《Journal of Molecular Biology》：Plant uORF-pep database: A multi-evidence integrative resource for upstream open reading frames and their encoded peptides in plants
编辑推荐：
位于真核生物mRNA 5′非翻译区（5′ untranslated region，5′ UTR）的上游开放阅读框（upstream open reading frames，uORFs）可调控下游翻译，且许多uORF能编码功能性短肽。尽管其重要性已被认识，目前仍
位于真核生物mRNA 5′非翻译区（5′ untranslated region，5′ UTR）的上游开放阅读框（upstream open reading frames，uORFs）可调控下游翻译，且许多uORF能编码功能性短肽。尽管其重要性已被认识，目前仍缺乏带实验验证的综合性植物uORF数据库。研究人员在此提出Plant uORF-pep Database（https://plantuorf-pep.com），一个涵盖30种植物共16.2M条uORF记录的多证据资源。该数据库整合四层证据：（1）来自6个物种的Ribo-seq翻译证据，包括对5.3K个拟南芥uORF的uORF水平验证；（2）跨10种植物的跨物种保守性分析，鉴定出85K个携带保守uORF的基因；（3）基于机器学习对5M条uORF的翻译概率预测（随机森林，准确率78.9%）；（4）发现6.6K条保守但未注释的uORF肽，作为实验候选优先项。网页界面支持基因检索、批量查询与数据下载。通过桥接计算预测与实验及进化证据，Plant uORF-pep填补了植物uORF研究与功能肽发现的关键空白。
研究背景方面，上游开放阅读框（uORF）是真核生物mRNA 5′非翻译区（5′ UTR）中的翻译调控元件，通常通过核糖体扫描被识别，其翻译可通过核糖体停滞或再起始效率下降抑制主编码序列（CDS）的翻译，从而精细调控蛋白表达。在植物中，uORF已被证实参与农艺性状与胁迫响应调控，且许多uORF可编码功能性短肽（uORF-encoded peptides，uPEPs），这些肽段可作为细胞内翻译衰减子或长距离移动信号参与免疫等过程。然而，已有uORF数据库如uORFdb、uORFlight、Ribo-uORF均偏重人类或动物，无专门面向植物且整合实验验证、保守性、机器学习与候选发现的综合资源，植物学界存在显著缺口。为此，研究人员构建了Plant uORF-pep Database，以30种植物（涵盖主要作物、蔬菜果树及模式植物）为对象，系统收录并注释uORF及其编码肽，发表於《Journal of Molecular Biology》。
主要关键技术方法上，研究人员从NCBI RefSeq获取30种植物mRNA注释，提取5′ UTR并在三联读码框扫描AUG起始、≥18 nt的uORF；整合6个物种（拟南芥、水稻、玉米、番茄、蒺藜苜蓿、高粱）公共GEO/SRA Ribo-seq数据（如GSE183264等），用Bowtie2比对，以TPM≥1或footprint重叠定义基因级翻译证据，并以Wu等2024年RiboTaper与CiPS实验肽段精确匹配拟南芥uORF实现uORF级验证；跨10物种uORF肽用DIAMOND BLASTP（≥50%一致性、≥80%覆盖）算保守分数；以拟南芥5.3K实验阳性与10.6K阴性uORF训练随机森林（9个特征，100棵树，5折交叉验证）预测翻译概率；网页端用Flask+SQLite实现检索与下载。
研究结果部分，首先“30种植物uORF综合数据集”：自30种植物RefSeq 5′ UTR扫描得16.2M条uORF记录，香蕉、小麦、花生居前，每条约化存储核酸/肽序列、坐标、UTR长度及3.5M基因符号映射。其次“Ribo-seq翻译证据”：6物种中65K基因获基因级支持（占uORF宿主基因60.0%），拟南芥中5.3K预测uORF（占实验验证集75.7%）与RiboTaper/CiPS肽段精确匹配。第三“跨物种保守性分析”：10物种BLASTP鉴定85K基因含至少跨1物种保守uORF，保守uORF（score≥2）在实验验证集中富集，近缘种共享率高。第四“机器学习翻译概率预测”：随机森林准确率78.9%、AUC 0.85，5′ UTR长度（62.0%重要性）为主特征；对10物种5.02M uORF预测，183K条（3.7%）概率>75%，86K基因含高危uORF。第五“新候选发现：保守未注释uPEPs”：经保守≥2、长度≥10 aa、Swiss-Prot无相似、ML概率>50%四滤，得6.6K候选、5.2K保留（10–20 aa占40.2%），与已知功能肽（防御素、CEP、RALF、PSK等）无重叠，其中AT2G18180跨5物种、ML概率97.4%为首位。第六“网页接口”：Flask+SQLite（7.1 GB），支持基因/符号/Ensembl检索、批量CSV、TSV/FASTA下载、Top100候选页与统计图表。
讨论与结论部分，研究人员指出该库是首个植物专用多证据uORF-pep整合库，规模16.2M条远超既有资源，四证据层（Ribo-seq、保守、ML、候选）提供独特优先级框架；与uORFdb、uORFlight、Ribo-uORF比较，其在植物覆盖、肽序列提供、证据维度、ID映射与批量功能上均具优势。生物学上，6.6K保守未注释uPEP受选择压力，可能具翻译衰减或移动信号功能。局限包括仅AUG起始（漏掉非AUG）、Ribo-seq仅6物种、ML负集含潜在假阴性致跨物种预测需谨慎、非拟南芥功能注释偏预测性、正常生长转录本未涵盖胁迫诱导uORF。维护上阿里云托管、年更RefSeq、开源代码计划。未来方向含扩Ribo-seq、纳非AUG、IGV.js可视化、扩蕨类裸子、加uPEP结构/GO/KEGG模块、用户上传与API。结论上，Plant uORF-pep Database通过桥接计算预测与实验及进化证据，为植物uORF研究与功能性uPEP发现提供了迄今最全面的基础资源。
