第三章 基因组的结构与功能

第三章基因组的结构与功能问题1.什么是基因组？不同物种基因组的组成、结构和功能有何不同？2.什么是基因组计划？基因组计划应用了哪些遗传学原理？3.后基因组时代的遗传研究方法和领域有哪些？4.讨论：4.1基因组信息是否应该公开？4.2你对基因组的起源和进化有何认识？第一节

基因组概论基因组研究的关键问题是它到底含有多少基因。我们可以从4个水平来考察基因的总数目，而这4个水平对应于基因表达的4个连续过程：基因组（genome）转录组（transcriptome）蛋白质组（proteome）蛋白质组合体一基因组概念基因组概念基因组genome真核生物中单倍体细胞中所含的整套染色体。一个物种的单倍体染色体组所含有的一整套基因。整套染色体所包含的DNA分子以及DNA分子所携带的全部遗传指令。基因组概念基因组genome细胞中所有遗传物质（通常是DNA）的总和，包括基因序列和基因间序列。每种生物都携带特定的基因组序列，基因组包含了构成和维持该生物体生命形式与生命活动所需的全部遗传信息。DNA基因组RNA基因组核基因组线粒体基因组叶绿体基因组基因组学

genomics病毒是非细胞型的微生物，结构简单，体积微小，只含有一种类型的核酸（DNA或RNA），缺乏完整的酶和能量系统，依靠自身的核酸指导和利用活细胞宿主的合成装置进行复制和表达。病毒基因组的大部分是用来编码蛋白质的，只有非常小的一份不被翻译二病毒基因组流感的启示……流行时间发源地流行病毒流行地区死亡人数1918年-1919年美国/法国H1N1三元重组病毒全球全球4000万-1亿25%美国人感染1957年中国H2N2二元重组病毒全球全球100万（美国6.98万）1968年香港H3N2二元重组病毒全球美国3.38万SARS和甲型H1N1流行时间发源地流行病毒流行地区病死率2003年中国H5N1高致病性禽流感亚洲61%2009年北美H1N1三元重组病毒全球1.22%两个问题：为什么如此猖狂和可怖的流感病毒不能像天花病毒一样被“消灭”？为什么不能通过接种疫苗进行有效的预防？为什么每一次大流行的流感病毒的类型都不一样？解答频繁爆发的流感流行

流感病毒基因组—

结构RNA病毒，编码两类蛋白质：核蛋白（RNA聚合酶和核衣壳蛋白）和表面蛋白；按照核蛋白分类：甲、乙、丙型流感；按照表面蛋白分亚型（H&N）：

H为血凝素抗原(Haemagglutinin)，帮助病毒粘住和进入细胞，然后进行复制,H至少有15种亚型，其中H5和H7的致病性最高。N为神经氨酸抗原(Neuraminidase)，进入宿主细胞后控制细胞裂解，使病毒在宿主体内自由传播，有9种亚型。解答频繁爆发的流感流行

流感病毒基因组—

变异1）基因重组

由于流感病毒的基因序列是以独立的片段存在于病毒体内，因此当不同病毒感染同一宿主细胞时，容易发生染色体的交换和重组，发生变异。（H1N1*H5N1;H1N1*H1N2）。2）抗原漂变

RNA病毒基因组中没有复制校正系统，因此基因组的突变压力较小，流感病毒随时有进一步突变的可能。流感病毒基因组测序的发现2009年3月起源于墨西哥和美国的甲型H1N1流感，为A型流感病毒，属于H1N1亚型流感病毒毒株。H1N1为单股RNA病毒，基因组13.6kb，含8个独立的基因片段，分别编码RNA聚合酶PB1，聚合酶PA，PB1-F2和PB2，基质蛋白M1和M2，非结构蛋白NS1和2，核衣壳蛋白NP，凝血酶素HA和神经氨酸NA。PB1来自人的H3N2PB2和PA来自于禽的H5N1HA,NP和NS来自北美猪的H1N1；NA和MP来自欧洲猪的H1N1新H1N1毒株基因重组认识病毒基因组的重大意义１）临床疫情诊断２）分子流行病学研究３）合理科学的防治监控４）制备有效的抗病毒疫苗

病毒基因组6类：双链DNA病毒基因组单链DNA病毒基因组正链RNA病毒基因组负链RNA病毒基因组双链RNA病毒基因组反转录病毒基因组病毒基因组－1双链DNA病毒基因组双链线状：疱疹病毒，痘病毒，虹彩病毒，腺病毒特殊结构：疱疹病毒，虹彩病毒有末端冗余序列，可自5’端外切，产生粘末端并形成环状；腺病毒有末端反向重复序列，可形成柄环状分子。复制表达：利用宿主核内依赖DNA的RNA聚合酶转录早期mRNA；再在细胞质的核糖体上翻译早期蛋白，以合成子代DNA分子；以子代DNA分子为模板，转录晚期mRNA；再在核糖体上翻译病毒结构蛋白。（半保留复制）病毒基因组－2单链DNA病毒基因组动物DNA病毒中的细小病毒科特殊结构：5’端和3’端均有回文序列，可形成发夹结构；能产生两种不同极性的单链DNA，或正或负的同种病毒能够退火形成双链DNA。复制表达：依赖宿主DNA聚合酶。如：Φχ174噬菌体Φχ174是一种小噬菌体，含有一个环状单链DNA分子，称为正链，感染宿主细胞后，先复制形成负链从而形成双链复制型（RF）DNA分子，其后进行复制直到20－50个左右的RF，然后以RF为模板合成正链φχ174分子。＋＋－＋－＋病毒基因组－3正链RNA病毒基因组均为线状分子，具mRNA活性。复制表达：黄病毒科，小RNA病毒科以+RNA为模板合成-RNA，再以-RNA合成新+RNA的。SARS冠状病毒SARScoronavirus

包膜蛋白膜蛋白核衣壳蛋白刺突蛋白

病毒RNA聚合酶

单股正链RNA、不分节段，

5′端有甲基化帽，

3′端有poly(A)结构。

脊髓灰质炎病毒、鼻病毒、多数RNA噬菌体、冠状病毒病毒基因组－4负链RNA病毒基因组有包膜，如，副黏病毒科，正黏病毒科。丝状病毒科含有依赖RNA的RNA聚合酶。复制表达：在酶的作用下，首先转录出互补的+RNA，形成复制型RNA，再以其正链RNA为模板，转录出互补的子代-RNA,同时翻译出病毒结构蛋白和酶。.

