研究揭示內源性逆轉錄病毒序列和功能在物種間的差異進化

近日，中國科學院上海藥物研究所研究員陳勛團隊聯合日本京都大學、加拿大麥吉爾大學科研人員，通過開發基于進化的轉座子注釋新方法，并結合系統發育分析、大規模平行報告系統及多組學等技術，在單堿基水平上揭示了內源性逆轉錄病毒序列和功能在不同物種間的差異進化。

人體內病毒組包括感染性病毒、整合到人基因組中的外源病毒以及內源性逆轉錄病毒等多種類型。內源性逆轉錄病毒序列是轉座子重復序列的一種，占據了人基因組的8%，其來源于百萬年前感染人類祖先的逆轉錄病毒，因在漫長的進化過程中被“捕獲”而保留在基因組中。多種古老病毒能夠感染并被“捕獲”，其中包括在不同進化階段感染人類祖先的HERV-E、HERV-K及HERV-H等多種類型。根據序列差異，這些內源性逆轉錄病毒序列可被分為500多個亞家族。

通常，完整的內源性逆轉錄病毒序列包括gag、pol及env三個核心基因結構域，以及兩端具有重要調控功能的長末端重復序列（LTRs）。大多數內源性逆轉錄病毒序列在進化過程中，因突變、重組等失去原有功能。因此，內源性逆轉錄病毒序列曾被學界認為是基因組中無功能的“垃圾”序列。然而，大量研究表明，內源性逆轉錄病毒尤其是LTR區域富集了眾多轉錄因子結合位點，可作為順式作用元件調控鄰近基因表達，并參與先天免疫等多個基因表達調控網絡與生物學過程。因此，內源性逆轉錄病毒在癌癥、發育及感染性疾病等多種人類疾病中發揮重要作用，準確注釋內源性逆轉錄病毒序列是其功能與進化研究的基礎。但目前，主要依賴序列比對的注釋方法存在局限性，使人基因組內源性逆轉錄病毒序列數據庫中存在大量注釋錯誤。

為解決上述問題，研究人員開發了轉座子序列注釋新方法。該方法利用系統發育分析，將序列相近但被誤分至不同亞家族的序列進行整合和重新注釋。研究人員針對76個進化上較年輕的內源性逆轉錄病毒亞家族，成功應用該方法糾正了其中26個亞家族近三分之一的序列注釋錯誤。同時，研究以MER11家族為例，結合系統發育分析與表觀基因組學數據，揭示了MER11A/B/C亞家族中大量注釋錯誤，并利用新方法進行了校正。研究人員鑒定出四個新的亞家族：MER11_G1、G2、G3、G4。基于這些更準確的注釋信息，研究人員能夠對MER11家族表觀遺傳修飾特征進行更精細的分組研究并追溯其進化歷史。

進一步，研究人員利用大規模平行報告系統技術實驗驗證了來自人、大猩猩及獼猴基因組中共7000多條內源性逆轉錄病毒MER11序列的轉錄調控活性，并在單堿基分辨率水平上揭示了與之相關的SOXs等轉錄因子結合位點序列及其進化規律。研究顯示，研究人員在進化上較年輕的MER11序列中鑒定出人類與大猩猩特有的SOXs結合位點序列。該SOXs結合位點序列由靈長類物種進化過程中單堿基缺失事件產生，并顯著增強了其調控活性。

該研究建立了內源性逆轉錄病毒等轉座子分類、注釋、進化以及生物學功能研究的新方法。利用這一方法，科研人員能夠更準確地追蹤同一內源性逆轉錄病毒序列及其功能演化歷史，且獲得的精準的內源性逆轉錄病毒注釋信息將顯著提升后續序列和功能鑒定可靠性，有助于學界系統性研究內源性逆轉錄病毒在腫瘤發生、發育調控、免疫相關疾病中的生物學作用及其進化。同時，該方法也可被用于深入研究流感等病原體的突變模式、演化動態及功能特征。下一步，研究團隊將結合系統發育學、多組學及人工智能等前沿技術，全面解析內源性逆轉錄病毒的復雜生物學功能，探討其中的隱藏靶點，并研究其在人類免疫系統中的重要作用。

相關研究成果以A phylogenetic approach uncovers cryptic endogenous retrovirus subfamilies in the primate lineage為題，發表在《科學進展》（Science Advances）上。

基于進化的轉座子序列注釋新方法

新注釋的MER11亞家族揭示了表觀遺傳圖譜的演化過程

在靈長類譜系中內源性逆轉錄病毒能通過堿基變異獲得物種特異的功能性基序