通路扰动分析器

本工具不依赖你自己的实验数据，而是用公开的扰动组学资源，推断"客户研究的化合物（或它作用的靶点）干预细胞后，通路会怎么变"，并在指定疾病时进一步回答"这种干预是把疾病状态拉回来、还是推得更远"。核心逻辑：扰动后的差异基因 → 分方向做通路富集 → 上调基因富集到的通路 = 被激活/升高；下调基因富集到的通路 = 被抑制/降低。

1. 受支持的化合物类型：不限"已知抑制剂"——中药单体、天然产物、代谢产物、客户自己合成的化合物都可以分析。工具提供四种扰动方式，按"证据强度"从高到低：
   ① 化合物实测签名（LINCS_L1000_Chem_Pert_Consensus_Sigs，覆盖 5422 个化合物，含姜黄素、小檗碱、白藜芦醇、槲皮素、大黄素、丹参酮 IIA、青蒿素等大量天然产物）：直接取该化合物处理细胞后的实测共识转录组签名，最贴近真实给药场景。
   ② 客户自有差异表达数据：客户若已用该化合物处理细胞并做过转录组，粘贴上/下调基因列表即可，零推断，证据最强。
   ③ 基因功能缺失签名（LINCS_L1000_CRISPR_KO_Consensus_Sigs，覆盖 5212 个基因）：取该靶点被敲除后的转录组改变，代表"蛋白功能被拿掉"的通路后果，覆盖率最高、最稳定。
   ④ 多靶点代理签名（自研 / 未收录化合物）：用该化合物的已知靶点（DGIdb）的敲除签名合并代理。合并规则：抑制型靶点用其敲除签名本身，激活型靶点取反向（功能增强 ≈ 反向的功能缺失）；每个基因按净票数定方向——在 N 个靶点里被上调、在 M 个里被下调，N>M 归上调、M>N 归下调、N=M 丢弃（方向冲突、互相抵消）。多靶点药物本来就靠"组合效应"，这一合并策略既保留了组合效应，又不让方向冲突的基因污染富集结果。所有实测签名均为多细胞系、多剂量、多时间点的共识签名。
2. 化合物 → 靶点 / 靶点 → 抑制剂映射：均来自 DGIdb；化合物名会自动剥离盐酸盐、甲磺酸盐等成盐后缀后与 LINCS 条目匹配，无法匹配时才退到代理签名。结果页顶部的"签名来源"条会明确标出本次用的是实测签名、代理签名还是客户自有数据。
3. 通路富集：上调基因集与下调基因集分别提交到 Enrichr，对 KEGG / Reactome / MSigDB Hallmark / GO 生物学过程做超几何检验（ORA），用 Benjamini–Hochberg 校正 P 值。显著性阈值 校正 P < 0.05（或原始 P < 0.01），按校正 P 排序展示 Top 12。

指定疾病后的额外分析：

1. 疾病共识签名：从 Disease_Perturbations_from_GEO_up / _down 中取出该疾病全部人类 GEO 数据集的差异表达基因，逐基因多数投票（某基因在 ≥20% 的数据集中方向一致才纳入），合并为一个共识的疾病上调 / 下调基因集。条目名中的 sample N 是库内序号，同一 GSE 下的多个对比属于彼此独立的签名，因此全部保留。
2. 逆转 / 加重判定：构建 2×2 列联表——扰动↑×疾病↑、扰动↑×疾病↓、扰动↓×疾病↑、扰动↓×疾病↓，做 Fisher 精确检验。优势比 OR = (同向积)/(反向积)：OR 显著 < 1 说明扰动方向系统性反于疾病方向，即有望逆转疾病（例：敲除 BRAF 对 melanoma，OR=0.30, p=0.036）；OR 显著 > 1 则提示可能加重。
3. 通路方向对照：对疾病自身的上/下调基因集也做同一套通路富集，得到"疾病中升高/降低的通路"，再与扰动后的通路方向逐条比对，标出 ✓ 逆转 与 ✗ 加重。
4. 疾病相关基因：DisGeNET 提供该疾病的已知关联基因，用于标注每条通路命中的基因里有多少属于疾病相关基因；勾选"只看疾病相关基因"后，会把扰动签名先与疾病关联基因取交集再做富集，聚焦到疾病语境下的变化。
5. 靶点-疾病关联证据：Open Targets Platform 给出该靶点与目标疾病的整体关联评分（0–1），作为独立佐证。
6. 靶点互作蛋白：来自 STRING v12 数据库的 interaction_partners 接口（人类，每个靶点取综合评分前 30）。综合评分由邻接基因、基因融合、共现、共表达、实验证据、已有数据库、文本挖掘七类证据加权而来；评分 ≥ 0.7 通常视为高置信。若某互作蛋白同时出现在本次分析的扰动签名（模块 2）或疾病基因集中，表格会自动打标——这类"互作 + 表达双重证据"的伙伴往往提示药物效应的间接传导路径。多靶点代理签名模式下，会同时查询所有生效靶点（最多 5 个）的互作伙伴，按伙伴去重取最高评分，并标注它来自哪个靶点。

需要注意的局限：① LINCS 数据来自少数几种细胞系（如 A375、MCF7、PC3、VCAP、HA1E、HEPG2），不同细胞背景下通路响应会有差异，本结果应视为假设生成而非定论；② 化合物实测签名含脱靶效应，不完全等于"纯靶点抑制"，故推荐同时参考 CRISPR 敲除签名；③ 多靶点代理签名是推断结果——它反映的是"同时压制这几个靶点会怎样"，不等于该化合物本身的实测效应，报告中标为"代理签名"的结果不能直接当作化合物的机制结论，建议用自有实验数据（方式②）复核；④ 富集背景为 Enrichr 默认基因背景，校正 P 的绝对值会略偏乐观，建议重点关注通路之间的相对排序；⑤ 疾病签名来自 GEO 数据集，样本量、组织来源、分期不一，共识只能反映共性变化，会抹平亚型差异；⑥ 逆转结论是转录组层面的统计关联，不等于疗效，仍需在自己的细胞/动物模型上验证。