禽流感病毒(H5N1)

avianinfluenzaAvirus8节段-ssRNA血凝素（HA）神经氨酸酶（N)病毒基因组－5双链RNA病毒基因组如呼肠弧病毒科在依赖RNA的RNA聚合酶的作用下转录mRNA，再翻译蛋白质。复制表达：负链复制出正链，正链再复制出新负链，其子代RNA全部为新合成的RNA。病毒基因组－6反转录病毒基因组反转录病毒科反转录病毒为正链RNA病毒，无mRNA的翻译模板活性，缺少侵染性。需在逆转录酶的作用下首先将RNA转变为cDNA，新合成的cDNA环化后整合插入宿主的核DNA中，随宿主DNA复制、转录、翻译达到扩增目的的一类病毒。有三个基本的结构基因

白血病病毒、肉瘤病毒、

人类免疫缺陷病毒

5′端有甲基化帽，3′端有poly(A)，

另有多个基因表达调控位点。三个结构蛋白基因：gag-编码病毒衣壳、基质等结构蛋白的基因；pol-编码逆转录酶(p66/p55)、蛋白水解酶和整合酶；env-编码gpl20和gp41两种包膜糖蛋白。有的逆转录病毒还带有癌基因（onc），即有的逆转录病毒有致癌作用。反转录病毒基因组的结构与功能HIV

艾滋病，既获得性免疫缺陷综合症（AIDS），是由人类免疫缺陷病毒（HIV）引起的一种免疫缺陷性疾病。到2002年6月底全球已有6000万人感染了HIV，其中2000万人已被艾滋病夺去生命，艾滋病正已每天1.4万人受感染的速度扩大流行，目前该病尚无法治愈，也无有效疫苗。截止到2003底我国HIV感染者已近84万，进入了快速增长期。

2009-8-6：据英国广播公司BBC报道，美国科学家们宣布HIV病毒的基因组结构已经被完全破解。这项研究的成果已经被刊登在《自然》杂志上，供人们进一步审视潜藏在HIV病毒内部的信息。HIV可以分为HIV-1及HIV-2。欧美白人的爱滋病毒大多属於HIV-1；非洲黑人以HIV-2占大多数。HIV-1的基因组共有9718nt，与其它逆转录病毒不同，除了通常的gag，pol和env基因外，基因组中还存在6个其它基因，这些基因都比较小，分别通过一组经过剪切的mRNA表达，从而使HIV对被感染细胞比其它逆转录病毒具有更强的损伤。病毒基因组中特征序列的结构与功能重叠基因（overlappinggene）：共有同一段DNA序列的两个或多个基因称为重叠基因。末端丰余（terminalredundancy）：又叫末端冗余，也称为末端同向重复序列。循环排列（circularpermutation）：指一些病毒基因组的线状双链DNA具有相同的基因顺序，但若以不同的核苷酸为起点进行排列，可以产生末端序列互不相同的线状分子。回文序列（palindrome，；palindromicsequence）、粘性末端（stickyend，cohesiveend，cohesiveterminus），帽子和poly（A）LTR（longterminalrepeat）一般反转录病毒的原病毒DNA都是由两个主要部分组成的，即长度达数千碱基对的中间区，及其两侧的长末端重复序列(longterminalrepeats，LTR)。这两段5’-LTR和3’-LTR各长数百个碱基对，呈同向排列，它是由病毒RNA分子5’-末端的r-u5序列和3’-末端的u3-r序列结合而成的。所以原病毒DNA的长度超过了它的病毒RNA链。5’-LTR含有转录起始信号，使整个基因组转录成一个全长的RNA分子；而3’-LTR则含有一个使病毒RNA转录为多聚腺苷酸化的信号。反转录病毒的DNA插入宿主细胞染色体时，在5’LTR的U3左端和3’端LTR的U5右端各丢失2bp，而在宿主染色体插入位点上生成4～6bp的重复序列。反转录病毒的DNA基因组整合在宿主染色体上的位点是随机的。每个受感染的细胞一般有1～10份前病毒拷贝。反转录病毒DNA的整合是复制病毒RNA的必经阶段。只有当受感染细胞处于细胞分裂期间，反转录病毒DNA基因组才能接触到宿主细胞的遗传物质。因此，反转录病毒只能在分裂中的细胞内复制。原病毒的整合作用与噬菌体DNA的不同。噬菌体DNA整合的结果，它的DNA序列既没有丧失也没有增多；而原病毒在整合过程中，其末端序列有少量的丧失，又有大片段的LTRDNA的重复，发生了微妙重排，但它的遗传信息量即编码区序列并没有丧失。整合在寄主细胞染色体DNA上的原病毒基因组DNA，其两端的LTR序列，都是由一个称为U3-R-U5组件盒的特殊结构组成的。LTR序列事实上是一种完整的调节区，含有反转录病毒DNA基因组表达活性所需要的全部调节元件。原病毒DNA的表达与肿瘤的诱发有的逆转录病毒还带有癌基因（onc），即有的逆转录病毒有致癌作用。

细胞的转化是一种叫做onc的肿瘤基因引起的。在劳斯肉瘤病毒RNA基因组中，这个额外的肿瘤式基因叫做src，它能使RSV感染的动物诱发产生肉瘤。

自然界中还有另一类不具备复制能力的反转录病毒。它的DNA中有一段大的缺失，是由细胞DNA序列所取代。当这类复制缺陷的反转录病毒同具有复制能力的病毒混合培养时，由于后者提供了它所缺少的蛋白质和酶分子，因此也能够进行增殖。我们称这种能够给缺陷性载体病毒提供产瘤特性的细胞DNA序列叫做肿瘤基因。现已鉴定出大量的细胞基因，移放到反转录病毒基因组上，就表现出肿瘤基因的功能。这些事实说明，反转录病毒的基因组能够承载真核基因组DNA，而且获得这类DNA序列的缺陷性病毒，通过辅助病毒的互补作用，便能正常地增殖。这种特性是发展反转录病毒作为基因克隆载体的重要依据。反转录病毒－基因载体缺失编码病毒外壳蛋白基因的逆转录病毒，去感染某种含有辅助病毒的细胞株（合成蛋白外壳，但缺失了识别蛋白外壳进行包装的信号，因此它不能包装成病毒颗粒），逆转录病毒的RNA进入辅助病毒的外壳蛋白，成为病毒颗粒，把受感染的细胞同骨髓细胞一起培养，包装在辅助病毒外壳蛋白中的逆转录病毒RNA，进入骨髓细胞，病毒DNA插入宿主细胞基因组，基因的活性得到表达。由于骨髓细胞里面没有辅助病毒，所以整合进宿主基因组的逆转录病毒，不再有外壳蛋白可供包装，因此也就无法增殖，而只能被“陷”在宿主基因组中，通过细胞分裂而传给下一代子细胞问题反转录病毒的整合作用与噬菌体DNA整合有何不同？请解释U3-R-U5组件盒及其功能。三原核生物基因组细菌染色体DNA质粒DNA以大肠杆菌（Escherichiacoli）为例类核（nucleoid）：细菌染色体在

