如何命名和书写基因——最新国际人类基因命名和书写规则

如何命名和书写基因最新国际人类基因命名和书写规则专题讲座国际内科双语杂志2005,VO15,NO5专题讲座如何命名和书写基因最新国际人类基因命名和书写规则方福德向若兰杨燕丽中国医学科学院【J刊协和医科大学基础医学研究所医学分子生物学国家重点实验事,北京100005在实际工作中我们注意到,国内刊物对基因,蛋白质等生物分子的命名和书写比较混乱,一些专业刊物的编辑也经常询问相关问题实际上,国际上早就有专门机构负责制定统一的规则和指南这里着重介绍人类基因的命名和书写的国际通用规则人类基因的命名由国际人类基因命名委员会HUMANGENENOMENCLATURCOMMITTEE,HGNC负责制定和发布首次发布人类基因命名指南是在1979年,此后每隔几年就会发布新的指南,迄今已达4次,分别在1987,1995,1997和2002年本文资料主要来源于2002年版本WAINHM,BRUFORDEA,LOVERINGRC,ETAL,GUIDELINESFORHUMANGENENOMENCLATUREGENOMICS,2002,79464470人类基因的命名工作主要包括确定基因名称和符号等内容人类基因组计划完成后,科学家估计人类基因组所含基因总数在2600040000之问,加上等位基因,基因家族和假基因等,数量相当庞大对这么多基因进行命名和书写,需要统一规则,避免混乱,以利于学术交流,促进科学发展但有一点须指出,人类基因的命名和书写规则也不是一成不变的,随着科学发展,特别是新技术方法的发展,为人类基因命名提供了更多合理的选择机会,使之不断改进和完善HGNC颁布的最新版本指南2002指出,人类基因的命名应遵循以下6个基本原则1每一个基因的符号具有惟一性2基因符号是基因名称的缩写,一般不超过6个字母3基因符号应由拉丁字母或其与阿拉伯数字组合而成4基因符号不应含标点符号5基因符号不应以G为末端6基因符号不涉及其他种属CORRESPONDINGAUTHORTEIC3ITANETCNMEDICLNELNTERNATIONAL符号指定的标准基因GENE一个基因定义为贡献于表型和功能的一段DNA在不知功能的情况下,一个基因可通过序列,转录或同源性来鉴定座位LOCUS座位不是基因的同义词,但是一个图位置MAPPOSITION更准确的定义是座位是由一个标记物通过作图而确定的基因组中的一个位点它不一定与某个基因相对应,也可能是非编码DNA片段或细胞遗传学特征用不同的标记作图可以使一个基因位于不同的座位中RULESANDGUIDELINESFROMTHEINTERNATIONALCOMMITTEEONSTANDARDIZEDGENETICNOMENCALTUREFORMICE,HTTP/WWWINFORMATICSJAXORG/MGIH0ME/NOMEN/GENESHTMLTRDEF染色体区域CHROMOSOMEREGIOR定义与一种特别的综合征或表型相关联的基因组区域,该区域中可能存在与表型相关的基因符号指定如下1被确定为以单基因孟德尔性状遗传的表型,如BBS1BARDETBIEDL综合征1,BARDETBIEDLSYNDROME12通过与已知标记连锁或相关分析所显示的贡献于复杂性状的未鉴定基因,如IDDM6胰岛素依赖性糖尿病6,INSULINDEPENDENTDIABETESMELLITUS63具有足够的结构,功能和表达数据的克隆DNA片段,如COX8细胞色素C氧化酶亚单位,CYTOCHROMECOXIDASESUBUNIT4假基因即无功能基因拷贝,如IL9RP1白介素9受体假基因L,INTERLEUKIN9RECEPTORPSEUDOGENE15由与一个已知基因重叠的反义链编码的基因,如IGF2AS胰岛素样生长因子2,反义INSULIN1IKEGROWTHFACTOR2,ANTISENSE6转录但不翻译的功能DNA片段,如XISTX失活一特异性转录本,XINACTIVESPECIFICTRANSCRIPT7与细胞表型相关的一个基因或若干基因,如LOH18CR1杂合性丢失,L8,染色体区域LLOSSOFHETEROZYGOSITY,L8,CHROMOSOMALREGION18表明一个推测基因的EST簇,如C1ORF1染色体1开放读框L,CHROMOSOMELOPENREADINGFLAME19表达序列片段,按基因组数据库的序数编号,如DXYS155E附录110由单个MRNA产生的多顺反子基因,但是它们具有独立的编码序列和各自的物理性质,以及不与其他编码序列重叠,如SNURFC2005THEMEDICINEPUBLISHINGCOMPANYLTD国际内科双语杂志2005,VO15,NO5童墅进座SNRPN上游读框,SNRPNUPSTREAMREADINGFRAME和5RP小的核内核糖核蛋白多肽N,SMALLHUCLEARRIBONUCLEOPROTEINPOLYPEPTIDEN11享有高度相似序列的未知功能基因,如FAMTA1序列相似性7家族,成员A1FAMILYWITHSEQUENCESIMILARITY7,MEMBERA112与已知基因具有高度同源性的被预测基因INSILICO,在已知基因符号后加L,如TCPIOL【T一复合物10小鼠样基因,TCOMPLEX10MOUSE1IKE】13在同一DNA链上发现的内部转录物要注明所对应的基因和内部转录物,如COPG2IT1外被体蛋白复合物,亚基Y2,内含子转录物1COATOMERPROTEINCOMPLEX,SUBUNITGAMMA2,INTRONICTRANSCRIPT1基因符号人类基因符号为大写拉丁字母或其与阿拉伯数字的组合除,0R符号外原则短不尝试代表所有已知信息不造成任何歧义特别在数据库中查找时,新基因不应与已知人或小鼠基因重复注意1不用罗马数字过去用的罗马数字要改为对等的阿拉伯数字2符号应写在同一线上3希腊字母不用作基因符号所有过去用的希腊字母应转换为拉丁字母附录2,表14前缀为希腊字母的基因名称应转换为对等的拉丁字母并放在基因符号的末端,具有类似性质的基因可按字母顺序排列,如GLA半乳糖苷酶,DGALACTOSIDASE,ALPHAGLB半乳糖苷酶,BGALACTOSIDASE,BETA5不使用标点符号除HLA免疫球蛋白和T细胞受体基因符号可用分字号外6基因符号通常不表示选择性转录物,但当一组具有多个小编码序列形成多种不同的大产物时,这些小的编码序列可用不同符号表示,如UGT1A1一UGTIA13UDP糖基转移酶L家族,多肽AL至A13UDPGLYCOSYLTRANSFERASE1FAMILY,POLYPEPTIDEA1TOA13,分别代表13个不同的基因符号7应避免表示组织特异性或分子量8应避免某些字母或字母组合作为基因符号的前,后缀而试图给出特定意义9癌基因的符号是对应于逆转录病毒同源癌基因,但不加“V一“或“C“前缀,如T,“VJUN肉瘤病毒17癌基因同源物禽类,VJUNSARCOMAVIRUS17ONCOGEMEHOMOLOGAVIAN“,SRC“VSRC肉瘤SCHMIDTRUPPINA一2病毒癌基因同源物禽类VSRCSARCOMAMEOICINE1NTERNAT10NALSCHMIDTRUPPINA2VIRALONCOGENEHOMOLOGAVIAN“基因名称GENENAMES基因的命名应该简短而且专一,能够表示这个基因的特性或者功能,但是并不一定要描述这个基因的一切内涵基因符号的首字母应该像姓氏一样方便按照字母顺序列表并分组基因名字的拼写按照美国式的拼写方式因为基因的名称只是一个比较局限的描述,所以不应该描述组织特异性和分子量但是,如果十分必要的话,也可以把它们组合到一个基因名字里面如果需要,那些有着特殊千道尔顿分子量的可以使用SI单位在分子量后面加上KDA,中间不加空格基因的名称不能使用类似侄子,叔叔,姐妹等这类专有名词来描述与其他基因间的家族式关系以下是一些基因命名的规则1名字的开始应该用小写字母,除非是用人名表示疾病,表型或者是首字母的缩写,例如AHDS“ALLANHERNDONDUDLEY综合征,ALLANHERNDONDUDLEYSYNDROME“,ABCA1“ATP一结合盒,亚家族AABC1,1号成员,ATPBINDINGCASSETTE,SUBFAMILYAABC1,MEMBERL“2描述性的内容紧接在名字主干的后面,用逗号分开,如ACO1“顺乌头酸酶,可溶性的,ACONITASE1,SOLUBLE“3如果存在一个别名,也应该包括在这个名字里面,加上括号即可,如/DS“艾杜糖醛酸2一硫酸酯酶HUNTER综合征,IDURONATE2SULFATASEHUNTERSYNDROME“O4其他种属的名称必须在最后写在括号内,如LFNG“边缘性精神错乱同源基因果蝇,LUNATICFRINGEHOMOLOGDROSOPHILA“,A,J广ANILLIN,肌动蛋白结合蛋白小片段同源,果蝇,ANILLIN,ACTINBINDINGPROTEINSCRAPSHOMOLOG,DROSOPHILA“基因家族GENEFAMILIES可能的话,结构性和功能性基因家族应尽量使用分级符号以主要或者主干符号做为基因家族系列名称的基础,易于在含有其他基因家族的数据库和文献中寻找基因家族的成员用阿拉伯数字来表示,这些数字紧接在主要名字的后面,中间没有空格,例如GPR1,GPR2和GPR33个G蛋白偶联受体基因成员,THREEGPROTEINCOUPLEDRECEPTORGENES当然,也C2005THEMEDICINEPUBLISHINGCOMPANYDD专题讲座国际内科双语杂志2005,VO15,NO5可以用单个字母做后缀来表示这些基因,例如LDHA,LDHB和LDHC3个乳酸脱氢酶基因家族成员,但这种形式仅仅在以前使用过,并且非常少见一些基因家族非常庞大,需要用数字和字母相结合来表示其复杂的关系,如CYP1A1,CYP21A2和CYP51A1细胞色素P450超家族中的3个成员,THREEMEMBERSOFTHECVTOCHROMEP450SUPEFFAMILY当HGNC确认了这个基因家族的一系列名字后,它的等级顺序没有必要反映其在文献上出现的年代顺序由HGNC确认的这一系列名字在文献中优先使用,虽然在相关的科学领域中还会继续讨论对这个基因的命名许多基因已经有被认可的符号和名字,但其并不能反映后来增加的新信息尽管如此,也不能随意改变基因的名字,除非原先的命名存在严重的错误然而,一些研究某些特殊基因家族的研究小组经常在发现了更多信息后共同修改了这些基因的名字,这样的行为还是可取的那些准备这样做的研究组应在HGNC上注册,这样可以避免某些可能出现的问题那些已经被弃用的名称应该尽可能的不要再使用,否则会严重干扰修改后名称的使用如果一个基因仅仅是因为与某个已知基因在结构上同源而确认,而这个基因家族又是以功能来命名,那么这个家族的新成员在其功能被实验证实以前都应安排一个工作的名称可以用一个小写字母做后缀来表示这个暂时的名称,如IL27W白介素27工作名字匿名家族ANONYMOUSFAMILIES如果一组基因在序列上有相似性,然而并没有对同源性和功能的描述,它们可以归为匿名家族,并使用FAM符号来暂时命名用FAM序号命名的每个家族成员,如果基因的产物有超过40的氨基酸同一性就可以使用MACKENZIE和NELSON建立的通用标准来命名然而,这个标准并不是绝对的,它只是方便人们使用的一种比较合理的名称这个名称通常要用字母来表示亚家族,最后还要有表示这个基因的序号,如FAM7A1“有着相似序列的7个基因构成的家族,成员A1FAMILYWITHSEQUENCESIMILARITY7MEMBERA1“一旦这组基因有了更多的发现,并能取一个描述性的名字时,这个基因家族就要采用新的名称,FAM的名称则不再使用MEDLCLNELNTERNATIONAL与其他种属的同源性HOMOLOGIESWITHOTHERSPECIES在不同的脊椎动物在适当的情况下,也包括无脊椎动物种属中,同源基因可以使用相同的命名规则具体说明如下1在其他种属中首先发现人类的某些同源基因时不能在前面加上H或H来表示来源于人类2当一个或一系列基因在一个种属中被确定后,可以合理的推测将来它们也会在人类身上发现,建议在命名时保留人类的座位同样,那些首先在人类中发现的基因也应该保留其他种属的座位3当有必要在相同基因名称中区分出它来源于那个种属时,可以使用SWISSPROT建立的用来表示不同种属的字母编码HTTP/“VWWESPASYCH/CGIBIN/SPECLIST常用的种属可以在APP2TABLE2上找到4人类和小鼠许多同源基因的命名是一致的,依此应该将之推广并延伸到其他脊椎动物种属的基因命名上5对于那些与无脊椎动物或者原核生物同源的人类基因来说,有时要把这个名称用于其他的种属,通常可以在后面加上“L“来表示“相似“,如果有或者可能有超过一个的人类同源基因,这时可以加上一个数字,并在后面用圆括号注明种属的名称,如BARHL1“BARH相似基因L果蝇,BARHLIKELDROSOPHILA“不使用“H“来代表同源,这种方式以后不再使用6对于人类基因的同源基因来说,建议在小鼠身上使用相同的命名规则来分配人类D片段的序号通过与人类DNA片段杂交得到的小鼠DNA片段可以在人类的符号前加上小鼠染色体序号做为前缀,并用H表示人类如,人类D21S56基因在小鼠身上就叫D16H21S56同样,如果人类的C面R,79基因在鸡的L6号染色体上,鸡的名称就应该是C16H6ORFL9“L6号染色体开放读码框,人类C6ORFL9,CHROMOSOME16OPENREADINGFRAME,HUMANC6ORFL9“由序列信息辨认的基因GENESIDENTIFIEDFROMSEQUENCEINFORMATION反义ANTISENSE一个未知功能的基因,如果和另一基因在染色体相同座位上编码具有外显子重叠,它也应该有自己的名字如果这个新基因调节另一基因,就应该在受其调节的这个基因名字加上后缀AS来表示反义如IGF2AS“胰岛素样生长因子2,反义,INSULINLIKEGROWTHFACTOR2,ANTISENSE“这个基因名字不应当倒写C2005THEMEDICINEPUBLISHINGCOMPANYLTD国际内科双语杂志2005,VO11童墅进座67反向链OPPOSITESTRAND如果一个未知功能的基因存在于反向链上,而且还没有证据说明其有调节功能,应该加一个后缀OS来表示“反向链“不翻译的功能RNASUNTRANSLATEDFUNCTIONALRNAS有些基因的名称是很独特的并且与某些科学社团有关这些名称应该包括“不翻译的RNA“,如H19“H19,母系印记表达的不翻译RNA,H19,IMPRINTEDMATERNALLVEXPRESSEDUNTRANSLATEDRNA“相关相似序列【RELATED1IKESEQUENCES】过去人们曾经使用加后缀“L1IKE“的方式来表示那些通过交叉杂交方法发现的相似序列某些基因是通过数据库找到的,但是在数据库里又没有相关功能的信息,如果这些基因与已经有明确命名的已知基因存在着序列上的相似性,就可以在后面加上“L以表示相似,如ACY1L“酰化氨基酸水解酶1一相似蛋白,AMINOACVLASELLIKE“一另外,如果这些相似基因不止一个,可以在后面加上一系列的序号,比如从BTNL1“嗜乳脂蛋白一相似蛋白1,BUTYROPHILIN1IKE1“到BTNL3未知功能的基因GENESOFUNKNOWNFUNCTION从EST或者有EST证据的基因组序列中预测的基因,又没有发现结构或功能上的同源基因,我们可以认为它是一个假设性的基因它以染色体的来源而命名,字母“OFF“用来表示开放读码框,后面再加上一系列的序号,如C2ORFL,“染色体2开放读码框1,EHROMOSOME2OPENREADINGFRAME1“使用小写字母“OFF“是为了防止混淆首字母“0“和数字“0“,因为0也许是染色体上的某个编号如果对这个基因没有更多的了解,在文献中使用KIAAFLJ名称只是一种暂时的称呼KIAAFL详细列表可以在“KAZUSADNA研究所人类EDNA计划“上找到当它们的功能确定后,就可以更改这些临时的名称假基因PSEUDOGENES假基因是一些与已确定的某些基因高度同源的基因,但它们自身既不转录又不翻译最近在不同的器官或组织中发现它们也有某些功能因此,以前在功能基因的后面加上“P“和序号的命名方式只适用于某些个别情况将来,假基因可以在相似基因名字后面加上序号,如果需要的话还可以加上“P“做后缀来