植物多聚腺苷化信号动态能量及多态性的全基因组分析

Polyadenylation is one critical process during gene expression regulation, which is controlled by poly(A) signals. Recent studies demonstrate that RNA dynamics and single nucleotide polymorphisms (SNPs) of poly(A) signals play an important role in pre-mRNA cleavage and polyadenylation in eukaryotes, which can alter the nature of mRNA and produce distinct protein products. Using a novel bioinformatics approach confirmed by classical genetic and large-scale data analyses, we will systematically analyze RNA conformations and their dynamics of poly(A) signals to quantify their effects on polyadenylation. Moreover, we will filter SNP data from different ecotypes of Arabidopsis and build a dynamic model to examine SNPs of poly(A) signals for the comprehensive study of the effect of SNP on poly(A) site selection. Finally, we will develop a bioinformatic web server for the analysis and visualization of dynamic energy and polymorphisms of poly(A) signals. This project will provide a novel platform for the study of regulatory mechanisms of polyadenylation from a new perspective of RNA dynamics and SNPs. Moreover, it will help us gain a better understanding of poly(A) signals and the complex transcriptional regulatory mechanism and gene expression regulation. It will also be beneficial to the treatment of human diseases related to 3’ end processing.

多聚腺苷化(Polyadenylation)是基因表达调控的重要途径，是由poly(A)信号调控的。有研究证实poly(A)信号的微结构动态能量及单核苷酸突变(SNP)能影响基因的poly(A)位点选择，改变其生成的mRNA性质及形成不同蛋白质产物。本项目应用高通量测序数据，设计RNA动态能量图谱扫描算法，系统分析真核生物poly(A)信号结构微环境的动态能量特性对多聚腺苷化效能的影响；基于贝叶斯统合分析技术提取拟南芥不同生态型的SNP，构建动态模型分析poly(A)信号的SNP，研究SNP对poly(A)位点选择的影响；开发poly(A)信号动态能量及多态性分析的生物信息可视化平台。此研究能从RNA动态及SNP的全新角度为poly(A)位点调控机制的研究提供新平台和开拓思路，能加深对poly(A)信号的认识，有助于3’末端加工相关疾病的治疗及更深入了解复杂的转录后调控和基因表达调控机制。

选择性多聚腺苷化(Alternative Polyadenylation, APA)是基因表达调控的重要途径，是由poly(A)信号调控的。已有研究证实poly(A)信号的微结构动态能量能影响基因的poly(A)位点选择，进而改变其生成的mRNA性质及形成不同蛋白质产物。本项目应用高通量测序数据，设计RNA动态能量图谱扫描算法系统分析真核生物poly(A)信号结构微环境的动态能量特性对多聚腺苷化效能的影响，并基于贝叶斯统合分析技术提取不同植物APA，构建动态模型分析poly(A)信号对poly(A)位点选择的影响。项目进展顺利，按预期完成了研究目标，在论著方面，目前已资助发表了近32篇SCI论文。我们从全基因组提取了不同植物，包括水稻两个亚种以及护花米草的全基因组APA位点。特别地，护花米草目前仍无参考基因组公开，项目组提出了基于无参考基因组的分析框架，综合多种测序技术提取APA位点。在APA位点组织特异性分析方面，我们也设计了基于典型相关分析等算法模型，可用于从RNA-seq提取位点及进行APA差异分析，以及预测组织特异性的poly(A)位点。在工具平台方面，已经顺利开发且公开发布了用于APA研究的工具及平台，包括用于poly(A)位点聚类的工具PAcluster (http://bmi.xmu.edu.cn/software/)、用于从RNA-seq识别差异APA的工具APAtrap (https://apatrap.sourceforge.io)、用于可视化和检索水稻两个亚种poly(A)位点的平台riceAPA (http://bmi.xmu.edu.cn/riceapa)、用于检索无参考基因组的互花米草APA和AS数据的SAPacBio平台(http://plantpolya.org/SAPacBio)、植物APA位点数据库PlantAPAdb（http://bmi.xmu.edu.cn/plantAPAdb/）等。这些结果及工具平台将为有关APA相关的分析提供丰富的资源及有助于生物实验筛选高质量的候选基因或位点，促进APA机制的研究。此研究能从全新角度为poly(A)位点调控机制的研究提供新平台和开拓新思路，能加深对poly(A)信号的认识，且有助于3’末端加工相关疾病的治疗及更深入了解复杂的转录后调控和基因表达调控机制。