数据库介绍 | PharmGWAS：一个基于GWAS的药物再利用知识库

Basic Information

• 英文标题：PharmGWAS: a GWAS-based knowledgebase for drug repurposing
• 中文标题：PharmGWAS：一个基于GWAS的药物再利用知识库
• 发表日期：13 October 2023
• 文章类型：Na
• 所属期刊：Nucleic Acids Research
• 文章作者：Hongen Kang | Peilin Jia
• 文章链接：https://academic.oup.com/nar/article/52/D1/D972/7311079

Abstract

1. 利用遗传学见解来推动药物再利用已成为药理学中一种有前景且活跃的策略。
2. 事实上，在2021年美国食品药品监督管理局（FDA）批准的50种药物中，三分之二的药物具有遗传学支持的证据。
3. 在这方面，越来越多可广泛获取的全基因组关联研究（GWAS）数据集为基于遗传学发现的药物再利用提供了大量机会。
4. 在此背景下，我们开发了PharmGWAS，这是一个综合知识库，旨在通过整合GWAS数据来识别候选药物。
5. PharmGWAS专注于通过遗传调控表达特征与药物诱导特征之间的逆向关系，探索疾病与小分子化合物之间新的联系。
6. 具体而言，我们收集并处理了涵盖多种疾病的1929个GWAS数据集和涉及大量33609种分子化合物的724485个扰动特征。
7. 为了获得可靠且稳健的逆向联系预测，我们实施了六种不同的连通性方法。
8. 在当前版本中，PharmGWAS存档了总共740227对遗传学指导下的疾病-药物对，这些对来源于药物扰动特征，呈现出一个宝贵且全面的目录。
9. PharmGWAS还配备了用户友好的网页设计，预计能极大地促进新药发现、药物组合疗法的探索以及药物抗性和副作用的识别。
10. PharmGWAS可在https://ngdc.cncb.ac.cn/pharmgwas访问。

Introduction

Para_01

1. 开发新药是一个令人望而生畏、耗时且成本高昂的过程，这严重阻碍了科学突破转化为临床应用。
2. 为应对这一挑战，药物再利用（也称为药物重新定位）作为一种有前景的战略应运而生。
3. 药物再利用旨在为现有药物发现新的临床用途，与传统的新药研发流程相比，这种方法可以缩短时间线、降低风险和减少费用。

Para_02

1. 已经开发了多种计算方法来辅助识别再利用候选药物，例如特征匹配、分子对接和回顾性临床分析等。
2. 其中，特征匹配方法，也称为连通性方法，已被证明在广泛的治疗领域内发现新的药物再利用候选药物方面特别有效，甚至可以达到单细胞分辨率水平。
3. 通常涉及将药物的特征与另一种疾病表型进行比较，药物特征通常是通过药物处理前后的差异基因表达分析获得。
4. 两种特征之间的逆相关程度可以为药物是否能逆转疾病表型提供见解。
5. 具体而言，代表性基于特征的方法或连通性方法包括连通性得分，该得分基于柯尔莫哥洛夫-斯米诺夫（Kolmogorov-Smirnov，KS）统计，并首先由连通性图谱（Connectivity Map，CMap）项目实现。
6. 后来，还报告了其他方法，这些方法不仅衡量逆连通性的强度，还评估连通性的统计显著性，如连通性强度得分（Connection Strength Score，CSS）和极端和得分（Extreme Sum，XSum）得分。

