中科院基因组 李小雨整理.docx

1、中科院基因组 李小雨整理基因组学 参考资料 （李小雨参考自多位同学）目录一 / 四个“生命之谜”与“五流说”简述 1二 / 细说“五流说” 5三 / 达尔文主义和拉马克主义 6四 / 表观遗传学 7五 / “RNA世界” 9六 / RNA的种类和功能（刘瑞君） 10七 / 基因表达调控的方式 13八 / 持家基因与组织特异性基因 14九 / 转录组，ChIP-seq，RNA-seq，核小体分布 15十 / 非编码序列 20十一 / 人类基因组计划HGP 21十二 / 三代测序 23CPG岛 24C值悖论： 26基因簇 26基因突变 26动植物基因组的不同 27遗传异质性和基因多效性 27一 /

2、 四个“生命之谜”与“五流说”简述（来源：基因组生物学研究欲揭示的四个“生命之谜”（于军）“人类基因组计划”开启了诸多前所未有的新的生命学科分支（比如基因组学、生物信息学、蛋白质组学、转录组学、代谢组学等），推动了前沿技术的不断发展与更新，强化了科学研究的平台化和规模化，从而引导和促进了学科间的交叉和融合。最引人注目的是生物信息学和计算生物学的产生和高速发展，这两个学科的发展推动了高性能计算、规模化生物学数据获取和近期的云平台建设等在生命科学领域广泛和深入的应用。随着DNA测序技术的规模化应用，不同物种的基因组和RNA组（Ribogenome，包括转录组和其它非编码RNA）序列也在不断被解读，

3、数据的积累已成天文数字。DNA测序技术也被用到了所谓表观遗传学（Epigenetics）或称表观组学（Epigenomics）研究领域，比如构成染色体的DNA分子的化学修饰和构象。科学家们不仅有机会获取最基本的遗传信息，比较不同物种的基因组序列，揭开诸多令人困惑的“科学谜团”，同时也打开了新的“潘多拉匣子”，从而遇到了更复杂、更深刻、更具有挑战性的新问题。使我们不得不静下心来思考很多及未解和前所未遇的问题。 遗传学和物种进化理论是生物学的诸多重要理论和学科基石之一。“下一代”（Next- generation sequencing, NGS）DNA测序技术从根本上解决了发现遗传与变异的手段，使

4、我们可以获取任何物种和其群体所携带的遗传多样性信息。除了资源导向强烈的基因型（Genotype）与表现型（Phenotype）的关联研究（Genome-wide association study，GWAS）外，我们同时也要思考跨度（学科）更大和更深刻（历史）的理论问题。那么，就最基本的生物学问题而言，我们应该最关注的是什么？就生物学而言，尤其是新兴起的基因组生物学，我们能凝练出哪些未解之谜？我们能够找出多少定势和规律？这里我们不妨先提出并初步探讨其中的四个。 2. “复制与转录负担之谜（The Replication-transcription Loads Dilemma）”第一个“生命之谜

5、”是要回答基因组的基本结构特征 13，包括：（一）植物与动物基因组结构有哪些不同？这些不同源自何处？（二）脊椎动物与无脊椎动物，比如节肢动物基因组结构有哪些不同？（三）不同高级物种谱系（Lineages）和低等物种谱系基因组之间的有哪些结构差异和特点？例如，高等植物基因组有很多基因间区（intergenic，是基因之间没有基因的部分，大多富集被称为long-terminal-repeat或LTR的重复转座子序列），但是这些部分大多等于（如在拟南芥和水稻）或超过（如玉米）基因组大小的50%，有时候也会是整个基因组核苷酸总数的95%（例如大麦和小麦）以上。因此，我们不禁要问：为什么植物要复制这些不

6、编码蛋白质的DNA序列呢？为什么不单独增加一些编码基因的序列就可以了呢？难道这里是“进化”的“死角”和“垃圾站”？在基因组结构上与植物相反的是：动物基因组将重复序列放在了基因的内含子里面（内含子是基因的一部分，与外显子构成基因的结构部分）2,4，不仅被复制，而且还被转录，最后在翻译之前又被毫不吝惜地丢掉：降解成核苷酸了。从表面上看，这也是一种资源的浪费。因此，我们称之为“复制与转录负担”之谜，即植物基因组复制多余的非编码DNA，动物基因组转录多余的非编码DNA为RNA。同时，我们认为复杂的分子结构和细胞过程组合（包括剪切、加工等）很难同时变得更为复杂，因此不同的生物谱系选择了不同组合或者变演的