表示假基因在某些特殊情况下还可以加“PS“如,OR5B12P“嗅觉受体,家族5,亚家族B,第12号假基因,OLFACTORYRECEPTOR,FAMILV5,SUBFAMILVB,MEMBER12PSEUDOGENE“无论如何,假基因这个名称还将继续保留从序列信息中可以推测出某些潜在的假基因,如MEDICINEINTERNATIONAL果这个基因至少有50的预测氨基酸与已知基因的开放读码框有超过50的同源性,通常也应该给其命名命名的规则参考人类基因命名注释2号工作组HTTPWWWSANGERACUK/INFO/W【RKSH0PS/HAWK2注意,不能从其他种属假基因的序号推断出它们不同种属间的同源关系,序号一般都有种属特异性酶和蛋白ENZYMESANDPROTEINS在基因名称和符号申请中使用的规则,并不适合用于这些基因编码的酶的命名,后者的命名应该根据国际生化和分子生物学组织命名委员会推荐的方式如FPGS“叶酸多聚谷氨酸合成酶FO1,LPOLYGLUTAMATE“HTTP/CAEXPASYORG/ENZVME/基因编码的血浆蛋白,血色素,还有一些特殊蛋白的命名必须要依据其委员会推荐的标准名字,如HBA1“血色素,ALPHA1HEMOGLOBINALPHA1“临床疾患CLINICALDISORDERS第一个用来描述遗传性临床表型单基因致病的孟德尔遗传的基因符号是以疾病的名称为基础,同时又遵循前面介绍的规则,例如软骨发育不全AEHONDROPLASIA用ACH来表示当基因的产物或功能被确定以后,其符号通常会发生变化,然而,当该克隆基因没有更多信息时,以疾病名称为基础的符号例如ACH将被继续使用当基于克隆基因产物或功能的基因符号已经被认可时,将优先采用这个符号,而不采用从临床疾病衍生而来的符号,但这两种符号关于基因的描述是一致的例如针对软骨发育不全这个疾病,ACH被弃之不用,而FGFR3和“纤维母细胞生长因子受体3软骨发育不全,致死性侏儒症ACHONDROPLASIA,THANATOPHORICDWARFISM“这个名称被认可使用如果最初的基因符号将被保留使用,建议不要单独使用基于疾病表型而创造的名字,例如相对于TSC2“结节硬化2“的马铃薯球蛋白TUBERIN,采用前者而不采用后者复杂/多基因性状COMPLEX/POLYGENICTRAITS基因组扫描可以发现在复杂性状中起作用的位点,出于方便的目的,一个位点会用一个基因符号来表示,例如IDDM3“胰岛素依赖性糖尿病3,INSULINDEPENDENTDIABETESMELLITUS3“,虽然一部分这样的基因C2005THEMEDICINEPUBLISHINGCOMPANYLTD专题讲座国际内科双语杂志2005,VO15,NO5符号会很快不再使用重叠基因综合征CONTIGUOUSGENESYNDROME已经明确与广泛散在分布的多个位点有关的综合征不能用基因符号来表示与某一区段的缺失或重复有关的综合征可以用字母CR代表染色体区域来表示,而不用S代表综合征表示例如ANCR“ANGELMAN综合征染色体区域,ANGELMANSYNDROMECHROMOSOMEREGION“和CECR“猫眼综合征染色体区域,CATEYESYNDROMECHROMOSOMEREGION“然而,随着数据库的完善,描述这种信息的方式也越来越多,建议将这些符号按照综合征的区域符号进行分类,而不是按照基因符号来分类在染色体区域内发现的候选基因可以用带序列号的综合征区域符号来表示,例如CECR1“猫眼综合征染色体区域,候选基因1CATEYESYNDROMECHROMOSOMEREGION,CANDIDATE1“杂合性丢失LOSSOFHETEROZYGOSITY根据杂合性丢失可以推断存在基因的染色体区域,能用符号来表示,这个符号包括字母LOH代表杂合性丢失,染色体号,CR代表染色体区域和序列号,例如LOH1CR1“杂合性的丢失,1,染色体区域1LOSSOFHETEROZYGOSITY,1,CHROMOSOMALREGION1“基因组重排和特性GENOMICREARRANGEMENTSANDFEATURES仅在人群亚群