全 文 ：HEREDITAS (Beijing) 2013年 10月, 35(10): 1226―1236
ISSN 0253-9772 www.chinagene.cn 研究报告
收稿日期: 20130407; 修回日期: 20130722
基金项目: 国家科技支撑计划项目(编号：2013BAD01B03)资助
作者简介: 孙高飞, 硕士, 副教授, 研究方向：棉花生物信息学。E-mail: sungaofei@sina.com
何守朴, 硕士, 助理研究员, 研究方向：棉花种质资源学。E-mail: zephyr0911@126.com
孙高飞和何守朴同为第一作者。
通讯作者: 杜雄明, 博士, 研究员, 研究方向：棉花种质资源学。E-mail: dujeffrey8848@hotmail.com
网络出版时间: 2013-8-6 18:48:36
URL: http://www.cnki.net/kcms/detail/11.1913.R.20130806.1848.002.html
DOI: 10.3724/SP.J.1005.2013.01226
雷蒙德氏棉和拟南芥基因启动子中顺式作用元件的分布
孙高飞 1,2, 何守朴 1, 杜雄明 1
1. 中国农业科学院棉花研究所, 棉花生物学国家重点实验室, 安阳 455000;
2. 安阳工学院计算机科学与信息工程学院, 安阳 455000
摘要: 随着雷蒙德氏棉(Gossypium raimondii)基因组草图的完成, 相关的基因组学研究已经全面展开。文章利
用已公布的雷蒙德氏棉和拟南芥基因组序列, 结合顺式作用元件(cis-regulatory element, CRE)数据库 PLACE中
的 CRE序列信息, 对两个物种中带有 5′UTR注释的基因启动子上游 1 000 bp序列进行 CRE扫描和统计。结果
表明, 雷蒙德氏棉和拟南芥基因组中分别有 44(12.3%)和 57(15.5%)个 CRE在启动子的特定位置呈峰状分布, 其
中在两个基因组均呈峰状分布的有 34个, 这些 CRE又可以根据核心序列分为 4大类。TATABOX类 CRE顶峰
在启动子中出现的位置和其真实位置(~ 30 bp)具有一致性, 预示 CRE真实位置在不同基因启动子中相对保守,
从而推测本研究中呈峰状分布 CRE 的顶峰位置可能就是转录因子和该 CRE 结合的真实位置。而同一 CRE 在
两个基因组中存在的位置差异则主要源于雷蒙德氏棉基因的 5′UTR长度变异大于拟南芥。另外, 文章还发现绝
大多数峰状分布的CRE的位置都集中在110 bp~0 bp之间, 这种集中的分布可能更有利于转录因子之间相互作
用, 从而调控下游基因的表达。
关键词: 雷蒙德氏棉; 全基因组; 顺式作用元件
Analysis of cis-regulatory element distribution in gene promoters of
Gossypium raimondii and Arabidopsis thaliana
SUN Gao-Fei1,2, HE Shou-Pu1, DU Xiong-Ming1
1. State Key Laboratory of Cotton Biology, Institute of Cotton Research, Chinese Academy of Agricultural Sciences, Anyang 455000, Chi-
na;
2. Department of Computer Science and Information Engineering, Anyang Institute of Technology, Anyang 455000, China
Abstract: Cotton genomic studies have boomed since the release of Gossypium raimondii draft genome. In this study,
cis-regulatory element (CRE) in 1 kb length sequence upstream 5′ UTR of annotated genes were selected and scanned in the
Arabidopsis thaliana (At) and Gossypium raimondii (Gr) genomes, based on the database of PLACE (Plant cis-acting Reg-
ulatory DNA Elements). According to the definition of this study, 44 (12.3%) and 57 (15.5%) CREs presented “peak-like”
distribution in the 1 kb selected sequences of both genomes, respectively. Thirty-four of them were peak-like distributed in
第 10期 孙高飞等: 雷蒙德氏棉和拟南芥基因启动子中顺式作用元件的分布 1227
both genomes, which could be further categorized into 4 types based on their core sequences. The coincidence of
TATABOX peak position and their actual position (~ 30 bp) indicated that the position of a common CRE was conserva-
tive in different genes, which suggested that the peak position of these CREs was their possible actual position of transcrip-
tion factors. The position of a common CRE was also different between the two genomes due to stronger length variation of
5′ UTR in Gr than At. Furthermore, most of the peak-like CREs were located in the region of 110 bp~0 bp, which sug-
gested that concentrated distribution might be conductive to the interaction of transcription factors , and then regulate the
gene expression in downstream.