7、途径4。如果我们检测单细胞真核生物的基因组结构，会发现它们的基因组结构有的像植物（比如卵菌），而有的则像动物（比如面包酵母）。那么，会不会植物和动物有着不同的单细胞祖先呢？答案应该是肯定的，只是我们还没有这么想和去认真寻找证据和论据而已。例如复制的机器（包括多倍体的形成）和转录的机器这里又引伸出诸多新的问题，举几个例子：（1）这种基因结构的二相性是如何产生的？（2）复制依赖于DNA主导的分子机制本身的复杂性，这些复杂分子机制可否实现彻底解析？（3）基因结构的二相性为什么还伴随重复序列的不同？就产生的历史而言，这些重复序列的潜在功能可能是什么？（4）基因组的增大，意味着复制负载的增大，其动力何在

8、？ 3. “多倍体之谜（The Polyploidy Dilemma）”除了横向基因转移和个别基因的（随机）加倍，很多单细胞真核生物是通过全基因组的多倍体化（Whole Genome Duplication, WGD）来获取新基因的5。一般认为多倍体的形成是通过全基因组加倍（可以来自同源基因组，也可以来自异源基因组）后形成多倍体基因组，然后经过持续的基因丢失最后实现二倍体化，成为新的二倍体，也被称为古多倍体。这些多倍体是如何产生，又如何在细胞周期中复制的呢？尽管在基因的水平上有人给出了可能性和假说，但是在细胞水平上我们其实还是缺少证据的。多倍体在植物基因组是非常常见的（无论是古多倍体还是新形成

9、的现代多倍体），但是在节肢动物和无脊椎动物确是极其罕见的（到目前还没有发现）。在脊椎动物多倍体化的分布是“低多高无”，不断变化的。低等脊椎动物，比如鱼类和两栖类大部分是多倍体。可是高等脊椎动物，比如爬行类、哺乳类和鸟类则几乎没有多倍体基因组（除了某些体细胞，譬如肝脏细胞、膀胱表皮细胞、肌纤维细胞等的多核亦称多倍体现象外）存在。很多关于多倍体化问题的答案应该在单细胞真核生物、低等脊椎动物和高等植物基因组的变化中去找。节肢动物几乎没有全基因组多倍体化的证据。 4. “生殖系之谜（The Germline Dilemma）”第二个“生命之谜”是基因突变和自然选择之间的在分子水平上的复杂性。200余年

10、来，达尔文的进化思想和后人们的种种理论主导了生物学各个领域。达尔文和他的继承者们否定了拉马克主义的进化理论（以“用进废退”和“获得性遗传”最为著名），认为遗传突变是随机产生的，而且大部分是中性的，或近于中性的弱有害突变。然而，我们十余年来的研究发现突变和选择的机制其实既有符合达尔文主义原理的，也有符合拉马克主义原理的，远比人们已知和想象的要复杂和细微得多。从数量来看，“达尔文主义变异”（或称随机突变）毫无疑问占据了主要的地位；但是从复杂性来看，“拉马克主义变异”（非随机变异和非蛋白质功能选择等）则更功能化、更细腻、更无所不在，因此也更神奇。这里介绍几个例子。首先在研究基因表达时，我们发现基因表

11、达越高，其突变率就越高6,7。尽管说这个现象是普遍存在的，但是在禾本科植物基因组中表现得最为突出，形成了一个GC含量变化的梯度7。脊椎动物谱系里的温血动物（鸟类和哺乳类）基因组表现得更突出。另一个例子是组织特异性表达基因的突变率大大地高于（约为30%）看家基因（在所有细胞中都表达的基因）的突变率（已经扣除自然选择的影响）6。这个现象近乎神奇，因为组织特异性基因在生殖系细胞（卵母和精母细胞）中表达其实和看家基因、组织特异性基因（仅在不同特定组织和细胞中被调控和表达）没有什么必然的关系。只有在染色体结构上的高维组织形式与基因在细胞中的有序表达（比如器官发育和组织分化）相关联时，这样的结果才能出现。

