《International Journal of Molecular Sciences》：T-DNA Analyzer: A Long-Read Sequencing Pipeline for Characterizing T-DNA Insertion Sites in Transgenic Crops
编辑推荐：
转移DNA(Transferred DNA, T-DNA)插入位点的分子特征分析是转基因(Genetically Modified, GM)作物安全评价的必要环节，然而传统的基于聚合酶链式反应(Polymerase Chain Reaction, PCR)的方
转移DNA(Transferred DNA, T-DNA)插入位点的分子特征分析是转基因(Genetically Modified, GM)作物安全评价的必要环节，然而传统的基于聚合酶链式反应(Polymerase Chain Reaction, PCR)的方法耗时费力，且在解析复杂结构变异方面存在局限。研究人员提出了T-DNA Analyzer，这是一款集成化的生物信息学流程，能够将长读长测序数据（Pacific Biosciences High Fidelity, PacBio HiFi 或 Oxford Nanopore, ONT）转化为全面的插入位点报告。该流程实施了一种宿主来源读段过滤器，通过减去与宿主同源的载体区域来消除假阳性嵌合读段检出；一种多片段融合检测算法，用于解析复杂的T-DNA整合架构；以及一种缺失间隙基因影响分析，用于识别整合位点处受宿主基因组缺失影响的基因。在玉米和棉花数据集上的验证表明，宿主来源过滤器排除了86.4%的假阳性读段，同时保留了所有真实的嵌合读段，且融合检测算法成功地在单个长读长中重建了双拷贝串联T-DNA重复序列。T-DNA Analyzer提供自动化的、可重现的分子特征分析，旨在支持监管分子特征分析，并作为开源软件免费提供。
T-DNA Analyzer：解析转基因作物插入位点的长读长测序流程深度解读
研究背景与意义
随着全球转基因(GM)作物种植面积和种类的不断扩大，各国监管机构对转基因作物转化事件的分子特征分析提出了严格要求。这种分析必须确定转移DNA(Transferred DNA, T-DNA)的插入位点、拷贝数、转基因结构完整性、侧翼宿主序列以及对内源基因的潜在遗传毒性影响。根癌农杆菌介导的转化是目前应用最广泛的植物转基因方法，但T-DNA在整合到宿主基因组的过程中往往表现出高度的不精确性。插入过程常伴随T-DNA片段的截短、重排、串联重复，或者与填充DNA交织在一起，同时宿主基因组也会发生从几十个碱基对到几千个碱基对的缺失，甚至出现倒位和易位等复杂的染色体结构重排。
传统的T-DNA插入位点表征方法，如Southern印迹法、热不对称交错PCR(Thermal Asymmetric Interlaced PCR, TAIL-PCR)、反向PCR和基因组步移等，不仅耗时耗力，需要针对特定事件设计引物，还存在PCR扩增偏差，且经常无法解析涉及多个T-DNA拷贝、载体骨架序列或大型结构变异的复杂整合模式。尽管下一代测序(Next-Generation Sequencing, NGS)技术在一定程度上推动了全基因组范围内的转基因事件表征，但短读长NGS技术（约150至300 bp）在跨越高重复元件、解析串联重复以及定相跨越多个千碱基的复杂结构变异方面存在根本性局限。因此，开发一种能够高效、准确、自动化地表征复杂T-DNA插入事件的工具显得尤为迫切。
针对上述挑战，研究人员开发了T-DNA Analyzer这一开源生物信息学流程。该流程利用第三代长读长测序技术的高准确性和长读长优势，实现了从原始测序数据到全面插入位点报告的自动化转换。该研究成果发表在《International Journal of Molecular Sciences》，为标准化转基因作物分子特征分析和安全评价提供了强有力的技术支持。