Para_03

1. 最近，全基因组关联研究（GWAS）的进步揭示了复杂疾病的生物学重要见解。
2. 这些遗传学发现可以帮助识别适合针对各自疾病进行定制治疗的化合物。
3. 实际上，在2021年美国食品药品监督管理局（FDA）批准的50种药物中，三分之二的药物具有遗传学支持证据。
4. 传统上，GWAS信号可以通过识别因果变异和具有大效应大小的基因来提供选择候选药物靶点的机会。
5. 例如，IL23R通过GWAS被识别为克罗恩病的再利用候选药物，相应的药物乌司奴单抗已被证明对IL23R具有显著的治疗效果。
6. 然而，大多数显著变异位于基因组的非编码区域，这使得识别因果基因变得非常具有挑战性。
7. 此外，GWAS中识别的多数常见变异对特征具有小到适度的个体效应，这可能不足以用于治疗干预。
8. 相反，许多此类变异的综合多基因效应可能相当大，并构成总体特征遗传力的重要部分。
9. 为了利用绝大多数常见变异的发现能力，可以使用GWAS汇总统计信息来推断遗传调控表达（GReX）概况，然后与药物诱导的基因表达概况进行比较，如由连通性图谱项目生成的那些。
10. 这种扩展的签名匹配策略已在精神障碍、血液特征等领域成功应用。
11. 然而，目前仍然缺乏一个系统而全面的知识库，用于基于遗传学信息的药物再利用，涉及广泛的复杂疾病

Para_04

1. 为解决这一问题，我们开发了PharmGWAS，这是一个基于全基因组关联研究（GWAS）的药物再利用知识库，覆盖多种疾病的广泛范围。
2. 我们构建了一个标准的计算推断工作流程，首先实施转录组范围关联研究（TWAS）策略，并对每个GWAS数据集在疾病相关组织中的遗传表达调控（GReX）特征进行预测。
3. 我们还整理了来自CMap项目和基因表达数据库（GEO）中的全面药物诱导基因表达谱。
4. 接着，我们实施了六种计算方法来寻找与GReX特征呈负相关的药物诱导特征。
5. 这些方法已在文献中被充分报道和评估，成功地将疾病与候选药物联系起来。
6. 因此，PharmGWAS通过利用遗传证据提供了宝贵的参考资源，有助于发现新药、探索药物组合疗法以及识别药物抗性和副作用。

Materials and methods

Data collection

数据收集

Para_05

1. 我们主要从三个来源下载了全基因组关联研究（GWAS）汇总统计资料：GWAS Catalog、英国生物银行（UKBB）以及致力于各种疾病的大型联盟，包括冠状动脉疾病基因组复制与元分析（CARDIoGRAM）加上冠状动脉疾病遗传学联盟（C4D）、脑血管疾病知识门户/国际卒中遗传学联盟（CDKP/ISGC）、常见代谢性疾病知识门户（CMDKP）、心血管疾病知识门户（CVDKP）、生殖遗传学联盟（RGC）、精神病基因组联盟（PGC）和睡眠障碍知识门户（SDKP）。
2. 根据GWAS Catalog提供的实验因素本体（EFO），我们筛选掉了那些性状描述未映射到EFO中的疾病术语的GWAS数据。
3. 同时，我们仅保留了根据国际疾病分类（ICD-10）、癌症代码和非癌症疾病代码与疾病相关的UKBB GWAS数据。
4. 考虑到转录组广泛关联研究（TWAS）预测模型是基于欧洲血统的参考数据构建的，我们只保留了当前版本的PharmGWAS中的欧洲血统GWAS数据。
5. 去除了冗余的数据集。
6. 我们还从GWAS Catalog收集了如样本量、血统和发布年份等元数据，或通过人工审查原始出版物来获取。
7. GWAS数据集的概览显示在表1中。

• 表1. GWAS数据集概要

• Abbreviations:
• CARDIoGRAMplusC4D: Coronary ARtery DIsease Genome wide Replication and Meta-analysis plus The Coronary Artery Disease Genetics.
• CDKP/ISGC: Cerebrovascular Disease Knowledge Portal / International Stroke Genetics Consortium.
• CMDKP: Common Metabolic Diseases Knowledge Portal.
• CVDKP: Cardiovascular Disease Knowledge Portal.
• RGC: Reproductive Genetics Consortium.
• PGC: Psychiatric Genomic Consortium.
• SDKP: Sleep Disorder Knowledge Portal.

