编辑推荐:
近年来,研究人员对植物基因组进化与结构的理解呈爆发式增长。植物基因组的进化历史包含周期性、谱系特异的多倍化(Polyploidy)事件及其后的二倍化(Diploidization),以及多样性转座子(Transposable elements, TEs)的谱系
近年来,研究人员对植物基因组进化与结构的理解呈爆发式增长。植物基因组的进化历史包含周期性、谱系特异的多倍化(Polyploidy)事件及其后的二倍化(Diploidization),以及多样性转座子(Transposable elements, TEs)的谱系特异性扩增与消减。叠加于这些跃迁式进化基因组过程之上的,是物种内产生基因组内容变异的突变机制的庞大阵列。多倍化、结构变异(Structural variation, SV)及转座子活性等过程已扩大并重排了基因组序列,而这些变化被调控系统所解读,该系统通过小RNA(small RNAs)、染色质状态(chromatin state)、顺式调控元件(cis-regulatory elements, CREs)及三维组织(3D organization)发挥作用。
Whole-genome doubling - the ubiquity and cyclical nature of polyploidy
植物基因组进化史中充满了全基因组加倍(Whole-genome doubling, WGD)或多倍化(Polyploidy)事件。多倍化自种子植物起源以来普遍存在,在被子植物中发生尤为频繁,呈现出时间上不均匀但系统发育上特异的格局。平均而言,被子植物基因组在进化历程中经历了约3.5次多倍化事件,相当于由2
3.5个祖先基因组组合而成,这些祖先基因组在共同核内以不同程度的降解状态共存。多倍化至今仍是诸多植物科属中活跃的成种过程,甚至在种群水平亦反复发生。当二倍体谱系分化并各自适应不同生态与地理环境时,它们通过物种特异性的调控网络(regulome)协调生理过程、生物合成与表型。然而,当两个已分化的基因组在多倍化时于共同核中重聚,如何在避免大规模发育失调的情况下实现协调,仍缺乏统一理论框架,尤其考虑到异源多倍化中可能存在的细胞质核冲突。从长期进化看,几乎所有多倍体最终都会经历二倍化(Diploidization),在数万至数百万年的尺度上回到染色体二倍化状态,伴随大量“冗余”DNA丢失与染色体重排,即“fractionation”。二倍化速率在谱系间差异显著,蕨类比被子植物更慢。基因分数化具有时间和系统发育变异性,恢复单拷贝状态的基因往往偏向于核与细胞器DNA复制修复等必需过程,而转录因子或蛋白复合体成员优先保留。异源多倍体中的基因分数化还可能呈现非随机的“biased fractionation”,即相对于两个供体二倍体基因组呈不对称,其进化驱动力可能与转座子(Transposable elements, TEs)邻近性相关,因为TE可能抑制邻近基因表达从而使基因更“可消耗”。同源基因(homoeologs)表达偏倚在多倍体中极为普遍,且共表达重复基因网络亦呈现亚基因组偏倚。重复基因组的丢失同样常呈不对称模式,涉及非同源染色体间易位、染色体融合及同源交换(homoeologous exchanges)。这些交换可迅速改变大片段同源染色体的剂量比,从预期2:2变为3:1、1:3甚至0:4或4:0,影响数千个连锁基因并可能产生表型差异和生殖隔离。当代基因组因此可视为多倍化“奇妙循环”的动态快照,即“今天的二倍体是昨天的多倍体,而今天的任何多倍体都将成为明天的二倍体”。
From genome to genomes to gangenomes