12、因此，这个谜又称为“生殖系之谜”。也就是说，在生殖细胞里，发育和器官分化的信息就已经存在，后来又被“有序地释放”出来。DNA甲基化在斑马鱼受精卵早期发育过程中“父系”标记取代“母系”标记的过程就是一个很好的例证810。 在自然选择方面，我们也观察到选择机制几乎无处不在。比如，基因簇的选择问题。在脊椎动物和植物基因组中，大部分基因是成簇存在的，它们的基因簇非常保守和稳定，所以有比较好的共线性。但是，节肢动物基因组中的基因簇结构就很差11。基因簇的存在主要是基因共表达的一种结构形式。在基于基因功能的选择上，基因簇也具有特殊性，比如节律调控基因就倾向于从基因簇中“逃逸”，位于基因簇之外12。基因结构

13、本身也有很多选择因素的存在，比如最小内含子（一类物种或谱系特异，大小固定的内含子）的选择，不仅有大小的选择（倾向于一个较为固定的长度范围），也有位置的选择（倾向于富集在基因的3端）。 5. “表观组学之谜（The Epigenomics Dilemma）”遗传与非遗传（或称为环境和表观遗传的总和）的关系一直是遗传学的困惑。尽管分子生物学也有整整一甲子的历史了，但是遗传学与分子生物学，尤其是与细胞生物学的学科边界还是有很深的鸿沟。比如，细胞生物学家在选择研究对象时往往忽略遗传学因素。分子生物学家对机制和分子之间的相互作用感兴趣更多。目前生物学研究的总体趋势是“分久必合”，是信息和知识的大整合时期

14、。逻辑很简单，生命是复杂的，因此科学研究也应该走向接纳复杂性、认识复杂性和解决复杂问题。过去我们对非遗传因素的定义非常粗略，现在是重视的时候了。 6. “五流说”简述我曾提出了所谓的“五流说”，强调遗传学只是基于“信息流”的学问。其它四个“流”是用来定义传统遗传学没明确定义的可遗传、部分遗传和非遗传因素。比如“操作流”就强调生命现象的分子生物学基础和机制，强调DNA、RNA和蛋白质分别主导的细胞学机制，它们毫无疑问会有不同的起源，也会有所分工、有所侧重、有所不同。“分室流”的提出是在于拓展发育、分化、细胞结构等研究的范围和促进知识的必要整合。同时，这些领域也应该思考进化的因素，比如脊椎动物心室

15、的进化，就是一个由简单到复杂的分室化过程。“平衡流”是一个新的概念，旨在整合过去的基本生物化学问题和现在的微流控、单分子和单细胞研究技术平台。尤其是研究平衡流中“能量流”、“物质流”和“信导流”之间的关系。过去积累的分子开关、分子传感、分子标记技术将大有用武之地。最后的一个“流”就是可塑性的研究，又包括表型的可塑性和行为的可塑性。过去曾经有过关于表性可塑性是不是可遗传的争论，现在看起来应该重温一下。比如，我们常观察到谷子和其它很多农作物在干旱的情况下，会长得很矮小，但是它们会接出数量非常少，但是却很饱满的种子。这里有两个根本问题，第一，这样的种子如果继续种下去的话，会长出正常的植物吗？它们的后

16、代和后代的后代呢？第二，植物是如何改变其表型（生长行为的可塑性）来保证接出正常种子的呢？这个转折是如何实现的呢？行为的可塑性是神经生物学的重要研究内容。随着分子生物学、细胞生物学和遗传学在神经生物学领域的应用，主导已久的生理学手段也会有所拓展。那么行为的可塑性是单纯的物质平衡和记忆吗？这些记忆是可以变成某种本能或者说是可遗传的吗？ 尽管说表观组学的研究还刚刚开始，但是值得可庆幸的是我们已经积累了很多工具和知识，我们需要的是一些主导性的大型项目。目前可数的是神经系统的“连接组” 研究，揭示神经元之间的物理和生理关系。“暴露组”研究也在启动，用于量化物理和化学环境对生命的影响。前者是为神经生物学研

