近日，生物学院高宏波教授课题组在国际著名植物学期刊Plant Physiology上在线发表了题为“Sequence variations affect the 5’ splice site selection of plant introns”的研究论文，对内含子5’ss的序列识别机制进行了较为深入的分析研究，揭示了一些不为人知的机制和规律。

真核生物中的基因大多是含有内含子的断裂基因。转录过程中产生的前体信使RNA（mRNA）要经过剪接体的剪接去除内含子，才能形成成熟的mRNA。RNA剪接的第一步是U1 snRNP识别5’端剪接位点（5’ splice site，5’ss）。该过程是一直被认为是通过碱基互补配对实现的，以AG/GUAAG为最佳组合，一些与之相似的序列也可以被识别，但是+1和+2位的G和U是极其保守的。5’ss的序列变异会导致替代5’ss的出现，这不仅影响到基因的编码序列和功能，也会影响到基因注释的准确性。

课题组在分析数据库中叶绿体分裂关键蛋白FtsZ1的序列的时候发现有些植物在FtsZ1的序列保守区有插入和缺失，进一步的分析发现这是由于在这些植物中的一个内含子5’ss是非典型的GC位点，而计算机因为选择了常见的GU位点，导致基因的内含子和外显子预测错误。对拟南芥、水稻、玉米、棉花和月季等多种植物的基因组分析发现，约1%左右的内含子是以GC起始，但这也涉及到上千个基因。

通过对剪接位点不同的碱基进行突变，观察其对剪接位点的识别和剪接效率的影响，并结合分子动力学模拟，课题组发现将+2位突变为A或G时，5’ss的剪接受到严重的影响。因为A和G为嘌呤，大于为嘧啶的C和T，说明空间位阻对5’ss的识别也有重要影响。类似的情形在其他位点的突变实验中也存在，进一步支持了上述观点。通过比较拟南芥基因组中GC内含子和GU内含子的5’ss序列，课题组发现GC内含子对识别序列的保守性要求更高（图1）。这些结果说明碱基配对和空间位阻都在内含子5’ss序列的识别过程中发挥重要作用。

图1 拟南芥基因组中GT-AG和GC-AG内含子5’ss的 +3到+5位不同序列的频率（前20个组合的频率）

在内含子的5’ss附近经常会有隐藏的5’ss，它们通常不会被识别。在主要的5’ss突变后，隐藏的5’ss会被识别，这会造成基因的错误剪接。研究发现，如果两个接近的5’ss在竞争力有较大差异的情况下，剪接体只会识别主要的5’ss，这是大多数内含子剪接的情形。在两个接近的5’ss竞争力差异不大的情况下，会导致替代5’ss的出现，进而会导致不同剪接异构体的产生。如果一个内含子的5’ss较弱，内含子则不容易被剪接从而产生滞留。

图2 序列变异影响内含子5’ss识别和选择的模式图

基于论文中的研究发现，作者提出了一个较为详细的内含子5’ss识别和选择的模型（图2）。该项工作不仅加深了人们对内含子5’ss的序列识别和选择机制的认识，还有利于提高基因注释和预测的准确性。

生物学院高宏波教授为该论文的通讯作者，博士研究生程文真为该论文的第一作者。博士研究生洪琮浩在生物信息学分析方面做出了重要贡献。该研究得到了中央高校基本科研业务费专项资金(2022BLRD14)和国家自然科学基金的资助 (32070696)。

论文链接：https://academic.oup.com/plphys/advance-article/doi/10.1093/plphys/kiad375/7216941