1.1.3　人类基因和基因组介绍

随着人类基因组测序的完成，科学家发现人体内估计有20 000到25 000个蛋白质的编码基因，占整个基因组序列的2%，远远低于原本估计的数目。虽然与某些较为原始的生物相比，人类的基因数量较少，但是在人类细胞中使用了大量的选择性剪接，将转录产物中穿插在内含子中的外显子以选择性的方式进行剪切和保留，形成不同的RNA剪切产物，这使得一个基因能够制造出多种不同的蛋白质。也就是说，基因的编码效率在长期的进化过程中得到了加强，使得编码效率更高。大多数人类基因拥有许多的外显子，但人类的内含子比位在其两端的外显子更长。这些基因参差不齐地分布在染色体中，每一个染色体皆含有一些基因较多的区段与基因较少的区段。除了蛋白质编码基因之外，人类的基因组还包含了用来转录tRNA（转运RNA）、rRNA（核糖体RNA）与mRNA（信使RNA）的数千个RNA基因。

人类基因或人类基因组中的功能序列可分为4大类：单一基因、基因家族、假基因和串联重复基因（序列）。（1）单一基因：指人的基因中25%～50%蛋白质基因在单倍体基因组中只有一份，称为单一基因或单一序列。（2）基因家族：从已克隆的许多基因中发现它们不完全是单拷贝的，有的是重复的多拷贝，这一部分基因属于两个或更多个相似基因的家族，它们在结构和功能上具有明显的相似性，编码相似的蛋白质产物，同一家族基因可以紧密排列在一起，形成一个基因簇，但多数时候它们是分散在不同的染色体上，或者存在于同一染色体的不同位置上，各自具有不同的表达调控模式。（3）假基因：假基因也叫伪基因，是指基因家族在进化过程中形成的无功能的残留物。它与正常基因相似，但丧失正常功能的DNA序列，往往存在于真核生物的多基因家族中。假基因可视为基因组中与编码基因序列非常相似的非功能性基因组DNA拷贝，一般情况都不被转录，且没有明确生理意义。（4）串联重复基因（序列）：串联重复序列是指以相对恒定的短序列为重复单位、首尾相接、串联连接形成的重复序列，又称卫星DNA（satellite DNA）。在人类基因组中，串联重复序列约占10%，主要分布在非编码区，少数位于编码区。编码区中的串联重复序列与功能有关，非编码区串联重复序列多分布在间隔DNA或内含子中，重复单位短的仅2 bp，长度可达数十碱基对，重复次数少则几次，多则几百次。重复序列的重复次数不同，是形成DNA长度多态性的基础。人类基因的编码序列往往被非编码序列所分割，呈现断裂状的结构，编码序列称为外显子，间隔的非编码序列称为内含子。内含子在转录后的加工中会被切除。除外显子、内含子外，人类基因还包括与外显子、内含子相邻的DNA序列组件，它们对基因转录的起始和终止起调控作用。

人类基因组包括两个相对独立而又相互关联的基因组：核基因组和线粒体基因组。它们是人体所有遗传信息的总和。如不特别注明，人类基因组通常是指核基因组。人类基因组是由23对染色体组成，其中包括22对体常染色体、1对性染色体（2条X染色体或1条X染色体和1条Y染色体）。科学家将这些染色体分为A组（1—3号）、B组（4—5号）、C组（6—12号，X）、E组（16—18号）、F组（19—20号）、G组（21—22号，Y）共6个组。一般对于人类来说，每个细胞核内只有两套染色体。(https://www.daowen.com)

构成人类基因组的DNA序列既可以是单拷贝序列，也可以是重复频率不等的多拷贝序列。（1）单拷贝序列：又称非重复序列，在单倍体基因组中只出现一次，在基因组中占50%～80%，如人类基因组中大约有60%～65%的序列属于这一类。单拷贝序列中储存了巨大的遗传信息，这些序列可编码各种不同功能的蛋白质。（2）重复多拷贝序列：重复多拷贝序列是指染色体上存在的大量无转录活性的重复DNA序列。其组织形式有两种：串联重复序列和分散重复序列。重复序列又可以分为高度重复序列、中度重复序列和轻度重复序列。高度重复序列一般是由少于10个核苷酸残基组成的短片段，重复几百到几百万次，如异染色质上的卫星DNA。重复次数为十次到几百次，如rRNA基因、tRNA基因和某些蛋白质的基因属于中度重复序列。重复2—10次的一些序列属于轻度重复序列，如tRNA基因和一些组蛋白基因。