RcisTarget：从一组基因反推潜在转录调控因子

2026-09-10 | 阅读：次

1. RcisTarget 是做什么的？

在转录组分析中，我们经常会得到一组具有共同生物学特征的基因，例如：

差异表达基因 DEG
共表达模块 genes
某个细胞类型的 marker genes
某个疾病、衰老或处理相关的候选基因

接下来的一个自然问题是：

这些基因为什么会一起发生变化？它们是否受到某些共同转录因子调控？

RcisTarget 就是用来回答这个问题的。

它通过分析候选基因调控区域中的 transcription factor binding motif 富集情况，寻找可能共同调控这些基因的转录因子 TF。

其核心过程可以概括为：

Gene set
   ↓
Motif enrichment
   ↓
Enriched motifs
   ↓
Motif → TF annotation
   ↓
Candidate transcription factors
   ↓
Potential target genes

RcisTarget 官方定义的核心任务也是识别一个 gene set 或 genomic region set 中显著富集的 DNA motifs。

2. 从第一性原理理解 RcisTarget

2.1 转录因子如何调控基因？

转录因子 TF 是能够识别特定 DNA 序列的蛋白。

例如某个 TF 偏好结合：

ACGTGCAA

这样的 DNA 序列模式称为：

motif

如果很多基因都受到同一个 TF 调控，那么这些基因附近的 promoter 或 enhancer 中，就可能反复出现这个 TF 对应的 motif。

因此，如果我们有一组基因：

Gene A
Gene B
Gene C
Gene D
...

发现它们的调控区域中都富集某个 motif，就可以推测：

这些 genes
      ↑
   某个 TF

可能存在共同调控关系。

这就是 RcisTarget 的基本出发点。

3. RcisTarget 最核心的设计：Ranking

RcisTarget 并不是拿到一个 gene set 后，临时扫描每个基因的 DNA 序列。

它提前建立好了一个巨大的 motif ranking database。

假设研究 motif M1。

数据库已经计算出：

             motif M1

Gene A       rank 1
Gene F       rank 2
Gene K       rank 3
Gene B       rank 4
Gene Z       rank 5
...
Gene X       rank 20000

排名越靠前，说明这个基因附近的调控区域越支持 motif M1。

然后假设我们输入的 gene set 是：

Gene A
Gene B
Gene F
Gene K
Gene M

其中：

Gene A → rank 1
Gene F → rank 2
Gene K → rank 3
Gene B → rank 4

大量候选基因集中在 motif M1 ranking 的顶部。

RcisTarget 就会判断：

motif M1 在这个 gene set 中明显富集。

反过来，如果候选基因随机散落在 ranking 中：

rank 300
rank 2500
rank 8000
rank 15000

就没有明显 motif enrichment。

因此，RcisTarget 本质上是在问：

我的 gene set 是否异常集中在某个 motif ranking 的顶部？

4. 为什么使用 Ranking，而不是直接看 motif 数量？

因为不同基因的调控区域长度、motif 数量和序列组成都不同。

直接比较：

Gene A 有几个 motif
Gene B 有几个 motif

容易受到很多技术因素影响。

RcisTarget 将 motif information 转化为：

Gene ranking

然后分析 gene set 在 ranking 中的位置。

因此整个问题从：

这个 gene 有没有 motif？

变成：

我的这组 genes 是否整体集中在这个 motif 的高排名区域？

这是一个典型的 rank-based enrichment analysis。

它和 GSEA 的思想非常接近。

GSEA 是：

ranked genes
↓
pathway enrichment

RcisTarget 是：

motif-specific ranked genes
↓
gene set enrichment

5. RcisTarget 的主要功能

RcisTarget 实际上完成三件事情。官方 cisTarget() workflow 也是由这三个步骤组成。

Step 1
Motif enrichment
calcAUC()

        ↓

Step 2
Motif → TF annotation
addMotifAnnotation()

        ↓

Step 3
Identify enriched target genes
addSignificantGenes()

最终得到：

Gene set
↓
Motif
↓
TF
↓
Target genes

6. 输入是什么？

RcisTarget 最重要的输入有三个。

6.1 Gene set

例如：

geneLists <- list(
    aging_genes = c(
        "MT1",
        "BIRC3",
        "GPX4",
        "FOSL2"
    )
)

输入可以来自：

DEGs
Module genes
Marker genes
Pathway genes
Disease-associated genes
Aging-associated genes

