转座元件对调节网络进化的贡献

前言

人们已经知道，除了极少数例外，真核生物基因组中充满了散布的重复DNA¹大规模DNA测序表明，大多数重复DNA来自转座元件（TEs）的活性，这些序列能够在基因组内移动和复制。TE采用不同的复制策略，包括RNA（1类或反转录转座子）或DNA中间产物（2类或DNA转座子²所有主要TE类在真核生物生命树中的广泛分布表明它们是真核基因组的长期居民²与基因组中其他持久性成分不同，人们不需要赋予TEs适应性价值来解释其进化持久性。理论考虑和实证研究表明，TEs最好被视为基因组寄生虫，其生存本质上取决于它们比携带它们的宿主复制速度更快的能力^三,4这一推测，也被称为自私DNA理论，似乎足以解释TE在漫长的进化时间内的维持，以及在物种之间甚至有时在物种内部观察到的TE的数量、多样性和染色体位置的广泛差异^三,5尽管——在一定程度上是由于——这种自私和寄生的天性，TEs的运动和积累对其宿主的进化轨迹产生了强烈的影响^三–6在这里，我回顾了支持早期理论的最新发现，这些理论假设TE在真核生物基因调控的进化中发挥了重要作用。特别地，我探索了TEs的特性，这些特性可能有助于TEs的招募，作为组装多种系统以调节和协调真核基因表达的构建块。

死后生命：TE检查

TEs（或exaption）的合作⁷)为细胞功能服务早就被公认^8–10但近年来，在广泛分化的哺乳动物中，将大量人类基因组序列与其直向同源区比对的能力提供了一个机会，可以通过揭示长期处于功能限制下的固定TE序列来估计TE分解的幅度。开拓性研究¹¹通过对人-鼠同源序列样本的比较表明，至少由于人类和小鼠的分歧，有相当一部分祖先重复序列（在安氏辐射之前插入）受到了强烈的选择性限制，这意味着哺乳动物的T细胞经常为宿主获得有益的功能。

最近，这种比较基因组学方法被扩大¹²揭示了人类基因组中至少10000个TE片段，这些片段是在整个安第斯辐射过程中经过强烈净化选择进化而来的。此外，将有袋动物负鼠的基因组与几个安第斯物种（人类、狗、小鼠、大鼠）进行比较后发现，至少16%的安第斯特有的保守非编码元件（CNE）来自各种TEs¹³此外，敏感的序列相似性搜索发现了数千个高度保守的人类CNE（其中许多早于哺乳动物的辐射），包括一些所谓的超保守元素，这些元素可以聚集成数百个家族，表明TE起源于遥远的地方^14–16到目前为止，只有少数CNE家族可以明确地追溯到TE家族^15–19有趣的是，其中三个家族是非常古老的短散布核元素家族（SINE），此前未被发现。排除的SINE的明显富集可能反映了这些元素被招募用于细胞功能的倾向。或者，它可能只是反映了它们在脊椎动物基因组中的优势，或者它们的短尺寸和独特的序列特征使它们更容易被识别为SINE化石家族。数十个其他CNE家族与已知的TEs具有微弱但显著的相似性¹⁵这意味着许多广泛保守的TE家族仍有待确定。

在非哺乳动物物种中，特别是在果蝇属 ^20–22然而，还没有试图在全基因组范围内测量非哺乳动物谱系中TE的吞噬程度。跨谱基因组比对显示，双翅目昆虫、线虫、酵母菌、禾草和十字花科植物等物种中存在丰富的CNE^23,24不幸的是，这些谱系中TE的快速转换和衰变使得识别古代元素并评估其对高度保守的非编码序列的贡献变得极其困难（如果可能的话）。但是，对更密切相关的物种进行比较分析，改进TE的检测和注释，可能会有所启发。

TEs作为监管元素的供应

大量研究表明，TEs可以通过多种方式直接影响附近基因表达的调控，包括转录水平和转录后水平(图1). 最初，这些机制是通过分析单个TE插入引起的突变在实验室中发现的。但现在很清楚，同样的基因结构和表达变化在遥远的过去也发生过，并通过自然选择得以保存^9,25,26.

