TFAP2A

引言我们身体里的每个细胞都是一个微缩宇宙，里面运行着无数精密复杂的系统。这些系统的核心，是千姿百态的蛋白质（Proteins），它们就像宇宙中的不同星球，执行着各自独特的任务，但更重要的是，它们通过相互作用（Protein-protein interactions）形成复杂的蛋白质网络（Protein networks），共同维持着宇宙的和谐运转。这些蛋白质“朋友圈”的面貌，直接决定了细胞的功能和状态，一旦出现问题，往往是疾病的开端。研究人员多年来绘制了大量蛋白质相互作用图谱，试图揭示生命的奥秘。然而，这些图谱大多像是一张笼统的世界社交地图，无法告诉你具体某个城市（比如肝脏或大脑）里的蛋白质关系是怎样的。因为蛋白质的“社交圈”并非一成不变，它会随着所处的组织（Tissue）、细胞类型甚至细胞状态而高度特异化（Tissue specificity）。缺失了这种“情境”信息，我们对疾病发生机制的理解就像是隔靴搔痒。有没有可能绘制一张真正精细到组织的蛋白质“朋友圈”地图呢？5月2日发表在《Nature Biotechnology》上的重磅研究“A tissue-specific atlas of protein–protein associations enables prioritization of candidate disease genes”，正带来了这样的突破。研究团队创造性地利用大量数据——来自11种人体组织的7,811份蛋白质组学样本的蛋白质丰度信息，通过分析蛋白质在不同样本中的共丰度（Protein coabundance），构建了一份前所未有的组织特异性蛋白质关联图谱（A tissue-specific atlas of protein-protein associations）。令人惊喜的是，这项研究发现蛋白质共丰度是一个极其强大的预测指标，它能非常准确地识别蛋白质之间的关联，甚至在某些方面优于传统的蛋白质共分级（Protein cofractionation）方法。更重要的是，图谱清晰地揭示了蛋白质关联存在广泛的组织特异性——据估计，超过25%的关联是特定于某个组织的！而且，这种差异的驱动力远不止简单的基因表达，更多来自于组织或细胞特有的细胞组分（Cellular components）变化。这张详细的图谱不仅能帮助我们更深入地理解不同组织中细胞结构的独特组成，更提供了一个强大的新工具：它可以帮助我们以前所未有的精度，在复杂的遗传关联位点中，优先筛选出最可能导致疾病的那个“致病基因”（Disease gene），特别是在特定组织相关的疾病中。海量样本汇聚：构建蛋白质关联的基石要绘制一张宏大的图谱，首先需要海量的数据。这项研究收集了来自50项已发表研究的蛋白质组学数据，这些研究涵盖了14种人类组织。样本总数高达7,811份，其中包括来自肿瘤的5,726份样本和来自邻近健康组织的2,085份样本。这些样本为研究团队提供了丰富的蛋白质丰度信息。为了进行更全面的比较，研究人员还为其中约2,900份肿瘤样本和722份健康样本收集了配对的mRNA表达数据。研究人员利用蛋白质共丰度来估计蛋白质对（Protein pair）之间发生关联的可能性。具体来说，他们计算了同一研究中至少在30个样本中都能检测到的一对蛋白质的丰度曲线之间的皮尔森相关系数（Pearson correlation）。相关性越强，说明这对蛋白质共丰度的趋势越一致，它们也就越有可能存在功能关联。为了将这些相关系数转化为易于理解的概率，研究团队使用了逻辑模型（Logistic model）。他们利用已知的稳定蛋白质复合体（比如来自CORUM数据库的数据）作为阳性样本（Ground-truth positives），也就是已知有相互作用的蛋白质对。通过训练逻辑模型，研究人员可以将任何一对蛋白质的共丰度相关系数转化为一个介于0到1之间的概率，表示这对蛋白质发生关联的可能性。这项研究总共汇集了来自不同研究的超过110万个蛋白质对的关联概率，这些数据为构建组织特异性图谱奠定了坚实的基础。共丰度：预测蛋白质关联的有力工具那么，利用蛋白质共丰度来预测蛋白质关联，效果究竟如何呢？研究团队将这种方法与另外两种常用方法进行了比较：mRNA共表达和蛋白质共分级（Protein cofractionation）。蛋白质共分级是一种通过分离细胞组分并分析蛋白质在不同组分中的丰度来推断相互作用的方法，通常被认为是预测物理相互作用的黄金标准之一。为了评估这些方法的性能，研究人员同样使用CORUM数据库中的已知蛋白质复合体成员作为阳性样本，计算了受试者工作特征曲线下面积（Area Under the Curve, AUC）。AUC是一个衡量分类器性能的指标，值越高表示预测准确性越高。结果显示，基于蛋白质共丰度的关联概率在回收已知蛋白质复合体成员方面的表现最优，其平均AUC达到了0.80（标准误 ± 0.01）。这显著优于蛋白质共分级数据（平均AUC 0.69 ± 0.01）和mRNA共表达数据（平均AUC 0.70 ± 0.01）。这一发现非常有意义，它表明仅仅通过蛋白质在不同样本中的丰度变化，就能相当准确地推断出它们的功能关联。更有趣的是，研究人员尝试将mRNA和蛋白质丰度数据结合起来，但这种组合并没有显著提高召回已知复合体成员的性能（平均AUC 0.82 ± 0.01），与单独使用蛋白质共丰度相比，差异不具有统计学意义（P = 0.15）。此外，即使在计算蛋白质共丰度估计之前，先从蛋白质丰度中去除基因表达的影响，得到的AUC也仅轻微下降到0.78（标准误 ± 0.01），差异也不具有统计学意义（P= 0.18）。这强烈暗示，蛋白质共丰度的预测能力主要来自于转录后过程（Post-transcriptional processes）的影响，而不是简单的基因表达水平变化。这意味着，蛋白质的降解、修饰或复合体组装动力学等因素，可能比基因表达本身更能驱动蛋白质之间的共丰度关系，进而反映它们的功能关联。图谱初显：组织特异性关联的面貌既然蛋白质共丰度能够有效地预测蛋白质关联，并且主要反映了转录后过程，那么这些关联是否具有组织特异性呢？研究人员首先通过基因表达数据确认，蛋白质关联概率并非简单地由细胞类型组成（Cell-type composition）差异引起。随后，他们分析了来自所有研究的1,115,405个关联概率，发现来自同一组织的重复队列通常会聚集在一起。例如，来自不同血液样本研究的数据会聚类，来自不同脑组织样本的数据会聚类，来自不同肝脏样本和肺脏样本的数据也表现出类似的聚类模式。这有力地证明了组织来源是导致不同研究队列之间蛋白质关联差异的主要驱动因素。在比较同一组织（AUC 0.71 ± 0.01）和不同组织（AUC 0.56 ± 0.00）对恢复组织特异性关联的能力时，这种差异在所有组织中都具有统计学意义（P < 0.05）。基于不同队列聚类的结果，研究团队将来自同一组织的重复队列的关联概率进行聚合，为11个人体组织计算了单一的组织级关联得分（Association scores）。