“Codebook”究竟绘制了什么？

转录因子是调控基因表达的一类蛋白质。它们通常通过识别DNA上的短序列，也就是所谓的结合基序（motif），来决定哪些基因区域会被读取或调控。

不过，许多人类转录因子的DNA结合偏好此前仍缺乏实验数据。Codebook联盟将5种实验平台与计算分析结合起来，围绕332种候选或研究不足的人类转录因子开展了超过4800项实验，为其中177种（53%）确定了DNA结合基序，并为人类基因调控已知的“序列词汇”增加了约130种不同基序。

这些新发现的基序，在细胞中实际观察到的转录因子结合位点附近明显富集。研究人员据此识别出数万个此前未被认识、具有保守性且属于直接结合的基因组位点，其中许多位于启动子区域。这些数据也有助于进一步分析转录因子结合与基因表达模式之间的联系。

目前，人类转录因子中已有约1421种拥有相应的DNA结合基序信息，而人类转录因子的总数估计约为1600种。这并不意味着基因调控机制已经被完全破解，但它大幅缩小了一个基础性知识缺口：哪些蛋白质能够识别哪些DNA序列。

meSMiLE-seq带来了什么新信息？

传统的基序图谱主要回答“转录因子喜欢哪种DNA序列”，却难以回答另一个问题：当DNA碱基发生化学修饰后，转录因子还会以同样的方式结合吗？

Bart Deplancke团队开发了meSMiLE-seq，全称为“甲基化敏感的选择性微流控配体富集测序”。该微流控实验会同时比较同一转录因子与配对的甲基化DNA和未甲基化DNA的结合情况，从而同时建立序列偏好和甲基化敏感性模型。

在23项实验中，研究人员检测了114种人类转录因子，并为其中48种建立了DNA结合模型。数据集记录显示，这48种因子中有13种排斥甲基化DNA，另有11种表现出对甲基化DNA的偏好，或出现包含该修饰的替代结合位点；其余因子在该实验条件下的结合未受到DNA甲基化影响。

这一数字需要特别谨慎地表述。部分研究概述将“对甲基化有偏好或发生改变的结合”写成14种，但被引用的数据集摘要报告的是11种。因此，更稳妥的结论是：在检测到结合模型的转录因子中，部分因子对甲基化表现出依赖性，其中13种结合减弱，11种结合增强或偏好发生改变。

DNA甲基化不是统一的“关闭开关”

这些结果挑战了将DNA甲基化简单理解为基因抑制信号的看法。甲基化确实可能妨碍某些转录因子识别特定基序，但也可能制造更适合另一些因子的化学环境，或者改变转录因子所偏好的结合序列。具体效果取决于转录因子本身以及被检测的DNA序列。

这为解释“相同基因组为何能产生不同细胞类型”提供了更具体的分子基础。不同细胞产生的转录因子不同，DNA甲基化分布的位置也不同。因此，同一段DNA序列在一种细胞中可能无人识别，在另一种细胞中可能被不同的转录因子读取；即使由同一个因子结合，甲基化状态改变也可能影响结合强度。

换句话说，细胞读取的并不是一本含义固定的DNA字典，而是同时参考两层信息：DNA碱基写下的序列密码，以及会改变这些序列“读法”的表观遗传状态。

对疾病研究可能有什么帮助？

更完整的转录因子基序目录，有望改进对非编码区遗传变异的分析。非编码变异虽然不直接改变蛋白质序列，却可能影响基因调控：一个变异可能破坏原有的转录因子基序，也可能创造新的基序；随后，DNA甲基化状态又可能决定该位点在特定细胞类型中是否真的会被识别。

因此，这些资源可能帮助研究发育、衰老和癌症相关的调控变化。不过，它们目前首先是基础研究参考图谱，而不是临床诊断工具。结合模型可以为后续实验和疾病机制分析提供更可靠的起点，但实际生物学效应仍取决于细胞环境，必须在相关细胞或组织系统中进一步验证。

更大的意义：从“序列词典”走向动态规则

Codebook项目由来自北美、欧洲和俄罗斯的二十多家机构共同参与。它的价值不仅在于测量了多少种转录因子，也在于将互补的实验方法、计算分析和细胞内验证结合起来。

两项研究共同说明，理解基因调控需要比“一个基序对应一种固定含义”更现实的模型。人类细胞会结合DNA序列、化学修饰、细胞中现有的转录因子，以及周围的细胞环境来解读基因组。

