精准编辑基因表达可塑性，开启作物改良新篇章

研究人员为精准调控基因表达及改良作物性状，开展 CRE 相关研究，构建计算框架助力基因编辑。

　　基因表达调控在生物的生长发育和性状表现中起着关键作用，就像一本精细的操作指南，决定了细胞的功能和生物体的特征。而在这个指南中，顺式调控元件（CRE）是极为重要的 “密码”。它与反式作用因子共同决定基因表达，在植物中，大量的性状变异都与功能性调控变异相关，这意味着对 CRE 进行遗传工程操作，有望深入理解调控变异如何影响表型变异，进而实现作物的改良，为农业生产带来新的突破。

然而，目前实现精准的基因调控困难重重。一方面，虽然可以利用一些表观基因组信号间接推断 CRE，但这些方法只能确定宽泛的基因组区域，无法实现高分辨率的识别和精准编辑。另一方面，通过穷举搜索或随机编辑来寻找 CRE，成本高昂且不可行，尤其是对于基因组庞大的作物，如玉米和番茄。在这样的背景下，华中农业大学等机构的研究人员开展了一项重要研究，旨在找到一种新的方法来准确识别 CRE，并实现对基因表达的精准调控。该研究成果发表在《Genome Biology》上，为基因编辑和作物改良领域带来了新的曙光。

研究人员采用了多种关键技术方法。首先，构建了两个序列到表达的深度学习模型 Basenji2-long 和 Basenji2-3K，利用不同长度的基因组序列作为输入，结合可解释性方法，在多个植物物种中进行分析。同时，运用 UMI-STARR-seq 技术，对候选的 CRE 进行实验验证，以确定其增强子活性。此外，通过 CRISPR-Cas9 技术对目标基因进行编辑，验证模型预测的效果。

在研究结果方面，主要有以下几个重要发现：

• 准确预测基因表达：通过深度学习模型，研究人员成功在多个植物物种中准确建立了 DNA 序列与基因表达之间的关系。以玉米为例，优化后的 Basenji2-long 模型在输入 120K-bp 序列时，预测性能达到最佳，皮尔逊相关系数（PCC）为 0.733。其他植物物种如水稻、番茄和拟南芥，也在各自的最佳输入长度下取得了良好的预测准确性，这表明模型能够有效捕捉复杂的调控信息。
• 构建全基因组调控图谱：借助模型的可解释性方法，研究人员在全基因组范围内识别出大量候选 CRE。在玉米中，共鉴定出 745,684 个候选 CRE，这些 CRE 在基因组中的分布有一定特点，大部分位于转录起始位点（TSS）近端区域，但远端区域也存在不少候选 CRE，且与已知的远端增强子位置相符。通过与已有研究和实验数据的对比，验证了模型识别远端 CRE 的有效性。此外，研究还发现候选 CRE 与定量性状位点（QTL）存在大量重叠，暗示其在调控农艺性状和基因表达方面的重要作用。
• 验证候选 CREs：利用 UMI-STARR-seq 技术，研究人员对 12,000 个候选 CRE 进行了实验验证。结果显示，约 40.9% 的序列表现出增强子活性。不同组别的候选 CRE 增强子比例有所差异，其中与先前研究中增强子重叠的组（Group 1）比例最高，新鉴定的组（Group 3）也有较高比例的增强子，这表明新鉴定的 CRE 具有重要的调控功能。研究人员还通过具体实例，如针对 Zm00001d005208 基因的候选增强子，展示了这些 CRE 在调控基因表达方面的潜力。
• 高分辨率绘制 TSS 近端 CREs 图谱：为了更精确地调控基因表达，研究人员聚焦于 TSS 近端区域，构建了 Basenji2-3K 模型。通过该模型和另一种可解释性方法 “Occlusion”，对 TSS 近端 CREs 进行了高分辨率的识别和分析。结果表明，启动子和 5’UTR 在调控基因表达中起关键作用，不同基因根据其贡献分数被分为不同的簇，展现出不同的表达模式和组织特异性。
• 评估编辑效果：研究人员提出 “编辑可塑性（EP）” 的概念，用于评估启动子编辑对基因表达变化的潜力。通过对 ZmFCP1 基因的研究发现，单个峰值的删除对基因表达影响较小，而多个峰值的组合删除则能引起显著的表达变化。研究还发现 EP 与基因的可进化性相关，具有较高 EP 的基因往往具有更高的组织特异性和表达变异性。
• AI 引导的基因编辑实验：以 ZmVTE4 基因（对 α - 生育酚含量至关重要）为例，研究人员在计算机模拟中利用 EP 预测启动子编辑的结果，确定了关键的编辑位点。通过 CRISPR-Cas9 技术进行基因编辑实验，成功获得了编辑后的等位基因，其中 vte4-cr4 等位基因显著增加了 ZmVTE4 基因的表达和 α - 生育酚含量，验证了 AI 引导编辑策略的有效性。

研究结论和讨论部分指出，该研究构建了一个强大的计算框架，通过可靠地预测和验证 CRE，为精准调控基因表达和作物改良提供了有力的工具。“编辑可塑性” 概念的提出，以及与可进化性空间的结合，为基因编辑实验提供了清晰的指导。然而，目前的研究也存在一些局限性，如模型未考虑环境因素的影响，在预测一些复杂的顺式调控相互作用时准确性有限。未来，研究人员计划通过整合环境数据和多组织特异性数据，进一步优化模型，提高其准确性和适用性，为作物改良和精准育种提供更强大的支持。这项研究为基因编辑和作物改良领域奠定了坚实的基础，有望推动农业生物技术的进一步发展，实现更高效、可持续的农业生产。