Keywords: Gossypium raimondii; genome-wide; cis-regulatory element (CRE)
棉花是我国最重要的经济作物之一, 在国民经
济中占有重要地位。我国主要的栽培棉种是四倍体
的陆地棉(G. hirsutum, AD1)和海岛棉(G. barbadense,
AD2), 南方少数民族地区有极零星的二倍体亚洲棉
(G. arboretum, A2)种植。和其他棉种相比, 陆地棉具
有显著的产量优势, 然而纤维品质和抗逆性却存在
较大缺陷。目前, 传统的育种理论和方法对陆地棉
的产量、纤维品质和抗逆性改良收效甚微, 因此迫
切需要通过分子生物学手段突破育种瓶颈。随着测
序技术的高速发展, 越来越多作物的全基因组序列
被相继破解, 为作物的分子改良和分子育种提供了
绝佳的条件和平台。由于四倍体陆地棉基因组较大,
结构复杂, 遗传图谱质量不佳。2012 年棉属中基因
组较小的二倍体雷蒙德氏棉(G.raimondii, D5)全基因
组物理草图首先绘制完成, 共有 40 000多个基因获
得注释, 其中超过 90%获得了转录验证 [1], 这标志
着对棉花的分子改良真正开始迈入功能基因组学时
代, 从全基因组水平上开展棉花基因表达调控机理研
究成为未来棉花基因组学研究的重要研究方向。
转录因子(Transcription factor, TF)作为调控基
因表达的关键因子, 通常和基因启动子内的顺式作
用元件(cis-regulatory element, CRE)结合, 实现对下
游基因的转录调控。这些转录因子结合位点(Trans-
cription factor binding site, TFBS)的长度一般在 5~20
bp 左右, 和转录因子的结合在不同基因中也具有相
对的保守性。顺式作用元件按照功能可以分为启动
子元件、增强子元件及沉默子元件。启动子元件和
RNA 聚合酶结合, 精确控制基因的转录和转录效率;
增强子元件和转录因子结合则能够增强启动子的转
录活性; 沉默子元件则和增强子元件相反, 和转录
因子结合后阻遏基因的转录。因此, 可以通过分析
基因启动子中 CRE特征序列, 预测可能调控相关基
因的转录因子, 特别对基因组水平上理解基因的转
录调控机制, 建立基因调控网络具有重要意义。
目前已经有多种方法对已测序基因组进行全基
因组 CRE 的扫描分析[2,3], 同时收集建立了各类在
线数据库[4], 如 PLACE、TRANSFAC和 PlantCARE
等 [5], 结合这些方法和数据 , 已经有大量的围绕
CRE和基因调控关系的研究。Molina等[6]应用 Gibbs
抽样法对拟南芥(Arabidopsis thaliana)基因组进行全
基因组 CRE 扫描分析, 发现包含 TATA 元件的启动
子所占比例远少于预料的比例。Ding 等[7]对拟南芥
和白杨(Populus trichocarpa)的基因组进行了 CRE扫
描和对比, 解析出 796在两个物种中共有的 CRE组
合。Civán等[8]利用软件 MotifScanner对水稻基因组
中的 TATABOX 和 Y Patch 两类 CRE 进行扫描, 分
析了这两类 CRE的分布规律。对拟南芥中胁迫响应
的顺式调控元件进行扫描和分析, 发现生物胁迫和
非生物胁迫主要通过两种特异的 pCRE(putative
CRE)家族来调控[9]。对水稻生殖细胞中特异或高表
达的基因上游启动子序列进行 CRE扫描和分析, 发
现了一些新的基序, 可能是转录因子调控生殖细胞
基因表达的结合位点 [10]。张梅等 [11]综述了 DREBs
类转录因子能够通过与含有 DRE/CRT 顺式作用元
件的抗逆相关基因启动子区相互作用, 进而调控一
系列抗逆基因的表达。侯琳等 [12]重点评述了描述
TFBS 的模型以及预测 TFBS 的多种软件以及 TFBS
生物信息学研究的发展。
本研究通过获取雷蒙德氏棉和拟南芥基因组全
1228 HEREDITAS (Beijing) 2013 第 35卷
部有 5′UTR 注释的基因上游 1 000 bp 序列, 利用
PLACE数据库的CRE信息, 对两个物种基因组的这
些序列进行了 CRE 扫描, 通过比较两个基因组中
CRE的类型和特征, 对部分分布特征明显的 CRE进
行分析。本研究证明了通过计算机预测基因上游序
列中 CRE位置的可行性, 为进一步实验验证提供证
据, 同时对深入揭示基因调控机理具有参考意义。
1 数据来源与研究方法
1.1 数据来源
本研究中使用的拟南芥基因组序列和注释信息
来自 http://www.arabidopsis.org(TAIR10), 棉花基因
组序列和基因注释信息来自 ftp://ftp.ncbi.nlm.nih.gov/
genbank/genomes/Eukaryotes/plants/Gossypium_raim
ondii/[13], CRE 序列和相关注释来自 PLACE (http://
www.dna.affrc.go.jp/PLACE/index.html)[14]。PLACE数
据库是一个植物顺式调控元件基序数据库, 目前包
含 469 个顺式调控元件基序。所有的序列信息来自
于已经发表的研究论文。该数据库提供了扫描页面,
能够为提供的序列进行顺式调控元件扫描。
1.2 方法
1.2.1 基因组基因信息分析和整合
将拟南芥和雷蒙德氏棉基因组序列和注释信息
进行整理, 从 gff 注释文件中提取 5′UTR 和 CDS 的
起止位置信息, 储存于Microsoft SQL Server 2005数