在单独的窗口中打开

图1

TEs可以通过多种方式影响基因表达

在转录水平上，插入基因上游的TE（棕色）可能（i）插入启动子序列并引入替代转录起始位点，（ii）破坏现有的顺调控元件，或（iii）引入新的顺式转录因子结合位点等元素。此外，插入内含子内的TE可能驱动反义转录，并可能干扰有义转录。最后，TE可以作为异染色质形成的核中心，潜在地沉默相邻基因的转录。在转录后水平上，插入基因3′UTR中的TE可能引入一个替代的多聚腺苷酸化位点，即microRNA或RNA结合蛋白的结合位点（未显示）。插入内含子内的TE会干扰前体mRNA的正常剪接模式，引发各种形式的选择性剪接（内含子保留、外显子跳跃等）。插入内含子（内含子包含隐秘剪接位点）内的TE可以作为替代外显子并入（“异形化”）。这可能导致新的蛋白质亚型的翻译，或通过无义介导的衰变（NMD）途径使mRNA失稳或降解，特别是如果外显TE引入了提前终止密码子（星号）。

在一项开创性的研究中，Jordan等人报告称，近25%的实验特征人类启动子包含TE-衍生序列，包括经验定义的顺调控元件²⁷进一步的基因组规模分析表明，人类和小鼠基因中的许多启动子和多聚腺苷酸化信号分别来自灵长类和啮齿动物特异性TE^{例如 26,28}另一项研究发现，在人类CD4+T细胞中发现的四分之一的DNase I超敏位点与注释的TE重叠，表明这些TE具有顺调节序列。有趣的是，这些元素中的绝大多数并不是高度保守的，而是灵长类特有的。因此，这些TE的插入可能有助于建立基因表达的谱系特异性模式²⁹进一步证明TE通常具有调节功能的证据来自于哺乳动物中高度保守的TE片段。首先，这些元素往往聚集在参与发育和转录调控的基因周围¹²第二，它们在预测的顺调节模块中过度表达³⁰，包含转录因子结合位点（TFBS）密集阵列的基因组片段。第三，约五分之一的尤瑟氏特异性CNE（数千个来源于古代TE）与人类淋巴细胞中实验定位的DNase I超敏位点重叠，这意味着它们为调节蛋白提供启动子序列或结合位点¹³最后，有越来越多的高度保守的TEs个案被记录为转录增强因子^16,19或者作为选择性剪接外显子引入提前终止密码子并触发非义介导的衰变，从而促进细胞内mRNA的稳态^16,31(图1). 总之，这些数据表明，在哺乳动物的进化过程中，TEs是新调控序列的丰富来源。

是什么使TEs拥有如此丰富的启动子和反调节元素？一个简单的解释是，TEs的普遍积累创造了原始序列物质，顺调控元件通过点突变“从头”进化。大多数顺调控元件，如TFBS，往往短且顺序退化³²因此，可以想象，衰变的TE序列提供了丰富的物质，通过引入一个或几个点突变，顺调控元件从中“从头”出现。已经报道了几个例子^9,33–35另一种非互斥的情况是，反调节元素在插入时就已经存在于TE中，并且在插入时或周围环境发生改变后立即被同化。在活性TEs的活性或重建共识序列中，已确定了多种调控元件。这些包括TE通常用来控制其自身表达的信号（RNA聚合酶II或III的基础启动子、增强子、绝缘体、剪接位点、多腺苷酸化信号…）和过多的TFBS^36–39许多实证研究已经证明了这种“现成的”顺式元素是如何被纳入相邻基因的“自然”调节器中的^{9,25,35,40–42}包括microRNA基因⁴³.

