人类基因组概况

Department of MicrobiologyFuquan Hoo人 类 基因 组 概要Outline of Human Genome有科学史以来的 过 去几百年中，人 们对 于人 类 基因组 的 认识 大多限于染色体和个 别 基因的 认识 。真正对 于人 类 基因 组 有 “整体序列水平 ”的 认识 是在人 类基因 组计 划完成之后。因此，我 们 要 讨论 人 类 基因组 就不得不先 谈 一 谈 “人 类 基因 组计 划 ”（ Human Genome Project,HGP）1. 什么是人 类 基因 组计 划？HGP是研究人 类 基因 组 （及相关的大 肠 杆菌、酵母、线 虫、果 蝇 及 拟 南芥基因 组 ）的、宏大的跨国科研 计划，它可与阿波 罗计 划媲美。 HGP在 20世 纪 80年代中期提出，自 1990年正式开始， 计 划用 15年 时间 ，耗 资 30 亿 美元，完成人 类 基因 组 的 测 序和基本注 释 ，完成 4 套 图谱 ： 遗传图谱 、物理 图谱 、序列 图谱 及基因 图谱 。一 . 人 类 基因 组计 划 美国 马萨诸 塞州的 Cambridge基因 组 研究中心的Whitehead Institute英国 剑桥 的 Sanger Center美国密 苏 里的 Washington University美国加州的 DOE 联 合基因 组 研究所美国得州的 Baylor College Of Medicine美国的一些其它 单 位中国、德国、法国、日本2.哪些国家和 单 位参加了 HGP?3.谁 的 DNA被用来 测 序？在构建文 库实验 室附近刊登了 为 HGP捐献 DNA的广告， 选择 了不同人种的健康捐献者。采集 样 品 经 匿名 处 理：取 样实验 室撕去所有 样 品 标记 ， 记 以随机号 码 ，交 样 品 处 理室。 样品 处 理室再撕去原 标记 并重新 标记 。最 终 使用的每一 样 品大约 收集了 5 10个 样 本。捐献者与 DNA样 品之 间 不再有任何 联系 , 所以捐献者的身份是不被知道的。而 Celera 的 测 序 样 本来自 5个人：分 别 属于西班牙裔、亚 洲裔、非洲裔、美洲裔和高加索裔（ 2男 3女），是从 21个志愿者 样 本中挑 选 的。最后公布的序列 图谱 中 还标记 了 140万个 SNP位点，因此，它不是某一个确定人物的 图谱 ，而是 “人 类 ”的 图谱 。4. HGP的目 标 l determine the sequences of the 3 billion chemical base pairs that make up human DNA, l identify all the genes in human DNA, l store this information in databases, l improve tools for data analysis, l transfer related technologies to the world publicl address the ethical, legal, and social issues (ELSI) that may arise from the project.两个 “人 类 基因 组计 划 ”前面提到的由多个国家合作 进 行的 计 划，称 为 “国 际合作 ”计 划。 这 个 计 划是由国家 拨 款 资 助，自 1990年开始，轰轰 烈烈干了整 8年，做了大量 艰 苦、 细 致的工作，也使得测 序方法得到相当的完善，大 规 模自 动 化 测 序 仪 已 经 出 现 ，不用做 遗传图 和物理 图 的 “鸟枪 法 测 序 ”技 术 于 1995年在流感嗜血杆菌中 获 得成功 . 1998年有一个私人公司 Celera突然宣布，要用 3年 时间抢 在 “国 际 合作 组织 ”之前完成人 类 基因组测 序 计 划 ,并将人 类 基因 专 利注册。私人公司的介入，引入了 竞 争机制，迫使 “公共合作 组织 ”不得不加大投 资 、加快速度。 结 果两个 计 划都在 2001年完成了 “草 图 ”。The HGP consortium published its working draft in Nature 409 (15 February). Celera publishes its working draft in Science (16 February).“草 图 ”（ Draft Genome Sequence)意味着什么？“草 图 ”还 不是完成 图 ， 还 有 1000多个 “缺口 ”， 缺口主要集中在异染色 质 区域。目前，没有一个真核生物的基因 组 被 测 序到 100。有一些区域通常是高度重复区域用当今的技 术很 难 或根本不可能被克隆或 测 序。但是，公布的草 图 中， 90 93常染色 质 区域（富含基因区）已 经 被 测 序。2003年，人 类 基因 组计 划完成它的 “完成 图 ”， 98以上的基因 编码 区已被 测 序，精度达 99.99%，至此，人 类 基因 组计 划宣告它的完成。 这 一年，正 值James Watson and Francis Crick 发 表 DNA双螺旋结 构 50周年。人 类 基因 组计 划的完成 为 50周年 庆 典送了一份大礼！ Nature和 Science分 别发 表了 专 文，介 绍 了人 类 基因 组计 划在 2001 2003这 两年中又取得的 进 展及人 类 基因 组 学今后的 发 展方向。基因 组 的完成 图1. Barbara R. Jasny and Leslie Roberts： Introduction， Science Apr 11 2003: 277。2. Francis S. Collins, Michael Morgan, Aristides Patrinos： The Human Genome Project: Lessons from Large-Scale Biology。 Science Apr 11 2003: 286。