这种聚合方法被证明是有效的，因为它在恢复已知蛋白质相互作用方面的表现优于绝大多数单个队列（P = 1.3 × 10⁻¹⁰）。值得注意的是，来自肿瘤样本计算得到的关联得分在预测已知蛋白质相互作用方面优于来自健康组织样本的得分（肿瘤AUC 0.87 ± 0.01，健康AUC 0.82 ± 0.01，差异具有统计学意义 P = 8.3 × 10⁻⁵）。这可能是因为肿瘤样本由于遗传异质性等因素，样本间的变异性更大，反而有助于识别更稳健的共丰度模式。尽管如此，肿瘤来源的得分仍然能够很好地恢复健康组织的组织特异性关联（同一健康组织AUC 0.74 ± 0.02，其他健康组织AUC 0.53 ± 0.01，差异具有统计学意义 P = 5.9 × 10⁻⁵）。这些分析共同表明，基于蛋白质共丰度计算的组织级关联得分是可重复的，并且能够代表蛋白质关联在特定组织中的情况。最终，研究人员构建了一份包含1.16亿个蛋白质对在11种人体组织中的关联得分图谱。平均而言，每个组织包含约5600万个蛋白质对的关联得分，其中约1000万个蛋白质对被认为是“可能关联”（Likely associated，得分大于0.5），约49万个蛋白质对被认为是“高可信关联”（Confident associations，得分大于0.8）。这些关联在不同组织中的分布差异很大，只有约99,103个蛋白质对在所有11个组织中都被认为是可能关联的。这初步揭示了蛋白质关联具有显著的组织特异性。组织间的差异：远不止基因表达一个长期存在的观点认为，组织间蛋白质相互作用的差异主要源于基因表达水平的差异——如果一个蛋白质在某个组织中不表达，那它自然也无法参与该组织中的相互作用。这项研究证实，在特定组织中能被检测到的蛋白质，其在同一组织中的表达水平普遍高于其他组织（P = 1.3 × 10⁻⁶）。然而，研究团队发现，组织间（可能关联）关联差异中，只有最高7%可以通过基因表达水平差异来解释，而且这部分解释力主要来自于蛋白质在某些组织中完全检测不到的情况。这进一步支持了先前的发现，即蛋白质共丰度主要受转录后过程驱动，组织间的关联差异并不仅仅是基因表达的简单反映。为了量化组织特异性关联的比例，研究人员发现，在比较同一健康组织和肿瘤组织的重复样本时，约46.3%的可能关联（得分大于0.5）和90.2%的高可信关联（得分大于0.8）在重复样本中仍然被认为是可能关联的。而在比较不同组织之间的关联时，这些比例分别下降到32.9%和54.6%。基于重复样本与不同组织之间的这些概率差异，研究人员估计，在可能的关联中，有18.8%到34.0%（四分位数间距）是组织特异性的。考虑到最高7%的可能关联因为基因表达差异而在其他组织中未被检测到，研究最终估计，超过25.8%（即18.8% + 7%）的可能关联是组织特异性的。这意味着，组织间的蛋白质“朋友圈”不仅面貌各异，而且这种差异的很大一部分是由基因表达以外的因素驱动的，这些因素可能包括组织或细胞类型特有的蛋白质修饰、定位、稳定性或与特定细胞器、结构的关联。细胞组分：组织特异性关联的关键驱动力组织间的蛋白质关联差异是由什么决定的？研究人员通过分析不同组织中可能关联的共享程度来探索这个问题。他们发现，与所有可能关联（平均Jaccard指数 0.19）相比，如果仅限于已知的高通量实验（如酵母双杂交HuRI，Jaccard指数 0.30；AP BioPlex，Jaccard指数 0.41）检测到的相互作用，或者仅限于已知生物学途径（如Reactome，Jaccard指数 0.48）、信号通路（如SIGNOR，Jaccard指数 0.32）中的相互作用，或者物理相互作用（如STRING得分大于400，Jaccard指数 0.56），组织间的相似性会有所增加。如果仅限于人类蛋白质复合体（如CORUM，Jaccard指数 0.74），组织间的相似性则最高。这意味着，已知的蛋白质相互作用，特别是稳定复合体中的相互作用，在不同组织间通常是共享的。然而，研究人员也发现，那些在不同组织中变化较大的关联，往往与特定的细胞组分（Cellular components）相关。例如，大脑组织中与突触（Synapse）相关的组分、喉部组织中与肌肉纤维结构相关的组分、肺部组织中与运动纤毛（Motile cilia）相关的组分以及肝脏组织中与过氧化物酶体（Peroxisomes）相关的组分，其蛋白质关联在不同组织间表现出强烈的差异性。这表明，组织特异性或细胞类型特异性的细胞组分是驱动组织间蛋白质关联差异的重要因素，而且这种差异独立于简单的基因表达差异。研究团队进一步探索了图谱中细胞类型特异性关联的例子。以AP2衔接蛋白复合体（AP2 adaptor complex）为例，它在所有细胞中都具有普遍功能，但在神经元中也有特异性功能。图谱显示，AP2复合体亚基在所有组织中都是共丰度的（平均关联得分0.80）。然而，在与AP2复合体关联且已知与之相互作用（STRING得分大于400）的91个蛋白中，51个突触蛋白（SynGO数据库中的蛋白）在大脑中的关联得分（平均0.54）高于其他组织（平均0.48 ± 0.00，P = 6.7 × 10⁻⁶）。相反，非突触蛋白在大脑中的关联得分（平均0.33）低于其他组织（平均0.43 ± 0.00，P = 1.1 × 10⁻²¹）。这生动地展示了即使是普遍存在的蛋白质复合体，其与不同功能蛋白质的关联也可能具有组织或细胞类型特异性。图谱还能揭示疾病相关的细胞类型特异性关联。例如，血红蛋白（Hemoglobin）蛋白与贫血（Anemia）相关，在图谱中，它们与贫血相关蛋白的可能关联只在血液组织中出现。同样，乳糜微粒（Chylomicron）亚基与克罗恩病（Crohn's disease）相关，它们与克罗恩病相关蛋白的可能关联只在结肠（Colon）组织中出现。纤维蛋白原（Fibrinogen）亚基与肝脏疾病相关，它们与肝脏疾病相关蛋白的肝脏特异性可能关联也被发现。这些例子表明，这份关联图谱可以用来研究蛋白质复合体的组织特异性功能以及疾病基因在特定情境下的关联。研究人员还将这种分析推广到更广阔的层面，系统性地绘制了性状（Traits，基于GWAS数据）与细胞组分之间的关系图谱。他们发现，在所有组织中都得分较高的关系主要涉及核心细胞组分，如核糖体（Ribosome）和剪接体（Spliceosome）（72%的关系相对平均得分大于1.75）。而那些在不同组织中变异最大的关系（变异系数大于0.4）往往涉及组织特异性结构，比如突触组分（Synaptic components）（61%的关系属于这一类）。这些发现再次印证了细胞组分，特别是组织特异性组分，在决定蛋白质集合的组织特异性相关性中扮演的关键角色。疾病基因“C位”：基于图谱的精准排序理解蛋白质关联的组织特异性如何应用于疾病研究？研究团队利用这份图谱来优先排序（Prioritize）疾病相关基因，特别是那些位于遗传关联位点（Loci）的候选基因。