二十世纪九十年代末至二十一世纪二十年代,植物遗传学界的主要重点是生成高质量参考基因组。近年的技术进步与测序成本的大幅降低,使得长读长测序与端粒到端粒(telomere-to-telomere, T2T)基因组组装得以普及,从而以前所未有的分辨率揭示了结构变异(Structural variation, SV)、重复DNA、着丝粒结构与单倍型多样性。然而,单一参考基因组在代表物种基因组组成方面显示出明显局限性,许多与重要农艺性状相关的基因和等位基因,尤其是抗病、抗逆及环境适应相关基因,可能在所选参考材料中缺失。泛基因组(pangenome)作为下一代参考基因组资源应运而生,它代表品种群、亚种群、生态型、物种乃至整个属的基因组多样性。泛基因组可通过独立基因组组装或基于图的计算表示来捕获共享坐标框架内的替代基因组状态。近年泛基因组研究的关键进展包括:种内基因组架构变异巨大;SV普遍存在;识别出普遍存在的核心基因、通常存在的软核心基因以及可变基因集;深化了对TE、渐渗及基因存在/缺失变异(presence/absence variation, PAV)进化作用的认识;并揭示出基因组架构并非物种的固定属性,而是动态的群体层面现象。多种基因组组装、基于图的泛基因组与群体规模重测序数据的整合,使基因组架构不再被视为静态结构特征,而是作为在群体、环境及时间中展开的进化过程加以研究。
The active mobilome
转座元件(Transposable elements, TEs)是几乎所有植物基因组的主要组成部分,是基因组架构与大小变异的重要驱动因素。即使在近缘谱系中,TE扩增与多倍化也可导致基因组大小的巨大差异,从Genlisea属约25倍的变化到整个植物界观察到的最大与最小基因组之间2631倍的范围。TE扩增与删除是基因组大小差异背后谱系特异且动态变化的分子进化重组与缺失过程的核心。TE不仅通过启动子序列(如拟南芥中的ONSEN)在胁迫下响应环境信号,还可通过新的插入与缺失导致转录重连,为适应性提供遗传与表观遗传变异来源。T2T基因组组装使得在属甚至种的水平上探索TE产生变异的作用成为可能。在芸薹属与黄瓜中的T2T泛基因组研究表明,超过40%的SV所包含的PAV与TE重叠,并与附近基因的多样化和表达相关;在黄瓜中,SV与驯化及后续改良相关基因关联,且SV承受比核苷酸变异更强的纯化选择。从功能角度看,TE相关变异可通过改变基因调控元件实现遗传回路重连。例如,辣椒中基因组大小的差异与TE家族分布相关,且较大基因组中可及染色质区域(accessible chromatin regions, ACRs)与基因距离通常因TE插入而扩大;栽培番茄中TE插入多态性(TE insertion polymorphisms, TIPs)与基因表达变化相关。尽管TE插入通常是有害的并被选择快速清除,但在无性繁殖植物中,TE移动可提供重要的遗传变异来源,例如苹果和葡萄的果皮颜色。随着复杂多倍体基因组T2T组装的完善,未来有望在更深程度上解析TE在物种内外的进化、对基因网络的影响及其在非适应性“噪声”与适应性中的双重作用。
Small RNAs, mediators of interactions in duplicated genomes
小RNA通路已在多个植物基因组中得到较好表征,其生物发生与效应基因呈现出与基因组加倍、TE富集及重复序列区以及生殖发育相关的谱系特异性扩张、丢失与特化。小RNA是序列互补性指导的调控因子,能够连接植物基因组中的同源、重复及重复序列,在顺式作用下协调分散基因家族成员。小RNA的来源可分为RNA聚合酶II(Pol II)转录的MIRNA和PHAS(Phased small-RNA-generating)基因,以及RNA聚合酶IV(Pol IV)依赖的重复与异染色质区转录。前者作为可进化的调控位点随基因组一起经历复制、分化与丢失;后者则更直接与TE负载、DNA甲基化及染色质架构相耦合。例如,NLR(Nucleotide-binding leucine-rich repeat plant immune-receptor)基因是蛋白编码PHAS位点的典型代表,保守的22-nt miRNA可触发多个相关NLR转录本的相位次级siRNA(phasiRNAs)产生,形成转录后调控网络;而PPR(pentatricopeptide repeat)基因则被报道可能主要作为siRNA来源参与抗病。MIRNA基因亦像其他基因一样经历复制、衰减、转座与谱系特异性表达,并可来源于TE特别是MITEs(miniature inverted-repeat TEs)。生殖phasiRNA提供了谱系特异性扩张的显著例子:小麦每个亚基因组拥有超过4200个PHAS位点,而玉米约600个,芦笋仅约60个,三者间相差近70倍,却不对应蛋白编码基因数目的等比例增加,提示生殖PHAS位点的快速谱系特异性产生与保留。Pol IV来源的24-nt siRNAs主要来源于TE与重复序列,指导DNA甲基化与转录沉默。在异源多倍体中,亚基因组间TE含量与表观遗传状态的差异可产生不对称的siRNA与甲基化模式,并与同源基因表达偏倚相关,尽管RNA-directed DNA methylation(RdDM)是否直接驱动亚基因组支配仍存争议。在合成的甘蓝型油菜与六倍体小麦中,这些响应被证明是结构化、可重复的,且依赖于亲本基因组组合。
