DNA的分子结构

20世纪初，科学界已经认识到染色体是遗传物质。发现染色体由DNA Deoxyribonucleic Acid 和蛋白质构成。但是，倾向于认为蛋白质是遗传物质。

1944年，Avery、Macleod等使用肺炎球菌的实验证实了，毒性光滑型肺炎球菌的“转化因子”可以将部分无毒的粗糙型肺炎球菌转化为毒性光滑型，从而证实DNA是转化因子，是遗传物质。

这个实验非常重要，只要是与现代遗传学、生物科学有关的书中都会列举。实验的逻辑也被高度抽象为公式，在现代的分子生物学实验中反复出现。

---

1953年，Watson和Crick应用精细的X射线晶体衍射数据，推测出DNA的分子双螺旋结构。

• DNA的基本成分是核苷酸 nucleotide，一个戊糖+一个碱基+三个磷酸构成。

• 其中，磷酸分子链接一个戊糖的3‘碳原子，链接另一个戊糖的5’碳原子，以3‘，5’-磷酸二酯键 phosphodiester bond 将单个核苷酸链接为多核苷酸链。因此，每条链的一个末端为5‘末端 end，另一个为3’末端。

• 两条多核苷酸链以反向平行的方式，互相缠绕构成DNA双螺旋大分子。一条链是5‘-3’，另一条是3‘-5’。

• 碱基则分为嘧啶和嘌呤两种。嘌呤包括：腺嘌呤 adenine，A；鸟嘌呤 guanine，G；嘧啶包括：胞嘧啶 cytosine C；胸腺嘧啶 thymine T。二者可以形成碱基对 base pair bp，彼此以氢键链接，维持两条多核苷酸链互补及稳定。G-C间3个氢键；A-T间2个氢键。
  由于这种互补性 complementary ，DNA出现2种特点：

• • 知道GC的含量比例，就可以估计某DNA的碱基组分的比例。
• • 知道一条链的具体碱基构成，就可以知道另一条链的。

• 遗传信息保存在DNA链中碱基的一级结构 primary structure中。以下是一些约定的书写格式：

• • 一般按照DNA复制新链的方向5‘-3’来描述DNA的碱基序列
• • 描述同一条链上的两个相邻的碱基时，我们使用一个p代表连接的磷酸二酯键，如CpG
• • 描述不同链的碱基对时，我们直接写为CG

Watson因此获得诺贝尔奖，同时代，数个小组都试图解决DNA的结构问题，也有使用X射线的。但是，其人很幸运。他青史留名了，其他人则消声觅迹了。科学研究也是很残酷的。

---

DNA的分子结构有如下的意义：

• DNA链上，3个相邻的碱基构成了遗传密码的单位，4种碱基形成了4E3=64个遗传密码
• DNA的复制是一种半保留复制 semiconservative replication。这种复制方式使得DNA可以以互补链为模板修复主链
• 双链互补性也是近代分子生物学技术的基础
• 双螺旋形成了两个沟，其中大沟是DNA与蛋白质相互作用的结构基础。转录因子的基序 motif 与大沟的DNA相互发挥作用

发现64个遗传密码时，曾有人预言，生命的秘密将一览无余。实际上，基因组计划完成，科学家才发现，离解开生命的秘密还早。TF原来是在大沟内与DNA序列发挥作用。啧啧。。

---

人类所有的DNA构成了人类基因组 genome，包括核基因组 nuclear genome 和 线粒体基因组 mitochondrial genome。

• 核基因组是指每个体细胞核中的父源或母源整套DNA，即每个细胞中有两套。每个核基因组的DNA约有 3.2×10E9 bp。
• 线粒体基因组是指每个线粒体中的闭环双链DNA，即线粒体DNA mitochondrial DNA mt DNA

人类基因组的组成

按照不同的定义，基因有不同的分类方法：

• 基因序列和非基因序列

• • 基因序列是基因组中决定蛋白质的DNA序列，一端有起始密码子ATG，一端有终止密码子。二者之间的DNA序列称为开放阅读框 open reading frame，ORF。一个ORF就是一个基因。
• • 非基因序列是指基因组中除基因以外的全部DNA序列，包括每个基因间的DNA序列 intergenic DNA