17、究和行为、认知等研究奠定物质基础，而后者则试图关联遗传因素与非遗传因素的关系。 7. 结束语我们在这里提出了几个基因组学的未解之谜，分别代表着基因组学研究不同层面的问题：（1）基因与基因组结构的问题，（2）基因组变演的基本动力和机制问题，（3）染色体构象、基因分布与生物体发生的关系，以及（4）遗传与非遗传机理在分子水平的解剖。科学首先是个复杂的意识形态的范畴，包含理论（科学概念和定律等）、技术和应用，它也是一种实践和生产力，既解决具体问题，也探讨指导实践的理论。科学概念和宏观理论框架的明晰会帮助我们保持头脑清醒，设计更合理的实验，解决关键科学问题。各类“组学”实际上是技术和应用导向的实践，解决

18、的是具体问题；“组学”数据的分析和挖掘，通过理论框架的有机连接，导致新的概念、理论和定理的产生则是科学实践的升华。因此，我们会很容易地意识到“五流说”其实是开通学科交叉和融合的“渠道”，既可以作为一个生物学研究的基本理论框架，也可以指导新的思考和实践。尽管就其目前的结构而言，一定不会覆盖所有生物学领域的科学问题，但是我们总应该找到一个合理和有效的开始。“千里之行始于足下”，足下的“五流”也正是一个不算宽广的“路”的开始。生命科学研究的路既充满乐趣和实用性，又充满挑战，一定是漫长而坎坷的。海魂基因视点：事实上，许多客户告诉我们，之所以选择基因检测及个人全面健康管理方案，是因为对自身与家庭健康的重

19、视，无论多强大的经济实力，健康的身体才是自 身最重要的财富。古医术言“上医治未病”，尽管目前政府医疗体系推动“预防”的进程太慢，但我们依然可以通过自身的选择，让我们自身提前一步进入“以预防 为主”，远离重病痛苦的“全面健康”状态。二 / 细说“五流说”第一是“信息流”（Informational Track），它延续“中心法则”的思维框架，主要研究对象是DNA、RNA和蛋白质序列信息，由遗传密码来解读。它的相关研究领域包括分子遗传学、分子进化和基因组结构等。尽管基因型与表型的关系从传承来讲是遗传学的研究内容，但是越来越多的表型被分到可塑性的研究范畴。大样本量的研究也必然要与生态学结合在一起。简

20、单地将基因变异（编码部分）与复杂的生物学现象相关联是不能够真正解决重要生物学问题的，其实质更不是金-威尔森（King-Wilson）在1975年提出的“两个调控水平”假说（简单的基因调控区假说，认为基因调控序列决定基因调控的不同，从而导致近缘物种间的表型不同）8。信息流的研究素材主要是基因组DNA序列和基因组的群体多态性，这些多态性的特点是它们的相对有限性和稳定性。比如，人类基因组间的序列差异大约是1/500，而这些不同常常是以不同的频率被同一个群体来共享的。换句话讲，如果我们测定了一个群体中一万个个体的基因组，这个群体的未知多态性就会所剩无几了。第二是“操作流”（Operational Tr

21、ack），它的研究对象包括生理学、细胞生物学和分子生物学研究的主要实验内容和生物学命题。操作流是个比较复杂的体系，它包括了以DNA（Epigenomic，表观基因组学）、RNA（Ribogenomic，RNA组学）、蛋白质（Proteomic，蛋白质组学）为主体的各种穿插交错的调控机制，对应的是这三个已经建立起来，但是信息流以外的“组学”。第三是“平衡流”（Homeostatic Track），主要是药理学和生物化学等学科的研究精华。平衡流包括三个基本部分：物质（Material）流、能量（Energy）流和信导（Signaling）流。重要的物质流研究对象包括血红素（比如，血红素与生物节律的

22、关系）、生物激素（比如，生长激素与发育的关系）、神经递质（比如，生物递质与神经发育的关系）等等。重要的能量流物质研究对象包括dNTP、NTP、多聚磷酸、各类单糖、各类多糖等。DNA、RNA和蛋白质等作为主要细胞组分也会与能量流和物质流密切相关。我们对能量流的了解其实还是非常有限的，但是从另一个角度来说，其发展潜力也是非常巨大的。比如，人类的生命周期（发育、更年、衰老等）和生殖周期的生理学就是这个“流”所要研究的部分基本内容。病理状态，比如人群中高发的代谢和神经退行性疾病等也在其中。信导流，也就是信号传导，显然已经是分子生物学家几十年来的研究对象，勿须赘述。第四是“分室流”（Compartmen