3. Marvin E. Frazier, Gary M. Johnson, David G. Thomassen, Carl E. Oliver, Aristides Patrinos： Realizing the Potential of the Genome Revolution: The Genomes to Life Program。 Science Apr 11 2003: 290。4. Francis S. Collins, Eric D. Green, Alan E. Guttmacher, Mark S. Guyer ： A Vision for the Future of Genomics Research. A blueprint for the genomic era. Nature Apr 24 2003: 835.5. Sean B. Carroll: Genetics and the Making of Homo sapiens. Nature Apr 24 2003: 849. 6. Jonathan Arnold, Nelson Hilton: Genome Sequencing: Revelations from a Bread Mould. Nature Apr 24 2003: 821. It is essentially immoral not to get it (the human genome sequence) done as fast as possible.James Watson人 类 基因 组计 划的完成，使得我 们 今天有可能来探讨 基因 组 的概，但我 们 仍然无法来 谈论细节 。基于我 们 人 类 今天知 识 的局限性，目前我 们还 无法完全 读 懂 这 本天 书基于我 们 个人的知 识 局限性，没有任何一个人能完全 读 懂 这 本天 书既使是集人 类 集体之智慧，我 们 也无法将目前人 类能 够认识 到的有关基因 组 的全部知 识 集中到一篇 论文中来。因此，今天只能 讨论 有关基因 组 的概况。二 . 人 类 基因 组 概况（ 对 草 图 的 统计）基因 组 大小 2.91GbpA+T含量 54%G+C含量 38%不能确定的碱基 9重复序列（不含异染色 质 ） 35%编码 序列 (基因）数目 26588功能未知基因比例 42%外 显 子最多的基因 Titin（ 234）SNP数量 约 300万个SNP密度 1/12500 bp最 长 的染色体 2（ 240 Mbp）最短的染色体 Y（ 19 Mbp）基因最多的染色体 1（ 2453）基因最少的染色体 Y（ 104）基因密度最大的染色体 19（ 23/Mb）基因密度最小的染色体 13， Y（ 5/Mb）重复序列含量最高的染色体 19（ 57%）重复序列含量最低的染色体2， 8， 10， 13， 18（36%）编码 外 显 子序列的比例 1.1 1.4%基因的平均 长 度 27 Kb女平均男染色体上距着 丝 粒越 远 ，重 组 率越高在 遗传 作 图 中，各 遗传标记 之 间 的距离是用重 组 率来表示的，将 遗传标记 距着 丝 粒的 实际 距离 对 重 组 率作 图 ，不 难 看出下述关系： 着 丝 粒附近的重 组 受到抑制，距着 丝 粒序列距离越 远 ， 重 组 率越高染色体 长 臂的平均重 组 率 为 1 cM/Mb染色体短臂的平均重 组 率 为 2 cM/Mb女性染色体重 组 率比男性高三 . 人 类 基因 组 GC含量与 CpG岛人 类 基因 组 的 GC含量 围绕 平均含量 41 长 距离波动 。存在 GC富含区及 GC贫 乏区。 GC富含区及 GC贫 乏区具有不同的生物学意 义 。GC富含区与基因密度程正相关GC贫 乏区存在大量重复序列染色体 深色 G带 对应 的是 低 GC含量区染色体 浅色 G带 对应 的是 高 GC含量区GC含量的 “板 块 ”变 化是由于基因 组进 化 过 程中 转 座事件 导 致的 “区域 镶 嵌 ”。GC含量与基因密度呈正相关基因 组 序列 GC含量直方 图 （ 20Kb 窗口）基因 组 中的 CpG岛人 类 基因 组 中的 CpG岛 出 现 率很低。预计值 ： 胞 嘧啶 与 嘌 呤的比列的乘 积 , 约 4 实际值 ： 约 0.8 % 这 是因 为 : 基因 组 中大多数二核苷酸 CpG中的胞 嘧啶 是甲基化的 , 被脱氨基成 为 胸腺 嘧啶 T, 即 CpG TpGCpG多出 现 于基因的 5端 , 故 对 于 预测 基因很有意 义 。基因 组 内有 CpG岛 50267 个重复序列内的 CpG岛 21377 个， 一般不具功能非重复序列内的 CpG岛 28890个CpG岛 的分布密度与染色体上的基因密度高度相关 染色体上的 CpG岛 数量与基因数程正比四 .人 类 基因 组 中的重复序列生物学中的一个困惑 现 象是基因 组 的大小与物种复 杂 性的不一致，如人基因 组 比 Amoeba dubia 小 200倍。其中一个解 释是基因 组 中含有大量重复序列。 重复序列是指基因 组 中不 编码 蛋白 质 且有多个拷 贝 的序列，是人 类 基因中的主要成分，占据全基因 组 的大部分区域。 重复序列的生物学意 义 有待 阐 明重复序列是一种重要的分子 标记 。l 散在插入重复序列：多由 转 座子插入引起的重复l 大片段复制性重复： 约 10 300Kb,基因 组 不同区域 间 重复l 串 联 重复：高度重复的串 联 重复，也称 卫 星 DNA,多存在于着 丝 粒、端粒、近着 丝 粒短臂等位置。人 类 基因 组 中的散布重复序列类 型 家族 单 位 长度拷 贝数总长度比例SINE Alu 0.13 kb 1百万 288 Mb 9.9MIR 40万 66 Mb 2.3LINE LINE1 0.8 kb 35万 466 Mb16.1LINE2 0.25 kb 27万LTR HERV 1.3 kb 5万 155 Mb 5.3RTLV，LTR 0.5 kb 20万DNA Tn MER,THE等 0.25 kb 20万 50 Mb 1.7总 记 1025 Mb35.3l SINE： short interspersed nuclear elements.l L