Исследователи проанализировали активность примерно 500 000 вариантов небольшого участка ДНК, участвующего в запуске транскрипции, и использовали эти данные для обучения вычислительных моделей. В результате удалось точнее описать последовательность так называемого инициатора и показать, что признаки этого регуляторного элемента присутствуют примерно в 60% исследованных фокусированных промоторов человека. Работа помогает лучше понимать, как последовательность ДНК определяет активность генов, но пока не позволяет непосредственно предсказывать развитие заболеваний у конкретного человека.
Исследование провели специалисты Калифорнийского университета в Сан-Диего (University of California, San Diego). Результаты опубликованы 31 июля 2026 года в журнале Genes & Development.
Промотор определяет, где начинается считывание гена
Чтобы ген мог работать, клетке необходимо сначала переписать информацию из дезоксирибонуклеиновой кислоты (ДНК) в рибонуклеиновую кислоту (РНК). Этот процесс называется транскрипцией.
Запуск транскрипции происходит в области ДНК, называемой промотором. Его центральная часть — коровый, или основной, промотор — расположена непосредственно возле точки начала транскрипции и служит местом, где собирается молекулярный аппарат, запускающий считывание гена РНК-полимеразой II.
Основные промоторы устроены неодинаково. В них могут присутствовать различные регуляторные элементы, среди которых TATA-бокс, инициатор (Initiator, Inr), нижележащая область промотора (downstream promoter region, DPR) и другие последовательности.
Инициатор особенно интересен тем, что располагается непосредственно возле точки, с которой начинается синтез РНК. Однако определить его только по простой короткой консенсусной последовательности до сих пор было сложно: разные варианты ДНК могут значительно различаться по способности поддерживать транскрипцию.
Учёные проверили около полумиллиона последовательностей
Первый автор работы Торри Райн-Карригг (Torrey E. Rhyne-Carrigg) и коллеги экспериментально измерили транскрипционную активность примерно 500 000 вариантов участка инициатора.
В каждом варианте исследователи изменяли последовательность из 10 нуклеотидов вокруг точки начала транскрипции, сохраняя остальные части экспериментального промотора постоянными. Благодаря этому можно было оценить, как конкретная последовательность небольшого участка ДНК влияет на активность транскрипции.
Эксперименты проводили в двух разных контекстах основного промотора. В одном транскрипция зависела преимущественно от DPR, в другом — от TATA-бокса.
Такое разделение важно, поскольку разные элементы промотора могут взаимодействовать между собой, а одна и та же последовательность инициатора не обязательно работает одинаково во всех промоторах.
Машинное обучение искало закономерности между последовательностью и активностью
Полученный массив экспериментальных данных использовали для построения моделей машинного обучения.
Авторы применяли регрессию опорных векторов — алгоритм, который обучается связывать характеристики последовательности ДНК с количественным результатом, в данном случае с транскрипционной активностью.
В отличие от традиционного поиска простой «идеальной» последовательности инициатора такой подход учитывает большое количество вариантов и позволяет оценивать вклад отдельных нуклеотидов в активность промотора.
Модели оказались способны достаточно точно отличать последовательности с активным инициатором от последовательностей, в которых этот элемент практически не функционировал.
Затем исследователи применили полученные модели к естественным промоторам человека.
Инициатор обнаружили примерно в 60% фокусированных промоторов
Анализ показал, что активный инициатор присутствует примерно в 60% фокусированных человеческих промоторов.
Фокусированным называют промотор, где транскрипция преимущественно начинается в одной точке или в сравнительно узкой области. Это важное уточнение: результат не означает буквально, что 60% всех человеческих генов обязательно используют один и тот же механизм запуска.
Работа также позволила уточнить наиболее важные нуклеотиды инициатора. При анализе более миллиона теоретически возможных 10-нуклеотидных последовательностей модели показали, что особенно значимы основания минимального мотива CANW, хотя на активность влияли и соседние позиции.
Кроме того, оптимальная последовательность человеческого инициатора оказалась очень похожа на вариант, ранее описанный у плодовой мушки Drosophila. Авторы считают это признаком значительной эволюционной консервативности механизма.
Работа инициатора зависит от других элементов промотора
Одним из важных результатов стало то, что инициатор нельзя рассматривать изолированно.
Исследователи обнаружили тесную функциональную связь между Inr и DPR. Когда промотор зависел от DPR, сильнейшие варианты инициатора обеспечивали примерно 100-кратный диапазон активности по сравнению с неактивными последовательностями.
В TATA-зависимом контексте диапазон был заметно меньше — примерно десятикратным.