细胞内形成的一个致密区域大肠杆菌细胞结构nucleoid质粒plasmid大肠杆菌染色体结构

蛋白质核心超螺旋DNA环

由一条环状双链DNA分子组成，

通常只有一个DNA复制起点。C-Value:4.6×106bp大肠杆菌染色体DNA大肠杆菌4000K3000K2000K1000K0OriCTerC(二)结构基因大多组成操纵子乳糖操纵子

lacoperontayz

opstructural

genepromoterterminatoroperatorß-galactosidase半乳糖苷酶zß-galactosidepermease半乳糖苷透过酶y

ß-galactosidetransacetylase半乳糖苷乙酰转移酶a

多个功能相关的结构基因成簇串联排列，与上游共同的调控区和下游转录终止信号组成的基因表达单位。操纵子operon:其它结构特点

C

值：4,639,221bp基因数：4288基因大小：950bp/gene基因间隔：118bp/２gene1.基因密度非常高，编码区在

基因组中所占比例大；2.结构基因没有内含子，多为

单拷贝，rRNA基因为多拷贝；3.重复序列很少，重复片段为

转座子；

50kb四真核生物基因组染色体DNA线粒体DNA真核生物基因组组装方式异染色质：碱性染料染色时着色较深的染色质组分组成型异染色质：所有细胞中均有的一种持久性结构，不含任何基因，总是保持致密的组成状态。除复制期以外，在整个细胞周期均处于聚缩状态，形成多个染色中心，如着丝粒和端粒、Y染色体大部分区域兼性异染色质：非持久性的异染色质，在某些细胞类型或一定的发育阶段,原来的常染色质聚缩,并丧失基因转录活性,变为异染色质，异染色质化可能是关闭基因活性的一种途径异染色质结构紧密，使控制基因表达的蛋白无法接近常染色质：指间期核内染色质纤维折叠压缩程度低,处于伸展状态,用碱性染料染色时着色浅的那些染色质。常染色质状态只是基因转录的必要条件而非充分条件

核型（karyotype）：即细胞分裂中期染色体按照大小与着丝粒的位置依次排列，组成的每种生物特有的染色体组图像带型（bandingpattern）：某些染料与中期染色体特异性结合使染色体不同部位产生着色差异。Q带：喹丫因染色G带：温和蛋白酶处理后吉姆萨染色。右G带图显示，深着色区与浅着色区相间分布，表明染色质的组成是非均一性R带：加热的碱性溶液处理人类基因组23对染色体，约30亿对核苷酸，编码4约万个基因，携带了有关人类个体生长发育、生老病死的全部遗传信息。第二节基因组结构一、基因组大小：（单倍体）基因组的DNA总量是活生物的一个重要特征，我们称它为C值（C-value），即一个单倍体基因组的全部DNA含量从小于106bp的支原体到大于1011bp的植物和两栖动物，不同生物的C值变化很大。对于特定物种，C值是恒定的。图3.5概括了不同门类生物的C值变化范围。随着生物复杂度的增加，最小基因组的大小也随着增加，但当高等真核生物的DNA总量增加时，我们看到其中一些生物门类的基因组大小也有广泛的变化。图3.6绘出了每一门类中的一个成员所需要的最小DNA总量，它暗示了组成较复杂的原核生物和较低等的真核生物所需要的最小基因组大小。酵母的基因组约为1.3X107bp,并不比最大的细菌基因组大多少。因此，成为真核生物并不意味着基因组要比原核生物的要大很多。图3.7列出了一些最普遍应用的模式生物的基因组。图中可以看出随着生物复杂性的增加，基因组的大小也稳定增加。但从两栖类之后的高等生物，基因组的大小与生物形态上的复杂性就没有必然的联系了。C值悖论在每一种生物中其单倍体基因组的DNA总量是特异的，被称为C值（CValue）。生物的C值（或基因组大小）并不与生物复杂程度相关的现象称作C值悖论。例如如变形虫的C值是人的200倍。爪蟾的基因组大小与人类相同。为什么自然选择会允许这种变化，这种变化是否对它们的进化产生影响？我们知道基因要比编码蛋白质所需要的序列大许多，因为外显子（编码区域）只是基因全长的一小部分，这就解释了为什么需要更多的DNA，用来为有机体的所有蛋白质提供读框。断裂基因的大部分序列可能跟蛋白质编码没关系，而且在基因之间可能也有相当长的非编码区域。因此，不可能从基因组总的大小来推断基因的数目。通过分析古细菌和独立生存的最小细菌的基因组，我们鉴定能独立生活的细胞所需要的最小基因数目。最小的古细菌基因组约有1500条基因。具有最小基因组并独立生活的细菌是喜温生物Aquifexaeolicus，它有1.5Mb大小的基因组和1512条基因；一种“典型”的革兰氏阴性细菌流感嗜血杆菌有1743条基因，每条基因的大小约为900bp。由此，我们得出这样一个结论：构成一个独立生活的生物所必需的基因约为1500条。我们观察真核生物的基因组，我们发现基因组的大小与基因数目之间的相关性丧失了。单细胞真核生物的基因组与最大的细菌基因组的大小差不多，高等真核生物有更多的基因，但是它们的基因数目与它们的基因组大小是不对称的，这一点可以从图3.12中看出。G值悖论物种的基因数与其复杂性也没有明显的相关性，称为G值悖论。例如，人和拟南芥的基因数分别是30,000和25,000。由于一些基因以多拷贝形式存在，或者与其他基因是同源的，所以不同种类的基因数目小于物种的总体基因数目。我们能够把物种的基因分成许多小类，每一类的基因是相关的，这可以通过比较它们的外显子而得出。基因种类的数目通常是基因家族数目加上独特基因数目而推算出来的。如果每一条基因都表达，那么基因总数将与组成有机体所需要的蛋白质总数是对等的。但是，两个方面的原因使得蛋白质总数与基因总数是不同的：由于基因是多拷贝的，一些基因编码相同的蛋白质，还有一些编码相关蛋白质，这些相关蛋白质也是在不同时期或不同位置起相同作用；另外由于一些基因可以通过可变剪接产生多种蛋白质，因此，蛋白质总数可能比基因总数要大得多。有多少基因是所有物种（或群体或真核生物等）所共有的呢？又有多少事某一物种所特有的呢？图3.17对酵母，线虫和果蝇的基因组进行了比较，在不同物种中，编码功能相同的蛋白质的基因称为直向同源基因（ortholog）。为方便，如果在两个不同物种中两条基因的序列相似性达80%以上，我们就认为它们是编码相同功能的蛋白质。用这个规则去衡量，约20%的果蝇基因在酵母和线虫中存在直向同源基因，这些基因也许是所有真核生物所需要的。如果对果蝇和线虫进行比较，我们会发现多达30%的基因属于直向同源基因，这些多出的10%的基因也许是多细胞动物所共有的。这使得剩下的大部分编码蛋白质的基因分别是果蝇或线虫所特有的基因。MCB,Figure4-17,图解人类基因组核苷酸序列的结构组成

