第3章 生物中有多少基因

第三章生物体中究竟有多少基因？与原核基因组(Genome)相比，真核基因组有一些不同的特点。

一个基因的完整性可以被打断，会有多个相同的重复序列，并且有大量的DNA并不编码蛋白。

由于核与胞质的分离，真核中基因的表达也必然和原核生物不同。

但是“真核基因组”并没有明确的界限，其必要条件是基因组大部分位于核内。

核DNA的数量变化很大，它所形成的染色体数量各不相同，序列类型也有很大区别，而细胞器含有相对较少的基因组，其大小也表现出广泛差异。

在分析真核基因组，特别是高等真核生物基因组的主要困难是编码区只代表总DNA 的很小一部分。

由于基因可能是割裂的，其大部分可能并非与编码的蛋白质相关。

基因之间也可能存在很长的DNA。

因此我们不可能从基因组总大小上推测出基因的大小。

可以通过鉴定拥有开放读框的区域直接推知基因组的编码潜力。

但是割裂基因可能含有很多分离的开放读框，从而混淆大规模基因组作图。

由于我们不知道蛋白产物的功能，或者没有确实证据说明它们表达，这种方法仅局限于确定基因组的潜力(但也有假设认为保守的开放读框会被表达，见第二章)。

另一种确认基因数量的途径是通过它们表达的蛋白或者mRNA。

这对处理已知条件下表达的基因非常可靠。

可了解在特定组织或者细胞中有多少基因表达，在相关表达水平上存在哪些差别，并且在一个细胞中表达的基因有多少与其它细胞不同，或者有多少也在其他细胞表达。

关于细胞类型，我们可能会问一个特定基因是否是必要的，当该基因突变时会发生什么情况呢？如果这种突变是致死的，或者生物表现出可见的缺陷，我们可能推测这个基因是必须的，或者至少表现出选择优势。

但有些基因的缺失对表型没有明显的影响，这些基因真是不需要的吗？在其他情况下或者经过长期的进化，它们的缺失意味着选择的劣势吗？3.1 基因组为何如此之大?基因组中DNA的总量是物种所特有的，称为C值(C-value)。

C值的范围变化很大，从微生物中的<106到一些植物和两栖类的>1011。

图3.1总结了进化中不同门类生物的C值范围。

随着复杂度增加，每组中最小基因组大小也会随着增加。

但是随着高等真核生物DNA绝对的增加，有些门类基因组大小有很大的变化。

在原核生物和低等真核生物中，一个生物所需要的最小DNA数量(Minimum amount )，随着复杂度的增加需要基因组随之增加(图3.2)。

支原体是最小的原核生物，其基因组只相当于一个大噬菌体的3倍(T4为1.7×105bp)。

细菌基因组从2×106bp开始。

单细胞真核生物(其生活方式类似原核)基因组也很小，但比细菌基因组大。

但是，真核生物基因组大小非并线性增加，酵母基因组可能是1.3×107bp，仅仅是最大的细菌基因组的两倍。

既可以以单细胞又可以以多细胞形态生活的粘菌D. discidium，其基因组大小又增加了两倍。

增加复杂性对完全多细胞生物是必要的，秀丽隐线虫C.elegans DNA含量为8×107bp 。

几种最常见生物基因组大小随着复杂性的稳定增加(图3.3)。

昆虫、鸟类、两栖和哺乳动物的基因组增加是很必要的。

当我们沿着进化树行进，会发现生物复杂性和DNA 含量的关系是模糊的。

图 3.1 单倍体基因组DNA 含量在低等真核生物中与形态复杂性有一定的正相关，但在高等真核生物中却非如此，它们的单倍体基因组DNA 含量变化不定。

图3.2 各种生物基因组大小比较(从原核生物到哺乳动物)。

基因组大小与遗传复杂性并非线性相关，称为C 值矛盾(Paradox)。

它涉及到真核基因组绝对和相对的DNA 数量。

为什么DNA 数量比起编码蛋白的DNA 数量有所增加呢？我们知道基因比蛋白编码需要的序列要大得多，因为外显子仅组成基因总长度的一小部分。

如将此计算在内，则总编码潜力大大减小，这方面的矛盾可以解决。

为什么基因组大小与遗传复杂性不相关呢？例如，蟾蜍Xenopus 和人类基因组大小差不多，但是人类遗传发育上更为复杂。

在表面复杂程度相似的种属间(见图3.1)也存在C 值矛盾，这个问题局限于一些种族内，昆虫、两栖和植物最为明显。

在两栖中，最小的基因组<109bp ，但是最大的基因组大约1011bp 。

这些两栖类间的差别似乎并不需要基因间这么大的差别，表明在大的基因组中有非编码DNA 的大量增加。

目前我们并不清楚为什么自然选择允许这些DNA 的聚集(在其他种族中这种情况并不发生，基因组的分布是窄的。

鸟类、爬虫类和哺乳类只允许小的偏差，其差异在基因组大小两倍范围之内)。

3.2 真核生物基因组有几种序列成分大的基因组含有更多的不同基因？或含有在小基因组中出现的小基因更多拷贝?如果基因的多样性随着基因组大小而增加，我们可以认为基因组中不同DNA序列会增加，但不会只增加相同基因拷贝数。

