植物轉(zhuǎn)錄因子分類、預(yù)測(cè)和數(shù)據(jù)庫(kù)構(gòu)建

靳進(jìn)樸 郭安源，2 何坤，3 張禾，4 朱其慧，5 陳新 高歌 羅靜初

基因表達(dá)調(diào)控在動(dòng)植物生長(zhǎng)發(fā)育過(guò)程中具有重要作用，是植物適應(yīng)外界環(huán)境的分子基礎(chǔ)，轉(zhuǎn)錄調(diào)控是基因表達(dá)調(diào)控的關(guān)鍵步驟。轉(zhuǎn)錄調(diào)控通過(guò)轉(zhuǎn)錄因子（Transcription factor）蛋白質(zhì)序列中的DNA結(jié)合結(jié)構(gòu)域和靶基因上游啟動(dòng)子區(qū)域特異DNA序列模體結(jié)合而實(shí)現(xiàn)。除DNA結(jié)合結(jié)構(gòu)域（DNA binding domain，DBD）外，轉(zhuǎn)錄因子通常還包含轉(zhuǎn)錄調(diào)控結(jié)構(gòu)域（Transcription regulation domain），主要用于調(diào)控靶基因轉(zhuǎn)錄活性，既可激活轉(zhuǎn)錄，也可抑制轉(zhuǎn)錄。轉(zhuǎn)錄因子中的核定位信號(hào)（Nuclear localization signal，NLS）可引導(dǎo)轉(zhuǎn)錄因子在胞漿內(nèi)合成后通過(guò)核膜進(jìn)入細(xì)胞核。此外，有些轉(zhuǎn)錄因子含寡聚化結(jié)構(gòu)域可形成二聚體或多聚體復(fù)合物，具有更為復(fù)雜的調(diào)控機(jī)制。

轉(zhuǎn)錄因子種類繁多、功能復(fù)雜，它們通過(guò)與靶基因啟動(dòng)子結(jié)合，激活或抑制其轉(zhuǎn)錄活性，調(diào)控靶基因在不同組織、不同細(xì)胞、不同環(huán)境條件下特異表達(dá)，并通過(guò)轉(zhuǎn)錄因子級(jí)聯(lián)調(diào)控網(wǎng)絡(luò)，對(duì)許多生命過(guò)程進(jìn)行調(diào)控。例如，果蠅體節(jié)發(fā)育由一類稱為同源異型框（Homeobox）的基因調(diào)控，它們所編碼的蛋白質(zhì)為轉(zhuǎn)錄因子，含長(zhǎng)度為60個(gè)氨基酸的DNA結(jié)合結(jié)構(gòu)域。植物特異轉(zhuǎn)錄因子家族SQUAMOSA promotor binding protein（SBP）成員具有調(diào)控玉米果實(shí)發(fā)育和水稻分蘗等多種功能。

20世紀(jì)90年代開(kāi)始的人類基因組計(jì)劃，開(kāi)創(chuàng)了生命科學(xué)研究的新時(shí)代。人類基因組計(jì)劃指定的模式生物釀酒酵母、秀麗線蟲(chóng)和果蠅的基因組測(cè)序于2000年前先后完成。擬南芥基因組測(cè)序于2000年底完成。2000年12月15日，就在Nature雜志發(fā)表擬南芥基因組序列分析論文［1］的第2天，Science雜志發(fā)表了題為《擬南芥轉(zhuǎn)錄因子：從基因組水平上比較真核生物轉(zhuǎn)錄因子》的論文［2］，首次系統(tǒng)預(yù)測(cè)了擬南芥基因組中的1533個(gè)轉(zhuǎn)錄因子，將它們分為28個(gè)家族，并與酵母、線蟲(chóng)和果蠅等其它3個(gè)真核生物進(jìn)行了系統(tǒng)比較，發(fā)現(xiàn)擬南芥中轉(zhuǎn)錄因子在整個(gè)基因組中所占比例遠(yuǎn)高于上述3個(gè)物種。

