本文是一篇综述文章，题为《非编码顺式调控元件的识别、设计与应用》，由Lingna Xu和Yuwen Liu撰写，发表于2024年8月5日的《Biomolecules》期刊上。文章主要探讨了非编码顺式调控元件（cis-regulatory elements, CREs）在基因表达调控中的重要作用，并综述了近年来在CREs识别、预测和设计方面的技术进展及其在多个领域的应用前景。
Lingna Xu和Yuwen Liu分别来自中国农业科学院深圳农业基因组研究所和岭南现代农业科学与技术广东省实验室。文章发表于《Biomolecules》期刊，属于开放获取文章，遵循Creative Commons Attribution (CC BY)许可协议。
基因组研究长期以来主要关注蛋白质编码序列的功能，然而，近年来基因组注释研究表明，人类基因组中超过98%的DNA序列是非编码的。全基因组关联研究（GWAS）进一步表明，超过90%的遗传变异位于这些非编码区域。非编码DNA序列的功能逐渐受到重视，尤其是顺式调控元件（CREs），它们通过与转录因子、RNA结合蛋白和非编码RNA等反式调控因子的相互作用，调控基因的表达。ENCODE（DNA元件百科全书）项目自2003年启动以来，极大地推动了我们对基因组复杂性和调控机制的理解。
文章首先介绍了高通量技术，特别是大规模平行报告基因分析（Massively Parallel Reporter Assay, MPRA）在CREs识别中的应用。MPRA通过将目标基因组片段插入质粒载体中，利用荧光报告基因（如GFP）进行高通量筛选，能够定量评估CREs的活性。文章详细介绍了MPRA在启动子、增强子、沉默子和绝缘子等不同调控元件中的应用，并总结了MPRA技术的优势与局限性。
启动子活性测试通过将启动子片段与独特的条形码配对，插入质粒载体中，利用荧光报告基因进行高通量筛选。Ryan等人利用MPRA系统识别了影响基因表达的启动子变异，揭示了这些变异与强直性脊柱炎的遗传易感性之间的关系。
增强子活性测试通过将增强子片段与最小启动子（minip）和荧光报告基因结合，构建增强子文库。Starr-seq是MPRA的衍生技术，能够在全基因组范围内筛选增强子活性。Liu等人利用Starr-seq技术成功绘制了哺乳动物基因组中的增强子活性图谱。
沉默子活性测试与增强子类似，但需要使用强启动子（如PGK或SCP1）来有效识别沉默子。Jayavelu等人利用Starr-seq平台鉴定了人类和小鼠基因组中的潜在沉默子片段。
绝缘子通过阻断增强子对邻近启动子的调控或作为屏障隔离基因免受异染色质的转录干扰发挥作用。Zhang等人开发了一种基于丝氨酸整合酶的平台，用于高通量识别绝缘子。
5’和3’ UTR在基因转录和翻译调控中起重要作用。MPRA系统通过将目标序列插入报告基因的上游或下游，结合体外转录和核糖体分析，定量评估UTR对基因表达的影响。
随着深度学习技术的快速发展，其在CREs分析中的应用也日益广泛。深度学习模型能够从DNA序列中预测CREs的活性，并设计新的调控元件。文章介绍了多种深度学习模型，如DeepBind、DeepSEA和Basset，这些模型能够预测蛋白质与DNA/RNA的结合亲和力，并揭示CREs的序列特征和调控语法。
DeepBind模型能够精确预测蛋白质与DNA/RNA的相互作用，而Xpresso模型则通过基因组序列估计mRNA表达水平。这些模型在识别已知结合位点和发现新的相互作用方面表现出色，为基因调控机制的解析提供了重要工具。
深度学习模型不仅能够预测CREs活性，还能解码DNA序列特征，揭示调控元件的语法规则。例如，DeepSTARR模型能够识别增强子相关的转录因子结合位点及其复杂的语法规则。
深度学习模型能够直接从DNA序列中预测CREs活性，显著提高了传统突变设计的效率。例如，DeepSEED模型通过优化转录因子结合位点的上下文，提高了启动子工程的效率。
文章最后展望了CREs研究在人类基因治疗、农业分子育种和微生物合成生物学等领域的广泛应用前景。
优化CREs可以显著提高基因治疗的疗效。例如，通过优化启动子和增强子，可以提高引入基因的转录和表达水平；通过优化UTR序列，可以提高mRNA疗法的翻译效率。
在农业领域，CREs研究为作物和牲畜的育种提供了重要工具。通过基因编辑技术优化CREs，可以培育出高产、优质的作物和牲畜品种。
在合成生物学领域，优化CREs可以提高微生物细胞工厂的生产效率。未来研究可以设计响应温度、光照和pH的CREs，实现微生物生产的精确控制。
文章总结了CREs研究的最新进展，强调了高通量技术和深度学习在CREs识别、预测和设计中的重要作用。随着技术的不断进步，CREs的功能注释和调控机制将更加清晰，其在多个领域的应用前景也将更加广阔。
本文的亮点在于全面综述了CREs研究的最新进展，特别是MPRA和深度学习技术在CREs识别、预测和设计中的应用。文章还展望了CREs在基因治疗、农业育种和合成生物学中的广泛应用前景，为相关领域的研究提供了重要参考。