《Viruses》：Mechanism-Guided Bioinformatic Analysis of Non-LTR Retrotransposon Insertions: From Molecular Archaeology to De Novo Experimental Systems
编辑推荐：
非长末端重复（non-LTR）反转录转座子通过一种称为靶位点引发逆转录（TPRT）的过程，直接从靶位点引发互补DNA（cDNA）合成而插入基因组，但完成插入的后续步骤仍知之甚少。与整合酶介导的长末端重复（LTR）反转录转座子整合产物相对均一不同，非LTR反转录
非长末端重复（non-LTR）反转录转座子通过一种称为靶位点引发逆转录（TPRT）的过程，直接从靶位点引发互补DNA（cDNA）合成而插入基因组，但完成插入的后续步骤仍知之甚少。与整合酶介导的长末端重复（LTR）反转录转座子整合产物相对均一不同，非LTR反转录转座子插入在结构上具有异质性，使其分析复杂化。然而，在适当的机制背景下解释时，这种异质性可以揭示潜在插入反应的变异。在此，研究人员提出了一个用于非LTR反转录转座子插入的机制导向生物信息学分析框架，其前提是插入结构和基因组背景的不同特征反映插入过程的不同生化步骤。借鉴历史和近期研究，研究人员确定了测序和生物信息学分析的最佳实践，并考虑现有基因组插入和实验产生的从头（de novo）插入如何提供互补的机制信息，同时施加不同的推断偏差。研究人员设想，机制导向分析的标准化原则将有助于解决插入完成中知之甚少的步骤，实现跨反转录转座子和宿主的比较研究，并改进对新兴基于反转录转座子的基因组工程系统的评估。
1. 引言
非长末端重复（non-LTR）反转录转座子是一类通过RNA中间体动员的真核转座元件（TEs），在动物基因组中广泛存在。其插入主要经由靶位点引发逆转录（TPRT）起始：逆转录转座子编码的催化蛋白核酸内切酶（EN）结构域在靶位点单链切口，产生3′羟基以引发结合模板RNA的逆转录；完成插入还需第二链切口、5′连接形成和第二链cDNA合成，故插入结构不对称且异质。与长末端重复（LTR）反转录转座子经整合酶介导的较均一插入不同，non-LTR插入的异质性可在机制框架下反映插入反应差异。文章据此提出机制导向生物信息学分析框架，按插入途径步骤组织证据，从靶位点重建到靶位点选择、第一链cDNA合成、插入完成及基因组重排，并主要聚焦动物non-LTR反转录转座子。
2. 非LTR反转录转座子的结构与生化多样性
当前分类识别出八个已知non-LTR反转录转座子大类（不含Penelope样元件）。R2、CRE和Dualen组通常编码一个开放阅读框（ORF），L1和Ambal组通常编码两个，RTE、I和CR1组更可变。最大蛋白含逆转录酶（RT）和EN结构域，部分ORF2蛋白（ORF2p）还有RNase H结构域；EN按序列同源性分为无嘌呤/无嘧啶核酸内切酶样（APE）和限制性内切酶样（RLE）。ORF1p一般促进核糖核蛋白（RNP）形成和RNA转运，但功能仍不清楚。文章重点介绍昆虫R1、动物R2、人LINE-1（L1）、黑腹果蝇I因子和斑马鱼LINE-2（ZfL2）五个模型系统，它们在EN类型、ORF数和插入位点特异性上不同。R1和R2定点插入28S rRNA基因；L1、I因子和ZfL2分散插入。non-LTR蛋白还可动员短散在元件（SINE）等非自主元件及细胞mRNA，后者产生加工假基因。
3. 机制导向插入分析框架
框架以基因组序列可推断插入过程各生化步骤为原则。5′和3′插入端相对正义RNA模板定义。框架先推断插入反应输入：重建插入前靶位点和被动员RNA及其来源；再推断生化步骤：靶位点选择与第一链切割、DNA引物生成与逆转录起始、第一链cDNA合成、第二链切割、5′连接形成和第二链合成；最后讨论插入相关基因组重排及流产插入和附带基因组损伤。对每个步骤，文章比较固定基因组插入与实验生成从头插入的证据，并在适当时考虑体细胞转座和多态性插入。体外生化与转座频率定量仅在相关背景中提及。
4. 机制证据来源
4.1 固定基因组插入
