基因组学方法

**章 基因组学的发展历程 **节 基因组学的研究内涵 一、双螺旋模型对遗传信息储藏方式的启示 人们都知道生物具有代代相传的特性，这种遗传的物质基础就是基因组（genome），每一种生物的基因组都包含着相应的遗传信息，这些信息决定了它们的个体建立和生物学特征。绝大多数基因组，包括人的基因组，都是由脱氧核糖核酸（DNA）组成的，但是也有一些病毒基因组由核糖核酸（RNA）组成。DNA和RNA 是由核苷酸（nucleotide）单体组成的多聚分子。组成DNA的核苷酸都由三部分组成，1个戊糖基、1个含氮的碱基和1个磷酸基团。含氮碱基包含4种，分别为胞嘧啶（cytosine，C）、胸腺嘧啶（thymine，T）、腺嘌呤（ade-nine，A）和鸟嘌呤（guanine，G）（图1.1）。 图1.1 组成DNA基本结构单位的核苷酸的4种碱基 DNA双螺旋结构被认为是20世纪*重要的科学发现之一。1953年，Watson和Crick在综合碱基比值和X射线衍射图谱的基础上，运用模型构建的方法推导出了DNA的双螺旋结构。根据Watson和Crick的双螺旋结构模型（图1.2左），DNA就像一个右手螺旋的楼梯，它由两条反向互补的多核苷酸单链相互缠绕而成。磷酸与核糖在外侧通过3′，5′G磷酸二酯键相连接形成楼梯的骨架，而位于内侧的两条多聚核苷酸上的碱基通过氢键互补配对原则形成楼梯的阶梯。碱基配对形成的氢键和相邻碱基间疏水作用形成的碱基堆积力是维持这个楼梯稳定性的主要因素。碱基配对由于具有非常重要的生物学意义而显得更加重要。根据碱基互补配对原则（图1.2右），即A 仅与T，G仅与C互补配对，任何一个亲本DNA可以准确地产生出子代分子来，这也是细胞通用的DNA复制法则。此外，碱基间的配对在转录、翻译和调控等遗传信息流动过程中也至关重要。 二、动态变化中的染色体/染色质是遗传信息的载体 作为遗传物质的DNA在生物体中具有一定的组织形式，这就是染色质，包括DNA和蛋白质两部分。染色质（图1.3）上的蛋白质包括组蛋白和非组蛋白。组蛋白可以看成染色质的结构蛋白。当细胞进行分裂时，DNA紧密装配收缩成棒状，被称为染色体。细胞分裂完成后，染色体结构疏松呈线性排列，同时非组蛋白在一定的调控机制下与DNA结合，基因开始行使功能。染色质/染色体上DNA和蛋白质之间持续发生着互动，这对于基因的表达调控（即DNA的遗传信息）读取起着至关重要的作用。 图1.2 DNA双螺旋结构的演示（左）和DNA双螺旋结构形成的化学基础：碱基互补配对（右） 图1.3 DNA和组蛋白组装形成染色体 三、中心法则——遗传信息的使用 一个物种的遗传信息可以看做是一本书，书中的文字就是DNA序列。我们已经知道基因组（DNA）序列的每三个核苷酸对应一种氨基酸（终止密码子除外），氨基酸组成蛋白质，*后蛋白质行使生命的功能。总的来看，核苷酸序列的顺序决定了蛋白质的结构和功能，其根本上又是由核苷酸和氨基酸的对应关系实现的，这种对应关系被称为遗传密码（图1.4），每三种核苷酸被称为一个密码子。成千上万的密码子按照一定顺序排列在DNA上，还需要一些其他的功能序列来影响和决定其组织的方式以及何时何地被使用，这些功能序列和包含着密码子的编码序列一起决定了这个物种全部可能的生命活动。 图1.4 遗传密码表：三核苷酸和氨基酸的对应关系 图1.5 中心法则 我们已经了解了生命之书是如何在生命的代代之间传递的，那么，作为生命的基本单位——细胞，又是如何使用这本生命之书的呢？这需要通过一个被称为“中心法则”的过程（图1.5），首先在细胞核内以DNA的一条链为模板合成RNA，这个过程被称为转录，RNA 的序列与模板链互补配对，在碱基组成上将T（胸腺嘧啶）换成了U（尿嘧啶）。RNA 经过剪接和修饰后进入细胞质中，再于核糖体上通过密码子规则指导合成蛋白质，这个过程被称为“翻译”。