精准鉴定转录起始位点（TSS）是解析基因启动子结构与调控机制的关键，但在植物中高质量TSS图谱仍十分稀缺。
近期北京大学高级农业科学研究院发表于 Scientific Data（2025）的研究利用 nanoCAGE-seq 技术，在大豆根和茎组织中系统鉴定了71万余个TSS，揭示其启动子以“sharp”型为主，并在TSS上游−30 bp显著富集TATA-box核心元件。 
 
 
英文题目：Genome level identification of transcription start sites by nanoCAGE sequence in soybean

中文题目：利用nanoCAGE测序技术在基因组水平鉴定大豆转录起始位点

发表期刊：Scientific Data（Q1 IF=6.9）

发表时间：2025.10

DOI：10.1038/s41597-025-06003-7

研究中的nanoCAGE-seq服务由瑞兴生物提供， 作为RNA研究领域的领先技术服务商，我们拥有从“5‘端”到“3’端”的完整解决方案。
 

欢迎咨询：027-87050299

 

研究背景 

 

  1. 转录起始位点与启动子：基因表达的“开关”

    基因表达的第一步是“转录”，而这个过程开始的精确位置被称为转录起始位点。它就像是基因的“启动按钮”。TSS上游紧邻的区域被称为启动子，是细胞调控机器识别并启动转录的关键区域。精确鉴定TSS是理解基因何时、何地以及如何被开启的基石，对于解析生长发育、疾病发生等生物学过程至关重要。

  2. 植物中的研究挑战与CAGE技术

    尽管TSS如此重要，但在植物中，通过实验精确鉴定并绘制全基因组TSS图谱的研究仍然非常稀缺。传统的生物信息学预测往往不够准确。Cap Analysis of Gene Expression (CAGE) 是一种能够高通量、精准捕获TSS的先进技术。其原理是利用RNA分子5‘端特有的“帽子”结构，从而直接锁定转录的起始点，获得全基因组范围的TSS数据。本研究利用nanoCAGE 技术——一种所需RNA样本量更少、更灵敏的CAGE技术升级版。

  3. 启动子类型：“sharp” vs “broad”
    根据TSS的分布模式，启动子可分为两种主要类型：“sharp”型 通常具有一个主导的TSS，常与组织特异性调控相关；而“broad”型 则包含一系列紧密相邻的TSS，常与组成型或动态调控的基因相关。解析启动子形状有助于深入理解基因的调控策略。

 

研究思路

 
本文旨在利用nanoCAGE-seq技术，首次在大豆中实现全基因组水平的转录起始位点（TSS）精准图谱绘制。

第一阶段：数据获取与基础处理
采集大豆根与茎组织，利用nanoCAGE-seq技术构建文库并进行测序，直接捕获带有5‘帽子的完整mRNA转录本。随后对原始数据进行质控、去接头、去污染（如rRNA），并将高质量序列精准比对至大豆参考基因组。

第二阶段：TSS的系统鉴定与注释
将比对上的reads的5‘端位置定义为精确的TSS。随后，将相邻的TSS（距离在150 bp内）聚类为一个标签簇（TC），代表一个独立的转录单位。最后，将所有TSS和TCs与已知的基因注释进行关联，明确其基因组定位（如启动子区、基因间区等）。

第三阶段：启动子特征全局分析
对所有鉴定到的启动子（TCs）进行特征分析：首先，根据TSS的分布宽度，将其分为“sharp”和“broad”两种类型，并统计其分布比例。其次，提取核心启动子序列，通过生物信息学方法挖掘其保守的顺式作用元件，特别是对经典的TATA-box进行识别和富集度分析。

 

研究发现

 
1. 成功构建大豆全基因组TSS图谱

通过nanoCAGE-seq技术，本研究在大豆根和茎组织中共精准鉴定了711,689个转录起始位点（CTSS）。这些TSS被进一步聚类为27,321个标签簇（TCs），对应于16,100个基因，首次在大豆中系统地绘制了高分辨率的全基因组TSS图谱，为后续启动子研究奠定了坚实基础。