已知与疾病基因直接相互作用的蛋白通常更可能是致病基因，并且在成功的药物靶点中富集。为了更深入地探索这一点，研究人员构建了一个针对精神分裂症（Schizophrenia, SCZ）相关基因的大脑相互作用网络，旨在优先排序大脑中那些得分较高且涉及SCZ相关基因的关联。研究始于369个通过GWAS研究与SCZ关联的基因（“起始基因”，L2G得分大于等于0.5）。他们计算了这些起始基因与各自组织中得分最高的25个性状和细胞组分之间的关系。随后，研究人员筛选出那些包含一个SCZ起始基因和一个SCZ相关基因的蛋白质对，并要求它们在大脑中的关联得分高于该组织得分分布的97%分位数（在大脑中平均得分0.73）。由此得到了SCZ相关基因的组织特异性关联网络。令人鼓舞的是，移除SCZ起始基因后，该大脑网络中剩余的基因仍然富集于与SCZ相关的基因，这些证据来自小鼠SCZ表型（Mouse phenotypes）（BH校正P值 1.5 × 10⁻⁵）、SCZ药物靶点（BH校正P值 9.8 × 10⁻⁵）以及GWAS中关联较弱的变异（BH校正P值 1.0 × 10⁻⁷）。与其他组织相比，这种富集性是特定于大脑的。这表明，所提出的方法提供了一种系统性地优先排序组织特异性性状疾病基因的途径。为了进一步验证这些预测的SCZ相关基因关联，研究人员汇编了一个实验验证过的人类大脑相互作用数据集，这些数据主要来自使用人类大脑细胞（AP-MS或CoIP-MS）进行的Pull-down实验。该数据集包含了7,887个与30个“诱饵蛋白”（Bait proteins）相关的人类大脑相互作用。研究人员筛选出该数据集中与SCZ相关的诱饵蛋白，并将组织特异性SCZ相关基因网络过滤到只包含至少一个诱饵蛋白的关联。结果发现，这些SCZ相关基因的关联强烈富集于与SCZ相关诱饵蛋白的Pull-down相互作用中，尤其是在大脑中（log BH校正P值高达84.3），远远高于其他组织（平均log BH校正P值仅为1.8）。这有力地证明了该研究预测的大脑SCZ相关基因关联得到了实验验证，并且确实富集于SCZ相关的互作蛋白。整合多源证据：深入理解并发现新靶点在实验验证的基础上，研究人员从优先排序的大脑SCZ相关基因关联中，筛选出那些也通过Pull-down研究发现的相互作用，构建了一个包含205个已验证的大脑SCZ相关基因相互作用网络。为了简化并突出重点，他们进一步将网络限制在具有先前证据的突触（SynGO）基因。这个可视化网络包含56个蛋白质，通过66个已验证的大脑相互作用连接到3个诱饵蛋白。这些蛋白质中包括3个SCZ药物靶点（临床阶段2或更高）、12个与小鼠SCZ相关的蛋白（IMPC得分大于等于0.5）以及15个与SCZ相关但先前证据较弱的蛋白（OTAR L2G得分小于0.5）。令人惊讶的是，在这205个已验证的相互作用中，只有4个在主要蛋白质相互作用数据库中被报告过。这个网络富集了典型的神经元功能和SCZ相关的细胞组分基因群，比如突触后细胞骨架（Postsynaptic cytoskeleton）（BH校正P值 2.3 × 10⁻⁸）和网格蛋白包被囊泡（Clathrin-coated vesicles）（BH校正P值 9.4 × 10⁻¹⁴）。特别是，与网格蛋白囊泡相关的组分，该网络连接了AP2复合体的所有亚基和网格蛋白与HCN1蛋白的相互作用。有研究表明，HCN通道与TRIP8b直接相互作用，TRIP8b调节HCN通道的运输，并主要与AP2复合体关联。鉴于中间白蛋白阳性（PV）神经元与SCZ之间的已知联系，这些观察结果提示AP2和网格蛋白可能参与了与SCZ相关的PV神经元HCN通道运输的特定障碍。为了提出已验证SCZ相关基因大脑相互作用的潜在界面模型，研究人员利用AlphaFold2预测了205个蛋白质相互作用的结构，包括可视化网络中的所有相互作用。这些预测模型得到的相互作用置信度（pDockQ得分平均0.28）高于CORUM（平均0.13）和HuMAP（平均0.25）中已知复合体成员的模型。总共识别出15个中等置信度的相互作用（界面预测模板建模ipTM得分大于0.5）。这其中包括所有三个14-3-3蛋白（YWHAG, YWHAH, YWHAZ）与HCN1的大脑特异性结合（平均关联得分0.82）。这三个模型的预测界面重叠，位于HCN1的C端无序区域（残基775-802），包含一个预测的14-3-3结合位点（中心位于S789，预测结合位点ipTM得分平均0.75）。这一结合位点已通过Pull-down实验验证，且已知14-3-3蛋白与HCN1的结合依赖于S789的磷酸化，这种相互作用可能抑制HCN1的降解。最后，该网络还包含15个位于与SCZ遗传关联位点的基因，它们作为致病基因的证据相对较弱。考虑到它们与SCZ相关基因的相互作用，这些基因更有可能因其功能作用而成为潜在的致病基因。例如，AP2B1, ATP2B2和SYNGAP1这三个基因的L2G得分（分别为0.457, 0.264和0.251）低于研究设定的0.5截止值，但由于它们与SCZ相关基因的相互作用而被优先排序。另一个例子是PAFAH1B1，虽然其L2G得分较低，但它在突触组分中富集，且与另一种突触蛋白RHOA存在相互作用。尽管PAFAH1B1作为致病基因的证据较弱，但其与大脑疾病（如抑郁症）的关联以及其在突触的特异性位置和表达，使得它在抑郁症相关的优先级排序中被提升。这些例子表明，结合遗传学数据、组织特异性网络和AlphaFold2结构预测，可以构建一个整合的网络，增强对疾病机制的理解并助力靶点优先排序。所预测的疾病-基因关联倾向于组织特异性，这可能意味着所提出的靶点也更安全。绘制涵盖人体所有组织的蛋白质相互作用图谱，一直是一个巨大的挑战。这项研究利用大规模蛋白质组学样本的蛋白质共丰度，构建了一份全面的组织特异性蛋白质关联图谱，包含了1.16亿个蛋白质对在11个组织中的关联得分。研究证实，蛋白质共丰度是预测蛋白质功能关联的有力工具，其准确性甚至优于蛋白质共分级和mRNA共表达。这份图谱成功地重建了已知的蛋白质复合体和更大的细胞结构组织，并揭示了蛋白质关联存在显著的组织特异性，其中超过25%的关联是组织特异性的，而基因表达差异仅能解释其中不到7%。组织特异性的细胞组分，如突触，被发现是驱动组织间差异的主要因素。该图谱不仅能揭示蛋白质复合体和细胞组分的组织特异性功能，还能关联性状与细胞组分，并为疾病基因的优先排序提供依据。研究以精神分裂症为例，展示了如何利用图谱构建SCZ相关基因在大脑中的相互作用网络，并通过Pull-down实验和AlphaFold2结构预测对这些关联进行验证。结果显示，通过结合多种证据来源，可以有效地筛选出更可能为致病基因的候选者，即使他们在遗传关联位点上的证据相对较弱。这种方法为理解复杂疾病（特别是神经系统疾病）的分子机制提供了新的视角，并为发现更具组织特异性的药物靶点奠定了基础。当然，共丰度推断的“蛋白质关联”并非都是直接的物理相互作用，这是一种功能层面的关联，它可能受到蛋白质复合体稳定性、蛋白质定位、翻译后修饰等多种因素的影响。