《The Plant Journal》：Elucidating and exploring specialised plant metabolism through a pangenomic and pantranscriptomic lens
编辑推荐：
特化代谢（specialised metabolism）是植物应对生物胁迫（biotic stress）以及较小程度上非生物胁迫（abiotic stress）的重要因素。当前识别和研究此类代谢通路相关基因的方法主要利用植物的基因组（genomic）和转录组（
特化代谢（specialised metabolism）是植物应对生物胁迫（biotic stress）以及较小程度上非生物胁迫（abiotic stress）的重要因素。当前识别和研究此类代谢通路相关基因的方法主要利用植物的基因组（genomic）和转录组（transcriptomic）数据集，以提高对植物抗逆性的理解。尽管现代测序技术已使高质量参考基因组（reference genome）或转录组数据集（transcriptome datasets）的获取成为可能，但测序成本长期迫使研究局限于选定的参考材料（reference accession）。然而，群体内单个植物常在代谢谱（metabolic profiles）上表现出显著差异，有时甚至导致完全不同的化学型（chemotypes）。这产生了从单一参考材料转向更广泛的植物群体多样性甚至超越物种水平的迫切需求。得益于测序成本的降低和测序技术可靠性的提高，目前通过泛基因组（pangenomic）或泛转录组（pantranscriptomic）方法已可实现这一转变。在这篇综述中，研究人员介绍泛基因组学（pangenomics）和泛转录组学（pantranscriptomics）领域的现状，并重点介绍这些方法用于阐明和研究植物特化代谢通路的最新实例。研究人员还概述可能对该领域研究人员有用的数据库资源。最后，研究人员对限制因素和趋势进行批判性总结和讨论，这些对未来创新很重要。考虑到这些发展，研究人员预期泛基因组学和泛转录组学将在探索和利用超越单个个体的植物特化代谢多样性方面发挥关键作用。
一、引言（INTRODUCTION）
植物特化代谢物（specialised metabolites）在防御生物和非生物胁迫中具进化优势。现代研究多从基因组和转录组序列入手；长读长基因组学（long-read genomics）及PacBio、Oxford Nanopore Technologies（ONT）等技术提高植物基因组可及性。特化代谢通路多样性大，近缘种甚至同种不同化学型（chemotypes）差异显著，单一参考基因组常遗漏品种或野生近缘种特有基因及结构变异（SV）。泛基因组学（pangenomics）整合多个基因组以降低参考偏差，但静态；泛转录组学（pantranscriptomics）提供跨个体转录本及丰度，因代谢调控在进化上常比生物合成基因更灵活，对谱系特异性创新尤有价值。本文综述二者在植物特化代谢中的应用、数据库及趋势与局限。
二、泛基因组学（PANGENOMICS）
（一）泛基因组学定义（Definition of pangenomics）
泛基因组（pangenome）是特定生物群体完整、非冗余的基因和基因组序列集合，其表示、分析和解释构成泛基因组学。可分为核心基因组（core genome）和附属基因组（accessory genome，又称dispensable或variable genome），后者可细分为soft-core、shell和cloud基因；边界受采样广度、组装完整性和注释一致性影响。该概念先在细菌提出，植物应用受基因组大、重复高、多倍体和高杂合限制；长读长测序和组装算法进步使其日益可行。构建策略包括de novo组装策略（高分辨率但成本高）、参考迭代策略（iterative mapping and assembly、map-to-pan，成本较低但信息少）和泛基因组图（pangenome graph）。图模型有variation graph、de Bruijn graph和cactus graph；variation graph最常用，可由Minigraph-Cactus或Pangenome Graph Builder（PGGB）构建，变异以“bubbles”表示；de Bruijn graph基于k-mer但不适合大SV；cactus graph层级编码嵌套SV。图常以图形片段组装（GFA）格式存储，具丰富变异目录、结构重排表示和可扩展性。
（二）基于泛基因组学的植物特化代谢研究（Pangenomics-based investigation of specialised metabolism）
