生物基因结构
基因結構
最近需要對啟動子區域進行預測，所以首先對啟動子的結構特征進行了解，而說到啟動子，那就一定要了解基因結構，所以，在網上查找了部分資料進行整理與學習。
首先，根據RNA合成的不同時期，從DNA到成熟mRNA，分為三個階段了解基因結構的變化。
RNA合成
特點
RNA聚合酶-RNA polymerase：
細菌 Bacteria：全酶 (Holoenzyme) 由一種核心酶（α2ββ’σω）和多種因子組成。
真核生物 Eukaryotes：三種 RNA 聚合酶 ，根據對α-鵝膏覃堿分為三類。
| RNA 聚合酶Ⅰ | 核仁 | rRNA(28S, 18S, 5.8S) | 50-70% | 不敏感 |
| RNA 聚合酶Ⅱ | 核質 | hnRNA*, snRNA, mRNA | 20-40% | 敏感 |
| RNA 聚合酶Ⅲ | 核質 | tRNA, 5SRNA, 某些涉及 RNA 加工的 snRNA | 約 10% | 存在物種特異性 |
PS：細菌中研究得最為清楚的是大腸桿菌的RNA聚合酶，該酶是由五種亞基組成的六聚體（α2ββ’ωσ），該六聚體稱之為核心酶（coreenzyme），σ因子與核心酶結合后稱為全酶 (Holoenzyme)。
對RNA的分類
其中只有真核生物需要轉化成前mRNA，而細菌與原核生物由于缺少內含子不需要這一步。
-
hnRNA: heterogeneous nuclear RNA, 核內不均一 RNA, RNA 的前體
-
snRNA：核小RNA是真核生物轉錄后加工過程中RNA剪接體（spliceosome）的主要成分，參與mRNA前體的加工過程。
-
snoRNA：核仁小RNA（small nucleolar RNA）由內含子編碼，分布于真核生物細胞核仁的小分子非編碼RNA，具有保守的結構元件。已證明有多種功能，主要參與rRNA的加工；反義snoRNA指導rRNA核糖甲基化。
-
scRNA：，胞質小RNA（small cytoplasmic RNA，scRNA），細胞質中的小分子RNA。通常指轉移核糖核酸(tRNA)和小的核糖體RNA(rRNA)，如5S rRNA、5.8S rRNA等。
-
tmRNA：轉運-信使RNA（Transfer-messenger RNA），是一種細菌的RNA分子，是tRNA和信使RNA類似物。 tmRNA的用途十分廣泛，它可用于回收停滯的核糖體，并有利于異常的信使RNA的降解。
DNA
轉錄是從DNA聚合酶結合到模版鏈上開始的，用一個簡單模型來概括就是將DNA分為兩個部分，編碼區與非編碼區。下圖是包含了一個最簡單的轉錄單元（transcription unit），轉錄單元起始于啟動子并終止于終止子。
PS：一個轉錄單元只包含一個基因，而轉錄本是由多個轉錄單元加上基因間隔區組成的。
由上圖可以看出，基因結構分為編碼區與非編碼區，真核生物的編碼區存在內含子與外顯子，首先會生成前mRNA，然后將mRNA中的內含子切除，最后合并外顯子形成mRNA。而原核生物沒有內含子，可以直接生成mRNA。
編碼區
外顯子 Exon：外顯子是在 preRNA 經過剪切或修飾后，被保留的DNA部分，并最終出現在成熟RNA的基因序列中。
內含子 Intron：在真核生物中，內含子作為阻斷基因的線性表達的一段DNA序列，是在 preRNA 經過剪切或修飾后，被切除的DNA序列
非編碼區
非編碼區雖然不會被轉錄，但是對與基因的表達起到了重要的作用，啟動子，終止子，增強子等都處于非編碼區中，且非編碼區在總RNA中占比超過90%。非編碼區RNA可以轉錄為功能性RNA，如tRNA，rRNA等；也可以對轉錄起到控制與調控作用，甚至參與mRNA的加工。
啟動子：是一段位于結構基因 5’端上游區的保守的 DNA 序列，能活化 RNA 聚合酶，使之與模板 DNA 準確地相結合并具有轉錄起始的特異性。啟動子長約100-1000bp。在轉錄過程中，RNA聚合酶與轉錄因子可以識別并特異性結合到啟動子特有的DNA序列（一般為保守序列），從而啟動轉錄。啟動子本身并不轉錄而且也不控制基因活動，而是通過轉錄因子結合來調控轉錄過程。在細胞核中，似乎啟動子優先分布在染色體區域的邊緣，可能是在不同染色體上共同表達基因。 此外，在人類中，啟動子顯示出每個染色體特有的某些結構特征。
原核生物啟動子
原核生物的啟動子最重要的是-10區與-35區，如果在原核生物中這兩個區域之間的距離超過或小于16-19bp，都會降低轉錄活性，可能與RNA Pol本身構象有關。
- -10區（-10 box,Pribnow 盒）
