《Nucleic Acids Research》:PlanMine 4.0: an updated database for planarian genomics and transcriptomics
编辑推荐:
PlanMine是一个基于网络(web-based)的资源平台,旨在促进对涡虫(planarian)——这一以庞大成体干细胞(adult stem cells)群体和非凡再生能力(regenerative capabilities)著称的自由生活扁形动物(fr
PlanMine是一个基于网络(web-based)的资源平台,旨在促进对涡虫(planarian)——这一以庞大成体干细胞(adult stem cells)群体和非凡再生能力(regenerative capabilities)著称的自由生活扁形动物(free-living flatworm)——的基因组、转录组及基因表达数据集的生物信息学分析。本次更新整合了广泛研究的Schmidtea属多个物种的高质量基因组序列与注释,包括模式涡虫Schmidtea mediterranea的有性株(sexual strains)与无性株(asexual strains),并将扁形动物门(phylum Platyhelminthes)的转录组覆盖范围扩展至70个物种。新增的转录组研究与分析工具有助于对bulk RNA-seq(混合样本RNA测序)与single-cell RNA-seq(单细胞RNA测序)数据进行可视化与综合分析。这些资源将进一步推动在S. mediterranea中开展的互补性机制研究(mechanistic studies),以及探索再生、寄生(parasitism)等性状进化的比较方法研究——对于这一日益 tractable(可深入解析)的门类,其代表了理想的模式系统(model system)。PlanMine 4.0数据库可通过https://planmine-v4.mpinat.mpg.de免费访问。
涡虫(planarian)是一类自由生活的扁形动物(free-living flatworm),凭借数周内即可由微小组织片段再生出完整个体的卓越能力,已成为再生研究领域的经典模式生物(model organism)。这一能力源于其体内数量庞大且实验可操控的成体干细胞群——新芽细胞(neoblasts),由此涡虫亦成为干细胞生物学诸多研究方向的重要模型。与此同时,作为物种丰富、表型多样的分类群,涡虫再生能力的广泛差异使其成为比较研究的焦点;而扁形动物门(phylum Platyhelminthes)中还包括对人与动物健康具有重大影响的寄生类群,自由生活的涡虫近亲为解析寄生(parasitism)的进化机制及发掘潜在治疗靶点提供了重要参照。过去十年中,涡虫研究界通过高通量测序积累了大量高质量基因组、转录组以及bulk与single-cell基因表达数据集。然而,如何整合并高效利用这些分散资源开展涡虫生物学研究,仍是该领域面临的关键问题,这构成了PlanMine数据库持续更新的直接动因。
针对上述需求,研究人员对既有PlanMine数据库进行了第4次重大更新。该工作以模式涡虫Schmidtea mediterranea有性株S2F18的染色体级基因组组装(chromosome-scale genome assembly)及其基因注释(schMedS3h1)为核心,将其作为基因表达数据比对的统一参考,同时纳入无性株CIW4以及S. lugubris、S. polychroa和S. nova的基因组组装与注释,新增10个bulk RNA-seq与1个single-cell RNA-seq数据集,使bulk与single-cell数据集总数分别达到38和2,并将扁形动物门转录组覆盖扩展至70个物种。研究结论表明,PlanMine 4.0已确立为服务于模式涡虫机制研究与扁形动物门比较研究的中心化组学资源平台,对推动该领域互补性机制研究与进化比较研究具有重要意义。
本数据库更新主要涉及以下关键技术方法:其一,数据库架构层面,研究人员保留PlanMine既有底层数据结构,完成向以基因组为中心的资源转型,并采用InterMine PathQuery API实现新旧基因注释间标识符的模板化转换;其二,功能基因组数据处理层面,所有bulk与single-cell RNA-seq数据均经标准化流水线处理,涵盖原始读段质量控制、接头剪切、污染过滤与读段比对;其三,同源与功能注释层面,利用mmseqs2将蛋白序列比对SwissProt与NCBI非冗余(non-redundant)数据库,基于InterPro、PFAM、PANTHER、SMART数据库预测蛋白结构域,并采用InterProScan流程结合Gene Ontology(基因本体)术语推断基因功能;其四,比较分析层面,集成最新版SequenceServer实现跨数据集BLAST搜索,并定制按系统发育分组的数据库选择界面与交互式系统发育树查看器。样本来源方面,新增53个转录组组装数据来自研究团队前期针对不同物种与品系的比较研究,多个bulk与single-cell RNA-seq数据集则由涡虫研究社区生成。
