梨作為全球重要的經濟果樹，其果實品質直接影響市場價值。然而，梨果實發育過程中糖分積累、石細胞形成等關鍵性狀的調控機制長期未被系統解析。近日，科研團隊在《Journal of Integrative Plant Biology》發表突破性研究，首次構建了覆蓋4.5萬余個基因、包含315萬條調控關系的梨果實發育多組學整合網絡，為解析果實品質形成機制提供了全新視角。
研究團隊通過整合三維基因組、轉錄組、蛋白質組等六類數據，構建了層次分明的基因調控網絡體系。在共表達網絡層面，科研人員采用WGCNA、皮爾遜相關系數及GENIE3算法，對六個發育階段的轉錄組數據進行聯合分析，最終形成包含2.2萬個基因節點的高置信度網絡。該網絡特別識別出1,937個轉錄因子，為理解基因協同調控模式奠定基礎。非編碼RNA網絡則通過全轉錄組測序，揭示了2.57萬個節點構成的復雜調控關系，其中lncRNA與circRNA的參與為果實發育研究開辟新方向。
三維基因組分析帶來突破性發現。通過對盛花后15天果實的Hi-C測序，研究構建了包含1.1萬個節點的空間互作網絡，成功將基因組的物理鄰近關系轉化為可分析的調控網絡。更引人注目的是蛋白質互作網絡的構建策略：科研人員不僅整合了已發表的蛋白質組數據和擬南芥同源互作信息，還引入AlphaFold3預測的蛋白質三維結構數據，結合分子對接技術，識別出近20萬條高置信度互作關系。這種多維度驗證方法顯著提升了網絡預測的準確性。
新構建的整合網絡展現出強大的功能解析能力。在糖代謝調控研究中，網絡成功預測出PbrSnRK1β蛋白作為蔗糖水解關鍵調控因子。實驗驗證顯示，該蛋白與PbrvacInv5、PbrI15形成調控模塊，過表達實驗證實其能顯著提升果實和愈傷組織中的蔗糖水解效率。針對石細胞形成這一品質難題，網絡分析揭示了轉錄因子bHLH、MYB與非編碼RNA的協同調控機制，特別是PbrLAC5作為PbrNSC下游靶標的發現，與已知研究形成交叉驗證。
研究團隊開發的機器學習預測模型將網絡應用推向新高度。通過整合基因網絡拓撲特征和多組學定量數據，神經網絡模型在糖代謝和石細胞形成相關基因預測中分別達到0.81和0.88的AUC值。基于該模型篩選的506個高置信度基因中，9個基因的過表達實驗直接證實了其對可溶性糖含量的顯著影響，其中山梨醇脫氫酶同源基因Pbr032775.1的過表達使總糖含量提升達35%。
為促進數據共享，研究團隊創建了開放數據庫pearGRN（http://peargrn.njau.edu.cn）。該平臺集成六大獨立網絡和整合網絡數據，提供包括節點搜索、網絡比對、轉錄因子預測在內的12種分析工具。用戶可實時查看蛋白質三維結構，進行分子對接模擬，或利用"TraitConnect"工具預測基因與性狀的關聯性。數據庫上線三個月已吸引全球30余個國家的科研人員訪問使用，成為梨分子育種領域的重要基礎設施。
這項研究不僅深化了對果樹品質形成機制的理解，其構建的多組學整合策略和機器學習框架更為植物復雜性狀研究提供了可復制的范式。隨著更多物種數據納入，該網絡有望推動整個果樹學科的調控機制解析進入系統生物學時代。