2004年，北京大學(xué)生命科學(xué)學(xué)院朱玉賢、鄧興旺主持的國(guó)家自然科學(xué)基金國(guó)際合作項(xiàng)目，對(duì)擬南芥中預(yù)測(cè)到的轉(zhuǎn)錄因子按家族逐個(gè)克隆，并對(duì)結(jié)果進(jìn)行了初步分析［3］。為配合該課題的順利進(jìn)行，我們構(gòu)建了擬南芥轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)［4］（Database of Arabidopsis transcription factors，DATF）。DATF 中 預(yù)測(cè)到的轉(zhuǎn)錄因子數(shù)共1922個(gè)，分為64個(gè)家族。此后不久，水稻和楊樹(shù)基因組序列發(fā)布，我們又先后構(gòu)建了水稻轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)［5］（Database of rice transcription factors，DRTF）和楊樹(shù)轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)［6］（Database of poplar transcription factors，DPTF）。與此同時(shí)，苔蘚類植物小立碗蘚（Physcomitrella patens）和綠藻類植物萊茵衣藻（Chlamydomonas reinhardtii）基因組測(cè)序也先后完成，我們又構(gòu)建了植物主要譜系中這兩個(gè)代表性物種的轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)。

截止2007年，玉米、高粱、棉花、大豆、葡萄等重要經(jīng)濟(jì)作物的基因組測(cè)序尚未完成，但美國(guó)愛(ài)荷華州立大學(xué)植物基因組數(shù)據(jù)庫(kù)PlantGDB收錄了大量植物代表性轉(zhuǎn)錄本（Plant unique transcripts，PUT）序列數(shù)據(jù)［7］。這些PUT序列是由表達(dá)序列標(biāo)簽（Expressed sequence tag，EST）拼接而成，有些是全長(zhǎng)mRNA序列，有些則是mRNA序列片段。我們從17個(gè)物種PUT序列中預(yù)測(cè)了轉(zhuǎn)錄因子，并和上述DATF等5個(gè)已完成基因組測(cè)序物種的轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)整合在一起，構(gòu)建了植物轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)［8］（Plant transcription factor database，PlantTFDB），為植物基因組學(xué)、遺傳學(xué)和植物分子生物學(xué)研究提供寶貴的數(shù)據(jù)資源。2010年，玉米、高粱、大豆、葡萄等18個(gè)被子植物，代表性蕨類植物江南卷柏（Selaginella moellendorffii），以及9個(gè)綠藻基因組測(cè)序相繼完成。此外，PlantGDB數(shù)據(jù)庫(kù)也進(jìn)行了更新，并增加了不少新物種。與此同時(shí)，許多轉(zhuǎn)錄因子家族、特別是植物特異轉(zhuǎn)錄因子家族的起源、演化、功能等研究成果相繼發(fā)表，轉(zhuǎn)錄因子家族分類也得以更新。為此，我們對(duì)PlantTFDB進(jìn)行了大規(guī)模更新，更新后的第2版包括從49個(gè)物種中預(yù)測(cè)到的53 315個(gè)轉(zhuǎn)錄因子，分為58個(gè)家族［9］。隨著基因組測(cè)序技術(shù)不斷改進(jìn)，測(cè)序速度不斷加快。2013年，已有67種植物的基因組測(cè)序完成，我們對(duì)PlantTFDB再次進(jìn)行更新。更新后的第3版共包括129 288個(gè)轉(zhuǎn)錄因子，來(lái)自83個(gè)物種，其中67個(gè)已完成基因組測(cè)序，覆蓋綠色植物各大門(mén)類［10］。

本文介紹植物轉(zhuǎn)錄因子分類規(guī)則和預(yù)測(cè)方法，以及植物轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)PlantTFDB的概況和注釋信息。

1 植物轉(zhuǎn)錄因子家族分類

轉(zhuǎn)錄因子蛋白質(zhì)序列中的DNA結(jié)合結(jié)構(gòu)域DBD在很大程度上決定其與基因上游啟動(dòng)子區(qū)域DNA順式元件結(jié)合的序列特異性［11］。DBD在演化上比較保守，通常用作區(qū)分不同轉(zhuǎn)錄因子家族的主要依據(jù)。2000年，Riechmann等［2］歸納整理了擬南芥中轉(zhuǎn)錄因子家族及其特征，將其分為28個(gè)家族。10多年來(lái)，我們先后檢索和閱讀了大量植物轉(zhuǎn)錄因子相關(guān)文獻(xiàn)，文章總數(shù)累計(jì)達(dá)7 000余篇。在Riechmann等工作基礎(chǔ)上，根據(jù)已有文獻(xiàn)報(bào)道，總結(jié)了植物轉(zhuǎn)錄因子家族及其結(jié)構(gòu)域序列特征，改進(jìn)了植物轉(zhuǎn)錄因子家族分類規(guī)則，并不斷加以修改和完善，用于植物轉(zhuǎn)錄因子家族劃分和植物基因組中未知轉(zhuǎn)錄因子的預(yù)測(cè)（圖1）。

