逆转录病毒的活动和多种疾病的发生密切相关,其可通过整合自身基因组到宿主基因组中进行大量有害扩增.与此同时,宿主细胞可根据逆转录病毒的整合位置来启动相关通路抑制其活动.因此整合位点的选择是决定逆转录病毒和宿主命运的关键步骤.尽管国际上已有报道称逆转录病毒在宿主基因组上整合并不随机,并发现了跨逆转录病毒种属的不同DNA基序偏好性,但是这些不足以解释一些基序偏好较弱的逆转录病毒如何获得整合特异性.DNA结构特征,如DNA形状被提出可以影响DNA结合蛋白与DNA结合的亲和力,但DNA形状对不同逆转录病毒整合的影响机制尚不清楚.本研究通过构建QRIS(quantify the retrovirus integration specificity)机器学习框架,定量评估了DNA形状对逆转录病毒整合位点的影响.通过系统地研究跨越四个种属的六种逆转录病毒,本研究发现,DNA形状可以独立地或与DNA基序协同调控逆转录病毒的整合.基于此,可将六种逆转录病毒分为三类:“强兼性偏好型”“弱兼性偏好型”和“强形状偏好型”逆转录病毒.此外本研究发现,即使没有特定偏好的DNA基序,“强形状偏好型”逆转录病毒也可以通过DNA形状获得整合特异性.本文基于机器学习对于大规模逆转录病毒插入位点特性的研究,揭示了DNA结构特征在逆转录病毒致病位点选择中的重要作用.该发现在临床方面为治疗逆转录病毒的策略提供了新靶点和新思路,在应用方面有助于更精确地设计慢病毒载体用于基因编辑和基因治疗.此外,本文建立的机器学习框架也为其他种类病毒的整合特异性研究提供了新方法和新视角.
暂无评论