口腔细菌基因组中G-四链体基序的全基因组分布特征及其潜在调控作用

《Frontiers in Genetics》：Genome-wide distribution and putative regulatory roles of G-quadruplex motifs in oral bacteria

　　

摘要 引言： G-四链体（G-quadruplexes，G4s）是由鸟嘌呤富集序列形成的非经典DNA二级结构，在真核生物中已被证实具有调控功能，然而其在细菌中的分布规律、基因组定位特征及功能意义仍知之甚少。 方法： 研究人员对代表口腔细菌150个属的381个参考基因组进行了系统性的G4基序普查。采用计算预测方法鉴定G4基序，并刻画其基因组分布、GC含量依赖性及功能关联特征。此外，对35个属的正交启动子进行比较分析，以探究启动子相关G4基序的进化保守性及其更替规律。 结果： 研究人员共鉴定出48,234个G4基序，发现其基因组密度随GC含量呈指数增长。与全基因组随机预期相比，G4基序在启动子区域显著富集，并优先与信号转导、毒力、转录调控及转运相关基因关联。比较分析显示，启动子相关G4在同属物种间的共享频率显著高于随机预期，但共享程度随系统发育距离增加而急剧下降。此外，G4形成序列在同一启动子内的保守性并不高于其他G富集序列，提示其进化更替迅速。 讨论： 上述发现表明，G4基序在口腔细菌基因组中呈非随机分布，并表现出符合遗传继承与快速更替规律的进化模式。G4在功能相关基因启动子区的富集为未来实验探究G4介导的转录调控机制提供了候选基因座。

论文解读：口腔细菌基因组中G-四链体基序的全基因组分布与潜在调控作用

一、研究背景与科学问题

G-四链体（G-quadruplexes，G4s）是由富含鸟嘌呤的核酸序列形成的非经典二级结构，其基本单元为四个鸟嘌呤碱基通过Hoogsteen氢键配对形成的平面G-四分体（G-quartet），多个G-四分体堆叠形成热力学稳定的四链螺旋结构。在真核生物中，G4已被广泛证实为重要的调控元件，人类基因组中已鉴定超过70万个潜在G4形成序列，富集于基因启动子、5′非翻译区及端粒区域，参与转录调控、复制起始及染色体末端保护等过程。然而，细菌中G4的分布规律、功能意义及进化动态仍缺乏系统认识。已有研究仅在少数细菌物种中开展了G4鉴定，如大肠杆菌（Escherichia coli）、结核分枝杆菌（Mycobacterium tuberculosis）、耐辐射奇球菌（Deinococcus radiodurans）及淋病奈瑟菌（Neisseria gonorrhoeae）等，且多集中于单基因组水平。关键科学问题尚未解决：细菌G4究竟是核苷酸组成的被动副产物，还是具有功能选择信号？G4在不同类群中是否呈现一致的基因位置偏好？其进化速率如何？

人类口腔微生物组为在群落尺度回答上述问题提供了理想模型。口腔是人体最多样化的微生物栖息地之一，约含700种细菌，其GC含量跨度极大（23%–75%），基因组大小差异显著（0.8–9.5 Mb），生态策略多样。由于G4形成需要成簇的鸟嘌呤序列，其出现频率理论上随GC含量呈指数增长，口腔细菌广泛的GC含量变异为区分"组成性预期"与"超出组成预期的偏差"提供了统计效力。此外，口腔微生物组同时包含明确病原菌（如牙龈卟啉单胞菌Porphyromonas gingivalis、变形链球菌Streptococcus mutans）与共生菌，便于探究G4分布与致病性之间的潜在关联。

二、研究内容与核心发现

本研究首次构建了口腔微生物组的G4全景图谱，对代表150个属的381个口腔细菌参考基因组进行了系统普查，共鉴定48,234个G4基序。三项核心发现如下：（i）G4基序在启动子区域较基因组比例富集2.5–3倍，提示其可能参与转录调控；（ii）在控制二核苷酸组成后，G4基序在低GC基因组中并未系统性过表达，仅少数基因组（主要为口腔普雷沃菌属Prevotella、二氧化碳噬纤维菌属Capnocytophaga、金氏菌属Kingella、奈瑟菌属Neisseria及幽门螺杆菌Helicobacter pylori）携带超出局部序列组成预期的G4基序；（iii）启动子G4优先与毒力、转运及调控基因关联，在同属内遗传继承但随物种分化迅速丢失，仅少数正交启动子（如放线菌属Actinomyces的arc基因）在多数物种中保留G4。