圖1 植物轉(zhuǎn)錄因子家族分類規(guī)則

1.1 單一DNA結(jié)合結(jié)構(gòu)域

一般說(shuō)來(lái)，根據(jù)轉(zhuǎn)錄因子蛋白質(zhì)序列中所含DNA結(jié)合結(jié)構(gòu)域種類，即可確定其屬于某個(gè)特定家族。第3版PlantTFDB數(shù)據(jù)庫(kù)58個(gè)轉(zhuǎn)錄因子家族中，36個(gè)家族（~62％）符合這種家族與DBD一一對(duì)應(yīng)的簡(jiǎn)單規(guī)則，如調(diào)控植物生長(zhǎng)發(fā)育的乙烯不敏感（Ethylene insensitive-like，EIL）轉(zhuǎn)錄因子家族均含EIN結(jié)構(gòu)域，調(diào)控植物花、果實(shí)發(fā)育的SQUAMOSA基因啟動(dòng)子結(jié)合蛋白（SQUAMOSA-promoter binding protein，SBP）均含SBP結(jié)構(gòu)域。

1.2 禁止結(jié)構(gòu)域

除上述具有簡(jiǎn)單對(duì)應(yīng)關(guān)系的轉(zhuǎn)錄因子外，某些蛋白質(zhì)家族情況比較復(fù)雜。例如，由兩個(gè)半胱氨酸（Cys，C）和兩個(gè)組氨酸（His，H）組成的C2H2鋅指結(jié)構(gòu)，是重要的蛋白質(zhì)序列模體。這類蛋白質(zhì)分子中，有些能與DNA結(jié)合，具有轉(zhuǎn)錄活性；有些則與RNA結(jié)合，具有核酸酶活性，除了能與RNA結(jié)合的C2H2鋅指結(jié)構(gòu)外，它們同時(shí)包含核酸酶相關(guān)RNase_T結(jié)構(gòu)域。因此，我們將RNase_T結(jié)構(gòu)域稱為“禁止結(jié)構(gòu)域”（Forbidden domain），用來(lái)降低轉(zhuǎn)錄因子預(yù)測(cè)中含C2H2鋅指結(jié)構(gòu)的蛋白質(zhì)預(yù)測(cè)的假陽(yáng)性率。又如，半胱氨酸型肽段內(nèi)切酶MCP1B和AtMC2均具有DNA結(jié)合結(jié)構(gòu)域Zf-LSD，但目前尚無(wú)證據(jù)表明它們具備轉(zhuǎn)錄調(diào)控功能。我們用禁止結(jié)構(gòu)域“Peptidase_C14”用來(lái)濾除包含Zf-LSD結(jié)構(gòu)域蛋白質(zhì)中的非轉(zhuǎn)錄因子。除上述兩個(gè)家族外，C3H和MYB家族也含禁止結(jié)構(gòu)域。

1.3 輔助結(jié)構(gòu)域

有些轉(zhuǎn)錄因子中除了DBD外，還有其它一些特征結(jié)構(gòu)域，稱為“輔助結(jié)構(gòu)域”（Auxiliary domain）。輔助結(jié)構(gòu)域也可用作轉(zhuǎn)錄因子家族分類的依據(jù)。例如，生長(zhǎng)調(diào)控因子（Growth regulation factor，GRF）轉(zhuǎn)錄因子家族中均含WRC結(jié)構(gòu)域，該結(jié)構(gòu)域中的特征序列為色氨酸（Trp，W）-精氨酸（Arg，R）-半胱氨酸（Cys，C）序列模體WRC。但并非所有含WRC序列模體的蛋白質(zhì)都具有轉(zhuǎn)錄活性，只有既有WRC序列模體又有QLQ序列模體［谷氨酰胺（Gln，Q）-亮氨酸（Leu，L）- 谷氨酰胺（Gln，Q）］的蛋白質(zhì)才是轉(zhuǎn)錄因子。

