真核基因组的复杂性

考虑这些基本的事实真核生物的核基因组。它是线性通常,相对于圆形DNA细菌细胞。它符合沃森克里克双螺旋结构模型。此外,它是嵌入在nucleosomes-complex dna蛋白质结构,包装在一起,形成染色体。除了这些基本的、普遍的特性,真核基因组的大小和相差悬殊基因计数。即便如此,基因组大小的数量基因出现在一个生物揭示对生物体的复杂性(图1)。

它有多大?这通常是第一个问题问到一个有机体的基因组。在过去的60年里,科学家们估计超过10000的基因组大小植物,动物,真菌。然而,尽管一个有机体的基因组大小的信息可能是一个不错的起点试图理解遗传内容,或生物体的“复杂性”,这种方式常常掩盖了巨大的真核基因组的复杂性。范Straalen和鲁洛夫•(2006)解释说,“有一个非凡的基因组之间缺乏对应的大小和生物体的复杂性,尤其是在真核生物中。例如,大理石的肺鱼,Protopterus aethiopicus,每40多倍的DNA细胞比人类!”(Figure 2). Indeed, the marbled lungfish has the largest recorded genome of any真核生物。一个单倍体这条鱼的基因组是由高达1328亿个碱基对,而一份人类单倍体基因组只有35亿。(基因组大小通常以皮克(pg),然后转换成核苷酸号码。一个pg相当于约10亿个碱基对)。因此,基因组的大小显然不是一个指标基因组或生物有机体的复杂性。否则,人类将至少尽可能多的DNA的肺鱼,尽管可能更多。

进一步说明,当科学家谈论真核基因组时,他们通常指的是单倍体genome-this的全套DNA在一个单倍体核,如精子或蛋。说,人类基因组是约30亿个碱基对(bp)长是一样的说,每组染色体长30亿个基点。事实上,我们每一个二倍体细胞含有两倍数量的碱基对。此外,科学家们通常只指在细胞核的DNA,除非他们国家。然而,所有真核细胞线粒体基因组,也和许多另外包含叶绿体基因组。在人类中,只有大约16500个核苷酸碱基对,线粒体基因组仅部分的长度30亿bp核基因组(安德森等,1981)。

有趣的是,同样的“非凡的缺乏对应关系”可以指出当讨论蛋白质编码基因和生物之间的关系的复杂性。例如,科学家估计,人类基因组有大约20000到25000个蛋白编码基因。之前完成的序列草案人类基因组计划2001年,科学家做赌注,有多少基因在人类基因组中。大多数预测都对30000年和100000年之间。没有人指望图低至20000年,尤其是相比等生物体的蛋白质编码基因的数量阴道毛滴虫。t .鞘突是一种单细胞寄生生物负责估计每年有1.8亿人类尿道感染。这个小生物功能最多的蛋白质编码基因的真核基因组测序日期:约60000。

事实上,几乎比任何其他生物,人类的25000个蛋白编码基因似乎并不像许多。果蝇黑腹果蝇例如,大约有13000个蛋白编码基因。或者考虑芥菜植物拟南芥“果蝇”的世界中,科学家们使用生物模型为研究植物遗传学。答:芥刚刚大约相同数量的蛋白质编码基因,人类是否略多,约为25500。此外,答:芥有一个最小的基因组在植物世界!似乎很明显,人类会有更多比植物蛋白编码基因,但事实并非如此。这些观察表明有更多的基因组比蛋白编码基因。

如表1所示(改编自范Straalen &鲁洛夫•,2006),之间没有明确的对应关系基因组大小和数量的蛋白质编码genes-another表明基因在真核基因组的数量对有机体的复杂性。蛋白编码基因的数量通常限制在大约25000左右,甚至随着基因组大小的增加。

表1:基因组蛋白质编码基因的大小和数目选择的物种

物种和普通的名字	估计总基因组的大小(bp) *	*估计数量的蛋白质编码基因
酿酒酵母(单细胞崭露头角的酵母)	1200万年	6000年
阴道毛滴虫	1.6亿年	60000年
恶性疟原虫(单细胞疟原虫)	2300万年	5000年
秀丽隐杆线虫(线虫)	9550万年	18000年
黑腹果蝇(果蝇)	1.7亿年	14000年
拟南芥(芥末;thale水芹)	1.25亿年	25000年
栽培稻(大米)	4.7亿年	51000年
背带吊裤带(鸡)	10亿年	20000 - 23000
犬属后裔(国内的狗)	24亿年	19000年
亩骶(实验室老鼠)	25亿年	30000年
智人(人类)	29亿年	20000 - 25000

