在 Arabidopsis thaliana 中，基因表現受逾 1,900 種轉錄因子（TFs）調控，然而其活化結構域（activation domains, ADs）的存在、定位與功能仍鮮為人知。本研究透過酵母文庫策略，於蛋白質體層級鑑定 Arabidopsis 的 AD，發現超過半數 TFs 含有 AD，並註解出 1,553 個，其中大多為首次揭示。基於此數據集，研究人員建構神經網路模型，能精確預測 AD 並解析其驅動共活化子招募的序列特徵，進一步揭示六種具代表性的序列組合可賦予轉錄活化功能。此外，在古老的生長素反應因子（ARF）家族中亦鑑定出保守的 AD 定位。

此研究不僅建立了完整的 AD 資源與預測模型，也為探討轉錄活化與內在無序區域的功能提供關鍵框架。

轉錄因子（Transcription Factors, TFs）是發育調控及對環境刺激反應的核心元件。

它們的功能依賴於兩個基本能力：(1) 與特定 DNA 序列結合； (2) 招募轉錄共激活因子 (coactivators) 或共抑制因子 (corepressors)。

由於轉錄因子的 DNA 結合域 (DNA-binding domains, DBDs) 結構保守且明確，我們對其分子作用機制已有深入理解，且多項大規模研究已描繪了 TF 結合位點。然而，對於轉錄因子如何招募多樣化的共激活或共抑制複合體，其分子交互作用仍存在諸多未知，尤其是在植物中。

活化域（Activation Domains, ADs）是負責招募共激活複合體以促進轉錄的效應域。

ADs 通常位於蛋白質的天然無序區 (Intrinsically Disordered Regions, IDRs），缺乏明確的三維結構，且序列保守性低，這使得 AD 的研究極具挑戰性。由於缺乏有效識別方法，迄今僅少數植物轉錄因子的 AD 被注釋，限制了研究者對 TF 活性、基因調控網路重建及合成生物工具開發的進展。

此研究中，Nicholas Morffy 等人提出了一種基因組尺度的實驗方法 -  

植物活化域鑑定（Plant Activation Domain Identification, PADI），此高通量測試策略， 可直接鑑定植物轉錄因子的 AD。

同時，開發了基於深度學習的轉錄活化域活性網絡 (Transcriptional Activation Domain Activity, TADA)，以支援未來 AD 的預測與鑑定。

這些成果，結合基因編輯技術的持續發展與精進，將對合成型 AD 的設計產生革命性影響，使研究者能夠精準控制轉錄活化的強度與時機。

流式細胞儀分選技術在全基因組 AD 研究中的關鍵應用 

在 PADI 高通量實驗中，流式細胞儀（Flow Cytometry）尤其是 FANS（Fluorescence-Activated Nuclei Sorting）技術，為實驗帶來重要的影響力:

1. 高通量篩選與定量 : FANS 可在單核層級精確測定螢光信號，分析數十萬細胞或核，快速篩選出具有活性的 AD。

2. 解析異質性與分子特徵 : FANS 透過核層級分選與量化，能精確描繪 AD 活性分布，提供高解析度數據，用於深度學習模型（TADA）訓練。

3. 提高重現性與可比較性 : FANS 能標準化核分選條件，控制轉染效率、細胞大小及螢光增益，降低生物變異，提高跨實驗的數據可比性。

4. 支持大規模基因組研究 : PADI 實驗中，每個分選批次至少分析數十萬至數十萬個細胞或核，FANS 使得全基因組範圍內 AD 鑑定成為可能。

原始文章: https://www.nature.com/articles/s41586-024-07707-3

Citation: 

Morffy, Nicholas, et al. "Identification of plant transcriptional activation domains." Nature 632.8023 (2024): 166-173.