1.4 DBD結(jié)構(gòu)域數(shù)

有些轉(zhuǎn)錄因子中含兩個(gè)或兩個(gè)以上DBD，因此，DBD數(shù)目也常常用來(lái)區(qū)分不同轉(zhuǎn)錄因子家族。典型實(shí)例為AP2和ERF家族。這兩個(gè)家族轉(zhuǎn)錄因子中均含AP2結(jié)構(gòu)域，同屬于AP2/ERF超家族，其中僅含一個(gè)AP2結(jié)構(gòu)域的為ERF家族，含兩個(gè)或兩個(gè)以上的則為AP2家族。又如，MYB轉(zhuǎn)錄因子超家族均含Myb_dna_bind結(jié)構(gòu)域，僅含一個(gè)的為MYB_related家族，而含兩個(gè)或兩個(gè)以上的為MYB家族。

1.5 超家族

除上述基于DNA結(jié)合結(jié)構(gòu)域、利用禁止結(jié)構(gòu)域和輔助結(jié)構(gòu)域?qū)Σ煌D(zhuǎn)錄因子家族進(jìn)行分類外，有些轉(zhuǎn)錄因子家族之間的關(guān)系比較復(fù)雜。例如，具有DNA結(jié)合結(jié)構(gòu)域G2-like的轉(zhuǎn)錄因子均屬于GARP超家族，其中同時(shí)還含Response_reg結(jié)構(gòu)域，而有的則僅有G2-like結(jié)構(gòu)域。我們將僅含G2-like結(jié)構(gòu)域的轉(zhuǎn)錄因子歸為G2-like家族，而把兼有G2-like和Response_reg結(jié)構(gòu)域的轉(zhuǎn)錄因子歸為ARR-B家族。

更為復(fù)雜的是，AP2/ERF超家族中的另外一個(gè)家族RAV同時(shí)含有兩個(gè)DNA結(jié)合結(jié)構(gòu)域，一個(gè)為AP2，另一個(gè)為B3。而B(niǎo)3結(jié)構(gòu)域又是另外一個(gè)超家族B3中兩個(gè)家族的DNA結(jié)合結(jié)構(gòu)域。該超家族中僅含B3結(jié)構(gòu)域的為B3家族，同時(shí)含B3結(jié)構(gòu)域和Auxin_resp輔助結(jié)構(gòu)域的為ARF家族。

具有同源異型結(jié)構(gòu)域（Homeodomain）的轉(zhuǎn)錄因子是一個(gè)具有多個(gè)家族的超家族，根據(jù)是否具有輔助結(jié)構(gòu)域及輔助結(jié)構(gòu)域類別，可細(xì)分為HD-ZIP、TALE、WOX等家族。

2 植物轉(zhuǎn)錄因子預(yù)測(cè)

2.1 預(yù)測(cè)方法

利用上述家族分類規(guī)則，可以將文獻(xiàn)中已經(jīng)報(bào)道的植物轉(zhuǎn)錄因子分為若干家族，并以此為依據(jù)預(yù)測(cè)已經(jīng)完成基因組測(cè)序的綠色植物基因組中未知轉(zhuǎn)錄因子。早期的預(yù)測(cè)主要采用BLAST序列相似性搜索，即以不同家族的已知轉(zhuǎn)錄因子DBD序列為檢測(cè)序列，設(shè)置恰當(dāng)?shù)膮?shù)，用安裝到本地的BLAST軟件包，逐個(gè)搜索不同物種基因組中蛋白質(zhì)編碼序列，并對(duì)搜索結(jié)果進(jìn)行計(jì)算機(jī)和人工篩選，剔除假陽(yáng)性結(jié)果。

