ChEA-KG: Human Transcription Factor Regulatory Network with a Knowledge Graph Interactive User Interface

O artigo apresenta o ChEA-KG, uma aplicação web interativa que disponibiliza uma rede regulatória gênica humana de alta qualidade, construída a partir de análises de enriquecimento de fatores de transcrição, permitindo a visualização e exploração de sub-redes específicas relacionadas a tipos celulares, câncer, mecanismos de ação e envelhecimento.

O essencial

Imagine que o corpo humano é uma cidade gigante e super complexa. Nessa cidade, existem milhões de trabalhadores (os genes) que constroem tudo: desde o coração até a pele. Mas quem manda nos trabalhadores? Quem decide quem trabalha, quando trabalha e quanto trabalha?

Esses "chefes" são chamados de Fatores de Transcrição (TFs). Eles são como os gerentes de uma empresa, dando ordens para ligar ou desligar as máquinas (genes). O problema é que esses gerentes também se dão ordens uns aos outros! Um gerente pode mandar no outro, criando uma rede de comunicação gigantesca e confusa.

Os cientistas deste artigo criaram um mapa digital dessa rede de gerentes. Eles chamaram esse projeto de ChEA-KG.

Aqui está como eles fizeram isso, explicado de forma simples:

1. O Grande Detetive (Como eles construíram o mapa)

Imagine que você tem milhares de diários antigos (dados de laboratórios do mundo todo) onde os cientistas anotaram o que aconteceu quando mudaram algo nas células (como dar um remédio ou mudar a dieta).

• A Mistério: "O que aconteceu quando desligamos o gene X?"
• A Solução: Eles usaram um programa inteligente (chamado ChEA3) para ler esses milhares de diários. O programa perguntou: "Quem foi o gerente (Fator de Transcrição) que provavelmente deu a ordem para isso acontecer?"
• O Resultado: Ao conectar todas essas pistas, eles desenharam um mapa com mais de 130.000 linhas de comando ligando 700 gerentes a 1.500 outros gerentes. É como se eles tivessem desenhado o organograma completo de uma empresa com milhões de funcionários, mostrando quem manda em quem.

2. A Ferramenta Mágica (O Site Interativo)

Eles não guardaram esse mapa num baú fechado. Eles criaram um site interativo (como um Google Maps, mas para o interior das células).

• Como funciona: Você pode entrar no site, digitar o nome de um "gerente" (um Fator de Transcrição) e ver quem ele manda e quem manda nele.
• A Mágica: Se você tiver uma lista de genes que estão agindo de forma estranha (por exemplo, em um câncer), você joga essa lista no site. O sistema diz: "Olha! Esses genes estão sendo controlados por este grupo específico de gerentes!" E ele mostra o desenho da rede deles.

3. Os "Mapas de Cidades" (Os Atlas)

Para tornar o mapa ainda mais útil, eles criaram quatro "guias turísticos" especiais dentro do site:

• Atlas das Células (O Mapa dos Bairros): A cidade tem bairros diferentes (células do sangue, do coração, do intestino). Eles mapearam quais gerentes são os "prefeitos" de cada bairro. Por exemplo, no bairro dos glóbulos vermelhos, o gerente principal é o NFE2.
• Atlas do Câncer (O Mapa dos Vilões): O câncer é como uma cidade onde os gerentes estão loucos e descontrolados. Eles mapearam 69 tipos diferentes de tumores para ver quais gerentes estão dando ordens erradas em cada tipo de câncer. Isso ajuda a entender por que um tumor é diferente do outro.
• Atlas dos Remédios (O Mapa das Chaves): Eles testaram 30 tipos de remédios diferentes. O mapa mostra como cada remédio "trava" ou "destrava" os gerentes. Por exemplo, eles descobriram que certos remédios para o coração (bloqueadores beta) podem, sem querer, ajudar a combater o câncer desligando um grupo de gerentes que o tumor adora.
• Atlas do Envelhecimento (O Mapa do Tempo): Eles olharam para 24 tecidos do corpo e viram como os gerentes mudam de comportamento quando a pessoa fica velha. Eles encontraram um grupo de gerentes que parece ser o "relógio" biológico que acelera o envelhecimento em vários órgãos ao mesmo tempo.

