2026-09-28
MIT用Enformer在现代人、古人类与大猿个性化基因组上预测开放染色质，补充表给出人科获得7366个、丢失3699个谱系特异元件。
现代人相对大猿有数百万派生等位基因，真正可能改性状或疾病风险的只是一小撮，而且多数落在非编码调控区。以往找「人科特异调控」主要扫序列加速区，默认跑得快就等于功能在变。高影响但序列几乎没动的单点突变，会被这种扫描漏掉。
bioRxiv 全文 PDF 因站点限流未能取到，下面方法来自作者公开代码仓库，数量来自配套补充表。论文正文里的完整实验设定、统计检验和讨论，原文里还有，这里不编。
公开仓库把流程写清楚了。对现代人、古人类（archaic hominin）和大猿的个性化基因组做全基因组开放染色质预测，主干是 DeepMind 的序列到功能模型 Enformer；变异效应另用 AlphaGenome。预测信号经 MACS3 做峰检出，再在比对好的 35 路基因组上比较各谱系的可及性，标出 linCRE（lineage-specific cis-regulatory elements，谱系特异顺式调控元件）。下游用 GREAT 做功能富集，EpiMap 连预测靶基因，并用荧光素酶报告验证一批候选。突变解释走模型可解释性工具，用来点出「单个 motif 新生等位基因」。
这套做法的核心选择是：先让序列模型读个性化基因组，再比较功能预测，而不是先按序列加速做门槛。加速扫描看不见的、序列几乎没变的位点，因此有机会进来。
摘要给出的定性结论是：相对保守元件，linCRE 更短、更少多效、更不保守，并富集在神经发育通路；许多 linCRE 落在序列分歧很小、加速扫描会漏掉的区域；荧光素酶实验验证了谱系特异增强子活性，其中一个由模型点名的 motif 新生派生等位基因，就能驱动人科特异的神经发育增强子。
作者仓库补充表给出的元件计数如下（表本身是 BED 风格坐标列表，行数即条目数）：
| 类别 | 补充表 | 条目数 |
| 人科获得 HomininGain | TableS02 | 7366 |
| 人科丢失 HomininLoss | TableS03 | 3699 |
| 古人类获得 ArchaicGain | TableS04 | 76 |
| 古人类丢失 ArchaicLoss | TableS05 | 61 |
| 现代人获得 ModernGain | TableS06 | 88 |
| 现代人丢失 ModernLoss | TableS07 | 46 |
| 荧光素酶候选 | TableS13 | 15 |
人科分支上的获得/丢失比古人类或现代人特异集合大约高两个数量级。荧光素酶候选表列出了 CACNA1C、GRID1、GRIN3B 等预测靶基因。GREAT 原始表里不少条目校正后 p 值并不低，神经发育富集这一句目前只能停在摘要口径，不能从补充表单独坐实。
对做序列到功能模型和比较基因组的人，这篇把「功能预测差」当成进化扫描量，而不是把「序列跑得快」当成功能变了的代理。个性化基因组加 Enformer，能捞到加速区以外的候选。公开的 35 路比对、峰集和脚本足够别人复跑扫描。
没有全文数字之前，不宜把它写成已经把人类特异脑增强子机制讲透的工作。
全文 PDF 未取到，训练数据构成、差异可及性阈值、与 HAR/HAQER 等既有集合的重叠率、荧光素酶的效应量和细胞系，都还在未读原文里。Enformer 在跨物种个性化基因组上的校准误差会直接变成假阳性 linCRE。古人类基因组覆盖和污染、大猿参考质量，都会偏扫描。补充表计数不能代替论文对统计显著性和实验重复的陈述。