多基因遗传病英文论文

我是复制的，希望对楼主能有所帮助※ Multiplexing：一种同时采用多种样品的测序方法，能够大大提高测序速度。 ※ 突变（Mutation）：DNA序列上任一种可以被遗传的变易。 ※ 核苷酸（Nucleotide）：DNA和RNA的基本组成部分，通常包含一分子核糖，一分子磷酸和一分子碱基。多个核苷酸通过磷酸二酯键连接成一条链状。 ※ 细胞核（Nucleos）：真核细胞中的一种细胞器，内含遗传物质。 癌基因（Oncogene）：一种能够导致癌症的基因。许多致癌基因都直接或间接地控制细胞的成长速度。 ※ 噬菌体（phage）：一种以细菌为宿主细胞的病毒。 ※ 物理图谱（Physics Map）：物理图谱描绘DNA上可以识别的标记的位置和相互之间的距离(以碱基对的数目为衡量单位)，这些可以识别的标记包括限制性内切酶的酶切位点，基因等。物理图谱不考虑两个标记共同遗传的概率等信息。对于人类基因组来说，最粗的物理图谱是染色体的条带染色模式，最精细的图谱是测出DNA的完整碱基序列。 ※ 质粒（Plasmid）：质粒是细菌的染色体外能够自我复制的环状DNA分子。它能够和细胞核中的染色体明显地区别开来，而且并不是细胞生存的必要物质。一些质粒适宜于引入到宿主细胞中去，并利用宿主细胞的DNA大量繁殖，因此我们常常采用质粒作为外源DNA的载体，外源DNA借助于质粒在宿主细胞中大量繁殖。 ※ 多基因病（Polygenic Disorder）：有多个基因位点共同决定的遗传病（如心脏病、糖尿病、一些癌症等）。这类疾病的遗传由多个基因位点共同控制，因而比单基因病的遗传更为复杂。 ※ 多聚酶链式反应（PCR）：一种体外扩增DNA的方法。PCR使用一种耐热的多聚酶，以及两个含有20个碱基的单链引物。经过高温变性将模板DNA分离成两条链，低温退火使得引物和一条模板单链结合，然后是中温延伸，反应液的游离核苷酸紧接着引物从5‘端到3’端合成一条互补的新链。而新合成的DNA又可以继续进行上述循环，因此DNA的数目不断倍增。 ※ 多聚酶（Polymerase）：多聚酶具有催化作用，能够加快游离的核苷酸和DNA模板结合形成新链的反应速度。 ※ 多态性（Polymorphism）：多个个体之间DNA的差异称为多态性。DNA变异概率超过1％的变异，比较适宜作为绘制连接图谱的证据。 ※ 引物（Primer）：预先制备的比较短的核苷酸链，在新链合成过程中作为引物，游离的核苷酸在引物之后按顺序和模板上的碱基结合，形成新链。 ※ 原核生物（Prokaryote）：原核生物没有细胞膜，结构清晰的核以及其他细胞器。细菌是原核生物。 ※ 探针（Probe）：是一条DNA单链或者一条RNA链，具有特定的序列，并且使用放射性元素或者免疫特性物质进行标记。探针和克隆库中的某条互补片段结合成一条双链结构，我们可以借助于探针的检测来获知与其互补的链的位置。 ※ 启动子（Promoter）：DNA上的一个特定位点，RNA聚合酶在此和DNA结合，并由此开始转录过程。 ※ 蛋白质（Protein）：一种由一条或者多条肽链构成的大分子。每条肽链上核苷酸的顺序是由基因外显子部分的碱基序列决定的。蛋白质是细胞、组织和器官的重要组成部分，每种蛋白质都具有特定的功能。酶、抗体和激素等都是蛋白质。 ※ 嘌呤（Purine）：一种含氮的单环结构物。是核苷酸的重要组成部分，有腺嘌呤A和鸟嘌呤G两种。 ※ 嘧啶（Pyrimidine）：一种含氮的双环结构，是核苷酸的重要组成部分。分为胞嘧啶C，胸腺嘧啶T和尿嘧啶U三种。 ※ 重组克隆（Recombinant Clone）：将不同来源的DNA片段合成在一个DNA分子中，这种技术称为重组，得到的分子为重组克隆。 ※ DNA重组技术（Recombinant DNA Technology）：在细胞体外将两个DNA片段连接成一个DNA分子的技术。在适宜的条件下，一个重组DNA分子能够被引入到宿主细胞中并在宿主细胞中大量繁殖。 ※ 调控序列（regulatory regions and sequence）：一段控制基因表达的DNA片段。 ※ 限制性内切酶（Restriction enzyme， endonuclease）：这种酶能够识别出DNA上特定的碱基序列，并在这个位点将DNA酶切。细菌中有400中限制性内切酶，能够识别出100中DNA序列。 ※ 酶切位点（Restriction Enzyme cutting site）：DNA上一段碱基的特定序列，限制性内切酶能够识别出这个序列并在此将DNA酶切成两段。 ※ 限制性长度多态性（Restriction fragment length polymorphsm）：从不同个体制备的DNA，使用同一种限制性内切酶酶切，切得的片段长度各不相同。酶切片段的长度可以作为物理图谱或者连接图谱中的标记子。通常是在酶切位点处发生突变而引发的。 ※ 核糖核酸RNA（Ribonucleic acid）：从细胞的细胞核和细胞质部分分离出来的化学物质。在蛋白质合成和其他生化反应中起着重要作用，RNA的结构和DNA的结构类似，都是有核苷酸按照一定顺序排列成的长链。RNA可以分为信使RNA、转运RNA、核糖体RNA以及其他类型的RNA。 ※ 核糖体RNA（Ribonsomal RNA rRNA）：存在于核糖体中的RNA。 ※ 核糖体（Ribonsome）：细胞质中含有rRNA和相关蛋白质的细胞器，是蛋白质的合成场所。 序列位置标签（Sequence Tagged Site, STS）：一段短的DNA序列（200－500个碱基对），这种序列在染色体上只出现一次，其位置和碱基顺序都是已知的。在PCR反应中可以检测处STS来，STS适宜于作为人类基因组的一种地标，据此可以判定DNA的方向和特定序列的相对位置。ETS是cDNA上的STS。 ※ 性染色体（Sex Chromosome）：在人类细胞中是X或者Y染色体，性染色体决定了个体的性别。雌性细胞中含有两个X染色体，而雄性细胞中含有1个X染色体和1个Y染色体。 ※ 鸟枪法（Shotgun method）：使用基因组中的随机产生的片段作为模板进行克隆的方法。 ※ 单基因病（Single Gene Disorder）：一个基因的等位基因之间发生了突变造成的疾病。 ※ 体细胞（Somatic Cells）：个体中除了生殖细胞及其母细胞之外的细胞，都是体细胞。 ※ 串联重复序列（Tandem repeat sequences）：在染色体上一段序列的多次重复，称为串联重复序列。常用来作为物理图谱中的标记子。 ※ 端粒（Telomere）：是染色体的末端部分，这一特殊结构区域对于线型染色体的结构和稳定起重要作用。 ※ 转录（Transcription）：以某一DNA链为模板，按照碱基互补原则形成一条新的RNA链的过程，是基因表达的第一步。 ※ 转运RNA（tRNA）：转运RNA具有特殊的结构，其一端包含3个特定的核苷酸序列，能和信使RNA上的密码子按照碱基配对原则进行结合。另一端则带有一个氨基酸。因此转运RNA能够同细胞质中游离的氨基酸结合并运到核糖体上，核糖体按mRNA上的遗传信息将氨基酸装配成蛋白质。 ※ 转化（Transformation）：将外源DNA整合到某一细胞基因组中的过程。。 ※ 翻译（Translation）：mRNA上携带的遗传信息指导蛋白质的合成过程，称为翻译。 ※ 病毒（Virus）：一种不具备细胞结构的生物体。只能寄生在宿主细胞中才能生存。病毒一般包含核酸以及外壳蛋白，有些动物的病毒的外面也偶尔覆盖一层细胞膜。病毒进入宿主细胞之后，利用宿主的合成机制复制出大量的后代。。 ※ 酵母菌人工合成染色体（Yeast Artificial Chromosome）：一种能够克隆长达400Kb的DNA片段的载体，含有酵母细胞中必需的端粒、着丝点和复制起始序列。 (卜东波、伍树明翻译整理) 生物信息名词 §§§ BLAST （Basic Local Alignment Search Tool），基本的基于局部对准的搜索工具；一种快速查找与给定序列具有连续相同片断的序列的技术。 §§§ Entrez 美国国家生物技术信息中心所提供的在线资源检索器。该资源将GenBank序列与其原始文献出处链接在一起。 §§§ NCBI 美国国立生物技术信息中心（National Center for Biotechnology Information），1988年设立，为美国国家医学图书馆（NLM）和国家健康协会（NIH）下属部门之一。提供生物医学领域的信息学服务，如世界三大核酸数据库之一的GenBank数据库，PubMed医学文献检索数据库等。 §§§ Conserved sequence 保守序列。演化过程中基本上不变的DNA中的碱基序列或蛋白质中的氨基酸序列。 §§§ Domain 功能域。蛋白质中具有某种特定功能的部分，它在序列上未必是连续的。某蛋白质中所有功能域组合其起来决定着该蛋白质的全部功能。 §§§ EBI 欧洲生物信息学研究所（European Bioinformatics Institute）。 The National Center for Biotechnology Information (NCBI) at the NationalLibrary of Medicine (NLM), National Institutes of Health (NIH) §§§ EMBL 欧洲分子生物学实验室（uropean Molecular Biology Laboratory）。 §§§ GenBank 由美国国家生物技术信息中心提供的核酸序列数据库。 §§§ Gene 基因。遗传的基本的物理和功能单位。一个基因就是位于某条染色体的某个位置上的核苷酸序列，其中蕴含着某种特定功能产物（如蛋白质或RNA分子）的编码。 §§§ DUST A program for filtering low complexity regions from nucleic acid sequences. §§§ Gene expression 基因表达。基因中的编码信息被转换成行使特定功能的结构产物的过程。 §§§ Gene family 基因家族。一组密切相关的编码相似产物的基因。 §§§ Gene mapping 基因作图。对DNA分子（染色体或质粒）中基因的相对位置和距离进行确定的过程。 §§§ Genetic code 遗传密码。以三联体密码子的形式编码于mRNA中的核苷酸序列，决定着所合成蛋白质中的氨基酸序列。 Genome 基因组。某一物种的一套完整染色体组中的所有遗传物质。其大小一般以其碱基对总数表示。 §§§ Genomics 基因组学。从事基因组的序列测定和表征描述，以及基因活性与细胞功能关系的研究。 §§§ HGMP 英国剑桥的人类基因组绘图计划（Human Genome Mapping Project）。 §§§ Informatics 信息学。研究计算机和统计学技术在信息处理中的应用的学科。在基因组计划中，信息学的内容包括快速搜索数据库方法的开发、DNA序列信息分析方法的开发和从DNA序列数据中预测蛋白质序列和结构方法的开发。 §§§ Physical map 物理图谱。不考虑遗传，DNA中可识别的界标（如限制性酶切位点和基因等）的位置图。界标之间的距离用碱基对度量。对人类基因组而言，最低分辨率的物理图谱是染色体上的条带图谱；最高分辨率的物理图谱是染色体中完整的核苷酸序列。 §§§ Promoter 启动子。DNA中被RNA聚合酶结合并从此起始转录的位点。 §§§ Proteome 蛋白质组。一个基因组的全部蛋白产物及其表达情况。 §§§ Regulatory region or sequence 调控区或调控序列。控制基因表达的DNA碱基序列。 §§§ Ribosomal RNA 核糖体RNA。简写为rRNA。是一组存在于核糖体中的RNA分子。 §§§ Sequence tagged site 序列示踪位点，简写为STS。在人类基因组中只出现一次的位置和序列已知的长约200到500bp的短DNA序列片断。由于可以通过PCR检测到，STS在将来源于许多不同实验室的基因图谱和测序数据进行定位和定向时非常有用，并且STS在人类基因组的物理图谱中也具有界标的作用。