遗传网络的TE布线

无论调节元件是由少数突变“从头”产生的，还是在TE序列中预先存在的，扩展的TE家族在整个基因组中的分散都可能允许相同的调控基序在许多染色体位置被招募，从而将多个基因拉入同一调节网络(图2). 这个模型是布里顿和戴维森几十年前首次提出的^44,45，最近获得了实验支持^{例如 38,46}在最近对人类基因组的一项研究中，Wang等人。³⁹发现一组与I类内源性逆转录病毒密切相关的LTR元件家族分散了1500多个“主”调节因子p53的近完美结合位点，包括使用全基因组ChIP分析绘制的所有p53结合位点的30%。在进一步检查的五个个案中，LTR中的p53位点可能与最近邻基因的p53依赖性转录激活直接相关³⁹有趣的是，所有含p53的LTR家族都是灵长类特有的，在插入时p53位点明显存在。这些结果强烈表明，LTR元件的分散促进了p53调节基因（类似于图2A).

在单独的窗口中打开

图2

构建具有可转换元素的监管系统

图中显示了一个DNA转座子家族，其多拷贝（白盒）由末端反向重复序列（黑三角形）分隔，基因组中散布着基因（颜色盒）。对于面板A和B，TE家族也可能是一个逆转录转座子家族。A： 通过TE-衍生顺式元件连接转录调控网络。DNA结合蛋白（DBP）的结合位点作为TE的一部分分布在整个基因组中。如果DBP是一种转录因子，那么它与邻近基因的TE的结合可能会影响该基因的表达（箭头指向该基因）。多个基因通过与同一TE家族不同拷贝的关联，同时受到转录因子的控制。B： 通过TE-衍生顺式元件连接转录后调控网络。几个TE拷贝与其相邻基因一起转录，从而产生包含类似TE的不同mRNA。如果TE包含一个RNA-结合蛋白（RBP）的结合位点，它可能在相同的转录后基因调控途径中参与不同的mRNA。C： TE家族microRNA网络的从头组装。该模型将B中所述的TE宿主基因共转录的想法与含有同一家族TE的miRNA前体的起源相结合。这种前体可能是由具有近乎完美回文结构的TE（例如MITE）的转录和分子内折叠产生的。由此产生的双链RNA可以加工成成熟的miRNA。由此产生的TE-衍生miRNA可以与嵌入在共转录mRNA的3′UTR中的互补TE序列配对。D： DNA转座子家族转录网络顺式和反式元件的从头组装。在这个模型中，DBP来源于转座酶，因此有可能结合到以前由相关TEs分布在基因组周围的位点网络。如果转座酶衍生的DBP具有转录因子活性，它可能会调节位于相关TE（包括其自身）内嵌入的结合位点附近的基因的表达。

Britten和Davidson最初制定的基因电池模型是在RNA水平上运行的，调用顺式元素及其控制的基因的共同转录⁴⁴锥虫类的最新研究大型利什曼原虫 ⁴⁷支持同一TE家族可以在全基因组范围内进行转录后调控的观点(图2B). 在锥虫体内，大多数蛋白编码基因都是以大型多顺反子转录物的形式共同转录的。个体基因调控主要发生在转录后水平，已知位于3′UTR的序列对这一过程很重要。在L.主要LmSIDER2是一个已灭绝的逆转录子家族，其1000个拷贝中几乎所有都位于预测的mRNA的3′UTR中⁴⁷，一个明显偏向的分布表明在转录后调控中具有全局功能。与这一假设一致，在报告基因的3′UTR中引入LmSIDER2拷贝的实验降低了所产生的mRNA在体内的稳定性。此外，微阵列分析显示L.主要在3′UTR中含有LmSIDER2的mRNA通常表达水平较低⁴⁷总之，这些数据支持这样的观点，即TE家族是在全基因组水平上被招募来调节数百个基因的转录后表达的。

除了捐赠新的顺式元件和参与调控网络的从头组装外，TE还可能通过其运动和引发的基因组重排，对预先建立的网络的重新布线做出贡献（方框1）。人们普遍认为，修补和重组现有网络是监管演变的一个显著模式^32,48,49.

