在T2T时代，经过处理的伪基因的边界相关传播揭示了基因组注释中原本存在的局限性

《Mobile DNA》：Boundary-associated propagation of a processed pseudogene dissects pre-existing limitations of genome annotation in the T2T era

该研究利用SEPTIN14P-CICP位点家族，通过基于链的比较高分析和全基因组分析，发现该区域在灵长类中被分散为多个重复单元，且CICP位点偏好分布于重复块和亚端粒/近着丝粒区域。尽管存在重复扩散，密码子选择压力分析显示SEPTIN14的完整编码序列及3'末端外显子受到强 purifying selection，不支持末端外显子通过重复新生成的模型。结论指出在T2T组装时代，需结合进化约束和结构背景改进假基因注释框架，以区分源插入与次生传播拷贝。

　　

摘要

背景

经过处理的假基因和逆转录基因是根据其RNA介导的起源来定义的，基于这一定义，它们通常被视为离散的基因组插入。端粒到端粒（T2T）参考组装的完成极大地提高了对先前无法访问的片段重复结构和着丝粒卫星序列的分辨率，使得在早期参考文献中实际上不可见的基因组结构背景能够被直接研究。

结果

以SEPTIN14P-CICP基因座家族作为案例研究，基于链的比较分析表明，跨越SEPTIN14 3′末端外显子和相邻的处理过的假基因CICP12的基因组窗口在类人猿中分散成多个与片段重复相关的单元，而不是保持为单一的直系同源基因座。全基因组分析进一步表明，注释的CICP基因座倾向于定位在片段重复块内，并在着丝粒周围或亚端粒区域积累。尽管存在这种与重复相关的分散，基于密码子的选择分析显示，对全长SEPTIN14编码序列及其3′末端外显子存在普遍的纯化选择作用，这反驳了末端外显子是通过片段重复新形成的模型。综合这些结果表明，当高度保守、受到严格限制的编码区域嵌入在片段重复丰富的区域中时，共同分散的处理过的假基因拷贝可以被视为与独立生成的LINE-1介导的插入不同，并反映了次级结构传播。

结论

从基于起源的定义来看待处理过的假基因和逆转录基因，特别是在通过T2T级组装解析的重复丰富和结构不稳定的基因组区域中，这些结果表明，多个注释的基因座可以通过单个RNA衍生插入的次级传播而产生。在这种情况下，选择性约束和跨物种保守性的纳入使得源插入与其次级传播的拷贝之间的区分更加可靠。这个案例研究突显了当前注释框架的局限性，并展示了在T2T时代需要更精确的注释，以纳入进化和结构背景。