DNA与遗传：双螺旋、基因表达与表观遗传

打破一个常见误解#

更精细地说，许多常见性状与疾病是多基因的：成百上千个位点各自贡献微小效应，再与发育噪声、营养、感染史叠合，才形成连续分布的表型。GWAS（全基因组关联研究）反复表明：即便是身高这种遗传率很高的性状，也没有"一个身高基因"，而是数千个位点的加性与交互效应之和。把复杂性状简化成单基因决定论，既高估了单个变异的预言力，也低估了调控网络与环境的权重。

突变本身也分层次：单碱基替换、小片段插入缺失、拷贝数变异与染色体重排，对功能的冲击从近乎中性到致死不等。群体遗传学用选择系数与有效种群大小描述这些变异在代际间的命运——多数新突变是中性或略有害的，真正驱动适应性进化的有利突变极为稀少。理解这一点，有助于把"遗传"从宿命论拉回到可量化的群体过程。

双螺旋：生命的分子架构#

结构之前先有化学鉴定。1944 年洛克菲勒医院把肺炎链球菌的转化因子写成 DNA 馏分，酶谱与元素比见 Avery–MacLeod–McCarty。没有这步，纤维衍射可以仍被读成一种细胞高聚物的漂亮照片。

1953年，沃森和克里克基于罗莎琳德·富兰克林的X射线衍射数据，提出了DNA双螺旋结构模型。这个结构优雅地解释了遗传信息的两个关键需求：存储和复制。

DNA由四种核苷酸组成——腺嘌呤（A）、胸腺嘧啶（T）、鸟嘌呤（G）、胞嘧啶（C）。碱基配对规则（A-T, G-C）是半保留复制的分子基础：每条链都可以作为模板合成互补链。人类基因组包含约32亿个碱基对，如果拉直一条DNA分子，长度约为2米——但通过多层次的压缩包装（核小体→染色质纤维→环状结构域→染色体），它被塞进直径仅6微米的细胞核中。

DNA 复制是一个令人惊叹的分子机器过程。人类的复制型 DNA 聚合酶以每秒约 50 个碱基的速度延伸新链（细菌的复制酶可快得多，每秒近 1000 个），同时具有校对功能（3'→5' 外切酶活性），把单纯靠碱基配对的错误率从约 10⁻⁴–10⁻⁵ 进一步压低。复制后的错配修复系统再接力一道，使最终错误率降到约 10⁻⁹–10⁻¹⁰——也就是说，每复制约十亿个碱基才出一个错。把三道防线（碱基选择性、聚合酶校对、错配修复）叠加起来，正是遗传信息能跨越亿万年世代保持稳定的物理基础。

复制还发生在高度有序的复制叉与复制工厂中：解旋酶打开双链，引物酶铺下 RNA 引物，前导链连续合成、后随链以冈崎片段分段延伸，拓扑异构酶解除超螺旋张力。细胞周期中的检查点确保基因组在进入有丝分裂前完成复制；若复制应激未能解除，细胞会触发 DNA 损伤应答，暂停周期或走向凋亡——这在概念上把"保真度"从单一酶的化学精度，扩展为整套细胞状态机的系统属性。

线粒体基因组提供了一个有益对照：它编码少量关键呼吸链蛋白，复制与修复体系相对简化，突变率通常高于核基因组。核—线粒体协调表达因此成为细胞能量稳态的关键约束；许多代谢相关表型，实际上是两套基因组与环境底物供应共同塑造的结果，而不是核 DNA 单方面的蓝图输出。

中心法则与基因表达#

分子生物学的"中心法则"描述了遗传信息的流动方向：DNA→RNA→蛋白质。这个过程分为两步：

转录：RNA聚合酶读取DNA模板链，合成信使RNA（mRNA）。在真核生物中，初级转录本需要经过5'加帽、3'加poly-A尾巴和内含子剪接等加工步骤，才能成为成熟mRNA。选择性剪接使一个基因可以产生多种不同的mRNA变体——人类约95%的多外显子基因存在选择性剪接。