2. 揭示大豆启动子以“sharp”类型为主导

研究对启动子形状进行了系统分析，发现大豆的启动子呈现出明显的“sharp”型主导特征。具体而言，在所有鉴定到的TCs中，66.36%为“sharp”型，而仅有33.64%为“broad”型。这一比例特征与玉米类似，但不同于拟南芥，表明启动子结构可能具有物种特异性。

3. 鉴定出核心启动子区富集的TATA-box motif

通过对核心启动子序列（-50 bp 到 +50 bp）进行motif分析，研究发现在TSS上游约30 bp（-35至-25区间）处显著富集一个TA-rich motif，该序列即为经典的TATA-box核心元件。进一步分析显示，该 motif 在 46% 的sharp启动子 和 40% 的broad启动子 中出现，证实了TATA-box在大豆转录起始中的重要作用。

4. 验证数据高质量与高可靠性

技术验证表明，本研究产生的nanoCAGE-seq数据质量高且可靠。两个生物学重复之间的Pearson相关系数极高（根：0.98；茎：0.97），显示出优异的可重复性。同时，CAGE标签的分布符合预期的幂律分布，且绝大多数（86.24%）CTSS位于已知基因的启动子区域，共同证明了本数据集的高准确度和可靠性。

 
table 1
nanoCAGE-seq数据产出与比对统计
展示了四个样本（根、茎各两个重复）的原始测序数据量、去冗余后的数据量、以及比对到基因组的效率。

所有样本均获得百万级高质量测序 reads，总体比对率在64%-71%之间，证明了数据质量可靠，可用于下游分析。

table 2
CTSS、TC及基因数量统计
汇总了在根和茎组织中鉴定到的精确转录起始位点（CTSS）、聚类后的标签簇（TC）及其对应的基因数量。

本研究共鉴定出超过71万个CTSS，聚类为2.7万多个TC，覆盖了约1.6万个基因，系统描绘了大豆的启动子景观。

 
figure 1
CTSS基因组区域分布
堆叠条形图，显示nanoCAGE-seq reads在启动子、外显子、内含子等不同基因组区域的分布比例。

绝大多数（86%）的CTSS位于启动子区域，与预期相符，证明了实验技术能精准定位转录起始位点。

 
figure 2
样本间相关性分析
散点图矩阵，展示了不同样本间基于TSS表达水平的Pearson相关系数。

生物学重复间相关性极高（r>0.97），而不同组织间相关性较低，证明了数据的高重复性和组织特异性。

 
figure 3
CAGE标签反向累积分布
双对数坐标图，展示CAGE标签丰度与TSS数量的关系。

数据分布呈近似直线，符合高质量CAGE数据特有的幂律分布，再次验证了数据质量。

 
figure 4
标签簇宽度分布
直方图，展示了所有标签簇（TC）的interquantile宽度分布。分布呈现明显的双峰，直观地将启动子分为宽度集中（窄）和分散（宽）的两大类，为“sharp”和“broad”的分类提供了依据。
 
table 3
根与茎组织中启动子形状分布
统计并比较了根和茎组织中“sharp”和“broad”两类启动子的数量和比例。

大豆启动子以“sharp”型为主（占总数的66%以上），且在根和茎组织中的分布比例非常接近，表明这是大豆基因组的一个固有特征。

 
figure 5
启动子形状分布
包含两个小提琴图，分别展示按形状指数（a）和实际宽度（b）划分的两类启动子分布。

清晰地将启动子定量分为“sharp”（分布集中、宽度窄）和“broad”（分布分散、宽度大）两类，并显示“sharp”型占大多数。

 
figure 6
核心启动子motif分析
包含序列标识图（a）和特定TA motif图（b），分析了核心启动子区的保守序列。

在TSS上游约30 bp处显著富集TA motif（即TATA-box），且其在“sharp”型启动子中更为常见（46%），揭示了大豆核心启动子的关键序列特征。

 
参考文献

Fang, Weiwei, et al. “Genome Level Identification of Transcription Start Sites by NanoCAGE Sequence in Soybean.” Scientific Data, vol. 12, 2025, article 1723. Nature, https://doi.org/10.1038/s41597-025-06003-7.