基于RNA-seq数据利用proActiv算法分析肝细胞癌启动子活性

背景: CAGE-seq技术可以直接识别mRNA中的转录起始位点(TSS)，是研究选择性启动子的有力工具。然而，目前公开的肝细胞癌(HCC) CAGE-seq数据非常有限。

方法: 为解决数据限制问题，我们采用新加坡基因组研究所Patrick Tan教授团队开发的proActiv算法，利用RNA-seq数据计算启动子活性。proActiv算法已在PCAWG、TCGA和GTEx等大型队列中得到验证，并与H3K4me3 ChIP-seq和CAGE-seq数据高度一致。

结果:

我们下载了FANTOM数据库中HepG2细胞系的CAGE-seq数据，验证了proActiv算法的可靠性。结果显示，高启动子活性组几乎所有启动子都能检测到CAGE信号，而无活性启动子组只有极少数能检测到。2. proActiv算法能够准确识别经典选择性启动子RASSF1的不同启动子活性变化。3. 我们进一步通过RT-qPCR验证了HepG2细胞系中ARAP1基因的启动子活性与其转录表达丰度的一致性。

结论: 尽管proActiv算法并非计算启动子活性的最佳方法，但在研究条件受限的情况下，它是一种可选且可行的替代方法。利用proActiv算法，我们可以有效分析RNA-seq数据，并获得有关HCC启动子活性的重要信息。相关结果已添加到结果3.2.2、3.7.4和3.8.1中。