作为微小RNA的TE及其靶点

现在很明显，非编码RNA在真核基因表达调控中起着重要作用⁵⁰一些类别的小调控RNA，包括microRNA（miRNAs）、小干扰RNA（siRNA）、重复相关的小干扰RNAs（rasiRNA）和piwi-interacting RNA（piRNA），统称为smRNA，使用类似于RNA干扰（RNAi）的部分重叠路径沉默基因表达，通过降解或翻译抑制含有互补位点的mRNA。因此，smRNA转录后调控的逻辑与转录因子转录调控的逻辑相似，即单个smRNA物种可以通过识别共享的顺式元件来转调控多个基因⁵³此外，有证据表明，一些smRNAs能够介导同源依赖的转录沉默并参与异染色质的成核^54,55.

自发现以来，piRNAs、siRNAs和rasiRNAs与TEs之间的关系已经很明显。事实上，这些smRNA的“天然”和推测的祖先功能是沉默入侵DNA，如病毒和TE^52,55现在有许多例子表明，这些基因组防御系统和沉积在沉默TE上的表观遗传标记是如何被协同作用以控制邻近基因表达的^35,55.

miRNAs的进化起源尚不清楚。虽然新的miRNA基因可以通过复制现有的miRNA而产生，但大多数miRNA似乎都来自以前没有编码miRNA的序列⁵³一种模型认为，新的miRNA来自于基因组中预先存在的发夹结构，这些结构是偶然转录的^51,53TEs对miRNA的起源、生物发生和作用方式的影响越来越被人们所认识。一些哺乳动物的miRNA前体被发现含有或来自TE序列⁵⁶同样，大量预测的miRNA靶点在同一TE家族成员中映射^57,58，再次指向一个模型，通过转座，大量顺调控序列被播种(图2C). 最近的计数⁵⁷显示452个（12%）实验表征的人类miRNA基因中有55个源自TE。尽管这一比例似乎低于人类基因组中TE所占空间的预期值（约48%），但这只是一个极小的估计，因为目前已知的许多miRNAs比人类基因组中可识别的最古老的TE具有更深的进化起源。此外，许多无特征的miRNAs可能仍有待鉴定。例如，同一项研究⁵⁷通过计算预测了另外85种可能的miRNAs前体，这些前体来自转录的TEs。

根据TEs在基因组中的相对频率，一些类别和家族与miRNA基因的重叠程度远远超过预期⁵⁷这一观察表明，某些TE家族具有易于产生miRNA的特征。例如，许多MITE具有回文结构，末端倒置重复序列由很少或没有间隔DNA连接⁵⁹转座不需要转录MITE，但由于它们优先整合在非编码部分或基因的紧邻区域，MITE经常被转录⁵⁹转录后，MITE TIR序列的分子内折叠将产生RNA发夹，原则上可以被加工成siRNA⁶⁰这种MITE衍生的siRNA可以通过反式作用介导与相关MITE序列相关的多个基因的沉默，为出现典型的miRNA调控电路提供了一个跳板(图2C).

为了支持这种模式，最近建立了⁶¹mir-548是人类miRNAs的一个小家族，来源于制造1TEs从相邻启动子中虚假转录。制造1是一个人类特有的MITE家族，具有近乎完美的回文结构。mir-548的mRNA靶点尚未通过实验确定，但生物信息学预测显示，超过3500个人类基因具有mir-549的假定靶点⁶¹有趣的是，预测的mir-548靶点的子集也来自制造1之前插入到或接近基因3'UTR的序列。其中一些制造1-含有mir-548的转录物在结直肠癌组织中下调，mir-549上调，并且它们属于相同的功能类别，这与它们属于mir-548-调控基因网络的观点一致，mir-448调控基因网络是通过过去的传播组装而成的制造1 ⁶¹.

转座酶再循环为调节蛋白

在生命树的几个分支中，复杂的多细胞生物的进化伴随着转录因子（TF）的扩展和多样化，可能也促进了这种进化^{32,48,49,53,62}人们认为，新TF的出现使得由不同TF组识别的顺式元件连接的基因网络变得越来越复杂^48,49,62基因复制和结构域改组是促成新调节蛋白出现的既定机制^53,62在下面的章节中，我认为DNA转座子及其同源转座子（TPases）代表了新TF及其DNA靶点共组装所需基本成分的另一个重要但在很大程度上被低估的来源（参见图2D).

