万能的rummagene数据库 + AI工具,找到任何你想要的基因集

前面我还在一个个收集基因集来着，见我们的专辑 热点基因集，然后我们万能的群友这个时候丢出来一个炸弹！

基因集万能网址：https://rummagene.com/，这个收录了100w个基因集！！！

看了一下简介，瞬间感觉自己失去了意义！

rummagene的文献于 2024 年 4 月 20 日发表 在 Communications Biology ，标题 《Rummagene: massive mining of gene sets from supporting materials of biomedical research publications》。

Rummagene介绍

Rummagene 是一个面向生物医学研究的基因集搜索与富集分析网站。它把 PubMed Central（PMC）论文补充材料中的基因列表提取出来，供研究者搜索和比较；这类列表可能来自差异表达、蛋白质组、ChIP-seq、CRISPR 筛选或 GWAS 等研究。它由 Ma’ayan Lab 开发。

额，下面这个logo有点抽象，哈哈哈哈哈哈。

Rummagene 官方介绍 主要有三种用法：

• 输入一组基因：找出数据库中与这组基因重叠较多的基因集，并查看对应论文、补充表、重叠基因和统计结果。论文描述的排序方法包括 Fisher 精确检验及多重检验校正。
• 按主题搜索 PMC：输入疾病、基因或研究主题，查找相关论文及其提取出的基因集。
• 按表格标题搜索：用关键词搜索论文补充表的标题，例如 neuron、CRISPR 或 PBMC。表格标题搜索 · PMC 搜索

它适合用来发现“自己的基因列表曾在哪些研究中出现过类似组合”，或从论文补充数据中寻找可复用的基因集。

论文报告的一个数据库版本收录了 642,389 个基因集，来自 121,237 篇论文；这是论文发表时的统计，当前规模可能已变化。原始研究 使用时要留意：基因集来自论文补充材料的自动提取，来源实验和命名方式可能各不相同；统计上的重叠可以提示相似性，但本身不能证明生物学因果关系。它更适合作为文献线索和候选假设的发现工具。

收录的基因集分布特征

Fig1 描述数据库里收录的基因集长什么样、来源如何变化，以及其中有多少重复和偏冷门的基因集。论文这个版本收录了 642,389 个基因集，来自 121,237 篇文章。

a–c：基因集的数量分布都很不均匀

a：横轴是某个基因出现在多少个基因集中，纵轴是这样的基因有多少。大多数基因只出现在少数基因集中，少数基因则反复出现。

b：大多数基因集较短，少数基因集包含上千个基因。

c：大多数论文只贡献一两个基因集，少数论文贡献了很多个。

d–e：基因集随时间变多、变长

每年收录的基因集数量总体上升，尤其近年增长明显。

f–g：用 UMAP 展示基因集之间的整体结构

每个点代表一个基因集；位置相近表示基因组成更相似的趋势。f 按基因的平均引用次数着色，g 按基因集长度着色。

h–i：数据库是否偏向热门基因？

每个点是一个基因，横轴是引用次数，纵轴是它在 Rummagene 基因集中的出现次数。总体上，研究较多的基因更常出现在基因集中，但也有偏离总体趋势的基因。

j–k：重复基因集

j：同一篇论文中重复出现的基因集。图中标注涉及 13,130 篇论文、67,714 个基因集。

k：跨不同论文重复出现的基因集，涉及 11,106 篇论文、25,074 个基因集。重复次数高的情况比较少见。

下载

下载页面的数据如下，作者这里给的都是gmt格式的，非常方便：

如何用AI的方式下载呢？

打开一个codex（如果你还没有codex，可以添加新叶微信辅助你配置安装：jzhang0527 ）。

比如这里我想找一个我在做单细胞数据分析的时候遇到的一个问题，原文作者：

根据单细胞分析得到的 TREM2⁺ TAM 标记基因，用 ssGSEA 给每个 bulk 样本计算一个浸润评分，再做两组比较：左图比较应答者（R）与非应答者（NR），用 Wilcoxon 秩和检验；右图比较同一患者免疫治疗前后，用配对 Wilcoxon 符号秩检验。

但是呢这个 TREM2⁺ TAM 标记基因 作者不提供！！！

这篇文献作者任何都不提供给你！

中间数据也没有！

算了，我这就用上面这个万能网址找一个看看。

输入提示词：

在这个网页 https://rummagene.com/ 中给我找一个 TREM2⁺ TAM 标记基因相关的基因集，并介绍来源和特征。

得到的结果：

把找到的结果汇总成一个表格介绍给我吧，来源论文给我显示具体的发表时间和杂志以及标题。请把查到的所有基因集整理成一个 CSV，表格包含两列：一列是「基因集名称」，一列是「基因」，同一基因集下的基因分多行列出（长表格式），并展示每个基因集的源于哪项研究

这比单纯用AI去搜会更准确！！！

感觉就像一个外挂的RAG了。

完整的对话记录在这里：https://chatgpt.com/s/cx_6abbc813e044819180e9f4ddad86d40c

用AI做生信，来找新叶吧：jzhang0527。

如果对你有帮助，欢迎一键三连~

生信技能树的AI培训班：