二、基因组组成相关概念人类基因组3000Mb基因外序列2100Mb基因和基因相关序列900Mb编码序列90Mb非编码序列810Mb假基因内含子前导区，尾区重复序列420Mb单拷贝和低拷贝序列1680Mb串联重复散在重复卫星DNA微卫星DNA小卫星DNALTR元件SINELINEDNA转座子人类22号染色体A)48Mb,全基因组的1.5%；B)长臂部分取1/10放大10倍，大约包括40个基因；C)B图继续放大10倍，可见四个基因；D)一个基因的完整序列：包括上游调控元件，外显子和内含子等；可以成功地转译出一个有功能的蛋白。一段基因序列的基本组成：外显子和内含子，开放阅读框，启动子，CpG岛断裂基因被内含子间隔的基因序列，真核生物绝大多数基因的表现形式。1978年Gilbert创立了内含子(intron)和外显子(exon)两个名词，内含子是指在成熟的mRNA中不出现的序列，而外显子是指在成熟的mRNA中出现的编码序列。发现历史：法国科学家Chambon：鸡的输卵管细胞和红细胞的Southern杂交试验。1977年美国的Sharp和Roberts同时发现了内含子，提出了断裂基因的概念。Splitgene1978年Gilbort创用了内含子(intro)和外显子(exon)两个名词。内含子是指在成熟的mRNA中不出现的序列Exon是指在成熟的mRNA中出现的编码序列。ORF开放阅读框（OpenReadingFrame）：位于起始密码子ATG与终止密码子（TAA,TAG,TGA）之间，被翻译成蛋白质的遗传序列。前导片段和后随片段：ORF上、下游的非编码序列。…………对于任何给定的核酸序列（单链DNA或mRNA），根据密码子的起始位置，可以按照三种方式进行解释。例如，序列ATTCGATCGCAA这三种阅读顺序称为阅读框（readingframes）CAAAATTCGATCGATTCGATCGCAAATTCGATCGCA（1）（3）（2）一个开放阅读框（ORF,openreadingframe）是一个没有终止编码的密码子序列。Promoter启动子（promoter）：基因序列上游专一地与RNA聚合酶结合,启动转录的DNA元件，决定转录的起始位置和效率。具有一定的保守序列，受到多种转录因子的调节。核心启动子元件（TATA盒，BRE序列，Inr序列，DPE序列）和上游启动子元件（CAAT盒和GC盒、以及距转录起始点更远的上游元件）CpGislandCpG岛：CpG岛是指哺乳类生物基因组中长度为0.5～4kb的一段富含CpG二核苷酸成分的DNA序列,几乎都位于基因的启动子区。CG含量高于基因组平均水平，一般大于50%。哺乳类基因组中至少一半基因的启动子区存在CpG岛，筛查CpG岛对识别基因序列有重要意义。CpG岛的甲基化水平是调控基因表达的重要因素之一。甲基化只发生在CpG二核苷酸中的胞嘧啶。因为DNA的甲基化可改变染色质的结构,从而引起不同DNA结合蛋白的结合。增强子（enhancer）：通过启动子来提高转录效率的一种远端遗传性调控元件。也有核心结构，但没有固定的位置和方向性。沉寂子（silencer）：不受距离和方向限制的负调控元件，参与时空特异性基因的表达关闭。绝缘子（insulator）：绝缘子本身对基因的表达既没有正效应，也没有负效应，其作用只是不让其他调控元件对基因的活化效应或失活效应发生作用。帽子结构是指在真核生物中转录后修饰形成的成熟mRNA在5'端的一个特殊结构，即m7GpppN结构，又称为甲基鸟苷帽子。它是在RNA三磷酸酶，mRNA鸟苷酰转移酶，mRNA（鸟嘌呤-7）甲基转移酶和mRNA（核苷-2’）甲基转移酶催化形成的。mRNA的帽结构功能：①能被核糖体小亚基识别，促使mRNA和核糖体的结合；②m7Gppp结构能有效地封闭RNA5’末端，以保护mRNA免疫5’核酸外切酶的降解，增强mRNA的稳定基因簇基因家族基因超家族假基因重叠基因转座基因基因座（Locus）基因在染色体上所处的位置。每个特定的基因在染色体上都有其特定的座位。功能相近且紧密连锁的一组基因。基因簇内的基因序列和功能都高度一致。如核糖体RNA基因，组蛋白编码基因。基因簇（Genecluster）人的四种组蛋白分子，共有60个编码基因，分布在7条染色体上，序列高度保守，在6号染色体短臂有两个集中的基因簇。每个基因簇都含有多拷贝的各组蛋白编码基因。基因家族Genefamily

序列高度相似但不一定完全相同的重复基因。通常以基因簇的方式存在，也可以散在在不同的染色体上。如人的珠蛋白基因。α-globinβ-globin基因超家族Genesuperfamily