表达的序列标签（ESTs）就是那些得自cDNAs的STSs。 §§§ Single-gene disorder 单基因病。由单个基因的等位基因的突变所导致的遗传病（如杜兴肌营养不良和成视网膜细胞瘤等）。 §§§ UniGene 美国国家生物技术信息中心提供的公用数据库，该数据库将GenBank中属于同一条基因的所有片断拼接成完整的基因进行收录。 §§§ 非蛋白质编码区（“Junk”DNA）占据了人类基因组的大部分，研究表明“Junk”是许多对生命过程富有活力的不同类型的DNA的复合体，它们至少包括以下类型的DNA成份或由其表达的RNA成分：内含子（intron）、卫星（Satellite）DNA、小卫星（minisatellite）DNA、微卫星（microsatellite）DNA、非均一核RNA（hmRNA）、短散置元（short interspersed elements）、长散置元（long interspersed elements）、伪基因（pseudogenes）等。除此之外，顺式调控元件，如启动子、增强子等也属于非编码序列。 双重序列对比 两序列间的对比分析。最常见的方法为Needle-Wunsch方法。能够利用的软件如BLAST、FASTA等。 §§§ Autosome 常染色体。与性别决定无关的染色体，人双倍体染色体组含有46条染色体，其中22对常染色体，一对与性别决定有关的性染色体（X和Y染色体）。 sex chromosome. 包括序列（核酸与蛋白）搜索，结构比较，结构预测，蛋白质域，模体（Motif ），测序，发育与进化分析，双向电泳成像分析，质谱蛋白质鉴定，三维蛋白结构模建与成像，基因组图谱比较，基因预测，非编码区功能位点识别，基因组重叠群集装，后基因组功能分析，结构基因组学以及药物基因组学等等。 在，新版中启用了gapped BLAST、PSI-BLAST 和PHI-BLAST。gapped BLAST是比原BLAST 更灵敏更快的局部相似联配（俗称局部同源）搜索法；PSI- BLAST用迭代型的剖面打分算法，每次迭代所费时间与前者相同，它可检索弱同源的目标；PHI-BLAST 98年刚出台，是模体（Motif ）构造与搜索软件，是更灵敏的同源搜索软件。例如线虫§§§ 的CED4是apoptosis 的调控蛋白，含有涉及磷酸结合的P 环模体，在各种ATP 酶和GTP 酶中可发现。在用gapped BLAST搜索NR数据库时，CED4仅跟人凋亡调控蛋白Apaf-1显著同源或相似（其中含有P-loop保守区）。但PHI- BLAST搜索，另有一个显著同源（E= ）目标，是植物抗病蛋白Arabidopsis thaliana ，证实此动物与植物蛋白确实在apoptosis 中有相似的功能。另有，按PHI- BLAST搜索在MutL DNA修复蛋白中的ATP 酶域，II型拓扑异构酶，组氨酸激酶和HS90家族蛋白，发现一个新的真核蛋白族，共有HS90型ATP 酶域。再有在古核tRNA核苷酸转移酶中发现核苷酸转移酶域，在细菌DNA 引物酶的古核同源体中发现螺旋酶超家族II的模体VI。用以往的搜索法这些是得不到的。 深层事项： 后基因组时期的主要任务：Data mining ，即从完全测序的基因组中预测功能。 1 、序列、结构和功能 自分子生物学产生以来，均相信序列决定结构，结构决定功能。随着基因组学的发展，对此理解已有长足的深化。同源序列（具有共同祖先）未必具有相同的功能；相同功能未必源自同源序列。相异序列可能有相似的结构；序列与结构不相似的蛋白可能会有相似的功能。现在发现存在不相似（在序列与结构水平上）酶催化相同的生化反应。当然亦存在甚至结构水平上很相似的酶催化不同的生化反应。例如人与鼠的3?- 羟甾类脱氢酶，1AHH和1RAL；前者是Rossmann折叠，而后者是TIM-桶。肯定，这些相似酶不是共同祖先趋异的结果，而是不同祖先趋同的结果。如结构决定功能还是合理的，那么至少在功能活性位点具有相似结构特征（即3D- 功能模体）。属于今后研究的课题，对了解酶催化机制与功能蛋白的小分子模拟具有很大价值。 何谓功能？功能有层次的：表型的，细胞的和分子的。 目前开始高层功能预测，分子相互作用、代谢途径和调控网络。目前，已从结构基因组学，功能基因组学和蛋白质组学多种角度研究基因组功能。 2 、结构基因组学中的生物信息学 希望大通量地测定和模建完全测序基因组的全部蛋白三维结构。生物信息学可以发挥作用，一方面规划好测定的对象，另一方面可靠地模建结构。 3 、功能基因组学中的生物信息学 美国HGP 已编制1998-2003 的新五年计划。提出八项目标：其中目标7 特指生物信息学和计算生物学，其实几乎每项目标都要生物信息学，例如目标4 功能基因组学中的非编码区功能位点预测，基因表达分析（如DNA Chip）以及蛋白质全局分析（如蛋白质组学）。 §§§ 蛋 白 质 组 学（Proteomics） 1.蛋白质组学研究的目的和任务 20世纪中期以来，随着DNA双螺旋结构的提出和蛋白质空间结构的X射线解析，开始了分子生物学时代，对遗传信息载体DNA和生命功能的主要体现者蛋白质的研究，成为生命科学研究的主要内容。90年代初期，美国生物学家提出并实施了人类基因组计划，预计用15年的时间，30亿美元的资助，对人类基因组的全部DNA序列进行测定，希望在分子水平上破译人类所有的遗传信息，即测定大约30亿碱基对的DNA序列和识别其中所有的基因（基因组中转录表达的功能单位）。经过各国科学家8年多的努力，人类基因组计划已经取得了巨大的成绩，一些低等生物的DNA全序列已被阐明，人类3%左右DNA的序列也已测定，迄今已测定的表达序列标志（EST）已大体涵盖人类的所有基因。在这样的形势下，科学家们认为，生命科学已经入了后基因组时代。在后基因组时代，生物学家们的研究重心已经从解释生命的所有遗传信息转移到在整体水平上对生物功能的研究。这种转向的第一个标志就是产生了一门成为功能基因组学（Functional Genomics）的新学科。它采用一些新的技术，如SAGE、DNA芯片，对成千上万的基因表达进行分析和比较，力图从基因组整体水平上对基因的活动规律进行阐述。