调控基因组进化模拟

定义

调控基因组进化模拟（Simulating Regulatory Genome Evolution）是指利用真实生物物理的基因型-表型-适应度映射模型，在计算机中对顺式调控元件的长期演化轨迹进行从头模拟，以定量回答“调控序列从何而来”“调控功能如何创新”等演化生物学核心问题。该领域融合分子生物学定量模型与群体遗传学理论，是进化生物物理学与系统生物学的前沿交汇点，被称为基因调控领域的“圣杯”探索。

ADSFAEQWER353423413434

无形态原梯度的稳定基因表达发育模式

空间基因调控模型示意图

我们使用反应体积的圆柱形晶格，模拟果蝇胚胎发育周期14时皮层细胞核的排列。在每个核体积（阴影方块）中，我们通过Gillespie算法模拟四个基因A、B、C、D的产生、降解、二聚化及相互抑制。每个基因都受到其他基因蛋白二聚体的抑制，如示意启动子所示。邻近细胞核可以通过扩散跳跃交换单体和二聚体。该系统初始化为五条纹表达域，顺序为A–B–C–D–A，对应于实验观察到的果蝇胚胎顺序。相互抑制的强度在缺口基因对之间有所不同：与最近邻（NN）结构域相关的基因相互抑制较弱（虚线箭头），而最近邻（NNN）结构域则表现出强烈的相互抑制（粗箭头）。默认情况下，A的浓度被固定在系统边界，而建模的反应集合与系统其他部分不同，因为A启动子无法被抑制。详情请参见“材料与方法”部分。 ADSFAEQWER353423413434

核心框架：基因型-表型-适应度全映射

模拟调控序列长期演化的前提，是拥有可遍历的全局基因型-表型映射：

1. 分子识别基础

   转录因子（TF）识别6–20 bp基序的物理化学规律已较清晰，可预测单个TF对任意DNA序列的结合强度。 ADSFAEQWER353423413434

2. 调控语法

   多个TF结合位点在顺式元件上的空间排布、方向和组合方式，构成“调控语法”——它决定了结合信号如何整合为最终表达输出。通过合成启动子的随机洗牌实验，可经验性绘制空间组织与调控功能的关系图谱。 ADSFAEQWER353423413434

3. 从组成型到条件型表达

   早期模型仅预测恒定的表达水平；进阶模型纳入TF浓度随细胞类型或环境条件的变化，将表型定义为“调控功能”——表达量对多维环境变量的响应曲面。 ADFASDFAF23RQ23R

回答的演化根本问题

有了全局映射，可对迄今无法实验测试的理论问题展开模拟—— ADSFAEQWER353423413434

• 从头演化时间

  从随机DNA序列出发，需多少代突变才能在群体中固定一个功能完整的发育增强子？

  ADFASDFAF23RQ23R

• 序列空间中的功能域

  所有可能序列中有多少比例能实现非平凡调控功能？这些“功能岛屿”在序列空间中彼此连通吗？

  ADFASDFAF23RQ23R

• 最优调控架构

  何种调控元件架构（如结合位点数、间距分布、协同性模式）演化速度最快、最具可演化性？

  ADFASDFAF23RQ23R

与深度学习的协同

近年来，基于大规模并行报告实验的数据训练，深度学习模型已能高度准确预测启动子和增强子活性，有时可解释80%以上的表达变异。将此类模型导入演化模拟框架，可实现“从DNA到适应度”的端到端预测。关键进展包括—— ADFASDFAF23RQ23R

• 蛋白质语言模型用于检测远缘蛋白的结构趋同；

  ADFASDFAF23RQ23R

• 深度神经网络通过计算机诱变预测增强子功能变化；

  ADFASDFAF23RQ23R

• 这些工具经过适度调整，即可直接用于演化语境中的调控序列分析。 ADSFAEQWER353423413434

生物学意义与展望

1. 填补“眼与增强子”的预测鸿沟

   我们目前无法预测“眼睛需多久演化出来”，但在调控序列层面，已接近可预测“发育增强子需多久演化出来”。

   ADFASDFAF23RQ23R

2. 检验群体遗传学理论

   为经典理论提供可定量测试的分子系统，验证长期争议的演化假说。 ADSFAEQWER353423413434

3. 合成生物学应用

   理解自然调控元件的设计原理后，可从头设计具有定制调控功能的人工启动子和增强子。

   ADSFAEQWER353423413434

4. 未来方向

   将染色质三维结构和表观遗传修饰纳入模型，实现更接近真核调控现实的“全维度”演化模拟。 ADFASDFAF23RQ23R