基因的同源度较低，但在功能上具有明显的相关性。如免疫球蛋白家族。假基因pseudogene又称拟基因，基因组中与有功能的基因相似，失去编码功能的DNA序列。根据形成方式的不同可以分为两种类型：

常规假基因(conventional/classicalpseudogene):

通常是在基因组进化过程中功能基因复制后发生突变产生的失活产物。

已加工假基因(processedpseudogene):

通常来自功能基因的RNA转录产物反转录成DNA后重新插入（随机地）到基因组中。Conventionalpseudogene常规假基因以人的珠蛋白为例：珠蛋白是研究基因组进化的良好模型。动物中原始的携氧分子是150aa的单链，50亿年前出现了α和β链基因的分化，β链进一步复制和进化出胎儿特异的珠蛋白基因。爪蟾中珠蛋白基因簇仅有一个，而鸟类和哺乳动物中珠蛋白基因簇分布于两条染色体上。在复制进化的过程中，α-珠蛋白和β-珠蛋白的基因簇内还产生了至少一个假基因。它们同样是在进化中由复制产生，序列和正常基因几乎完全一致，但因为突变缺少启动子不能正常表达或者表达的蛋白产物没有活性。Processedpseudogene已加工假基因

来自功能基因的RNA转录产物。mRNA的反转录为cDNA后再次插入基因组，形成一个新的基因拷贝。这个基因拷贝通常不含有启动子序列和内含子，而保留了polyA和polyT的尾巴。由于没有启动子不能正常转录和表达，成为假基因。插入位点是随机的，因此这类假基因通常散在地分布在基因组中。如一些tRNA和rRNA的编码基因。重叠基因overlappinggene指两个或两个以上的基因共有一段DNA序列，或者是一段DNA序列成为两个或两个以上基因的组成部分。重叠基因首先是在噬菌体ΦΧ174中发现的。病毒，细菌，果蝇，拟南芥和人中都有重叠基因的发现。

人的NF1基因（I型神经纤维瘤）的第26个内含子中包含了三个独立转译的基因序列。三、基因组中的重复序列单一序列和重复序列

单一序列：基因组中只有一份的DNA序列。包括大多数编码蛋白质的结构基因和基因间间隔序列。重复序列：基因组中重复出现的序列。分为串联重复序列(tandemlyrepeatedDNA)和散在重复序列(interspreadrepetitiveDNA)，人基因组中重复序列占全基因组的50%以上。高度重复序列：重复次数>10万，如卫星DNA(satelliteDNA)，多位于染色体的末端和着丝粒部位，也有散在分布的，大多不可转录。中度重复序列：长约300bp,一般10-几千个拷贝。如散在重复DNA，通常散在分布于各个染色体上。多数中度重复序列属于转座元件。（SINES和LINEs）轻度重复序列：在基因组中含有2-10拷贝，如珠蛋白基因，生长激素基因等。串联重复序列——卫星DNA染色体着丝粒端粒附近中度重复序列：①长散在重复序列LINESlonginterspersedrepeatedsegments

长度>1000bp(可达7Kb),拷贝数104-105，如人LINE1②短散在重复序列SINESshortinterspersedrepeatedsegments

长度<500bp，拷贝数>105．如人Alu序列散在重复序列的产生机制一定和串联重复序列不同，后者可以通过复制中的滑移或重组产生，而前者依赖于转座事件。生物基因组中极为分散的重复序列往往仍然保留了转座的活性。在人类的基因组中有一种中等重复序列，长约

300bp

，在其

170bp

处有一个限制性酶AluI

的酶切位点，故称这个重复序列为

Alu

基因家族（

Alufamily），大约平均每隔

6Kb

左右就有一个

Alu

序列，因此它可能含在内含子或基因附近的序列中。因此它可作为人类

DNA

片段的特异标记。Alu基因重复片段全长6.1kb。两侧同样有正向重复序列，内部含有两个开放阅读框ORF1和ORF2。ORF1编码一个分子量约40kD的蛋白，而ORF2编码蛋白内部含有反转录酶结构域和内切酶结构域。5’端含有一段内部启动子序列，而3’端含有(A)n/(T)n序列。人基因组内LINE-1的拷贝数达到100,000-500,000左右，但全长重复序列很少，通常缺失5’UTR序列。功能不清。LINE-1的转座活性——Nature460,1127-1131(27August2009)L1retrotranspositioninhumanneuralprogenitorcellsLINE-1蓝色：tandemrepeats;着丝粒和染色体末端；黑色：interspersedrepeats；散在分布；重复序列第三节

人类基因组计划10年完成草图（1990-2000）14年完成全部测序（1990-2003）美国，英国，德国，法国，日本和中国六个国家的科研机构参与其中。美国地区的总开销为3,452.9百万美元。

遗传图谱基因图谱

序列图谱物理图谱人类基因组的四张图还包括对五种生物基因组的研究：大肠杆菌、酵母、线虫、果蝇和小鼠，称之为人类的五种“模式生物”。

HGP的主要任务

遗传图：采用遗传学分析方法将基因或其它DNA顺序标定在染色体上构建连锁图。这一方法包括杂交实验，家系分析。遗传图距单位为厘摩(cM),每单位厘摩定义为1%交换率。物理图：采用分子生物学技术直接将DNA分子标记、基因或克隆标定在基因组实际位置。物理图的距离依作图方法而异，如辐射杂种（radiationhybrid）作图的计算单位为厘镭(cR),限制性片段作图与克隆作图的图距为DNA的分子长度，即碱基对(bp,kb)。第一代分子遗传标记——RFLPsRestrictionFragmentLengthPolymorphism

限制性片段长度多态性第二代分子遗传标记——SSLPsSimplesequencelengthpolymorphism

简单序列长度多态性第三代分子遗传标记——SNPsSinglenucleotidepolymorphism

单核苷酸多态物理作图的分类1）限制性作图（Restrictionmapping）将限制性酶切位点标定在DNA分子的相对位置。2）依靠克隆的基因组作图(Clone-basedmapping)