三、关键技术方法

研究人员采用的主要技术方法包括：（1）G4基序预测：使用g4predict软件，设置最少3个G-四分体堆叠、最大环长度为7个核苷酸、不允许凸起，对381个基因组的双链进行预测；（2）基因组区域注释：基于GFF3注释文件，采用优先级分类体系（启动子>rRNA>tRNA>CDS>基因间区）将每个G4分配至唯一基因组区域，启动子定义为CDS起始位点上游300 bp；（3）功能富集分析：通过关键词匹配将基因产物分为11个功能类别，采用Fisher精确检验及Benjamini–Hochberg校正评估启动子G4基因的功能富集；（4）观察值与期望值比值（obs/exp）分析：对每个基因组构建保留二核苷酸组成的随机化基因组（一阶马尔可夫链，每基因组10–50次），以泊松检验比较观察值与期望G4计数；（5）跨物种保守性分析：对35个含≥3个物种的属，使用OrthoFinder 2.5.5推断直系同源群（orthogroup），将携带启动子G4的基因启动子区与同属各物种的直系同源序列比对，评估G4保留情况。样本来源为NCBI RefSeq参考基因组，物种依据人类口腔微生物组数据库（HOMD）筛选，每个物种保留一个参考基因组。

四、研究结果

4.1 G4基序广泛存在但分布不均

研究人员在381个基因组中鉴定出48,234个G4基序，分布高度不均：63个基因组（16.5%）不含任何G4，而G4最丰富的基因组——牙放线菌（Actinomyces dentalis）含2,210个基序。G4密度与GC含量呈强指数关系（ln(density) = ?12.21 + 0.15 × GC%；R2 = 0.805，p < 10^?100），GC含量单独解释了log G4密度80.5%的方差。所有不含G4的基因组GC含量均低于45%，无任何GC含量高于50%的基因组缺乏G4。在相同GC含量下，弯曲杆菌门（Campylobacterota）和拟杆菌门（Bacteroidota）基因组携带的G4多于拟合预测值，而芽孢杆菌门（Bacillota）则少于预测值。属级层次聚类显示高GC属（如棒状杆菌属Corynebacterium、微球菌属Micrococcus）聚为一类，以高G4密度和高CDS区G4比例为特征；中等GC属（如普雷沃菌属Prevotella、金氏菌属Kingella、奈瑟菌属Neisseria）则呈现高obs/exp比值。

4.2 G4在启动子区域富集并与调控及毒力基因关联

在48,234个G4基序中，17,284个（35.8%）定位于启动子区域，27,152个（56.3%）位于编码序列（CDS），3,798个（7.9%）位于基因间区。启动子区域仅约占细菌基因组10%–15%，提示G4在启动子区富集2.5–3倍。前20个G4最多的属中，18个属的启动子G4比例超过25%。功能富集分析显示，信号转导基因（2.4倍）、毒力因子（2.4倍）、转录调控因子（2.3倍）、可移动遗传元件（2.3倍）及转运系统（2.2倍）富集最强，而翻译（1.4倍）、复制（1.3倍）及DNA修复（1.3倍）等持家功能富集较弱。结构特征分析显示短环（1–3 nt）占主导，3 nt环最为常见；仅5.0%的G4基序三个环等长（对称构型）。平均环长度不随基因组GC含量系统性变化，提示结构约束独立于核苷酸组成。链偏倚分析显示属级平均模板链比例为0.50，但106个属中54个呈现显著链偏倚（FDR < 0.05），其中39个偏向模板链、15个偏向非模板链。艾肯菌属（Eikenella）和金氏菌属（Kingella）表现强模板链偏倚（分别为87.0%和79.7%），巴通体属（Bartonella）表现最强非模板链偏倚（98.4%）。模板链G4可能阻碍RNA聚合酶行进，提示其参与转录调控或基因沉默。

4.3 部分基因组携带超出核苷酸组成预期的G4基序

研究人员以保留二核苷酸组成的随机化基因组为对照计算obs/exp比值，将318个含至少一个G4的基因组分为五类：强 depleted（<0.3，22个）、depleted（0.3–0.7，76个）、expected（0.7–1.5，141个）、enriched（1.5–3.0，53个）及强enriched（>3.0，26个）。obs/exp分布强烈右偏（中位数0.97，均值1.77），与GC含量无显著趋势（Spearman ρ = ?0.07，p = 0.22）。高GC基因组（>60%）中G4频繁作为组成被动副产物出现，部分基因组obs/exp低于1，提示可能选择性地抑制G4形成。低GC基因组（<40%）中G-序列天然稀少，期望计数极小，obs/exp比值对计数差异高度敏感。当以1-kb窗口内保留组成的随机化基因组重新计算期望值时，83个显著富集基因组中仅16个仍保持富集。高obs/exp基因组中，反刍动物胞内病原体Bartonella schoenbuchensis呈现全数据集最高80倍富集（GC 38.0%，187个G4），但76个基序为基因组内重复序列，控制局部组成后富集消失。Helicobacter pylori（胃溃疡病原体）呈8倍富集（41个G4，GC 38.5%）。Campylobacter sputorum呈18倍富集但仅含2个G4，比值主要由低GC下的近零期望计数驱动。Capnocytophaga leadbetteri和C. sputigena呈13–16倍富集（GC 39–40%），Prevotella melaninogenica和P. scopos呈11–19倍富集（GC 41%）。多数高比值基因组属于人类病原体或条件致病菌。P. melaninogenica、P. scopos、C. leadbetteri、C. sputigena及H. pylori在控制局部组成后仍保持富集。功能谱比较显示，obs/exp >3的基因组中可移动遗传元件基因在启动子G4基因中富集3.2倍（FDR q < 0.001），而转录和转运基因比例较低。