Para_06

1. 药物扰动特征。从两个来源获取了药物诱导的基因表达谱：2020年扩展的CMap LINCS资源（以下简称CMap2.0）和SigCom LINCS资源。
2. 对于CMap2.0，我们下载了小分子化合物的第5级数据以及包括化合物信息、剂量、时间、基因和细胞系在内的元数据。
3. SigCom LINCS是一个网络服务器，提供处理和分析超过一百万个基因表达特征的服务。
4. 我们从SigCom LINCS资源下载了第5级数据（文件名：自动人类GEO RNA-seq特征；访问日期：2023年5月29日），其中包含了可用于连通性分析的4269个特征。

Data analysis workflow

数据分析工作流程

Para_07

1. 我们构建了一个标准流程来推断遗传信息指导下的药物。
2. 首先，因为基因表达数据可能具有很强的组织特异性，我们利用GWAS数据定义了与疾病相关的基因，并进行了组织特异性富集分析（TSEA），以识别TWAS分析的相关组织。
3. 其次，我们在预测的组织中应用TWAS并获得了推断出的遗传调控表达（GReX）。
4. 第三，我们进行了连通性分析，通过整合GWAS指导的特征（GReX）和药物诱导的特征来推断候选药物。
5. 最后，我们通过结合六种连通性方法的结果来确定候选疾病-药物对。

Tissue-specific enrichment analysis

组织特异性富集分析

Para_08

1. 我们使用多标记基因组注释分析（MAGMA v1.10）根据全基因组关联研究总结统计计算基于基因的P值。
2. 我们将MAGMA P值小于0.05的基因定义为与疾病相关的基因，并使用deTS算法进行组织特异性表达分析以推断与疾病相关的组织。
3. 对于每个全基因组关联研究数据集，deTS确定了与疾病最相关的前三名组织，且P值小于0.05。
4. 我们使用这些组织进行后续分析。

Transcriptome-wide association study

转录组范围关联研究

Para_09

1. 为了推断疾病相关组织中的基因表达特征（GReX），我们在本研究中使用了转录组广泛关联研究（TWAS）方法S-PrediXcan。
2. 我们选择了使用GTEx数据（第8版发布版本）训练的多变量自适应收缩（Mashr）模型作为转录组预测模型。
3. 对于每个全基因组关联研究（GWAS）数据集，我们使用S-PrediXcan根据deTS确定的前三种疾病相关组织推断GReX。
4. 此外，无论疾病的组织特异性背景如何，我们都对所有疾病在全血组织中推断了GReX。

Connectivity methods and filtering criteria

连接方法和过滤标准

Para_10

1. 我们设计并实施了六种不同的连通性方法来推断药物候选物，这些方法基于之前的几项基准和回顾性研究。
2. 这些方法包括加权连通性得分（WTCS）、连接强度得分（CSS）、极限求和得分（XSum）以及三种类型的关联测量（斯皮尔曼、皮尔逊和余弦相似度）。

Para_11

1. WTCS 方法被用于 CMap2.0 中，并采用了基因集富集分析（GSEA）中的富集分数（ES）。
2. WTCS 定义如下：

Para_12

1. 其中，ESup和ESdown分别是上调和下调基因集的ES值。
2. 这些基因集的大小被统一定义为50。

Para_13

1. CSS 方法根据疾病特征和药物诱导特征中基因的符号秩来衡量相关性的强度。
2. 在使用 L1000 数据评估药物相似性时，CSS 已被证明优于其他方法。
3. CSS 的定义如下：

Para_14

1. 其中 R→ 是按等级排序的药物列表，S 是未排序的疾病特征（50个上调基因和50个下调基因），NS 是出现在 R→ 中的 S 中的基因数目，gsi 是集合 S 中的第 i 个基因，rdrugabs(gsi) 是基于绝对值的 gsi 在药物资料中的排名，signdrug(gsi) 是 gsi 在 R→ 中的符号，NR 是 R→ 中的基因数目。
2. 为了生成 CSS 的非参数 P 值，我们在 S 中随机选取 NS 个基因，并进行一万次排列。
3. 在生成 CSS 的非参数 P 值时，我们从 S 中随机选择 NS 个基因，并进行了十万次的重排实验。

Para_15

1. 方法XSum专注于排名靠前或靠后的基因，并且已经证明在使用CMap数据推断药物适应症方面比其他方法表现更好。
2. XSum得分定义如下：

ChangeByCompound = top N upregulated ∪ top N downregulated genes (compound-treated versus no compound-treated)