未来的研究可以进一步整合更多数据源（如蛋白质修饰组学、空间蛋白质组学等）以及更先进的计算方法，来完善这份图谱，并区分不同类型的蛋白质关联。尽管如此，这份组织特异性蛋白质关联图谱已经为我们提供了一张前所未有的蛋白质“朋友圈”地图，有望加速对复杂疾病机理的理解，并为精准医疗和药物开发带来新的突破。参考文献Laman Trip DS, van Oostrum M, Memon D, Frommelt F, Baptista D, Panneerselvam K, Bradley G, Licata L, Hermjakob H, Orchard S, Trynka G, McDonagh EM, Fossati A, Aebersold R, Gstaiger M, Wollscheid B, Beltrao P. A tissue-specific atlas of protein-protein associations enables prioritization of candidate disease genes. Nat Biotechnol. 2025 May 2. doi: 10.1038/s41587-025-02659-z. Epub ahead of print. PMID: 40316700.声明：本文仅用于分享，不代表平台立场，如涉及版权等问题，请尽快联系我们，我们第一时间更正，谢谢！往期热文：Cell | 颠覆认知！不是被动扩散，CD36介导内吞才是许多“大块头”药物入胞的秘密通道Nature Methods | mScarlet3-H：红色荧光蛋白的新一代王者！Nature Methods | 告别“平面时代”！光学显微镜如何带你看清3D细胞世界的秘密？Nature | 帕金森病新曙光！iPS细胞人体试验结果揭晓，安全有效性初显！Cell | 实时见证“基因之吻”：Oligo-LiveFISH高精度追踪增强子-启动子动态互作Nature Biotechnology | 重磅综述：不止CAR-T！唤醒免疫“特种部队”，工程化先天细胞开启抗癌新纪元

DRUGAI尽管蛋白–蛋白相互作用图谱已取得显著进展，其在不同组织中的特异性仍研究不足。在本研究中，研究人员基于蛋白质共丰度可预测功能关联的前提，整合并分析了来自11个人体组织的7,811个蛋白质组学样本的蛋白丰度数据，构建了一个组织特异性的蛋白相互作用图谱。研究人员发现，该方法不仅能复现已知的蛋白复合物，还能揭示细胞的更大结构组织。稳定蛋白复合物的相互作用在各组织中高度保守，而细胞类型特异性的结构（如突触成分）则是组织间差异的重要驱动因素。研究结果显示，超过25%的蛋白关联具有组织特异性，其中不到7%可归因于基因表达差异。针对脑组织，研究人员通过突触体的共分级实验、脑源拉下数据的人工整理以及AlphaFold2结构建模，对蛋白相互作用进行了验证。进一步地，研究人员还构建了与精神分裂症相关基因的脑组织相互作用网络，表明该方法可用于在与脑疾病相关的基因座中功能优先筛选候选致病基因。蛋白–蛋白相互作用决定了细胞的物理结构和功能，其异常可能导致疾病。尽管近年来质谱技术和高通量筛选方法的进步推动了蛋白互作的研究，现有数据库多为不具上下文的全局互作信息，而实际互作在不同组织或细胞状态中具有高度特异性，且不到一半的蛋白可在所有组织中检测到。为理解细胞类型特异功能、识别药物靶点以及构建系统级细胞模型，明确蛋白互作的组织特异性至关重要。以往研究常借助基因表达数据推测组织特异性互作，但mRNA共表达对预测蛋白互作的准确性有限。相比之下，蛋白共丰度（coabundance）被证明更能准确预测蛋白关联，因为复合物亚基往往协同表达并以特定化学计量组装，未配对亚基则倾向降解。在本研究中，研究人员基于7,811个人体样本的蛋白质共丰度数据，构建了涵盖11种组织、约1.16亿对蛋白的组织特异性蛋白关联图谱。该图谱不仅复现了已知复合物，还揭示了功能模块间的关系，并为疾病相关基因提供了上下文关联线索。研究人员以脑组织为例，结合多种互补数据验证该图谱在组织特异性致病基因和互作优先排序中的应用价值。研究结果基于蛋白共丰度的全基因组蛋白关联评分研究人员首先收集了癌症队列的蛋白质丰度数据，汇总了来自14种人体组织的50项蛋白质组学研究，包含5,726个肿瘤样本和2,085个邻近健康组织样本，并配套收集了其中2,930个肿瘤样本和722个健康样本的mRNA表达数据。利用蛋白复合物成员在转录和翻译后水平的共调控特性，研究人员计算了基于丰度数据的蛋白–蛋白关联概率。具体而言，先对数据进行对数转换和中值归一化，再在每项研究中对至少在30个样本中被共同检测的蛋白对计算皮尔逊相关系数。随后，以已知蛋白复合物亚基为正例（来自CORUM数据库），利用逻辑回归模型将相关性估计转换为蛋白关联概率。通过与蛋白共分级和mRNA共表达等方法对比，研究人员发现蛋白共丰度在复现已知蛋白复合物上表现最佳（AUC=0.80），优于蛋白共分级（AUC=0.69）和mRNA共表达（AUC=0.70）。将mRNA与蛋白丰度联合使用并未进一步提升识别能力，且剔除基因表达后所得共丰度估计仍表现良好，提示预测能力主要源于翻译后调控而非基因表达。因此，研究人员最终仅使用蛋白共丰度来计算蛋白关联概率。构建组织特异性蛋白关联图谱研究人员进一步验证了同一组织的不同研究是否能反映一致的组织特征。通过聚类分析，发现相同组织的样本之间具有较高一致性。定义“组织特异性”的蛋白关联为：在某一组织中关联评分高于95百分位且在其他组织中低于0.5。使用“留一法”验证后发现，这些组织特异性关联主要由相应组织的样本所复现，说明组织来源是蛋白关联差异的关键驱动因素。聚合相同组织的研究数据后，研究人员为11个人体组织生成了统一的蛋白关联评分。在已知蛋白互作的复现能力上，组织层级的评分优于任何单个队列，且肿瘤来源数据的表现优于健康组织。这些评分反映了肿瘤的遗传异质性及样本之间的变异。研究人员还利用健康组织得出的特异性关联，用肿瘤样本数据进行验证，结果显示一致性良好，进一步验证了该图谱的可靠性和代表性。最终，研究人员构建了一个涵盖116,000,000对蛋白的组织特异性关联图谱，平均每个组织包含约5,600万对蛋白评分，其中约1,000万对具有较高关联性（评分>0.5），约49万对属于“高可信关联”（评分>0.8）。组织间差异并非由基因表达驱动尽管蛋白互作的前提是基因在组织中被表达，但仅约7%的组织间蛋白关联差异可归因于基因表达差异。因此，蛋白共丰度反映的是翻译后层级的调控，进一步强调其独立于转录水平的预测价值。各组织特异性关联比例在健康组织与肿瘤组织配对比较中，46.3%的“可能关联”以及90.2%的“高可信关联”可被对方组织所复现。而在不同组织间，这些比例分别下降至32.9%和54.6%。研究人员据此估计，约有25.8%的蛋白关联具有组织特异性。