但是，由于生物功能的主要体现者是蛋白质，而蛋白质有其自身特有的活动规律，仅仅从基因的角度来研究是远远不够的。例如蛋白质的修饰加工、转运定位、结构变化、蛋白质与蛋白质的相互作用、蛋白质与其它生物分子的相互作用等活动，均无法在基因组水平上获知。正是因为基因组学（Genomics）有这样的局限性，于90年代中期，在人类基因组计划研究发展及功能基因组学的基础上，国际上萌发产生了一门在整体水平上研究细胞内蛋白质的组成及其活动规律的新兴学科——蛋白质组学（Proteomics），它以蛋白质组（Proteome）为研究对象。蛋白质组是指“由一个细胞或一个组织的基因组所表达的全部相应的蛋白质”。测定一个有机体的基因组所表达的全部蛋白质的设想，萌发在1975年双向凝胶电泳发明之时。1994年Williams正式提出了这个问题，而“蛋白质组”的名词则是由Wilkins创造的，发表在1995年7月的Electrophoresis杂志上。蛋白质组与基因组相对应，但二者又有根本不同之处：一个有机体只有一个确定的基因组，组成该有机体的所有不同细胞斗拱享用一个确定的基因组；而蛋白质组则是一个动态的概念，她不仅在同一个机体的不同组织和细胞中不同，在同一机体的不同发育阶段，在不同的生理状态下，乃至在不同的外界环境下都是不同的。正是这种复杂的基因表达模式，表现了各种复杂的生命活动，每一种生命运动形式，都是特定蛋白质群体在不同时间和空间出现，并发挥功能的不同组合的结果。基因DNA的序列并不能提供这些信息，再加上由于基因剪接，蛋白质翻译后修饰和蛋白质剪接，基因遗传信息的表现规律就更加复杂，不再是经典的一个基因一个蛋白的对应关系，一个基因可以表达的蛋白质数目可能远大于一。对细菌，可能为～;对酵母则为3;而对人,可高达10。后基因组和蛋白质组研究，是为阐明生命活动本质所不可缺少的基因组研究的远为复杂的后续部分，无疑将成为21世纪生命科学研究的主要任务。

遗传与变异 ---新形式下的基因突变 （ 2005动物科学院 X X X ） 摘要：染色体：1、染色体的结构 有丝分裂中期，每一染色体都具有两条染色单体，称为姐妹染色体。两单体之间由着丝粒连接，着丝粒处凹陷缩窄，称初级缢痕。着丝粒将染色体划分为短臂（p）和长臂（q）。在短臂和长臂的末端分别有一特化部位称为端粒。某些染色体的长、短臂上还可见凹陷缩窄的部分，称为次级缢痕。人类近端着丝粒染色体的短臂末端有一球形结构，称为随体。2、染色体的类型 人类染色体分为三种类型：中着丝粒染色体、亚中着丝粒染色体和近端着丝粒染色体。3、染色体的数目 人类体细胞（二倍体细胞，2n）染色体数目为46条（23对，2n=46），其中22对为常染色体，1对为性染色体（女性的两条性染色体为形态相同的XX染色体；男性只有一条X染色体，另一条是较小的Y染色体）；正常生殖细胞（单倍体细胞，n）是23条染色体（n=23）。 关键词：遗传；变异；基因突变 遗传从现象来看是亲子代之间的相似的现象，即俗语所说的“种瓜得瓜，种豆得豆”。它的实质是生物按照亲代的发育途径和方式，从环境中获取物质，产生和亲代相似的复本。 遗传是相对稳定的，生物不轻易改变从亲代继承的发育途径和方式。因此，亲代的外貌、行为习性，以及优良性状可以在子代重现，甚至酷似亲代。而亲代的缺陷和遗传病，同样可以传递给子代。 遗传是一切生物的基本属性，它使生物界保持相对稳定，使人类可以识别包括自己在内的生物界。 变异是指亲子代之间，同胞兄弟姊妹之间，以及同种个体之间的差异现象。俗语说“一母生九子，九子各异”。世界上没有两个绝对相同的个体，包括挛生同胞在内，这充分说明了遗传的稳定性是相对的，而变异是绝对的。 生物的遗传与变异是同一事物的两个方面，遗传可以发生变异，发生的变异可以遗传，正常健康的父亲，可以生育出智力与体质方面有遗传缺陷的子女，并把遗传缺陷（变异）传递给下一代。 遗传和变异的物质基础 生物的遗传和变异是否有物质基础的问题，在遗传学领域内争论了数十年之久。 在现代生物学领域中，一致公认生物的遗传物质在细胞水平上是染色体，在分子水平上是基因，它们的化学构成是脱氧核糖核酸（DNA),在极少数没有DNA的原核生物中，如烟草花叶病毒等，核糖核酸（RNA）是遗传物质。 真核生物的细胞具有结构完整的细胞核，在细胞质中还有多种细胞器，真核生物的遗传物质就是细胞核内的染色体。但是, 细胞质在某些方面也表现有一定的遗传功能。人类亲子代之间的物质联系是精子与卵子,而精子与卵子中具有遗传功能的物质是染色体，受精卵根据染色体中DNA蕴藏的遗传信息，发育成和亲代相似的子代。 一、遗传与变异的奥秘 俗话说“种瓜得瓜，种豆得豆”，这是生物遗传的根本特征。人类与其他生物一样，在世代的交替中，子女（子代）总是保持着父母（亲代）的某些基本特征，这种现象就是遗传。但子代又会与亲代有所差异，有的差异还很明显。子代与亲代的这植钜炀褪潜湟臁R糯�捅湟焓巧��淖罨�咎卣髦�唬�ü��镆淮��姆敝程逑殖隼础?遗传和可以遗传的变异都是由遗传物质决定的。这种遗传物质就是细胞染色体中的基因。人类染色体与绝大多数生物一样，是由DNA（脱氧核糖核酸）链构成的，基因就是在DNA链上的特定的一个片段。由于亲代染色体通过生殖过程传递到子代，这就产生了遗传。染色体在生物的生活或繁殖过程中也可能发生畸变，基因内部也可能发生突变，这都会导致变异。 如遗传学指出：患色盲的父亲，他的女儿一般不表现出色盲，但她已获得了其亲代的色盲基因，她的下一代中，儿子将因获得色盲基因而患色盲。 我们观察我们身边很多有生命的物种：动物、植物、微生物以及我们人类，虽然种类繁多，但在经历了很多年后，人还是人，鸡还是鸡，狗还是狗，蚂蚁、大象、桃树、柳树以及各种花草等等，千千万万种生物仍能保持各自的特征，这些特征包括形态结构的特征以及生理功能的特征。正因为生物界有这种遗传特性，自然界各种生物才能各自有序地生存、生活，并繁衍子孙后代。 大家可能会问，生物是一代一代遗传下来，每种生物的形态结构以及生理功能应该是一模一样的，但为什么父母所生子女，一人一个样，一人一种性格，各有各自的特征。