从化石到功能：转座元件（TEs）在调控演化中的情境依赖性功能解析

《Viruses》：From Fossils to Function: Transposable Elements in Regulatory Evolution

　　

转座元件（TEs）长期被视为威胁基因组完整性的自私遗传元件。然而，来自发育生物学、疾病研究与比较基因组学的日益增多的证据表明，TE来源的DNA、RNA与蛋白质可被宿主基因组保留、重新利用并反复驯化（co-opt）。一个核心挑战在于TE功能具有高度情境依赖性：在多数体细胞中被沉默的同一家族，可在早期发育、癌症、神经分化、免疫激活或实验性敏化染色质状态中被激活。本文综述了近期发现，阐明TE衍生序列如何参与基因调控、三维基因组组织、神经发育、髓鞘形成、免疫及疾病相关转录程序。研究强调，发育与疾病可暴露TEs共有的调控潜能，并讨论长读长测序、TE感知型转录组学、染色质 profiling 与位点特异性扰动如何改变该领域对TE记录的解读。除追问TEs是自私还是有益之外，研究人员主张该领域必须追问TE衍生序列在何时、何地以及通过何种机制发挥功能。

1. 1.
   引言
   该部分指出，将转座元件（TEs）视为"垃圾"或"自私"遗传元件的长期观点正在被改变。来自发育、疾病及各中心法则层面的证据支持TEs是跨物种基因组创新的重要驱动因素。自Barbara McClintock提出可移动遗传元件可可逆地改变基因表达以来，现已明确许多转座子序列被驯化用于编码功能性启动子、增强子、非编码RNA、染色质组织材料乃至具调控作用的蛋白质。其活性高度依赖情境，仅在许可性的发育、疾病与实验状态中显现。全基因组序列的持续积累表明转座子在真核生物中普遍存在且常占基因组相当比例；TE的定植、扩增与内源化以波次发生于演化过程中，为基因组创新提供时间与机会。多数插入功能中性，可因无适合度后果而固定；具即时有害效应的插入通常被自然选择清除，少数被重新利用。TE"功能"被广义定义为对生物过程的可测量影响，可发生于DNA、RNA或蛋白质层面，且其再激活与功能高度依赖染色质状态、转录因子可得性、发育时序与细胞情境。文章强调，疾病与发育不应被视为割裂的TE情境，二者均可揭示TE衍生序列在不同条件下共有的潜在调控能力；疾病状态、遗传扰动及TE调控因子缺陷的染色质环境可作为敏化系统，暴露通常局限于特定发育窗口或细胞类型的TE活性。
2. 2.
   TE分类与基于情境的功能
   该部分提出"TE类别解释机制，细胞情境解释功能"。TEs合计约占哺乳动物基因组的40–50%，按转座机制可细分为不同亚家族。DNA转座子通过"剪切-粘贴"机制动员，在哺乳动物中多被认为基本失活，约占人类基因组3%。逆转录转座子通过"复制-粘贴"机制扩增，其中RNA中间体经逆转录为cDNA后插入新位点。逆转录转座子按序列结构可进一步分为含两个相同长末端重复（LTR） flanking 内部蛋白编码序列的LTR转座子（全长者罕见，多为重组产生的"单独LTR"），以及非LTR转座子，包括长散在核元件（LINEs）与短散在核元件（SINEs）。这些类别对理解机制必不可少，但本身不能预测生物学结局：同一LTR可作启动子或增强子；LINE衍生转录本可独立于逆转录转座发挥作用；SINE可塑造染色质结构或增强子语法；内源性逆转录病毒可提供蛋白编码潜能。文章还讨论真核基因组如何耐受TE积累：单次插入可致必需基因有害突变，远距离相关插入间的异位重组可诱导大规模染色体 rearrangement；多数转座子已被宿主防御机制沉默，有害插入被选择清除，其余因突变而失去动员能力并随演化退化，留下"化石记录"式惰性片段。但"惰性"一词可能误导，即使退化或固定的TE片段仍可保留转录因子结合位点、RNA加工信号、剪接位点或结构特性。文章引证TE介导的重排（TEMRs）研究，指出Alu元件是TEMRs的主要贡献者，最大者超过25,000 bp，部分与癌症相关基因如TRIM65重叠并破坏之，提示TEMRs可作为人类基因组个体变异乃至物种形成相关基因组变异的来源。果蝇中近期逆转录元件插入离子通道基因改变求偶歌并促成行为分化的例子，说明TE插入可在转录、结构乃至行为层面产生即时创新，但其能否持续取决于选择、染色质情境与宿主调控。
3. 3.