Codebook开始系统整理这套DNA序列词汇，而meSMiLE-seq则进一步表明：DNA甲基化能够改变这些词汇被读取的方式。

“Codebook”究竟绘制了什么？

转录因子是调控基因表达的一类蛋白质。它们通常通过识别DNA上的短序列，也就是所谓的结合基序（motif），来决定哪些基因区域会被读取或调控。

不过，许多人类转录因子的DNA结合偏好此前仍缺乏实验数据。Codebook联盟将5种实验平台与计算分析结合起来，围绕332种候选或研究不足的人类转录因子开展了超过4800项实验，为其中177种（53%）确定了DNA结合基序，并为人类基因调控已知的“序列词汇”增加了约130种不同基序。

这些新发现的基序，在细胞中实际观察到的转录因子结合位点附近明显富集。研究人员据此识别出数万个此前未被认识、具有保守性且属于直接结合的基因组位点，其中许多位于启动子区域。这些数据也有助于进一步分析转录因子结合与基因表达模式之间的联系。

目前，人类转录因子中已有约1421种拥有相应的DNA结合基序信息，而人类转录因子的总数估计约为1600种。这并不意味着基因调控机制已经被完全破解，但它大幅缩小了一个基础性知识缺口：哪些蛋白质能够识别哪些DNA序列。

meSMiLE-seq带来了什么新信息？

传统的基序图谱主要回答“转录因子喜欢哪种DNA序列”，却难以回答另一个问题：当DNA碱基发生化学修饰后，转录因子还会以同样的方式结合吗？

Bart Deplancke团队开发了meSMiLE-seq，全称为“甲基化敏感的选择性微流控配体富集测序”。该微流控实验会同时比较同一转录因子与配对的甲基化DNA和未甲基化DNA的结合情况，从而同时建立序列偏好和甲基化敏感性模型。

在23项实验中，研究人员检测了114种人类转录因子，并为其中48种建立了DNA结合模型。数据集记录显示，这48种因子中有13种排斥甲基化DNA，另有11种表现出对甲基化DNA的偏好，或出现包含该修饰的替代结合位点；其余因子在该实验条件下的结合未受到DNA甲基化影响。

这一数字需要特别谨慎地表述。部分研究概述将“对甲基化有偏好或发生改变的结合”写成14种，但被引用的数据集摘要报告的是11种。因此，更稳妥的结论是：在检测到结合模型的转录因子中，部分因子对甲基化表现出依赖性，其中13种结合减弱，11种结合增强或偏好发生改变。

DNA甲基化不是统一的“关闭开关”

这些结果挑战了将DNA甲基化简单理解为基因抑制信号的看法。甲基化确实可能妨碍某些转录因子识别特定基序，但也可能制造更适合另一些因子的化学环境，或者改变转录因子所偏好的结合序列。具体效果取决于转录因子本身以及被检测的DNA序列。

这为解释“相同基因组为何能产生不同细胞类型”提供了更具体的分子基础。不同细胞产生的转录因子不同，DNA甲基化分布的位置也不同。因此，同一段DNA序列在一种细胞中可能无人识别，在另一种细胞中可能被不同的转录因子读取；即使由同一个因子结合，甲基化状态改变也可能影响结合强度。

换句话说，细胞读取的并不是一本含义固定的DNA字典，而是同时参考两层信息：DNA碱基写下的序列密码，以及会改变这些序列“读法”的表观遗传状态。

对疾病研究可能有什么帮助？

更完整的转录因子基序目录，有望改进对非编码区遗传变异的分析。非编码变异虽然不直接改变蛋白质序列，却可能影响基因调控：一个变异可能破坏原有的转录因子基序，也可能创造新的基序；随后，DNA甲基化状态又可能决定该位点在特定细胞类型中是否真的会被识别。

因此，这些资源可能帮助研究发育、衰老和癌症相关的调控变化。不过，它们目前首先是基础研究参考图谱，而不是临床诊断工具。结合模型可以为后续实验和疾病机制分析提供更可靠的起点，但实际生物学效应仍取决于细胞环境，必须在相关细胞或组织系统中进一步验证。

更大的意义：从“序列词典”走向动态规则

Codebook项目由来自北美、欧洲和俄罗斯的二十多家机构共同参与。它的价值不仅在于测量了多少种转录因子，也在于将互补的实验方法、计算分析和细胞内验证结合起来。

两项研究共同说明，理解基因调控需要比“一个基序对应一种固定含义”更现实的模型。人类细胞会结合DNA序列、化学修饰、细胞中现有的转录因子，以及周围的细胞环境来解读基因组。

Codebook开始系统整理这套DNA序列词汇，而meSMiLE-seq则进一步表明：DNA甲基化能够改变这些词汇被读取的方式。