Epigenomics and evolution of cis-regulatory elements in plant genomes
表观基因组学显著提升了对植物基因组编码与非编码区生化活动的刻画能力,包括DNA甲基化、组蛋白修饰、核小体定位、可及染色质、转录因子结合及染色质相互作用。在植物中,活跃基因表现出启动子染色质可及性、转录起始位点特异的组蛋白修饰及基因体特异的组蛋白修饰;沉默基因则可分为DNA甲基化主动沉默、Polycomb介导的抑制性组蛋白修饰或处于待激活的poised状态。非编码序列主要包括可及染色质区域、沉默的TE/重复序列以及无明显表观特征的区域。表观基因组学最重要的影响在于对非编码区尤其是顺式调控元件(cis-regulatory elements, CREs)的注释、表征与研究,因为CRE是驱动表达与表型变异的关键。染色质免疫共沉淀测序(ChIP-seq)是体内定位转录因子结合位点的最直接方法;DNA亲和纯化测序(DAP-seq)作为替代手段,利用序列信息与DNA结构显著减少了预测的转录因子结合位点数量,并有助于解释顺式调控序列进化如何重塑转录因子结合潜力。ATAC-seq或单细胞ATAC-seq可直接研究CRE在跨时间尺度与生命周期事件中的进化。比较基因组学则通过识别保守非编码序列(conserved non-coding sequences, CNSs)来发现重要CRE,但植物中由于非编码序列更替迅速,且大分歧时间、WGD、杂交与多倍化使传统序列比对方法面临挑战。新策略包括增加近缘物种数量以发现“保守基序但变异结合位点”的进化历史,以及利用微共线性与迭代比对跨越超过3亿年的进化。群体规模染色质可及性分析显示,物种内变异大量集中于顺式调控区且通常远离核心启动子,调控景观快速进化并相对独立于编码序列保守性;可及染色质本身的变异是顺式遗传的,且大量差异可及染色质区域可映射到顺式QTL。在多倍体系统中,调控差异的出现早于基因含量变化:近期与古老多倍体(如大豆、花生)中,亚基因组偏倚的染色质可及性、核小体组织与CRE保留迅速建立稳定调控不对称;小麦与棉花中亦观察到多倍化后亚基因组分歧的染色质可及性景观与调控网络分割。长期来看,这些早期差异通过CRE的差异保留与丢失被进一步强化,最终在基因集基本保守的情况下塑造亚基因组优势。跨物种比较进一步表明,即使基因内容保守,染色质可及性景观仍广泛分歧,物种特异性调控架构通过CRE的快速获得、丢失与位置更替而产生;C4光合作用的趋同进化即是同一保守基因通过独立顺式调控重连实现相似表型的经典范例。因此,顺式调控创新置于物种间基因组进化的核心位置。
Genome architecture and evolution
三维基因组学将植物基因组研究从线性序列分析拓展至复杂三维(3D)基因组组织。高通量染色体构象捕获(High-throughput chromosome conformation capture, Hi-C)等技术为解析染色体疆域、A/B区室(A/B compartments)、拓扑关联结构域(topologically associating domains, TADs)及染色质环奠定了基础。当前研究已可实现核小体分辨率的3D基因组图谱绘制,能够更精确地检测增强子-启动子互作,并揭示TAD与高阶染色质结构在水稻进化等过程中的重组;单细胞Hi-C技术已应用于水稻配子与合子,揭示早期发育中的细胞类型特异性染色质构象差异。多倍体背景下,基因组合并将分歧的亲本调控景观带入共享核环境,多倍化后亲本CRE有助于维持已有调控景观,而多倍体形成前后出现的序列变异则促进亚基因组同源基因表达分歧;与TE插入相关的新可及染色质区域进一步加剧这种分歧,为多倍体物种提供调控创新与表型多样性的重要来源。