据库。根据 gff注释文件对于基因的位置注释和基因
不同部分的位置注释可以看出, 对于有 5′UTR 的基
因, 其转录起始位点(TSS)和 5′UTR 的起点相同, 对
于没有 5′UTR 的基因 , 其转录起始位点和第一个
CDS的起始位点相同。
由于 5′UTR 在基因中的起始位置, 因此对已有
5′UTR注释的基因, 5′UTR的 5′端第一个碱基为 0位
置, 取其上游 1 000 bp序列作为启动子序列(图 1)。
5′UTR 的注释信息和转录因子起始位点是紧密
相关的 , 而且直接影响到上游启动子序列的确定 ,
图 1 本研究所选取的启动子上游 1 kb序列位置示意图
继而影响 CRE相对于起始位点的位置。对于没有 5′
UTR 注释的基因 , 我们不能确定该基因有无 5′
UTR。因此, 本文只对有 5′ UTR注释的基因 CRE分
布进行统计和分析。
1.2.2 提取启动子序列
利用 PERL 语言编写脚本, 根据基因组序列和
数据库中整理的基因在染色体上的位置信息, 以基
因的起始位点为基点, 提取拟南芥和雷蒙德氏棉基
因上游 1 000 bp序列供扫描使用。
1.2.3 CRE扫描
根据 PLACE 数据库中提供的 CRE 的序列, 使
用 PERL 语言编写脚本, 通过正则表达式对拟南芥
和雷蒙德氏棉全部注释基因上游 1 000 bp序列进行
扫描, 转录起始位点上游的第一个碱基的位置记为
1, 将 CRE序列第一个碱基在上游序列中的位置记
为该 CRE的位置, 扫描结果导入数据库。将上游序
列从1 000到1每 10 bp划分为一个区间(Section),
如果一个 CRE 的位置落入某个区间(即序列的第一
个碱基位于该区间), 则认为该区间包含该 CRE。通
过 SQL语句将 CRE在不同区间的数据进行统计, 获
得每个 CRE在不同区间的分布数量。比较相同 CRE
在拟南芥和雷蒙德氏棉基因启动子中的数量分布
情况。
1.2.4 CRE峰定义
通过对 CRE 扫描数据的分析, 我们发现某些
CRE 会在特定的启动子区间内聚集, 形成一个峰状
的分布。为了统一标准, 本研究这样来定义峰状分
布：当 CRE 在连续的 5 个 section 中的均值超过剩
余所有 section 的均值, 达到一定的比例时, 我们称
该 CRE呈峰状分布。具体定义如下：
定义 1：CI代表 CRE在区间 I中出现的次数。
定义 2： 4R5I Ji J CI
; 其中 J= 100 ~5; R5I
代表连续的 5个区间的 CI的和。
定义 3： 1 1100 1R95I
J
i i JCI CI
; 其中 J=
100 ~5; R95I 代表去除以上 5 个连续区间后剩余
其他区间内的 CRE出现的次数。
定义 4：NZ95代表其他 95个区间中 CRE出现
次数不为零的区间的个数。
第 10期 孙高飞等: 雷蒙德氏棉和拟南芥基因启动子中顺式作用元件的分布 1229
定义 5： R5I R95IM5I max
5 NZ95I
。(I= 100~
5)M5I 代表连续的 5 个区间的 CRE 数值在启动子
的 100个 section中形成最高点。
对于同样比例的 CRE 分布, 总量越大, 其峰值
分布的所反映的趋势就越强 , 因此 , 需要将总的
CRE数量引入公式, 从而使 CRE数量较多的峰值分
布具有更高的分值。
定义 6： 110 100M5I log CIP 。P 是评价
CRE峰状分布强度的评价指数, P值越大, 表示其峰
的突起越明显。
2 结果与分析
2.1 基因数量的对比
首先对雷蒙德氏棉和拟南芥基因组中有 5′UTR
和无 5′UTR的基因数量进行对比(表 1)。结果表明雷
蒙德氏棉中有无 5′UTR的基因数量比例和拟南芥基
本一致, 基因组拼接注释完整度较高。
2.2 启动子中不同位点碱基含量
提取雷蒙德氏棉和拟南芥基因组中有 5′UTR的
基因上游启动子 1 000 bp长度序列, 对A/C/T/G 4种
碱基的分布进行统计比较(图 2)。
从图 2 可以看出, 所有基因启动子中 A/T 含量
要明显高于 C/G 含量, 这个规律与整个基因组中碱
基分布规律基本一致。另外, 由于基因总数更多, 雷
蒙德氏棉基因启动子中 A/T 出现的频率要高于拟南
芥, 但 C/G 含量基本一致, 说明雷蒙德氏棉基因启
动子中 A/T含量更高。
进一步比较两个图发现, 拟南芥和雷蒙德氏棉
基因启动子在大约350 bp之前, 分布规律稳定一致,
350 bp以后, T出现频率开始下降, C开始上升。在
30~25 bp左右位置, 拟南芥中 T/A出现频率突然
出现一个尖锐的高峰(图 2A), 在雷蒙德氏棉中就没
表 1 两个基因组有无 5′UTR基因数量统计
物种 无 5′UTR 有 5′UTR 合计
雷蒙德氏棉
(G. raimondii)
9387
(25.0%)
28118
(75.0%)
37505
(100.0%)
拟南芥
(A. thaliana)
9948
(29.6%)
23654
(70.4%)
33602
(100.0%)
图 2 不同基因组中全部注释基因的启动子碱基分布
A：拟南芥基因组中有 5′UTR基因启动子序列中的碱基分布; B：
雷蒙德氏棉基因组中有 5′UTR基因启动子序列中的碱基分布。X
轴均代表碱基的位置, Y轴均代表所有启动子中某个碱基在这个
位置上出现的频率。
有这么明显(图 2B), 而是在更上游一点出现一个较
缓和的小峰。
2.3 CRE在染色体上的分布
根据全基因组扫描定位, 统计拟南芥和雷蒙德