   沉默、耐受与潜在TE调控潜能的暴露
   该部分指出宿主抑制将移动威胁转化为潜在调控底物。未受控转座对基因组完整性构成根本威胁，TE沉默机制的演化对复杂基因组稳定性与宿主生存至关重要。果蝇母源PIWI相互作用RNA（piRNA）介导的转座子沉默是关键例证：piRNA通路组分突变导致胚胎发育中TE活性/复制失控并影响基因组稳定性；母源沉积的piRNAs还可将TE特异性沉默信息传递给后代，实现跨代抑制并保护生殖系完整性。然而TE沉默并非单纯否定TE功能，它也是决定TE衍生序列何时、何地、如何被观察到的调控背景。LINEs因逆转录后截短而自5′端退化，使许多拷贝无法转录或动员；SINEs依赖LINEs逆转录，当活跃LINE机器受限时同步被固定；内源性逆转录病毒因突变累积及配对LTR重组而降低移动性，但剩余片段仍可能作为启动子、增强子、绝缘子、RNA或蛋白编码底物。比较基因组学显示基因组大小与TE含量相关；基于53个物种的分析提出，真核基因组增大部分由TE插入、DNA甲基化与胞嘧啶脱氨之间的相互作用驱动：DNA甲基化起初促进TE沉默，随后产生C-T突变所需的基因组情境，突变侵蚀TE序列、降低动员能力，同时留下可被耐受或驯化为顺式调控元件的片段。耐受由此可成为后续调控接纳的前提。该部分还讨论KRAB锌指蛋白（KRAB-ZFPs）作为TE控制的一层机制，其演化本身可视为TE驱动的间接基因组创新；KAP1与SETDB1通过沉积H3K9me3诱导靶基因转录沉默，KAP1不能单独结合DNA而需KRAB-ZFPs提供靶向特异性；KRAB-ZFP基因座重复且易重组，提供结合偏好各异的异质性因子池，适于靶向快速扩张的TE群体。文章由此调和领域内长期张力：未受控动员时有害的TE活性，在固定、片段化或置于宿主控制下后可成为调控创新原料；关键问题不再是TE是否活跃，而是特定细胞情境是否允许TE衍生序列以宿主相关方式发挥作用。
4. 4.
   TE衍生调控盒与基因网络重塑
   该部分指出TE扩增将相关调控基序分布至全基因组。TE序列富含转录因子结合位点，具有内在的转录网络重塑能力；其在演化基因组中的扩增散布了现成的调控盒，常被重新利用为启动子或增强子。在Britten–Davidson模型中，共享调控序列可使多个基因响应共同转录输入，从而作为调控"基因电池"协调表达；该模型提出"整合器"与"受体"序列控制基因网络表达，对应现代理解中转录调控因子与增强子/启动子之间的互作，产生与"基因电池"表达相关的不同细胞状态。TE扩增为在全基因组分布相关调控序列提供了可行机制，使演化上不同的基因可对重叠的转录因子集合产生响应；重复DNA序列在周期性整合与分化波次中提供了协调基因电池表达的最佳原始序列材料，TE亚家族分化则是调控创新的来源。近期启动子与增强子组成分析支持该模型，显示跨生物学情境的TE衍生顺式调控网络；早期哺乳动物发育中TE衍生转录广泛且受动态调控，符合发育窗口提供许可环境、使TE衍生启动子与增强子被检验、约束或驯化的观点。小鼠胚胎干细胞与着床前胚胎中，一部分演化年轻的LINE-1 5′ UTR作为邻近基因增强子，其过度活性受延伸因子ELL3招募控制，且对na?ve-primed多能性转变的调控至关重要。免疫细胞中不同TE亚家族贡献不同增强子结构域：T细胞增强子分析显示MalR元件贡献增强子核心，较古老的B1元件贡献增强子侧翼；演化过程中相继插入可重塑并多样化转录调控网络，引入功能新颖性或冗余性。TEs的重复性/冗余性是"基因电池"模型的独特关键组分：多个相关拷贝提供相似基序时，可能增强既有调控程序的稳健性而非产生单一必需位点；这给实验解读带来挑战——单一位点删除或沉默表型可能微弱，而扰动一个家族或亚家族可揭示分布式网络层面效应。反之，单一TE位点若邻近敏感发育基因或作为结构枢纽仍可能关键。因此领域需兼顾位点层面机制解析与网络层面扰动。TE插入的调控潜能还受基因组邻域塑造：TE拷贝并非分布于功能等价序列空间，局部基因环境可影响插入被清除、耐受或保留；人类基因周围TE环境分析提示TE组成随基因重复状态与必需性而异，某些TE类别在单拷贝或必需基因附近富集。此类观察不意味着每个保留TE均具适应性，但强化了可见TE景观反映插入历史与局部基因功能所施加选择的观点。
5. 5.
