《International Journal of Molecular Sciences》：Position and Strand Identity of G-Quadruplex Motifs Are Associated with Distinct Functional Signatures in Plants
编辑推荐：
摘要：假定的G-四链体序列（putative G-quadruplex sequences, PQS）已在个别植物物种中被发现与转录调控相关联，但目前仍缺乏跨植物界的系统性比较视角。本研究分析了跨越超过12亿年进化分歧的70种植物物种（从藻类到被子植物）中转录
摘要：假定的G-四链体序列（putative G-quadruplex sequences, PQS）已在个别植物物种中被发现与转录调控相关联，但目前仍缺乏跨植物界的系统性比较视角。本研究分析了跨越超过12亿年进化分歧的70种植物物种（从藻类到被子植物）中转录起始位点（transcription start site, TSS）附近的PQS。利用G4Hunter算法，分别在编码链（coding strand）和模板链（template strand）上对假定的G4基序进行定位和评分。这种链分辨的分析确定了四种位置/链类别，其中TSS下游的模板链基序最为丰富，且对G4Hunter阈值的升高最具抵抗力。大多数PQS阳性基因（62.4%）仅携带一种类别的基序，但也存在涉及两个或多个类别的组合模式。对每个物种中测试的拟南芥同源物进行的基因本体论（Gene Ontology, GO）富集分析揭示了两种主要的、效应量适中的重复性模式：下游模板链基序与叶绿体和mRNA结合相关术语相关联，上游模板链基序与转录因子活性和转录调控相关联，而下游编码链基序的信号则较弱。在单个基因水平上，位置特异性的G4在同源物中出现的频率高于随机预期，主要发生在下游区域，这在一定程度上可能反映了编码序列的保守性。这些基于计算预测的关联，为优先选择候选G4元件进行其在植物转录调控中作用的实验验证提供了起点。
研究背景、现存问题与研究目的
G-四链体（G-quadruplexes, G4s）是由富含鸟嘌呤的DNA或RNA序列形成的非经典四链二级结构，其形成序列（putative G4-forming sequences, PQS）广泛存在于真核生物基因组中。在人类等哺乳动物中，G4已被证实富集于转录起始位点（transcription start site, TSS）、启动子及活跃转录基因的5′非翻译区，并可通过改变局部染色质可及性、促进核小体缺失及招募序列特异性调控蛋白等方式影响转录。在植物领域，尽管已有针对少数物种如拟南芥、水稻等的G4图谱研究，且个别基因如拟南芥CYP82C4中的模板链G4被证明可直接调控侧根原基起始，但现有比较研究存在三大局限：其一，多数研究仅覆盖极少数物种，无法揭示G4模式在整个植物界的演化动态；其二，功能富集分析通常未区分G4基序相对于TSS的位置和链特异性，而编码链与模板链上的G4在转录过程中处于不同的结构环境，可能具有不同的功能关联；其三，基因本体（Gene Ontology, GO）富集结果受PQS检测算法、稳定性阈值及功能注释完整性的影响，缺乏统一流程下的跨物种可比性。为填补这些空白，研究人员开展了此项涵盖从绿藻到被子植物的多物种全基因组分析，旨在建立G4拓扑结构与基因功能之间的关联框架。
主要技术方法
- 1.
数据获取与PQS预测：从Phytozome v13数据库获取70种植物的基因组组装和基因注释文件。研究人员自行实现了G4Hunter算法，采用25 bp滑动窗口对每个基因TSS上下游各2000 bp的区域进行评分，并以1.2为基线阈值，同时在1.0至2.0的梯度下进行重复预测。依据PQS相对于TSS的位置（上游/下游）及所在链（编码链/模板链），将基因分为四个非互斥类别：上游编码（upstream coding, UC）、下游编码（downstream coding, DC）、上游模板（upstream template, UT）和下游模板（downstream template, DT）。
- 2.
系统发育重建与同源映射：从TimeTree数据库获取70个物种的时间校准系统发育树。利用BLASTp将各物种的预测蛋白质组与拟南芥（TAIR10）蛋白质组进行比对，设定E值≤1×10-5、序列同一性≥30%、查询覆盖率≥50%的筛选标准，为每个基因分配拟南芥同源物。
- 3.
