《Agronomy》：Statistical Descriptors of β-Variational Autoencoder Latent Feature Maps for Image-Based Blueberry Canopy-Size Phenotyping
编辑推荐：
转座元件层是否对联合非生物胁迫产生非加性响应，以及可以在何种分辨率下进行测量，尚未确定。其是否延伸到重复序列组分中尚不清楚，因为家族水平效应可能是定义它的重复序列文库的人为产物。在一个公共柑橘析因实验中，两种舍弃不同信息的计数规则高度一致（r = 0.961）
转座元件层是否对联合非生物胁迫产生非加性响应，以及可以在何种分辨率下进行测量，尚未确定。其是否延伸到重复序列组分中尚不清楚，因为家族水平效应可能是定义它的重复序列文库的人为产物。在一个公共柑橘析因实验中，两种舍弃不同信息的计数规则高度一致（r = 0.961）；分辨率依赖性被证明是文库的属性，而非植物的属性。在一个基因型中，双因素非加性在8106项检验中的675项（8.3%）通过了q < 0.05和重复一致性检验，其中亚加性（sub-additive）多于超加性（super-additive）（391比284，p = 4.4 × 10?5）；这种过剩包含两个相反的组成部分：诱导家族倾向于亚加性（93.5%），抑制家族倾向于超加性（91.5%）。基因集在61836项检验中的19508项（31.5%）表现出非加性，但其方向在按基因合并后达到平衡（p = 0.52）。该基因型在551项检验中调节了重复层的相互作用，但未表现出稳定方向，而对基因层面的相互作用的调节则更为频繁（16973项检验）。因此，重复层携带非加性但没有可重复的方向：当限制于基因间插入时其符号消失，而唯一比对计数和第二基因型在不改变其符号的情况下降低了其幅度，因此符号仅由基因组背景决定。
研究背景与问题
植物在田间常常同时遭受多种非生物胁迫（如干旱、强光和高温），其综合效应往往并非各单一胁迫效应的简单叠加，这种现象被称为多因素胁迫组合（multifactorial stress combination, MFSC）。已有研究表明，拟南芥和柑橘等物种在转录组水平上对胁迫组合的响应呈现出不可预测的非加性特征。然而，现有研究几乎完全聚焦于注释基因集，对于基因组中占比巨大的重复序列层——尤其是转座元件（transposable element, TE）——是否同样表现出非加性响应，以及这种响应能否被可靠测量，尚无定论。此外，TE家族水平的定量依赖于将多比对读段通过期望最大化算法分配至竞争性注释，这一过程极易受到重复序列文库粒度和注释质量的影响，导致效应估计的可识别性存疑。因此，本研究旨在回答一个前提性问题：在何种注释分辨率和计数规则下，柑橘胁迫转录组的重复层效应才是可识别的？
研究方法概述
研究人员利用公共RNA-seq数据（BioProject PRJNA839431），涉及两种柑橘砧木基因型（Carrizo citrange和Cleopatra mandarin）在水分亏缺（WS）、高光强（HL）和热胁迫（HS）三种因子下的完整23析因设计，共48个文库。采用RepeatMasker 4.2.4结合Dfam 4.0植物重复序列文库对甜橙参考基因组进行从头注释，并使用HISAT2 2.2.3进行读段比对。TE定量使用TEtranscripts 2.2.4分别在multi（多比对读段经EM分配）和uniq（仅唯一比对读段）模式下生成计数矩阵。统计分析基于limma-voom框架，采用经验贝叶斯调节的线性模型评估非加性效应，并通过留一生物学重复验证确保效应方向的稳定性。
研究结果
3.1 瓦伦西亚组装体重复含量为49.41%，以LTR逆转录转座子为主
通过RepeatMasker对柑橘参考基因组进行独立注释，发现49.41%的序列为重复序列，其中长末端重复逆转录转座子（LTR retrotransposons）占主导地位（24.09%），Gypsy/DIRS1和Ty1/Copia两大超家族规模相当。该结果与已发表的柑橘重复序列调查范围一致，证实注释可用。
3.2 跨物种重复序列文库对一个基因组的注释量约为足迹支持家族的5倍
RepeatMasker报告了33800个不同的Dfam家族，但应用1000 bp基因组足迹过滤后仅剩6530个家族，去除27270个家族。该过滤使非零表达家族比例从35.6%提升至79.3%，将原本边缘的预注册标准转化为明确通过，表明大量家族实际上不存在于该基因组中。
3.3 多比对与唯一比对计数高度一致，家族水平可识别
在至少100次读段的1085个家族中，两种计数策略计算的热胁迫相对于对照的log2倍数变化高度相关（Pearson r = 0.961），符号一致率达94.9%。在319个强信号家族中，98.1%在唯一比对分析中保持方向和幅度。然而，可识别性并不均匀：唯一比对分数低于0.5的家族（13.5%）符号一致率降至77.4%。
