# PRMT5 依賴性與藥物：一次查詢整合

> PRMT5 在 DepMap Chronos 資料中屬常見必需基因，收錄 3 種藥物與 453 種 Open Targets 疾病；BioQ 一次查詢即可整合各層資料。

資料截至 2026-11-06 · 發布 2026-11-09 · 更新 2026-11-06 · https://bioq.bio/blog/zh-TW/gene-prmt5-profile

![BioQ 查詢 PRMT5 的結果頁面，顯示 CRISPR 依賴性、藥物、疾病證據、傳訊路徑與表現量區塊，每個區塊皆標示資料來源。](https://bioq.bio/blog/img/gene-prmt5-profile/zh-TW/hero.webp)

在 DepMap 中，PRMT5 被歸類為常見必需基因（common essential）：1178 株細胞株中有 1109 株（94.1%）依賴它，平均 Chronos 基因效應為 -1.004。同一次查詢也回傳 3 種藥物、453 種 Open Targets 疾病與 12 條 Reactome 傳訊路徑。以下數值皆截至 2026-11-06。本文整理 PRMT5 依賴性與藥物的整合結果，並說明閱讀時需要留意之處。

## 我們問了什麼

我們在 BioQ 輸入一個詞 PRMT5，想知道目前整合後的公開資料層對這個基因說了什麼。我們提出的問題如下：

- 癌症細胞株對它的依賴程度有多強？
- 有哪些藥物紀錄，效力如何？
- 它與哪些疾病相關，證據量有多少？
- 腫瘤組織與正常組織的表現量是否不同？
- 它位於哪些傳訊路徑，又有哪些蛋白質交互作用夥伴？

答案來自六個不同的資源：DepMap、ChEMBL（連同 Open Targets 與相關藥物來源）、Open Targets、TCGA/GTEx Toil 重新計算資料、Reactome 與 STRING。BioQ 執行了 7 次引擎查詢，引擎運算時間共 0.56 秒。若以人工方式完成，就得逐一造訪各資源，在每個資源中找出正確的基因識別碼，再自行比對整合輸出結果。

## BioQ 回傳的 PRMT5 依賴性與藥物結果

依賴性資料層為 DepMap Chronos，版本 depmap_24q4。基因效應越負，代表基因剔除後細胞存活力下降越多。下表列出平均效應最負的八個譜系。

![BioQ 中 PRMT5 的依賴性區塊，依譜系顯示 DepMap Chronos 基因效應與依賴細胞株比例](https://bioq.bio/blog/img/gene-prmt5-profile/zh-TW/dep.webp)
*BioQ 呈現的 PRMT5 各譜系 DepMap Chronos 依賴性。*

| 譜系 | 細胞株 | 依賴 | 依賴比例 (%) | 平均基因效應 |
|---|---|---|---|---|
| Pancreas | 47 | 47 | 100 | -1.178 |
| Head and Neck | 77 | 76 | 98.7 | -1.124 |
| Thyroid | 11 | 11 | 100 | -1.074 |
| Bladder/Urinary Tract | 34 | 33 | 97.1 | -1.072 |
| Peripheral Nervous System | 44 | 42 | 95.5 | -1.049 |
| Liver | 24 | 23 | 95.8 | -1.033 |
| Lymphoid | 93 | 90 | 96.8 | -1.033 |
| Soft Tissue | 45 | 43 | 95.6 | -1.032 |

藥物資料層整合了 Open Targets、ChEMBL、Drug Repurposing Hub 與 ClinicalTrials.gov。pChEMBL 值是莫耳效力的負 log10，數值越高代表效力越強。

| 藥物 | 最高臨床階段 | 作用機制 | 最佳精確 pChEMBL | 類型 | 依名稱檢索的臨床試驗 |
|---|---|---|---|---|---|
| Pemrametostat | PHASE_2 | Protein arginine N-methyltransferase 5 inhibitor | 8.7 | EC50 | 0 |
| 3Xv | UNKNOWN | — | 8.22 | IC50 | 0 |
| Hlcl-61 | UNKNOWN | — | — | — | 0 |