转座酶的反复驯化

当TE-编码的蛋白质或结构域协同作用于功能性宿主蛋白质时，就会发生一种特殊形式的TE脱附，也称为归化^10,63原则上，TE蛋白编码的任何活性或结构域都可以被驯化。然而，随着TE衍生蛋白列表的增加，转座酶比其他TE蛋白更容易驯化^5,63在人类基因组的初步分析中首次注意到TPases的驯化倾向，该分析鉴定出47个基因全部或大部分来自TE编码序列⁶⁴尽管DNA转座子只占人类TE（7%）和基因组（3%）的一小部分^64,65.

自这篇颇具影响力的文章发表以来，在动物、真菌和植物中又发现了数十例TE-衍生蛋白，即使采用了严格的标准来验证TE-衍生基因的功能，例如共有保守性，以及在远缘物种中起作用的强净化选择证据^{例如 66,67–69}这些研究表明，几类TE编码序列已在多种独立的场合被驯化，如逆转录病毒堵住-样蛋白和包膜蛋白^63,68，但TPases继续作为不同生物体中新蛋白质的经常性供应而引人注目(图3)⁵.

在单独的窗口中打开

图3

转座酶衍生的DNA结合蛋白和转录因子

一些有良好记录的宿主DBP和TF的域结构源自TPase（粗体名称）及其最近的TPase亲属。不同的蛋白质根据相应的TPase超家族进行分组。Tc1，pogo公司和希马尔1属于Tc1的三个不同亚组/水手；先驱-Dr3、PIF/先驱者；MuDR公司,突变体；交流电，小时(流浪汉/激活器/Tam3（塔姆3）); P元件，P；英语/Spm公司，仙人掌²基因名称（最初描述它们的物种及其功能的简要描述，除非在表1)：Abp1，ARS结合蛋白1(酿酒酵母，着丝粒异染色质形成、染色体分离、反转录转座子阻遏）；笨拙的(小家鼠，可能是神经元翻译和转录调节因子）；Pdc2，丙酮酸脱羧酶2(酿酒酵母，参与丙酮酸和硫胺素代谢的转录因子）；Bab1，Bric-á-brac 1号(D.黑腹滨鹬，转录调控因子）；Psq，微不足道(D.黑腹角雉。转录抑制因子，胚胎和成人发育）；SETMAR公司(智人组蛋白修饰，DNA修复）；NAIF1，核凋亡诱导因子1(智人，直接与HARBI1的核转位相互作用并介导其转位）；FHY3，远红外细长下胚轴(拟南芥) 3; Aft1，铁运输激活剂1(酿酒酵母，参与铁利用和体内平衡的转录因子）；日间睡眠(拟南芥，可能的发育调节剂）BEAF-32，32 kDa的边界元素相关因子(D.黑腹滨鹬，绝缘体功能、基因调控和染色体组织）；DREF，DNA复制相关元件结合因子(D.黑腹果蝇); ZBED1，含锌指BED结构域的蛋白质1(智人、细胞增殖转录激活剂和核糖体蛋白); Lin-15B，电池异常LINeage 15B(秀丽隐杆线虫，通过细胞周期控制实现发育调节）；Gon-14，性腺生成缺陷14(秀丽线虫，性腺生成和其他发育过程所需）；P-tsa，P-新近纪(果蝇，未知功能）；THAP7，肿瘤相关蛋白7(智人H.sapiens，转录抑制因子）；罗西纳(大花Anthirinium majus，花器官发育）领域：HTH，helix turn-helix；ZF，锌指；桑特，Swi3-Ada2-NCoR-TFIIIB；GCM1，胶质细胞缺失1；床、BEAF和DREF；HD，同源结构域；KRAB，Kruppel关联框；BTB、Broad-Complex、Tramtrack和Bric-brac；SET、Su（var）3-9、E（z）和Trithority；SWIM、SWI2/SNF2和MuDR；hATC、hAT C末端二聚；LZ，亮氨酸拉链。