*可能还有其他估计在文献中,但大多数近似估计那些列在这里。

虽然大部分的重点一直放在特别是蛋白质编码基因,科学家们继续完善他们的定义到底是什么基因,部分的实现不仅仅DNA编码蛋白质。例如,在老鼠基因组的一项研究中,科学家发现,60%以上的这25亿个基点基因组转录,但实际上只有不到2%是转化为功能的蛋白质产品(幽灵财团et al。,2005)。然而,在本文中讨论的重点是蛋白质编码基因,除非另有说明。但是请注意,基因组的大部分转录致力于让tRNA,核糖体rna,很多rna参与拼接和基因调控。

当科学家们几十年来一直在测量基因组大小,他们最近才有技术能力和技术计算基因。估计蛋白质编码基因的数量在一个基因组,科学家通常开始用所谓gene-prediction程序:计算程序,使感兴趣的序列与一个或多个已知的基因序列。其他计算机程序可以预测基因定位通过寻找基因的序列特征,如开放阅读框架内的外显子和CpG岛之内启动子地区。

然而,所有这些计算机程序预测基因的存在。每个预测必须通过实验验证的,例如通过使用微阵列杂交确认预测基因的表示核糖核酸(扬德尔等,2005)。迈克尔·布兰特,华盛顿大学的计算机工程教授解释道自然生物技术、基因预测变得更加准确的在过去的几年中(布伦特,2007)。其改进精密为什么估计占人类基因组的基因数量的减少了从45000年大约10年前,文特尔等的估计26588年的人类基因组计划完成后,(文特等,2001),当前估计的20000年和21000年之间。简而言之,年长的计算方法产生了大量的假阳性,这意味着他们预测蛋白编码基因的存在,实际上并不存在。

与基因组大小一样,有更多的蛋白编码基因并不一定转化为更大的复杂性。这是因为真核基因组进化生成生物复杂性的其他方法。的这种复杂性源于基因组如何“表现”,或者更准确地说,是如何不同的基因表达。

可变剪接是第一个现象科学家发现,不能让他们意识到复杂的基因组蛋白质编码基因的数量来评判。在可变剪接,这发生在转录后和之前翻译,内含子和外显子拼接在一起进行删除信使核糖核酸分子。然而,外显子并不一定都以同样的方式拼接在一起。因此,单个基因,或转录单位,可以为多个蛋白质或其他基因产品代码,这取决于外显子拼接在一起。事实上,科学家们估计,可能有多达500000个或更多不同的人类蛋白质编码仅仅20000个蛋白编码基因。

科学家已经遇到其他一些机制,导致真核基因组产生表型复杂性的能力。这些包括RNA编辑,trans-splicing和串联嵌合现象。RNA编辑是一个信使RNA分子的改造后抄写,为例,修改胞嘧啶到一个尿嘧啶之前转换成一个信使rna分子蛋白质。RNA编辑的表型结果基因和物种之间的差异。虽然有时有害的(例如,一些RNA编辑事件联系在一起疾病),这些RNA编辑事件导致轻微的蛋白质结构的变化可以有选择地有利(Reenan, 2005)。Trans-splicing是单独的成绩单的拼接在一起形成一个信使rna分子,而不是可变剪接,外显子剪接在一起从相同的记录。串联嵌合现象发生在相邻的转录单位转录在一起形成一个信使rna分子(Parra“嵌合”et al。,2005)。

再次考虑的60000个蛋白编码基因阴道毛滴虫。如果所有的60000个基因在相同级别的复杂性为20000左右的基因出头鸟年代,那么不应该t .鞘突是一个比它更复杂的生物是什么?事实证明,它的基因不运行在相同级别的复杂性。首先,很少有内含子的基因,这意味着可变剪接不是蛋白质变化的主要来源。相反,科学家怀疑的大量基因,顺便说一下,是10倍他们预计他们会发现他们开始测序项目是由于之前重复(卡尔顿et al。,2007)。换句话说,许多基因的拷贝。此外,约有一半被认为是“伪基因,”或类似的DNA序列功能蛋白编码基因,但失去了蛋白质编码的能力。科学家们仍然不知道为什么t .鞘突基因组有很多基因,包括很多已经基因。

有机体的复杂性是这样的结果比大量的核苷酸组成一个基因组和基因组编码序列的数量。不仅可以一个编码序列编码通过大量的单独的蛋白质产品可变剪接,但许多基因组也丰富非编码RNA序列,协调工作基因表达。当一个结合了这些元素与其他监管元素,如增强剂和促进剂,以及潜在的序列,仍无特征,很明显,虽然大小是有机体的复杂性的一个组成部分,它对这种复杂性的贡献很小。