重复的基因：你我都是复读机

　　作者｜刘天同 清华大学医学院

　　只要在网上冲浪够久，你总会遭遇灵魂一问：人类的本质到底是鸽子、柠檬、真香，还是复读机？

　　有意思的是，这个问题有答案——从分子生物学上讲，我们是复读机。

　　在人类基因组中，有一种“自私的垃圾”DNA，它们包含大量类似 GAGAGAGAGA 这样的重复序列，甚至可以占据基因组的一半以上。

　　而它们却不编码蛋白质。

　　所以如此聒噪、狂刷存在感，是要干啥？今天我们要讲的就是这些“垃圾”DNA，看它是真垃圾，还是假垃圾。

　　生物越复杂，DNA未必越多

　　常见的生物都有基因组，它是生物体中包含的DNA(部分病毒是RNA)中全部遗传信息的总和。

　　我们或许直觉地认为，物种越复杂，其基因组中包含的 DNA 就越多。比如，作为万物灵长的人类，我们每一个细胞中所含的 DNA 一定超过很多简单的生物，才能编码如此丰富的信息。

　　但人们很快发现，事实并非如此：对不同物种，个体细胞中所含的 DNA 的量不仅差异巨大，而且与决定生物复杂性的基因数量似乎并无多少关系。

　　*基因，是指有遗传效应的DNA或RNA片段，其数量越多，生物功能越复杂。

　　比如，蝾螈基因组的大小是人类的几十倍，基因数量却并不比人多，也明显不如人类复杂。只会吃饭睡觉挠沙发的猫猫，基因组几乎跟人类一样大。

　　蝾螈的基因组比你大几十倍。｜University News

　　猫的基因组跟你一样大。所以谁是主子？｜图虫创意

　　于是我们不禁纳闷，那些多出来的DNA，是用来当摆设的吗？

　　1970年前后，科学家们发现，基因组上有一些 DNA 并不转录出 RNA（一般而言，蛋白质都是由RNA翻译，被称为“中心法则”），从而也不直接参与蛋白质的合成，它们叫非编码 DNA。对不同物种，非编码DNA在基因组中所占比例有所差别，有时甚至占到九成以上。

　　中心法则示意图：基于DNA和RNA的生命遗传信息的流动方向或传递规律

　　既然不编码蛋白质，那非编码DNA有什么用呢？难道是自然造物的时候走神啦？

　　基因组里的噪音：阿巴阿巴阿巴……

　　1980年，四位科学家在《自然》上发表文章，认为DNA可以分为两种：特异性的和非特异性的。前者负责蛋白质合成，在细胞里勤勤恳恳地工作，但只占一小部分。后者则有三个特点：

　　其一，基因组里的大部分 DNA 都是此类；其二，它们通过已有的 DNA 拷贝扩展而来；其三，也是最重要的，无用！

　　他们认为，非编码 DNA 并没有明显的正面或负面作用，不过是DNA复制过程中不得不产生的副产物。它们如此堂而皇之地赖在细胞中，不干活还占地方，只是因为比较“自私”。

　　不编码蛋白质的DNA就是自私的垃圾吗？另一些科学家对此表示怀疑。

　　一些证据显示，这些“自私的DNA”并非完全无用。比如在一些物种中，基因组的大小跟细胞周期和世代时间（生物从一次繁殖结束到下一次繁殖结束的时间间隔）有关。所以，或许我们不应该急着将这些冗余 DNA 扔进垃圾桶。

　　40多年后的今天，全基因组测序越来越便宜，也越来越普遍了，我们对人类基因组的认识早已今非昔比。科学家发现，人类基因组里除了与编码蛋白质有关的特异性 DNA 序列之外，还有相当一部分重复DNA序列——正是它们决定了人类的“复读机”本质。