固定插入可视为基因组化石，其研究类似“分子考古”。但现存插入不是过去事件的完整记录，受遗传漂变、纯化选择、突变、缺失和重组影响，重复位点尤其明显。固定插入分析仍是某些难以生化重建或缺乏从头实验系统的non-LTR反转录转座子的唯一途径。单倍型解析长读长组装最全面，但靶向多拷贝位点或低复杂度序列时，即使高质量组装也可能不足，需分析原始读段。长读长可提供单个插入事件的分子记录。
4.2 体细胞和多态性插入
体细胞事件和多态性插入较少见，但可生成或检验机制假设，避免化石插入的部分生物信息学难题，并保留天然宿主背景。其序列衰减少，常可由无插入等位基因提供插入前靶位点。主要挑战是稀缺；人类肿瘤样本是重要例外，深度测序和广泛采样提供大量体细胞转座数据。
4.3 从头插入
从头插入测定可在进化选择和序列衰减前捕获新插入，更好保留细胞步骤特征。但此类测定不能完全再现内源转座的丰度、化学计量、定位和加工。文章区分三类：DNA（常为游离体）递送表达non-LTR RNA和蛋白，如L1反义报告基因被正义内含子中断的经典测定；RNA或RNP递送，包括顺式和反式配置，反式便于分别研究RNA模板和蛋白需求，预先形成RNP提供最大控制；体内诱导内源元件动员，如黑腹果蝇I-R杂交不育系统中的I因子动员，保留生理背景但不易改变插入序列和限制转座节奏。
4.4 生物信息学工具与机制感知插入分析
文章按机制感知能力评估工具，类别包括重复注释、从头/体细胞/多态性插入发现、扩增子分析和机制导向插入分析。RepeatMasker等重复注释工具用输入文库识别宿主组装中的TE序列，非non-LTR专用，但可支持截短、倒位和连接结构定制分析。MELT、TLDR和PALMER等插入发现工具通过读段与宿主基因组比较推断插入，部分可重建截短、倒位、转导序列和靶位点改变。CRISPResso等基因组编辑软件可分析扩增子插入或编辑结果，估计插入效率并识别不精确连接或插入缺失，但有长度依赖PCR偏倚，且不重建non-LTR插入的机制信息。当时尚无广泛使用的通用工具可广泛重建non-LTR机器介导的插入事件，但已有许多定制分析示例。
5. 重建输入、输出和反应步骤
5.1 输入：重建插入前靶位点
重建插入前靶位点是推断靶位点改变的前提，但对化石插入困难。non-LTR插入可产生靶位点重复（TSD）、靶位点截短或额外核苷酸添加，且同一基因组同一元件在不同位点异质。策略分参考无关和基于比对。参考无关主要适用于产生TSD的插入，可折叠TSD重建，但并非所有位点都形成TSD，如L1的EN非依赖插入无TSD。基于比对可将含插入位点与同一或近缘生物参考序列比对推断，已用于多拷贝或低复杂度靶位点，但多拷贝位点精确定位染色体位置可能不可能，此时比对到多拷贝位点共识参考更准确。从头插入的靶位点通常可通过插入侧翼序列比对参考基因组重建，但复杂重排仍难检测。
5.2 输入：重建被动员RNA及其来源
重建模板RNA有助于识别来源元件。内源转座或质粒表达中，转录边界、剪接、多聚腺苷化和自切割可产生异质模板；插入序列还可因内部起始、非模板核苷酸添加、RT提前终止和5′连接形成而偏离模板。RNA连接和模板跳跃也可改变插入序列。直接递送模板RNA简化重建，但体外转录或降解仍可异质。L1多聚腺苷化信号低效可造成3′转导，转录起始不精确或通读可造成5′转导。重建需考虑替代RNA加工产物，如L1隐秘剪接产生内部缺失，RtcB介导连接产生U6–L1嵌合RNA，自切割核酶定义模板末端。对现存插入，须先比对到合适家族/亚家族参考，避免同源混淆；来源位点常因多拷贝难定，可通过独特转导序列或来源特异单核苷酸变异匹配。反式动员RNA不标识供应机器的自主元件，可根据RNA 3′端特征或连接特征提出自主/非自主配对，但需实验验证。
5.3 插入反应：靶位点选择与第一链切割