疾病資料層採用 Open Targets 關聯分數，範圍為 0 到 1。

| 疾病 | 關聯分數 | 證據項目 |
|---|---|---|
| neurodegenerative disease | 0.208 | 3 |
| breast cancer | 0.14 | 187 |
| neoplasm | 0.119 | 668 |
| hepatocellular carcinoma | 0.117 | 120 |
| colorectal carcinoma | 0.116 | 78 |
| lung carcinoma | 0.116 | 139 |

另外三個資料層以摘要呈現，不列成表格：

- **表現量。** TCGA 與 GTEx 資料涵蓋 24 種同時具有腫瘤與正常樣本的癌別。在顯示的六種癌別中，log2 倍數變化都很小。膽管癌為 0.12（36 個腫瘤、9 個正常樣本），肺鱗狀細胞癌與肺腺癌皆為 0.1。嗜鉻細胞瘤與副神經節瘤為 -0.11，但正常樣本僅 3 個。
- **傳訊路徑。** Reactome 列出 12 條路徑。最具特異性的是 Regulation of TP53 Activity through Methylation（R-HSA-6804760，19 個基因）與 RMTs methylate histone arginines（R-HSA-3214858，48 個基因）。snRNP Assembly（R-HSA-191859）也在列表中。
- **交互作用。** STRING v12 回報 1794 個夥伴。最高分為 WDR77 與 CLNS1A，皆為 999，其次是 H4C6 的 997，以及 SNRPD3 與 RIOK1 的 996。PRMT1 的分數為 993。

## 結果的意義與解讀方式

在看其他內容之前，有三點值得先讀。

**1. 依賴性普遍存在，因此無法區分譜系。** 1178 株中有 1109 株依賴，PRMT5 在此資料集中的表現就像核心細胞基因。胰臟譜系 47 株全數依賴（平均 -1.178），頭頸部譜系 77 株中有 76 株依賴（98.7%）。表中各譜系之間的差異，與整體模式相比相當小。譜系排名應視為一種梯度，而不是篩選名單。

**2. 藥物資料層內容單薄，且混合了不同的實驗類型。** Pemrametostat 是唯一有臨床階段的項目，為 PHASE_2，其作用機制記錄為 protein arginine N-methyltransferase 5 抑制劑。它的 8.7 是 EC50 值，不是 IC50。化合物 3Xv 有以 IC50 為基礎的精確 pChEMBL 值 8.22。Hlcl-61 則沒有精確數值。不應僅憑效力為這三者排名，因為兩個數字來自不同的實驗類型。三者依名稱查得的試驗數都是 0，但這只是名稱比對，並非完整的臨床試驗搜尋。

**3. 疾病證據以證據量為主，而非分數。** Open Targets 最高分是神經退化性疾病的 0.208，但它僅依據 3 筆證據。乳癌分數為 0.14，有 187 筆證據；腫瘤（neoplasm）分數為 0.119，有 668 筆。若關注腫瘤學，證據筆數比分數排序更有參考價值。

各資料層一致之處：Reactome 與 STRING 都把 PRMT5 放在組蛋白精胺酸甲基化與 snRNP 組裝中。WDR77 是最高分夥伴（999），這與多數細胞株需要此基因才能存活相符。不一致之處：儘管依賴性很高，腫瘤與正常組織的表現量差異卻很小。至少在這個解析度下，其必需性似乎並非源自腫瘤特異性的過度表現。

## 如何在 BioQ 中重現

1. 開啟 BioQ，並確認搜尋沒有被限制在單一資料層。
2. 依下方原樣輸入查詢。

```text
PRMT5
```

[在 BioQ 中開啟此查詢](https://bioq.bio/login?next=%2Fapp%23q%3DPRMT5)

3. 先看依賴性區塊，確認版本標示（depmap_24q4）與依賴細胞株數量。
4. 開啟藥物區塊，在比較 pChEMBL 值之前先檢查類型欄（IC50 或 EC50）。
5. 在疾病區塊中，將證據筆數與關聯分數對照比較。
6. 若需要查看某個數字背後的紀錄，可依各區塊下方標示的來源名稱回到原始資源。