各组织复现其特异性细胞组分通过比较组织间的Jaccard相似系数发现，已知蛋白复合物等稳定互作在多个组织间保持一致，而与信号转导或时空调控相关的动态互作则更多体现组织差异。此外，特定组织（如大脑、喉部、肺、肝）中的细胞结构成分（如突触、纤毛、过氧化物酶体）表现出显著的组织特异性，说明这些结构是组织差异的重要来源。图谱揭示细胞类型特异性互作以神经特异的AP2适配蛋白复合物为例，研究人员发现其在大脑中的关联更强，尤其是与突触相关蛋白的互作，而非突触蛋白则在大脑中互作较弱。研究人员还识别出如血红蛋白与贫血、乳糜微粒与克罗恩病、纤维蛋白原与肝病等组织特异的疾病相关互作。组织特异的表型与细胞结构关联进一步，研究人员通过GO注释与OTAR数据库中GWAS基因，系统评估了表型与细胞结构之间的组织特异性关系。例如，在大脑中与强迫症（OCD）相关的15个细胞成分几乎均为神经元特异，且在剔除GWAS已关联基因后，这些成分仍富集药物靶点、小鼠模型致病基因或低置信GWAS基因，说明该方法可用于识别与疾病相关的潜在功能模块。验证精神分裂症相关基因的脑组织互作研究人员构建了一个脑组织中与精神分裂症（SCZ）相关基因的互作网络。将GWAS关联的369个SCZ起始基因与其组织特异性关联基因筛选组合，识别出高置信互作对。进一步使用脑组织中实验验证的拉下质谱互作数据对预测结果进行验证，显示SCZ相关互作在脑组织中显著富集。研究人员从中筛选出205个已验证的脑组织SCZ互作对，并利用AlphaFold2预测其结合结构。其中三个14-3-3蛋白与HCN1之间的互作被高置信预测，且其结合界面位于HCN1的C末端无序区，中心位点S789已被实验证实具有磷酸化依赖性结合能力。此外，该网络中包含15个GWAS位点下的弱置信SCZ候选基因，其与SCZ核心基因的功能互作表明其可能为更可能的致病候选者。基于共分级的突触特异性互作组作为蛋白关联图谱的最终应用，研究人员聚焦于突触的互作网络。为此，研究人员从大鼠脑组织中提取并纯化了突触体（synaptosome），作为验证脑组织蛋白互作的另一种手段。利用尺寸排阻色谱（SEC）将突触体分为75个组分，随后通过液相色谱-质谱联用（LC-MS/MS）进行检测，共鉴定出3,409种蛋白，包括CCT复合物等已知复合物，其组分在不同组分中表现出高度相关性（平均相关系数为0.96）。研究人员对突触体的分级谱图进行了预处理，并计算了4,276,350对蛋白在组分中的共丰度值，以评估它们的共分级程度。为提高互作评分的置信度，研究人员整合了大鼠突触体、体内小鼠脑组织及人类胶质母细胞亚细胞分级的共分级数据，基于所有三套数据中均被检测的直系同源蛋白构建了逻辑回归模型（以CORUM数据库中的复合物为正例）来估算互作概率。最终构建的突触互作组包含1,619种蛋白之间的1,309,771对互作概率，优于任何单独数据的预测能力。该互作组中，24%的蛋白为SynGO数据库标注的突触蛋白，49%在小鼠脑中已被报道为突触富集，56%曾在小鼠突触体的交联-MS中被鉴定。所有已知交联互作在本研究中均被检测，其关联评分显著高于其他蛋白对（0.59 vs 0.37）。此外，突触蛋白之间的互作显著强于非突触蛋白之间的互作，尤其在脑组织中更为明显。验证脑疾病相关基因的突触互作突触富集蛋白之间的互作在脑组织中更可能发生。基于此，研究人员构建了一个仅包含突触蛋白的互作网络，这些蛋白在SynGO数据库中被定义或在小鼠脑中被认为突触富集，同时在大脑中共丰度高、在突触体中共分级概率高。最终得到的网络包含37,318个验证过的蛋白互作，且这些互作主要为脑组织特异性，仅20%在大多数其他组织中被认为是可能互作，仅有极少数被现有蛋白数据库（STRING、HuMAP、IntAct、BioPlex）收录。研究人员进一步筛选与脑疾病相关的突触蛋白互作。这些疾病来源于GWAS研究，相关基因在小鼠表型库（IMPC）或药物靶点数据库（ChEMBL）中有支持，且其关联在脑组织中显著高于其他组织。最终筛选出727个高置信突触互作，这些互作在突触体和脑组织中的关联评分分别为0.7和0.81。研究人员使用AlphaFold2对这727个互作对进行结构预测，发现其预测得分（pDockQ）显著高于CORUM或HuMAP中的已知互作；其中105对具有中等置信度（ipTM > 0.5），部分互作在小鼠突触体的交联-MS中有实验支持。优先筛选脑疾病的突触致病基因在这些互作网络中，研究人员发现部分基因虽然在遗传位点上的证据较弱，但由于其与已知疾病基因存在验证过的突触互作，可能是更有可能的致病基因。例如：ADHD：MDH1、CADPS2、PIK3C3精神分裂症（SCZ）：TOM1L2、AP2B1、PSD3、MYO18A、ATP2B2、TMX2阿尔茨海默病：CLPTM1、MADD孤独症：ATP2B2、ATP2A2单相抑郁症：MADD双相障碍：ATP2A2其中大多数基因在脑组织中的表达位居前列，支持其致病潜力。此外，研究人员还发现某些突触互作对虽非L2G评分最高基因，但具有其他支持证据。例如，PAFAH1B1 与 RHOA 的互作在突触互作图谱中被确认，两者皆与抑郁症相关。虽然PAFAH1B1在其位点上的L2G评分不最高，但其在大脑中的表达更强、更特异，且编码突触蛋白，支持其作为潜在致病基因。这一案例表明，结合亚细胞结构与组织特异性研究，可构建更具生理意义的蛋白互作网络，并助力组织相关疾病基因的筛选。讨论尽管已有大量蛋白互作图谱，但组织间的差异性仍未被全面理解。蛋白共丰度相比mRNA共表达在预测互作方面更为准确。本研究进一步证实其优于传统共分级分析结果。值得注意的是，即使去除由mRNA表达变化导致的丰度差异，也不会显著影响预测性能，说明蛋白互作更多受翻译后调控机制控制，如过量亚基的降解等。研究人员的分析结果具有高度一致性：相同组织的不同队列具有类似的蛋白关联模式，肿瘤组织与健康组织的评分可互相验证，关键复合物在所有组织中均被高质量预测。约46%的可能关联与90%的高置信关联可在健康与肿瘤组织中重现，为组织特异性生物学研究提供可靠假设。研究人员估算约25%的蛋白关联具有组织特异性，而其中因基因表达差异导致的比例仅占7%。细胞类型特异的结构（如突触）是造成组织间蛋白关联差异的重要因素，翻译后修饰也可能是潜在机制之一。最后，该图谱也支持在组织水平上探索性状与细胞结构之间的关系，特别是在脑组织和突触功能方面的应用表现突出。研究人员展示了多个脑相关疾病中与已知致病基因或药物靶点富集的验证互作，并提出了一种基因优选策略，有助于候选药物靶点的识别。组织特异性的网络与AlphaFold2模型的结合为理解疾病机制和靶点筛选提供了整合性工具，且具备提高靶向治疗安全性的潜力。整理 | WJM参考资料Laman Trip, D.S., van Oostrum, M., Memon, D. et al. A tissue-specific atlas of protein–protein associations enables prioritization of candidate disease genes. Nat Biotechnol (2025). https://doi.org/10.1038/s41587-025-02659-z

