Dependency Map(DepMap)数据库学习

最新推荐文章于 2025-04-25 16:08:23 发布

凑齐六个字吧

最新推荐文章于 2025-04-25 16:08:23 发布

阅读量1k

点赞数 10

分类专栏：分析工具文章标签：数据挖掘

本文链接：https://blog.csdn.net/zfyyzhys/article/details/146967292

版权

分析工具专栏收录该内容

43 篇文章

订阅专栏

DepMap简介

列举细胞生长和药物敏感性所需的所有基因

在DepMap中，利用大规模功能基因组学分析来识别细胞生长所必需的基因。迄今为止，已在超过1000种癌细胞模型中完成了RNA干扰和CRISPR基因敲除筛选。
与此同时，采用多重分析方法对数百种细胞模型进行药物敏感性分析。在完成药物重定位化合物库的筛选后，持续对具有研究价值的新化合物进行表征，以创建迄今规模最大的肿瘤学研究参考数据集。
该工作的核心是开发新型分析工具，以更精准地捕捉这些遗传依赖性和药物敏感性。通过DEMETER、DEMETER2、CERES和CHRONOS等方法，改进了对癌症依赖性及药物敏感性的建模。
目前，正在扩展研究范围，纳入新的筛选模式、新型扰动方式和非传统模型，以期更全面地揭示基因依赖性及药物敏感性。

构建癌症“弱点”图谱

正在整合多维度数据集，以揭示遗传依赖性、药物敏感性与细胞特征之间的关联。通过将基因依赖性与药物敏感性和癌症的遗传学、分子特征相关联，能够发现新的癌症敏感性靶点，识别治疗应答生物标志物，并深入解析药物作用机制。
为进一步提升预测模型的解释力，持续开发更多工具来优化并解读预测模型，探索新的数据整合方法，同时构建更高效的应用程序，以支持治疗靶点与生物标志物的发现。

简单来说DepMap数据库已经探索了改变不同基因之后不同细胞模型的功能表型（增殖活力）的影响，而这个数据我们可以在官网进行在线探索，也可以下载之后进行自行分析。

Tools中的Data Explorer版块

1.Overview界面

Dependent cell lines模块

Gene effect: 较低的分数意味着某个基因在特定细胞模型中更可能是有作用的（这里的有作用是指敲减这个基因之后细胞的活力减弱，负的代表抑制，正的代表增殖），笔者选择了EGFR这个基因，可以看到敲减这个基因之后大部分的gene effect都是小于0的，中位的gene effect是-1，这也说明了敲减/敲除EGFR后大多数细胞模型的活力减弱。但关于gene effect的阈值其实是可以自定。

Enriched Lineages模块

敲除/敲减EGFR之后不同细胞模型表型改变的情况，这里可以看到很多上皮来源的癌细胞的活力会下降。

Expression&CN模块

EGFR这个基因在不同细胞模型中的RNA和拷贝数分布情况，其中RNA有两个波峰一个在0附近，一个在5左右。拷贝数主要在1左右。

Mutations模块

突变情况，展示了EGFR在细胞模型中存在的不同突变情况，其中missense variant比例是最高的。

Predictability模块

密度曲线呈现了方差最高的前6000个基因的预测准确度分布，其中垂直标记线标示目标基因的预测准确度值，是敲减/敲除EGFR后能成功抑制细胞活性的概率。每个基因的依赖性概率是使用随机森林集成模型预测的，其中每个RF模型是基于CCLE2019数据集的不同组合以及特征选择方法进行拟合的。每个模型的预测准确性衡量标准是预测的依赖性值与观察值之间的皮尔逊相关系数。

下边还列举了一些特征基因，这些特征基因按照能够预测模型（这里应该是指能够预测敲减了EGFR之后细胞活力情况）的重要性进行了排序，这里面的feature最高的是C1orf116，但其Corr是阴性。