高质量组装和比较基因组学加速通路发现，但单一或少数参考基因组不足以捕获代谢性状变异。泛基因组整合物种或谱系内多基因组，可同时捕获基因内容和序列水平变异；代谢获得或丢失常为二者共同效应，策略分基因内容导向和序列变异导向。
1. 基因内容变异作为代谢多样性的驱动因素（Gene-content variation as a driver of metabolic diversity）
基因存在-缺失变异（PAV）、拷贝数变异（CNV）、串联重复、生物合成基因簇（BGC）及谱系特异基因得失均可改变通路组成。大麻（Cannabis sativa）泛基因组揭示THCAS、CBDAS和CBCAS的PAV和CNV决定大麻素化学型；大麦CYP76M57的PAV解释gramine产生与否；玉米泛基因组和多组学鉴定zealexin BGC；番茄泛基因组发现串联重复O-methyltransferases（OMT）簇与O-methylated flavonoids相关；Polygonaceae super-pangenome显示flavonoid和anthraquinone基因CNV及Fagopyrum中rutin相关基因串联重复扩张与收缩。
2. 特化代谢的序列变异与调控进化（Sequence variation and regulatory evolution of specialised metabolism）
SV、启动子插入缺失、转座子活性、编码突变和染色体重排影响基因功能与调控。大麻ALT基因变异与脂肪酸链长及varin cannabinoids相关，BKR的2-bp缺失导致截短和功能丧失；Citrus泛基因组图发现PH4启动子1.2 kb插入解释果实酸度差异；番茄TomLoxC约4 kb启动子替换影响风味挥发物；茶ANS3启动子192 bp插入与野生群体花青素增加相关；拟南芥thalianol BGC经染色体倒位和重排形成连锁簇；高粱CYP79A1错义突变和调控区2-bp缺失与dhurrin积累差异相关。泛基因组将基因内容、调控分歧和结构基因组动态与代谢表型连接，并与转录组、代谢组等功能数据互补。
三、泛转录组学（PANTRANSCRIPTOMICS）
（一）泛转录组学定义（Definition of pantranscriptomics）
泛转录组是特定条件下跨个体或单倍型在某一时间点的群体水平转录本及丰度集合，可视为个体和亚基因组转录本丰度变异图谱。基因动态表达也导致表型差异，调控和表观元件增加PAV复杂性；多倍化和基因复制影响表达及亚功能化、新功能化和假基因化，故对特化代谢功能分析重要。实际限制是需了解或假设活跃组织和发育阶段。长读长Iso-Seq、ONT cDNA和direct RNA sequencing可减少de novo组装错误，常与短读长Illumina RNA-seq结合。方法分依赖和不依赖泛基因组序列：前者将RNA-Seq比对到各自参考基因组后将基因型特异转录本比对到泛基因组，可连接结构特征但成本高；后者de novo组装、去冗余并合并品种转录本，成本较低，适合新isoform发现或缺乏高质量基因组的非模式物种。RPVG等工具可利用泛基因组图量化单倍型特异转录本丰度而无需基因分型。
（二）泛转录组学在植物特化代谢研究中的实例（Examples of pantranscriptomics studies of plant specialised metabolism）
甾体糖生物碱（steroidal glycoalkaloids，SGA）研究中，Solanum section Petota 68个材料泛转录组获得约5000个参考缺失序列，代谢谱鉴定64种SGA，加权基因共表达网络分析（WGCNA）整合后获得193个候选基因。丹参（Salvia miltiorrhiza）泛转录组结合激素处理网络和基因集富集发现新转录因子（TF）SmMYC3，验证其结合tanshinone生物合成基因启动子G-box motif。茶（Camellia sinensis）泛转录组结合代谢谱、全基因组关联分析（GWAS）和表达数量性状位点（eQTL）定位，鉴定flavan-3-ols变异相关基因，包括ANS putative orthologue和F3'5'H等。玉米表达存在-缺失变异（ePAV）和六倍体小麦品种特异转录本、isoform多样性及同源亚基因组表达偏倚也被揭示。苜蓿盐/旱耐受泛转录组发现lncRNA和circRNA靶向UDP-glycosyltransferase和oxidoreductase活性酶，WGCNA hub gene G33123.7编码nerol synthase并受MYB TF调控；水稻冷胁迫泛转录组显示转座子驱动剪接变异，剪接因子OsRS2Z38上调；大麦bHLH TF研究结合泛基因组和泛转录组，发现部分cloud基因未注释且表达谱与核心/附属归属不相关。