是由 5 個核苷酸組成的保守序列，是聚合酶結合位點，其中央大約位于起點上游 10bp 處，所以又稱為 -10 區，是真核生物與古細菌的TATA 盒的原核同源物，具有較短共有序列TATAATAAT。
-10區特點：
研究發現，只有 -10 區 是不能結合 RNA 聚合酶的。從噬菌體的左、右啟動子 PL 及 PR 和 SV40 啟動子的 - 35 bp 附近找到了另一段共同序列：TTGACA
- -35區(35 box ( Sextama 盒 ))
其保守序列為 TTGACa， 與 -10 序列相隔 16-19bp。
為 RNA pol 的識別位點。
是 RNA 聚合酶與啟動子的結合位點，能與 σ 因子相互識別而具有很高的親和力。但不能被 RNA Pol 的核心酶識別，核心酶只能起到和模板結合和催化的功能。
- 原核生物啟動子的共同特點
- 位置和距離都比較恒定，都在其控制基因的 5’端，常和操縱子相鄰；
- -35 序列，-10 序列等特征序列都十分保守；
- 都含有識別 (R ) 、結合 (B) 和起始 (I) 三個位點；
- 直接和多聚酶相結合，與 σ 結合決定轉錄的特異性。
σ因子自身并不能與 DNA 結合，但與核心酶相互作用后暴露出σ因子的 DNA 結合域：β’ 亞基的氨基酸片段促進 σ因子與啟動子 -10 框的非模板鏈的結合。
σ因子可以選擇哪些基因將被轉錄：
- σ70 (RpoD)-“管家”σ因子/主要σ因子，轉錄生長細胞中的大多數基因。制造保持細胞存活所必需的蛋白質。
- σ54 (RpoN) -氮源缺陷應激σ因子
- σ38 (RpoS) -饑餓應激σ因子
- σ32 (RpoH) 熱休克應激σ因子
- σ28 (RpoF) -鞭毛σ因子
- σ24 (RpoE) -極端/極端應激σ因子
- σ19 (FecI) -檸檬酸鐵σ因子，調節用于鐵運輸的 fec 基因的轉錄
真核生物啟動子
真核生物 RNA 聚合酶Ⅱ所識別的啟動子區
- TATA box（Hogness 區）
-25 ~ -30 bp 區，保守序列為 TATAAA。確定轉錄起始位點，使轉錄精確地起始：如果除去 TATA 區或進行堿基突變，轉錄產物下降的相對值不如 CAAT 區或 GC 區突變后明顯，但發現所獲得的 RNA 產物起始點不固定。
- 啟始子 (initiator, Inr)：轉錄起始位點附近。
- 上游啟動子元件 ( upstream promoter element, UPE, 又稱 上游激活序列 (upstream activating sequence, UAS) : TATA 區上游的保守序列。
- CAAT box
CCAAT box（有時也縮寫為CAAT box或CAT box）：具有GGCCAATCT 共有序列的不同核苷酸序列 ，是真核生物基因常有的調節區，位于轉錄起始點上游約-80bp處，可能也是RNA聚合酶的一個結合處，控制著轉錄起始的頻率。與之對應的就是原核的-35區。
CAAT框是最早被人們描述的常見啟動子元件之一，常位于接近-80的位置，但是它可以在離起始點較遠的距離仍能起作用，且在兩種取向均可發揮作用。CAAT框的突變敏感性提示了它在決定轉錄效率上有很強的作用，但是突變對啟動子的特異性沒有影響。
- GC box :-80 ~ -110 含有 GCCACACCC 或 GGGCGGG 序列。
CAAT 區和 GC 區主要控制轉錄起始頻率，基本不參與起始位點的確定。
- 真核生物啟動子特點
增強子 Enhancer
增強子是位于轉錄起始位點或下游基因1Mbp的位置，長度50-1500bp的序列，其可以被轉錄激活因子結合從而增加特定基因轉錄發生的可能性，廣泛的存在于原核與真核生物基因結構中。
增強子能大大增強啟動子的活性。增強子有別于啟動子處有兩點:
終止子 Terminator
終止子與終止密碼子的概念區分：二者在名稱上相似，但是含義是截然不同的。終止子是處于基因的非編碼區的一段DNA序列，用于終止轉錄。而終止密碼子是在翻譯過程中終止肽鏈合成的mRNA中的三聯體堿基序列，一般情況下為UAA，UAG和UGA，不編碼為氨基酸。
終止子處于基因或操縱子的末端，給RNA聚合酶提供轉錄終止信號的DNA序列。
- ATAAA
ATAAA 是 preRNA 在通過修剪后形成成熟mRNA 時在3’UTR產生ployA 是的加尾信號。但是這段序列并不是絕對保守，也可能為其他A富集的序列，比如AATAAA等。
- 回文序列 palindrome sequence