根据克隆的DNA片段之间的重叠顺序构建重叠群

(Contig)。3）荧光标记原位杂交（Fluorescentinsitu

hybridization,FISH）将荧光标记的探针与染色体杂交确定分子标记的所在位置。4）顺序标签位点（Sequencetaggedsite,STS）作图

通过PCR或分子杂交将小段DNA顺序定位在基因组的DNA区段中。人类基因组的测序路线基因组测序基因组计划的最后一关，也是最终目标。DNA测序方法发明于上世纪70年代。链终止法是现在常用的大规模基因组测序方法，利于实现自动化。鸟枪法测序（shotgun）即直接从单个测序反应中得到的短序列（500bp）通过检测重叠区推导出完整序列。建立高度随机、插入片段大小为2kb左右的基因文库(为保证覆盖率，6-8倍测序）高效、大规模的末端测序序列集合填补缺口鸟枪法测序的一般步骤1995年，在不借助任何图谱的情况下，人们利用鸟枪法测序完成了全长为1830kb的流感嗜血杆菌的全基因组测序。14台测序仪，用三个月时间完成了必需的28,463个测序反应，测序总长度达6倍基因组，最后由140个序列叠连群的拼接而成。但是，由于计算量过大，容易产生错排和缺口等问题，一般认为鸟枪法测序对于基因组大小在5Mb以下的生物较为适用。公共领域的

测序方案2.构建300,000个BAC克隆的文库明确克隆的基因组定位3.Clone-by-clone测序法1.制作较高密度的遗传图谱和物理图谱Clone-by-clone测序(逐个克隆法)公共测序计划使用的主要测序方法。先将基因组DNA连续分段克隆到BAC载体中进行扩增纯化等操作，然后分别构建亚克隆进行测序和拼接，最后再进行全基因组组装。如果用全基因组鸟枪法测人基因组，需要检测6万条序列（10倍基因组全长）。65台测序仪，每天1000条序列，3年能完成。但是，需要？计算机？时间才能将这6万条序列正确拼装起来？人类基因组的鸟枪法测序？

定向鸟枪法——以Celera为代表的私人测序公司使用的主要测序方法。直接将基因组随机断裂，构建到亚克隆中进行测序和拼接；利用不同克隆文库来增加随机片断的基因组覆盖率，避免重复序列丢失；利用遗传图和物理图以及超级计算机进行计算和组装；Nature2001,409(6822)HPGScience2001,291(5507)CeleraFrancisCollinsJCVenter认识人类基因组3,000,000,000bp，588,000pages，3bp/s，自己的基因组天书，要读50年1.全部人类基因组约有39000多个基因；平均的基因大小有27kbp；G+C含量偏低，仅占38%；19号染色体是含基因最丰富的染色体，而13号染色体含基因量最少。2.基因数量少得惊人：Celera公司将人类基因总数定在2.6383万到3.9114万个之间，不超过40,000。不同物种中，人基因组中非编码基因比例远远高于其他多种生物。3.已经发现和定位了26000多个功能基因，其中尚有42%的基因尚不知道功能，在已知基因中酶占10.28%，核酸酶占7.5%，信号传导占12.2%，转录因子占6.0%，信号分子占1.2%，受体分子占5.3%，选择性调节分子占3.2%。4.发现和利用基因组新颖成员：转座子、逆转座子和病毒残余序列利于指导基因治疗，重复序列被用于遗传分析和定位克隆等。5.对基因表达调节的重新认识：一些基因的表达调控序列与被调节基因直线距离相距甚远，但空间结构处于最佳位置。6.不同染色体变异的鉴定：对染色体重排和断裂等畸变的认识促进了疾病分子遗传学的发展，为疾病的诊断、预防和治疗提供理论依据。7.对个体多态性的重视：个人DNA序列的多态性可被广泛用于基因诊断、组织配型、发育进化等许多医疗、司法和人类学的研究。此外，这些遗传信息还有助于研究人类历史进程。第四节后基因组时代的遗传研究HPG对疾病研究的影响遗传性疾病定位致病基因克隆诊断学预防医学基因治疗药物治疗认识基本的生物学缺陷因HPG而加速功能克隆80年代之前使用的疾病基因定位方法。至1986年，人类通过功能克隆的方法克隆了200余种人类疾病基因的致病基因。功能克隆时首先收集所要克隆的基因的蛋白质产物及其功能的信息，据此分离基因，并对基因进行定位。性状（疾病）染色体定位，获得基因序列疾病功能从氨基酸序列出发从文库调取基因基因蛋白质产物（生物学功能）1.氨基酸序列测定，据此推测可能的核苷酸序列，合成寡核苷酸探针，然后用探针从文库中筛选得到相应的编码基因；用异常蛋白质制备独特性抗体，从cDNA表达文库中筛选阳性克隆。根据克隆的DNA序列确定疾病基因分子缺陷；功能克隆中，首先分析和纯化异常基因的产物（主要是蛋白质），然后有两条不同的研究路线：

80年代早期：绝大部分分子病、遗传性代谢缺陷（酶）病如：白化病（albinism）、苯丙酮尿症（phenylkeonuria，PKU）和镰刀形细胞贫血病（sickle-celldisease）等都是采取的这一策略。镰刀形细胞贫血症是功能克隆的经典案例。正常血红蛋白（HbA）由四条多肽链组成（2条链，两条链）。早在1949年Pauling等人就发现镰刀型细胞贫血症是由于血红蛋白的变异造成的（在相同电泳条件下，电泳行为不同）分子疾病。后来通过对比病变HbS蛋白和HbA序列，人们发现患者的血红蛋白中一个Glu突变成了Val，在毛细血管中容易形成棒状结构，丢失携氧能力。定位克隆始于20世纪80年代后期,利用遗传连锁或细胞学定位技术将致病基因定位于染色体的特定区带。先通过连锁分析找出与目的基因紧密连锁的遗传标记在染色体上的位置。再从定位的染色体区段内分离克隆所要的基因，并进一步研究其功能。疾病遗传标记，染色体定位基因序列mRNAcDNA蛋白质产物生物学功能

疾病

功能基因基因定位方法——家系连锁分析法连锁分析原理：若某一遗传标记与待定基因距离较远，则它们在向子代传递时容易发生自由分离，称作“连锁平衡”；反之，距离较近时不发生自由分离，呈现“共分离”现象，即“连锁不平衡”。据此我们可在染色体上将待定基因标定在某一DNA标记附近。家系连锁分析法：以两代或两代以上的家系材料为基础，观察标记位点与致病基因位点在家系内是否呈“共分离”，并利用优势对数计分法（LOD）计算出遗传距离和连锁程度。两基因座连锁且相距θ值的似然性两基因座不连锁但相距θ值的似然性LOD=lg

