第四节　基因组

每一种生物都有自己的基因组。不同生物的基因组从结构、大小到所携带的遗传信息量都有很大区别。基因组决定着一种生物个体的全部遗传性状。

一、C值矛盾

一种生物基因组的DNA含量是恒定的，该含量值称为C值（C-value，constant）。C值既可用质量（单位pg）表示，也可用长度（单位bp）表示。C值大小反映基因组的大小。不同物种的C值差异极大，随着生物的进化，生物体的结构和功能越来越复杂，所需基因产物的种类越来越多，因而所需的基因越来越多，其C值也越来越大；生物界每个门的最小C值与其个体形态复杂程度大致呈正相关。例如，在病毒和植物界的各类种群中，C值的变化与进化程度一致，其由低到高的顺序为：病毒→细菌→真菌→绿藻→苔藓→蕨类→种子植物。

然而，物种的C值与其遗传和形态复杂程度之间并无严格的对应关系，这种现象称为C值矛盾（C-value enigma）、C值悖理（C-value paradox）。C值矛盾体现在以下几方面。

1.真核生物基因组C值远超过其编码蛋白质所需的DNA量。例如，人类基因组C值为3.5pg，据推算，其基因组可容纳40万～60万个基因，但目前认为人类基因组只有不到2.5万个基因。

2.结构、功能相似的同类生物，甚至亲缘关系很近的生物，它们的C值可能相差数十倍甚至上百倍。例如，同是两栖动物，C值可以小到1pg以下，也可以大到100pg。

3.进化程度高的生物C值未必大。例如，C值最大的动物是一种埃塞俄比亚肺鱼（P.aethiopicus）（132.8pg），远大于人类的C值（3.5pg），但并不能说明肺鱼的结构、功能比人类更复杂，进化程度更高。

4.C值大的生物基因未必多。

对于真核生物基因组C值矛盾现象，目前的解释是真核生物的DNA序列大部分为非编码序列，特别是重复序列。例如，人类基因组DNA中只有不到2%为编码序列，其余都是非编码序列，其中很多序列的功能尚未阐明。此外，转录产物的选择性剪接也是哺乳动物复杂性的遗传基础。

二、病毒基因组

病毒（virus）是一类简单而特别的生命形式。完整的病毒颗粒由核酸和蛋白质构成。核酸包裹于病毒颗粒内部，蛋白质则形成病毒的衣壳和包膜，以保护核酸并协助其感染宿主细胞。噬菌体（phage）也是病毒，它以细菌为宿主。

病毒没有独立的代谢系统，其唯一的生命活动是在感染宿主细胞之后，可以利用宿主细胞的代谢系统进行复制，形成新的病毒颗粒。与原核生物、真核生物相比，病毒基因组最小，并有以下基本特征。

1.所含核酸的种类与结构不同　可能是DNA或RNA，可能是单链分子或双链分子，可能是闭环结构或线性结构。

2.所含核酸的分子数不同　DNA病毒基因组均为单一DNA分子。RNA病毒基因组多数为单一RNA分子，部分有多个不同的RNA分子。例如，流感病毒有8个单链RNA分子，呼肠孤病毒有10个双链RNA分子。

3.基因组小　仅含3～250个基因。RNA病毒的基因组都特别小，而DNA病毒的基因组大小差异较大。例如，乙型肝炎病毒基因组DNA只有3182～3248bp，含4个基因（C、X、P、S）；痘病毒（poxvirus）基因组DNA长达130～230kb，约含250个基因。病毒遗传信息量比其宿主细胞少得多，依靠宿主细胞的代谢系统才能完成复制。

4.基因组为单倍体并且所含基因为单拷贝　仅逆转录病毒基因组有两个RNA拷贝。

5.基因组序列基本上都是编码序列　编码序列长度占病毒基因组的95%，且编码产物都是蛋白质。

6.基因的连续性不同　病毒基因的连续性与其宿主细胞基因相似：原核病毒（噬菌体）基因与原核基因相似，是连续的；真核病毒基因与真核基因相似，有些是断裂基因。

7.相关基因串联成一个转录单位　例如，①ΦX174噬菌体的11个基因只有3个启动子（PA、PB、PD）和4个终止子（TJ、TF、TG、TH）（图1-11）。②腺病毒的5个晚期基因（late gene，L1～L5）由同一个启动子启动转录，指导合成1种RNA前体，再通过选择性剪接（第三章，84页）加工成5种成熟mRNA，指导合成5种蛋白质（图3-1，68页）。

三、原核生物基因组

原核生物（如细菌、支原体、衣原体、立克次体、螺旋体、放线菌）有完整的代谢系统，并且可调节代谢以适应营养状况和环境因素的变化。因此，原核生物基因组中基因的数目多于病毒，但少于真核生物，并有以下基本特征。

1.基因组DNA大多数为单一闭环双链分子　原核生物的DNA虽然结合有少量蛋白质，但并未形成典型的染色体结构，只是习惯上也称为染色体。染色体在细胞内形成一个致密区域，称为原核（prokaryon）、类核（nucleoid）。原核无核膜，其核心部分（20%）由RNA和支架蛋白构成，外周（80%）是基因组DNA。