4.4 启动子G4基序在同属物种间很少共享

对35个含≥3个物种的属进行直系同源群分析，共获得1,239个属-直系同源群配对，其中启动子G4至少在同属两个物种中共享。保守性评分分布强烈左偏：65.1%的直系同源群保守性评分低于0.2（即启动子G4存在于不足20%的同属物种中），仅79个达到0.5阈值，仅1个（金氏菌属Kingella的BolA家族蛋白，3/3物种）在所有物种中携带启动子G4。放线菌属（Actinomyces，12种）和棒状杆菌属（Corynebacterium，27种）拥有最多共享启动子G4的直系同源群。放线菌属中17个直系同源群在多数物种中携带启动子G4，包括NADH:黄素氧化还原酶和磷酸甘油酸脱氢酶（9/12种）、arc（蛋白酶体相关ATP酶）、4-羟基-3-甲基丁-2-烯基二磷酸还原酶及DNA聚合酶III亚基γ/τ（8/12种）、trpA、priA和leuD（6/12种）。arc基因的G4在80个可比对启动子比对中有56个位于相同比对位置。棒状杆菌属虽有361个共享启动子G4直系同源群，但无一在多数物种中保守，反映该属极深的物种树距离（最大1.6个替换/位点，约为奈瑟菌属的3倍）。跨属比较显示，9个数据充足的属中7个属的G4在相同比对位置保留的比例随系统发育距离增加而下降（组合置换检验p = 3 × 10^?9）。启动子G4在同属物种间的共享频率高于随机预期（观察3,461对 vs 期望1,922对），但其G-序列的完整性保持频率（43.1%）与同一启动子内其他GGG序列（42.8%）无显著差异。富集基因组中的G4保留频率反而低于同属其他基因组（?12个百分点，置换检验p = 0.0006）。

五、讨论与结论

讨论部分总结： 本研究首次在特定微生物群落尺度上系统调查了G4基序，覆盖口腔细菌150个属的381个基因组。G4在启动子区域富集，少数基因组（主要为口腔拟杆菌门、弯曲杆菌门和假单胞菌门）携带超出序列组成预期的G4，且优先与毒力和环境响应基因关联。研究结果强调结论对零模型的高度依赖性：简单解析期望公式在低GC基因组中低估期望计数约3倍、在高GC基因组中高估1.7倍，而二核苷酸保留随机化基因组显示高GC口腔基因组接近期望值。G富集区域、局部组成异质性及重复序列均可产生表观富集，因此obs/exp比值应解释为相对特定零模型的富集而非选择证据。控制局部组成后仍保持富集的基因组是最有前景的G4功能候选者，包括P. melaninogenica、Capnocytophaga属、Kingella kingae及H. pylori等与人类疾病相关的物种。启动子G4的2.5–3倍一致性富集显示其非随机定位，但位置富集本身不能确立转录调控功能。正交启动子比较显示启动子G4在同属内遗传继承但更替迅速：共享频率高于随机预期、随系统发育距离急剧下降、许多缺失仅涉及单个G替换。G4的G-序列保守性不高于同一启动子内其他G-序列，富集基因组中的G4保留频率反而更低，未发现纯化选择维持G4形成序列的证据。与深度保守的核心启动子元件不同，启动子G4表现为可遗传但进化上易变的特征。研究局限性包括：体内G4形成受超螺旋、K?浓度、分子拥挤及G4解旋酶等因素影响，需G4-seq、BG4免疫沉淀或G4稳定配体等方法验证；远缘同属物种的正交启动子常无法比对；基于关键词的功能分类仅覆盖部分基因功能；仅考虑经典三-四分体基序；随机化基因组仅保留至给定阶数和空间尺度的组成。

结论部分翻译： 本研究对381个口腔细菌基因组中48,234个G-四链体基序的系统调查，建立了特定微生物群落中G4分布的首个综合图谱。三项主要发现：（i）G4基序在启动子区域较其基因组比例富集2.5–3倍，这一位置关联可能反映其在转录中的作用；（ii）在考虑二核苷酸组成后，G4基序在低GC基因组中并未系统性过表达，仅少数基因组（主要为口腔普雷沃菌属、二氧化碳噬纤维菌属、金氏菌属和奈瑟菌属物种及幽门螺杆菌）携带超出局部序列组成预期的G4基序；（iii）启动子G4优先与毒力、转运及调控基因关联，在同属内遗传继承但随物种分化迅速丢失，少数正交启动子（如放线菌属的arc基因）在多数物种中保留G4。若这些位点的G4形成及功能获得实验证实，G4结构有望成为抗菌策略的靶点，例如通过G4稳定小分子调节口腔病原体的毒力基因表达。