23、tal Track），它涵盖发育生物学、解剖学、生命起源等领域所涉及的核心科学问题。分室流将以单细胞和细胞群为研究对象，揭示细胞分化、个体发生和发育、组织形成等分子机制。由于生命起源是由简单到复杂，由单细胞到多细胞，所以分室流也将揭示生命起源和细胞器形成等分子机制。干细胞研究也是属于分室流研究的范畴，主要是在分子水平上解释胚胎、诱导干细胞、特定组织干细胞等的差别和如何解释干细胞的自然发生、诱导发生、定向分化和异常分化。同时，也要建立测定干细胞分化定向性和定向分化潜能的维持和诱导因素。第五是“可塑流”（Plasticity Track），主要是研究表型和行为的可塑性。前者囊括生态学与环境生物学的

24、研究内容，后者包括神经生理和心理学等研究内容在分子水平的命题。这两个可塑流的分支有关系吗？为什么要将它们放在一起来研究？这里仅举一个例子，这就是生物节律之一的休眠，例如哺乳动物常见的冬眠（如黑熊）和夏眠（如热带蝙蝠）。冬眠其实是一个由中枢神经系统参与的主动行为，也是一个复杂的生理过程，同时又受环境因素的严格制约。动物的迁徙和休眠行为在进化的框架下，既有趋同进化也有趋异进化，也具有相当强的表型和行为可塑性以及两者的交织和重叠。揭开表型和行为的可塑性之谜显然不是简单的遗传和遗传多态性的问题，是要集成生命科学各个领域的最新成就和技术。 此外，这个“五流”是否涵盖了生命科学的全部呢？答案是肯定的，不能

25、。因为知识在不断高速积累，科学要不断发展和提高，概念和理论必须不断更新。但是，就目前科学界能够容忍的变量和参数而言，这“五流”的关联已经足具挑战性了。生命科学研究基本上有两个极端：简单化和复杂化。简单化的研究是分子生物学家最津津乐道的：例如相互作用和信号传导的研究。复杂化呢，还没有先例。“五流合悟”可能就是一个具体尝试。我们过去对机械式的原理关注过多，对复杂而具有可塑性的生命现象的研究却非常欠缺。过去，这类现象被笼统地归为“表观遗传”和“环境因素”了。这个定义是非常不“科学”和可称经典“鸵鸟心态”。随着科学和技术的发展，我们可以逐渐来面对现实了。 再则，无论如何，生命是个整体，生命的最小单元细

26、胞也是一个整体，就连基因这一生命编码的最小功能单元也是有不同的序列和相互作用原件组成。因此，“五流合悟”不仅势在必行，而且是唯一出路。那么，如何将不同的“流下（内）要素”关联起来呢？简单的孰重孰轻和孰本孰末，显然是不可能帮助我们解决根本问题的。至少五个基本时、空、量、域等参数要考虑，比如：（1）信息流：等位基因的主次之分和群体传递；（2）操作流：可量化的过程、结果和可传递性；（3）平衡流：量化物质的基数、噪音、阈值和能量水平；（4）分室流：量与时间、空间的关系；（5）可塑流：量、时间、空间、交流、程度和可学习性等。 最后，生命科学研究的真正挑战在于如何将这些基于不同概念界定的，由不同技术和方法

27、获取的，被不同领域科学家们所收集的，停留在各个不同理论和信息层面上的知识编织成一个有机的网络或系统。而这恰恰是就是生命的特点，也可以说是揭示生命本质的终极途径。生物医学研究与临床医学实践的精准度也正是由这些研究学科前沿的进步来决定的简述：基因组生物学目前至少有五个层面的思考。第一是“信息流”，延续“中心法则”的思维框架，包括遗传学和分子进化的所有研究内容；第二是“操作流”，包括生理学、细胞生物学和分子生物学研究的主要生物学命题；第三是“平衡流”，主要是药理学和生物化学等学科的精华；第四是“分室流”，它涵盖发育生物学、解剖学、生命起源等领域所涉及的核心科学问题；第五是“可塑流”，研究表型和行为的