基于隱馬氏模型（Hidden markov model，HMM）的序列分析軟件包HMMER在蛋白結(jié)構(gòu)域識(shí)別方面具有靈敏度高、特異性好的優(yōu)勢(shì)，多用于預(yù)測(cè)同一家族的遠(yuǎn)緣同源序列［12］。其主要原理為適當(dāng)選取若干已知種子序列并進(jìn)行多序列比對(duì)，基于隱馬氏模型對(duì)序列比對(duì)結(jié)果進(jìn)行分析并構(gòu)建隱馬氏模型，給出模型參數(shù)。因此，我們采用HMMER軟件包為主要轉(zhuǎn)錄因子預(yù)測(cè)工具。歐洲生物信息學(xué)研究所（European bioinformatics institute，EBI）Bateman領(lǐng)導(dǎo)的研究組，利用HMMER軟件包構(gòu)建了蛋白質(zhì)結(jié)構(gòu)域數(shù)據(jù)庫(kù)Pfam［13］。該數(shù)據(jù)庫(kù)還無(wú)償提供他們構(gòu)建的用于預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)域的隱馬氏模型。上述轉(zhuǎn)錄因子分類規(guī)則中共用到63個(gè)隱馬氏模型，其中52個(gè)取自Pfam數(shù)據(jù)庫(kù)，另外11個(gè)當(dāng)時(shí)發(fā)布的第27版（Pfam V27.0）尚未公布。為此，基于文獻(xiàn)和收集到的轉(zhuǎn)錄因子序列，利用HMMER軟件包，我們構(gòu)建了這11個(gè)結(jié)構(gòu)域的隱馬氏模型，用于預(yù)測(cè)植物基因組中的轉(zhuǎn)錄因子（表1）。為提高預(yù)測(cè)的準(zhǔn)確性，我們基于GO注釋［14］、擬南芥信息資源數(shù)據(jù)庫(kù)［15］（The Arabidopsis information resource，TAIR）和國(guó)際蛋白質(zhì)序列和功能知識(shí)庫(kù)UniProtKB［16］等相關(guān)信息，人工檢查序列比對(duì)結(jié)果，并參考Pfam確定閾值的方法，為每個(gè)結(jié)構(gòu)域模型確定了一個(gè)閾值。

基于上述方法和隱馬氏模型，我們構(gòu)建了植物轉(zhuǎn)錄因子預(yù)測(cè)流程，用于預(yù)測(cè)植物基因組中未知轉(zhuǎn)錄因子［17］。

表1 用于轉(zhuǎn)錄因子預(yù)測(cè)的隱馬氏模型

2.2 預(yù)測(cè)平臺(tái)

上述用于轉(zhuǎn)錄因子預(yù)測(cè)的隱馬氏模型可免費(fèi)提供國(guó)內(nèi)外用戶，便于用戶自行構(gòu)建本地轉(zhuǎn)錄因子預(yù)測(cè)系統(tǒng)，從基因組水平系統(tǒng)預(yù)測(cè)新測(cè)定的基因組中未知轉(zhuǎn)錄因子。為方便不具備自行構(gòu)建本地轉(zhuǎn)錄因子預(yù)測(cè)系統(tǒng)的廣大用戶，我們?cè)赑lantTFDB數(shù)據(jù)庫(kù)網(wǎng)站中構(gòu)建了在線轉(zhuǎn)錄因子預(yù)測(cè)平臺(tái)，用戶可以上載序列，預(yù)測(cè)未知蛋白序列中的轉(zhuǎn)錄因子。目前，模式植物擬南芥的轉(zhuǎn)錄因子調(diào)控機(jī)制研究最為清楚，在PlantTFDB中注釋信息也最為詳盡。用戶若在提交頁(yè)面勾選“Best hit in Arabidopsis thaliana”，預(yù)測(cè)結(jié)果中則包括相似擬南芥轉(zhuǎn)錄因子的超鏈接，供用戶參考。

3 植物轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)構(gòu)建

3.1 數(shù)據(jù)庫(kù)概況

2013年更新的第3版植物轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)PlantTFDB收錄了從83個(gè)物種預(yù)測(cè)到的129 288個(gè)轉(zhuǎn)錄因子，分屬58個(gè)家族（表2）。這83個(gè)物種覆蓋了綠色植物各大譜系，包括10個(gè)綠藻、1個(gè)苔蘚植物、1個(gè)蕨類植物、4個(gè)裸子植物、1個(gè)被子植物基部類群、17個(gè)單子葉植物和49個(gè)雙子葉植物。裸子植物中歐洲云杉（Picea abies）的基因組測(cè)序已經(jīng)完成，填補(bǔ)了舊版PlantTFDB中沒(méi)有裸子植物全基因組預(yù)測(cè)所得轉(zhuǎn)錄因子的空白。顯然，這83個(gè)物種中，被子植物占絕大多數(shù)（~81％），包括單子葉植物水稻、玉米、高粱、小麥、大麥等主要糧食作物，雙子葉植物中棉花、煙草、大豆、番茄、馬鈴薯、黃瓜、西瓜等重要經(jīng)濟(jì)作物，以及葡萄、蘋(píng)果、梨、橙、橘等水果，為作物分子育種研究提供了寶貴資源。而與模式植物擬南芥同一屬的琴葉擬南芥（Arabidopsis lyrata）、同為十字花科的小鹽芥（Thellungiella halophila）和條葉藍(lán)芥（Thellungiella parvula）的轉(zhuǎn)錄因子數(shù)據(jù)，則為轉(zhuǎn)錄因子家族的起源、演化和功能研究提供了基礎(chǔ)。