   TE DNA与RNA作为染色质结构组织者
   该部分指出TE衍生调控潜能不限于邻近基因启动子与增强子，TE衍生DNA与RNA还可影响基因组三维组织。这扩展了调控盒模型：通过分布转录因子结合位点、对锚定染色质环至关重要的CTCF基序及重复衍生RNA，TEs不仅贡献转录输出，也贡献调控互作所依托的物理结构。一种方式是散布可招募结构蛋白的DNA元件：TEs通过传播以转录因子与CTCF结合位点为特征的顺式调控模块，成为塑造染色质结构的重要驱动力；CTCF在染色质环边界结合将基因组划分为不同调控域，对组织染色质结构与协调基因表达变化至关重要。从演化视角看，TEs是递送基因组层面快速重连所需原始序列材料的最佳载体。Choudhary等提出谱系特异性TE活性爆发可散布CTCF结合位点并改变局部基因调控景观；通过分析公开Hi-C数据，作者发现8–37%的拓扑关联域（TAD）边界CTCF位点来源于TE；删除候选环锚定L1MC1元件可破坏TAD间接触并降低增强子可及性。此类研究使领域超越将TEs视为被动序列化石的观点：即使固定TE片段仍可保留贡献宿主基因组组织的结构信息。重复家族还可在更大尺度贡献染色质结构：早期胚胎与培养细胞中，LINE-1（L1）与B1/Alu DNA被观察到分隔于空间不同域，提示重复家族可参与三维基因组区室化；L1衍生RNA转录本耗竭损害长程接触并增强短程局部染色体接触，表明L1 RNA对维持高级染色质结构是必需的。关键问题是当前重复分布反映插入偏好、插入后选择还是二者兼有；对LINE-1而言，de novo插入研究提示局部序列特征与L1机器影响整合，区域分布也受插入后选择塑造，因此当前基因组景观与许多元件插入时的祖先景观差异显著。一种合理模型是重复家族定植既有染色质区室，随后以强化区室结构与功能的方式被退化、保留或选择；这并不要求每个插入均具适应性，而提示长期演化时间与纯化选择可将初始噪声性TE分布转化为具宿主层面调控后果的染色质特征。LINE-1研究提供了连接染色质结构、发育与疾病的机制范例：LINE-1表达常与癌症、衰老及神经退行相关，但LINE-1 RNA与启动子也可参与长程基因调控；结合CRISPR筛选与L1扰动，Li等显示L1转录激活长程基因表达，L1元件物理接触远端靶基因。癌症中相关机制亦有描述：Lee等鉴定出年轻、细胞类型特异性表达的LINE-1位点，其新生RNA保持染色质关联并与活跃染色质成核长程互作；反义寡核苷酸（ASO）介导的LINE-1 RNA耗竭抑制这些长程接触，而诱导工程化LINE-1位点表达足以驱动de novo染色质互作；删除单个L1HS位点降低染色质互作及相关基因表达。这些例子提供了表达TE位点作为染色质组织者的机制模型，并为与发育过程类比提供框架。此外，LINE-1 5′ UTR含反义启动子，可驱动转录进入邻近宿主序列，产生嵌合转录本并扩展邻近基因的转录谱；LINE-1衍生RNA可形成RNA–DNA杂交体，包括涉及基因组DNA的R环及与逆转录LINE-1 cDNA相关的杂交体；p53缺失后这些杂交体积累，证据将LINE-1逆转录相关中间体与DNA损伤及炎症信号联系起来。