功能信息。本研究介绍该数据库的扩展版本，新增一个专注于文献报道的人类GPCRs与癌症关联的模块。研究人员开发了一个系统的PubMed挖掘工作流程，采用832个人类GPCRs和33种癌症基因组图谱（The Cancer Genome Atlas, TCGA）癌症类型。当前和历史GPCR基因符号、受体名称及同义词从UniProt和人类基因组命名委员会（HUGO Gene Nomenclature Committee, HGNC）收集，并使用PubMed记录进行评估。可能检索到无关出版物的术语被排除或在受体特异性背景下进一步审查。保留的GPCR搜索词与预定义的癌症名称及同义词组合，以检索人类相关非综述出版物。通过筛选标题和摘要以确定预期的受体和癌症类型。保留的出版物使用最初手动定义并扩展的关联类别进行分类，分类工作使用OpenAI，GPT-5.6 Sol完成。结果：GPCR-PEnDB 2.0包含458种独特的人类GPCRs，具有已发表的连接，涉及33种TCGA癌症类型中的至少一种。交互式网络可视化总结了支持每个GPCR-癌症关联的出版物数量。用户可按GPCR或癌症类型搜索，每个关联显示支持性PubMed记录、匹配术语、提取的句子和分配的类别。结论：GPCR-PEnDB 2.0为检查已发表的GPCR-癌症连接及其报道的生物学、临床和治疗背景提供了集中式资源。
G蛋白偶联受体（G protein-coupled receptors, GPCRs）通过七次跨膜α螺旋结构感知配体，经异源三聚体G蛋白或β-arrestins介导信号转导。这些信号调控细胞增殖、存活、迁移、侵袭与转移，参与癌症发生与发展的多个阶段。在侵袭性癌症中，异常受体表达或遗传改变可重塑细胞反应，促进肿瘤生长、转移扩散、治疗抵抗及肿瘤微环境重塑。研究人员指出，尽管GPCRs作为治疗靶点的重要性已获广泛认可，且现有资源如GPCRdb等提供了受体分类、结构、药理学及疾病关联信息，大型癌症数据集亦提供基因组改变与临床结局数据，但描述特定GPCRs与特定癌症类型之间实验及临床证据的信息仍广泛分散于PubMed文献中，且现有资源未能系统整合这些已发表的生物学、临床与治疗背景。上述信息分散与标准不统一的问题，构成了开展本研究的直接动因。
为应对这一挑战，研究人员开展了GPCR-PEnDB 2.0的构建工作，这是一个基于Python的综合性文献挖掘与数据库整合项目。研究以832个人类GPCRs和33种TCGA癌症类型为基本框架，系统整合PubMed中已发表的人类GPCRs-癌症关联证据。经过术语评估、大规模检索、出版物验证、语义分类及网络可视化，研究人员最终建立了一个集中式资源库。研究得出核心结论：GPCR-PEnDB 2.0收录458种具有已发表癌症关联的人类GPCRs，涵盖3680个GPCRs-癌症类型关联，涉及15009篇独特PubMed出版物，且全部33种癌症类型均在最终资源中得到体现。该资源通过交互式网络视图提供GPCR中心与癌症中心的双向检索，为生物学家、临床研究人员和生物信息学家探索已发表的GPCRs-癌症连接及其多维背景提供了重要工具，有助于识别研究空白并指导后续实验验证。
研究人员采用的关键技术方法可概括为以下六步计算工作流程。第一步，从UniProt和HGNC收集832个人类GPCR的名称、基因符号及历史别名，构建6345个候选术语。第二步，利用Biopython Entrez在PubMed标题与摘要字段中检索各候选术语，通过PMID集合比对与抽样审查，将术语划分为KEEP、CONTEXT_REQUIRED、IGNORE和NOT_VALIDATED四类，最终保留3146个术语用于检索。第三步，将保留的GPCR术语与33种TCGA癌症类型的标准名称及同义词组合，构建27,456组PubMed查询并执行检索。第四步，通过Python脚本分析检索结果的标题与摘要，直接验证包含KEEP名称与癌症术语的记录，对仅通过CONTEXT_REQUIRED名称支持的记录实施受体特异性上下文审查以解决歧义。第五步，将验证后的出版物归入16个预定义类别，涵盖增殖/凋亡、迁移/侵袭/转移、肿瘤生长/进展、生物标志物/诊断、预后、治疗靶点等维度。第六步，采用Python 3.9与Flask框架构建数据库，利用JavaScript生成交互式网络页面，节点大小与连线粗细映射支持出版物数量。该研究的样本队列来源为PubMed收录的文献及TCGA定义的33种癌症类型框架。