翻译：核糖体读取mRNA上的三联体密码子，每三个碱基对应一个氨基酸。20种氨基酸的不同组合构成了蛋白质的无限多样性。tRNA充当"适配器"，一端识别密码子，另一端携带对应的氨基酸。遗传密码的冗余（多个密码子编码同一氨基酸）使同义突变往往不改氨基酸序列，但同义位点仍可通过改变密码子使用偏好、剪接信号或 mRNA 结构，间接影响表达——这提醒我们："沉默突变"并不总是功能上沉默。

2020年代的研究大幅扩展了我们对转录后调控的理解。借助长读长测序技术（PacBio、Oxford Nanopore 等能一口气读完整条转录本的方法），多个团队对人类转录组做了系统重测序，发现了大量此前未注释的转录本异构体——同一个基因可被剪接成数十种不同 mRNA。这意味着选择性剪接的复杂性远超此前估计，人类基因组的"蛋白质编码潜力"长期被低估。这种复杂性在癌症中尤为突出：肿瘤常通过异常剪接产生正常组织里见不到的蛋白变体，这些"癌症特异性异构体"正成为新的诊断标志物与药物靶点。

mRNA 修饰（"表观转录组学"，epitranscriptomics）是另一个快速发展的领域。N⁶-甲基腺苷（m⁶A）是 mRNA 上最丰富的内部修饰，由专门的"写入"酶（如 METTL3/METTL14 复合体）添加、"擦除"酶移除、"读取"蛋白识别，从而影响 mRNA 的稳定性、翻译效率和亚细胞定位。研究发现 m⁶A 修饰在胚胎干细胞分化过程中会动态重编程——这提示遗传信息的调控不止于 DNA 和染色质，连信使 RNA 这一"中间产物"本身也带着一层可读写的化学注释。

基因调控：比基因本身更重要#

人类与黑猩猩的基因组在单碱基替换层面只差约 1.2%（若把插入/缺失等结构变异也算进来，总差异约 4%）；这个"约 1%"的数字常被引用，却容易让人误以为差异微不足道——实际上数千万个碱基的不同，足以造就两个截然不同的物种。更关键的是：物种间的差异很大程度上不在于基因本身，而在于基因调控——哪些基因在何时、何地、以何种水平被表达。

基因调控发生在多个层次：

• 转录水平：转录因子结合基因上游的调控序列（启动子、增强子、沉默子），激活或抑制转录。
• 转录后水平：microRNA和RNA结合蛋白调控mRNA的稳定性和翻译效率。
• 翻译后水平：蛋白质的磷酸化、泛素化等修饰调控其活性和降解。

三维基因组学（3D genomics）是近年基因调控研究的核心突破。一方面，Hi-C、Micro-C 等"染色质构象捕获"技术通过测量基因组上哪些位点彼此靠得近，揭示出染色质并非随机缠绕，而是形成层级化的三维结构：A/B 区室 → 拓扑关联域（TAD）→ 染色质环。另一方面，2020 年 Su 等人在 Cell 上用 MERFISH 多重荧光成像技术，直接"拍下"了单个细胞核里上千个基因座的三维排布与转录活性。两条技术路线得出同一个结论：增强子与启动子之间的物理接触——而非 DNA 链上的线性距离——决定了基因的表达水平。这彻底改变了我们对"非编码 DNA"的理解：许多疾病相关的遗传变异位于非编码区，它们可能通过改变染色质三维折叠来影响远端基因。