LINE-1活性此前被牵涉调控着床前胚胎染色质可及性：小鼠两细胞胚胎中演化年轻LINE-1元件失调导致全局染色质解凝与发育停滞，表明早期发育中L1活性须被精细控制。泛癌分析进一步强调位点特异性：Solovyov等在数千肿瘤-正常全基因组测序与肿瘤RNA-seq样本中量化LINE-1活性，发现位点异质性及L1表达、逆转录转座负荷与TP53状态之间的强关系。因此TE活性不能仅在家族层面解读，单个位点在表达、移动性、调控能力、染色质环境及对宿主限制通路敏感性上可能不同；但家族层面扰动仍可能为检测分布式或冗余功能所必需。文章总结，TE功能须跨多个尺度考量：单个TE拷贝可作启动子、增强子、边界元件或染色质枢纽；TE亚家族可在许多位点分布相关基序或RNA；重复家族可贡献高级区室化或网络层面调控。下一阶段TE生物学必须在这些尺度间移动而非择一。
6. 6.
   发育与疾病作为TE功能的许可性窗口
   该部分指出许可状态揭示通常隐藏或瞬时的TE活性。日益增多的证据显示疾病中TE再激活，但疾病不应仅被视为抑制失败；疾病状态也可揭示通常隐藏、瞬时或于发育中部署的调控能力，发育窗口同样可暴露若在错误时间或组织激活则有害的TE功能。许可性细胞环境可视为染色质可及性、转录因子可得性、RNA加工、核结构与宿主防御通路共同允许TE衍生序列发挥可测量生物学活性的状态。该框架在早期发育中尤为有用：哺乳动物着床前发育以主要染色质与转录转变（包括合子基因组激活、谱系特化及基因调控网络广泛重塑）为特征，TE衍生启动子与增强子因携带转录因子结合位点并能以亚家族特异性波次散布于基因组而处于参与这些转变的有利位置；早期哺乳动物胚胎研究表明TE表达并非随机噪声，而是阶段特异性、受物种影响并与发育调控程序相关。同时，发育许可性并不导致不受控动员；胚胎中TE表达须结合宿主限制、染色质状态及RNA、DNA与蛋白输出可能具不同后果来解读。例如L1表达可独立于逆转录转座影响染色质可及性或核结构；这一区分重要，因为许多TE衍生功能不需要移动性却仍对宿主生物学具功能后果。人类多能状态提供另一敏化情境：关于METTL3依赖的m6A RNA甲基化研究显示，METTL3缺失激活SVA_D与LTR5_Hs元件、增加染色质可及性与多能因子结合，并使激活的TE元件作为增强子通过启动子互作促进邻近na?ve基因表达；该研究直接连接RNA修饰、TE调控、染色质可及性与干细胞基因调控状态，强化了TE活性受超越DNA甲基化与经典异染色质的层层调控的观点。病毒感染是另一暴露通常受限TE活性的情境：多种DNA与RNA病毒诱导宿主TE表达变化，部分通过破坏表观遗传抑制；例如流感病毒感染改变TRIM28的SUMO化（TRIM28是重要TE相关转录抑制因子），导致内源性逆转录病毒表达增加；这些TE衍生转录本与调控元件可通过顺式调控活性或先天免疫传感器识别参与抗病毒反应。免疫与疾病抵抗状态同样可暴露TE调控程序：HIV-1精英控制者中，以TE为中心的多组学分析揭示不同CD4⁺ T细胞转录组与逆转录转录组谱，其聚类以不同TE表达与染色质可及性特征为标志，提供TE衍生调控活性可被宿主反应景观主动部署而非仅作为基因组不稳定副产物显现的疾病/免疫类比。
7. 7.
