人类基因“开关”调控规律的新发现

启动子通常包含转录起始位点（TSS）及其上游数百个碱基对的DNA序列，其中含有可被多种转录因子（TFs）结合的短序列基序。构建能从DNA序列预测启动子活性的计算模型具有挑战性。深度学习技术虽有潜力，但依赖大量训练数据，而基于表观基因组特征的模型存在局限性。大规模平行报告基因分析（MPRA）可在特定细胞类型中测试数百万基因组DNA片段的自主调控活性，为模型训练提供替代数据来源。

本研究提出PARM（启动子活性调控模型），这是一种结合优化MPRA与深度学习的平台，数据生成和计算建模均具经济性。PARM基于卷积神经网络（CNN）架构，在K562和HepG2等细胞中，通过MPRA数据训练，能高精度预测独立测试启动子的活性，且可推广到基因组整合的启动子。PARM能进行虚拟饱和突变分析，准确预测TERT等基因启动子突变对活性的影响，还能通过遗传算法设计高活性合成启动子，这些合成启动子与天然强启动子活性相当，且不含人类基因组序列相似性。

利用PARM，研究系统识别了人类启动子中影响活性的转录因子结合位点（调控位点，RSs），多数RSs匹配已知TF基序，并与细胞中表达的TF相关。通过捕获法构建的启动子聚焦MPRA库，大幅降低了实验成本，可在多种细胞系（如前列腺癌、乳腺癌细胞）和患者来源的结肠癌细胞类器官中应用。PARM还揭示了细胞类型特异性调控，如HepG2细胞中HNF4A基序的肝特异性激活作用，以及刺激（如热休克、药物处理）引起的TF调控网络重编程。

此外，研究发现转录因子的调控活性具有位置偏好：激活型RSs多位于TSS上游-50bp附近，而抑制型RSs分布更广且在TSS下游富集。通过基序插入实验证实，NRF1、NFYA等TF在TSS下游插入时表现出抑制作用，而YY1则具有激活作用，表明启动子存在复杂的调控语法。PARM为深入理解人类启动子的动态调控提供了经济高效的工具，有望应用于个性化医疗等领域。