XUpInDisease = N disease-upregulated genes ∩ ChangeByCompound

XDownInDisease = N disease-downregulated genes ∩ ChangeByCompound

Sum(XUpInDisease) = sum of Z scores (level 5 data) of compound-induced genes in the set XUpInDisease

Sum(XDownInDisease) = sum of Z scores (level 5 data) of compound-induced genes in the set XDownInDisease

XSum = Sum(XUpInDisease) - Sum(XDownInDisease)

Para_16

1. 同样地，我们通过10000次XUpInDisease和XDownInDisease的置换来计算XSum的p值。在这项研究中，我们将N设定为50。

Para_17

1. 此外，我们计算了三种相关性指标：斯皮尔曼相关系数（SCC）、皮尔逊相关系数（PCC）和余弦相关得分（CCS），使用药物诱导表达谱与疾病诱导表达谱中共有的所有基因。
2. 这三种指标还可以扩展应用到两组受扰动最显著的基因（50个上调基因+50个下调基因）之间的极度共有基因上（XPearson：极端皮尔逊相关；XSpearman：极端斯皮尔曼等级相关；XCosine：极端余弦相关）。

Para_18

1. 根据以下标准，我们利用六种连接方法的所有结果，定义将被纳入我们数据库的候选疾病-药物对：

Para_19

1. WTCS 小于 0 且 CSS 小于 0 且 CSS 的 p 值小于 0.05 且 XSum 小于 0 且 XSum 的 p 值小于 0.05 且 SCC 小于 0 且 PCC 小于 0 且 CCS 小于 0.

Para_20

1. 此外，为了整合所有六种连接方法得出的重要性，我们提出了一种元评分方法，该方法计算识别出高度相关的药物的方法数量。
2. 具体而言，对于每个数据集-组织对，我们根据每种方法的得分对所有候选药物进行排名。
3. 如果一种药物被相应方法排在所有候选药物的前5%，则认为该方法已高度优先地识别出了这种药物。
4. 因此，每种药物会得到六个标签，每个标签表明根据六种方法之一它是否属于高度优先。
5. 值得注意的是，考虑到总共六种方法，元评分的范围在0到6之间。

Database implementation

数据库实现

Para_21

1. PharmGWAS 在 CentOS 7.9 环境的虚拟机上部署。
2. Nginx v1.20.1 (https://nginx.org/en/) 用作 HTTP 和反向代理服务器。
3. 我们使用 MySQL (https://www.mysql.com) 作为数据库引擎。
4. 后端 RESTful 网络服务是用 Java Spring Boot 框架 (https://spring.io/projects/spring-boot) 构建的。
5. Web 界面的前端采用 React (https://reactjs.org) 开发，并使用 UMI (https://umijs.org) 框架组织。
6. 对于用户界面（UI）库，我们选择了 Ant Design (https://ant.design)，它包含了一系列高质量的组件，可以轻松扩展来构建丰富且交互性强的用户界面。
7. 此外，通过使用 HighCharts (https://www.highcharts.com) 和 ECharts (https://echarts.apache.org) 等不同的库实现了图表的交互式可视化功能

Database content and usage

Overview of PharmGWAS

PharmGWAS 概览

Para_22

1. PharmGWAS 致力于将 GWAS 信号转化为临床实践。
2. 目前，PharmGWAS 包含了从 GWAS Catalog、英国生物银行（UKBB）及多个大型联盟整理出的 1929 个 GWAS 数据集。
3. 此外，我们还从 CMap2.0 收集了 720216 个化合物扰动基因表达特征，并从 GEO 另外收集了 4269 个扰动特征。
4. 我们实施了标准流程来推断每个 GWAS 数据集对应的候选疾病-药物对。
5. PharmGWAS 的概览如图 1 所示。
6. 目前，PharmGWAS 存储了共计 732947 个源自 CMap 特征的遗传信息指导下的疾病-药物对，以及来自 GEO 特征的 7280 个疾病-药物对，总计 740227 个（732947 + 7280）疾病-药物对。
7. 其中，81.58%（603874 个）具有 0 的元分数，11.40%（84411 个）具有 1 的元分数，3.52%（26021 个）具有 2 的元分数，2.89%（21370 个）具有 3 的元分数，0.49%（3652 个）具有 4 的元分数，838 个具有 5 的元分数，而 61 个具有 6 的元分数。
8. 在所有网页中，排序结果的默认规则是基于元分数降序排列。
9. 据我们所知，PharmGWAS 是首个系统且全面地识别几乎所有可用疾病特征的药物再利用候选药物的数据库。

