Compartment-dependent selection regimes maintain the G-quadruplex paradox across the eukaryotic kingdoms

技术摘要：区室依赖性选择机制维持 G-四链体悖论

问题陈述
G-四链体（G4）DNA 结构在真核生物基因组中表现出一种悖论式的分布：它们在编码序列（CDS）中系统性地缺失，但在启动子和非翻译区（UTR）等调节区域中富集。虽然这种“G4 悖论”已在特定谱系（特别是动物界 Animalia）中得到记录，但目前尚不清楚这种架构是真核生物基因组组织的普遍特征，还是历史采样偏差造成的产物。此外，维持这种架构的选择机制在四个真核界（动物界 Animalia、真菌界 Fungi、植物界 Plantae、原生生物界 Protozoa）中是否具有保守性，仍不完全明确。具体而言，目前尚不确定 CDS 中的缺失是由沉默位点的结构约束驱动，还是由密码子适应等混杂因素驱动；同时，也不确定非编码区域中的富集是否由保守或特定于各界的分子机制进行管理。

方法论
作者分析了一个平衡的 198 个参考基因组样本，这些样本在四个真核界中进行了分层（动物界：86 个，真菌界：49 个，植物界：33 个，原生生物界：30 个），以纠正以往研究中存在的动物界偏向性。该研究采用了一个多步计算流程：

1. G4 检测与稳定性分类： 对基因组区域（5′UTR、CDS、内含子、3′UTR、启动子、基因间区）进行 G4 基序扫描，使用了正则表达式（regex）模式与 G0Hunter 得分的共识方法。基序通过 Mergny–Lacroix 热力学稳定性（$\Delta G \le -5$ kcal/mol）进行进一步过滤，以识别“共识稳定型”G4。
2. 跨界富集分析： 研究计算了各界特定区域相对于全基因组背景的 $\log_2$ 富集比（IRR）。在严格标准（规则 B）和允许平局的条件（规则 A）下，测试了各界之间的符号一致性。
3. 密码子水平进化分析 (dN/dS)： 对于各界内亲缘关系较近的物种对，作者在 G4 重叠密码子与对照密码子之间进行了 Nei–Gojobori 比较，分析其同义（$dS$）和非同义（$dN$）替换率。至关重要的是，该分析在重复进行时，通过每基因密码子适应指数（CAI）调整，以控制翻译选择对同义速率的混杂影响。
4. 解旋酶共进化 (PGLS)： 定量分析了六个 G4 解析解旋酶同源家族（BLM/WRN/RECQ, PIF1, FANCJ/BRIP1, RTEL1, DDX5, DDX17）的拷贝数。使用系统发育广义最小二乘法（PGLS）回归测试解旋酶库与不同基因组区室中 G4 丰度之间的关联，并对系统发育非独立性进行了校正。研究通过无多叉树的子集和独立的生命之树（Open Tree of Life）骨架验证了稳健性。
5. 基序年龄分层： 将 G4 基序映射到宿主基因同源组，以确定它们是位于“古老”（自真核生物共同祖先 LECA 以来保守）还是“谱系特异性”基因中。

关键结果

• 验证 G4 悖论： 研究证实了 G4 悖论是一个跨界的特征。在严格标准下，CDS 的缺失和基因间区的富集在所有四个界中均表现出符号一致性。在允许平局的标准下，内含子和启动子的富集也显示出符号一致性，尽管这取决于原生生物界和真菌界中存在部分在这些区域中 G4 稳定数为零的物种。
• CDS 缺失是由密码子适应而非沉默位点约束驱动的：
  • 最初的 Nei–Gojobori 分析显示，在七个未饱和物种对中的六个中，G4 重叠密码子的 $dS$ 受到 5–16% 的抑制。
  • 然而，在针对每基因 CAI 进行调整后，这种抑制消失了。在 0/7 个配对中，调整后的 G4 赔率比（OR）仍显著低于 1；而在五个配对中，方向发生了反转（$OR > 1$）。
  • 结论： 表观上的 $dS$ 抑制是由于 G4 重叠密码子优先位于高表达、经过密码子优化的基因中而产生的伪象。选择压力在于密码子适应，而非 G4 基序本身内沉默位点的特定结构约束。
• 非编码区域中界特异性的解旋酶共进化：
  • 与 CDS 不同，没有特定的解旋酶关联能在多次检验校正后存留，但在内含子和启动子中出现了显著关联。
  • 五个关联在 Benjamini–Hochberg 校正后（$q < 0.10$）仍保持显著：
    • 原生生物界： FANCJ/BRIP1 与启动子 G4 负相关；RTEL1 和 BLM/WRN/RECQ 与内含子 G4 正相关。
    • 真菌界： PIF1 与启动子 G4 负相关。
    • 植物界： FANCJ/BRIP1 与内含子 G4 正相关。
  • 值得注意的是，FANCJ/BRIP1 表现出上下文依赖的行为：其拷贝数与植物中的内含子 G4 维持呈正相关，而与原生生物中的启动子 G4 解析呈负相关。
• 内含子 G4 的进化深度： 内含子 G4 基序极度集中在深层保守的同源组中（每个界均 $\ge 87.5\%$），表明这些结构的调节背景自早期真核生物进化以来就得到了维持。相比之下，启动子 G4 主要存在于谱系特异性基因中。

意义与主张
本文提出了一个用于维持 G4 悖论的两阶段架构：

1. 在编码序列中： 主导的选择力量是密码子适应。G4 的缺失是翻译选择倾向于高表达基因中特定密码子的副产物，而非对沉默位点内 G4 形成的直接结构约束。
2. 在非编码区域（内含子/启动子）： 选择直接作用于 G4 结构。这些结构的维持由界特异性的解旋酶机制（如 FANCJ/BRIP1, PIF1, RTEL1）进行管理，这些机制以区室特异性的方式与 G4 负荷协同进化。

作者声称，跨界的 G4 悖论并非动物界特有的伪象，而是一种保守的调节架构。该悖论的机制核心存在于非编码区域，其中 G4 被积极管理，通过谱系调优的解旋酶发挥作用，可能涉及 RNA 加工和转录偶联。本研究重新定义了 CDS 缺失——它不是 G4 耐受性的失败，而是宿主基因表达谱的结果，同时将内含子和启动子区确定为功能性 G4 生物学和选择性维持的真正场所。

作者注明的局限性
作者承认，启动子定义（固定为 -1000 bp 窗口）对于动基质原虫（原生生物界的一类）在生物学上是异质的，这可能会影响对该界启动子特异性关联的解释。此外，解旋酶分析依赖于 KEGG 同源物注释，这可能会遗漏特定的旁系同源物；且针对非动物界进行的 dN/dS 分析依赖于单物种对，需要进一步复制以确认其在整个界范围内的普遍性。本研究是一项比较基因组学研究；虽然它将解旋酶计数与 G4 丰度相关联，但并未实验验证这些解旋酶在所分析的非模式物种中的具体机械作用。