   神经发育与细胞状态时序中的TE衍生RNA
   该部分指出神经元情境特别有助于修正领域对LINE-1表达的解读。LINE表达常被归类为致病性并与衰老及神经退行相关，但近期研究揭示LINEs作为长非编码RNA与替代启动子在特定神经发育情境中的功能贡献；这些研究挑战LINE-1表达仅是DNA损伤标志或基因组完整性威胁的假设，提示在某些细胞环境中LINE衍生RNA与启动子可调节分化、染色质状态与细胞类型特异性基因表达。Bodea等利用长读长测序在小清蛋白中间神经元中鉴定出由反义L1启动子驱动的新型Caps2转录本异构体；该转录本增强N2a细胞形态复杂性，Sox6被鉴定为该情境下L1s的激活因子，提供了TE衍生启动子贡献细胞类型特异性神经元发育的清晰例证。Mangoni等在皮层发育中鉴定出染色质相关L1 RNA，并提示L1 RNA结合Suz12与Ezh2，可能使PRC2从基因上分流，使细胞通过逃避PRC2介导的抑制性标记沉积而分化；此处LINE-1更像嵌入发育转变的调控RNA而非移动元件。Toda等显示小鼠神经祖细胞中shRNA介导的L1沉默改变皮层神经元神经分化速率，且效应独立于逆转录；该结果将L1 RNA功能与L1移动性分离。Adami等随后用CRISPRi在人类iPSCs及iPSC来源脑类器官中稳健沉默年轻L1元件，揭示脑发育重要基因中的L1衍生嵌合转录本；L1-CRISPRi脑类器官显示更成熟的转录组，提示L1表达可能调节神经元与神经祖细胞的分化时序。综合而言，这些例子提示TE衍生RNA与启动子可作为时序装置、分化刹车或谱系特异性调控输入；这并不意味着所有神经元LINE-1表达均有益，而主张情境依赖模型：TE表达的解读取决于细胞类型、发育阶段、位点特异性与机制；同一家族在一种情境中贡献基因组不稳定，在另一情境中可提供调控能力。
8. 8.
   TE衍生RNA与蛋白作为驯化效应器
   该部分指出除顺式调控DNA与染色质相关RNA外，TE衍生转录本与蛋白可成为功能性宿主效应器。RetroMyelin提供了有说服力的保守RNA例证：LTR衍生RNA结合转录因子SOX10调控髓鞘碱性蛋白（Mbp）转录；大鼠中RNLTR12-int序列为MBP表达所必需，敲低降低体外及AAV注射少突胶质细胞中的MBP表达；RNLTR12-int序列为SOX10结合Mbp启动子所必需，提示多个逆转录转座子衍生序列可能为髓鞘化基因程序增加冗余；该工作凸显了类似syncytin的、在必需发育过程中的趋同演化例证。TE衍生蛋白也提供分子驯化的显著例子：Syncytins是内源性逆转录病毒包膜衍生蛋白，被反复驯化用于胎盘发育；Arc源自逆转录转座子Gag样祖先，形成参与神经元通讯的病毒样颗粒（VLPs）；PEG10为Ty3/Gypsy逆转录转座子衍生基因，同样形成VLPs并在胎盘发育与胚胎存活中发挥必需作用；RAG1/RAG2对V(D)J重排至关重要，说明转座酶相关活性可嵌入宿主免疫创新。这些例子表明TE驯化不限于调控DNA，可产生宿主生物学的结构、酶学与颗粒形成组分；驯化可保留移动元件的不同分子特性：syncytins的融合活性、Arc的衣壳样组装、PEG10的发育蛋白功能及RAG1/RAG2的重组酶/转座酶样活性。斑马鱼近期工作将这一逻辑延伸至年轻内源性逆转录病毒：Chang等显示近期活跃TE家族编码胚胎发育所需的Gag蛋白；敲低与回补实验证明内源性逆转录病毒家族BHIKHARI-1（Bik-1）编码中胚层发育必需的Gag蛋白，而相关Gag蛋白耗竭影响神经嵴发育；机制上Bik-1 Gag与细胞膜结合并可改变细胞迁移。该例有价值之处在于提示即使演化年轻的TE衍生蛋白也可整合入宿主发育过程。
9. 9.