• 图1. PharmGWAS的概览图解。TSEA：组织特异性富集分析。TWAS：转录组全关联研究。GEO：基因表达总库。WTCS：加权连通性得分。CSS：连接强度得分。XSum：极限和得分。

Web interface

网页界面

Para_23

1. PharmGWAS 提供了一个用户友好的界面，使用户能够直观地搜索、浏览和下载数据库中的任何结果（图 2）。
2. 主页上提供的搜索功能支持基于关键词的快速查询，适用于多种类型的项目，如疾病的名称、CMap 签名或 GEO 签名（图 2A）。
3. 同时，用户可以通过三个特色模块来浏览整个数据库：浏览、CMap 结果和 GEO 结果。
4. PharmGWAS 中所有处理过的数据均可免费获取。

• 图 2. PharmGWAS 主要网页的截图。(A) 首页搜索功能使用户能够快速查询多项内容，包括 GWAS 数据集、CMap 签名和 GEO 签名。
• (B) 浏览模块提供了多标准搜索功能，以便进一步筛选感兴趣的数据。
• (C) 单个 GWAS 数据集的详细浏览页面。点击"关联 ID"将引导用户查看对应项目的详细结果和图表，点击"CMap 名称"则会链接到 PubChem 获取具体信息。
• (D) 每个候选疾病-药物对的详细结果页面。
• (E) CMap 结果和 GEO 结果模块。

Para_24

1. 浏览模块由三个页面组成，便于探索GWAS数据集、CMap签名和GEO签名。
2. 设计了一系列扩展的交互式功能模块，如多标准搜索和下载，使用户能够快速检索到感兴趣的相关数据（图2B）。
3. ‘GWAS数据集’的浏览页面存储了大量关键元信息，包括数据来源、疾病名称、发布年份、GWAS的样本量、病例数量、对照数量等。
4. ‘CMap签名’和‘GEO签名’的浏览页面也包含许多元信息，例如签名名称、作用机制（MOA）、规范SMILES、InChiKey、细胞系、剂量和GEO存取号等。
5. 值得注意的是，点击感兴趣的行中的相应‘数据集名称’或‘签名ID’按钮，将引导用户进入一个新的‘详细页面’，查看特定GWAS数据集或签名的详细结果。
6. GWAS数据集的详细页面显示关于研究的元信息、deTS识别出的与疾病相关的组织以及从CMap签名和GEO签名得出的药物候选（图2C）。
7. 此外，用户可以通过输入和选择有关组织、CMap名称或GEO存取号的关键词来过滤结果。
8. 将鼠标悬停在表头的每个条目上可以查看更多关于列的解释性信息，点击表头则按选定的列对表格进行排序。
9. 通过点击‘CMap名称’列，用户可以访问PubChem（49）中对应化合物的详情，例如化学和物理性质、临床试验、综合参考文献、专利等。
10. 点击‘关联ID’列，用户将被导向一个专门页面，其中包含该项目的详细结果和图表（图2C）。

Para_25

1. 关于个体疾病-药物对的‘详细页面’包含五个部分（图 2D）。
2. 首先，在页面顶部展示了对应疾病的元信息和药物的元信息。
3. 其次，我们使用雷达图来概览所有六种连通性方法的结果。
4. 六种方法结果所围成的面积越大，候选药物就越可靠。
5. 第三，为了评估疾病上调基因是否出现在药物诱导特征的底部，以及疾病下调基因是否出现在药物诱导特征的顶部，提供了预排序的药物特征列表中的疾病上调基因和下调基因的 GSEA 图。
6. 接下来，通过韦恩图展示了疾病上调基因与药物下调基因的逆向交集分析，同样地，也展示了疾病下调基因与药物上调基因的逆向交集分析。
7. 最后，在直方图中显示了疾病和药物特征中上调基因和下调基因对应的 Z 分数。