DRUGAI疾病发生和进展的特异性研究中，识别调控转录因子（TRs）仍具有挑战性，这些因子通过调控元件和表观基因组信号控制基因表达。大规模多组学表观基因组数据的引入，为解析调控元件及其调控因子的复杂模式提供了可能。研究人员在此提出TRAPT，一个多模态深度学习框架，可通过学习和整合靶基因的顺式调控元件及全基因组结合位点的调控潜能，推断转录因子的活性。在570个与TR相关的数据集上，TRAPT在预测转录因子，尤其是协同因子和染色质调控因子方面优于现有方法。此外，该方法成功识别出与疾病、遗传变异、细胞命运决策及组织相关的关键转录因子，展现了基于表观组数据识别TRs的全新视角。基因表达调控由多种上游转录调控因子（TRs）共同驱动，包括转录因子（TFs）、协同因子（TcoFs）和染色质调控因子（CRs），它们介导启动子与远端增强子的信号传递。异常的基因表达常与疾病发生密切相关，因此识别关键调控因子对于理解疾病机制至关重要。随着 ChIP-seq 和 ATAC-seq 等技术的发展，顺式与反式调控图谱得以清晰描绘。TRs 在染色质开放性和组蛋白修饰等表观信息的共同作用下，展现出细胞特异性的调控活性。此外，大量研究表明 TFs 可通过结合启动子或增强子等顺式调控序列，调节靶基因表达。鉴于基因调控机制的复杂性，研究人员亟需利用大规模表观基因组数据，全面捕捉基因上游的协同调控特征，以提升 TRs 的预测能力。高通量测序技术的快速发展使 ATAC-seq、DNase-seq 和 ChIP-seq 等数据迅速积累。然而，不同来源的数据存在噪声干扰、批次效应及冗余等问题，增加了整合与表示学习的难度。目前已有多种方法尝试通过功能基因集推断上游 TRs，如 Enrichr、ChEA3、Lisa 等，但这些方法大多基于统计富集分析，未能充分利用顺式调控元件（CREs）的详细信息。而CREs是 TF 功能的核心，缺乏这部分信息将限制调控因子的准确预测。一些方法虽引入 CRE 数据，但仅局限于与输入基因集相关的区域，无法覆盖全基因组调控图谱。此外，TRs 往往倾向于结合在活跃染色质区域，表现出结合偏好（TRBP），这类偏好尚未被现有方法充分建模。更重要的是，当前大多数方法仅限于通过基因集推断上游调控因子，缺乏对其全基因组结合位点的推理能力，因此急需能够全面整合CRE与结合位点的预测框架。多组学表观数据的整合也存在诸多挑战，例如跨模态干扰与非线性关系。现有方法多基于传统回归模型，未能有效处理跨模态间的复杂关系。深度学习技术在多个生物学任务中已展现出强大表现，其关键在于高质量数据的采集与建模。研究人员此前构建了多个表观调控数据库，如 TcoFBase、CRdb、TFTG、SEdb 和 ATACdb，系统汇聚了大量 TRs、增强子与染色质开放性信息，构建了当前最全面的表观特征资源库。结合这些数据资源与先进深度学习方法，为深入解析表观调控网络提供了前所未有的可能。本研究中，研究人员提出了一个数据驱动的深度学习框架——TRAPT，融合多阶段学习结构，通过知识蒸馏和图卷积神经网络整合表观特征，联合建模靶基因的顺式调控元件信号与全基因组结合位点，优化 TR 活性表示，并识别上下文特异的关键调控因子。在570个 TR 敲除数据集上进行评估，TRAPT 在预测 TFs、TcoFs 和 CRs 方面均优于现有方法。进一步，TRAPT 成功识别出阿尔茨海默病中的关键因子（如 REST），并在细胞发育与组织数据中准确预测了控制细胞命运与组织特异性的调控因子。结果TRAPT 方法概述TRAPT 是一个整合多组学信息的预测框架，旨在根据输入的感兴趣基因集推断转录调控因子（TRs）的活性。简而言之，该模型以基因集为输入，输出每个TR的活性评分。TRAPT 采用多阶段融合策略，分别处理来自全基因组结合位点的下游调控潜能（D-RP）以及源自顺式调控元件的上游调控潜能（U-RP），从而解决TR结合偏好（TRBP）和顺式调控信息缺失（ICCP）的问题。TRAPT 的流程主要包括四个步骤：计算表观调控潜能（Epi-RP）与转录因子调控潜能（TR-RP）：研究人员收集了超过 20,000 份表观基因组数据，包括 ATAC-seq、H3K27ac 和 TR ChIP-seq 数据，并进行预处理后，计算每个基因的调控潜能。通过对表观组数据统一加权衰减，并对TRs采用上下文特异的衰减策略，分别得到 Epi-RP 和 TR-RP，用于后续建模。预测 TR 的下游调控潜能（D-RP）：该步骤旨在将 Epi-RP 与 TR-RP 融合，构建 TR 与表观样本之间的异构网络（ERN）。研究人员采用 k 近邻算法建立网络，并使用条件变分自编码器（CVAE）与图变分自编码器（VGAE）构建的知识蒸馏模型（D-RP模型）进行优化。教师模型学习多模态嵌入，学生模型学习统一、低噪声表示。该机制提升了模型对跨模态数据的鲁棒性，输出为 D-RP 矩阵。预测查询基因集的上游调控潜能（U-RP）：研究人员设计了另一个知识蒸馏模型（U-RP模型），以Epi-RP和输入基因集为基础，选出关键的表观组样本并推断其调控作用。学生模型在教师模型提供的“软标签”指导下，通过稀疏组套索（SGL）方法引入组内与组间稀疏性，实现对非冗余、非线性组合样本的精准筛选。输出为U-RP向量，包含与查询基因相关的染色质开放性（ATAC）与活性状态（H3K27ac）信息。整合 D-RP 和 U-RP 推断 TR 活性：将归一化后的 TR-RP 和 D-RP 矩阵逐元素相加，再与 U-RP 向量逐元素相乘，获得整合调控潜能（I-RP）。随后，使用 ROC 曲线下面积（AUC）衡量 TR 与基因集的相关性，并合并两种路径得到最终的 TR 活性评分。综上，TRAPT 融合了 TR 的全基因组结合潜能与靶基因顺式调控潜能，能够在上下文特异的基础上，高效识别调控输入基因集的关键 TRs。TRAPT 在基准数据集上表现优越研究人员采用“目标TR排序分数”作为主要评估指标，衡量算法根据基因集预测对应调控因子排名的能力。例如，在 GATA6 敲除实验中，若GATA6本身的排名靠前，则说明预测性能较好。为全面评估TRAPT，研究人员整合了来自 KnockTF 数据库的570个转录因子敲除/敲低数据集，经过质量控制和差异表达分析，从每个RNA-seq数据集中筛选出上调与下调基因，作为TRAPT的输入，并对预测结果中的目标TR排名进行评估。研究人员将 TRAPT 与多个主流方法进行了比较，包括以基因集为输入的 Lisa、BART、i-cisTarget 及富集分析方法 ChEA3。评估标准包括命中前10或前N个目标TR的数量，以及整体TR识别表现。结果显示，TRAPT 在识别前10个TR方面比表现第二好的方法（Lisa）高出13%；相较 i-cisTarget 的提升更超过200%。