　　基因测序结果表明，在同一人类个体的基因组中，这些序列有的重复几次，有的重复成千上万次；其中既有长达1000~200 000个碱基对的片段重复，也包括短的简单序列重复；重复的基本单位有时只有一个碱基（比如AAAAAAAAAA），有时包含几个碱基（比如CACACACACAC和CAGCAGCAGCAG）。它们加起来甚至可以占到人类基因组的一半以上！

　　人类的基因组包含特异性序列和重复序列。重复序列甚至可以占到人类基因组的一半以上。｜来源：Molecular biology of the cell

　　人类基因组中为何存在如此多的重复DNA序列？这种“复读机”本质对我们有哪些影响呢？

　　你我都是独特的复读机

　　科学家逐渐了解到，那些曾被认为是垃圾、自私且毫无用处的重复DNA序列，对基因表达和决定生物性状至关重要。

　　*基因表达，指基因通过指导蛋白质合成，将自己表现出来。

　　以简单序列重复（简称STR）为例，虽然它们只占人类全基因组的3%，但分布极为广泛。据估计，有超过10万个STR位点遍布基因组的各个角落。它们既可以直接出现在编码序列中，直接影响DNA的翻译产物蛋白质，又可以处于调控序列中，间接影响基因表达。

　　有趣的是，STR 虽然是看似冗余的重复序列， 在每个人体内的重复方式却并不一样。即使是同一STR位点，在不同个体中，其基本单位的重复次数也有较大差异。这就像是，我们的基因组虽然都有着复读机的本质，但每个人的复读方式却又独一无二。

　　同一STR位点，在不同个体中，其基本单位的重复次数也有较大差异。｜ScienceDirect

　　实验证实，STR 与人体的数十种疾病有关，且主要为神经肌肉性疾病，比如舞蹈征、肯尼迪病、肌萎缩侧索硬化等。其中与舞蹈征有关的 STR 位点位于一个特定基因中，如果它的基本单位的重复次数小于30次，患者就不发病；重复次数越多，则发病年龄越小，症状越严重。

　　2021年1月13日，《自然》上发表的一项新研究还发现，STR的突变与自闭症有关。研究人员分析了1637 个家庭的全基因组数据，结果发现，罹患自闭症的儿童，他们基因组上的STR突变数量明显比未患病的兄弟姐妹高出一截。而且与导致舞蹈征的STR突变不同，这些导致自闭症的STR突变并不局限于一个特定的基因，而是与很多基因都相关。

　　自闭症与肥胖类似，和遗传因素有很大关系，并且难以确定到底是哪些基因在捣鬼，更别说找出什么具体的突变。而STR突变的加入，为解释自闭症的遗传根源增加了一个新维度。

　　除了研究疾病，STR 序列还因为具有如指纹般的独特性，在现实生活中有广泛应用。比如身份认定、亲子鉴定、产前检查等。

　　2008年，美国洛杉矶的警察就曾通过比对嫌疑人和凶手的STR序列，追踪到二十多年前一桩连环强奸杀人案的真凶。美国 FBI 则建立数据库，在国家范围内收集罪犯或失踪人员的 STR 序列信息，以提高破案率。

　　人类基因组中仍蕴藏着许多未知。｜Chris Madden

　　眼下，基因测序已经非常普及，要把每个人的基因组测个明明白白，并非难事。不过，就像猴子可以打出一串字母，但并不知晓意思一样，我们也远未明白这些 DNA 序列的含义。它们与RNA、蛋白质如何相互作用，又如何影响我们的生命特征，许多未知问题仍有待严谨的生物医学探索。

　　但，关于重复序列的价值讨论早已没有疑义：我们是复读机，但不是垃圾。

　　参考资料

　　[1] Molecular biology of the cell, 6th

　　[2] https://www.nature.com/articles/s41586-020-03078-7

　　[3] https://www.nature.com/articles/284601a0

　　[4] https://genome.cshlp.org/content/24/11/1894.full

　　[5] https://www.nature.com/articles/285617a0

　　[6] https://academic.oup.com/emph/article/2019/1/17/5303511