ac4C Info: A database to parse N4-acetylocytidine(ac4C) epitranscriptome in multiple species

在每一个活细胞内部，构建和维持生物体的指令都以一种被称为 DNA 的代码形式编写而成。但这些指令并非在真空中运行；它们正不断地被读取、编辑，并翻译成执行生命功能的蛋白质。这一读取过程涉及第二层遗传物质——RNA，它充当着将 DNA 蓝图传递给细胞机器的信使。几十年来，科学家们一直认为这种 RNA 信息是静态的副本，但近期的发现表明，它实际上是动态且经过高度修饰的。微小的化学标签可以附着在 RNA 字母上，从而改变信息的读取方式、持续时间或转化为蛋白质的效率。这一被称为“表观转录组”（epitranscriptome）的调控层，现在被理解为控制从细胞生长到疾病等一切环节的关键控制系统。在 170 多种不同类型的这些化学标签中，一种被称为 N4-乙酰胞苷（ac4C）的标签已脱颖而出，成为一个特别重要的参与者。ac4C 存在于植物、动物和细菌中，有助于稳定 RNA 并加速蛋白质的产生，但在很长一段时间内，科学家们一直缺乏关于这些标签出现在何处以及它们如何影响健康与疾病的清晰图谱。

研究人员面临的挑战在于，有关这些修饰的数据散落在数千项独立研究中，且通常采用难以比较的不同格式。有些研究使用一种方法来寻找标签，而另一些研究则使用不同的技术，这使得很难观察到跨物种或跨组织的完整全貌。为了解决这个问题，由河北农业大学的张康及其同事领导的研究团队构建了一个名为 ac4C Info 的全新数字资源。该平台作为一个中央库，收集并整理了来自九种不同物种关于 ac4C 的信息，包括人类、小鼠、大鼠、斑马鱼、蠕虫、狗以及水稻和番茄等几种植物。该数据库不仅列出了这些化学标签存在的位置，还将它们与特定疾病联系起来，并提供了预测它们可能出现在新遗传序列中的工具。

这一新平台的核心是源自两种主要现代测序技术的海量数据点。第一种方法被称为 ac4C-seq，它允许科学家精确到单个遗传代码字母来定位化学标签的具体位置。另一种方法被称为 acRIP-seq，用于识别这些标签可能存在的更广泛区域。通过整合 168 个不同测序样本的结果，研究人员创建了一个全面的图谱，仅在人类体内就包含了超过 180 万个已识别位点，同时在其他动物和植物中也拥有数十万个位点。这些集合按组织类型和细胞系进行组织，使科学家能够观察到，例如，某些标签在心脏组织或特定的免疫细胞中频繁出现，而另一些则在脑部或发育中的胚胎中是独特的。该数据库还包含了关于这些标签所附着的基因的详细信息，有助于研究人员理解哪些生物过程正在受到调控。

除了绘制这些标签存在的位置图之外，研究人员还希望了解我们遗传代码的变化是如何破坏这一系统的。他们构建了数据库的第二个部分，名为 ac4CDiseaseDB，该部分专注于遗传变异与 ac4C 修饰之间的联系。团队分析了健康人群和 33 种不同癌症患者体内的数百万个遗传差异。他们寻找了会导致产生新 ac4C 标签位点或破坏现有位点的特定遗传字母变化。他们的分析识别出了数十万个此类“获得或丢失”事件，其中许多与已知疾病相关。通过将这些发现与临床数据进行交叉引用，他们强调了特定的遗传变异可能会通过改变 RNA 的修饰方式来驱动疾病，为理解诸如神经病理性疼痛和肿瘤进展等状况提供了新的线索。

为了让这些复杂的信息对其他科学家可用，该平台包含了两个强大的分析工具。第一个是预测器，允许用户输入一段遗传序列，并实时计算出 ac4C 标签可能出现的地点。该工具运行在一个复杂的系统之上，该系统结合了九种不同计算机模型的逻辑，每种模型都经过训练以识别遗传代码中的不同模式，从而提供高度准确的预测。第二个工具帮助研究人员调查特定的遗传突变如何改变 ac4C 标签的景观。通过输入遗传变异列表，用户可以准确看到这些变化如何改变 ac4C 标记的存在情况，从而潜在地解释为什么某种突变会导致疾病。整个系统旨在具有交互性，允许用户在基因组浏览器上可视化数据，检查 RNA 的二级结构，并下载数据集用于自己的研究。

ac4C Info 的创建代表了理解表观转录组迈出的重要一步。虽然随着新型测序技术的出现，该领域发展迅速，但由于缺乏统一的资源，导致很难在不同生物之间进行比较，或观察这些修饰如何融入人类健康的宏观图景。这个新数据库通过汇集来自九种物种的数据、整合多种检测方法的信息，并提供分析遗传变化影响所需的工具，填补了这一空白。它为复杂的生物系统提供了一个清晰、有序的视图，将零散的数据碎片转化为一个可以引导未来在生理学、疾病机制和作物改良领域进行发现的连贯资源。随着读取 RNA 技术不断进步，该平台已准备好进行扩展，确保科学界拥有一个探索遗传调控隐藏层级的可靠基础。