RcisTarget 支持一个或者多个 gene sets。

6.2 Motif ranking database

第二个输入是预先建立好的 motif ranking database：

motifRankings <- importRankings(
    "xxx.genes_vs_motifs.rankings.feather"
)

这个数据库描述的是：

每一个 motif
        ↓
所有 genes 的 ranking

因此可以想象成：

Gene	motif1	motif2	motif3
GeneA	1	532	3200
GeneB	4	13	640
GeneC	85	2	120

数字代表该 gene 在相应 motif 中的排名。

数据库必须与研究物种和所选择的调控区域匹配，例如 promoter 附近或者更大的 TSS-centered regulatory region。官方文档也明确要求根据 organism 和 search space 选择相应 ranking database。

因此：

数据库选错，比参数调得不好更加严重。

6.3 Motif annotation database

第三个输入用于完成：

motif
↓
TF

因为一个 motif 本身只是一个 DNA sequence pattern，例如：

motif_1234

需要进一步知道：

motif_1234
↓
RELA
NFKB1

RcisTarget 的 motif annotation 包含直接注释、orthology 推断和 motif similarity 推断等不同证据等级。

7. 核心计算：AUC

对于每一个 motif，RcisTarget 都会检查：

输入 gene set 在该 motif ranking 顶部富集得有多明显？

然后计算 AUC：Area Under the Curve。

简单理解：

ranking top
│
│  输入 gene
│  ↑ ↑ ↑ ↑
│
└──────────────── ranking

如果输入 genes 大量集中在前面：

AUC 高

如果输入 genes 随机散布：

AUC 低

因此：

AUC 衡量某个 motif 对当前 gene set 的 enrichment strength。

官方 calcAUC() 就是针对每个 gene set × motif 组合计算 AUC。

8. NES：RcisTarget 最重要的统计量

仅看 AUC 还不够。

RcisTarget 会把某一个 motif 的 AUC 与数据库中所有 motifs 的 AUC 分布进行比较：

\[NES = \frac{AUC_{motif}-mean(AUC)} {SD(AUC)}\]

这就是：

Normalized Enrichment Score，NES

所以 NES 可以简单理解为：

当前 motif 的 enrichment 比普通 motif 高出多少。

例如：

motif A    NES = 1.2
motif B    NES = 2.1
motif C    NES = 5.6

motif C 的 enrichment 最强。

RcisTarget 默认通常使用：

NES ≥ 3

作为显著 motif 的筛选标准。

因此实际看结果时：

NES 通常是首先关注的指标。

9. 如何找到真正贡献 enrichment 的 genes？

一个 gene set 可能有几百个 genes。

并不是所有 genes 都真正支持某个 motif。

例如：

输入 200 genes

其中真正集中在 NF-κB motif ranking 顶部的
只有 35 genes

RcisTarget 可以进一步通过：

addSignificantGenes()

寻找这些 highly ranked genes。

这些 genes 可以理解为：

真正推动该 motif enrichment 的核心 genes。

它与 GSEA 中的：

leading-edge genes

非常类似。

官方输出中的 enrichedGenes 就表示在对应 motif ranking 中高度富集的 genes。

10. RcisTarget 的最终输出

最终结果通常类似：

motif	NES	AUC	TF_highConf	TF_lowConf	enrichedGenes
motif_1	6.2	0.19	RELA	NFKB1	BIRC3;NFKBIA;TNFAIP3
motif_2	5.1	0.17	FOS	JUNB	FOSL2;JUN
motif_3	4.4	0.14	STAT1	STAT2	GBP2;IRF1

官方结果中最主要的信息包括 NES、AUC、高低置信度 TF annotation，以及显著富集的 genes。

因此最终可以得到一个调控关系：

RELA
 ↓
BIRC3
NFKBIA
TNFAIP3

或者：

STAT1
 ↓
GBP2
IRF1
...

11. 最重要的参数

真正需要关注的参数并不多。

参数	作用	常用设置
`nesThreshold`	motif enrichment 筛选阈值	默认 3
`aucMaxRank`	用 ranking 前多少 genes 计算 AUC	常见约 1–10%
`motifRankings`	motif ranking database	根据物种和调控区域选择
`motifAnnot`	motif → TF annotation	与 ranking database 匹配
`geneErnMethod`	识别 enriched genes 的方法	`aprox` / `iCisTarget`
`geneErnMaxRank`	recovery curve 最大 ranking	常见默认 5000
`nCores`	并行计算线程数	根据计算资源设置