TRAPT 的 AUC 达到 0.643，明显优于其他方法；其平均倒数排名（MRR）为 0.067，也分别比 Lisa 和 BART 提高了18% 和 76%。这些结果表明 TRAPT 在预测 TR 活性方面具备显著优势。不同于以往方法主要集中在 TF 的预测，TRAPT 引入高质量的转录协同因子（TcoFs）与染色质调控因子（CRs）数据，使得其具备更全面的调控因子预测能力。在 TF、TcoF 与 CR 三类子集中，TRAPT 均展现出领先性能。特别是在 TcoF 与 CR 的预测中，Lisa 的表现显著下降，而 TRAPT 仍保持优异结果，说明其在多类调控因子预测上的全面性得益于多阶段融合策略与丰富的数据支持。为了验证 TRAPT 的优势并非仅因数据覆盖度更高，研究人员将 Lisa 和 BART 与 TRAPT 一同使用 Cistrome 数据库的背景数据，并以 KnockTF 数据集为标准重新评估。结果显示，即便在相同背景数据下，TRAPT 的整体表现仍优于 Lisa（提升 30%）和 BART（提升 85.7%）。进一步评估显示，TRAPT 在 TF、CR 与 TcoF 三个类别中的AUC均高于对比方法，其中对 CR 的预测性能甚至比 Lisa 高出 198.4%。此外，研究人员还比较了不同蛋白家族在不同类型数据（如 TR 敲除数据 vs. TR 结合数据）下的预测表现，发现部分家族（如 CP2、RXR-like）在敲除数据上表现更佳，而其他家族（如 zf-C2H2、IRF、THR-like）在结合数据中效果更好。这可能源于转录因子敲除后引发的二级转录调控效应。最后，针对大规模数据整合可能带来的运算时间问题，研究人员比较了 TRAPT 与 Lisa、BART 的运行时间。结果显示，TRAPT 不仅性能优越，还具有更快的运行效率，尤其在单个TR活性预测任务中显著快于其他方法。多阶段融合策略显著提升转录调控因子预测性能为验证多阶段融合策略对 TR 预测的提升效果，研究人员进行了系统的消融实验。TRAPT 中的 U-RP 模型用于模拟靶基因顺式调控元件的调控潜能，捕捉其上下文特异性的表观状态。当移除该模块时，整体性能显著下降，说明其有效表征了输入基因的表观调控特征。D-RP 模型则预测TR在不同条件下对基因组的结合偏好，考虑了调控元件的活性。去除该模块同样导致性能下降，进一步表明结合元件活性对于TR功能建模具有重要意义。此外，研究人员还通过计算TR与远端增强子结合比例，构建了特异性调控潜能模型。去除该TR特异性建模也导致性能下降，显示其对识别不同调控模式具有重要作用。TRAPT 融合多种表观组学特征以预测最终的TR活性。对不同模块性能的深入分析发现，TRAPT-H3K27ac 模型对上调基因集预测更优，而TRAPT-ATAC 模型则更适合下调基因集。当移除所有表观模块，仅保留启动子区域模型时，预测性能显著下降。进一步逐步移除表观模块，整体性能也持续下降，表明TRAPT在多模态特征融合方面具有良好稳定性。知识蒸馏机制在TRAPT中也发挥了重要作用。相比未使用知识蒸馏的模型（NKD），使用蒸馏策略（KD）在 KnockTF 数据集上提升了5.4%，在 Lisa 数据集上提升了7.9%。在top-10 TR预测任务中，KD模型的AUC高出8个百分点，表现显著优于NKD。模型在训练与验证集上的损失值快速下降，且蒸馏策略下 D-RP 学生模型收敛更快、准确率更高，表明知识蒸馏提升了模型稳定性且未引入过拟合。在 D-RP 模型中，研究人员利用 kNN 算法构建TR与表观组学样本之间的连接网络，并以连接恢复任务评估其预测能力。实验结果显示，在验证集中，教师与学生网络的损失值迅速下降，最终在测试集上分别达到 auROC 0.81 与 auPRC 0.84 的表现。即便在最多屏蔽15%边的情况下，模型恢复能力依然稳定，AP 值保持在0.8以上，表明其对缺失连接具有良好的鲁棒性。U-RP 模型的目标是基于基因集与 Epi-RP 矩阵预测顺式调控图谱。训练过程中，其损失值也稳定下降。为解决冗余样本筛选问题，研究人员分析了在不同数量样本下的性能变化。当特征数达到10时，性能提升趋于平稳，与已有研究一致。最后，研究人员比较了TRAPT在预测上调与下调基因集时的表现，发现其对下调基因集的预测更为准确。这一现象也支持了激活因子多于抑制因子的生物学观察。多数 TR 仅具有单一功能，部分如 CTCF、NANOG、FOXA1、ESR1 则同时具有激活与抑制作用。综上，TRAPT 能够准确识别激活型、抑制型及双功能调控因子。TRAPT 在 ESR1 敲低实验中准确识别关键转录调控因子ESR1 是乳腺癌 ER 阳性亚型中的关键转录因子，调控多种与疾病风险相关的下游基因表达。为验证 TRAPT 在疾病背景下识别关键 TRs 的能力，研究人员将其应用于 MCF7 ER+ 乳腺癌细胞中 siRNA 敲低 ESR1 后得到的差异表达基因集。TRAPT 准确预测到 ESR1 在下调基因集中排名第1，上调基因集中排名第17，反映出其在乳腺癌中兼具激活与抑制功能。TRAPT 还识别出与 ESR1 密切相关的多个转录因子、协同因子与染色质调控因子，包括 FOXA1、EP300 和 MED1。其中，GATA3 是哺乳腺细胞命运的重要调控因子，FOXA1 通过调节染色质可及性影响乳腺癌发生发展，EP300 可乙酰化 ESR1，增强其靶基因表达。此外，从 STRING 数据库得到的这些高排名 TRs 之间具有频繁的相互作用；TCGA 和 GTEx 数据的共表达分析也显示 GATA3、FOXA1 和 ESR1 三者之间具有显著相关性，进一步验证了 TRAPT 的准确性。研究人员还分析了 D-RP 分数对 TR 活性的刻画能力。将 ESR1 及其相关 TR 的 D-RP 分数分别作用于目标基因与背景基因集，结果显示其在目标基因集中显著更高（如 ESR1 在 ATAC 和 H3K27ac 模块下的 p 值分别为 3.3e-38 和 8.6e-34）。随着预测排名下降，TR 的重要性逐渐减弱，而排名最末的 HDGF 表现出明显较低的调控潜能，说明 D-RP 能有效区分关键 TR 与非关键 TR。此外，研究人员构建了高低 I-RP 分数的 TR 活性曲线，发现高分组的 TRs 对基因集的信号更强，进一步支持 TRAPT 的预测准确性。考虑到 ESR1 可结合远端增强子（如 ERSE），TRAPT 利用其专属的调控潜能模型对远端调控进行建模。研究人员将增强子分为近端与远端两类，发现预测出的 TR 更倾向于在目标基因附近的增强子区域中结合，而非背景区域。GATA3 和 FOXA1 明显偏好近端区域，ESR1 与 EP300 则未表现出显著偏好。最后，研究人员可视化了 ESR1、GATA3、FOXA1、EP300 和 HDGF 附近的差异表达基因轨迹，发现前四者在目标区域均表现出明显的结合峰，而 HDGF 则缺乏这种特征。这一系列结果进一步验证了 TRAPT 在预测 TF、协同因子及染色质调控因子方面的可靠性和解释力。