哺乳动物基因组由规则间隔的核小体岛分隔

核小体通过遮蔽DNA来调节调控蛋白的结合，其定位规则一直是染色质生物学的核心问题。在出芽酵母中，早期工作表明基因组编码了一种内在的核小体组织，约可解释一半的体内定位 ^[1]，但也有分析认为仅有一部分核小体由内在序列信号决定 ^[3]。随后的体外组装实验进一步质疑了“基因组编码”假说，指出内在的组蛋白-DNA相互作用并非体内定位的主要决定因素 ^[4]。哺乳动物中的情况更为纠缠：对多种原代人类细胞的研究显示，大部分基因组区域的核小体位置相当灵活，只有少数位点可重复定位，序列偏好需要与非核小体因子共同解释体内的核小体组织 ^[2]。换言之，哺乳动物序列中是否存在、又以何种语法指导核小体排布的密码，长期悬而未决。

这项研究选择正面回答这个问题。作者在小鼠胚胎干细胞的全基因组核小体图谱上训练深度学习模型，仅凭DNA一级序列预测体内核小体占据。模型预测准确，能在捕捉共享生物学信号的同时有效去除不同实验体系特有的技术偏差。借助计算机模拟突变，作者识别出一批核小体定位区域，它们由5至20个碱基对的短基序组成，并集中在调控元件密集的窗口中。

而最引人注目的发现是重复序列的角色。论文证明重复DNA元件在基因组尺度上建立高度有序的核小体阵列中起主要作用：嵌入短散在核元件（SINE）中的CTCF结合基序、长散在核元件（LINE）中与锌指蛋白结合的基序，以及微卫星重复，都是强有力的核小体相位组织者。这些结果把“序列编码核小体架构”的概念从酵母 ^[1] 拓展到了哺乳动物，并把以往“序列偏好与非核小体因子相互交织”的一般性结论 ^[2] 推进到具体语法层面：规律间隔的核小体岛由一组短小而反复出现的基序塑造，这些基序把局部序列与染色质结构耦合起来。

需要指出的是，模型目前基于小鼠胚胎干细胞这一种细胞类型的图谱训练，而论文自己也承认，在哺乳动物中序列编码会受到染色质状态和细胞类型特异因子的调制。这套以重复元件为载体的基序语法在其他细胞类型中是否稳定，以及它们与细胞类型特异因子如何协同，仍有待后续研究回答。