植物從水生到陸生的演變是生命演化史上的重要事件。橫跨綠色植物各大分支的轉(zhuǎn)錄因子全譜的發(fā)布，使我們可以從轉(zhuǎn)錄調(diào)控水平研究這一重要?dú)v史進(jìn)程。與綠藻相比，陸生植物無(wú)論在轉(zhuǎn)錄因子家族數(shù)目、轉(zhuǎn)錄因子數(shù)目及轉(zhuǎn)錄因子在基因組中所占比例等方面都明顯高于綠藻，與陸生植物更加復(fù)雜的多細(xì)胞形態(tài)發(fā)育相關(guān)［18］。

3.2 數(shù)據(jù)庫(kù)注釋

高質(zhì)量的注釋信息是植物轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)PlantTFDB的重要特色。通過(guò)查看注釋信息，從事植物轉(zhuǎn)錄調(diào)控研究的生物學(xué)工作者可獲取該轉(zhuǎn)錄因子序列、功能、表達(dá)、調(diào)控等相關(guān)信息，并通過(guò)文獻(xiàn)信息了解其研究現(xiàn)狀。PlantTFDB中的注釋信息可以分為兩個(gè)層次，第一個(gè)層次為單個(gè)轉(zhuǎn)錄因子的注釋，第二個(gè)層次為家族水平的注釋。

單個(gè)轉(zhuǎn)錄因子的注釋，除名稱、序列、結(jié)構(gòu)域等基本信息外，也包括與其它重要數(shù)據(jù)庫(kù)的鏈接。此 外， 我 們 從 TAIR、UniProtKB和 AthMap［19］等公共數(shù)據(jù)庫(kù)中全面收集專家校驗(yàn)的功能描述、結(jié)合位點(diǎn)/矩陣、microRNA調(diào)控、激素調(diào)控、相互作用、突變和表型等信息。同時(shí)，還通過(guò)整合Entrez Gene［20］、GeneRIF［20］以及通過(guò)文本挖掘和人工校驗(yàn)獲得的文獻(xiàn)信息［18］，為收錄的轉(zhuǎn)錄因子提供了相關(guān)的參考文獻(xiàn)列表。此外，我們還收錄了分別基于9個(gè)十字花科物種的基因組比對(duì)和20個(gè)被子植物基因組比對(duì)所得到的轉(zhuǎn)錄因子結(jié)合位點(diǎn)保守元件序列［21，22］（表 3）。

家族水平的注釋除了該家族簡(jiǎn)介和相關(guān)文獻(xiàn)信息外，還包括該家族成員的演化信息，包括所有物種每個(gè)家族成員和每個(gè)物種內(nèi)每個(gè)家族成員兩類比對(duì)信息，以序列圖標(biāo)（Sequence logo）（圖2-A）和系統(tǒng)發(fā)生樹(shù)方式（圖2-B）展示。

4 結(jié)論與展望

自2005年首次發(fā)表擬南芥轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)DATF［4］至今已有10年，10年來(lái)，我們不斷擴(kuò)充和多次更新植物轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)PlantTFDB。在此期間，德國(guó)波茨坦大學(xué)、丹麥奧胡斯大學(xué)、美國(guó)俄亥俄州立大學(xué)、日本理化學(xué)研究所等單位也構(gòu)建了相應(yīng)的植物轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)（表4）。與這些數(shù)據(jù)庫(kù)相比，PlantTFDB包括的物種最多、注釋信息最豐富、更新最及時(shí)。目前，該數(shù)據(jù)庫(kù)年訪問(wèn)量逾千萬(wàn)次，已成為植物轉(zhuǎn)錄因子功能和演化研究的權(quán)威數(shù)據(jù)庫(kù)和重要數(shù)據(jù)資源，我們構(gòu)建的植物轉(zhuǎn)錄因子家族分類規(guī)則也被國(guó)內(nèi)外同行用于新測(cè)序物種轉(zhuǎn)錄因子預(yù)測(cè)。