该问题可以直接用基因组序列来回答，但目前我们只了解少数种属(相对较小)的有关信息。

同时，真核基因组的一般实质可以由变性DNA的复性动力学方程(Kinetics of reassociation)获得。

DNA互补链的复性通过碱基配对发生，它与DNA分离的变性过程(见图1.13)相反。

复性反应的动力学方程反映了存在多种序列，因此这个反应可用来定量基因和RNA产物。

DNA复性依赖于互补链的自由碰撞，并且符合二级动力学方程。

任何DNA的反应可以用其半复性条件表示。

即C0×t1/2之乘积，称为Cot1/2。

Cot1/2等于浓度与达到最大数度一半所需时间之积，与速率成反比，Cot1/2增大意味着反应速度变慢的(图3.4)。

图3.3 常见实验生物的基因组的大小。

图3.4 DNA腹性可用Cot1/2来表征。

DNA复性通常符合Cot曲线(Cot curve)。

Cot曲线标出了DNA复性的部分(1-C/C0)和横轴上的Cot值。

图3.5给出了几个简单基因组的Cot曲线。

每一曲线的形状都相同，在点10%和90%反应之间Cot值相差100倍。

但是每个曲线的Cot1/2值是不同的。

图3.5中的基因组代表了不同的DNA，其序列不同且越来越长。

Cot1/2值直接与基因组中DNA含量相关。

这表明随着基因组复杂性增加，在给定的DNA中一个特定序列的拷贝数减少。

例如，如果DNA 的C0值为12pg，那么一个大小为0.004pg的细菌基因组中每个序列有3000个拷贝，但是在3pg的真核基因组中每个序列只有4个拷贝。

因此同样以摩尔核苷酸每升表示的DNA绝对浓度(即C0)表明每个真核序列比细菌序列少3000/4=750倍。

由于复性的速率依赖于互补链的浓度，假如真核序列和细菌序列有相同的浓度，那么真核序列应多达750倍的DNA(或者将同样大的DNA反应750倍长的时间)。

因此真核反应的Cot1/2是细菌的750倍。

一个反应的Cot1/2表明所包含不同序列的总长度，用复杂度(Complexity)表示，通常以碱基对为单位。

任何基因组(或者基因组的一部分)复性的Cot1/2与其复杂度成正比。

任何DNA的复杂度可以通过与复杂度已知的DNA Cot1/2比较得出。

通常以大肠杆菌DNA作为标准。

假设4.2×106 bp大肠杆菌基因组由不同序列组成:基因组复杂度= Cot1/2(基因组DNA)×4.2×106 bp / Cot1/2(大肠杆菌DNA)当用复性动力学方程确定真核基因组DNA时，通常Cot值跨越8个数量级。

这比从图3.5推测出的100倍范围大的多。

其原因在于每一曲线都符合含有单一成分的复性动力学方程，而真核基因组实际上包括几种这样的成分，每种成分都以其特定动力学复性。

Cot 曲线分析表明，真核和细菌基因组之间存在重要区别：细菌基因组仅由单一成分组成，而真核基因组要复杂得多。

图3.6给出一个假定真核基因组的复性事例，以Cot为10-4的开始，到104结束。

反应分为三个不同的阶段，分别用黑色框表示。

一条直线分割了前面的两个阶段，但是后两个阶段有重叠。

每个这样的阶段代表基因组中一种不同的动力学成分。

图3.5 DNA腹性速度与其长度成反比例。

图3.6 真核DNA复性动力学常数表明三种组分。

箭头指明每一组分的Cot1/2。

最快的成分是首先复性部分，它代表总DNA的25%，复性Cot在10-4到2×10-2之间，Cot1/2值为0.0013。

中间组分占总DNA的30%，其Cot范围在0.2到100之间，Cot1/2为1.9。

复性最慢组分占总DNA的45%，Ct范围在100到10000之间，Cot1/2为630。

现在可计算这些成分的复杂性，每一组分必须以单独的动力学成分对待，将其复性参数与标准DNA进行比较。

慢成分占总DNA的45%，它在复性反应中的浓度为C0(初始DNA的总量)的0.45，因此慢成分本身的Cot1/2为0.45×630=283。

假设此时大肠杆菌DNA以4.0的Cot复性，则最慢成分的复杂度=4.2×106×283/4=3.0×108 bp。

用类似的方法计算其他的成分，结果中间成分的复杂度=6×105，快成分的复杂度=340bp。

据此得出结论，一个成分复性越快，其复杂度越低。

从相反角度考虑，如果我们准备三种DNA样本，每个样品都包含适当长度(340bp、6×105 bp、3×108 bp)的DNA序列，并且以25:30:45的比率混合，则这些混合物会表现出图3.6所示的整个基因组一样的动力学特点。

最慢成分的复杂度符合其物理大小。

假设图3.5中复性的基因组为7.0×108 bp的单倍体DNA(由化学分析而知)。

那么其45%就是3.15×108bp，只比由复性动力学计算获得的3.0×108 bp稍高一点。

考虑到技术上的小偏差，可以认为用化学和动力学测得最慢成分的复杂度基本相同。

最慢成分由基因组中独特的序列组成：变性后，每个单链序列只能与其相应的互补链复性。

最慢成分是原核基因组中唯一组成成分，通常也是真核生物中的主要成分，称为非重复(Nonrepetitive )DNA。

比非重复序列复性快很多的成分的本质是什么呢？在图3.5所示的例子中，中间成分占基因组的35%，其化学复杂度为0.3×7×108=2.1×108bp。

但是其动力学复杂度只有6×105 bp。

与复性Cot1/2相对应的DNA独特长度比基因组中该成分的DNA化学长度要短得多。

换言之，中间成分由基因组中长度为6×105(因350×6×105=2.1×108) 的350个拷贝组成。

变性之后，任何一个拷贝产生的单链能够与来自350个拷贝的互补链复性。