研究结果部分各小节内容如下。
**GPCR术语与验证搜索词**
研究人员系统评估了832个GPCR对应的6345个候选名称、符号及别名。结果显示，2312个术语被分类为KEEP，834个为CONTEXT_REQUIRED，142个为IGNORE，3057个为NOT_VALIDATED。KEEP与CONTEXT_REQUIRED术语被纳入后续PubMed查询构建。以溶血磷脂酸受体1（lysophosphatidic acid receptor 1, LPAR1）为例，其13个候选名称中5个为KEEP，3个为CONTEXT_REQUIRED，1个为IGNORE（Gpcr26因检索到无关记录被排除），4个为NOT_VALIDATED，体现了术语筛选的严格性。
**PubMed检索与出版物验证**
3146个GPCR术语与33种癌症类型组合共执行27,456次PubMed检索，全部完成且未出现检索错误。检索共产生45,269个候选结果，代表37,475篇独特PubMed出版物。验证流程直接保留19,968个结果，将20,810个分配至上下文审查，拒绝4,491个。上下文审查额外保留2,177个并拒绝18,633个。经模糊性审计与最终质量控制后，数据库收录18,890条记录，对应15,009篇独特PubMed出版物，发表时间跨度为1975年至2026年。
**GPCR与癌症文献分布**
最终数据集覆盖458种人类GPCRs的已验证癌症文献，约占初始集合的55%。个体GPCRs在1至31种癌症类型中出现。CXC趋化因子受体4（CXCR4）涵盖范围最广，见于31种癌症类型的保留文献。LPAR1在15种癌症类型中由115条记录对应113篇独特出版物支持。与319种GPCRs相关的乳腺癌文献在各类癌症中数量最多，但研究人员强调，此类计数描述的是文献保留量，不应解读为生物学重要性的度量。
**GPCR-癌症文献分类**
18,890条记录被分配至16个类别中的一个或多个。Expression（表达）出现频率最高，见于11,819条记录，其次为Signaling（信号传导，8,465条）和Therapeutic Target（治疗靶点，7,281条）。Other/Unspecified类别分配至932条记录。对于LPAR1与卵巢癌关联，示例出版物（PMID 10632375）被同时分配至Expression、Proliferation/Apoptosis、Migration/Invasion/Metastasis、Signaling和Drug Response/Resistance五个类别，展示了多维度证据的整合。
**整合至GPCR-PEnDB 2.0**
研究人员通过GPCR中心与癌症中心网络页面将关联整合至GPCR-PEnDB 2.0。各GPCR页面以该受体为中枢节点展示关联癌症类型，各癌症页面则反向展示相关GPCRs。节点大小与连线粗细反映支持出版物的数量。用户可按GPCR或癌症类型检索，并查看相应的PubMed记录、验证的受体名称、匹配文本、提取句子及分配类别。
讨论部分，研究人员指出该计算工作流程虽能一致处理大规模文献集合，但仍存在若干局限。PubMed标题与摘要可能省略关键细节，使用未识别受体或癌症术语的出版物存在被漏检的风险；人类相关过滤器可能排除缺乏Humans MeSH索引或特定标题/摘要术语的人源细胞系或组织研究；短符号、历史名称、重叠术语及偶然提及仍需人工审查；部分保留出版物可能仅将GPCR或癌症类型作为背景信息而非研究重点。由于提取准确性未针对独立注释参考集进行验证，本版本未估计精确度、召回率、F1评分及评审者间一致性。类别分配基于预定义文本规则，可能无法涵盖出版物描述的所有语境。此外，当前数据集代表本研究所收集与验证文献的静态视图，后续需建立定期更新机制并持续重评受体名称与癌症术语。
研究结论部分，GPCR-PEnDB 2.0为检查已发表的人类GPCRs与癌症连接提供了一个结构化与可搜索的资源。该计算文本挖掘工作流程将分散于PubMed出版物中的信息汇集于统一平台。研究人员可利用该资源探索个体GPCRs或癌症类型所报道的生物学与临床背景，比较不同癌症之间的出版模式，并识别研究不足的GPCRs-癌症连接以指导后续研究。