表2 植物轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)PlantTFDB中83個(gè)物種轉(zhuǎn)錄因子及其家族統(tǒng)計(jì)

續(xù)表

利用上述數(shù)據(jù)庫(kù)資源，我們與其他課題組合作，對(duì)AP2/EREBP、MYB、SBP等植物轉(zhuǎn)錄因子家族進(jìn)行了演化和功能分析［32-34］。同時(shí)，對(duì)擬南芥轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)進(jìn)行了深入分析，揭示了植物轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)在結(jié)構(gòu)和演化上的新特征［18］。

表3 轉(zhuǎn)錄因子個(gè)體水平注釋

圖2 轉(zhuǎn)錄因子家族水平注釋

不言而喻，隨著測(cè)序技術(shù)的飛速發(fā)展，更多植物基因組測(cè)序?qū)⑼瓿?，大量基因組、轉(zhuǎn)錄組數(shù)據(jù)不斷發(fā)布。隨著轉(zhuǎn)錄調(diào)控研究不斷深入，轉(zhuǎn)錄因子分類規(guī)則有待改進(jìn)。此外，SELEX等高通量DNA結(jié)合特異性測(cè)定技術(shù)的發(fā)展，為深入研究植物轉(zhuǎn)錄調(diào)控提供了新的契機(jī)。結(jié)合表達(dá)數(shù)據(jù)、啟動(dòng)子區(qū)域和保守元件等信息，預(yù)測(cè)轉(zhuǎn)錄因子下游靶基因，進(jìn)而構(gòu)建高質(zhì)量轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)，探索轉(zhuǎn)錄調(diào)控的分子機(jī)制，必將成為新的研究熱點(diǎn)。開(kāi)發(fā)轉(zhuǎn)錄調(diào)控分析平臺(tái)，將植物轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)與數(shù)據(jù)分析整合起來(lái)，則是下一步研究目標(biāo)。

表 4 國(guó)際上主要植物轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)

［1］Arabidopsis Genome Initiative. Analysis of the genome sequence of the flowering plant Arabidopsis thaliana［J］. Nature, 2000, 408：796-815.

［2］Riechmann JL, Heard J, Martin G, et al. Arabidopsis transcription factors：genome-wide comparative analysis among eukaryotes［J］.Science, 2000, 290：2105.

［3］Gong W, Shen YP, Ma LG, et al. Genome-wide ORFeome cloning and analysis of Arabidopsis transcription factor genes［J］. Plant Physiol, 2004, 135：773-782.

［4］Guo A, He K, Liu D, et al. DATF：a database of Arabidopsis transcription factors［J］. Bioinformatics, 2005, 21：2568.

［5］Gao G, Zhong Y, Guo A, et al. DRTF ：a database of rice transcription factors［J］. Bioinformatics, 2006, 22：1286.

［6］Zhu QH, Guo AY, Gao G, et al. DPTF：a database of poplar transcription factors［J］. Bioinformatics, 2007, 23：1307.

［7］Duvick J, Fu A, MuppiralaU, et al. PlantGDB ：a resource for comparative plant genomics［J］. Nucleic Acids Res, 2008, 36：D959-965.

［8］Guo AY, Chen X, Gao G, et al. PlantTFDB ：a comprehensive plant transcription factor database［J］. Nucleic Acids Res, 2008, 36：D966-969.

［9］Zhang H, Jin J, Tang L, et al. PlantTFDB 2. 0：update and improvement of the comprehensive plant transcription factor database［J］. Nucleic Acids Res, 2011, 39：D1114-1117.

［10］Jin J, Zhang H, Kong L, et al. PlantTFDB 3. 0：a portal for the functional and evolutionary study of plant transcription factors［J］. Nucleic Acids Research, 2014, 42：D1182-D1187.

［11］Weirauch MT, Yang A, Albu M, et al. Determination and inference of eukaryotic transcription factor sequence specificity［J］. Cell,2014, 158：1431-1443.

［12］Eddy S. HMMERUser’s Guide：Biological sequence analysis using profile hidden Markov models［W］. 2010, http：//hmmer.janelia. org/.

［13］Punta M, Coggill PC, Eberhardt RY, et al. The Pfam protein families database［J］. Nucleic Acids Research, 2012, 40：D290-D301.

