基因测序研究论文

全基因组测序项目发表文章档次的三个影响因素随着高通量测序技术的迅速发展及成本的不断降低，物种全基因组测序项目从最初耗时10年并花费几十亿美元的人类基因组计划到现在仅需几个月、花费几百万甚至几十万即可完成。因此，物种全基因组测序项目已成为众多实验室或研究者的首选课题。自2013年3月至今已有三四十个物种的基因组测序成果相继发表，但文章的档次良莠不齐，有的项目同时在Nature杂志上发表两篇文章，而有的项目只发表影响因子为10以内的文章。同样是全基因组测序项目的研究成果，是什么原因导致如此大的差异呢？通过对大量物种基因组测序文章的解析，我们将与大家分享几点心得。首先，组装结果的差异是否直接导致文章发表档次的高低？这通常是研究者开展全基因组项目时比较关注的因素，然而事实并非如此。组装结果是评价一个物种基因组项目结果好坏的重要的指标，如Scaffold N50的长度、基因组的覆盖率等。其中，Scaffold N50是指通过shotgun文库测序的数据及mate pair文库的数据组装后得到的所有Scaffold按照长度从大到小的顺序依次累加，待总和为所有Scaffold总长一半时遇到的那个Scaffold长度。因此，Scaffold N50越长说明组装结果越好。最理想的组装结果是物种有几条染色体就组装得到几个Scaffold，即每个Scaffold都是一条染色体。基因组覆盖率是指组装得到的序列占物种基因组大小的比例，假如一个物种的基因组大小是1Gb，组装得到，则基因组覆盖率为80%。然而，由于物种基因组中重复序列的存在及基因组杂合度的影响，大型真核生物的全基因组测序项目很难达到100%的覆盖率。纵观全基因组测序项目发表的文章，小麦基因组项目连续发表3篇Nature文章，而Scaffold N50只有19Kb及60多Kb；发表在Nature杂志的轮虫基因组Scaffold N50为仅259Kb。然而，发表在Nature Communication杂志的双峰驼基因组Scaffold N50高达2Mb多；发表在GB杂志的中国莲基因组Scaffold N50达。从这些案例中不难看出，组装结果对文章档次的影响并非至关重要的。当文章的其他方面如分析等处于同等水平时，更好的组装结果会使文章锦上添花，然而反之未必亦然。其次，物种基因组的大小是否直接导致文章发表档次的高低？基因组大小为几Gb的小麦基因组、大麦基因组，甚至十几Gb的云杉基因组的发表，可能会给很多研究者造成一种误区，即目前小基因组的文章相对于大的基因组没有竞争力。然而，事实也并非如此。好的文章主要取决于选材的好坏及整个故事的完整性，并非受基因组大小的直接影响。例如，轮虫基因组只有244Mb，由于研究人员通过全基因组测序解析了蛭形轮虫中缺少减数分裂现象的机理并为后续深入研究奠定了基础，这一研究成果发表于Nature杂志。桃子基因组为265Mb，基因组测序成果发表于Nature Genetics杂志；剑尾鱼基因组为669Mb，基因组测序成果发表于Nature Genetics杂志；棕榈基因组为，基因组测序成果近期同时发表两篇Nature文章。第三，研究的物种与其他研究者相同但进度落后，是否无法发表高水平文章？答案当然是否定的。随着物种测序项目越来越多，出现这种情况的几率也越来越大，只要双方的研究思路不同，能够挖掘到有意义的分析角度并很好地阐明问题，物种基因组测序就不再怕重复。例如，2012年先后发表于Nature Genetics（）及Nature（）的两篇棉花基因组测序的文章，今年先后发表于Nature（）及Genome Research（）的两篇腔棘鱼文章，及今年5月分别发表的挪威云杉和白云杉基因组文章。

因为基因的破译是一个繁琐的工程，而且精密度非常高，所以说这是世界上最复杂的谜题之一。

应该是1977年Sanger对phi X174噬菌体基因组的测序报道，发表在nature上：Nature. 1977 Feb 24;265(5596): sequence of bacteriophage phi X174 F, Air GM, Barrell BG, Brown NL, Coulson AR, Fiddes CA, Hutchison CA, Slocombe PM, Smith 链接：