CRISPR 筛选让基因调控研究进入高通量时代。2019 年，Gasperini 等人在 Cell 上用 CRISPRi（dCas9-KRAB 干扰）一次性扰动了近 6000 个候选增强子，再用单细胞 RNA 测序读出每个增强子被关掉后哪些基因变化。结果表明，许多增强子调控的是 DNA 链上相隔很远的"远端"基因，而不是离它最近的那个——这类长程关联此前很容易被忽视。从概念上看，这类扰动实验的价值在于把"共定位相关"升级为"功能因果"：不改变 DNA 序列本身、只暂时压制候选调控元件的活性，就能在表达图谱上读出因果边，从而校准我们对调控网络拓扑的直觉。

表观遗传：不改变DNA序列的遗传#

表观遗传学研究不涉及DNA序列改变的可遗传基因表达变化。主要机制包括：

• DNA甲基化：甲基基团添加到胞嘧啶上（通常在CpG二核苷酸），通常抑制基因表达。在人类发育过程中，约70%的CpG位点被甲基化。
• 组蛋白修饰：组蛋白尾巴上的乙酰化、甲基化、磷酸化等修饰改变染色质的开放状态，影响转录机器的可及性。
• 非编码RNA：长链非编码RNA（lncRNA）参与染色质重塑和基因沉默。

著名的"荷兰饥荒冬季"研究揭示了表观遗传的代际效应：1944-1945 年荷兰饥荒期间在母亲子宫内度过孕早期的人，成年后肥胖和代谢疾病风险显著升高，且这一效应与 IGF2 等特定印记基因位点的 DNA 甲基化差异稳定相关——即使在饥荒结束六十年后仍可检出。需要谨慎的是：第二代（直接在子宫内暴露者）的关联证据最扎实；至于影响是否真能跨过生殖细胞重编程传到第三代（孙辈），目前仍属"有提示、未定论"的活跃研究前沿，不宜当作既定事实。这正是科普中常被夸大的地方——表观遗传的代际传递在哺乳动物中远比"获得性遗传"的通俗叙事要受限。

哺乳动物在早期胚胎与原始生殖细胞阶段会发生大规模甲基化擦除与重建；印记基因位点则按亲本来源保留差异甲基化，使某些基因只表达父本或母本拷贝。理解这套重编程，才能明白为何大多数获得性表观标记很难"原样"跨代：生殖系会把大量环境痕迹洗掉，只有少数位点逃过清洗或被重新写入，才可能留下可检测的跨代信号。

近年来，单细胞表观基因组学（single-cell epigenomics）技术使我们能在单个细胞的水平追踪表观遗传修饰。利用单细胞多组学（同时测量同一个细胞的 DNA 甲基化、染色质可及性和基因表达），研究者发现即便是同一组织中的细胞，表观遗传状态也存在显著异质性。这种"表观遗传噪声"可能是细胞命运决定的一个来源——在干细胞分化过程中，噪声推动不同细胞偏向不同谱系，后续的选择压力再筛选出功能合适的状态。

基因组暗物质#

人类基因组中只有约1.5%是蛋白质编码序列。其余98.5%曾经被称为"垃圾DNA"，但ENCODE项目（2012年）发现，约80%的基因组具有至少一种生化活性（如转录、蛋白质结合或染色质修饰）。这并不意味着所有这些序列都有功能——许多可能只是"分子噪音"——但确实表明非编码基因组的重要性被严重低估了。

2023年，ENCODE项目的第四阶段（ENCODE4）发布了迄今最全面的人类基因组功能注释，鉴定出超过100万个候选调控元件。这些数据为理解基因调控、疾病机制和进化提供了前所未有的资源。

对"功能"本身也需要分层定义：生化活性（被转录或被蛋白结合）、进化约束（跨物种保守）、以及表型贡献（扰动后影响个体性状）并不等价。大量转座元件残迹仍可被转录或结合因子，却未必对宿主适应性有净贡献；反之，某些快速演化的调控区可能对人类特异性状至关重要，却在跨物种比对中显得不保守。把"暗物质"一刀切成全有用或全无用，都会错过基因组的真实结构：它是编码基因、调控元件、重复序列与历史残骸的叠层系统，功能密度高度不均匀。

