第一节
人全基因组、全外显子组和全转录组的基本结构

一、人全基因组

（一）染色体

人类细胞核内有两套染色体，是“二倍体”（haploid），分别来自父母。人全基因组（human whole genome）由23对染色体组成，包括22对体染色体，1条X染色体和1条Y染色体。人全基因组约含30亿DNA碱基对，即60亿个DNA碱基。DNA碱基包括胞嘧啶（C）、鸟嘌呤（G）、胸腺嘧啶（T）、腺嘌呤（A）四种，它们通过氢键配对，G与C通过三个氢键配对连接，A与T通过两个氢键配对连接。人基因组中编码蛋白质的基因序列约占全基因组序列的1.5%，有20 000～25 000个蛋白质编码基因，剩余的部分包括RNA编码基因，调控序列与伪基因（pseudogene）等，以及各种重复序列。重复序列占人全基因组的60%左右，无转录活性，包括成簇存在于染色体特定区域的串联重复序列（tandem repeat），如卫星DNA序列、微卫星等；分散于染色体各处的分散重复序列（interspersed repeat），如DNA转座子（transposons）、长末端重复序列（long terminal repeat，LTR）、短分散重复序列（short interspersed nuclear elements，SINEs），以及长分散重复序列（long interspersed nuclear elements，LINEs）。

（二）基因（gene）

基因是具有遗传信息的DNA片段。通过转录形成功能RNA分子。人的所有基因在23对染色体上呈线性排列，每一个染色体含有数百个基因，大多数基因包含多个外显子（exon），相邻外显子的中间是内含子（intron）。在基因与基因之间，通常是调控序列和非编码的基因间片段（图2-5-1）。

（三）外显子（exome）

人基因组中的外显子在转录并剪接（splicing）后，通过蛋白质翻译过程表达为蛋白质。外显子分为编码外显子（coding exon）和非编码外显子（noncoding exon）两类。编码外显子是基因中的编码序列，经过转录并剪接后，出现成熟的RNA分子即信使RNA（messengerRNA，mRNA），最后mRNA翻译表达为蛋白质。而非编码外显子在转录并剪接后，不能翻译成蛋白质分子。非编码外显子主要包括5'端的非翻译区（5'-UTR），3'端的非翻译区（3'-UTR）。非编码外显子的主要功能是保持mRNA的稳定性，延长其半衰期，并保证mRNA翻译过程正确进行。

（四）内含子（intron）

基因中的非编码区可被转录，但是在mRNA加工过程中被剪接，因此在成熟mRNA中并无内含子的编码序列。

二、全外显子组

全外显子组（whole exome）是人全基因组中所有外显子区域DNA序列的集合。虽然人类全外显子组只占人类基因组长度的1%～2%，但是85%以上因DNA变异引起的疾病，是由于外显子组的变异。

三、全转录组

人全转录组（whole transcriptome）是在某一生理条件下，人全基因组经过转录后，细胞内所有的转录产物，包括mRNA、核糖体RNA（ribosome RNA，rRNA）、转运 RNA（transferRNA，t RNA）及非编码RNA（non-coding RNA）。狭义是指所有mRNA。转录组是基因组遗传信息与生物体功能之间的桥梁。

四、基因突变

基因突变（gene mutation）是指细胞中的基因序列发生碱基对组成、排列顺序以及拷贝数量的改变。基因突变可能导致编码的氨基酸的变化，进而改变蛋白质的功能，引起生物体表型变化。基因突变包括种系突变（germline mutation）和体细胞突变（somatic mutation）。种系突变发生在生殖系细胞（精子和卵子）中，这类突变可传递给后代；体细胞突变发生在体细胞中，体细胞突变不会遗传给后代。基因突变有以下类型：

（一）单碱基变异（single nucleotide variation,SNV）

DNA分子中一个核苷酸被另外一个核苷酸替换而产生的变异，又称点突变（point mutation）。按照碱基类型的变化，单碱基变异可以分为转换（transition），即嘌呤和嘌呤之间，或嘧啶和嘧啶之间的替换；置换（transversion），即嘌呤和嘧啶之间的替换。按照核苷酸突变是否引起蛋白质功能的相应变化，单碱基突变可分为以下类型：

1.无义突变（nonsense mutation）

即一个核苷酸突变后，产生了一个终止密码（stop condon），截断了转录和翻译，从而形成新的蛋白质分子。新的蛋白质分子很可能丧失原来蛋白质分子的功能。

2.错义突变（missense mutation）

即一个核苷酸突变后，产生了一个不同的密码子，从而编码出不同的氨基酸。根据该氨基酸对蛋白质空间结构的影响，新的蛋白质功能可能保持或改变，因此错义突变又分为保守突变和非保守突变。

3.沉默突变（silent mutation）

一个核苷酸突变后，并没有密码子的改变，编码出相同的氨基酸，并不影响蛋白质的功能。

如果在特定群体（population）中，某个单碱基变异的出现频率超过1%，该单碱基变异就称为单核苷酸多态性（single nucleotide polymorphism，SNP）。SNP是人类可遗传的变异中最常见的一种。SNP在人类基因组中广泛存在，根据国际人类基因组单体型图谱（International Hap-Map Project），任何两人之间SNP平均差别有350万之多，约占整个双倍体基因组30亿DNA碱基对的0.1%，平均1000个碱基对中有1个。单倍型（hyploid genotype，haplotype），即单倍体基因型，同一条染色体中一组相互关联的SNP或其他基因型通常一起遗传。通过确定单倍型，并对单倍型进行关联统计学分析，可以探索疾病的基因基础。比如将患者与健康人（对照）的单倍型进行比较，如果某一种单倍型在患者组与对照组的出现频率有显著差异，那么影响该疾病的基因可能就与这个单倍型密切相关。国际Hap Map计划的目的之一就是通过单倍型图谱Hap Map，更多地了解常见疾病与基因的关系（图2-5-2）。

（二）插入与缺失突变（insertion and deletion,In Del）

1.插入突变（insertion）

一个基因的DNA中插入其他DNA片段，使基因序列发生变化，改变其编码的蛋白质的结构，进而影响蛋白质分子的功能。

2.缺失突变（deletion）

在基因中缺失DNA片段，改变基因编码的蛋白质分子的功能。

（三）结构性变异（structural variation,SV）

通常包括长度在50bp以上的DNA序列的插入、缺失、倒位、重复，移动元件，染色体内部或染色体之间的序列易位，以及更为复杂的组合变异。基因中出现这种变异，会影响转录、翻译以及蛋白质分子结构和性质，乃至生物体的表型。

（四）拷贝数变异（copy number variation,CNV）

由于基因序列重排，导致1kb以上的大片段DNA的拷贝数增加或减少。CNV的发生频率远远高于SNP，而且稳定并可遗传到下一代，是导致人类疾病的重要分子机制之一。CNV通常是由非等位基因同源重组（non-allelic homologous recombination，NAHR）所致。在同源重复序列之间，基因发生大片段的结构变异和染色体重排，从而导致基因组的稳定性下降，并诱发疾病。非同源重组也可以造成CNV，是较小片段的CNV形成的主要机制（图2-5-3）。