靶位点选择有五个决定因素：蛋白识别特异性、模板RNA引导特异性、宿主因子互作、靶位点结构和区域基因组背景。non-LTR从高度定点到广泛分散呈谱系。EN–DNA特异性生化定位和基因组偏好支持EN序列特异性为主要模型，EN结构域交换可转移靶点特异性，EN非依赖L1插入缺乏经典靶基序。R2p的脱靶定位提示EN接触区外序列也决定特异性，但机制未完全解析。模板RNA与第一链切割产生的DNA 3′端碱基配对可施加额外序列要求。宿主因子互作如盘基网柄菌TRE5-A与RNA聚合酶III（Pol III）启动子转录复合物互作，识别转录机器而非特定DNA序列；L1ORF2p与增殖细胞核抗原（PCNA）互作可能偏向滞后链模板，但未直接检验。局部DNA结构仅在L1ORF2p介导从头插入中显示：EN依赖插入偏向复制叉滞后链模板第一链切口，EN非依赖插入偏向相反链。区域背景方面，人L1从头插入映射未发现转录区或开放染色质一致偏好，而黑腹果蝇I因子从头插入偏好开放、转录活跃染色质。全基因组特异性主张需无偏采样、检测敏感性估计、保留低频事件和相对所有独立插入量化脱靶。
5.4 插入反应：DNA引物生成与逆转录起始
DNA引物可由EN介导第一链切口产生，也可利用既有3′ DNA端。早期模型提出既有DNA断裂提供3′羟基引发逆转录；后来证明EN活性足以产生3′羟基，但EN非依赖引发自发性DNA断裂、端粒末端和冈崎片段3′端也已建立。EN非依赖插入可通过缺乏经典靶基序、大规模靶位点重排和/或内部引发识别，推断EN介导特异性时应分离。EN突变体R2p和R1Bm仍有降低但可测的转座活性，生物信息学提示靶位点偏好改变，符合从既有3′端引发RT。引物生成只是第一步，还需RNA模板相对引物3′端定位和EN活性位点到RT活性位点的3′端转移。一些蛋白需要RNA模板与DNA引物端碱基配对（末端互补）起始；现存插入3′连接微同源富集提示多种non-LTR蛋白的RT起始碱基配对需求。从头测定中扰动模板RNA 3′端证明R1Bm、SART1Bm、R2Ol、禽R2p和R7Ag的TPRT起始精确性和效率需要末端互补。但非普遍：罕见人L1插入符合RNA模板内部引发；互补不足或单链引物过短时，可在模板拷贝前添加额外核苷酸。
5.5 插入反应：第一链cDNA合成
重建第一链cDNA尤其困难，因合成前后多过程改变最终插入序列。核心未解问题是5′截短来源：RNA模板降解、RT提前终止、cDNA核酸酶切割、5′连接形成时cDNA丢失或其组合。RT持续合成不足导致提前终止的假说流行，但R2和L1 RT生化研究不支持。RNA易水解和细胞内部分降解；设计提高模板生物稳定性的RNA结构元件或碱基替换可显著抑制R2p介导插入的5′截短。cDNA产物也可在第二链合成于第一链cDNA内部区域起始时于5′连接形成中截短。cDNA序列结构不规则如5′倒位、内部缺失和内部重复可能源于第一链合成相关过程。约20–25%近期固定L1插入有5′端倒位，促使双引发模型：RT从DNA断裂两端在不同位置引发同一RNA模板；含倒位的从头L1插入常见符合双引发，但未直接证明。其他non-LTR未报道类似倒位，提示双引发可能为L1ORF2p特异。非经典第一链合成还包括在逆转录目标模板RNA后逆转录宿主RNA，符合端到端模板跳跃或预连接嵌合RNA逆转录。未来需系统测量第一链cDNA合成错误率；从头L1ORF2p和禽R2p插入测序给出约10
?4/碱基的替换率，但终点测序混合多步错误，不能直接测第一链保真度；准确测量需分析第二链合成前中间体并用低错误共识测序。
5.6 插入反应：第二链切割、5′连接形成和第二链合成
插入完成机制仍 largely unresolved（尚未充分解析）。终点特征如靶位点改变和5′截短可能报告多个完成步骤而非单一事件。从头插入研究最有希望通过扰动解析，但新插入5′连接常比3′连接测序浅。完成机制分析需表征两个连接并保留同一事件信息。non-LTR插入常伴TSD，符合EN交错切口产生3′悬端；跨宿主比较显示TSD长度模式更与反转录转座子身份相关，提示EN活性为主要决定因素，但宿主背景可改变靶位点结果分布。R2插入常为2-bp靶位点截短（TST）而非TSD；R2Bm切口生化重建显示切割位置匹配现存B. mori插入主要连接，2-bp交错产生5′而非3′悬端。禽R2p从头插入研究将第二链切口与5′连接结构直接联系，并显示精确切割和5′连接形成需招募第二个R2p亚基；第二链切割缺陷变异仍可产生全长基因插入，但靶位点改变更广泛。R2是唯一在细胞中显示EN切双链的系统，典型TSD是否直接由反转录转座子编码切割活性指定尚未证明。