Por que isso é importante?

Antes, os cientistas tinham que adivinhar quem mandava em quem, olhando para uma peça de cada vez. Agora, com o ChEA-KG, eles têm o mapa completo da cidade.

Isso é como ter um GPS para a biologia. Se você está tentando curar uma doença, em vez de atirar para todo lado, você pode olhar no mapa, ver qual "gerente" está dando a ordem errada e criar um remédio para corrigir exatamente essa ordem.

Resumo da Ópera:
Os cientistas criaram um Google Maps interativo para os "chefes" dentro das nossas células. Eles usaram dados de milhares de estudos para desenhar quem manda em quem, e agora qualquer pessoa pode usar esse mapa para entender doenças, envelhecimento e como os remédios funcionam, tudo isso visualizando redes complexas de forma simples.

Resumo técnico

1. Problema e Contexto

A regulação da expressão gênica em humanos é controlada por uma rede complexa de Fatores de Transcrição (TFs) que formam Redes de Regulação Gênica (GRNs). Embora existam diversos métodos experimentais (como ChIP-seq) e computacionais (mineração de texto, matrizes de peso de posição) para reconstruir essas redes, eles frequentemente apresentam limitações:

• Cobertura incompleta (apenas um subconjunto de TFs).
• Falta de direção ou sinal (ativação vs. repressão).
• Viéses de literatura ou dependência de evidências indiretas.
• Ferramentas existentes de Análise de Enriquecimento de Fatores de Transcrição (TFEA) muitas vezes não fornecem visualizações de rede interativas que conectem os TFs enriquecidos em um contexto de rede global.

O objetivo deste trabalho foi desenvolver uma abordagem diferente para reconstruir uma GRN humana de alta qualidade, abrangente e com sinais definidos, e disponibilizá-la através de uma interface interativa baseada em Grafos de Conhecimento (Knowledge Graph - KG).

2. Metodologia

A construção do ChEA-KG seguiu um pipeline rigoroso de dados e validação:

• Fonte de Dados: Foram utilizados conjuntos de genes diferencialmente expressos ("up" e "down") provenientes do recurso RummaGEO, que agrega milhares de estudos de RNA-seq do GEO. Apenas estudos com grupos de controle e perturbação claros foram selecionados (29.328 conjuntos de genes de 10.901 estudos).
• Inferência da Rede (TFEA): Cada conjunto de genes foi submetido à análise de enriquecimento de TFs utilizando o ChEA3. Os 10 TFs mais bem classificados para cada conjunto foram identificados.
• Construção de Arestas: Foram inferidas arestas dirigidas e com sinal (positivo/negativo) entre os TFs fontes (top 10 enriquecidos) e os genes alvo (TFs presentes no conjunto de genes de entrada). O sinal foi determinado pela direção da regulação (up/down) do conjunto de genes.
• Filtragem e Significância Estatística:
  • A rede inicial continha milhões de arestas. Para remover ruído e coincidências aleatórias, dois métodos de permutação foram desenvolvidos: Target Set Swap (TSS) e Node Draw (ND).
  • O valor-p foi calculado comparando a frequência observada das arestas com a distribuição esperada em redes aleatórias. Arestas com $p \ge 0.01$ foram descartadas.
  • Conflitos de sinal (mesmo par de nós com arestas up e down) foram resolvidos mantendo o sinal mais significativo.
• Benchmarking: As redes filtradas foram validadas comparando-as com redes de referência independentes (TRRUST, TRANSFAC e JASPAR) que não foram usadas na construção do ChEA-KG. O método ND-filtered demonstrou melhor desempenho e foi selecionado para a aplicação final.
• Infraestrutura: A rede foi armazenada em um banco de dados Neo4j e acessada via uma interface web interativa (KG-UI) utilizando Cytoscape.js para visualização.

