转座子(TEs)占据了大多数真核生物的重复区域,并已知对基因组进化和种内基因组多样性有显著影响。研究发现,TEs通过中断或调控关键基因在人体疾病和作物育种中发挥重要作用。然而,识别完整的TEs具有挑战性,因为存在多种复杂情况,包括但不限于:(i) TEs的降解速率不同,可能导致结构信号的丧失;(ii) 由于随机的删除、插入和嵌套TE,TE序列呈现复杂模式;(iii) 难以确定高度碎片化TE实例的真实末端;(iv) 丰富的碎片化TE阻碍构建全长TE模型;(v) 无关TE之间的区域同源性对其识别和分类造成干扰;(vi) 误将高拷贝数的片段重复或串联重复识别为潜在TE实例的风险。近年来,基因组组装技术的进步极大改善了对转座元件进行全面注释的前景。然而,现有基于基因组组装的TE注释方法由于缺乏准确性和鲁棒性,仍需要大量的人工编辑。此外,即使是对已广泛研究的物种,目前可用的黄金标准TE数据库也不够全面,迫切需要一种自动化的TE检测方法来补充现有的数据库。 2024年7月2日,中南大学计算机学院王建新教授和北京理工大学医学技术学院胡斌教授等在Nature Communications上在线发表题为“HiTE: a fast and accurate dynamic boundary adjustment approach for full-length transposable elements detection and annotation”的研究论文,基于基因组组装数据,提出了快速准确的转座子识别和注释算法,并开发了相应的软件HiTE。中南大学计算机学院胡康、倪鹏为论文共同第一作者,中南大学为第一署名单位,该研究受国家重点研发计划、国家自然科学基金原创项目、国家自然科学基金重点项目、湘江实验室揭榜挂帅项目等多个项目支持。 1.webp98.8 KB文章发表在Nature Communications
研究团队进一步对HiTE的多个不同模块进行了评估。在水稻中,使用HiTE中提出的de novo检测“粗”边界的候选转座子方法FMEA(图4a),获得了远超已有方法的全长TE数量(图4c),然而由于并未过滤结果中大量的假阳性序列,导致FMEA获得较低的精度(图4b)。为了解决这一问题,研究团队实现了动态边界调整的过滤方法,能够根据转座子拷贝的多序列比对结果对边界进行动态识别和调整(图5a),并过滤掉大量的假阳性序列。实验结果表明,过滤后的HiTE获得了更多的全长TE数量(图5c),并且在几乎未降低敏感性的情况下,大幅度地提升了识别精度(图5b)。此外,研究团队比较了不同工具在特定类型转座子如TIR和Helitron识别上的性能,HiTE仍获得了最高的性能(图5d和e)。
图4.基于水稻基因组的HiTE de novo方法性能评估
Hu, K., Ni, P., Xu, M. et al. HiTE: a fast and accurate dynamic boundary adjustment approach for full-length transposable element detection and annotation. Nat Commun 15, 5573 (2024). https://doi.org/10.1038/s41467-024-49912-8