遗传网络的诞生

体外和体内研究表明，TPase经常与末端相似的远相关转座子相互作用^94–97因此，不仅活性转座子的扩增，而且进化相关元素的过去积累，导致全基因组TPase结合位点的建立。当一个或多个TPase-DNA相互作用对宿主选择性有利时，可能发生驯化(图2D). 这种选择性益处可能是由于在宿主基因附近插入转座子，使后者受到TPase的调节影响而产生的。或者，驯化可能由TPase编码位点的突变事件启动，导致出现具有新的反调节活性的修饰转座酶。这可以通过转座酶序列的突变、侧翼外显子与转座酶的融合来实现⁶⁵和/或转座酶表达模式的改变。自然选择可以通过作用于新出现的或多态的转座子插入来保留那些与驯化的TPase产生有益相互作用的转座子，同时去除那些具有有害后果的转座子，从而进一步塑造和扩展这种原始的调节网络⁵.

由于已知大多数来源于TPase的DBP起源相对古老，因此测试该模型受到阻碍，因此无法将其结合位点的起源追溯到祖先转座子，因为TPase结合位点周围的序列可能会被延长的中性进化期所擦除。此外，TPase结合位点是短而快速进化的基序，因此即使在相关转座子家族中，它们也往往保守性较差^70,96,97因此，为了验证该模型，有必要研究最近出现的TPase衍生蛋白，这些蛋白可以与在同一基因组中仍然可识别的转座子家族结合。

一个有希望的候选基因是SETMAR，这是一种灵长类特有的蛋白质，由预先存在的SET组蛋白甲基转移酶基因与希马尔1转座子⁸⁶.放大希马尔1家庭及其盟友(制造1MITE）发生在大约45 Myr之前⁶⁵并伴随着SETMAR公司.进化序列分析SETMAR公司跨类人猿灵长类物种的研究表明，DBD（而非催化区）自驯化以来一直受到持续的净化选择⁸⁶与这些观察结果一致，体外实验表明，SETMAR的转座酶区域保留了强大的DNA结合活性，但失去了一些催化能力^86–88SETMAR识别的19-bp结合位点在人类基因组中约1500个完美或接近完美的拷贝中得到了重申，几乎所有这些位点都位于希马尔1和制造1 ⁸⁶因此，SETMAR的TPase区域可以用于将SET结构域靶向多个基因组位点，在那里它可以修饰周围的染色质并调节相邻基因的转录。

见解

本文提出的最新发现和模型与McClintock和一些先驱者关于TE在真核基因调控中的重要性的富有远见的预测相呼应。与此同时，人们意识到，在转座活动停止后，TEs对宏观进化的最有影响力的贡献可能会出现并持续很长时间，并且通常作为其自私和寄生生活方式的副产品出现。正是这些特征确保了TE的长期生存，并使其与宿主基因组密切的共同进化关系。具有讽刺意味的是，TE检测的广度和多功能性在哺乳动物基因组中变得最为明显，在哺乳动物基因组里，重复的DNA传统上被认为是遗传学家的障碍，而不是基因组信息的宝贵来源。虽然哺乳动物中TE的广泛多样性、大规模扩增和相对缓慢的突变衰变可能促进了合作，但这些特征也使这个过程可以观察到[Au:好吗？是的]定量评估序列更替较快的生物体中TEs的功能遗传更为困难，但越来越多的证据表明，TEs在各种真核生物谱系中被反复合作，以发挥细胞和调节功能。综上所述，这些发现可能会重述自真核生物起源以来形成基因组的一个重要进化过程。我们对TEs在调控进化中的影响的认识肯定会得益于基因组审查下生物多样性的扩大。这将需要开发新的工具来加速发现和自动化TE的基因组注释。还需要对TE分子进化的动力学和模式进行更严格和定量的检查。例如，目前尚不清楚TEs的转座机制、染色体分布和表观遗传标记如何影响其进化速度并影响其排斥倾向。最后，需要继续开发实验方法，以进一步探索在这里和其他地方开发的模型，这些模型将TEs及其衍生蛋白定位为真核生物基因调控进化的核心参与者。

致谢

脚注

工具书类