又如把不同人的皮肤或肾脏等器官互相移植，还会发生排斥现象，彼此不能接受，这又如何解释呢？科学家研究的结果告诉我们，生物界除了遗传现象以外还有变异现象，也就是说个体间有差异。例如，一对夫妇所生的子女，各有各的模样，丑陋的父母生出漂亮的孩子，平庸的父母生出聪明的孩子，这类情况也并不罕见。全世界恐怕很难找出两个一模一样的人，既使是单卵双生子，外人看起来好像一模一样，但是与他们朝夕相处的父母却能分辨出他们之间的微细差异，这种现象就是变异。人类中多数变异现象是由于父母亲遗传基因的不同组合。每个孩子都从父亲那里得到遗传基因的一半，从母亲那里得到另一半，每个孩子所得到的遗传基因虽然数量相同，但内容有所不同，因此每个孩子都是一个新的组合体，与父母不一样，兄弟姐妹之间也不一样，而形成彼此间的差异。正因为有变异现象，人类才有众多的民族。人们可以很容易地从人群中认出张三、李四，如果没有变异，大家全都是一个样子，社会上的麻烦事就多了。除了外形有不同，变异还包括构成身体的基本物质--蛋白质也存在着变异，每个人都有他自己特异的蛋白质。所以，如果皮肤或器官从一个人移植到另一个人身上便会发生排斥现象，这就是因为他们之间的蛋白质不一样的缘故。 还有一类变异是遗传基因的突变，这类突变往往是由环境中的条件所诱发的，这种突变的基因还可以遗传给下一代。许多基因突变的结果会造成遗传病。 变异也可以完全由环境因素所造成，例如患小儿麻痹症后遗的跛足，感染大脑炎后形成的痴呆等这些性状都是由环境因素所造成的，是因为病毒感染使某些组织受损害，造成生理功能的异常，不是遗传物质的改变，所以不是遗传的问题，因此也不会遗传给下一代。 总之，遗传与变异是遗传现象中不可分离的两个方面，我们有从父母获得的遗传物质，保证我们人类的基本特征经久不变。在遗传过程中还不断地发生变异，每个人又在一定的环境下发育成长，才有了人类的多种多样。 二、遗传变异的科学理论 遗传的分子基础 （一）遗传物质的存在形式 （1）染色体是遗传物质的载体，遗传信息以基因的形式蕴藏于DNA分子中； （2）每个人体体细胞含两个染色体组，每个染色体组的DNA构成一个基因组； （3）广义的基因组包括细胞核染色体基因组和线粒体基因组； （4）人类细胞核染色体基因组中90%左右为DNA重复序列，10%为单一序列； （5）多基因家族是真核基因组中重要的结构之一。 （二）基因的结构及其功能 、真核生物基因的分子结构 （1）、基因的DNA序列由编码序列和非编码序列两部分构成，编码序列是不连续的，被非编码序列分隔开，形成镶嵌排列的断裂形式，因此称为断裂基因；编码序列称为外显子，非编码序列称为内含子； （2）、在每个外显子和内含子的接头区存在高度保守的一致序列，称为外显子-内含子接头，即在每个内含子的5’端开始的两个核苷核为GT，3’端末尾是AG，特称之为GT－AG法则； （3）、真核生物基因的大小相关悬殊，外显子和内含子的关系也不是固定不变的； （4）、DNA分子两条链中，5’→3’链称为编码链，其碱基排列序列中储存着遗传信息；3’→5’链称为反编码链，是RNA合成的模板； （5）、每个断裂基因中第一个外显子和最后一个外显子的外侧都有一段不被转录的非编码区，称为侧翼序列，其上有一系列调控序列，对基因的表达起调控作用。这些结构包括： ①启动子：位于基因转录起始处，是RNA聚合酶的结合部位，能启动基因转录。 ②增强子：位于基因转录起始点的上游或下游，能增强启动子转录，提高转录效率； ③终止子：位于3’端非编码区下游的一段序列，在转录中提供转录终止信号。 、基因的复制 （1）、基因的复制是以DNA复制为基础的，每个DNA分子上有多个复制单位（复制子）； （2）、每个复制子有一个复制起点，从起点开始双向复制，在起点两侧各形成一复制叉； （3）、DNA聚合酶只能使DNA链的3’端加脱氧核苷核，故复制只能沿5’→3’方向进行； （4）、与复制叉同向的新链复制是连续的，速度也较快，称为前导链；与复制叉反向的新链复制是不连续的（先要在RNA引物存在下合成一个个冈崎片段，然后在DNA连接酶作用下补上一段DNA），速度也较慢，称为后随链；故DNA的复制是半不连续复制； （5）、复制后的DNA分子都含有一条旧链和一条新链，故DNA的复制又是半保留复制。 、基因的表达 基因表达是DNA分子中所蕴藏的遗传信息通过转录和翻译形成具有生物活性的蛋白质或通过转录形成RNA发挥功能作用的过程。 （1）、转录：是在RNA聚合酶催化下，以DNA为模板合成RNA的过程。 ①新合成好的RNA称为不均一核RNA（也叫核内异质RNA，hnRNA）； ②hnRNA要经过“戴帽”和“加尾”以及剪接等加工过程才能形成成熟的mRNA。 （2）、翻译：是以mRNA为模板指导蛋白质合成的过程。 ①mRNA分子中每3个相邻的碱基为三联体，能决定一种氨基酸，称为密码子； ②翻译后的初始产物大多无功能，需经进一步加工才可成为有一定活性的蛋白质。 、基因表达的调控（了解操纵子学说） 、基因的突变 （1）、基因突变的概念：基因突变是DNA分子中的核苷核序列发生改变，导致遗传密码编码信息改变，造成基因表达产物蛋白质的氨基酸变化，从而引起表型的改变。 （2）、基因突变的方式 ①碱基替换 也叫点突变，包括转换和颠换两种方式。其后果可以造成同义突变、错义突变、无义突变或终止密码突变（延长突变）等生物学效应。 ②移码突变 是DNA分子中某一位点增加或减少一个或几个碱基对，造成该位点以后的遗传编码信息全部发生改变。 ③动态突变 微卫星DNA或短串联重复序列，尤其是三核苷酸的重复，在靠近基因或位于基因序列中时，其重复次数在一代一代的传递中会出现明显增加的现象，导致某些遗传病的发生。 （3）、基因突变的修复 ①切除修复 是一种多步骤的酶反应过程，首先将受损的DNA部位切除，然后再合成一个片段连接到切除的部位以修补损伤。 ②重组修复 又称复制后修复，是在DNA受损产生胸腺嘧啶二聚体（T-T）以后，当DNA复制到损伤部位时，再与T-T相对应的部位出现切口，完整的DNA链上产生一个断裂点。此时，在重组蛋白作用下，完整的亲链与有重组的子链发生重组，亲链的核苷酸片段补充了子链上的缺失。