基于AI的被子植物GATA转录因子功能预测与分类系统：GATA TF Class Classifier的开发与应用

【编辑推荐】本研究创新性地利用ProtBERT蛋白语言模型结合支持向量机（SVM），开发出准确率达94.29%的GATA转录因子（TF）分类器，突破传统系统发育分析局限，首次实现121个被子植物基因组中4170个GATA TF的功能分类（A-D类），揭示各类别在进化中的谱系特异性分布模式，为植物基因调控网络研究提供高效工具。

　　

Highlight

功能分类系统A-D类的生物学作用

被子植物GATA转录因子根据系统发育关系分为四大功能类别（A-D类），每类均具有独特基序（如HAN/LLM）、附加结构域（如CCT或ASXH）及GATA型锌指变异（CX₂CX_18-20CX₂C），这些特征在不同物种间高度保守。

A类成员通过IVb型锌指（CX₂CX₁₈CX₂C）调控光信号与油菜素内酯通路；B类虽同为IVb型锌指，但携带HAN/LLM基序，主导植物生长与花器官发育；C类独特的IVc型锌指（CX₂CX₂₀CX₂C）与TIFY/CCT结构域协同调控开花时间；D类则通过LXXLL基序参与广泛调控网络。

GATA TF分类器的功能与谱系解析

基于23个物种700条序列训练的GATA TF分类器，在121个被子植物基因组中成功预测4170个成员类别，准确率达94.29%。分析显示A/B类丰度较高，C/D类占比偏低，暗示各类别可能通过锌指微变异（如18→20个氨基酸间隔）实现功能分化。

结论

该分类器首次实现全基因组尺度GATA TF功能注释，揭示单子叶植物中A类扩张、真双子叶植物中B类优势等进化规律，为理解植物适应性进化提供新视角。AI方法克服了传统系统发育分析的长枝吸引效应，未来可拓展至其他转录因子家族研究。