对候选基因集进行功能富集分析

案例演示 人工选定的人类 DNA 损伤相关基因集

把明确的基因列表转成生物过程与通路富集结果表，同时保留标识符映射、统计背景和数据源版本。

开始前，按科学数据库启用所需 Connector，选择已连接的模型，并确保 Notebook 运行环境可用。

前半部分演示 g:Profiler；后半部分在 v0.33.3 中用相同的 11 个公开基因符号比较 Enrichr 与 STRING。这些基因按已知生物学功能选定，出现富集符合预期；它们不是 GSE60450 项目的差异表达结果，也不能当作无偏发现的证据。

1. 确定基因列表和分析设置

1. 在 Settings → Connectors 中确认 Genes & Ontologies 对 Agent 可用，打开已连接模型且 Notebook 运行环境可用的会话。
2. 指定物种、基因标识、数据来源和统计背景。真实实验应根据哪些基因有机会被实验筛选来确定背景；本例明确使用全部已注释基因，没有提交自定义的实测基因背景。
3. 发送下方提示词，在同一会话中查询来源版本并执行富集，保存实际结果。

Use Genes & Ontologies through Session Notebook for an English g:Profiler
tutorial. The deliberately selected gene list is TP53, ATM, ATR, CHEK1,
CHEK2, BRCA1, BRCA2, RAD51, CDKN1A, GADD45A, MDM2.
First call list_enrichment_sources with organism hsapiens.
Then call enrich_gene_set with these genes, organism hsapiens,
sources GO:BP and REAC, domain_scope annotated,
correction_method fdr, and user_threshold 0.05.
Save the full response as dna-damage-enrichment.json, all returned terms
as dna-damage-enrichment.csv, and query, source versions, mappings,
background and limitations as dna-damage-enrichment-notes.md.
Retain unmapped, ambiguous and duplicate identifiers. Treat mapped_genes
as the returned mapping object. Report errors instead of inventing results.
This is not differential-expression evidence or evidence of regulation direction.

2. 核对标识符及数据源版本

打开生成的说明，核对查询与映射数量。本次 11/11 个标识映射成功，未映射、歧义和重复标识均为 0。记录的版本为 GRCh38.p14、g:Profiler e114_eg62_p19_27110d83、GO 类别 2026-01-23、Reactome 类别 2026-03-20。后续服务更新可能返回不同条目。

3. 检查富集结果表

打开 CSV 并与完整 JSON 比较。本次按 FDR 0.05 返回 891 条。预览只显示前 100 行，这个显示上限不是结果总数。解释条目时保留 source、native、已校正的 p_value、intersection_size、query_size 和 effective_domain_size。

分析说明 · 全部 891 行结果 · 完整响应

background_size: null 表示没有提交自定义背景列表，不代表统计总体有零个基因；应检查每个条目的有效背景大小。富集不能确定因果、差异表达或上调、下调方向。操作参数

4. 比较 Enrichr 与 STRING 网络富集

Enrichr 检查提交的基因在哪些注释集合中过度出现；STRING PPI 富集检查这些蛋白之间的网络互作是否多于预期。这是两个不同的检验，结果一致也不等于独立重复验证了某个生物学结论。

1. 在 Settings → Connectors 中启用 Genes & Ontologies 和 Protein Annotation，供 Agent 使用。
2. 创建 DNA Damage Gene Set 项目并打开新会话。本例使用 Codex 和 Session Notebook。
3. 先查询可用的 Enrichr 库。本次固定选择 GO_Biological_Process_2025，让保存的结果有明确的注释版本；改用较新的库可能得到不同结果。
4. 发送下方提示词，运行完成后打开生成的说明：

Compare Enrichr functional enrichment with STRING PPI enrichment for
TP53, ATM, ATR, CHEK1, CHEK2, BRCA1, BRCA2, RAD51, CDKN1A, GADD45A, MDM2.
Use the built-in Genes & Ontologies and Protein Annotation connectors
through Session Notebook. List the current human Enrichr libraries;
use GO_Biological_Process_2025 with max_results 500 if available.
Run STRING PPI enrichment with species 9606 and required_score 700.
Save raw_connector_responses.json, enrichment_comparison_results.csv
and analysis_notes.md in English. Retain the query, source versions,
identifier mappings, reported background, n_total_results, n_results
and truncated flag, plus raw and adjusted P values where provided.
These genes were deliberately selected for known DNA-damage roles.
Do not infer unbiased discovery, causal regulation or expression direction.
Distinguish annotation enrichment from excess network interactions.
If STRING returns a P value of 0, preserve it as returned without claiming
an exact zero probability or inventing a numerical precision threshold.

核对输入与完整响应

打开 analysis_notes.md，与 raw_connector_responses.json 对照。9 月 28 日的运行列出 228 个库，所选库返回 305/305 个条目，truncated: false。max_results 默认为 100，返回 100 行不一定表示结果完整；应检查响应中的数量和截断标记，必要时提高上限，最大为 500。

STRING 成功映射全部 11 个基因，没有未映射项，记录的版本为 12.0、物种为 9606、分数阈值为 700。Enrichr 返回 mapping_status: not_reported_by_enrichr，不能把 STRING 的映射结果写成 Enrichr 的结果。本次没有提交自定义背景；Enrichr 库的基因覆盖数 14,674 是元数据，不是服务报告的精确统计背景大小。

分别解释两种结果

打开说明中的结果部分，完整列表见 CSV 或原始 JSON。Enrichr 排名第一的条目为 Cellular Response to Ionizing Radiation (GO:0071479)，校正后 P 值约为 3.60 × 10⁻¹¹。STRING 在 11 个节点之间返回 44 条实际互作，背景预期为 6 条。其 P 值返回为 0，这是服务输出的数值，不能解释成概率严格为零。

CSV 包含 305 行 Enrichr 结果和 6 行 STRING 汇总，后者是网络统计量，不是额外的富集条目。Enrichr 的 GO 条目存在重叠；STRING 综合了多种证据，一条网络边不一定代表直接物理结合。这组刻意选定的输入主要用于演示工具及其结果记录。

比较说明 · 完整比较表 · 原始 Connector 响应

参数说明：Enrichr 库列表、Enrichr 富集、STRING PPI 富集。需要一起保留会话和证据时，可导出 .science 研究包。