DeepND 解析核小体与连接 DNA 序列语法对癌症突变和甲基化图谱的塑造

真核基因组被包装进核小体，后者通过遮蔽DNA、调节其可及性来影响基因表达、DNA修复与突变发生，因此序列如何决定核小体定位一直是核心问题。早期研究利用酵母高分辨率核小体结合序列构建核小体-DNA相互作用模型，提出基因组编码了内在的核小体组织，可解释约50%的体内定位^[1]；机器学习分析随后证实基因组中确有促成与抑制核小体形成的序列信号，但认为只有一部分核小体由内在序列决定^[2]。体外组装实验则对“定位密码”提出质疑，认为内在组蛋白-DNA相互作用并非体内定位的主要决定因素^[3]；另有研究主张体内的关键序列信号是局部抑制核小体形成的高能排阻屏障，而非有利定位的基序^[4]，这场争论至今没有定论^[5]。而已知的具体定位信号，主要是AA/TT/AT/TA与CC/GG/CG/GC二核苷酸的周期性相位排列等模式^[6]。真正悬而未决的是：在这些已知基序之上是否存在更高阶的“序列语法”，以及它与癌症中的体细胞突变和表观遗传过程有何关联。

这项研究开发了可解释的深度学习框架DeepND，用以区分核小体DNA与核小体间的连接区DNA，并识别与核小体架构相关的序列特征。该框架识别出210个长度为2-16 bp、在核小体DNA中显著富集或缺失的基序，大幅扩展了此前已表征的核小体基序；这些基序显示核小体足迹内部与连接区各有不同的序列语法，其中包含与小沟朝内、朝外取向相关的模式。在癌症层面，44个基序表现出癌症类型特异的体细胞突变富集或缺失，6个基序与DNA甲基化水平差异相关。在肺癌和子宫内膜癌中，突变在不同小沟取向上呈现显著的约10 bp周期性富集，这与突变及DNA修复过程对核小体旋转定位的差异性敏感相一致。作者还识别出与核小体DNA对DNA甲基转移酶可及性降低相一致的序列特异甲基化模式，其中包括朝内与朝外朝向CpG基序的差异性甲基化。

相对于以往的认识，这项工作把核小体序列偏好的刻画从二核苷酸周期性等较粗的信号^[6]推进到2-16 bp的多尺度基序层面，区分了小沟取向并分别描述核小体与连接区的语法，进而将这些序列特征与癌症特异的突变过程和甲基化景观联系起来，为核小体水平的组织提供了序列分辨的刻画。

当然，该工作目前以预印本形式发表，结论尚待同行评议与独立验证；序列语法与突变、修复及甲基化的关系多是以“相一致”形式呈现的关联，背后的因果机制仍需直接检验；而内在序列偏好究竟在多大程度上决定体内核小体定位这一长期争论^[3,5]，也依然是留待回答的问题。