结构变异与重复序列还塑造了基因组的可塑性：基因家族扩增、假基因化、以及调控元件的出生与死亡，使进化不必每次都发明新的蛋白质结构域，而可以通过重用与重连已有模块改变发育程序。比较基因组学因此越来越关注"调控语法"的变化——启动子与增强子逻辑的改写，往往比蛋白序列本身更能解释形态与行为的种间差异。

跨域连接#

• 纠错码：DNA复制的三道防线——碱基选择性、聚合酶校对、错配修复——把错误率从约10⁻⁴逐级压到10⁻¹⁰量级，这与数字通信用冗余编码和级联校验压低误码率是同一原理。推论可检验：失活其中任何一级，突变率应回升到上一级对应的量级，而不会直接跳到最坏情形。
• 信息论：四种碱基意味着每个位点携带两比特信息，约32亿个碱基对的人类基因组是一张密度惊人的只读存储，还能压缩进6微米的细胞核。而m⁶A等"写入—擦除—读取"型修饰相当于在主信道之上叠加一层可改写的注释——把表观修饰当噪声丢掉的分析，会系统性丢失调控信息。
• 统计学：增强子与基因在线性距离上的邻近只是相关；CRISPRi一次扰动近6000个候选增强子、再读出哪些基因表达变化，才把相关升级为因果。推论：不做扰动实验的调控图谱会系统地把靶基因错配给线性距离最近的那个——正文报道的长程调控关联恰恰常被这种直觉漏掉。
• 概率论："基因决定命运"之误在于把基因型到表型的映射当成一一对应；同卵双胞胎DNA完全相同却可能发展出不同疾病谱，说明这个映射本质是概率分布。推论：遗传率小于一的性状，个体差异必有一部分来自环境与发育噪声——单细胞表观基因组学测到的"表观遗传噪声"正是这部分方差的载体。
• 基因调控：人与黑猩猩编码序列的差异只有百分之一量级，造就两个物种的主要是"何时、何地、表达多少"的调控差异。推论：只比对编码序列的比较基因组学会漏掉物种差异的主要载体；三维基因组学测到的增强子—启动子物理接触，比线性距离更能预测表达水平。

延伸阅读#

推荐书籍：

• Watson, J.D. The Double Helix (1968) — DNA结构发现的亲历叙事
• Mukherjee, S. The Gene: An Intimate History (2016) — 基因科学的全景式叙述
• Carey, N. The Epigenetics Revolution (2012) — 表观遗传学入门

推荐论文：

• ENCODE Project Consortium (2020). Perspectives on ENCODE. Nature, 583(7818), 693–698.
• Su, J.H. et al. (2020). Genome-scale imaging of the 3D organization and transcriptional activity of chromatin. Cell, 182(6), 1641–1659.

参考文献#

1. Watson, J.D. & Crick, F.H.C. (1953). Molecular structure of nucleic acids. Nature, 171(4356), 737–738.
2. Lander, E.S. et al. (2001). Initial sequencing and analysis of the human genome. Nature, 409(6822), 860–921.
3. Wang, E.T. et al. (2008). Alternative isoform regulation in human tissue transcriptomes. Nature, 456(7221), 470–476.
4. Heijmans, B.T. et al. (2008). Persistent epigenetic differences associated with prenatal exposure to famine in humans. PNAS, 105(44), 17046–17049.
5. Bird, A. (2007). Perceptions of epigenetics. Nature, 447(7143), 396–398.
6. ENCODE Project Consortium (2012). An integrated encyclopedia of DNA elements in the human genome. Nature, 489(7414), 57–74.
7. Su, J.H. et al. (2020). Genome-scale imaging of the 3D organization and transcriptional activity of chromatin. Cell, 182(6), 1641–1659.
8. Gasperini, M. et al. (2019). A genome-wide framework for mapping gene regulation via cellular genetic screens. Cell, 176(1–2), 377–390.