橄榄短串联重复不再只当标记：三个植物基因组模型对同一批位点给出可重复的嵌入响应
核心概要
橄榄的短串联重复（STR，重复单元拷贝数可变的片段）此前主要靠少量微卫星标记来读，全基因组层面的变异与解读都缺。对212份伊朗与地中海橄榄种质，研究编出117,119个多态STR位点，并把天然等位系列送入AgroNT、PlantCAD2和GPN三个植物基因组语言模型，测量重复长度偏离参考等位时嵌入向量的位移。在62,847个位点上，三个模型各自筛出的敏感位点有7,417个重合，且多数位点上STR的响应超过长度匹配的非重复插入缺失。
深度剖析
橄榄的重复变异现在有了全基因组尺度的清单，而不只是几十个微卫星标记。 此前橄榄的STR研究依赖只覆盖少量选定位点的微卫星面板，全基因组STR变异在橄榄中刻画不足。 对212份伊朗与地中海橄榄种质的全基因组测序数据做STR分型，质控后保留117,119个多态位点，其中65,095个位于染色体上，密度为每兆碱基125.0个。
重复长度偏离参考等位越多，三个植物基因组语言模型的序列嵌入偏得越远，说明模型把重复长度读成了渐变而非有或无。 这些模型此前多用核苷酸替换、常规插入缺失或下游注释任务来评估，对天然多等位STR长度系列没有系统检验。 在62,847个至少有三个非参考重复长度的位点上，L2距离随长度差上升的斜率为正的比例分别是AgroNT 98.1%、PlantCAD2 98.8%、GPN 96.5%。
三个独立训练的模型在哪些位点敏感上高度一致，但在敏感幅度上各说各话。 单一模型检出的扰动可能只是该架构的特性，而非序列本身的性质。 三个模型在FDR<0.05下共同检出7,417个位点，两两Jaccard指数为0.66、0.61、0.62，重叠至少是独立假设期望的四倍；而标准化斜率幅度的Pearson相关只有0.047到0.167。
把嵌入证据与油脂酸性状关联叠在一起，可以把候选位点收窄到少数几个。 关联分析单独给出的是与表型共变的位点，无法区分哪些重复变化被序列模型稳定识别。 68个表型关联STR中有46个满足三模型嵌入分析的等位计数要求，其中10个至少被一个模型支持，4个在三个模型中均敏感，但这4个都未通过逐性状的Bonferroni阈值。
启示与展望
结果建立在212份伊朗与地中海橄榄种质的短读长测序、OLEA9单一线性参考基因组和三个未在橄榄上专门训练的植物基因组模型之上；油脂性状分析覆盖140份有表型记录的种质。
跨模型一致的4个候选位点均未通过逐性状Bonferroni阈值，关联与嵌入被定位为两条互补证据而非因果证明；短读长对长、间断和结构复杂的重复分型仍困难，单一线性参考可能带来比对与参考等位偏倚；模型未在橄榄序列上训练，零样本嵌入也没有表达、染色质或生化测量相伴。