NAR丨SEA version 4.0：超级增强子数据库重大升级，跨物种解析基因调控

跨物种、多组学的超级增强子识别体系

SEA 4.0构建了一套标准化、可重复的计算流程，用于系统性地识别和注释SE。该版本最大的突破在于新增H3K4me1作为核心识别标志。传统上，SE的识别严重依赖H3K27ac等活性标记，但H3K4me1作为“预启动”或“预备”增强子的标志，能够有效识别那些尚未完全激活但具有调控潜能的区域。文章指出，整合H3K4me1可将SE的预测准确性提升27.3%。该流程整合了来自ENCODE、GEO等公共数据库截至2024年12月的海量数据，使用Bowtie2进行序列比对，MACS2进行峰检测，并采用ROSE算法将相距在12.5 kb以内的相邻增强子“缝合”成潜在的SE。为了确保结果的可靠性，流程中严格排除了转录起始位点±2.5 kb范围内的区域，并过滤掉长度小于1 kb的候选SE，此举有效消除了89%的非功能性染色质环干扰，将假阳性识别率较SEA 3.0降低了41%。

SE活性元素评分系统：量化调控强度

为更精确地衡量SE的调控强度，SEA 4.0创新性地提出了“SE活性元素” 的概念及其量化评分算法。一个SE活性元素被定义为一个包含组成型增强子、染色质可及性区域和转录因子结合位点的完整功能基因组单元。其最终得分（score_AE）并非单一信号，而是三个核心基因组特征的加权整合：

• 组成型增强子信号：计算每个增强子区域的标准化峰值信号，并按其有效长度占整个SE长度的比例进行加权。

• 染色质可及性信号：整合来自23个人体组织的56个ATAC-seq数据集，同样按可及性区域的有效长度进行加权。

• 转录因子结合富集：汇总SE区域内所有TFBS的富集分数，乘以位点数量，并进行长度归一化。

基于Shannon熵的SE特异性分析：精准定位细胞身份开关

SE的核心特性之一是其高度的细胞类型特异性。SEA 4.0在v3.0的基础上，优化了基于Shannon熵的算法来量化这种特异性。其原理是：一个在多种细胞中均活跃的“通用型”SE，其活性分布均匀，熵值较高（接近log₂(n)）；而一个仅在特定细胞中活跃的“特异性”SE，其活性高度集中，熵值接近于0。SEA 4.0的关键改进在于引入了归一化程序，以消除SE长度巨大差异所带来的偏差。算法首先计算每个基因组区域的归一化信号（即其组蛋白修饰峰值信号按其有效长度比例加权之和），再基于此归一化值计算跨细胞系的Shannon熵。

交互式调控网络与肿瘤特异性SE检测器：从静态数据到动态分析

SEA 4.0超越了静态数据仓库的定位，提供了两大动态分析工具：

交互式调控网络：用户输入一个基因、转录因子或SE的标识符，工具即可在人类或小鼠中构建一个一阶邻居交互网络。该网络以图形化方式动态展示查询实体与相关联的增强子、SE和TF之间的连接。点击网络中任一节点，可实时展开其直接互作对象，支持用户深入探索调控子网络，所有数据均可导出。

肿瘤特异性SE检测器：该工具专为癌症研究设计，整合了来自12种癌症类型及其正常对照的scRNA-seq数据，涵盖超40万个单细胞。利用Seurat和Harmony进行细胞聚类与批次效应校正，通过SingleR进行细胞类型注释，最终通过比对细胞类型特异性标记基因与已知SE相关基因集，来锁定肿瘤内特定细胞亚群（如癌细胞、免疫细胞）特有的SE，并通过t-SNE/UMAP图和小提琴图进行可视化。

多功能注释模块：从CRISPR靶点到异染色质区域