豆科（Fabaceae）是被子植物中的一个大科，生物多样性高，含多种重要的经济作物和可供生物固氮研究的模式植物。Cercis chinensis（紫荆）属于最早从豆科分化而来的紫荆亚科，对豆科的系统发育研究和新基因预测具有重要意义。

该研究组装了352.84 Mb的C. chinensis基因组，并成功挂载到7条染色体上，预测蛋白编码基因为30612个，与其他豆科植物基因组相比，C. chinensis没有发生特异的多倍化事件。系统发育分析表明，豆科植物许多基因家族具有谱系特异性，其中数十个基因是由基因间区进化而来的新基因，被认为是de novo originated新基因。它们与已形成的基因在CDS长度、外显子数量、GC含量和表达模式等方面存在显著差异，为豆科植物新基因进化研究提供重要的线索。

文章题目：The nearly complete assembly of Cercis chinensis genome and Fabaceae phylogenomic studies provide insights into new gene evolution

发表期刊：Plant Communications（IF＝8.625）

发表时间：2022.08.10

1、基因组测序组装和注释

以玉米和番茄为对照，通过流式细胞术检测，预估C. chinensis（紫荆）基因组大小约330-340 Mb，基于k-mer分析的结果，预估基因组杂合度为0.78%。使用PacBio HiFi测序，共获得39.28 Gb reads（~130.9×），结合Hi-C技术将组装好的contig挂载到7条伪染色体上，挂载率为94.1%，基因组组装大小为331.85 Mb。

结合转录组辅助注释、同源注释和从头注释的方法，共预测到30,612个蛋白编码基因，重复序列占全基因组50.28%，BUSCO评估为98.3%，表明C. chinensis基因组完整性较高。

图1 C. chinensis基因组概况

2、豆科植物基因家族扩张与复制

为研究豆科植物进化过程中的基因含量、潜在基因家族（GF）和大规模的基因复制（GD）事件，该研究对33个物种（含22个豆科植物和11个除豆科外的被子植物）基因组进行了比较基因组分析（图2C）。

本研究采用3种方法检测豆科不同谱系中可能发生的大规模GD事件，对33个物种基因组进行Tree2GD分析，发现大豆属的祖先（16,754 GDs）和蝶形花亚科的祖先（3,786 GDs）发生了2个多倍体化事件，而云实亚科的祖先仅检测到657 GDs（图2C）。共线性分析表明，C. chinensis没有发生近期的WGDs（图2A）。

共线性分析和Ks分析表明，C. chinensis最近发生了许多小规模的基因复制事件，而不是全基因组复制事件（图2B，D-F）。在C. chinensis基因组中，大部分block或基因在Coffea canephora中鉴定出单个同源拷贝，而在G. max中鉴定出4个同源拷贝，并经历了两轮多倍体化事件（图2A）。

图2 C. chinensis与其他被子植物基因复制鉴定的比较分析

3、de novo基因和其他基因的表达和结构模式

为了检测豆科祖先及其不同谱系分化后的DNGs（de novo originated new genes），将每个分支获得的所有HOG（Hierarchical Ortholog Groups）蛋白与NCBI NR数据库进行比对，数据库中忽略豆科植物的所有基因。对这33个基因组进行系统基因组分析发现，共有257个HOGs是de novo起源的，其中豆科的祖先发现了43个，蝶形花亚科的祖先发现了34个，大豆属的祖先发现了68个，远多于其他谱系（图3A），并在进化过程中发生了进一步的gain-and-loss事件。

通过对G. max不同进化枝上DNGs的比较（图3C）发现，DNGs基因结构相对简单，在进化过程中变得更加复杂。随后，作者比较G. max、S. tora和C. chinensis不同组织的转录组数据，进一步研究DNGs表达的组织特异性。发现DNGs在不同组织中表达水平相对较低，但显示出较高的组织特异性（图3I-K）。这些结果表明，DNGs最初在有限的组织中表达，但随着进化而广泛转录。

图3 豆科植物不同谱系的de novo基因检测

基因家族G. max（glyma . 07g2046001）的DNG在N端具有CLE结构域，暗示其可能参与了NIN转录调控的早期根瘤的形成。在Prunus persica和Castanea mollissima等外群物种中发现DNG是由真核祖先基因间区域的非编码序列与复制的CEL1片段合并产生的（图4）。由于在G. max和C. mollissima的组织中都发现了DNG的同源表达（图4C），表明DNG是通过“late ORF–early transcription”模式获得，并通过整合CLE结构域在豆科植物的结瘤调节中发挥重要作用。

图4 起源于蝶形花亚科祖先的de novo基因

此外，G. max的一个基因（glyma . 14g2124001）是在豆科的祖先种上新产生的，在物种多样化后也表现出来，如在C. chinensis基因组（evm.model.ctg8.1635）中发现了一个同源基因。此外，P. persica和C. mollissima上的DNG同源序列在所有选定的组织中都被转录（图5），提示DNG起源于先前研究提出的“late ORF–early transcription”模型。

图5 起源于豆科祖先的de novo基因

本研究获得了紫荆亚科分支Cercis chinensis（紫荆）的基因组组装，对豆科植物系统基因组学的研究起到了重要的促进作用。通过比较基因组研究发现，在蚕豆科植物物种多样化后，许多基因家族具有谱系特异性，在多倍体化的豆科植物谱系中发现了新的基因，为豆科植物新基因的进化模式研究提供了重要的线索，为植物系统基因组研究提供了有价值的资源。

参考文献：

Li J, et al. The nearly complete assembly of Cercis chinensis genome and Fabaceae phylogenomic studies provide insights into new gene evolution. Plant Commun. 2022.