回文序列是雙鏈DNA中的一段倒置重復序列，這段序列有個特點，它的堿基序列與其互補鏈之間正讀和反讀都相同。當該序列的雙鏈被打開后，如果這段序列較短，有可能是限制性內切酶的識別序列，如果比較長，有可能形成發卡結構，這種結構的形成有助于DNA與特異性DNA與蛋白質的結合。
preRNA
- 轉錄起始位點 Transcription start sites (TSS)
轉錄起始位點是指與新生RNA鏈第一個核苷酸相對應的DNA鏈上的堿基，通常為一個嘌呤（A 或G），即5’UTR的上游第一個堿基。 通常在起始核苷酸的兩側為 C 和 T (i.e. CGT or CAT)。
- 轉錄終止位點 Transcription termination sites (TTS)
轉錄起始位點是指新生RNA鏈最后一個核苷酸相對應的DNA鏈上的堿基。當RNA鏈延伸到轉錄終止位點時，RNA聚合酶不再形成新的磷酸二酯鍵，RNA-DNA雜合物分離，轉錄泡瓦解，DNA恢復成雙鏈狀態，而RNA聚合酶和RNA鏈都被從模板上釋放出來。
- 開放閱讀框 Open reading frame(ORF)
ORF 是連續的一段密碼子，其含有起始密碼子（通常是AUG）和終止密碼子（通常是UAA，UAG或UGA）。在真核基因中，ORF跨越內含子/外顯子區域，其可以在 ORF 轉錄后拼接在一起以產生蛋白質翻譯的最終mRNA。 由于讀寫位置不同（對應不同的起始位點），ORF 可能翻譯為不同的多肽鏈。
mRNA
從上圖可以看出，外顯子不僅僅只有編碼區域，還有非編碼的區域5'UTR與3'UTR。
UTR (Untranslated Region )，如果這段序列位于5’端，就稱作5’UTR（5‘-untranslated region），也叫前導序列（leader）。相反若位于3’端，我們就叫它3’UTR（3‘-untranslated region），也叫尾隨序列（trailer）。
5’UTR 位于從mRNA起點的甲基化鳥嘌呤核苷酸帽延伸至起始密碼子AUG，3’UTR從編碼區末端的終止密碼子延伸至多聚A尾巴（Poly-A）的前端 。
原核生物和真核生物都可以看到UTR，但它們的長度和組成都有所不同。原核生物中，5′非翻譯區通常為3至10個核苷酸的長度。但在真核生物中，5′非翻譯區有成百上千個核苷酸的長度。與原核生物相比，真核生物的基因組的復雜性更高，3′非翻譯區的長度也不同。雖然5′非翻譯區和3′非翻譯區在長度上有差異，但5′非翻譯區的長度在演化過程中比3′非翻譯區顯得更保守。
5‘Cap
5‘Cap也被稱為7-甲基鳥苷酸帽，縮寫為m7G。這種結構在RNA進出細胞核起到識別作用；可以抗5’-核酸外切酶的截切；促進5’端內含子的切除；在翻譯過程中有助于核糖體對mRNA的識別和結合。
3’ PolyA tail
Poly A tail 由多個腺苷一磷酸組成 ，也就是說它是一段僅含有腺嘌呤堿基的RNA 。這種結構可以避免細胞質中的酶促降解，并有助于轉錄終止，mRNA從細胞核中的輸出和翻譯。
CDS (coding dna sequence)
CDS 是基因中DNA或RNA為蛋白質編碼區域，該區域通常開始于5‘末端的起始密碼子并結束于3’端的終止密碼子。生物體基因組編碼區的總和稱為外顯子組。
CDS與ORF的區別與聯系：
- CDS是Coding sequence的縮寫，是指編碼一段蛋白產物的序列，是與蛋白質密碼子一一對應的序列。
- ORF是open reading frame的縮寫，翻譯成開放閱讀框，是指從一個起始密碼子開始到一個終止密碼子結束的一段序列，但并不是所有讀碼框都能表達出蛋白產物（在我看來就是可能會包含內含子，讀碼框本省無法翻譯為蛋白質，但是經過剪切后就可以）
- CDS必定是一個ORF，但也可能包括多個ORF，相反，每個ORF不一定都是CDS。（真核與原核）
參考資料
基因結構：https://zhuanlan.zhihu.com/p/49601643
轉錄：https://blog.csdn.net/zea408497299/article/details/124464842?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166081277516781432993626%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=166081277516781432993626&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allfirst_rank_ecpm_v1~rank_v33_ecpm-3-124464842-null-null.142
總結