重组后亲链的切口在DNA聚合酶作用下，以对侧子链为模板，合成单链DNA片段来填补，随后在DNA连接酶作用下，以磷酸二酯键使新片段与旧链相连接，而完成修复过程。 2、遗传的细胞基础 染色质：在间期细胞核，染色质的功能状态不同，折叠程度也不同，分为常染色质和异染色质两种。1、常染色质 在细胞间期处于解螺旋状态，具有转录活性，呈松散状，染色较浅；2、异染色质 在细胞间期处于凝缩状态，很少进行转录或无转录活性，染色较深；3、性染色质 在间期细胞核中染色体的异染色质部分显示出来的一种特殊结构，有两种：（1）、X染色质 正常女性间期细胞核中有一个染色较深，大小约为10nm的椭圆形小体（了解Lyon假说）。（2）、Y染色质 正常男性间期细胞核用荧光染料染色后，核内可见一个圆形或椭圆形的强荧光小体，直径为3nm左右。 染色体：1、染色体的结构 有丝分裂中期，每一染色体都具有两条染色单体，称为姐妹染色体。两单体之间由着丝粒连接，着丝粒处凹陷缩窄，称初级缢痕。着丝粒将染色体划分为短臂（p）和长臂（q）。在短臂和长臂的末端分别有一特化部位称为端粒。某些染色体的长、短臂上还可见凹陷缩窄的部分，称为次级缢痕。人类近端着丝粒染色体的短臂末端有一球形结构，称为随体。2、染色体的类型 人类染色体分为三种类型：中着丝粒染色体、亚中着丝粒染色体和近端着丝粒染色体。3、染色体的数目 人类体细胞（二倍体细胞，2n）染色体数目为46条（23对，2n=46），其中22对为常染色体，1对为性染色体（女性的两条性染色体为形态相同的XX染色体；男性只有一条X染色体，另一条是较小的Y染色体）；正常生殖细胞（单倍体细胞，n）是23条染色体（n=23）。 （三）人类的正常核型：色体数目、形态结构特征的分析叫核型分析。1、非显带核型 根据丹佛体制，将正常人类体细胞的46条染色体分为23对7个组（A、B、C、D、E、F和G组）。在描述一个核型时，首先写出染色体总数（包括性染色体），然后是一个“，”号，最后是性染色体。正常男性核型描述为46，XY；女性为46，XX。2、显带核型 用各种特殊的染色方法使染色体沿长轴显现出一条条明暗交替或深浅相间的带，故又叫带型。根据ISCN规定，描述一特定带时，需要写明4项内容：①染色体号；②臂号；③区号；④带号。 遗传的基本规律：孟德尔提出的分离定律和自由组合定律以及摩尔根提出的连锁与交换定律构成了遗传的基本规律，通称为遗传学三大定律。分离律说的是遗传性状有显隐性之分，这样具有明显显隐性差异的一对性状称为相对性状。相对性状中的显性性状受显性基因控制，隐性性状由一对纯合隐性基因决定。杂合体往往表现显性基因的性状。基因在体细胞中成对存在，在形成配子时，彼此分离，进入不同的子细胞。减数分裂时同源染色体彼此分离，分别进入不同的生殖细胞是分离律的细胞学基础。自由组合律是说生物在形成配子时，不同对基因独立行动，可分可合，以均等的机会组合到同一个配子中去。减数分裂过程中非同源染色体随机组合于生殖细胞是自由组合律的细胞学基础。连锁与交换律是说位于同一条染色体上的基因是互相连锁的，它们常一起传递（连锁律），但有时也会发生分离和重组，是因为同源染色体上的各对等位基因进行了交换。减数分裂中，同源染色体联会和交换是交换律的细胞学基础。 单基因性状的遗传：遗传性状受一对基因控制的，称单基因性状的遗传。单基因性状又叫质量性状。1、决定某种遗传性状的等位基因，在传递时服从分离律；2、当决定两种遗传性状的基因位于不同对染色体上时，这两种单基因性状的传递符合自由组合律。3、如果决定两种遗传性状的基因位于同一对染色体上时，它们的传递将从属于连锁与交换律。 多基因性状的遗传：由多基因控制的性状往往与单基因性状不同，其变异往往是连续的量的变异，称为数量性状。每对基因对多基因性状形成的效应是微小的，称为微效基因。微效基因的效应往往是累加的。多基因遗传性状除受多基因遗传基础影响外，也受环境因素影响。（熟悉多基因遗传假说，了解多基因遗传的特点） 遗传的变异：（一）染色体异常与疾病；染色体异常类；形成机； 数目畸变 整倍性改变 单倍体 多倍体 双雄受精，双雄受精，核内复制 非整倍性改变 亚二倍体 染色体不分离，染色体丢失 超二倍体 结构畸变 缺失（del） 受多种因素影响，如物理因素、化学因素和生物因素等 重复（dup） 倒位（inv） 易位（t） 环状染色体 双着丝粒染色体 等臂染色体 1、一个个体内同时存在两种或两种以上核型的细胞系，这种个体称嵌合体。 2、染色体结构畸变的描述方式有简式和详式两种。 （二）人类的单基因遗传病1、常染色体显性遗传（AD）病 （1）、AD系谱特点：①致病基因位于常染色体上，遗传与性别无关；②患者双亲中至少有一方是患者，但多为杂合体；③患者与正常个体结婚，后代有1/2的发病风险；④系谱中可看到连续传递现象。 （2）、其它AD类型：①不完全显性或半显性，是指杂合体的表现型介于显性纯合体与隐性纯合体的表现型之间；②不规则显性，是指杂合体由于某种原因不一定表现出相应的症状，即使发病，但病情程度也有差异；③共显性，是指一对等位基因无显隐性之分，杂合状态下，两种基因的作用都能表现出来；④延迟显性，有显性致病基因的杂合体在生命早期不表现出相应症状，当到一定年龄后，其作用才表达出来。 2、常染色体隐性遗传（AR）病 （1）、AR系谱特点：①致病基因的遗传与性别无关，男女发病机会均等；②患者双亲往往表型正常，但都是致病基因的携带者，患者的同胞中约有1/4的可能将会患病，3/4表型正常，但表型正常者中2/3是可能携带者；③系谱中看不到连续传递现象，常为散发；④近亲婚配后代发病率比非近亲婚配后代发病率高。 （2）、常见AR病：苯丙酮尿症、白化病、先天性聋哑、高度近视和镰状细胞贫血等。 3、X连锁显性遗传（XD）病 （1）、XD系谱特点：①系谱中女性患者多于男性患者，且女患者病情较轻；②患者双亲中至少有一方是患者；③男性患者后代中，女儿都为患者，儿子都正常；女性患者后代中，子女各有1/2的患病风险；④系谱中可看到连续传递现象。 （2）、常见XD病：抗维生素D性佝偻病。 