例如：Lod值等于3代表连锁机率是不连锁机率的1000倍。据此判断候选基因与某个遗传标记之间是否存在连锁，遗传距离又是多少。一般认为，Lods>1支持连锁,Lods<-2否定连锁,Lods>3肯定连锁,Lods介于-2与3之间需增加家系材料.这一方法需要确定性状或疾病的遗传方式,基因频率以及外显率，一般进行参数统计分析。1989囊性纤维化1990Wilms瘤；I型神经纤维瘤；无脉络膜病1991脆性X染色体；家族性结肠息肉；Kallmann综合症1992强直性肌营养不良；Lowe综合症；Norrie综合症1993Menkes病；X连锁丙种球蛋白缺乏症；甘油激酶缺乏症；肾上腺脑白质营养不良；多发性神经纤维瘤2型；Hungtington病；VonHippel-Lindau病；脊髓小脑共济失调I；无脑回畸形；Wilson病；结节样硬化1994Mcleod综合症；多囊肾I；软骨发育不全；WiskottAldrich综合症；早发性乳腺瘤；先天性肾上腺发育不全；Emery-Dreifuss肌营养不良；Machado-Joseph病1995……1998年夏家辉院士率领的湘雅医院医学遗传学国家重点实验室在国际上首次定位克隆了神经性耳聋的疾病基因GJB3（1p33-p35）。序列分析进一步发现一个错义突变和一个同义突变是导致两个家系发生高频神经性耳聋的原因。贺林实验室利用布依族、苗族和汉族的三个A-I型短指（趾）症大家系，对该病的致病基因进行了精确定位（位点定在2q35-36区）、克隆，并首次发现了人IHH基因和该基因上的三个突变位点是导致A-I型短指（趾）症的直接原因。人类基因组计划基因组多样性计划单倍型计划药物基因组学ENCODE计划……比较基因组学疾病基因组学遗传差异计划

人类基因组多样性计划

（ThehumanGenomeDiversity(HGD)Project）1991年HGDP执行委员会在当时担任HGP主席的Waiter主持下正式成立。1992年～1993年就HGDP涉及到的科学、技术和伦理问题展开讨论，制定了HGDP的主要研究目标。1997年美国国家研究委员会成立了人类基因组多样性问题委员会，对其可行性与意义进行了深入的讨论．最后支持开展人类遗传变异的研究。NIH(美国最大的医学研究组织)表示愿意和国际人类基因组多样性计划合作。Nature杂志1997年l1月发表文章表示对HGDP的支持．1997年10月Science认可了人类基因组多样性研究的文章。欧洲人类多样性研究中心(CEPH)对HGDP表现强烈兴趣，表示愿意与HGDP密切合作开展工作．HGD开展历程HGD计划的目标

使用新技术研究基因的遗传学并结合历史学、考古学和语言学等准确定义世界上不同人群的起源从世界各地采集的人群标本并建立永生细胞系，鉴定人类基因组的多样性，并建立服务于全世界的资源库，这个库不但包含来自于全世界人群的遗传多样性，还是可被全世界科学家共同开发的、长时间的遗传统计数库和生物样品库。样品收集：如何定义人群，建立人群目录，列出需要人群样品收集社会人口统计学资料：样品资料，血液质量，是否建立细胞系，DNA的抽提和鉴定等，还有性别、年龄、目前居住地、出生地及语方特征，个体父母的信息，文化和语言特征。分析样品：遗传标记多态性建立数据库：建立开放的代表人类遗传多样性生物学样品，遗传学和统计学的数据库。HGD计划的实施HGD计划的重要性对人类历史和身份有一个广泛的说明和解释所建立的资源库为寻找引起或抵抗疾病遗传因素提供信息。HGD计划把不同国家的人们结合到一起。空前规模的遗传学家同人类学家、考古学家、生物学家、语言家和历史学家之间的合作，为自然科学与人类学搭起桥梁。在弄清个体或人群间的自然差异后，使人类遗传学对种族有一个正确的认识。中国的HGD计划我国人口占世界的22%，有56个已识别的民族和205种语言，拥有极为丰富的疾病人群资源(包括疾病群体、家系和个体)。中国是从事HGD研究的极为理想的地区。成立中国人类基因组多样性研究中心采集中华民族各人群的更大样本(每人群100～200人)的DNA样品建立和完善必要的法律和法规防止国外攫取我国人类遗传资源，同时促进正常的国际与国内合作引进国外人类基因组多样性大规模、快速分析的技术方法积极开展我国人群DNA多态性的研究，并继续进行中国人基因组经典遗传标记的多样性研究HapMap是人类基因组中常见遗传多态位点的目录，它描述了这些变异的形式、在DNA上存在的位置、在同一群体内部和不同人群间的分布状况。HapMap计划并不是利用HapMap中的信息来建立特定的遗传变异与某一疾病之间的联系，而是为其他研究者提供相关信息使之能够将遗传多态位点和特定疾病风险联系起来，从而为预防、诊断和治疗疾病提供新的方法。HaplotypeMapProject（单倍型计划）HaplotypeMapProject（单倍型计划）单倍型:指一条染色体上紧密相连的两个或两个以上基因座内一组等位基因的基因型。通常单倍型内的基因是作为一个单位进行遗传的。

2002年10月国际单倍型联合会正式启动了以寻找标记SNPs的遗传变异的HapMap计划。2003年中国承担了其中10%的工作任务。2005年10月一份包括了269份不同人基因组样本的单倍型图谱发表在Nature杂志上。DNA碱基序列—字母单倍型--单词和短语（降低复杂度）由于重组热点等原因，基因组内的连锁不平衡的基因通常是像积木一样块状分布的，并且每个积木内部的单倍型差异远低于理论值。Block-likestructureoflinkagedisequilibrium&Lowhaplotypediversity单倍型的块状结构提示我们将遗传疾病和这些单倍型关联起来更加容易。HapMap在一定程度上解决了连锁分析中的遗传标记数量和代表性的问题，对复杂疾病的遗传分析具有重要的意义。根据Y染色体单倍型来分析早期人类迁徙的途径全基因组关联分析Genome-wideassociationanalysis(GWAS)研究对象：复杂性疾病，包括肿瘤、心血管病、糖尿病、肥胖症、精神疾病等；计划方案：成套DNA的全基因组测序和扫描，测定疾病的基因变异和单核苷酸多态性；基本手段：关联分析；研究成果：确定一系列疾病发病的致病基因、相关基因、易感区域和单核苷酸多态性变异，寻找疾病的标记物，进行早期诊断和最有效的个体化治疗，开发新药物和新的特异性防治措施。