氏棉所有染色体上 CRE数量和基因数量, 结果表明
拟南芥中 CRE和基因在各条染色体上的分布比例差
异在 0.16%以内, 而雷蒙德氏棉在 0.05%以内, 两个
基因组各条染色体上的CRE和基因所占的比例非常
接近(图 3), 说明 CRE 在不同染色体的启动子中数
量整体分布均匀。
2.4 CRE在启动子中的分布
利用 PLACE 数据库, 对所有 469 个 CRE 在两
个基因组的注释基因上游 1 000 bp的启动子序列中
分别进行扫描, 在雷蒙德氏棉基因组启动子中能扫
描到的 CRE有 357个(76.1%), 在拟南芥中有 368个
(78.4%)。两个物种共有的 CRE有 350个(74.6%)。
根据 1.2.4 定义, 对 CRE 分布的峰值进行统计,
当 P值>6时, 其峰状分布特征比较明显。因此在本
1230 HEREDITAS (Beijing) 2013 第 35卷
图 3 两个基因组上 CRE和基因数量所占的比例
A：拟南芥基因组; B：雷蒙德氏棉基因组。X轴表示染色体的编号(雷蒙德氏棉基因组的染色体编号为该基因组测序的编号), Y轴表
示每条染色体上 CRE或基因数量所占总数的比例。
研究中, 满足 P 值>6, 且 CRE 总数>100 的 CRE 定
义为具有峰状分布的 CRE(当 CRE 总数<100 时, 在
整个启动子上分布比较分散, 即使 P值>6也不能呈
现出明显的峰)。按照这一标准, 在雷蒙德氏棉上游
启动子中呈峰状分布的 CRE有 44个(44/357=12.3%),
拟南芥中有 57个(57/368=15.5%)。
2.4.1 两个基因组有 5′UTR注释基因共有的呈峰状
分布的 CRE
拟南芥和雷蒙德氏棉在注释基因上游启动子中
共有的呈峰状分布的CRE有 34个, 根据核心序列可
分为以下 4类。
(1) TATABOX类
TATABOX 类 CRE 是生物启动子中最重要的
CRE 之一, 是 RNA 聚合酶的识别位点。共有 4 个
TATABOX类 CRE在两个物种启动子中有明显的峰状
分布(表2)。其中TATABOX2(TATAAAT)和TATABOX4
(TATATAA)在拟南芥分布特征最典型, 形成一个突
出高点(图 3A)。从峰的位置来看, 拟南芥在40 bp~
30 bp之间, 而雷蒙德氏棉在50 bp~40 bp之间,
说明雷蒙德氏棉的 TATABOX类 CRE在位置分布上
比拟南芥要略为分散; 从 CRE 总数来看, TATABOX2
和 TATABOX4 要明显高于另外两个 CRE, 而
TATABOX1 的 P 值要大于其他 3 个 CRE, 说明该
CRE的峰状分布强度最高, 而且这 4个 CRE的峰状
分布强度都是拟南芥高于雷蒙德氏棉。TATABOX在
两个物种中的最高点位置和图 2 中 A/T 出现峰值的
位置相符, 因此TATABOX的富集应该是该位置A/T
碱基出现峰值的原因。
(2) CT富集类
CT富集的 CRE共有 3个(表 3), 这 3个 CRE均
从60 bp 位置开始形成最高峰 , 并且高点位置在
表 2 TATABOX类 CRE
CRE名称 CRE序列
拟南芥/雷蒙德氏棉
最高峰起始位置 最高点数值 最高点位置 CRE总数 P值
TATABOX4 TATATAA 7/7 857/414 4/5 12183/19998 12.25/6.21
TATABOX2 TATAAAT 7/6 849/464 4/5 10753/21349 13.38/6.4
SORLREP3AT TGTATATAT 8/6 99/48 4/4 1402/1330 8.58/7.72
TATABOX1 CTATAAATAC 7/6 97/25 4/4 223/181 63.14/27.48
表 3 CT富集类 CRE
CRE名称 CRE序列
拟南芥/雷蒙德氏棉
最高峰起始位置 最高点数值 最高点位置 CRE总数 P值
NODCON2GM CTCTT 6/6 925/459 2/2 39447/30095 8.86/6.27
PYRIMIDINEBOXOSRAMY1A CCTTTT 6/6 214/291 4/2 12426/16497 6.29/7.02
CTRMCAMV35S TCTCTCTCT 6/6 318/88 2/3 3888/1566 27.25/19.72
第 10期 孙高飞等: 雷蒙德氏棉和拟南芥基因启动子中顺式作用元件的分布 1231
20 bp和40 bp, 比 TATABOX类更靠近 TSS(表 3)。
其中NODCON2GM的总数最大, 而CTRMCAMV35S
的 P值最大, 分布强度高。该类 CRE在启动子中分
布也非常广泛, 同时位置也比较保守。根据已有的
研究, CT富集 CRE可能是除 TATABOX之外的另外
一个重要的典型 CRE[8,20]。
(3) ACGTG类
ACGTG类是指包含核心序列 ACGTG的 CRE。
ACGTG 是 G-box(CACGTG)的核心序列, 而 G-box
则是 BHLH转录因子的一个主要的绑定序列[15]。一
部分 bZIP转录因子在拟南芥中也绑定 G-box[16]。该
类总共包含 18种 CRE(表 4), 不同类型 CRE在启动
子中的数量相差很大, 在拟南芥相差可达 280 多倍,
在雷蒙德氏棉相差可达 174 倍, 两物种排名前 5 位
的 CRE是：ACGTATERD1, ABRELATERD1, ABRE-
RATCAL, CACGTGMOTIF和 ACGTABREMOTIFA-
2OSEM。拟南芥中 AUXRETGA2GMGH3的 P值最