在Arabidopsis arenosa中,新形成四倍体里观察到的许多染色质可及性变化在进化四倍体中并未保留,从而区分了对基因组加倍的即时反应与长期进化改变。CRE与靶基因的空间连接对转录调控同样关键:许多CRE在基因组线性序列上远离靶基因,但长距离染色质相互作用可将其与启动子物理靠近,从而实现精确转录控制。在异源四倍体棉花中,全基因组范围内表观基因组分析与3D基因组图谱揭示了染色质可及性与空间染色质互作之间的密切关联, underlying 显著的亚基因组调控不对称性;基于301份棉花种质的群体规模泛3D基因组图谱将驯化过程中的染色质重塑与亚基因组间同源基因表达偏倚相关联。在六倍体小麦中,驯化与进化过程中功能性CRE、可及染色质及其相关3D互作网络的大规模重塑重连了顺式调控景观,为复杂农艺性状的出现与多样化提供了调控基础。此外,多倍化相关的基因组冲击可触发全局染色质拓扑的级联改变,驱动亚基因组染色体疆域的重组与调控网络的广泛重排;SV可通过将同源基因重定位到不同A/B区室或改变TAD边界直接影响基因表达,而局部串联重复的快速形成与新TAD边界的出现强烈相关。TE增殖是驱动染色质层级组织重组的另一主要力量:对Biscutella属八个物种约1100万年WGD后染色体进化的比较显示,不同谱系的逆转录转座子谱与TAD保守性存在差异,且染色体重排断点常与TAD边界及A/B区室转换相重合。在棉花中,LTR(long terminal repeat)逆转录转座子常在TAD边界富集,其插入可产生新的TAD边界或破坏已有边界,从而重塑基因调控景观。TE与染色质的相互作用也塑造着丝粒重复序列景观,如拟南芥着丝粒中ATHILA逆转录转座子的入侵与通过卫星重复均质化的清除共同促进着丝粒进化;着丝粒组蛋白变体CENH3占据的染色质扩展可改变Tal1转座子的插入分布。染色质拓扑重塑还遵循协调的调控策略:一是转录因子(TF)驱动的染色质空间重塑,如热激因子HSFA1a在热胁迫下重塑增强子-启动子互作,GhAL5在棉花中维持耐热雄性可育,OsbZIP23在水稻中通过协调H3K9ac相关动态染色质相互作用激活超级增强子样调控枢纽;二是表观基因组驱动的染色质重塑,如中国白菜热诱导表观基因组重编程重新定义TAD边界,花生根瘤中表观重塑与3D基因组组织的整合建立空间调控网络;三是多倍体物种中亚基因组染色质拓扑的时空协调,如异源四倍体棉花中协调的亚基因组染色质拓扑分阶段控制纤维细胞分化。RNA结构及RNA介导的相互作用亦为基因组架构增添调控层,小麦中亚基因组特异性RNA结构与差异翻译效率及mRNA降解速率相关,棉花中RNA介导的远距离增强子-启动子通讯在多倍化后广泛重塑,提示RNA结构及其相互作用可能参与多倍体化后的同源基因表达差异与环境响应,但其进化动态与因果作用在很大程度上仍未解决。
Integration and perspectives
过去十年的植物基因组与进化分析进展已将基因组观从本质上视为线性序列转变为序列、调控状态与空间构型的动态群体。反复的WGD与再二倍化、SV以及谱系特异性TE扩增与丢失共同产生基因组多样性,而小RNA、表观基因组状态、CRE与3D组织则影响这些多样性如何被表达与保留。捕虫植物Utricularia gibba的紧凑基因组(约100 Mb)却保留至少两次、可能三次的连续四倍化证据,提示多倍化可能通过提供重复LTRs促进异位重组与中间DNA切除从而导致基因组收缩,展示了多倍体、TE、基因组大小与调控架构之间互作的复杂性。下一阶段的挑战在于从单纯分类各层次转向建立其因果顺序并预测其后果,即确定基因组杂交、TE插入或结构重排后首先发生哪些分子改变、哪些调控差异得以保留,以及这些关系如何随细胞类型、发育阶段与环境而改变。这将需要整合序列与表型变异、基因表达、小RNA、DNA甲基化、染色质可及性与3D基因组的泛基因组与实验系统。尽管当前多数预测模型仍主要聚焦于序列数据,但未来的整合模型有望预测哪些变异改变调控并在选择压力下最终影响表型。预测新形成多倍体中的早期调控不对称将有助于预示后续同源基因表达与重复基因命运,且整合功能与空间基因组数据的模型将优于仅序列模型。长期而言,这可能促进设计具有指定调控或沉默特性的序列,从而服务于作物改良与自然界的理解。