功能富集与统计检验：对每个物种的每个PQS类别，以其同源物携带基团的拟南芥同源基因为前景，以该物种所有具有拟南芥同源物的基因为背景，采用单侧Fisher精确检验进行GO富集分析，并使用Benjamini-Hochberg法进行多重假设检验校正（FDR<0.05）。此外，还进行了基因水平的置换检验，以评估位置特异性G4在同源基因中重复出现的显著性。
研究结果
- •
2.1 比较系统发育分析显示G4空间分布的进化动态：在1.2阈值下，密度谱分析揭示了G4基序相对于TSS位置的明确空间区室化。大多数被子植物中，TSS下游约+100至+500 bp处出现显著的模板链G4密度峰，而TSS上游区域模板链信号显著减弱，编码链则在-200至0 bp窗口形成局部峰。沿系统发育树比较发现，禾本科植物（Poaceae）在下游编码区的模板链G4密度最高；蕨类植物和裸子植物在全分析窗口内表现出异常高的编码链G4密度；而藻类和苔藓植物的G4信号更为弥散并集中于TSS本身。
- •
2.2 PQS类别的全基因组丰度与组合结构：含有至少一个PQS的基因比例对阈值高度敏感，并与基因组GC含量呈正相关（Spearman ρ=0.59）。在所有阈值范围内，下游模板链（DT）基序均占主导地位，且随着阈值升高其优势更加明显。超过60%的PQS阳性基因仅携带单一类别的基序，表明PQS在不同启动子和5′UTR位置上是相对独立的特征。
- •
2.3 有无拟南芥同源物的基因在GC含量和G4Hunter评分上略有差异：无同源物基因的GC含量和最大G4Hunter评分略低于有同源物基因，但差异很小且不影响后续GO分析，因为前景和背景均由有同源物的基因构成。
- •
2.4 基因本体富集分析显示不同位置/链类别间的功能差异：跨物种比较揭示了与特定G4拓扑结构相关的不同功能模式。最显著的是，叶绿体相关术语（如叶绿体GO:0009507、叶绿体基质GO:0009570）和mRNA结合（GO:0003729）几乎完全由下游模板链（DT）基序驱动。相比之下，DNA结合转录因子活性（GO:0003700）和转录顺式调控区结合（GO:0000976）等转录调控术语主要富集在上游模板链（UT）类别中。效应量适中（中位折叠富集1.1-1.6），表明这是重复性关联而非强依赖性。GC含量控制分析表明，GC含量部分贡献了观察到的关联，但不能完全解释PQS阳性基因的特异性富集。
- •
2.5 同源基因中位置特异性G4的重复出现：在7153个拟南芥基因中，984个基因在下游模板链（DT）类别中表现出位置特异性G4重复出现（在≥60%的物种中），远高于随机期望值。而上游区域仅有66个基因表现出此特征，其中包括转录因子及激素代谢和信号转导相关基因。
讨论与结论
讨论部分指出，本研究将孤立的单基因和单物种观察扩展为多物种比较，通过分析70种跨越12亿年以上进化的植物基因组，证明了G4的位置和链身份与不同的功能特征相关联。下游模板链（DT）基序与叶绿体、细胞器和RNA结合术语相关，该模式在系统发育的最深分支中重复出现；上游模板链（UT）基序则与转录机制本身相关。研究者也指出了若干局限性：G4Hunter评分反映的是核苷酸组成而非实际结构形成；下游模板链的G-rich基序可能部分源于保守蛋白的氨基酸组成；同源物分配基于与拟南芥的蛋白质相似性，对最远缘的藻类不完整；TSS位置取自基因组注释，可能与实际起始位点有偏差。研究结论部分总结道：通过绘制70种植物中假定G-四链体形成序列（PQS）的图谱，本研究建立了将G4出现与基因组位置、链方向和基因功能联系起来的比较框架。分析揭示了G4拓扑结构与功能基因类别之间的重复性关联：下游模板链基序与叶绿体、细胞器和RNA结合功能相关，上游模板链基序与转录调控相关，而下游编码链基序信号较弱。在单个基因水平上，位置特异性G4在同源物中重复出现的频率高于随机预期，主要在下游区域，这可能部分反映了编码序列的保守性；上游具有重复性G4的基因较少，包括转录因子。这些关联基于计算预测，效应量适中，应被视为假说，需要通过实验验证来确定这些基因群中G4基序的调控作用。由此产生的图谱确定了可以优先进行实验验证的基因类别和G4构型，为探索基于G4的顺式调控元件在植物生物技术中的应用潜力奠定了基础。