关键技术方法
研究人员采用了PacBio HiFi和Oxford Nanopore(ONT)两种长读长测序技术，分别获取了玉米和棉花的测序数据。在生物信息学分析方面，该流程的核心依赖于高性能的序列比对工具，包括用于结构长读长比对的minimap2和用于末端坐标精修及短序列比对的BLAST+。数据处理与分析依托Python编程语言，并结合Biopython、pandas和NumPy等库进行高效的序列操作与数据分析。可视化模块则采用matplotlib生成出版级质量的图表。整个流程由五个顺序执行的模块组成：T-DNA预过滤模块剔除非转基因读段；嵌合读段识别模块结合宿主来源读段过滤算法排除假阳性；插入位点定位模块将侧翼序列比对至参考基因组；结构变异与基因影响分析模块评估缺失间隙对基因的破坏程度；最终通过可视化与报告生成模块输出交互式HTML报告和高质量图像。
研究结果
2.1 玉米HiFi案例：宿主来源读段过滤器的验证
研究人员利用PacBio Revio平台对玉米转基因事件进行了HiFi测序，获得了2,022,140条原始读段。在使用Zm-A188-REFERENCE-KSU-1.0参考基因组进行分析时，minimap2预过滤识别出59条至少具有500 bp T-DNA比对的读段。随后，宿主来源读段过滤器检测到这些读段中存在与玉米基因组同源的T-DNA区域，并将其中51条归类为宿主来源，假阳性排除率高达86.4%。剩余的8条读段被确认为真实的嵌合读段，均映射到玉米第10号染色体的同一基因座。这8条读段包含了左右边界侧翼序列的不同组合，并揭示了一个276 bp的宿主基因组缺失间隙。基因影响分析将该位点分类为基因间区。整个数据集的处理在8个CPU线程和32 GB内存下仅需约5分钟，展现了极高的计算效率。
2.2 棉花解析插入案例：多片段融合检测的验证
为了验证流程解析复杂插入架构的能力，研究人员重新分析了先前表征过的转基因棉花AHS10事件。该事件包含两个拷贝的T-DNA插入在A05染色体单一位点。输入数据为一条跨越整个插入区域的长读段以及TM-1参考基因组。分析结果显示，左边界接合点位于7,239,029，右边界接合点位于7,238,580，中间存在449 bp的缺失间隙，同样被归类为基因间区。该流程成功检测出两段T-DNA融合事件，构成了串联重复结构。第一段覆盖了参考序列的99.3%，第二段覆盖了99.5%，这与实验验证的双拷贝插入结构完全一致，证明了该算法在处理复杂多拷贝插入事件时的卓越性能。
讨论与结论总结
T-DNA Analyzer通过集成自动化流程，有效解决了转基因作物分子特征分析中的瓶颈。其宿主来源读段过滤器通过减去宿主同源区间，精准剔除了由载体中包含的内源序列引起的假阳性嵌合读段。长读长测序结合多片段融合检测算法，使得解析传统短读长技术无法触及的串联重复等复杂结构成为可能。此外，针对接合点坐标间缺失间隙的基因影响分析，提供了比常规单一分类更完整的遗传毒性评估。该流程已在单子叶植物玉米和双子叶植物棉花中得到验证，展现出良好的跨物种适用性。不过，该工具仍存在一定的局限性，例如依赖预组装的参考基因组，对极短截短插入或高度重复宿主基因座的解析能力有限，且未对整合的转基因基因座进行从头组装。
综上所述，研究人员开发了T-DNA Analyzer，这是一种利用长读长测序数据全面表征转基因作物T-DNA插入位点的集成生物信息学流程。该流程实现了五个计算模块，能够通过单一命令行调用将原始序列读段转化为出版质量的分析报告。其核心贡献在于消除了假阳性检出的宿主来源读段过滤器、利用长读长连续性解析复杂整合架构的多片段T-DNA融合检测算法，以及识别宿主基因组缺失影响基因的分析功能。在玉米和棉花数据集上的验证表明，该流程能准确表征从简单全长插入到复杂多片段融合的各种事件，随着长读长测序技术的普及，该工具将极大推动转基因作物分子特征分析的标准化进程。
