《Genome Biology》发表Qiu等团队关于基因表达精确调控的开创性研究
作者及机构
本研究由Yang Qiu（华中农业大学作物遗传改良全国重点实验室）、Lifen Liu（华中农业大学信息学院）、Jiali Yan（华中农业大学）等共同完成，通讯作者为Xuehai Hu（华中农业大学）和Jianbing Yan（华中农业大学/崖州湾国家实验室）。合作单位包括海南微米生物科技有限公司、德国马克斯·普朗克分子植物生理研究所等。论文于2025年发表于Genome Biology（DOI: 10.1186/s13059-025-03516-7）。
学术背景
科学领域与动机
研究聚焦于植物顺式调控元件（cis-regulatory elements, CREs）的精准识别与编辑，属于计算生物学与合成生物学的交叉领域。传统育种中，基因编码区的突变常导致表型剧烈变化，而调控区的编辑可实现基因表达的微调，更适合作物改良。然而，CREs的高分辨率定位及其功能预测一直是技术瓶颈。本研究旨在通过深度学习模型预测CREs，并提出“编辑可塑性（editing plasticity, EP）”新概念，为作物性状的精准调控提供新工具。
关键科学问题
1. CREs的全局识别：如何从基因组序列中高精度预测调控元件？
2. 表达调控的量化：如何评估启动子编辑对基因表达的潜在影响？
3. 跨物种普适性：模型能否适用于玉米、水稻、番茄、拟南芥等多物种？
研究流程与方法
1. 构建序列到表达的深度学习模型
- 模型架构：基于Basenji2框架开发两种模型：
- Basenji2-long：输入120 kb基因组序列（启动子上下游），预测基因表达水平。
- Basenji2-3k：聚焦启动子近端3 kb区域（含5’UTR、3’UTR等），分辨率达10 bp。
- 数据来源：整合421个RNA-seq数据集（玉米B73参考基因组），最大表达量作为预测目标。
- 创新点：引入梯度×输入（gradient×input）和遮挡（occlusion）等可解释性方法，定位关键调控位点。
2. 全基因组CREs图谱构建
- CREs识别：通过峰值调用算法从贡献分数向量中筛选候选CREs，共鉴定745,684个候选位点（覆盖玉米基因组的28.3%）。
- 验证方法：
- UMI-STARR-seq：合成12,000条候选序列（200 bp/条），在玉米原生质体中验证增强子活性，40.9%序列显示显著活性。
- 表观遗传证据：与染色质开放区域（ATAC-seq）、组蛋白修饰（H3K27ac）等数据交叉验证。
3. 编辑可塑性（EP）与进化空间分析
- EP量化：通过模拟启动子区缺失/突变，预测表达变化范围。例如，玉米ZmFCP1基因的EP分析显示组合删除可扩大表达调控范围至1.76倍。
- 进化空间（evolvability space）：基于Basenji2-3k-NAM模型（整合22个玉米自交系数据），将基因分为三类：
- Maxima：突变易导致表达下降。
- Malleable：表达可双向大幅调控（高EP值）。
- Minima：突变易导致表达上升。
4. 实验验证：玉米ZmVT4基因编辑
- AI指导方案：预测启动子区10个关键峰，其中峰4（TSS下游12–21 bp）缺失可提升表达10%。
- CRISPR编辑：构建5个突变体，VTE4-cr4（4 bp缺失）显著增加α-生育酚含量（实验验证与模型预测一致）。
主要结果与逻辑关联
- 模型性能：Basenji2-long在玉米中预测精度（PCC=0.733）优于现有工具（如Xpresso）。
- CREs功能验证：UMI-STARR-seq证实53.7%已知增强子活性，37.9%新预测位点具有功能。
- EP的应用：ZmVT4编辑案例证明，AI方案可设计自然界不存在的变异，突破自然变异限制。
- 跨物种推广：模型在番茄、水稻中PCC达0.641–0.816，小麦中迁移性较好（PCC=0.35）。
结论与价值
科学价值
- 提出“编辑可塑性”概念，量化启动子编辑潜力，为合成生物学提供理论框架。
- 开发首个植物多物种CREs预测工具，公开基因组调控图谱（访问链接）。
应用前景
- 精准育种：通过CREs编辑微调基因表达，避免编码区突变的副作用。
- 合成生物学：指导人工启动子设计，优化代谢通路。
研究亮点
- 方法创新：结合深度学习与湿实验验证，实现CREs从预测到编辑的全流程闭环。
- 跨尺度解析：长序列模型（120 kb）捕获远端调控，短序列模型（3 kb）实现单碱基分辨率。
- 资源贡献：发布玉米、水稻等四物种的CREs图谱，推动植物非编码区研究。
局限与展望
当前模型对高阶顺式互作的预测能力有限，未来需整合染色质互作（Hi-C）数据。环境响应型CREs的识别将是下一阶段重点。
（全文约2000字）