PlanMine 4.0概述(PlanMine version 4.0 overview):研究人员通过将S. mediterranea有性株S2F18的染色体级基因组组装与注释作为核心,并整合无性株CIW4及S. lugubris、S. polychroa、S. nova的基因组资源,得出PlanMine 4.0完成了从转录组学视角向以基因组为中心资源全面升级的结论;借助JBrowse 2与UCSC Genome Browser提供交互式访问,并支持用户上传BAM或GFF3等自定义轨道(custom tracks)评估基因模型、将自身数据与PlanMine资源对照分析,得出数据库交互性与可扩展性得到显著增强的结论。
以基因为中心的数据探索(Gene-centric data exploration):研究人员通过更新Gene Page(基因页面)设计,在汇总区提供预测基因符号、长度、来源、染色体定位、描述、EnsemblMetazoa数据库交叉链接及同义词等信息;"Transcripts"(转录本)区列出全部转录本异构体、同源转录本与预测开放阅读框(ORF);"Sequence Features"(序列特征)区提供基于mmseqs2的同源信息、InterPro/PFAM/PANTHER/SMART数据库的结构域内容及基于InterProScan的Gene Ontology功能推断;"Expression"(表达)区将跨研究的基因表达信息归入解剖、细胞类型、基因敲低(RNAi,RNA干扰)、再生时间进程及单细胞实验等七大类,并提供跨不同基因敲低研究的汇总视图,将log
2 fold change(对数2倍变化)等信息压缩至单一图表以便用户识别最相关条件。此外,研究人员通过集成JBrowse 2、UCSC Genome Browser与预定义搜索模板(Templates),实现schMedS3h1新注释与历史转录本注释间的直接比较与标识符转换,得出用户能够系统性识别假阳性注释、ORF起始/终止/链方向错误、部分/断裂/融合注释及缺失转录本异构体或外显子等潜在错误的结论。典型用户工作流始于以基因名、符号或描述检索,继而访问Gene Page获取蛋白结构域、功能注释与表达谱信息,并可进一步访问Transcript Page(转录本页面)设计克隆引物、评估可变剪接或鉴定跨物种序列保守区。
比较分析(Comparative analyses):研究人员通过整合最新版SequenceServer,使用户能够以蛋白或核苷酸查询序列比对PlanMine全部核苷酸或蛋白数据集,并以图形化结果展示比对区域、比对长度及查询/目标序列整体相似性;通过新增53个涡虫物种及品系转录组,并纳入S. mediterranea(有性与无性)、S. lugubris、S. nova、S. polychroa的基因组与蛋白质组,显著扩展了可用于查询的序列数据量;通过定制数据库选择界面,默认以S. mediterranea数据库为检索起点,其余数据库按系统发育分组折叠展示,并为不熟悉扁形动物分类的用户提供交互式系统发育树查看器,得出PlanMine 4.0作为比较分析资源的功能得到实质性增强的结论。
未来计划(Future plans):研究人员提出后续将去除不完整或错误的可变剪接异构体(splice isoform)预测、补充当前缺失基因,并逐步引入社区驱动的人工注释(manual curation),计划整合Apollo协作基因组注释工具及配套社区注释流水线;同时继续推动数据库从转录组中心向涵盖越来越多扁形动物基因组的资源转型,并拟在PlanMine 5.0中整合AI辅助搜索(AI-assisted search)功能,以应对资源扩展带来的可用性与数据可及性挑战。
讨论部分指出,S. mediterranea基因组的高质量注释仍是当前优先事项,既为这一重要模式物种的分子研究提供支持,也为其他涡虫基因组的注释提供参照;研究团队认为人工注释的进一步完善将日益依赖社区力量,而PlanMine 4.0的基因组浏览器实现、功能基因组学轨道及用户自定义轨道上传能力是迈向该目标的重要步骤。此外,随着扁形动物基因组数量的持续增长,数据库结构与高质量基因注释生成方法均需具备可扩展性,研究团队拟以经过整理的S. mediterranea参考注释作为开发、训练适用于其他涡虫基因组注释工具的战略基础。
研究结论部分(翻译):PlanMine是一个基于网络的资源平台,旨在促进涡虫基因组、转录组及基因表达数据集的生物信息学分析;本次更新纳入了Schmidtea属多个物种的高质量基因组序列与注释,涵盖Schmidtea mediterranea的有性与无性株,并将扁形动物门的转录组覆盖扩展至70个物种;新增的转录组研究与分析工具有助于对bulk RNA-seq与single-cell RNA-seq数据进行可视化与综合分析;这些资源将进一步推动在S. mediterranea中开展的互补性机制研究,以及探索再生、寄生及其他性状进化的比较方法研究;PlanMine 4.0数据库可通过https://planmine-v4.mpinat.mpg.de免费访问。