DisGeNET：疾病-基因关联数据库使用指南

DisGeNET 是疾病-基因关联的综合数据库，把来自专家审编数据库、动物模型、文献文本挖掘的关联汇总到一起。它的定位是广度优先：想快速知道「和某个疾病相关的基因有哪些」，它的覆盖面比多数单一来源都大。

数据来源分层

选对来源层级比看分数更重要。用 ALL 层级会得到大量仅有文献共现支持的关联——某个基因和某疾病在一篇综述里同时出现，就构成一条「关联」。做严肃的靶点分析应从 CURATED 开始。

两个核心分数

• GDA score（0～1）：基因-疾病关联分数，综合了证据来源的可靠性、支持的文献数量、数据库数量。它是启发式加权的结果，不是概率。
• DSI（Disease Specificity Index）：基因的疾病特异性。这个指标很有用但常被忽略——DSI 低说明该基因与几乎所有疾病都「相关」（如 TP53、TNF），这类关联的信息量很低；DSI 高说明该基因只与少数疾病关联，提示更强的特异性。
• DPI（Disease Pleiotropy Index）：疾病类别的多效性，与 DSI 互补。

# 通过 REST API 查询（需注册获取 API key）
import requests

headers = {"Authorization": f"Bearer {api_key}"}
r = requests.get(
    "https://www.disgenet.org/api/gda/disease/UMLS_C0002395",   # 阿尔茨海默病
    params={"source": "CURATED", "format": "json"},
    headers=headers)

import pandas as pd
df = pd.DataFrame(r.json())
df = df[["gene_symbol", "score", "gene_dsi", "gene_dpi", "ei", "source"]]

# 优先看：分数高 + DSI 高（特异性强）的基因
focused = df[(df["score"] > 0.3) & (df["gene_dsi"] > 0.5)]
print(focused.sort_values("score", ascending=False).head(20))

典型用法

• 疾病基因景观速览：接到一个新适应症，先拉出相关基因列表，快速建立认知地图。
• 基因集富集的背景：把疾病相关基因集作为参照，检验实验得到的基因列表是否富集。
• 共病分析：通过共享基因分析不同疾病之间的分子联系，为适应症拓展提供线索。
• 与其他证据交叉：DisGeNET 的关联 + Open Targets 的遗传学证据 + DepMap 的依赖性数据，三者交集通常是更可靠的候选。

和 Open Targets 怎么分工

• DisGeNET：覆盖面广（尤其是文献挖掘部分），适合广撒网、建立全景，疾病本体覆盖更全（含很多罕见病）。
• Open Targets（见 249《Open Targets Platform》）：证据分层更清晰、遗传学证据更深入、附带可成药性与安全性信息，适合做靶点优先级决策。
• 实际做法：DisGeNET 先扩大候选范围，Open Targets 做深度评估与排序。

使用注意

• 文献挖掘关联噪声大：共现不等于因果，甚至不等于正相关（可能是「A 不影响 B」这样的否定陈述）。
• 研究热度偏倚：被研究得多的基因（TP53、EGFR）关联数天然更多，这反映的是研究投入而非生物学重要性。DSI 指标正是用来校正这个偏倚的。
• 许可：学术使用免费，商业使用需要许可，使用前应核对当前条款。
• 疾病术语：用 UMLS CUI 编码，与 EFO、MONDO 等其他本体的映射需注意。

延伸资源

• 综合平台：249《Open Targets Platform》、250《Open Targets Genetics》；原始 GWAS：252《GWAS Catalog》；
• 临床变异：253《ClinVar》；遗传病知识库：254《OMIM》。