北京时间2024年11月25日，西湖大学生命科学学院甄莹团队在Briefings in bioinformatics杂志在线发表了利用新方法研究鸟类语言学习能力分子机制的工作：“A versatile pipeline to identify convergently lost ancestral conserved fragments associated with convergent evolution of vocal learning”。

文章链接：https://doi.org/10.1093/bib/bbae614

在自然界，“鹦鹉学舌”的能力十分珍贵且稀少，其核心在于“学”。相比于与生俱来的发声模式，语言学习能力指的是新生个体通过模仿其他个体的音节和语调等元素，学习其发声方式的能力。

虽然自然界中有许多物种能发出独特的声音，但真正拥有语言学习能力的物种屈指可数。除了具有非常强的语言学习能力的人类外，仅有几种哺乳动物和三个鸟类支系的物种拥有这种能力，研究语言学习能力的遗传基础能帮助我们更好地理解语言学习能力的演化，对人类语言障碍相关疾病的发生原因和治疗有重要的意义。

在鸟类中，语言学习能力仅在三个独立的类群中被发现：雨燕目（Caprimulgiformes）中的蜂鸟科，鹦鹉目（Psittaciformes），和雀形目（Passeriformes）中的鸣禽。值得注意的是，这三类鸟并非近亲，亲缘关系较远，这说明它们的语言学习能力并不是从它们的共同祖先中继承而来，而是在各自的支系中独立演化而来的，因此，语言学习能力是一个经典的趋同演化的性状。

近年来，多个研究以鸟类为对象，探究语言学习能力的遗传机制，这些研究主要关注编码蛋白。甄莹团队在新发表的研究中开发了一种简单易行的新方法，可以同时筛选出基因组上的蛋白编码区和非编码区的分子趋同信号，以探究语言学习能力趋同演化可能的遗传机制。

基因组中拥有重要的生物学功能的序列即便经过长时间的演化，往往仍保持高度的保守性。这些通常是高度保守的基因组片段，若在个别物种中丢失或者快速演化则很可能会影响原有的功能。本研究首先用一种快速的算法在物种树基部不具有语言学习能力的鸟类物种中鉴定出基因组上的保守片段，随后在拥有语言学习能力的鸟类群中找到共同丢失的这些本应保守的片段，命名为CLAC（Convergently Lost Ancestral Conserved Fragments）（图1）。CLAC在单独类群中的丢失可能与该类群独特的演化历史相关，有一定的随机性。然而，在多个具有语言学习能力的鸟类支系中同时丢失，则有很大几率与语言学习能力相关。

图1 新方法简化流程图

团队研究人员在鸟的基因组中发现了2711个在多个有语言学习能力的鸟中共同丢失的CLAC，它们显著富集于基因组上的非蛋白编码区（图2）。在与它们相邻的1733个基因中，也包含了多个前期通过其他研究方法获得的与鸟或人语言学习能力相关的基因（图2C-D）。作为比较，以姐妹物种作为对照的相同分析仅能得到非常少的CLAC。从整体上看，这些基因在多个与大脑活动与神经系统相关的生物学过程以及细胞组分中富集（图2B），包括谷氨酸受体信号通路和轴突引导通路等，且在多个已知的与语言能力相关的脑组织中富集表达；还包含很多已知的在语言、学习、记忆中有重要功能的基因，例如轴突引导通路（Axon Guidance Pathways）中的基因ROBO1、SLIT2、GRIN1和GRIN2B等。有趣的是，大多数CLAC位于前期较少探索的非编码区域，也预示着位于非编码区域的调控元件在语言学习能力的进化中可能起着重要作用。

图2 CLAC的主要分类以及其关联基因的富集情况

以轴突引导通路中的基因ROBO1、ROBO2和SLIT2为例，它们分别包含或临近多个位于非蛋白编码区的CLAC。这些CLAC与多个ChIP-seq和ATAC-seq的信号峰相重叠，预示着它们对这些临近基因有着潜在的调控功能。轴突引导通路是指导神经元轴突生长和引导的分子信号途径，对神经网络的正确形成和功能、神经系统发育过程、大脑的可塑性、学习和获得新技能有重要作用。

此外，CLAC中也显著富集了多个基序（motif），这些基序与参与脑部神经发生和基因表达调控的转录因子所识别的基序相匹配（图3）。此外，考虑到人类独立进化出强大的语言学习能力，团队进一步将人类和鸟类共同纳入研究范围，并发现有少量保守片段在多个有语言学习能力的鸟类和人类中共同丢失，其临近的基因与轴突投射和神经发育障碍相关，这些候选CLAC可能与鸟类和人类语言学习能力的趋同演化相关。

图3 关键基因和信号通路中的CLAC

西湖大学生命科学学院特聘研究员甄莹为本文通讯作者，西湖大学博士研究生李潇怡为本文第一作者。课题受到了国家自然科学基金、浙江省自然科学基金、浙江省“尖兵领雁+X”研发攻关计划、西湖大学未来产业研究中心的资助和支持，项目得到了西湖大学高性能计算中心的支持和帮助。