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不相同。基因组决定着一种生物个体的全部遗传性状。一个物种基因组的DNA含量和基因数目是恒定的，该恒定值分别称为C值（C-value）和G值（G-value）。物种的C值和G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 paradox）、G值矛盾（G-value paradox）。

一、病毒基因组

病毒（virus）是一类以感染细胞为最重要特征的微生物。完整的病毒粒子由核酸和蛋白质构成。核酸包裹于内部，蛋白质则形成病毒衣壳和包膜，作用是保护核酸并协助其感染细胞。噬菌体（phage）也是病毒，是以细菌为宿主的病毒。

病毒没有独立的代谢系统，其唯一的生命活动是在感染细胞后可利用细胞代谢系统进行复制，形成新的病毒粒子。与其他生物相比，病毒基因组最小，并有以下基本特征。

1.所含核酸的种类、结构、数目不同　可能是DNA（如痘病毒）或RNA（如逆转录病毒），单链分子（如冠状病毒）或双链分子（如腺病毒），共价闭合环状结构（如T4噬菌体）或线性结构（如疱疹病毒）。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。逆转录病毒例外，有两个相同的单链RNA 分子。

2.基因组小　含3～250个单拷贝基因（逆转录病毒例外）。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长3182～3248bp，含4个基因（C、X、P、S）；痘病毒基因组DNA长130～230kb，约含250个基因。病毒基因数目比宿主少得多，几乎没有任何独立的生命活动，甚至依靠宿主细胞的代谢系统才能完成复制。

3.基因组基本上都是编码序列　编码序列长度占病毒基因组的95%，且编码产物均为蛋白质。

4.基因连续性不同　病毒基因的连续性与其宿主基因一致，即原核病毒（噬菌体）基因与原核基因一致，是连续的；真核病毒基因与真核基因一致，有些基因是断裂基因。

5.相关基因串联成一个转录单位　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1-13）。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mRNA前体，再通过选择性剪接（第二章，87页）加工成5种成熟mRNA，指导合成5种蛋白质（图3-1，74页）。

二、原核生物基因组

原核生物（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，因此其基因组所含基因数目多于病毒，但少于真核生物，并有以下基本特征。

1.单一共价闭合环状双链DNA　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，只是习惯上称为染色体。原核生物染色体在细胞内形成一个致密区域，称为原核或类核。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。耐辐射球菌例外，有4～10个DNA拷贝。

2.只有一个复制起点　相比之下，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%，非编码序列几乎都是调控序列，几乎不含重复序列。

4.几乎所有基因都是单拷贝　个别例外，如大肠杆菌rRNA基因有7个拷贝。

5.基因组所含基因数比病毒多　细菌有1700～7500个，较小的支原体也有近500个基因。

三、真核生物基因组

真核生物基因组最大，结构最复杂（表1-5），并有以下基本特征。

1.染色体DNA是线性分子　含三种特殊序列。

（1）复制起点：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：为真核生物所特有，是动粒结合位点，几乎不含蛋白基因，功能是参与染色体分配，即将姐妹染色单体均分给子细胞。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（含一种或几种5～10bp重复单位）。人着丝粒DNA又称α卫星DNA。

（3）端粒：为真核生物所特有，是染色体DNA的末端序列，功能是维持染色体DNA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两端，是一种富含T/G的短串联重复序列，不含蛋白基因。不同真核细胞端粒长短差异悬殊，某些纤毛原生动物端粒只有几十个碱基对，哺乳动物端粒则长达数万碱基对。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（人800～2400次），长度为3～30kb（人3～20kb），末端有几百个核苷酸的黏性末端，形成5～10kb的t环（第二章，48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，体细胞绝大多数是二倍体。

3.基因组序列中仅有不到10%是蛋白质编码序列　人类基因组蛋白质编码序列甚至不到2%（图1-15）。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，基因间序列，intergenic sequence）的非编码序列隔开。曾认为基因间区占人类基因组的2/3，现在发现这部分可能不到10%。许多基因间区的功能已经或正在阐明。

5.基因组序列中包含大量重复序列　每一种重复序列（repetitive sequence，重复DNA，repetitive DNA）都是一定拷贝数的某种核苷酸序列（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。

●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，范围2～107。

（1）高度重复序列：又称高等重复DNA，重复单位长度不到100bp（多数不到10bp），拷贝数可达107个，在哺乳动物基因组序列中占比不到10%（人类3%），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，特别是端粒和着丝粒区（酵母例外）。高度重复序列不编码蛋白质或RNA，其功能是参与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：又称中等重复DNA，重复单位长度可达102～103bp，拷贝数可达103个，占哺乳动物基因组序列的25%～50%（人类约50%），多数散在分布于基因组中，包括转座子、基因间区、串联重复序列、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）和个别蛋白基因（如组蛋白、肌动蛋白、角蛋白等）。

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

不同真核生物基因组中重复序列占比差异极大。大多数单细胞真核生物基因组中重复序列占比不到20%，动物基因组中重复序列占比可达50%，植物和两栖动物基因组中重复序列占比可达80%。

6.基因组中存在各种基因家族　基因家族成员有的形成基因簇，有的散在分布。

●基因簇（gene cluster）　又称基因复合物（gene complex），是指基因组中高度丛集甚至串联的两个或多个基因的总称，所含基因多为结构基因，编码产物的功能相互联系，例如可能是催化同一代谢途径不同反应步骤的酶。

7.基因组中含大量转座子　人类基因组序列中45%为转座子序列，不过其中绝大多数已因突变而失活，丧失转座能力。