大, 雷蒙德氏棉中 EMBP1TAEM的 P值最大。此类
CRE 在两个物种中峰的起始位置均在110~90 bp
之间, 分布形态也非常相似, 说明这些 CRE 在两个
物种中的分布具有很强的保守性, 此类 CRE所结合
的转录因子大部分与脱落酸、植物激素等生长发育
调控有关。
(4) 其他峰状分布 CRE
除了上述 3 种能够明显划分为一类的 CRE, 还
有其他一些共有的 CRE, 这些 CRE序列间没有明显
相似 , 因此没有再进行系统归类 (表 5)。其中
MYBCOREATCYCB1 的总数最大 , 而拟南芥中
UP1ATMSD 的 P 值最大, 雷蒙德氏棉中 UPRMO-
TIFIIAT的 P值最大。
将表 2~表 5中 CRE随机挑选两个进行作图, 可
以更加直观地反映出峰的分布和两个物种之间的区
别(图 4)。
2.4.2 两个基因组特异的峰状分布 CRE
根据本文的定义, 在拟南芥中呈峰状分布而在
雷蒙德氏棉中未呈峰状分布的 CRE 有 22 个(表 6),
其中 POLASIG1 的总数最多, 而拟南芥中 TELO-
BOXATEEF1AA1 的 P 值最大。以 ACGTCBOX 和
TGACGTVMAMY 为例作图, 其在拟南芥中分布峰
状分布非常明显, 而在雷蒙德氏棉中在同样位置的
峰则要平缓的多(图 5)。
表 4 ACGTG类 CRE
CRE名称 CRE序列
拟南芥/雷蒙德氏棉
最高峰起始位置 最高点数值 最高点位置 CRE总数 P
ACGTATERD1 ACGT 10/11 893/642 7/9 54106/43205 7.76/6.65
ABRELATERD1 ACGTG 10/11 316/248 9/7 13729/12902 9.74/7.6
ABRERATCAL MACGYGB 10/10 232/175 7/7 8208/7227 11.2/9.02
CACGTGMOTIF CACGTG 10/11 179/123 7/9 4983/4452 12.88/10.24
ACGTABREMOTIFA2OSEM ACGTGKC 10/10 114/72 8/9 2654/2406 15.51/9.47
GADOWNAT ACGTGTC 11/10 63/37 9/7 1451/1170 13.48/9.17
IRO2OS CACGTGG 10/10 47/41 6/9 1287/1165 11.65/8.74
BOXIIPCCHS ACGTGGC 10/10 57/40 6/9 1203/1236 15.2/8.11
ABREATCONSENSUS YACGTGGC 10/10 33/28 10/9 713/680 14.32/8.74
LRENPCABE ACGTGGCA 10/10 32/23 6/9 585/750 16.54/6.43
ABREOSRAB21 ACGTSSSC 13/10 17/18 9/6 536/536 6.41/7.03
EMBP1TAEM CACGTGGC 11/10 24/21 8/9 520/410 13.07/10.82
ABREZMRAB28 CCACGTGG 10/10 20/15 7/10 444/415 12.61/8.41
HEXAT TGACGTGG 10/22 20/21 6/22 413/824 13.46/6.29
ABREATRD22 RYACGTGGYR 12/11 14/15 10/9 325/313 9.94/7.35
ABREMOTIFAOSOSEM TACGTGTC 11/12 11/10 11/10 222/229 10.6/6.69
ACGTABREMOTIFAOSOSEM TACGTGTC 11/12 11/10 11/10 222/229 10.6/6.69
AUXRETGA2GMGH3 TGACGTGGC 10/26 13/10 7/24 192/248 17.68/6.19
1232 HEREDITAS (Beijing) 2013 第 35卷
表 5 其他峰状分布的 CRE
CRE名称 CRE序列
拟南芥/雷蒙德氏棉
最高峰起始位置 最高点数值 最高点位置 CRE总数 P
MYBCOREATCYCB1 AACGG 10/8 180/148 10/8 11335/9040 6.38/6.01
SORLIP2AT GGGCC 11/11 290/168 8/7 6744/9955 16.91/6.64
CGCGBOXAT VCGCGB 9/6 142/107 9/6 6353/4545 8.12/7.52
MYBPLANT MACCWAMC 9/10 95/83 2/8 4923/4438 6.09/6.25
UP1ATMSD GGCCCAWWW 9/8 190/46 7/8 2584/1458 28.86/9.17
GAGA8HVBKN3 GAGAGAGAGAGAGAGA 44/17 20/14 41/92 653/341 6.42/6.02
UPRMOTIFIIAT CCNNNNNNNNNNNNCCACG 10/11 27/22 9/9 481/483 13.74/10.93
GGTCCCATGMSAUR GGTCCCAT 11/10 5/6 36/7 155/149 6.45/7.84
在雷蒙德氏棉中呈峰状分布而在拟南芥中未呈
峰状分布的 CRE 有 12 个(表 7), 其中总数最多的
CRE 是 MARTBOX, 而雷蒙德氏棉中 P 值最大的
CRE 是 E2FANTRNR。以 E2FCONSENSUS 和
MYBPZM为例, 其在雷蒙德氏棉中峰状分布非常明
显, 而在拟南芥中同样位置的峰则相对平缓(图 6)。
从雷蒙德氏棉中未呈峰状分布的 CRE(表 7)以
及在拟南芥中未呈峰状分布的CRE(表 7)的P值可以
进一步看出, 当 P 值>6 时, CRE 峰状分布特征比较
明显, 当 P值<6时, CRE未呈峰状分布。
3 讨 论
3.1 CRE 在雷蒙德氏棉和拟南芥基因启动子中的
保守性
CRE 序列普遍较短, 直接从启动子上进行扫描
假阳性很高 , 考虑到基因组序列的保守性 , 如果
CRE 在所有已注释基因启动子中某个位置出现显著
富集, 则说明这个位置极有可能是 CRE与转录因子
结合的位置。根据本研究定义, 在所有调查的 CRE
中, 有部分 CRE在启动子中特定位置呈现明显的富
集, 形成峰状分布, 说明有一定数量的基因启动子
在此位置均含有该 CRE。对比较典型的 TATABOX
类 CRE进行分析发现, 拟南芥中顶峰的位置出现在
40 bp~30 bp 之间, 在雷蒙德氏棉中则出现在50
bp~30 bp之间, 这个位置正是 TATABOX结合蛋白
与 TATABOX 类 CRE 的结合位点[6]。因此, 我们推
测 CRE在启动子中富集的位置, 可能就是相关转录
因子的实际结合位点, 这种明显的峰状分布在水稻
启动子中也得到了验证[8]。
从 TATABOX类 CRE的情况, 我们推测其他具
有类似峰状分布规律的 CRE如 CG富集类和 ACGTG
类CRE的顶峰所在位置也是转录因子的实际结合位
点(图 3), 这些在 CRE 所结合的转录因子是植物正
常生长发育和器官组织功能正常发挥所必须的, 所
以这类具有重要生物学意义的 CRE在不同基因启动
子中的作用和位置都相对保守的。
此外, 本研究还发现在拟南芥和雷蒙德氏棉中
有部分 CRE的峰状分布呈物种特异性, 在拟南芥中
呈峰状分布, 但雷蒙德氏棉中未呈峰状分布的 CRE
有 22 个(表 6), 在雷蒙德氏棉中呈峰状分布而在拟
南芥中未呈峰状分布的 CRE 有 12 个(表 7), 这些
CRE 可以作为研究拟南芥和雷蒙德氏棉物种差异的
参考。
3.2 雷蒙德氏棉和拟南芥顺式作用元件在启动子
中的位置差异
同样以 TATABOX2和 TATABOX4为例(图 3A),
其在拟南芥中的峰值明显高于在雷蒙德氏棉的峰值,
形成这种明显对比的原因是这两个CRE在雷蒙德氏
棉启动子的50~40 bp和40~30 bp两个连续的区
间都富集, 而在拟南芥中则只是集中在40~30 bp
区间。雷蒙德氏棉最高位点的数量明显小于拟南芥
最高位点的数量, 但是雷蒙德氏棉最高位和相邻的
次高点数量之和与拟南芥最高点的数量相近。
TATABOX2/TATABOX4 在拟南芥中大量富集在
40~30 bp 区间 , 而在雷蒙德氏棉中则分布在
50~30 bp 区间, 分布范围扩大了整整一倍, 从而
导致雷蒙德氏棉中的峰显得相对平缓, 这种情况同
样在水稻中也有发现[8]。
第 10期 孙高飞等: 雷蒙德氏棉和拟南芥基因启动子中顺式作用元件的分布 1233
图 4 几个不同类型 CRE在启动子区的峰状分布
A：2个 TATA box类 CRE; B：CT富集类 CRE; C：ACGT类 CRE; D：其他类 CRE。X轴均代表启动子的位置, 其中-1=10 bp, Y轴均
代表在当前位置具有该 CRE出现的频率(图 5、图 6的结构与此相同)。
为了进一步分析产生这种差异原因, 本研究对
两个基因组中所有 5′UTR 长度进行了简单的统计
(图 7), 结果表明雷蒙德氏棉的 5′UTR的平均长度和
分布范围均大于拟南芥, 因为本文所分析的序列均
为 5′UTR 上游 1 000 bp 序列, 以起始密码子为准,
将所有的基因对齐, 那么影响同一个 CRE位置的可
能就是 5′UTR的长度。因此, 我们推测 5′UTR长度
在雷蒙德氏棉基因组中的更广泛变异可能是造成其
1234 HEREDITAS (Beijing) 2013 第 35卷
表 6 拟南芥中呈峰状分布的 CRE
CRE名称 CRE序列
拟南芥/雷蒙德氏棉
最高峰起始位置 最高点数值 最高点位置 CRE总数 P
POLASIG1 AATAAA 10/16 748/1150 4/5 44002/89994 6.81/5.88
INRNTPSADB YTCANTYY 6/46 549/445 2/2 25521/33777 6.68/5.04
CCAATBOX1 CCAAT 9/6 425/469 6/3 29147/34239 6.34/5.84
DPBFCOREDCDC3 ACACNNG 10/12 225/155 8/12 14311/11327 6.19/4.83
POLASIG2 AATTAAA 15/16 228/515 14/16 13797/39504 6.23/5.91
SORLIP1AT GCCAC 9/11 156/139 6/11 9045/9673 6.5/5.61
LTRECOREATCOR15 CCGAC 9/10 120/100 8/7 6494/6088 6.81/5.23
TATAPVTRNALEU TTTATATA 8/38 194/146 4/5 4437/9578 6.6/4.8
UP2ATMSD AAACCCTA 6/6 114/32 3/3 2030/1819 14.47/5.32
TGACGTVMAMY TGACGT 10/25 77/50 88 3302/3072 7.93/5.01
HEXMOTIFTAH3H4 ACGTCA 10/10 94/60 6/7 3544/3214 8.44/5.55
