TVIR 2.0：蔬菜基因组信息资源的增强型数据库构建与CRISPR/Cas9资源整合研究

本刊推荐：为解决蔬菜基因组数据分散、功能注释不统一及基因编辑资源缺乏的问题，研究人员开发了TVIR 2.0数据库。该研究整合84种蔬菜作物的基因组、转录组及功能基因数据，新增CRISPR/Cas9靶点预测、动态共线性分析和抗性基因鉴定模块，显著提升蔬菜育种与基因编辑研究的效率。数据库提供Hmmsearch、CRISPRCasViewer等工具，支持多维度数据挖掘与可视化，为蔬菜功能基因组学研究提供一站式解决方案。

　　

随着全球人口增长和气候变化加剧，蔬菜作为人类膳食结构中不可或缺的重要组成部分，其产量、品质及抗逆性的提升已成为农业科学研究的焦点。近年来，高通量测序技术的飞速发展使得蔬菜作物基因组数据呈现爆炸式增长，然而这些数据分散于NCBI、JGI、BRAD等不同数据库中，缺乏统一整合与深度挖掘。更关键的是，传统数据库多局限于静态数据展示，难以满足基因功能验证、分子育种设计等研究对动态分析和专用工具集的迫切需求。

在此背景下，由华北理工大学宋小明（Xiaoming Song）团队主导的研究团队于2022年发布了首个蔬菜基因组综合数据库TVIR 1.0，收录59种蔬菜作物的基因组资源及功能基因注释。但随着测序成本降低和技术革新，大量高质量基因组相继公布（如染色体水平的辣根T2T基因组、首次测序的葱属作物等），原有数据库的物种覆盖度和功能模块已显不足。为此，研究团队开发了升级版TVIR 2.0数据库，相关研究成果正式发表在《Horticulture Research》。

本研究通过多源数据整合与算法工具创新，构建了涵盖84种蔬菜作物（新增25种）的增强型基因组数据库。主要技术方法包括：从plaBiPD及公共数据库获取基因组序列与注释文件，使用自定义Perl/Python脚本进行数据标准化；利用PlantTFDB和HMM模型鉴定转录因子；通过RGAugury工具扩展抗性基因识别至8大类；采用CasFinder、CasOT、Crisflash和CRISPRCasFinder四大工具系统预测CRISPR靶点、脱靶位点及gRNA设计；基于MCScanX和动态交互界面实现物种间共线性分析；整合Hmmsearch和CRISPRCasViewer工具支持序列比对与CRISPR可视化。

研究结果首先体现在数据规模的显著提升：物种数从59增至84，转录组数据从97增至110，转录因子（TF）数量从172,493扩增至237,431（其中MYB、NBS、AP2/ERF和bHLH家族占比最高）。功能基因家族中，植物激素相关基因（如生长素基因6,547个）、花青素基因（3,451个）、开花基因（19,723个）和 glucosinolate基因（3,298个）的全面注释为性状调控研究奠定基础。基因功能注释方面，冬瓜（Benincasa hispida）的基因注释覆盖率高达99.88%，而 Trichosanthes anguina 因基因组scaffold-level组装限制仅达58.29%，反映出数据质量对注释完整性的影响。

核心功能模块升级包括两大创新：一是动态共线性分析模块，用户可任意选择两种蔬菜生成交互式共线性区块图与点阵图，点击特定区块即可获取同源基因信息，支持PNG/SVG格式导出，极大便利了进化基因组学研究；二是CRISPR/Cas9资源模块，通过四大工具系统输出487,857条CRISPR引导序列、脱靶位点预测及gRNA设计结果，其中 Crisflash 工具凭借单CPU核心即可高效完成全基因组gRNA设计，而 CRISPRCasFinder 鉴定的CRISPR序列与Cas蛋白为原核免疫机制研究提供资源。此外，抗性基因识别类型从3类（NBS、RLK、RLP）扩展至8类，覆盖更广的病原防御机制。

讨论部分指出，TVIR 2.0通过集成多组学数据与专业分析工具，解决了蔬菜基因组数据碎片化问题，尤其为基因编辑育种提供了从靶点设计到脱靶评估的一站式解决方案。但研究亦承认当前局限：部分物种基因组组装不完整影响注释准确性；CRISPR脱靶预测（如芸薹属中18.3%位点）需实验验证以确认特异性。未来计划纳入单细胞组学、泛基因组数据，并与其他数据库（如BRAD、PlantGIR）进行工具准确性比对。

该数据库作为开放资源（http://tvir2.bio2db.com/），所有数据可免费下载与分析，其动态交互界面和模块化设计显著提升了用户体验，为蔬菜功能基因组学、分子育种及基因编辑研究提供了不可替代的平台支撑。