28、可塑性，前者囊括生态学与环境生物学的研究内容，后者包括神经生理和心理学等研究内容在分子水平的命题。生命科学研究的真正挑战在于如何将这些基于不同概念，由不同技术和方法获取，被不同领域科学家们所收集，停留在各个不同理论和信息层面上的知识编织成一个有机的网络。生物医学研究与临床医学实践的精准度也正是由这些学科前沿的发展所决定。三 / 达尔文主义和拉马克主义达尔文理论：“适者生存”和“物竞天择”（1）自然中的生物个体与其他个体是不同的。一些变异是遗传的。（2）自然中的生物体产生的后代要比活下来的后代要多，很多后代不能再产生后代。（3）因为产生的后代比活下来的后代多，每一物种的成员必须争夺有限的资源（4

29、）由于每个个体是独一无二的，每一个体都有为生存竞争的不同优势和劣势。（5）个体与环境相适应而成功地存活和产生后代-把他们的品质传给后代。（6）每一物种随时间而改变。在长期的时间里，自然选择引起的变化最终导致了新物种的产生（7）现在存活的物种继承了来自过去物种的改造（8）地球上的所有生物可以整合到一个单一生命树达尔文: 伟大的生物学家，进化论的奠基人达尔文于1859年出版了物种起源，提出了以自然选择为基础的进化学说，成为生物学史上的一个转折点。恩格斯指出它是19世纪自然科学的三大发现之一。因此达尔文的进化论已举世瞩目。但拉马克早于达尔文诞生之前(1809年)就在动物学哲学里提出了生物进化的学说，

30、在进化学说史上发生过重大的影响，为达尔文的进化论的产生提供了一定的理论基础则鲜为人知。拉马克主义：“用进废退”和“获得性遗传”（1）变化与时间相伴随。生物体持续不断地改善自身（2）大多数使用的身体结构在发展而不用的则退化。及用进废退（3）获得性特征的遗传。一个结构通过使用或不使用而改变，这种改造是可以遗传给后代的，即获得性遗传。拉马克（Jean Baptiste Lemarck，17441829）法国博物学家。生物学伟大的奠基人之一，生物学一词是他发明的，最先提出生物进化的学说，提出了高等动物是由低等动物演变而来的。是进化论的倡导者和先驱。他还是一个分类学家，林奈（Carl von linne

31、 17071778）的继承人。主要著作有法国全境植物志、无脊椎动物的系统、动物学哲学等。史蒂芬古尔德 （Stephen Jay Gould）研究了动物哲学。拉马克的进化论可以总结为重要的两点。第一，生物体逐渐地变得更加复杂是有一个初始的原因；第二，这种进步受到外部条件的影响“环境对动物的活动发挥了巨大的影响，在这种影响的结果下，器官增加的或持续地使用或不用英气了动物组织和形态的塑造”。第二种观念导致了拉马克著名的观点即获得性或温和性遗传：“新个体获得的在他们父母生活史上组织器官获得的自然法则是如此的真实和刺激”四 / 表观遗传学表观遗传学：几十年来，DNA一直被认为是决定生命遗传信息的核心物质

32、，但是近些年新的研究表明，生命遗传信息从来就不是基因所能完全决定的，比如科学家们发现，可以在不影响DNA序列的情况下改变基因组的修饰，这种改变不仅可以影响个体的发育，而且还可以遗传下去。这种在基因组的水平上研究表观遗传修饰的领域被称为“表观基因组学(epigenomics）”。表观基因组学使人们对基因组的认识又增加了一个新视点：对基因组而言，不仅仅是序列包含遗传信息，而且其修饰也可以记载遗传信息。表观基因组（英语：Epigenome）记录着一生物体的DNA和组蛋白的一系列化学变化；这些变化可以被传递给该生物体的子代。 改变表观基因会导致染色体结构以及基因作用发生变化。1 表观基因参与基因表达、个体发展、组织分化和转座子的抑制过程。不同于其底层的基因，表观基因对于个体而言并不是基本静态不变的，而是可以被环境因素动态更改的。表观基因现在是癌症研究的热门话题之一。 人类肿瘤由 DNA 甲基化和组蛋白修改模式的破坏造成。癌细胞表观基因异常状态的特点是：基因普遍上被低甲基化、但肿瘤抑制基因的CpG岛启动子被超甲基化、关键基因的组单白发生改变