靶位点改变异质性与插入结构变异并存，尤其5′端；不同靶位点改变伴特征性5′连接签名，提示不同第二链切割产生的DNA末端结构可使插入中间体进入不同完成途径。直接扰动宿主DNA修复提供多条替代完成途径证据，但机制可能宿主、细胞类型或元件特异。ZfL2-2在经典非同源末端连接（NHEJ）缺陷DT40细胞中5′截短较少；R2p在人细胞中最详细：53BP1–Shieldin–CST–Polα-引物酶填充伴严重5′截短，DNA聚合酶θ介导末端连接伴微同源使用和较轻截短，切除依赖链退火伴全长插入和精确连接。第二链合成是最后步骤，但终点分析 largely invisible（大多不可见）；尚无完整分子图景，R2p已显示宿主聚合酶参与。解析需直接 interrogate（探究）合成，如反应中间体、宿主因子招募或聚合酶特异突变签名。
5.7 产物：插入相关大规模基因组重排
除局部靶位点改变，还可发生缺失、重复、易位和倒位等大规模重排。早期发现近期黑腹果蝇I因子插入位于缺失和倒位断点，提示I因子活性与重排相关，但不能确定重排与插入同时或后续异位重组。后来从头L1测定在插入位点常见缺失、重复和倒位，但数周药物选择妨碍确定重排属于插入事件本身。比较基因组分析识别罕见存活的LINE和SINE相关重排，从千碱基到候选兆碱基事件，但纯化选择可能移除许多等位基因。癌症基因组和从头插入提供更直接证据：L1表达和转座在癌症中常升高，泛癌全基因组测序揭示兆碱基缺失和重复及易位和倒位与L1转座相关；长读长重建提示部分L1相关易位和倒位源于并发转座中间体连接，重排特异报告测定证明此类事件可与L1插入同时发生。这些研究确立L1转座是肿瘤大规模重排的重要来源。其他non-LTR是否常见类似重排仍不清楚；需从头测定和多样物种近期插入分析。靶向串联重复难组装位点的元件如R2，检测重排可能需长读长加拷贝数或细胞学方法。黑腹果蝇I因子相关重排和人细胞中PRINTed rDNA阵列拷贝数丢失提示重排非L1独有。
5.8 产物：流产反应和附带基因组损伤
流产插入反应可不留cDNA痕迹，因此分子考古不可见。从头插入测定中标准插入映射通常也不捕获EN活性造成但无 recognizable（可识别）TPRT产物的附带基因组损伤。近期工作用报告检测无L1序列的EN依赖缺失和L1相关重排全基因组测序（包括无插入L1产物的连接）开始弥补。常用基因组损伤检测依赖γH2AX作为双链断裂（DSB）形成标志；损伤标志非直接全面指标，但提供敏感可扩展的全基因组损伤读出，无需预先知道断点或回收测序产物。随着non-LTR基因组补充技术接近临床，附带损伤分析日益重要。CRISPR–Cas9基因编辑先例表明标准基因分型可显著低估DNA损伤：短程测定漏检大缺失多年后才被认识，随后发现染色体规模重排和染色体碎裂。对高度定点反转录转座子机器（以R2为代表），可对近期从头插入基因组中无插入靶位点和一般基因组损伤深度测序，揭示双切口靶位点除预期2个核苷酸（nt）悬端重连外的修复签名。对非定点插入蛋白，单细胞或克隆细胞系全基因组测序可能必要，也可检测定点机器附带损伤。
6. 结论
文章总结non-LTR插入及其基因组背景机制研究的历史示例和最佳实践，提出标准化分析：从仔细重建解释插入结构所需分子输入，到定量分析两个连接和内部序列特征。重建插入前靶位点、动员模板、连接、内部结构和相关重排可提供插入反应连续步骤的机制信息。跨元件、宿主和实验扰动应用该框架应有助于区分TPRT广泛保守特征与元件或宿主特异机制，并改进新兴基于反转录转座子基因组工程系统评估。除鉴定元件、靶基序和TSD外更全面表征插入结构可显著扩展机制信息。将插入解释为分子记录需谨慎，因终点结构不一定唯一对应特定机制；研究应报告结果定量分布（包括复杂难解析事件）而非代表性示例或模态行为，并考虑实验设计、测序和生物信息学偏倚。稳健机制推断常需独立事件重复模式、实验扰动或正交证据，强因果主张受益于结合这些方法。高质量基因组组装、长读长测序和改良从头插入系统提供机会扩展机制导向分析至更广元件结构和宿主背景，帮助解析转座尤其插入完成机制；标准化分析和报告将使比较更有信息。
