梨作为全球重要的经济果树，其果实品质直接影响市场价值。然而，梨果实发育过程中糖分积累、石细胞形成等关键性状的调控机制长期未被系统解析。近日，科研团队在《Journal of Integrative Plant Biology》发表突破性研究，首次构建了覆盖4.5万余个基因、包含315万条调控关系的梨果实发育多组学整合网络，为解析果实品质形成机制提供了全新视角。
研究团队通过整合三维基因组、转录组、蛋白质组等六类数据，构建了层次分明的基因调控网络体系。在共表达网络层面，科研人员采用WGCNA、皮尔逊相关系数及GENIE3算法，对六个发育阶段的转录组数据进行联合分析，最终形成包含2.2万个基因节点的高置信度网络。该网络特别识别出1,937个转录因子，为理解基因协同调控模式奠定基础。非编码RNA网络则通过全转录组测序，揭示了2.57万个节点构成的复杂调控关系，其中lncRNA与circRNA的参与为果实发育研究开辟新方向。
三维基因组分析带来突破性发现。通过对盛花后15天果实的Hi-C测序，研究构建了包含1.1万个节点的空间互作网络，成功将基因组的物理邻近关系转化为可分析的调控网络。更引人注目的是蛋白质互作网络的构建策略：科研人员不仅整合了已发表的蛋白质组数据和拟南芥同源互作信息，还引入AlphaFold3预测的蛋白质三维结构数据，结合分子对接技术，识别出近20万条高置信度互作关系。这种多维度验证方法显著提升了网络预测的准确性。
新构建的整合网络展现出强大的功能解析能力。在糖代谢调控研究中，网络成功预测出PbrSnRK1β蛋白作为蔗糖水解关键调控因子。实验验证显示，该蛋白与PbrvacInv5、PbrI15形成调控模块，过表达实验证实其能显著提升果实和愈伤组织中的蔗糖水解效率。针对石细胞形成这一品质难题，网络分析揭示了转录因子bHLH、MYB与非编码RNA的协同调控机制，特别是PbrLAC5作为PbrNSC下游靶标的发现，与已知研究形成交叉验证。
研究团队开发的机器学习预测模型将网络应用推向新高度。通过整合基因网络拓扑特征和多组学定量数据，神经网络模型在糖代谢和石细胞形成相关基因预测中分别达到0.81和0.88的AUC值。基于该模型筛选的506个高置信度基因中，9个基因的过表达实验直接证实了其对可溶性糖含量的显著影响，其中山梨醇脱氢酶同源基因Pbr032775.1的过表达使总糖含量提升达35%。
为促进数据共享，研究团队创建了开放数据库pearGRN（http://peargrn.njau.edu.cn）。该平台集成六大独立网络和整合网络数据，提供包括节点搜索、网络比对、转录因子预测在内的12种分析工具。用户可实时查看蛋白质三维结构，进行分子对接模拟，或利用"TraitConnect"工具预测基因与性状的关联性。数据库上线三个月已吸引全球30余个国家的科研人员访问使用，成为梨分子育种领域的重要基础设施。
这项研究不仅深化了对果树品质形成机制的理解，其构建的多组学整合策略和机器学习框架更为植物复杂性状研究提供了可复制的范式。随着更多物种数据纳入，该网络有望推动整个果树学科的调控机制解析进入系统生物学时代。
