IF50.5｜人类基因功能组：进化建模整合68,667条功能注释

用进化模型整合25年实验证据，覆盖82%人类蛋白编码基因，功能注释更准更全。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

人类基因组编码的蛋白质和非编码RNA执行着维持生命和疾病发生的各种功能。自2001年人类基因组草图发表以来，研究者一直致力于构建完整的人类基因功能目录。Gene Ontology (GO) 联盟通过收集超过175,000篇文献中的实验发现，建立了庞大的功能注释知识库。然而，这些原始注释存在冗余、偏倚和不完整的问题，且直接实验证据仅覆盖约67%的人类蛋白编码基因。此前基于蛋白家族或同源性的预测方法虽然扩展了覆盖范围，但缺乏对功能进化历史的显式建模，精度和深度有限。

科学问题

卡在哪里： 现有GO注释主要来自单篇文献的直接实验，冗余且不完整；基于同源性的推断方法未显式建模功能进化，无法区分不同功能特征的起源和丢失，导致注释精度不足。此外，缺乏一个整合所有实验证据、可追溯、非冗余的人类基因功能全集。

本文要回答： 利用显式进化建模整合所有可用的实验证据，构建一个尽可能完整、准确、可追溯的人类蛋白编码基因功能注释集，并分析其进化起源。

技术路线

作者主要用了：PANTHER系统发育树、PAINT进化建模工具、GO知识库、PAN-GO注释流程。

作者首先收集GO知识库中所有实验注释，然后利用PANTHER数据库的6,333个基因家族系统发育树，通过PAINT工具进行人工专家 curation。在每棵树上，curator 整合家族内所有物种的实验证据，选择最信息丰富且非冗余的GO术语，并重建每个功能特征在进化中的获得（root/gain）和丢失（loss）事件。最终，根据进化模型为每个现存人类基因推断其功能注释（IBA证据码），形成PAN-GO注释集。

图 1　Fig. 1。图1展示了PAINT工具界面和UAE家族进化模型。a部分聚焦ATG7分支，显示基因树、稀疏实验注释（绿色方块）和推断的功能获得事件。b部分展示整个UAE家族的分子功能进化模型，包括ATG7、MOCS3、UBA1/6/7等基因，清晰标注了硫酸转移酶活性的丢失和ATG12/ATG8激活酶活性的获得，以及UBA7从泛素激活酶向ISG15激活酶的转变。

核心亮点

亮点 1｜覆盖82%人类蛋白编码基因

PAN-GO注释集包含68,667条功能注释，覆盖17,079个人类蛋白编码基因，占UniProt共识基因集（20,851个）的81.9%。相比之下，此前人类基因组草图分析仅覆盖40-58%，当前GO直接实验注释覆盖67%。新增43,206条注释中，5,570条为更特异术语，37,636条为全新功能分支。可靠性估计在90-97%之间。

图 2　Fig. 2。图2的Venn图显示PAN-GO注释的证据来源重叠情况。黄色区域代表有直接人类实验证据的注释（25,997条），蓝色区域代表有模式生物实验证据的注释（约42,653条），红色区域代表有人类旁系同源实验证据的注释。蓝色区域几乎完全包含红色区域，表明模式生物数据是主要贡献者。62%的注释完全依赖同源推断。

亮点 2｜同源推断贡献近2倍注释

在68,667条PAN-GO注释中，仅25,997条（38%）有直接人类实验证据支持，其余42,670条（62%）通过进化树同源推断获得。其中21,098条仅由模式生物实验支持，无任何人类基因实验证据。小鼠数据支持约60%的注释，大肠杆菌支持约3%，表明远缘物种也能提供重要功能信息。

图 3　Fig. 3。图3展示人类基因功能景观。a部分按分子功能分类12,117个基因，显示调控功能（包括蛋白修饰、信号受体、GTP酶等）占近一半。b部分按生物过程分类13,982个基因，显示细胞水平过程（信号转导、转录调控、细胞分化、细胞骨架组织）涉及基因最多，而多细胞生物过程（发育、免疫、神经系统）涉及基因较少。

亮点 3｜调控功能占据分子功能半壁江山

对12,117个有分子功能注释的基因分析显示，近一半（5,882个）编码调控其他基因或蛋白活性的功能，包括蛋白激酶、蛋白酶、信号受体、配体、GTP酶、转录共调控因子等。这远超出此前仅关注DNA结合转录因子的认知，揭示人类蛋白质组中调控功能的显著优势。

图 4　Fig. 4。图4展示人类基因功能的进化时间分布。a部分显示功能特征起源时间分布，黑色柱表示基因整体功能的最新特征，灰色柱表示最古老特征。超过一半基因的最古老功能起源于动物多细胞化之前。b部分比较不同功能类别的进化时间，代谢功能最早，信号功能较晚，免疫系统功能主要在脊椎动物到哺乳动物期间出现。

亮点 4｜多数人类基因功能源自远古祖先

超过一半的人类蛋白编码基因继承了至少一个在动物多细胞化之前（>7.15亿年前）就已进化的功能特征，超过三分之一基因的整体功能自那时起未发生改变。功能创新高峰出现在真核生物起源、后生动物/两侧对称动物起源、脊椎动物/四足动物起源等时期。代谢功能普遍更古老，信号和免疫功能较晚出现。

亮点 5｜PAN-GO改善GO富集分析

与原始GO注释相比，PAN-GO注释集在每个基因上的数量更均匀，减少了高注释基因带来的偏倚。在已发表的案例研究中，使用PAN-GO进行富集分析比使用全部GO注释表现更好，避免了因冗余注释导致的假阳性富集。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： PANTHER系统发育树、PAINT进化建模工具、GO知识库、PAN-GO注释流程
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事基因功能分析、GO富集分析、进化基因组学或生物信息学资源开发的研究人员。

带走一句

做GO富集分析时，考虑用PAN-GO注释集替代原始GO注释，可减少冗余和高注释基因偏倚，获得更可靠的生物学解释。