中发现的基因GENESONLYFOUNDWITHINSUBSETSOFTHEPOPULATION通过重组事件产生的基因用符号来表示,这些符号包括一个由原来的基因符号所决定的数字或字母,例如K/R2DL5基因在一些单倍型中发生重复,原来的基因用KIR2DLSA“杀伤细胞免疫球蛋白样受体,两个亚基,长的胞内尾,5AKILLERCELLIMMUNOGLOBULINLIKERECEPTOR,TWODOMAINS,LONGCYTOPLASMICTAIL,5A“表示,发生重复的基因用KIR2DLSB“杀伤细胞免疫球蛋白样受体,两个亚基,长的胞内尾端,5BILLERCELLIMMUNOGLOBULINLIKERECEPTOR,TWODOMAINS,LONGCYTOPLASMICTAIL,5B“表示为了便于理解,基因的名称上会被加上关于染色体位置的信息,如端粒的TELOMERIC这类符号将被单独批准基因重组GENERECOMBINATION当基因间发生重组产生一个新位点的时候,基因符号应该简短但要把两个或更多原来的基因符号表现出来关于名称的描述应该是必要的,例如POMZP3“POMPOM121同源基因,大鼠和ZP3融合基因“MEDICINEINTERNAT10NAL有功能的重复序列FUNCTIONALREPEATSEQUENCES在符号被批准之前,这些记录在案的序列数据必须从HGNC获得内源性的逆转录病毒有其词干符号ERV,后面跟着一个表示其种类的字母和一个序列号,例如ERVK2“内源性逆转录病毒序列KC4,2ENDOGENOUSRETROVIRALSEQUENCEKC4,2“转座元件TRANSPOSABLEELEMENTS有其词干符号TE,后面跟着一个相关的词如MAR和一个序列号因此,一个水手型的转座元件的符号是TEMAR1“转座元件水手型,1TRANSPOSABLEELEMENTMARINERTYPE,1“LINES长的散布核元件,LONGINTERSPERSEDNUCLEARELEMENTS最近在LRE系列中被分配了序列号,例如LRE1“LINE逆转座元件1,LINERETROTRANSPOSABLEELEMENT1“为特殊用途而保留的字符CHARACTERSRESERVEDFORSPECIFICUSAGE在符号中,有些字母或字母组合被用作前缀或其本身就足以代表一个特殊的含义,因此应尽可能避免用它们表示其他含义表1下面的字母用法是不被接受的H或H表示人类HUMAN,G或G表示基因GENE如果一个基因的名称中包含公认的字符或特性的缩写,则应该使用其缩写,例如在氨酰残基中应用氨基酸的单字母缩写见附录2表3还有一些其他的字符被应用在基因符号中以反映基因组信息或遗传信息见表1符号所处的状态SYMBOLSTATUSGENEW数据库中的每一个基因记录都处于下面五种状态中的一种1尚未决定的基因符号尚在进行确定之中2已被认可的基因符号已经正式被公众所采用3保留的基因符号尚未正式被公众所采用,最长将于6个月后发布4已被撤销的符号原来使用过的基因符号,但现在已经有其他被认可的符号5已被撤销的条目代表一个基因的符号,但这个基因后来被证明并不存在附录1应用于出版物的基因符号建议基因和等位基因符号在原稿中加下划线,印2005THEMEDICINEPUBLISHINGCOMPANYLTD在正式文稿中用斜体蛋白质符号应该用标准字体来表示在基因目录中则不必用斜体字为了区分MRNA,基因组DNA和CDNA应该在括号内注明相应的前缀,例如MRNARBP1,GDNA尸,CDNARBP1DNA片段DNASEGMENTS这些符号可以在基因组数据库GDB获得,任一DNA片段和位点都会被自动的分配符号如果需要帮助,可以发邮件至HELPGDBORG这些符号由5部分组成,例如DXS9879E,遵循以下的原则1D代表DNA20,1,222,X,Y,XY用来表示染色体,XY代表X和Y染色体上的同源片段,0表示未知的染色体3S,Z或F反映探针发现的复杂DNA片段,S代表唯一的DNA片段,Z代表在单一染色体位点上发现的重复DNA片段,F代表在多个染色体上发现的小的尚未定义的同源序列家族41,