Para_26

1. ‘CMap Results’和‘GEO Results’模块提供了直接跨数据集和特征搜索疾病-药物对的机会（图2E）。
2. 还提供了一个高级搜索功能。
3. 用户可以通过点击‘CMap Results’和‘GEO Results’页面中的‘关联ID’跳转到疾病-药物对的详情页面。
4. 此外，所有处理结果都可以自由下载。

Application of PharmGWAS: coronary artery disease as an example

应用PharmGWAS：以冠状动脉疾病为例

Para_27

1. 我们将韦布等人报告的冠状动脉疾病（CAD）的全基因组关联研究（GWAS）数据作为案例研究，以展示PharmGWAS的应用（图2C和D）。
2. CAD是全球主要的死亡原因，具有重要的遗传成分，GWAS已确定了大约60个位点，解释了约15%的遗传性。
3. 通过使用MAGMA和deTS确定与CAD最相关的三种组织分别是冠状动脉（P = 0.0070）、肝脏（P = 0.0242）和脾脏（P = 0.0242）。
4. 我们在这些三种组织以及全血中计算了遗传风险指数（GReX）。
5. 通过对CMap2.0特征进行连通性分析后，冠状动脉中最优先考虑的候选药物是利索非林（WTCS = -0.5730，XSum = -9.3722，XSum P值小于1×10-5，CSS = -0.1464，CSS P值= 0.0101，SCC = -0.1478，PCC = -0.1996，CCS = -0.1998）（图2C）。
6. 利索非林最初被设计为抗炎剂，并曾用于糖尿病治疗的研究。
7. 据报道，它能够抑制血清中的游离脂肪酸，而这是动脉粥样硬化的风险因素，动脉粥样硬化是糖尿病的主要并发症。
8. 此外，利索非林的一种甲基黄嘌呤衍生物——己酮可可碱已被证明对动脉粥样硬化有治疗益处。
9. 综合以上信息，利索非林是治疗CAD的一个可靠候选药物。
10. 这些结果表明，PharmGWAS可以作为一种有价值的资源，通过利用人类遗传学数据的发现能力来支持药物再利用。

Discussion and future developments

Para_28

1. 在这项研究中，我们开发了PharmGWAS，这是一个基于全基因组关联研究的知识库，通过整合人类遗传数据和药物扰动数据来实现药物再利用。
2. 据我们所知，PharmGWAS是首个有价值的参考资源，它提供了数千种公开可用、与疾病相关的全基因组关联研究数据集，经过统一的药物再利用工作流程处理后的分析结果。
3. 除了来自多个来源的全基因组关联研究数据集覆盖的广泛疾病类型外，从CMap2.0检索到的药物扰动数据以及从SigCom LINCS提取的GEO RNA-seq特征也是最全面的数据之一。
4. 我们的结果从人类遗传学的角度为药物发现、药物组合、药物抗性和药物副作用提供了新的见解。

Para_29

1. 随着新GWAS数据集的积累以及样本数量的增加，PharmGWAS将通过收集和处理最新的遗传数据持续更新。
2. 特别地，我们的结果仅限于科学研究，并不构成任何临床建议。
3. 由于GWAS数据集的质量参差不齐以及预测GReX的差异性，在解释我们的结果时需要谨慎。
4. 此外，因为CMap数据局限于特定的细胞系而非组织，进一步扩大组织种类的努力将提高我们研究结果的可靠性。
5. 最后，随着单细胞测序技术的发展和成本的下降，大规模人群级别的单细胞测序应用变得可能。
6. 因此，我们预计基于TWAS概念的药物再利用框架将在未来扩展到单细胞分辨率层面。

Data availability

Para_30

1. PharmGWAS 可通过 https://ngdc.cncb.ac.cn/pharmgwas 访问。用户可以通过网络服务自由访问所有处理过的数据和结果。