• 编码序列和非编码序列

• • 编码序列是指编码蛋白质的DNA序列，也就是基因中的外显子序列
• • 非编码序列是基因中的 内含子序列 和 基因间的序列

• 单一序列和重复序列

• • 单一序列 unique sequence 是指基因组中只出现一次的DNA序列，即单拷贝DNA序列。多数基因为单拷贝序列，但也有多拷贝者。非基因序列也有单一序列。
• • 重复序列 repetitive sequence 是指基因组中反复出现的DNA序列。在人类基因组中，60-70%是单拷贝-低拷贝的DNA序列，包括编码蛋白的基因。30-40%是中度或高度重复DNA序列，将基因分隔开。
• • 1 串联重复序列 tandem repetitive sequence
    指不同长度核苷酸序列的重复单位串联在一起的高度重复序列。2-200bp，根据大小可进一步分为：卫星DNA，小卫星DNA和微卫星DNA。
    1）卫星DNA satellite DNA
    由很大串联重复DNA构成，分布在100kb-数Mb的范围。重复单位可以简短，可以复杂。主要位于染色体着丝粒异染色质区，不转录，其GC含量低于总基因组DNA，密度梯度离心呈现为主带旁的小带。
    例：α卫星是一个171bp重复单位串联构成，是着丝粒异染色质的主体，含有特异着丝粒蛋白的结合位点。
    2）小卫星DNA mini satellite DNA
    由重复单位在6-64个核苷酸的串联重复序列构成。这些序列分布于0.1-20kb的范围内。位于所有染色体的端粒，不转录。
    例：
    （1）高可变小卫星 hypervariable minisattlite DNA，核心共享序列是GGGCAGGANG（N为任一核苷酸）。是人类细胞同源重组的热点。
    （2）染色体端粒DNA，3-20kb串联，六核苷酸重复单位，TTAGGG，由特异的端粒酶加上，担负端粒的功能。
    3）微卫星DNA micro satellite DNA
    由2-6个核苷酸为重复单位的串联重复序列组成，数量多，分散于基因组中，又称为短串联重复序列 short tandem repeat STR。常构成染色体着丝粒、端粒和Y染色体长臂的染色质区，大多由复制滑动产生（？）。
    双核苷酸重复排列是最常见的类型，约占基因组的0.5% 。例：CA/TG 1/36kb；AT/TA 1/50kb；AG/CT 1/125kb；CG/GC 1/10Mb。因为CpG双核苷酸易于甲基化并随后去氨基。
    微卫星DNA的意义不清楚，其多态性可作为遗传学研究的遗传标记。
    某些微卫星DNA位于基因的编码序列，因为易于复制滑动而常为突变热点。例：（CGG）n等三核苷酸重复的动态突变是某些神经肌肉系统疾病的原因。
• • 2 分散重复序列 interspersed repeated sequence
    这是一种分布于基因组内散在的重复序列。
    按照序列的长短，分为 短分散核元件 short interspersed nuclear element，SINE；长分散核元件 long interspersed nuclear element，LINE。
    1）SINE
    长度在100-400bp，拷贝数达10E6以上。在人基因组中，SINE间的平均距离 2.2kb，分散在基因内、基因间或基因簇内，甚至内含子中也含有SINE，但外显子中没有。
    例：Alu序列是人类基因组中含量最高的重复序列。282bp构成，内含限制性内切酶Alu I的识别序列 AGCT（因此得名），约有50-70万拷贝。它存在于人和一些灵长类基因组中，因而可以作为其重要标记。
    2）LINE
    长度5000-7000bp，拷贝数达10E2-10E4.
    例：Kpn I家族内含限制性内切酶Kpn I识别的序列，分散在基因组中。这些序列构成可转座元件 transposable elements，使DNA可以在基因组内由一个染色体转移到另一个染色体。

这个部分中，术语很多。其中 Alu 序列曾经在文献中读过。非基因序列与非编码序列相比，后者多个内含子。重复序列中的多种定义需要牢记，越来越多的实验发现，这些最初认为是垃圾的序列有很重要的作用。---你需要记住，如果你想成为一名遗传学家，或者遗传咨询师