预测阿尔茨海默病相关的关键调控因子转录因子（TF）结合位点上的遗传变异可能改变其结合能力，进而影响基因表达和细胞功能。为验证 TRAPT 在疾病研究中的适用性，研究人员将其应用于阿尔茨海默病（AD）GWAS 后分析。研究人员利用 MAGMA 工具从 GWAS 汇总数据中获得 AD 相关基因集作为 TRAPT 的输入，并结合细致的精细定位与结合位点共定位分析，识别出一系列被致病变异影响的关键 TRs。在欧洲人群 GWAS 数据的基础上，TRAPT 所预测的前 25 个 TRs 中，有 68.2% 的结合 SNP 来自 AD 因果变异（p = 2.5e-12），而排名后 25 个 TR 的比例显著更低，表明排名越高的 TR 越可能与 AD 密切相关。进一步分析发现，TRAPT 排名前列的 TRs（如 SPI1、RELA、REST）在致病变异上的结合强度高于背景变异。例如，SPI1 与 71 个致病变异发生交集，远高于背景（p = 3.6e-4）。GSEA 统计检验也证实前列 TRs 与因果位点显著富集。通过 FINEMAP 打分和功能注释，研究人员发现 rs10119 为评分最高的 AD 相关变异，与 APOE、TOMM40 和 APOC1 等关键基因相邻，且被多个预测的 TR 所结合（如 REST）。rs10119 位于染色质环结构的关键节点，多个已知 AD 相关的 TR（SPI1、STAT1、HDAC2 等）都在其上下游区域结合，进一步强化了其功能重要性。此外，在 AD 相关的 H3K27ac ChIP-seq 数据中，TRAPT 所选样本的调控区域与 rs10119 高度重叠，说明模型即便不依赖 AD 特异的表观数据，也能选择出具有相似信号的替代样本。识别驱动细胞命运和组织特异性的关键调控因子转录调控因子在细胞命运决定、分化过程和组织特性维持中起关键作用。研究人员进一步将 TRAPT 应用于单细胞转录组数据，以识别血液细胞分化路径中的驱动因子。在人类造血干细胞 scRNA-seq 数据中，TRAPT 成功识别了 42 个潜在关键 TR，其中 29 个已知与造血发育密切相关，10 个在不同分化亚群中呈现显著差异表达。此外，部分 TRs 出现在多个谱系中（如 EP300、SMAD1、SPI1、TAL1），另一些如 STAT4 和 TCF4 则特异性分布于 NK 和 pDC 谱系，具有已知的调控功能。在另一个人类胚胎干细胞数据集中，TRAPT 同样成功识别出 GATA3、TFAP2A、GATA2 等在滋养层细胞中活性增强的 TRs，以及 GATA6、SMAD2 和 EOMES 等在内胚层细胞中活跃的 TRs，这些结果均与既往研究一致。对 GTEx 项目中30种正常人组织的 RNA-seq 数据分析中，TRAPT 利用每个组织的差异表达基因成功预测出特异性调控因子。例如，心脏组织中识别出 MED1、TBX5、GATA4；前列腺中识别出 AR、FOXA1、HOXB13；而乳腺与脂肪组织共享了 PPARG 和 CEBPA。在对预测结果进行层次聚类时，乳腺与脂肪组织、女性生殖系统相关组织（如子宫、卵巢、宫颈）因细胞组成相似而聚类在一起，进一步验证了模型的生物学合理性。讨论转录调控因子（TRs）在调控基因表达、维持细胞稳态和引导发育过程中起着核心作用。TR 介导的转录程序通常具有独特的表观基因组图谱，并在细胞状态变化与疾病发生中充当“开关”。然而，当前针对特定基因集（如差异表达基因、单细胞标记基因）准确预测其上游TR仍面临挑战，主要受限于缺乏覆盖多样细胞类型的TR表观数据。为解决这一问题，研究人员提出了深度学习框架 TRAPT，通过双阶段知识蒸馏提取调控元件的活性表示，整合超过 20,000 个大规模表观基因组样本与全面的TR背景知识库，精准预测上下文依赖的关键TR。在570个TR敲除/敲低数据集上，TRAPT 相较 Lisa、BART、i-cisTarget、ChEA3 等主流方法表现出显著性能提升，成功识别出与疾病、遗传变异、细胞命运与组织特异性密切相关的核心TRs。当前TR预测方法主要分为两类：一类是基于基因集富集分析的方法，如 Enrichr、TFEA.ChIP、ChEA3 和 MAGIC，依赖统计检验评估TR的重要性，但无法模拟TR与顺式元件的真实结合；另一类如 i-cisTarget、BART 和 Lisa，通过模拟TR结合预测活性，但未能充分考虑TR的结合偏好。而 TRAPT 则提出第三种路径，融合基因集的顺式调控特征与 TR 的全基因组结合潜能，通过多阶段融合策略显著提升预测性能。TRAPT 的优势包括：融合式策略解决信息覆盖不全与结合偏好问题：多阶段建模同时考虑上下游调控潜能，填补以往方法中顺式图谱覆盖不全与TR结合偏好未建模的空白；双阶段知识蒸馏增强模型鲁棒性：在 D-RP 阶段引入图变分自编码器（VGAE）与条件变分自编码器（CVAE）作为教师网络，缓解分布不一致问题；在 U-RP 阶段，蒸馏引导学生网络选取最优表观样本，提高数据整合能力；图模型优化全基因组调控潜能预测：尤其适用于样本量有限的数据集，补全表观调控网络中的缺失连接，提高泛化能力。消融实验表明，去除 D-RP、U-RP 或蒸馏机制均显著降低模型性能，验证这些模块的关键作用。同时，在连接预测任务中，D-RP 模型在多种掩码比例下表现稳定，展示出对缺失扰动的鲁棒性。应用层面，TRAPT 成功识别了 ESR1 敲除实验中的 ESR1 及其相关的协同因子 EP300、FOXA1；在阿尔茨海默病研究中，TRAPT 能捕捉到如 SPI1、RELA、REST 等高可信TR与GWAS致病位点（如 rs10119）的共定位；在人类造血干细胞、胚胎干细胞及 GTEx 组织样本中，准确预测出与细胞命运（如 GATA3、STAT4、TCF4）和组织特异性（如 MED1、GATA4、AR）相关的关键TRs。所有结果均从多个角度验证了 TRAPT 在多类任务中的稳定性与通用性。值得注意的是，尽管 TRAPT 整合了 17,227 个TR、1,329 份 ATAC-seq 与 1,465 份 H3K27ac 数据，但部分 TR 仍缺乏对应的表观样本，可能影响模型精度。同时，不同 TR 之间的协同或拮抗机制（如转录因子与协同因子之间的相互作用、染色质调控因子的辅助调控）在目前版本中尚未完全建模。未来可引入基因调控网络与因果推理策略，更系统地模拟调控层级间的复杂交互。整理 | WJM 参考资料Zhang, G., Song, C., Yin, M. et al. TRAPT: a multi-stage fused deep learning framework for predicting transcriptional regulators based on large-scale epigenomic data. Nat Commun 16, 3611 (2025). https://doi.org/10.1038/s41467-025-58921-0