Borzoi-SE 直接从 DNA 序列解码超级增强子调控语法和致病功能获得变异

超增强子自被发现起就被视为驱动细胞身份的核心元件：由Oct4、Sox2、Nanog等主转录因子与Mediator密集占据的增强子簇，坐落于定义细胞身份的关键基因上^[2]，以组织特异的染色质修饰为特征^[1]，并在成体干细胞的谱系选择与可塑性中经历动态重塑^[4]。但鉴定它始终依赖H3K27ac ChIP-seq等表观基因组检测，未经检测的细胞状态因此成为盲区，其序列语法也无从谈起。深度学习已能从DNA序列预测增强子活性、学得基序与高阶语法规则^[3]，新近的长序列模型AlphaGenome更可跨模态预测变异效应^[5]，但超增强子尺度、按细胞类型解析的序列级解码仍未解决。

本文提出的Borzoi-SE直面这一难题。框架建立在基因组transformer Borzoi之上——Borzoi本就从DNA序列预测细胞类型与组织特异的RNA-seq覆盖度^[6]——作者把超增强子发现表述为分层、细胞类型解析的基因组目标检测任务，直接从长程序列在90个人类谱系中检出目标。碱基分辨率归因分析在各细胞类型中找回了定义谱系的主转录因子；在跨谱系共享的超增强子内部，模型揭示出依赖谱系的基序使用，提示同一段调控区可支撑不同细胞类型的特异程序。对β-球蛋白超增强子的计算消融把高敏位点HS2排为主导组成元件，并经CRISPR干扰实验证实。

变异层面同样关键：模型未使用任何变异效应标签训练，却在不同组织中识别出令超增强子功能获得的变异。在CHRM2位点，一个单核苷酸变异从头创建糖皮质激素受体（GR）基序，招募活化的GR并增强邻近的MEF2调控语法，核化出一个心脏超增强子；多组学与群体遗传学证据进一步将该变异与CHRM2表达升高及静息心率、PR间期时长的变异联系起来。据报道，CHRM2编码的M2型毒蕈碱乙酰胆碱受体介导副交感信号^[7]，为这一心脏电生理表型提供了受体层面的注脚。

就推进而言，过去超增强子的身份靠主因子占据来定义^[2]、其动态靠染色质检测来绘制^[4]，Borzoi-SE则把发现与解释一并拉回序列本身，可覆盖未做检测的细胞状态，并如DeepSTARR之于典型增强子^[3]那样解码超增强子的语法与元件层级，进而为非编码致病变异排出优先级。局限也须交代：摘要所见的实验验证集中于β-球蛋白与CHRM2两个案例，跨组织的验证广度有待观察；其底层长程transformer计算开销可观，一项比较分析显示Enformer与Borzoi这类>100 kb上下文模型最耗算力，需4块GPU、约8–10小时^[8]；要把序列语法真正转化为可干预的靶点，仍有大量后续工作。