3.4 预注册的深度和功效标准无法同时满足
预注册标准3b（中位深度≥100 reads）和标准4（可检测效应≥30%）在整个分析集定义范围内相互权衡：收紧分析集定义提高中位深度但降低可检测比例，没有任何选择能同时满足两者。标准3b被视为误设，标准4作为操作性可行性检验报告。
3.5 一个基因型中重复层的非加性及其方向
在Carrizo基因型的24个文库平衡设计中，2702个家族中有675个家族-互作项对（8.3%）通过q < 0.05和重复一致性检验，其中亚加性（391个）显著多于超加性（284个），双侧符号检验p = 4.4 × 10?5。按单一家族合并后，309个亚加性对221个超加性（p = 1.5 × 10?4）。置换检验确认该过剩并非条件标签分配的人为产物（经验p = 0.020）。进一步分析显示，被所有三种单一胁迫诱导的家族中93.5%表现为亚加性，而被所有三种胁迫抑制的家族中91.5%表现为超加性，表明总体亚加性过剩是两个相反成分的净和。
3.6 方向在设计平衡后不受标准化和过滤顺序影响
在早期22个文库的不平衡设计中，标准化和过滤的顺序会显著影响结果。而在平衡的24个文库设计中，两种预处理顺序均给出相同结论，亚加性方向在所有六种预处理和方差模型组合中均显著（p介于2.7 × 10?5和5.7 × 10?23之间）。
3.7 注释基因集也表现出非加性，但无系统方向
在相同的模型和分析规则下，61836个基因-互作项对中有19508个（31.5%）通过阈值，远高于重复层的8.3%。但基因层中两个方向接近平衡：9872个亚加性对9636个超加性（p = 0.092），按基因合并后完全平衡（5613对5682，p = 0.52）。因此，重复层的独特之处不在于非加性的存在，而在于其具有系统方向而基因层没有。
3.8 两种基因型：基因型对两层的调节方式截然不同
在完整的48个文库双基因型模型中，重复层的双因素非加性仍然存在（587-596个家族-互作项对），亚加性过剩减弱但仍显著。基因型对重复层非加性的调节在551-565个对中可检测，但其方向不稳定（一种预处理顺序下p = 0.0082，另一种下p = 0.21）。相比之下，基因层中基因型调节涉及16973-16879个检验，方向稳定且偏向超加性（p介于1.9 × 10?11和4.8 × 10?5之间）。
3.9 预注册的邻域测试在该基因组中不可评估
由于49.41%的基因组为重复序列，99.68%的基因距最近TE插入在2 kb以内，使得暴露组与对照组无法区分。即使采用无阈值版本，近端基因与非近端基因的表达水平相差近10倍，匹配表达后邻域效应消失（OR = 1.004，p = 1.00），表明该测试在重复密集基因组中存在结构性混杂。
3.10 大部分重复足迹位于基因间，亚加性过剩不在其中
约73.64%的重复足迹位于基因间区域。将分析限制于≥80%足迹位于基因间的家族时，非加性检出频率不变（7.8%），但方向转为不显著（68亚加性对86超加性，p = 0.17）；≥50%阈值下甚至偏向超加性（124对158，p = 0.049）。这表明全长RNA文库无法区分TE自身转录与宿主基因共转录，亚加性方向来自基因内插入而非重复层本身。
3.11 两种持续时间匹配的单一胁迫不可互换
热胁迫（HS）和高光强（HL）虽持续时间相同（5天），但在2702个家族中有1026个（37.97%）表现出显著差异，中位绝对效应为1.262 log2单位。方向平衡（500个HS高于HL对526个HL高于HS），但总体符号不平衡（p = 1.3 × 10?4），证实两种胁迫不可互换。
讨论与结论
本研究的核心发现并非重复层存在非加性——事实上基因集的非加性更普遍——而是重复层非加性的符号不具有可重复性，因为它取决于分析方式而非层本身的属性。具体而言：亚加性过剩在多比对模式下存在但在唯一比对模式下减弱；限制于基因间插入时消失甚至反转；在两个基因型中表现不一致。这表明重复层非加性的方向是由基因组背景（特别是基因内插入）决定的，而非重复层自身的调控特性。研究人员强调，在做出任何生物学论断之前，必须首先解决测量可识别性问题：家族水平效应在应用足迹过滤后是可识别的，但预注册的深度和功效标准无法同时满足，这属于实验设计的缺陷而非数据的局限。研究还揭示了一个结构性混杂：在重复密集基因组中，任何基于邻近性的分析若不匹配表达水平都会产生虚假关联。最终结论是：重复层在胁迫组合下确实携带非加性信号，但其方向随计数模式、基因组背景和基因型而变化，因此不能将其视为重复层固有的特性。该研究建立的分析框架和修正后的标准可供其他计划在胁迫转录组重复层中进行差异分析的研究复用。