Геномный анализ также показал, что сочетание инициатора и DPR встречалось чаще, чем можно было бы ожидать случайно. Это согласуется с представлением о том, что два элемента способны работать совместно и усиливать друг друга.
Напротив, сильный TATA-бокс нередко встречался без выраженного инициатора или DPR. По результатам моделирования, такой TATA-бокс способен поддерживать запуск транскрипции более независимо.
Таким образом, существует не один универсальный тип промотора, а несколько различных архитектур запуска генов.
Обнаружился отдельный вариант инициатора для TATA-зависимых промоторов
Сравнение двух экспериментальных систем позволило обнаружить вариант инициатора, который особенно хорошо работал вместе с TATA-боксом.
Исследователи также изучили TCT-мотив — последовательность, частично перекрывающую область инициатора, но выполняющую другую функцию. TCT-мотив известен, в частности, по генам, участвующим в синтезе рибосомных белков.
Анализ показал, что взаимоотношения TCT-мотива и TATA-бокса у человека отличаются от наблюдаемых у Drosophila. Это подчёркивает, что даже эволюционно консервативные механизмы регуляции могут использоваться разными организмами по-разному.
Модель может помочь исследовать регуляторные мутации
По словам руководителя работы Джеймса Кадонаги (James T. Kadonaga), профессора молекулярной биологии Калифорнийского университета в Сан-Диего, новая модель впервые позволяет достаточно надёжно предсказывать наличие или отсутствие функционального инициатора по последовательности ДНК.
Практически это может быть полезно для изучения генетических вариантов, расположенных не в кодирующей части гена, а в его регуляторных областях.
Мутация не обязательно должна менять структуру белка, чтобы оказаться биологически значимой. Если она повреждает промотор, ген может начать работать слишком активно, слишком слабо, в неподходящем типе клеток или в неправильный момент развития.
Такие нарушения регуляции экспрессии генов потенциально могут участвовать во врождённых заболеваниях и развитии опухолей.
Новая модель позволяет экспериментально обоснованно оценивать, как замена определённого нуклеотида в области инициатора может изменить его предполагаемую активность.
Однако авторы не показывали, что модель уже способна диагностировать заболевания или надёжно определять патогенность клинических генетических вариантов.
Возможны и искусственные промоторы
Ещё одно потенциальное применение связано с синтетической биологией.
Если исследователь способен заранее оценивать активность различных вариантов инициатора и других элементов промотора, становится возможным более рационально конструировать искусственные промоторы с заданными свойствами.
Такие последовательности могут быть полезны в лабораторных системах, биотехнологии и в перспективе при разработке некоторых методов генной и клеточной терапии, где требуется строго контролировать уровень активности введённого гена.
Но новый алгоритм описывает только часть регуляторной системы. Активность гена в живой клетке зависит также от энхансеров — удалённых регуляторных участков ДНК, связывающихся с ними белков, структуры хроматина, эпигенетических модификаций и типа клетки.
Поэтому даже хорошо предсказанная активность инициатора сама по себе не позволяет полностью рассчитать поведение целого гена в организме.
Это только часть «кода экспрессии генов»
Авторы рассматривают работу как один из шагов к более масштабной задаче — созданию вычислительных моделей, способных по последовательности генома предсказывать, когда, где и насколько активно будут работать человеческие гены.
Однако до такой универсальной модели ещё далеко.
Исследование было сосредоточено на сравнительно небольшом участке основного промотора в контролируемых экспериментальных системах. Около 30% исследованных человеческих промоторов, по оценке авторов, вообще не содержат известных основных промоторных элементов, что указывает на существование пока нерасшифрованных механизмов.
Кроме того, мутация с одинаковой последовательностью может иметь разные последствия в зависимости от клеточного контекста и состояния хроматина.
Поэтому главное достижение новой работы — не «расшифровка генетического кода» в целом, а создание количественной экспериментально обученной модели одного из важных элементов, управляющих началом транскрипции.
О другом примере того, как нарушения регуляции активности генов могут быть связаны с заболеванием, МКБ-11 ранее рассказывал в материале о молекулярном механизме нарушения экспрессии генов при идиопатическом аутизме.
Литература
Rhyne-Carrigg T. E., Vo ngoc L., Medrano C., Gillespie K. E., Kadonaga J. T. Machine learning analysis of the human initiator region reveals key features of different types of core promoters // Genes & Development. — 2026. — Published online July 31, 2026. — DOI: 10.1101/gad.353623.125.
University of California San Diego. Researchers Use AI to Decode Key DNA Sequence in Gene Activation. — 2026, August 21. — UC San Diego Today.