四、数据库（DATABASES）
（一）泛基因组数据库（Pangenomics databases）
多数研究仅存单个基因组组装和注释，限制泛基因组数据重用。物种特异资源包括CPBD（柑橘23材料）、RPAN（3010个水稻基因组的线性泛基因组）、RiceSuperPIRdb（251个水稻材料的泛基因组图）、PanBARLEX（大麦76基因型）、BnPIR（甘蓝型油菜泛基因组和变异，BnIR整合转录组代谢组）及JGI Phytozome的BrachyPan、CowpeaPan、PennyPan和SorghumPan。谱系特异资源包括SolPGD（茄科30材料）、AMIR（菊科74物种，43个代表super-pangenome）和Bryogenomes（123个苔藓植物物种），但均无线性或图泛基因组表示。GreenPhylDB v5、Gramene Plants和GrainGenes提供同源基因家族、泛基因组门户或BLAST及共线性分析，但多不提供完整可下载表示。PlantPan对12个物种200多个组装进行标准化分析，提供基因中心和序列中心表示、SV、共线性和功能注释，多数泛基因组图可下载，是少数支持完整数据重用的资源。
（二）泛转录组数据库（Pantranscriptome databases）
泛转录组数据库较少。BnaOmics含18个甘蓝型油菜品种泛基因组并支持多组织和群体表达分析；PanBaRT20涵盖大麦20个基因型5种组织并提供Morex表达图谱；EoRNA2为大麦表达数据库更新版，提供自动化Nextflow工作流进行RNA-seq获取、质量控制和定量，且框架可通用化；PanOat提供33个燕麦染色体级组装及23个品系6种组织表达图谱，用于研究六倍体燕麦基因丢失和亚基因组分歧。总体资源偏向模式或作物物种，表达数据仓库多不整合基因型特异映射和isoform水平解析；限制包括isoform处理、方法标准化和元数据标准化困难。
五、趋势与前景结论（CONCLUSION OF TRENDS AND PROSPECTS）
泛基因组图因全面捕获群体规模序列多样性被视为植物科学下一重大进展，在作物育种中有益等位基因和基因鉴定中尤为明显；但在特化代谢中作为常规生物合成基因发现工具仍受挑战。要点总结（Box 1）指出泛基因组捕获群体完整非冗余基因和序列，泛转录组揭示特定时间条件活性，当前泛基因组实例主要关注基因内容和/或序列变异，泛转录组实例主要研究生物合成网络调控，数据库多覆盖作物。开放问题（Box 2）包括复杂泛基因组的计算高效表示、公共数据整合、泛基因组与泛转录组整合以克服功能注释瓶颈、利用测序和机器学习导航复杂通路，以及数据生成和传播标准化。技术上，泛基因组分析需高性能计算、大内存、长运行时间和大量存储，长期存储共享和标准化基础设施不成熟，不同构建策略导致核心/附属基因、SV和PAV估计差异，需社区基准和标准化元数据。泛转录组限制主要是资源可用性、功能整合和应用范围有限，与特化代谢相关应用少，多用于转录本编目、差异表达或群体变异，通路水平整合和实验验证不足；公共资源有限，整合表达分析潜力大。生物复杂性是核心挑战：泛基因组对BGC、串联重复和CNV有效，但特化代谢常受多层调控、表观状态、组织特异性和环境响应控制，需与泛转录组、代谢组、eQTL和panepigenomics等功能多组学结合。比较转录组-代谢组profiling与泛转录组系统整合仍少，二者应视为互补层。图基和单倍型感知方法如RPVG可跨复杂变异量化转录本并减少参考偏差；isoform-resolved transcriptomics可识别功能不同转录本，虽在水稻和苜蓿可变剪接研究中已有应用，isoform-resolved泛转录组仍少但潜力大。变异识别不等于功能解释，SV和新基因功能解释是瓶颈，需蛋白结构预测、敲除和共表达网络。单倍型分型、端粒到端粒组装和可扩展图算法正降低技术障碍，泛基因组扩展到属和科级supra-species资源，对有谱系特异、分类学斑块或反复获得丢失的通路有价值。跨物种功能转移未充分探索，泛基因组可定义更广直系同源候选，泛转录组可评估保守或情境匹配表达。人工智能和机器学习预计加速泛基因组分析中的基因预测、SV识别分类、PAV推断和候选生物合成基因鉴定，并可训练物种特异DNA语言模型如OryzaG3；在泛转录组中预期用于isoform注释、基因型特异表达分析、调控网络推断和候选基因优先排序。方法进展及与既有策略整合可释放泛基因组和泛转录组在特化代谢研究中的潜力。