4、X连锁隐性遗传（XR）病 （1）、XR系谱特点：①人群中男性患者远多于女性患者；②双亲无病时，儿子可能发病，女儿则不会发病；③由于交叉遗传，患者的兄弟、舅父、姨表兄弟和外甥各有1/2的发病风险；④如果女性是患者，父亲一定是患者，母亲一定是携带者或患者。 （2）、常见XR病：甲型血友病、红绿色盲。 5、Y连锁遗传（YL）病 全男性遗传 （三）多基因遗传病 1、有关多基因遗传病的几个重要概念 （1）、易感性 在多基因遗传病中，由多基因遗传基础决定某种多基因病发病风险高低。 （2）、易患性 由遗传基础和环境因素共同作用，决定了一个个体是否易于患病。 （3）、发病阈值 当一个个体的易患性高达一定水平即达到一个限度时，这个个体就将患病，这个易患性的限度称为阈值。 （4）、遗传度 在多基因遗传病中，易患性受遗传基础和环境因素的双重影响，其中遗传基础所起作用大小的程度称为遗传度或遗传率。一般用百分率（%）来表示。 2、多基因遗传病的特点 （1）、有家族聚集倾向，患者亲属的发病率高于群体发病； （2）、随着亲属级别的降低，患者亲属的发病风险迅速降低； （3）、近亲婚配时，子女患病风险增高； （4）、发病率有种族（或民族）差异。 三、遗传与变异在当代 人类基因组计划的工作草图已于今年的6月26日绘制完成，但要将全部30多亿个碱基完全装配完成还需要一段时间，预计要到明年的6月份。即使完成了人类基因组计划的“精图”，也只是我们认识人类基因功能的开始，完全弄清基因的功能及其相互间的作用，至少还要40年的时间。毋庸赘言，这是一项浩繁巨大的工程。 迄今为止，人们对整个人类基因组中所含有的基因数目尚存争议，有人说是3万，有人说是14万，相差非常大。在整个人类基因组序列中，只存在1％的差异，就是这1％的差异导致了人种、肤色、身高、眼睛、胖瘦以及疾病的易感性等方面的不同。科学家除继续研究基因的数量和功能外，基因在多大程度上受外界环境和体内因素的影响以及这种改变是否可以一代代地延续下去，也是需要解决的问题。 上述问题涉及到后成说（epigenetics）这一范畴。后成说是研究通过其他的化学途径，而不是通常所说的碱基突变，使基因活性发生半永久性改变的一门科学。后成说的重要性一直存有很大争议。如果后成说真有科学依据的话，那么它将是解释不同个体之间，甚至不同物种之间存在差异的关键所在，同时还将是疾病发生的一个重要机制。 不同基因的表达：基因含有合成蛋白质的指令，蛋白质合成的过程称为基因表达。但是遗传学家们很早以前就知道通过对DNA链碱基上的化学基团进行修饰来调控基因表达、影响蛋白质的合成。最常见的修饰方式是基因的甲基化（甲基是由一个碳原子和三个氢原子组成的基团），即在基因上添加甲基基团，结果常常会终止基因表达。 科研人员通过对某些哺乳动物的研究发现，此类修饰只存在于个体中，而不遗传给后代，因为这种修饰在精子和卵子细胞中常常被清除。最近有人发现，后成特征在小鼠中可以遗传。在悉尼大学生化学家怀特劳博士所做的实验中，遗传学相同的小鼠，同其父母相比，更像它们的母亲。因为它们继承了其母亲的卵子DNA的甲基化类型。该型甲基化在决定小鼠毛色中起着非常重要的作用。 怀特劳博士小组的大量的研究数据表明，要探明动物是如何把物理特征或疾病易感性传给后代的，有必要先搞清可遗传的后成特征。如果后成特征可遗传，那么这些特征所引起的疾病应能够像普通的基因突变一样在家系之间传递。该研究小组对小鼠的后成标记在传代过程中如何关闭和表达进行了深入地研究。研究人员将一个可以产生特异类型红细胞的基因（称为转基因）导入具有相同遗传学特征小鼠的基因组中（接受该基因的小鼠称之为转基因鼠）。研究发现这些转基因小鼠体内的转基因正以不同的方式表达。有些转基因小鼠体内40％的红细胞表达该基因，而另一些则根本就不表达。同时该小组还对小鼠毛色进行了研究，发现与毛色有关的DNA甲基化增高与转基因的不表达（或称为“沉默”表达）有关。但是在这种情况下，后成性改变可来自父方，也可以来自母方。 令人费解的是，虽然这种基因表达的沉默现象至少可以维持三代，但不是不可逆转的。在该型的后代小鼠与非同类小鼠交配时，发现在后代小鼠中不存在甲基化和表达沉默现象，转基因又可在小鼠的幼崽中获得表达。如果这种基因沉默和再活化现象是自然发生的话，那么就可以解释个体之间和代与代之间差异的原因。 后成说还可以解释物种之间的差异。最近普林斯顿大学的迪尔格曼通过两种相近小鼠的交配，将多个小鼠基因上的后成特征破坏。这些小鼠相互之间不能进行正常的交配，并且它们杂交的后代表现为生长异常。研究人员认为这种生长异常与杂交后代基因上的甲基化模式破坏有关。他们推测后成性效应非常显著，仅靠改变这些特征就可以造就新物种。 大家都知道，物种的产生是遗传变异逐渐积累的结果。但是，迪尔格曼认为有些物种出现之快不是该假说所能解释的。所以物种后成说的假设有一定优势。例如，甲基化可以迅速地关闭整条基因的表达，并引起根本的改变。这种改变足以阻止新的品种与旧品种之间的杂交，尤其是阻止新物种的产生。 四、结论 变异基因的表达：许多生物学家对此种假说表示不屑。基因序列虽不能完全解释动物的特征，但是至少可以解释一些由基因突变所引起的疾病。 疾病基因突变假说的倡导者把癌症作为经典的实例，来说明在个体DNA水平上，到底有多少碱基差错才能导致肿瘤。但加州大学伯克利分校的杜斯博格博士不同意这一观点，认为癌症并不是由基因异常引起的，而是由另一形式的后成现象 染色体异常引起的。 根据癌症基因突变假说，指导细胞分裂和死亡的基因突变使正常的细胞分裂和死亡过程遭到破坏，导致细胞不受控制地生长。但是，最近杜斯博格博士领导的研究小组报道，至今还没有人证实突变的基因会使正常的细胞变为癌细胞。他还指出，如果突变基因对细胞分裂具有显著影响的话，为什么有些情况下，突变发生的数月甚至数年后才发展为癌症，这是非常奇怪的现象。他认为可以用后成性非整倍现象对上述问题加以解释，非整倍性是指细胞具有错误的染色体个数。 在细胞分裂时，染色体排列整齐，通过纺锤体（一种蛋白质的支架）分配到子代细胞中。杜斯博格推测，致癌的化学物质可以影响纺锤体，因此，造成子代细胞具有或多或少的染色体。由于这种错误分配的染色体不稳定，细胞分裂时染色体之间相互混合并发生非自然的重组。 大多数重组对细胞而言是至关重要的，但最终会产生一个分裂异常的细胞。产生这种异常细胞的概率非常小，这种低概率事件可以解释为什么从接触致癌物质到细胞发生癌变，要经过这么长时间。细胞的非整倍性是5000多种肿瘤的一种显著特征。 与个体碱基突变相比，染色体数的增加或减少使细胞表征发生显著改变。因为染色体数目的改变（即非整倍性），可以导致成千上万种蛋白质活性发生改变，而不仅仅是一种或两种蛋白质，导致细胞分裂的失控。假如这种假说成立的话，那么现在试图通过定点修复癌基因来治疗癌症的策略将毫无效果。 杜斯博格博士10年前曾因自己的假说而声名狼藉，他认为人类免疫缺陷病毒（HIV）并不能引起艾滋病。一系列的HIV和艾滋病的研究表明，杜斯博格的理论是极其荒谬的。这严重地损害了他的声誉，因此，他的其他理论也很容易被人忽视。但是，他的非整倍性假说似乎非常有价值。癌症中非整倍体的普遍性尚需进一步阐明。