基因本质的确定为分子遗传学发展拉开了序幕。1955年，美国分子生物学家本泽（Benzer）对大肠杆菌T4噬菌体作了深入研究，揭示了基因内部的精细结构，提出了基因的顺反子（Cistron）概念。 本泽把通过顺反实验而发现的遗传的功能单位称为顺反子，1个顺反子决定一条多肽链，顺反子即是基因。1个顺反子内存在着很多突变位点——突变子，突变子就是改变后可以产生突变型表型的最小单位。1个顺反子内部存在着很多重组子。重组子就是不能由重组分开的基本单位。理论上每一核苷酸对的改变，就可导致一个突变的产生，每两个核苷酸对之间都可发生交换。这样看来，一个基因有多少核苷酸对就有多少突变子，就有多少重组子，突变子就等于重组子。这个学说打破了过去关于基因是突变、重组、决定遗传性状的“三位一体”概念及基因是最小的不可分割的遗传单位的观点，从而认为基因为DNA分子上一段核苷酸顺序，负责着遗传信息传递，一个基因内部仍可划分若干个起作用的小单位，即可区分成顺反子、突变子和重组子。一个作用子通常决定一种多肽链合成，一个基因包含一个或几个作用子。突变子指基因内突变的最小单位，而重组子为最小的重组合单位，只包含一对核苷酸。所有这些均是基因概念的伟大突破。 关于基因的本质确定后，人们又把研究视线转移到基因传递遗传信息的过程上。在20世纪50年代初人们已懂得基因与蛋白质间似乎存在着相应的联系，但基因中信息怎样传递到蛋白质上这一基因功能的关键课题在20世纪60年代至20世纪70年代才得以解决。从1961年开始，尼伦伯格（. Nirenberg）和科拉纳等人逐步搞清了基因以核苷酸三联体为一组编码氨基酸，并在1967年破译了全部64个遗传密码，这样把核酸密码和蛋白质合成联系起来。然后，沃森和克里克等人提出的“中心法则”更加明确地揭示了生命活动的基本过程。1970年特明以在劳斯肉瘤病毒内发现逆转录酶这一成就进一步发展和完善了“中心法则”，至此，遗传信息传递的过程已较清晰地展示在人们的眼前。过去人们对基因的功能理解是单一的即作为蛋白质合成的模板。 1961年法国雅各布和莫诺的研究成果，又大大扩大了人们关于基因功能的视野。他们在研究大肠杆菌乳糖代谢的调节机制中发现了有些基因不起合成蛋白质模板作用，只起调节或操纵作用，提出了操纵子学说。从此根据基因功能把基因分为结构基因、调节基因和操纵基因。结构基因和调控基因：根据操纵子学说，并不是所有的基因都能为肽链进行编码。于是便把能为多肽链编码的基因称为结构基因，包括编码结构蛋白和酶蛋白的基因，也包括编码阻遏蛋白或激活蛋白的调节基因。有些基因只能转录而不能翻译，如tRNA基因和rRNA基因。还有些DNA区段，其本身并不进行转录，但对其邻近的结构基因的转录起控制作用，被称为启动基因和操纵基因。启动基因、操纵基因与其控制下的一系列结构基因组成一个功能单位叫做操纵子（operon）。就其功能而言，调节基因、操纵基因和启动基因都属于调控基因。这些基因的发现，大大拓宽了人们对基因功能及相互关系的认识。断裂基因：20世纪70年代中期，法国生物化学家查姆帮（Chamobon）和波盖特（berget）在研究鸡卵清蛋白基因的表达中发现，细胞内的结构基因并非全部由编码序列组成，而是在编码序列中间插入无编码作用的碱基序列，这类基因被称为间隔或断裂基因。这一发现于1977年被英国的查弗里斯和荷兰的弗兰威尔在研究兔β-球蛋白结构时所证实。1978年，生化学家吉尔伯特（Walter Gilbert）提出基因是一个转录单位的设想，他认为基因是一个DNA序列的嵌合体，同时包含两个区段：一个区段将被表达并存在于成熟的mRNA中，称为“外显子”；一个区段由虽然也同时被表达，但将在成熟mRNA中被删除，称为“内含子”。近年来的研究发现，原核生物的基因序列一般是连续的，在一个基因的内部几乎不含“内含子”，而真核生物中绝大多数基因都是由不连续DNA序列组成的断裂基因。断裂基因的表达过程是：整个基因先由DNA转录成一条信息RNA前体(precursor mRNA)，其中的内含序列会被一种称为“剪接体”的RNA/蛋白质复合物所切除，两端再相互连接成一条连续的核酸顺序，以形成成熟的mRNA。DNA分子断裂基因的存在为基因功能的展现赋予了更大的潜力。重叠基因：长期以来，人们一直认为在同一段DNA序列内是不可能存在重叠的读码结构的。但是，1977年，维纳（Weiner）在研究Q0病毒的基因结构时，首先发现了基因的重叠现象。1978年，费尔（Feir）和桑戈尔（Sangor）在研究分析φX174噬菌体的核苷酸序列时，也发现由5375个核苷酸组成的单链DNA所包含的10个基因中有几个基因具有不同程度的重叠，但是这些重叠的基因具有不同的读码框架。以后在噬菌体G4、MS2和SV40中都发现了重叠基因。基因的重叠性使有限的DNA序列包含了更多的遗传信息，是生物对它的遗传物质经济而合理的利用。假基因：1977年，G·Jacp在对非洲爪赡5SrRNA基因簇的研究后提出了假基因的概念，这是一种核苷酸序列同其相应的正常功能基因基本相同，但却不能合成出功能蛋白质的失活基因。假基因的发现是真核生物应用重组DNA技术和序列分析的结果。现已在大多数真核生物中发现了假基因，如Hb的假基因、干扰素、组蛋白、α球蛋白和β球蛋白、肌动蛋白及人的rRNA和tRNA基因均含有假基因。由于假基因不工作或无效工作，故有人认为假基因，相当人的痕迹器官，或作为后补基因。移动基因：1950年，美国遗传学家麦克林托卡在玉米染色体组中首先发现移动基因。她发现玉米染色体上有一种称为Ds的控制基因会改变位置，同时引起染色体断裂，使其离开或插入部位邻近的基因失活或恢复恬性，从而导致玉米籽粒性状改变。这一研究当时并没有引起重视。20世纪60年代未，英国生物化学家夏皮罗和前西德生物化学家西特尔分别在细菌中发现一类称为插入顺序的可移动位置的遗传因子，20世纪70年代早期又发现细菌质粒的某些抗药性可移动的基因，到20世纪80年代已发现这类基因至少有20种。20世纪90年代之前，科学家终于用实验证明了麦克林托卡的观点，移动基因不仅能在个体的染色体组内移动，并能在个体间甚至种间移动。现已了解到真核细胞中普遍存在移动基因。基因移动性的发现不仅打破了遗传的DNA恒定论，而且对于认识肿瘤基因的形成和表达，以及生物演化中信息量的扩大等研究工作也将提供新的启示和线索。