WUSATAg TTAATGG 11/20 63/61 9/19 2574/3883 6.72/5.22
ACGTCBOX GACGTC 9/11 64/24 6/8 1927/978 8.54/5.83
TELOBOXATEEF1AA1 AAACCCTAA 6/57 70/22 3/60 1184/1224 13.18/4.21
DRE2COREZMRAB17 ACCGAC 9/12 49/31 8/10 2232/1925 6.33/4.41
MARABOX1 AATAAAYAAA 11/6 59/76 4/5 2045/4312 7.12/5.89
BOXCPSAS1 CTCCCAC 6/10 31/15 2/7 697/732 7.3/5.48
TCA1MOTIF TCATCTTCTT 6/9 22/5 4/49 406/144 10.57/5.07
CDA1ATCAB2 CAAAACGC 6/8 18/8 2/40 435/296 6.96/4.71
ANAERO4CONSENSUS GTTTHGCAA 99/94 14/7 99/91 359/208 6.96/3.42
UPRMOTIFIAT CCACGTCA 9/10 22/24 6/7 433/755 12.24/5.76
PALINDROMICCBOXGM TGACGTCA 10/11 18/6 643 341/161 8.57/5.88
ZDNAFORMINGATCAB1 ATACGTGT 11/18 10/7 11/14 329/280 6.62/4.36
图 5 ACGTCBOX和 TGACGTVMAMY在拟南芥和雷蒙德氏棉启动子中的分布
CRE 相对分散的重要原因, 在对酵母菌启动子的研
究中发现, 5′UTR 的长度变异与转录因子结合位点
的分布模式具有相关性, 同时可能影响基因的转录
和可塑性[17]。5′UTR 的长度在不同基因组中本身存
在着较大变异, 这种差异可能是由于物种基因组本
身结构的进化所造成, 对物种基因表达调控和表型
变异具有深远的影响[18,19]。5′UTR 长度的差异可能
是物种之间的差异, 也有可能是因为雷蒙德氏棉基
因组的注释不够精确造成的, 但无论哪种原因, 根
据本研究的结果可以推测, 5′UTR 长度的变异程度
第 10期 孙高飞等: 雷蒙德氏棉和拟南芥基因启动子中顺式作用元件的分布 1235
表 7 雷蒙德氏棉中呈峰状分布的 CRE
CRE名称 CRE序列
拟南芥/雷蒙德氏棉
最高峰起始位置 最高点数值 最高点位置 CRE总数 P
MARTBOX TTWTWTTWTT 25/6 616/991 2/2 25399/35048 5.47/7.02
SEF3MOTIFGM AACCCA 6/6 134/184 3/4 7266/9806 5.85/6.88
E2FCONSENSUS WTTSSCSS 10/6 80/122 6/2 4157/4533 5.77/7.08
MYBPZM CCWACC 9/8 83/147 47/7 5409/7333 5.45/6.65
BOXLCOREDCPAL ACCWWCC 6/10 75/76 2/8 3847/3998 5.7/6.32
PALBOXAPC CCGTCC 16/6 28/27 12/2 1157/1062 5.69/6.51
ACGTOSGLUB1 GTACGTG 52/13 12/11 6/13 536/372 3.62/6.22
E2FANTRNR TTTCCCGC 10/6 9/9 6/3 347/145 4.9/10.27
E2F1OSPCNA GCGGGAAA 83/9 7/5 89/9 281/117 4.15/7.62
CACGCAATGMGH3 CACGCAAT 19/10 5/7 99/10 128/114 4.98/7.32
图 6 E2FCONSENSUS和 MYBPZM在拟南芥和雷蒙德氏棉启动子中的分布
图 7 两个基因组中 5′UTR长度比较
和 CRE分布具有相关性。
3.3 重要 CRE在启动子中的相对位置关系
在拟南芥启动子所有具有峰状分布规律的 CRE
中, 约 93%(53/57)的峰位于110 bp~1 bp之间, 非
常靠近 TSS, 而在启动子的上游没有发现明显的峰。
在雷蒙德氏棉中对应的比例约为 87% (39/44), 这可
能意味着实际的转录因子结合位点更加倾向于靠近
转录起始位点 [18]。同时可以看到 , ACGTG 类、
TATABOX类、CT富集类 CRE在启动子中峰的位置
分别为110 bp~ 90 bp、50 bp~ 30 bp、30 bp~10
bp, 暗示了这几类重要的 CRE 之间位置相对保守,
这种位置特征可能意味着不同的转录因子可以在紧
靠 TSS聚集形成多聚体, 从而发挥相应功能。
参考文献(References):
[1] Wang KB, Wang ZW, Li FG, Ye WW, Wang JY, Song GL,
Yue Z, Cong L, Shang HH, Zhu SL, Zou CS, Li Q, Yuan
YL, Lu CR, Wei HL, Gou CY, Zheng ZQ, Yin Y, Zhang
XY, Liu K, Wang B, Song C, Shi N, Kohel RJ, Percy RG,
Yu JZ, Zhu YX, Wang J, Yu SX. The draft genome of
a diploid cotton Gossypium raimondii. Nat Genet, 2012,
44(10): 1098–1103.