其中最值得关注的是：

motifRankings
nesThreshold
aucMaxRank

cisTarget() wrapper 中 nesThreshold=3，aucMaxRank 默认使用 ranking 中约前 5% 的 genes；官方文档建议 AUC 搜索范围通常可在约 1–10% 内调整。不同版本或直接调用 calcAUC() 时，应以当前安装版本的帮助文档为准。

12. geneErnMethod 怎么选？

识别 enriched genes 时主要有：

aprox
iCisTarget

aprox：

速度快
适合多个 gene sets

iCisTarget：

计算更严格
计算量更大

官方文档将 iCisTarget 描述为更接近原始 iRegulon/i-cisTarget 方法，而 aprox 是速度更快的近似实现。

一般批量分析：

geneErnMethod = "aprox"

通常已经足够。

13. 一个最简单的 RcisTarget workflow

核心流程实际上只有几步：

library(RcisTarget)

# 1. 输入 gene set
geneLists <- list(
    target_genes = c("BIRC3", "GPX4", "FOSL2", "GBP2")
)

# 2. motif ranking database
motifRankings <- importRankings(
    "genes_vs_motifs.rankings.feather"
)

# 3. motif enrichment
motifs_AUC <- calcAUC(
    geneLists,
    motifRankings
)

# 4. motif → TF
motifEnrichmentTable <- addMotifAnnotation(
    motifs_AUC,
    nesThreshold = 3,
    motifAnnot = motifAnnotation
)

# 5. 找到真正贡献 enrichment 的 genes
results <- addSignificantGenes(
    motifEnrichmentTable,
    geneSets = geneLists,
    rankings = motifRankings,
    method = "aprox"
)

也可以直接使用 cisTarget() 完成完整 workflow。官方 wrapper 本身就是依次执行 motif enrichment、TF annotation 和 significant gene identification。

14. 结果应该怎么解析？

假设得到：

motif         NES     TF        enrichedGenes

motif_A       6.1     RELA      BIRC3,NFKBIA,TNFAIP3
motif_B       5.4     NFKB1     BIRC3,NFKBIA
motif_C       4.8     STAT1     GBP2,IRF1

可以分三层理解。

第一层：

NES = 6.1

说明 motif_A 在你的 gene set 中明显富集。

第二层：

motif_A → RELA

说明这个 motif 被注释为 RELA 可能识别的 motif。

第三层：

BIRC3
NFKBIA
TNFAIP3

是最主要贡献该 motif enrichment 的候选 target genes。

因此可以提出：

RELA
 ↓
BIRC3 / NFKBIA / TNFAIP3

可能是这个 gene set 背后的一个共同转录调控程序。

15. 一个非常重要的注意点：RcisTarget 不能证明 TF 活性

RcisTarget 找到：

RELA motif enrichment

代表的是：

这些 genes 的调控区域具有 RELA 相关 motif 的富集证据。

它并不能直接证明：

RELA 当前一定被激活

也不能直接证明：

RELA 一定真实结合了这些 genes

因为 motif enrichment 是一种 regulatory potential inference。

更加完整的证据链通常需要结合：

RcisTarget
motif evidence
        +
TF expression/activity
        +
ChIP-seq / CUT&Tag
        +
gene expression

例如：

RcisTarget
RELA motif enriched
        ↓
DoRothEA / decoupleR
RELA activity increased
        ↓
BIRC3 expression increased

这样的证据明显强于单独使用 RcisTarget。

16. RcisTarget 和常见 TF 分析方法的区别

可以把几个常见工具放在一起理解：

RcisTarget
gene set → motif → TF

DoRothEA
target gene expression → TF activity

SCENIC
co-expression
     +
RcisTarget motif enrichment
     ↓
TF regulon

ChIP-seq / CUT&Tag
实验测量 TF 实际 DNA binding

所以 RcisTarget 最适合回答的问题是：

这一组具有共同变化的 genes，背后可能受到哪些共同 TF 调控？

17. 一句话理解 RcisTarget

RcisTarget 的本质可以概括为：

给我一组 genes
        ↓
看它们是否集中在某些 motif ranking 顶部
        ↓
找到 enriched motifs
        ↓
motif 映射到 TF
        ↓
推断潜在的上游 transcriptional regulators

因此它本质上是一个：

基于 motif ranking 的转录因子调控富集分析工具。

它把普通的：

“这组 genes 有什么功能？”

进一步推进到：

“这组 genes 为什么会一起变化，
可能是谁在调控它们？”

这就是 RcisTarget 最主要的价值。

领域

叶本晨