## 限制：這些資料無法說明的事

- **細胞株不等於病人。** DepMap 測量的是培養細胞株中的基因剔除，無法說明腫瘤或正常組織對部分抑制會有何反應。
- **依賴性不等於藥物反應。** CRISPR 剔除會移除整個蛋白質，藥理抑制的行為可能不同，而這些資料層並未將兩者連結起來。
- **常見必需性限制了解讀。** 多數細胞株都需要的基因，可能難以選擇性地標靶。這裡的資料無法說明是否存在任何具治療窗的情境。
- **藥物清單短而不均。** 只有 3 筆項目，每個化合物僅有一種實驗類型，Hlcl-61 沒有精確數值。這並不是 PRMT5 化學物的完整調查。
- **試驗數為 0 反映的是名稱比對。** 這並不排除以其他名稱登記，或僅依標靶列出的試驗。
- **關聯分數不是效應大小。** Open Targets 分數結合了多種證據類型，神經退化性疾病的分數僅依據 3 筆證據。
- **表現量差異小，且樣本數不均。** 部分正常組別的樣本極少，因此不應過度解讀單一倍數值。
- **STRING 分數衡量的是可信度，而非功能。** 999 的分數代表關聯有強力支持，並不代表已知機制。

## 資料與方法
本頁數字於2026-11-06從 BioQ 引擎讀取（共7次查詢，引擎累計耗時0.6秒）。表格由程式根據引擎回應產生，內文只是對這些數值的轉述。

`/depmap`, `/drugs`, `/interaction`, `/ot_association`, `/pathway`, `/tcga`

在 BioQ 中親自執行同一查詢：[PRMT5](https://bioq.bio/login?next=%2Fapp%23q%3DPRMT5)

*僅供研究參考。本頁彙整公開資料，不構成醫療建議。*

BioQ 是一個以「讓生物學研究加速 100 倍」為目標的 AI 搜尋引擎與代理程式。可在網頁應用程式與 REST API 使用，也能透過 MCP 在 Claude、ChatGPT、Cursor 中提問。

## 使用的查詢

- [`PRMT5`](https://bioq.bio/login?next=%2Fapp%23q%3DPRMT5)

## 常見問題

### PRMT5 在 DepMap 中是常見必需基因嗎？

在 DepMap Chronos 版本 depmap_24q4 中，PRMT5 被標記為常見必需基因。1178 株細胞株中有 1109 株（94.1%）依賴它，平均基因效應為 -1.004。

### 哪些譜系對 PRMT5 的依賴最強？

胰臟譜系的平均基因效應最負，為 -1.178，47 株全數依賴。頭頸部譜系次之，為 -1.124，77 株中有 76 株依賴。

### BioQ 列出哪些 PRMT5 抑制劑，效力如何？

BioQ 列出 3 種藥物。Pemrametostat 處於 PHASE_2，以 EC50 為基礎的 pChEMBL 為 8.7。3Xv 有以 IC50 為基礎的精確 pChEMBL 值 8.22，Hlcl-61 沒有精確數值。

### Open Targets 將哪些疾病與 PRMT5 連結？

Open Targets 列出 453 種疾病。最高分是神經退化性疾病，為 0.208，有 3 筆證據；乳癌次之，為 0.14，有 187 筆證據。

### PRMT5 在腫瘤中是否比正常組織過度表現？

在 24 種同時具有腫瘤與正常樣本的癌別中，所顯示的倍數變化都很小。以 log2 計，膽管癌為 0.12，肺腺癌為 0.1。

## 出處

- 資料集: [DepMap CRISPR Chronos gene effect (24Q4)](https://depmap.org/portal/)
- 資料集: [Open Targets Platform; ChEMBL; Drug Repurposing Hub](https://platform.opentargets.org/)
- 資料集: [TCGA pan-cancer expression (UCSC Xena Toil recompute)](https://xenabrowser.net/)
- 資料集: [Reactome pathway knowledgebase](https://reactome.org/)
- 資料集: [STRING v12 protein-protein interactions](https://string-db.org/)

> 結果依所示日期的公開資料庫而定，可能變動。BioQ 提供研究資訊，不構成醫療建議。