[2] Rombauts S, Florquin K, Lescot M, Marchal K, Rouzé P,
van de Peer Y. Computational approaches to identify pro-
1236 HEREDITAS (Beijing) 2013 第 35卷
moters and cis-regulatory elements in plant genomes.
Plant Physiol, 2003, 132(3): 1162–1176.
[3] Su J, Teichmann SA, Down TA. Assessing computa-
tional methods of cis-regulatory module prediction. PLoS
Comput Biol, 2010, 6(12): e1001020.
[4] 陈鸿飞 , 王进科 . 转录因子相关数据库 . 遗传 , 2010,
32(10): 1009–1017.
[5] Priest HD, Filichkin SA, Mockler TC. Cis-regulatory ele-
ments in plant cell signaling. Curr Opin Plant Biol, 2009,
12(5): 643–649.
[6] Molina C, Grotewold E. Genome wide analysis of Arabi-
dopsis core promoters. BMC Genomics, 2005, 6(1): 25.
[7] Ding J, Hu HY, Li XM. Thousands of cis-regulatory se-
quence combinations are shared by Arabidopsis and poplar.
Plant Physiol, 2012, 158(1): 145–155.
[8] Civán P, Svec M. Genome-wide analysis of rice (Oryza
sativa L. subsp. japonica) TATA box and Y Patch promo-
ter elements. Genome, 2009, 52(3): 294–297.
[9] Zou C, Sun KL, Mackaluso JD, Seddon AE, Jin R, Tho-
mashow MF, Shiu SH. Cis-regulatory code of stress-
responsive transcription in Arabidopsis thaliana. Proc Natl
Acad Sci USA, 2010, 108(36): 14992–14997.
[10] Sharma N, Russell SD, Bhalla PL, Singh MB. Puta-
tive cis-regulatory elements in genes highly expressed in
rice sperm cells. BMC Res Notes, 2011, 4(1): 319.
[11] 张梅, 刘炜, 毕玉平. 植物中 DREBs类转录因子及其在
非生物胁迫中的作用. 遗传, 2009, 31(3): 236–244.
[12] 侯琳, 钱敏平, 朱云平, 邓明华. 转录因子结合位点生
物信息学研究进展. 遗传, 2009, 31(4): 365–373.
[13] Paterson AH, Wendel JF, Gundlach H, Guo H, Jenkins J,
Jin D, Llewellyn D, Showmaker KC, Shu SQ, Udall J, Yoo
MJ, Byers R, Chen W, Doron-Faigenboim A, Duke MV,
Gong L, Grimwood J, Grover C, Grupp K, Hu GJ, Lee TH,
Li JP, Lin LF, Liu T, Marler BS, Page JT, Roberts AW,
Romanel E, Sanders WS, Szadkowski E, Tan X, Tang HB,
Xu CM, Wang JP, Wang ZN, Zhang D, Zhang L, Ashrafi H,
Bedon F, Bowers JE, Brubaker CL, Chee PW, Das S, Gin-
gle AR, Haigler CH, Harker D, Hoffmann LV, Hovav R,
Jones DC, Lemke C, Mansoor S, ur Rahman M, Rainville
LN, Rambani A, Reddy UK, Rong JK, Saranga Y, Scheff-
ler BE, Scheffler JA, Stelly DM, Triplett BA, Van Deynze
A, Vaslin MF, Waghmare VN, Walford SA, Wright RJ,
Zaki EA, Zhang T, Dennis ES, Mayer KF, Peterson DG,
Rokhsar DS, Wang X, Schmutz J. Repeated polyploidiza-
tion of Gossypium genomes and the evolution of spinnable
cotton fibres. Nature, 2012, 492(7429): 423–427.
[14] Higo K, Ugawa Y, Iwamoto M, Korenaga T. Plant
cis-acting regulatory DNA elements (PLACE) database:
1999. Nucleic Acids Res, 1999, 27(1): 297–300.
[15] Toledo-Ortiz G, Huq E, Quail PH. The Arabidopsis ba-
sic/helix-loop-helix transcription factor family. Plant Cell,
2003, 15(8): 1749–1770.
[16] Jakoby M, Weisshaar B, Dröge-Laser W, Vicente-Carbajosa J,
Tiedemann J, Kroj T, Parcy F. bZIP transcription factors in
Arabidopsis. Trends Plant Sci, 2002, 7(3): 106–111.
[17] Lin ZG, Wu WS, Liang H, Woo Y, Li WH. The spatial dis-
tribution of cis regulatory elements in yeast promoters and
its implications for transcriptional regulation. BMC Ge-
nomics, 2010, 11(1): 581.
[18] Wray GA, Hahn MW, Abouheif E, Balhoff JP, Pizer M,
Rockman MV, Romano LA. The evolution of transcrip-
tional regulation in eukaryotes. Mol Biol Evol, 2003, 20
(9): 1377–1491.
[19] Lynch M, Douglas Scofield DG, Hong X. The evolution of
transcription-initiation sites. Mol Biol Evol, 2005, 22 (4):
1137–1146.
[20] Bernard V, Brunaud V, Lecharny A. TC-motifs at the
TATA-box expected position in plant genes: a novel class
of motifs involved in the transcription regulation. BMC
Genomics, 2010, 11(1): 166.