   如何解读TE记录：方法与未来方向
   该部分指出，对TE在正常与疾病生物学中贡献的探索日益依赖对整个TE亚家族的沉默或去抑制；无论通过小分子、shRNAs、CRISPRi/a或DNA甲基化与异染色质机器相关因子的遗传消融，这些方法已在多个生物学情境揭示TE功能，并显示TE活性可能为必需生物过程所需或在疾病中失调。少数情况下，研究已解析特定TE序列对转录组发挥调控潜能的具体机制，包括单个TE衍生启动子、染色质相关LINE-1转录本及TE衍生增强子元件。随着TE衍生生物学功能证据增长与检测工具改进，研究者在TE扰动策略的选择与解读上须保持批判与严谨。领域需要将TE活性与其机制在正确尺度上连接的方法：当生物过程无法由单位点调控解释时，TE衍生调控网络可能负责；网络层面分析因此同等重要。TEs可编排染色质互作、塑造增强子语法并产生分布于全基因组的相关系列调控元件；删除单个L1位点可使与该位点接触的基因表达失调，说明位点层面效应；家族层面抑制可揭示单位点实验可能遗漏的冗余或分布式调控功能。因此TE功能须在两个尺度上考量。另一挑战是当前对TE功能的理解可能不成比例地由阳性实验结果所塑造：无 detectable 表型的单个TE删除较少被报告，可能在文献中引入确认偏倚；因此已表征功能TE数量增长不应被解读为多数TE衍生序列执行宿主有益功能。系统性扰动研究（包括阴性结果报告）对估计功能性、中性及有害TE插入的分布至关重要。另一未来挑战是区分插入偏好与插入后选择：某些TE家族看似在功能相关基因附近富集，可能并非因初始靶向这些基因，而是其他位置插入在演化中丢失；整合TE年龄、序列退化、染色质状态、生殖系可及性与基因必需性有助于区分TEs插入何处与TE衍生序列最终在何处被耐受或保留。新方法使尺度问题变得可处理：长读长测序提高将转录本分配至特定TE位点及解析嵌合异构体与映射模糊性的能力；TE感知型转录组工具与pseudobulk单细胞策略有助于在标准RNA-seq流程表现不佳的细胞状态中量化TE表达；CRISPRi/a方法对 interrogating TE家族与亚家族尤为有价值，因其可同时扰动众多相关位点并揭示单位点操作难以检测的分布式调控效应；然而这些方法扰动靶基因组位置的转录活性或染色质状态，并不必然证明 underlying TE序列通常提供所观察到的调控活性；位点特异性遗传删除与精确序列诱变因此为确立内源TE序列对特定调控或生物学功能是否必需提供重要互补手段；以TE为中心的长读长染色质构象方法对检查重复DNA与RNA的trans作用及结构效应尤具前景，此类效应历史上因映射模糊性而难以归属。重要的是，确立TE功能要求实验结论与所研究分子机制相匹配：例如shRNA或反义寡核苷酸介导的耗竭可将TE衍生转录本牵涉入生物过程，但独立靶向策略及可行时的回补实验对证明分子特异性很重要；在trans中恢复所涉转录本或蛋白可为可扩散TE衍生产物介导的功能提供有力证据，而顺式作用调控元件或染色质锚定RNA可能需在内源位点恢复；类似地，遗传删除虽为序列依赖功能提供强证据，其解读须考虑对邻近调控序列、局部染色质组织及相关TE拷贝间功能冗余的潜在影响。综合而言，这些互补方法可区分TE相关调控活性与内源序列依赖功能，并为评估TE对宿主生物学的贡献提供更严谨框架。这一方法学转变应改变领域所提问题：不应只问TE是否表达，而应问TE衍生分子是作为DNA、RNA、蛋白还是染色质组织者发挥作用；其活性是位点特异性、家族层面还是网络层面；相关细胞状态是发育性、病理性、免疫性还是实验性敏化；扰动是否改变基因表达、细胞命运、染色质结构或生物体表型。简言之，TE记录不应被读作过去入侵的静态墓地，而应被读作潜在调控潜能的分层档案。