［14］Ashburner M, Ball CA, Blake JA, et al. Gene ontology：tool for the unification of biology. The Gene Ontology Consortium［J］. Nat Genet, 2000, 25（1）：25-29.

［15］Lamesch P, Berardini TZ, Li D, et al. The Arabidopsis Information Resource（TAIR）：improved gene annotation and new tools［J］.Nucleic Acids Res, 2012, 40：D1202-210.

［16］UniProt Consortium. Activities at the universal protein resource（UniProt）［J］. Nucleic Acids Research, 2014, 42：D191-D198.

［17］He K, Guo AY, Gao G, et al. Computational identification of plant transcription factors and the construction of the PlantTFDB database［M］//Computational Biology of Transcription Factor Binding. Humana Press, 2010：351-368.

［18］Jin J, He K, Tang X, et al. An Arabidopsis transcriptional regulatory map reveals distinct functional and evolutionary features of novel transcription factors［J］. Molecular Biology and Evolution, 2015,32：1767-1773.

［19］Bulow L, Engelmann S, Schindler M, et al. AthaMap, integrating transcriptional and post-transcriptional data［J］. Nucleic Acids Res, 2009, 37：D983-D986.

［20］Maglott D, Ostell J, Pruitt KD, et al. Entrez Gene：gene-centered information at NCBI［J］. Nucleic Acids Research, 2011, 39：D52-D57.

［21］Haudry A, Platts AE, Vello E, et al. An atlas of over 90, 000 conserved noncoding sequences provides insight into crucifer regulatory regions［J］. Nature Genetics, 2013, 45：891-898.

［22］Baxter L, Jironkin A, Hickman R, et al. Conserved noncoding sequences highlight shared components of regulatory networks in dicotyledonous plants［J］. The Plant Cell Online, 2012, 24：3949-3965.

［23］Pérez-Rodríguez P, Ria?o-Pachón DM, Corrêa LGG, et al.PlnTFDB：updated content and new features of the plant transcription factor database［J］. Nucleic Acids Research, 2010,38：D822-827.

［24］Fredslund J. DATFAP：a database of primers and homology alignments for transcription factors from 13 plant species［J］.BMC Genomics, 2008, 9：140.

［25］Mochida K, Yoshida T, Sakurai T, et al. TreeTFDB ：An integrative database of the transcription factors from six economically important tree crops for functional predictions and comparative and functional genomics［J］. DNA Research, 2013, 20：151-162.

［26］Yilmaz A, Nishiyama Jr MY, Fuentes BG, et al. GRASSIUS ：a platform for comparative regulatory genomics across the grasses［J］. Plant Physiology, 2009, 149：171.

［27］Mochida K, Yoshida T, Sakurai T, et al. LegumeTFDB ：an integrative database of Glycine max, Lotus japonicus and Medicago truncatula transcription factors［J］. Bioinformatics, 2010, 26：290-291.

［28］Iida K, Seki M, Sakurai T, et al. RARTF：database and tools for complete sets of Arabidopsis transcription factors［J］. DNA Res,2005, 12：247-256.

［29］Yilmaz A, Mejia-Guerra MK, Kurz K, et al. AGRIS：the Arabidopsis gene regulatory information server, an update［J］.Nucleic Acids Res, 2011, 39：D1118-1122.

［30］Rushton PJ, Bokowiec MT, Laudeman TW, et al. TOBFAC ：the database of tobacco transcription factors［J］. BMC Bioinformatics, 2008, 9：53.

［31］Romeuf I, Tessier D, Dardevet M, et al. wDBTF：an integrated database resource for studying wheat transcription factor families［J］. BMC Genomics, 2010, 11：185.

［32］Feng JX, Liu D, Pan Y, et al. An annotation update via cDNA sequence analysis and comprehensive profiling of developmental,hormonal or environmental responsiveness of the Arabidopsis AP2/EREBP transcription factor gene family［J］. Plant Mol Biol,2005, 59：853-68.

［33］Chen YH, Yang XY, He K, et al. The MYB transcription factor superfamily of Arabidopsis：expression analysis and phylogenetic comparison with the rice MYB family［J］. Plant Mol Biol, 2006,60：107-124.

［34］Guo AY, Zhu QH, Gu X, et al. Genome-wide identification and evolutionary analysis of the plant specific SBP-box transcription factor family［J］. Gene, 2008, 418：1-8.