遗传携带者的检出 遗传携带者（genetic carrier）是指表型正常，但带有致病遗传物质的个体。一般包括： ①隐生遗传杂合子；②显性遗传病的未显者；③表型尚正常的迟发外显者；④染色体平衡易位的个体。 遗传携带者的检出对遗传病的预防具有积极的意义。因为人群中，虽然许多隐性遗传病的发病率不高，但杂合子的比例却相当高。例如苯酮尿症的纯合子在人群中如为1：1000，携带者（杂合子）的频率为2：50，为纯合子频率的200倍。对发病率很低的遗传病，一般不做杂合子的群体筛查，仅对患者亲属及其对象进行筛查，也可以收到良好效果。对发病率高的遗传病，普查携带者效果显著。例如我国南方各省的α及β地中海贫血的发病率特别高（共占人群8%-12%，有的省或地区更高），因此检出双方同为α或同为β地贫杂合子的机会很多，这时，进行婚姻及生育指导，配合产前诊断，就可以从第一胎起防止重型患儿出生，从而收到巨大的社会效益和经济效益，不仅降低了本病的发病率，而且防止了不良基因在群体中播散。 染色体平衡易位携带者生育死胎及染色体病患儿的机会很大（参阅第二章），因此，对染色体平衡易位的亲属进行检查十分重要。 隐性致病基因杂合子检出方法的理论根据是基因的剂量效应，即基因产物的剂量，杂合子介于纯合子与正常个体之间，约为正常个体的半量，但因机体内外环境各种因素对基因表达的影响，以及检测方法的不同（直接测定基因产物或测定基因间接产物），使测定值在正常与杂合子之间，杂合子与纯合子之间发生重叠，造成判断的困难。 杂合子携带者的检测方法大致可分为：临床水平、细胞水平、酶和蛋白质水平及分子水平。从临床水平，一般只能提供线索，不能准确检出，故已基本弃用。细胞水平主要是染色体检查，多用于平衡易位携带者的检出。酶和蛋白质水平的测定（包括代谢中间产物的测定），目前对于一些分子代谢病杂合子检测尚有一定的意义，但正逐渐被基因水平的方法所取代。即随着分子遗传学的发展，可以从分子水平即利用DNA或RNA分析技术直接检出杂合子，而且准确，特别是对一些致病基因的性质和异常基因产物还不清楚的遗传病，或用一般生化方法不能准确检测的遗传病，例如慢性进行舞蹈病、甲型和乙型血友病、DMD、苯酮尿症等；最后，对一些迟发外显携带者还可作症状前诊断，因而有可能采取早期预防性措施，如成人多囊肾病等（参阅第十三章）。目前，用基因分析检测杂合子的方法日益增多，并逐步向简化、快速、准确的方向发展，以求扩大到高危人群的筛查。

有些时候我们需要知道转录本长度，比如在使用RNA-seq计算FPKM的时候，为了准确地评估不同基因的表达量，一般是用覆盖该基因/转录本的总reads数除以基因/转录本的长度，有些时候我们需要知道基因编码区的长度，比如在使用VAAST评估致病候选基因的时候，有些基因因为编码区特别长（如TTN）总是排名靠前，如果考虑到它的编码区长度后，排序将会更加科学。 那么怎样获得基因编码区长度呢？这个问题看起来比较简单，只要将每个外显子的长度加起来就可以了，对于单个转录本可以通过NCBI的CCDS数据库查询，但是基因有多个转录本，每个转录本的编码区有重合，所以基因编码区不是每个转录本编码区的简单相加，所以要想准确地获得每个基因的编码区长度并不容易首先从sanger网站下载基因注释文件GTF，。然后在R中使用GenomicFeatures工具包。library(GenomicFeatures)txdb <- makeTranscriptDbFromGFF("",format="gtf")收集每个基因的编码区编号 <-cdsBy(txdb,by="gene")通过reduce函数避免重复计算重叠区 <- lapply((x){sum(width(reduce(x)))})生成的gene ID为ensemble编号，可以通过，转换为gene symbol。

有些时候我们需要知道转录本长度，比如在使用RNA-seq计算FPKM的时候，为了准确地评估不同基因的表达量，一般是用覆盖该基因/转录本的总reads数除以基因/转录本的长度，有些时候我们需要知道基因编码区的长度，比如在使用VAAST评估致病候选基因的时候，有些基因因为编码区特别长（如TTN）总是排名靠前，如果考虑到它的编码区长度后，排序将会更加科学。 那么怎样获得基因编码区长度呢？这个问题看起来比较简单，只要将每个外显子的长度加起来就可以了，对于单个转录本可以通过NCBI的CCDS数据库查询，但是基因有多个转录本，每个转录本的编码区有重合，所以基因编码区不是每个转录本编码区的简单相加，所以要想准确地获得每个基因的编码区长度并不容易，而且目前并没有现成的数据库，经过游侠在网上摸索后将相关方法整理如下，供大家参考。首先从sanger网站下载基因注释文件GTF，。然后在R中使用GenomicFeatures工具包。library(GenomicFeatures)txdb <- makeTranscriptDbFromGFF("",format="gtf")收集每个基因的编码区编号 <-cdsBy(txdb,by="gene")通过reduce函数避免重复计算重叠区 <- lapply((x){sum(width(reduce(x)))})生成的gene ID为ensemble编号，可以通过，转换为gene symbol。