“翻译”出的蛋白质还需经过一系列的折叠和修饰才能行使生命功能。后来科学家发现RNA 也可以被反转录为DNA，同时RNA 也可以自我复制，这就形成了“中心法则”理论现在的形式，细胞（生命体）正是通过它将“书”上的生命“剧本”转化实现为了丰富多彩的生命“舞剧”。 四、基因组和基因组学 基因组指单倍体细胞中的编码序列和非编码序列在内的全部DNA分子。基因组DNA序列编写着一切生命体活动*基本的生物信息，这些信息是生物体个体建立和维持其生物学特征所必需的。基因组学就是通过分析基因组DNA序列或其表达中间过程或产物等来解读这些信息的学科。在技术上，基因组学通过测序和解读两个相对独立的环节来达到这一目标。 生命是序列的，如何获取序列成为基因组学的首要问题，测序技术也就成为基因组学*核心的技术。1977年，Gilbert等人报道了通过化学降解测定DNA序列的方法，同年，Sanger建立了双脱氧链终止法。测序技术的发展给基因组学研究带来了革命性的改变。20世纪80年代末，测序技术在分子实验室的日常化促使了“人类基因组计划”的诞生；到20世纪90年代末，Sanger测序法高通量、自动化的实现促使了“人类基因组计划”的完成，并奠定了21世纪基因组学和医学发展的格局；2006年以来，第二代测序技术的出现更使“万物基因组”和“个体基因组”推上议事日程；在未来几年内，我们将有幸看到下一代测序技术的通用和以基因组学为基础的生命科学时代的到来。 解读基因组序列中的遗传信息是基因组学研究的根本目标。定位、注释基因组序列中功能元件是解读基因组序列的重要内容。这是一个以生物信息为导向、与实验相结合的过程。对于多数功能元件来说，可以直接通过特征序列的寻找和同源分析进行定位和功能注释，也可以用基于转录的高通量实验分析达到目的。 基因组学研究的*终目的就是，通过测序和解读基因组为一切以生物学为基础的产业和应用提供基本的遗传信息。20世纪70年代，基因重组技术的诞生使得分子生物学家借到了“上帝之手”，可以通过改造单个基因而获得相应的性状。基因组学的发展使遗传工程领域有了较快的发展，它为这种“上帝之手”提供了*基本的素材——物种所有基因序列。小鼠基因敲除计划就是一个例子。 然而，由于重组技术本身的缺陷，仅仅对单个基因改造，并不能与基因组学发展的规模和速度相称。一个全新的概念诞生了——“合成生物学”，即人为地从通路和基因组水平设计和制造新的生物部件、装置和系统；或重新设计已有的天然生物系统为人类的特殊目的服务。合成生物学需要两个基本的条件：一个是合成基因组序列的技术；一个是人为地设计能产出所需产物的代谢通路。而后一个完全依赖于大规模基因组测序所得的基因和代谢网络数据库。另外，*近也诞生了能快速改造整个代谢通路的技术。如果说“碱基序列”是基因组这本大书的基本字符，基因组的“解读”为我们提供了基本的语法和素材，那么，我们“书写”基因组的时代指日可待！ 第二节 基因组学的发展历程 一、基因组学的催生婆：“人类基因组计划” “人类基因组计划”（Human Genome Project，HGP）是一项规模宏大的科学计划，其旨在测定组成人类染色体（指单倍体）中所包含的30亿个核苷酸序列的碱基组成，从而绘制出人类基因组图谱，且辨识并呈现其上的所有基因及其他功能元件。“人类基因组计划”是人类为了解自身的奥秘所迈出的重要一步，是继曼哈顿计划和阿波罗登月计划之后，人类科学史上的又一个伟大工程。 经历长达10年的酝酿，“人类基因组计划”于1990年正式启动，计划投资30亿美元，预期在15年内完成。该计划由美国能源部和国家卫生研究院率先启动，随后，英国、日本、法国、德国和中国先后加入。中国承担并完成“人类基因组计划”的1%任务（简称“1%项目”）。 “人类基因组计划”的主要内容包括基因组的全序列测定，建立遗传图谱、物理图谱、序列图谱、转录图谱；进行人类基因的鉴定；建立基因组研究技术、人类基因研究的模式生物；建立信息系统。此外，“人类基因组计划”还包括对社会、法律与伦理问题的研究，交叉学科的技术训练，技术的转让，研究计划的外延等九方面内容。自1990年正式启动后，“国际人类基因组协作组（International Human Genome Consortium）”先后完成了平均分辨率为0.7cM 的遗传图谱（Murray，etal.1994）和平均分辨率为100kb的物理图谱的绘制工作（Schuler，etal.1996），并于2001年发表了人类基因组草图（HGPConsortium2001），于2004年发表了常染色质完成序列（HGPConsortium2004）。从1999年完成22号染色体序列分析到2006年完成1号染色体序列分析，全部24条染色体（22条常染色体和2条性染色体X、Y）的序列都已被全部解析。至此，基因组序列图整合了由7000个标记组成、分辨率为0.7cM 的遗传图谱（Murray，etal.1994；Dib，etal.1996）和由36000个标记组成、分辨率为100kb的物理图谱（Hudson，etal.1995；Schuler，etal.1996），序列全长28.1亿碱基对，覆盖99%常染色质区，全基因组仅剩341个空洞，注释了20000~25000个蛋白质编码基因。至此，“人类基因组计划”终于完美谢幕了。 人类基因组学的启动标志着基因组学作为生物学的一个分支学科的诞生，而它的顺利完成标志着基因组学走向独立和成熟。可以说“人类基因组计划”就是基因组学的催生婆（图1.6）。 图1.6 “人类基因计划”奠定了21世纪生物学和医学的基础并对社会发展产生深远影响 “人类基因组计划”*终勾画出人类基因组的共有的“参考性”图谱。但是，实际上每个人的基因组序列都是有着部分的差异，虽然比重不大，但从全部的30亿对碱基来看总的改变数目仍是不容忽视的。其中*常见的变异是单核苷酸多态性（single nucleotide polymer-phism，SNP）。为了描述这些SNP在DNA上存在的位置、在同一群体内部和不同人群间的分布状况，“人类基因组单体型图计划（Hap Map计划）”于2003年启动。中国负责10%的工作，所产生的全部数据与“人类基因组计划”一样免费向公众开放（IHGSC2005；IHGSC2007）。Hap Map集合了频率高于5%的SNPS和包括插入、缺失、拷贝数变异、结构变化等其他形式的人类遗传变异。随后中国深圳华大基因研究院、英国Sanger研究所（Wellcome Trust Sanger Institute）和美国国家人类基因组研究所（National Human Genome Research Institute，NHGRI）于2008年1月启动了“千人基因组计划”，旨在提供*详尽的人类遗传变异图谱，鉴别出所有在人群中出现频率高于1%的突变，以支持疾病的研究。 随着测序技术的发展，“ENCODE计划”、“癌症基因组计划”、“千种动植物基因组计划”等一系列重大计划相继启动，开启了人类解读生命密码的新征程。 二、测序技术的发展 测序技术是基因组学的核心技术。正是近年来测序技术突飞猛进的发展带来了基因组学今天的繁荣。没有毛细管电泳自动测序仪（Sanger测序法）的应用，“人类基因组计划”不可能于本世纪初完成。在此之后，测序技术的发展更是日新月异。首先公布的是焦磷酸测序技术，由Roche公司推出了相应的测序仪器454。之后，Illumina公司推出基于“边合成边测序（Sequencing by Synthesis，SBS）”的Solexa测序技术，ABI公司推出的“边连接边测序（Sequencing by Ligation，SBL）”的SOLiD测序技术已经发展成熟，并在不断改进化