2.基因组DNA只有一个复制起点　真核生物基因组DNA有多个复制起点。

3.基因组序列以编码序列为主　占85%～90%，非编码序列主要是一些调控元件。

4.基因组所含基因的数目比病毒多　细菌有1700～7500个，较小的支原体也有近500个基因。许多基因形成操纵子结构（第五章，120页）。

四、真核生物基因组

真核生物基因组比原核生物基因组还要大，结构更复杂（表1-5），并有以下基本特征。

1.染色体DNA是线性分子　含三种功能元件。

（1）复制起点（origin of replication，ori）　功能是启动DNA复制。每个染色体DNA分子都有多个复制起点，例如酵母每个染色体DNA分子平均有25个复制起点。

（2）着丝粒DNA（centromere，CEN）　为真核生物所特有，功能是将染色体均分给子细胞。酿酒酵母着丝粒DNA是约125bp的单一序列，而大多数真核生物着丝粒DNA是>40kb的高度重复序列，富含A-T。人着丝粒DNA又称α卫星DNA。着丝粒DNA几乎不含蛋白基因。

（3）端粒（telomere，TEL）　为真核生物所特有，功能是维持染色体结构的独立性和稳定性，参与DNA复制完成。端粒位于染色体DNA末端，是一种富含T/G的短串联重复序列，不含蛋白基因。例如，哺乳动物和其他脊椎动物端粒以TTAGGG为重复单位，串联重复500～5000次，长度为3～30kb（人的3～20kb），末端有10～102　nt的黏性末端，形成5～10kb的t环（第二章，46页）。

2.染色体DNA形成染色体结构　染色体数目一定，除了配子是单倍体外，体细胞一般是二倍体。

3.基因组序列中仅有不到10%是蛋白质编码序列　人类基因组甚至不到2%（图1-14）。编码序列在基因组序列中的比例是真核生物、原核生物和病毒基因组的重要区别，并且在一定程度上是衡量生物进化程度的标尺。

4.基因在基因组中散在分布　相邻基因被称为基因间区（intergenic region，又称基因间序列，intergenic sequence，占人类基因组的2/3。不过，目前看来，这部分可能不到10%）的非编码序列隔开。很多基因间区的功能尚未阐明。

5.基因组序列中包含大量重复序列重复序列（repetitive sequence）又称重复DNA（repetitive DNA）。每一种重复序列都是一定拷贝数（copy number，一个细胞内所含某种基因或DNA分子、序列的数目）的某种核苷酸序列（称为重复单位）的集合。重复序列可根据重复单位的连续性分为串联重复序列（tandem repeat）和散在重复序列（interspersed repeat sequence），也可根据重复程度分为高度重复序列、中度重复序列和单一序列。

（1）高度重复序列（highly repetitive sequence）　又称高度重复DNA（highly repetitive DNA），在基因组中呈串联重复或反向重复排列，且大部分位于异染色质区，特别是除酵母外的端粒和着丝粒区，重复单位长度不到100bp（通常不到10bp），拷贝数可达106个，占哺乳动物基因组序列的不到10%（人类3%）。高度重复序列不编码蛋白质或RNA，其已阐明的功能是参与DNA复制、DNA转座、基因表达调控和细胞分裂时的染色体配对，例如着丝粒DNA是富含A-T的高度重复序列。

（2）中度重复序列（moderately repetitive sequence）　又称中度重复DNA（moderately repetitive DNA），多数散在分布于基因组中，重复单位长度可达102～103　bp，拷贝数可达103个，占哺乳动物基因组序列的25%～50%（人类50%），包括一些基因间区、转座子、串联重复序列（如Alu序列和KpnⅠ序列）、蛋白基因内含子，也包括rRNA基因（100～5000个拷贝，例如人类基因组约有200个，分布在5条染色体上；爪蟾基因组约有600个，集中在1条染色体上）、tRNA基因（如人类基因组有497个）、5S rRNA基因（如人类基因组约有2000个）和某些蛋白基因（如组蛋白、肌动蛋白、角蛋白等）。

中度重复序列可分为长散在元件（long interspersed nuclear element，LINEs）和短散在元件（short interspersed nuclear element，SINEs）。

（3）单一序列（unique sequence）　又称单拷贝序列（single-copy sequence）、单一DNA　（unique DNA）、非重复DNA（nonrepetitive DNA），在整个基因组中只有一个或几个拷贝。哺乳动物基因组序列的50%～60%是单一序列。蛋白基因大部分属于单一序列，但只占其一小部分。

不同生物基因组中所含重复序列比例差异极大。原核生物基因组几乎不含重复序列，大多数单细胞真核生物基因组含中度重复序列不到20%，动物基因组所含中度和高度重复序列可达50%，植物和两栖动物基因组所含中度和高度重复序列可达80%。

一个细胞含许多mtDNA拷贝，因此mtDNA属于重复序列。

6.基因组中存在各种基因家族　基因家族成员或形成基因簇，或散在分布。

7.基因组中含大量转座子　如人类基因组序列中45%为转座子序列，不过其中绝大多数因存在缺陷而不能转座。