3. Principais Contribuições

O trabalho apresenta o ChEA-KG, uma aplicação web interativa que oferece:

• Uma GRN Humana de Alta Fidelidade: Contém 131.581 arestas dirigidas e com sinal conectando 701 TFs fontes a 1.559 TFs alvo.
• Visualização Interativa: Permite consultas de nós únicos, pares de nós (caminhos mais curtos) e visualização de sub-redes de TFs enriquecidos.
• Análise de Enriquecimento Integrada: Os usuários podem enviar seus próprios conjuntos de genes para realizar TFEA com o ChEA3 e visualizar os TFs resultantes dentro do contexto da rede global.
• Quatro "Atlases" de Sub-redes Curadas:
  1. Cell Atlas: Sub-redes para 131 tipos celulares humanos normais (ex: eritrócitos, células musculares cardíacas).
  2. Cancer Atlas: Sub-redes para 69 subtipos tumorais de 10 tipos de câncer (ex: Carcinoma de células escamosas pulmonares).
  3. MoA Atlas (Mechanism of Action): Sub-redes associadas a 30 mecanismos de ação comuns de fármacos (ex: inibidores de HDAC, antagonistas adrenérgicos).
  4. Aging Atlas: Sub-redes de 24 tecidos humanos relacionados ao envelhecimento (baseado em dados GTEx).

4. Resultados

• Estatísticas da Rede: A rede filtrada (ND) conecta quase todos os TFs humanos conhecidos, superando em escala redes baseadas apenas em mineração de texto (como o TRRUST).
• Validação: A rede filtrada mostrou sobreposição estatisticamente significativa com as redes de referência (TRRUST e PWMs), superando redes aleatórias de tamanho similar.
• Descobertas Biológicas nos Atlases:
  • Células: Identificação de reguladores mestres conhecidos e predição de novos reguladores para tipos celulares específicos (ex: papel de MRFs em células musculares cardíacas e ELK3 em células estromais mesenquimais).
  • Câncer: A análise de subtipos de câncer de pulmão revelou mecanismos distintos, como regulação de células T, morfologia do mesencéfalo e desenvolvimento pulmonar, permitindo a classificação de tumores como "quentes" ou "frios" imunologicamente.
  • Fármacos (MoA): A rede revelou módulos de TFs co-regulados por mecanismos de ação específicos. Por exemplo, antagonistas adrenérgicos ativam um módulo de TFs supressores tumorais que regulam a transição epitélio-mesenquimal (EMT); inibidores de HDAC ativam genes de resposta imediata (IEGs).
  • Envelhecimento: Uma rede global de envelhecimento identificou um módulo regulatório centralizado em torno do TF ISX (Homeobox Específico do Intestino), sugerindo uma conexão entre metabolismo, desenvolvimento tecidual e envelhecimento.

5. Significância

O ChEA-KG representa um avanço significativo na biologia de sistemas e na bioinformática por:

1. Integração de Dados: Combina massivamente dados de expressão gênica diferencial com conhecimento de ligação de TFs para inferir relações diretas e com sinal.
2. Contextualização: Vai além da simples lista de TFs enriquecidos, mostrando como eles interagem em sub-redes funcionais, oferecendo insights sobre a dinâmica regulatória.
3. Acessibilidade e Usabilidade: Ao fornecer uma interface web interativa com visualização de rede dinâmica (algo raro em ferramentas de TFEA), democratiza o acesso a redes complexas para biólogos e clínicos.
4. Potencial de Descoberta: Os atlases curados servem como recursos para gerar hipóteses sobre novos reguladores mestres, mecanismos de doenças e alvos terapêuticos, validando descobertas conhecidas e propondo novas relações biológicas que podem ser testadas experimentalmente.

O código-fonte e os dados estão disponíveis publicamente, promovendo a reprodutibilidade e a expansão futura da rede para incluir outros componentes regulatórios (como quinases e modificadores de cromatina).