Deterministic DNA-first discovery reveals recurrent genomic architectures
本文介绍了一种确定性的、非蛋白质依赖的“DNA优先”框架，该框架利用原始基因组序列的数学特征来成功识别循环出现的基因组结构（例如阵列相关的反转录酶位点），从而补充传统的以基因为中心的发现方法。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
在浩如烟海的遗传密码库中，寻找新的生物系统通常始于一个已知的名称。科学家们通常寻找他们已经熟悉的特定基因或蛋白质家族，利用这些熟悉的地标来引导他们的探索。这种方法在目标已知时效果很好，但在寻找那些并非由单一蛋白质定义、而是由 DNA 如何组织定义的系统时却显得力不从心。想象一下，如果你试图通过寻找特定品牌的门铃来在一座城市中寻找某种特定类型的房子，你就会错过那些虽然具有独特布局但完全没有门铃的房子。在微生物世界中，许多防御系统正是以这种方式运作的，它们依赖于遗传元素的排列方式，而非单个易于识别的蛋白质。理解这些隐藏的架构至终关重要，因为它们代表了标准搜索往往会忽略的生物多样性前沿。
现在，一支研究团队开发了一种新方法，通过直接观察原始 DNA 本身来寻找这些隐藏的系统，在最后阶段之前完全忽略蛋白质名称。他们创建了一种将遗传密码视为数学模式景观的方法。他们的做法不是问“这看起来像已知的蛋白质吗？”，而是问“这段 DNA 是否具有异常的内部结构？”他们专注于两个特定的特征：核苷酸相对于彼此的定位方式，以及短的 DNA 序列如何以规则间隔进行自我重复。通过结合这两个数学信号，研究人员能够精准定位基因组中在统计学上异常的区域，即使他们并不知道这些区域可能具有何种生物学功能。
为了测试这个想法，该团队将此方法应用于一组被称为阵列相关逆转录酶的已知生物系统。这些系统以一种由重复的 DNA 模式紧随其后的一类特定酶和一个伴侣蛋白组成的结构而闻名。研究人员在包含这些系统的基因组上运行了他们的数学搜索，而没有告诉计算机它正在寻找什么。结果令人震惊：该方法成功定位了八个已知系统中的七个，并确定了这些重复模式存在的精确基因组坐标。相比之下，当研究人员将该方法应用于其他含有相同酶但缺乏重复 DNA 模式的生物系统时，该方法正确地忽略了它们。这证明了该数学方法检测到的是系统的特定架构布局，而不仅仅是酶的存在。
随后，研究人员将这个发现引擎投入到了未知领域。他们扫描了大量的原始遗传数据，总计超过 540 亿个 DNA 字母，这些数据来源于多样的环境和生物。他们并没有从一个已知的蛋白质列表开始搜索，而是让数学模式引导他们找到感兴趣的区域。从这个庞大的数据集中，他们识别出了五个共享已知示例中那种重复架构的候选系统。这些候选系统包括一个特定的重复 DNA 序列、一个逆转录酶和一个伴侣蛋白，且按相同的顺序排列。为了确保这些不仅仅是随机匹配，团队对候选者进行了严格的结构检查。他们将候选蛋白质预测的 3D 形状与已知酶的形状库进行了对比。在严格的规则下，三十二个选定候选者中有二十四个显示出结构匹配，表明它们与已知酶有关联。
然而，团队非常谨慎地将“发现形状”与“证明功能”区分开来。当他们应用一个过滤器来保留最具原创性的候选者——即那些看起来与以往所见截然不同的候选者——时，结构匹配的数量显著下降，这表明最独特的蛋白质并不是那些符合已知模式的类型。此外，当他们专门寻找纯粹由基因组架构定义的候选者时，没有任何一个候选者与已知的酶形状相匹配。这表明，虽然数学方法擅长寻找重复的 DNA 模式，但它并不保证每一个找到的模式都会包含已知类型的酶。通过所有过滤条件的五个顶级候选者目前仍处于计算预测阶段。他们尚未在实验室中进行测试，以确认这些候选者是否真的能执行将 RNA 转变为 DNA 的生物学功能。
该研究还解决了一个常见的误解：即仅仅发现重复的 DNA 模式和附近的酶就足以称之为一套新系统。研究人员通过观察一组被称为 UG27 的已知系统来测试这一点，这些系统同样将酶与重复的 RNA 结构配对。他们的数学方法找到了这些系统中的重复模式，但并未将它们标记为与他们正在寻找的同一种架构。这表明该方法对一种非常特定的 DNA 组织方式具有敏感性，而不仅仅是任何酶与重复序列的组合。这强调了 DNA 的物理排列方式与组件本身同样重要。
最终，这项工作证明了对原始 DNA 进行数学分析可以作为传统基于蛋白质搜索的有力补充。它允许科学家在甚至还不知道可能存在哪些蛋白质之前，就提名感兴趣的基因组区域进行进一步研究。本研究中识别出的五个候选系统目前正在等待实验验证。如果未来的实验室工作能够证实这些候选者确实能利用其特定的重复模式将 RNA 转换为 DNA，那么这将证明数学“DNA 优先”的方法可以成功揭示那些对标准基因搜寻技术而言是隐形的全新生物机制。在此之前，这些候选者仍然是一组充满希望的线索，指向了一个准备好被探索的隐藏基因组组织层面。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。