ENCODE计划在2003年9月，美国国立人类基因研究所提出了一个“DNA元件的百科全书”（EncyclopediaofDNAElements,ENCODE）研究计划。旨在找出人类基因组序列中所有的结构和功能元件，形成一个完整的人类基因组的“元件目录”。

包括：编码蛋白质的基因；非编码蛋白质的基因；转录调控元件；其他调节染色体结构和动态活动的功能序列，如DNA复制起始序列。ENCODE计划“由点及面”的研究策略：示范期：运用人类基因组计划中成熟的方法和手段进行研究，将注解任务局限于按一定标准选择的分布在不同染色体上的44个小片段（ENCODtargets），每个片段大约是0.5万到200万个碱基序列；这些具有代表性的片段总共只占人类基因组中所有结构和功能元件序列的1％左右。技术发展期：小规模试点研究未被充分研究的功能基因。产出期：开发高通量筛选和检测技术进行研究，即将前面两个阶段的研究成果应用到对整个基因组的研究中。

ENCODE团队试点计划目前已经基本完成，主要包括以下三方面的内容：①对编码的功能DNA进行鉴定和分类；对已存在的几种方法进行了测试和比较，严格分析了人类基因组序列中已被定义的序列。②阐明人类生物学和疾病之间的关系；③对大量鉴定基因特征的方法、技术和手段进行检测和评估。ENCODE计划2007年6月，ENCODE团队相继在《自然*(Nature)和《基因组研究》(GenomeResearch)上发表了29篇相关论文，报道了他们4年来努力的成果，即通过建立一个目录，详尽地描述1％人类基因组的全部生理功能基础。该结果高度肯定了鉴定和归类人类基因组功能元件的工程的成功，并且由于几项新技术的兴起，大量关于功能元件的数据被获得，这标志着技术发展阶段也获得了成功。ENCODE计划基因组序列的转录是广谱的，在基因组的初级转录本中可以找到绝大多数基因的序列信息。编码基因转译成蛋白质只是基因序列的一种功能形式。重新认识了基因转录和复制的分子机制（识别序列，组蛋白作用等等）。3.大约一半人类基因组中的功能元件在进化过程中不会受到大的限制，这一点很可能意味着基因组中大量的功能元件是生物不断进化的素材。ENCODE计划意义：2003年人类基因组计划的完成仅仅标志着人类向着利用基因信息诊断、治疗和预防疾病的目标迈出了重要的第一步。这就好比我们只得到了人体的“使用手册”，但是如果要将这份手册用于疾病诊断和治疗，我们必须读懂这份手册。ENCODE计划首次系统地研究了所有类型的功能元件的位点和组织方式，对基因组计划的实际应用具有划时代的意义，为未来进一步认识整个人类基因组的功能蓝图开辟了道路。ENCODE计划首先ENCODE计划推翻了传统的观点：即我们的基因蓝图(geneticblueprint)作为一群独立基因(independentgenes)，漂浮在“垃圾DNA”(junkDNA)的大海上。事实上，人类基因蓝图的30亿个化学“字母”组成了一个极为复杂的网络，在这个网络中，基因、调控基序(regulatoryelements)和其它DNA序列以一种人们尚未了解的重叠方式相互作用，共同着控制人类的生理活动。ENCODE计划其次“DNA元件百科全书”加深了对哺乳动物基因组进化的认识。传统理论认为，与生理功能相关的重要DNA序列往往位于基因组中的“进化限制”(evolutionaryconstraint)区域，它们在物种进化过程中更容易保存下来。但是，最新的研究表明，大约一半人类基因组中的功能元件在进化过程中，不会受到很大限制。科学家认为，哺乳动物缺乏“进化限制”这一点很可能意味着，许多物种的基因组都囊括了大量的包括RNA转录副本在内的功能元件，在进化过程中，这些功能元件成了基因“仓库”。ENCODE计划功能基因组学又往往被称为后基因组学，它利用结构基因组所提供的信息和产物，发展和应用新的实验手段，通过在基因组或系统水平上全面分析基因的功能，使得生物学研究从对单一基因或蛋白质的研究转向多个基因或蛋白质同时进行系统的研究。这是在基因组静态的碱基序列弄清楚之后转入对基因组动态的生物学功能学研究。研究内容包括基因功能发现、基因表达分析及突变检测。基因的功能包括：生物学功能，如作为蛋白质激酶对特异蛋白质进行磷酸化修饰；细胞学功能，如参与细胞间和细胞内信号传递途径；发育上功能，如参与形态建成等。采用的手段包括经典的减法杂交，差示筛选，cDNA代表差异分析以及mRNA差异显示等，但这些技术不能对基因进行全面系统的分析，新的技术应运而生，包括基因表达的系统分析（serialanalysisofgeneexpression,SAGE），cDNA微阵列（cDNAmicroarray），DNA芯片（DNAchip）等。功能基因组学1997年6月28日金赛特·可伯特实验室（巴黎）宣布成立世界上第一个独特的基因与制药公司，研究基因变异所致的不同疾病患者对药物的不同反应，并在此基础上研制新药或新的用药方法，这一新概念被称为药物基因组学。基因序列的多态性产生的等位基因不仅与疾病发生发展相关，而且影响药物的代谢、活性、作用途径、不良反应等，因此造成了药物的效应呈现多态性。一方面，基因组SNP多态检测为药物的个性化治疗提供了前提条件；另一方面，许多基因组研究相关的新技术手段使得更多的新药和新的药物靶点得到开发。为患者提供个性化健康指导服务、个性化用药指导服务和个性化体检指导服务。药物基因组学研究生物进化过程中基因组的动态变化和基因的变异，揭示生物类群的亲缘关系和进化规律的学科。进化基因组学结构基因组学是一门研究生物中所有的蛋白质结构。主要利用实验方式(X-射线晶体衍射、核磁共振质谱)或计算方式(HomologyModeling)