我们可以从迄今为止最完整的人类基因组图谱中了解到有关胚胎和进化的知识

上周，来自 20 多家研究机构的研究人员团队宣布，经过 30 年的努力，他们终于在创建高质量人类基因组序列方面取得了突破。尽管人类基因组计划的首份草图是在 20 年前制作出来的，但近 8% 的人类 DNA 仍是未知的。现在，几乎基因组的每一部分（除了 Y 染色体）都已被解码。

新绘制的区域将为遗传学家提供一个窗口，让他们了解曾经被称为“垃圾 DNA”的基因组片段。现在人们认为这些区域对于进化、胚胎生长以及细胞复制和死亡的方式至关重要。

康涅狄格大学的比较生物学家、该序列的合著者雷切尔·奥尼尔 (Rachel O'Neill) 表示：“我们发现事物的多样性比我们所能意识到的要多得多。” 之前的结果“就像研究地球的文化、音乐和语言，而忽略了整个非洲。”

所有这些未发现的片段都仍是谜，因为它们是由复杂的重复 DNA 序列组成的。一段这种遗传物质可能由重复数千次的数千个字母的序列组成。“它们通过重复进化而来，”加州大学圣克鲁斯分校的计算生物学家、新序列的合著者本尼迪克特·帕滕 (Benedict Paten) 在今年早些时候接受《大众科学》采访时说道。

极端的重复使得测序变得尤为麻烦。尽管基因测序比 20 年前人类基因组首次重建时快得多、便宜得多，但现在最常见的技术是读取基因组的短片段。通过匹配 DNA 序列重叠的位置，这些片段被组装成完整的图像。拼凑重复的部分有点像拼一群斑马的拼图。研究人员必须开发读取极长 DNA 链的工具，并编写新算法来完成最终的图像。

[相关：人类多样性的基准是基于一个人的基因组。一种新工具可能会改变这一现状。]

从历史上看，遗传学家将基因组的大片段（包括新测序的区域）描述为“垃圾”。绝大多数遗传学研究都集中在基因上，基因是相对较小的 DNA 片段，它们被转录成 RNA，然后翻译成蛋白质，蛋白质是生物学的分子主力。垃圾 DNA 占整个基因组的 98%，不会翻译成功能性蛋白质。“如果你只对基因到蛋白质的途径感兴趣，那么其他一切都是垃圾，”奥尼尔说。

但在过去二十年里，生物学家们已经意识到，这些“垃圾”中所包含的信息是我们所知生命的基础——就像知道图书馆的书架上也写满了文字一样。“一个人的垃圾是另一个人的宝藏，”奥尼尔说。“我就是宝藏那一端。”

人类基因组由 46 条染色体组成，这些染色体是打结的 DNA 的 X 形“文库”。新序列处理了这些染色体的三个部分：端粒，即防止 DNA 磨损的染色体“末端”；着丝粒，即每条染色体中间的密集 DNA 结，对 DNA 复制至关重要；染色体“臂”中的 DNA，用于构建称为核糖体的蛋白质工厂。

虽然这种 DNA 不会产生蛋白质，但它可以制造 RNA。虽然 RNA 通常被认为是一种纯粹的信息载体，但它也可以是细胞中的积极参与者，依附于其他分子并促进化学反应。（这就是为什么一些进化生物学家认为最早的生物完全由 RNA 组成，RNA 既包含蓝图，也包含复制工具。）

在着丝粒中，RNA 有助于在染色体复制时控制染色体。没有 RNA，整个基因组就会瓦解。“端帽”端粒中的 DNA 会产生重复的 RNA 链，这些 RNA 链负责将端粒连接在一起，并且似乎在细胞衰老过程中发挥作用，在端粒磨损时将其修补在一起。

指导核糖体构建的 DNA（称为 rDNA）可能具有同样广泛的作用。高中生物教科书通常将核糖体描述为读取 RNA 并吐出蛋白质的愚蠢机器。但是，斯坦福大学遗传学家 Maria Barna（未参与新序列研究）解释说，不同的核糖体似乎具有略微不同的功能。

关键还是 RNA。工厂的结构中编织了四种由 rDNA 编码的核糖体 RNA。不同的 rDNA 片段会产生略有不同的亚种。“目前从端粒到端粒的数据中可以看出，rDNA 存在巨大的多样性，”她说。“几乎 25% 的 rDNA 是可变的。”

巴纳表示，并非所有这些变体都能真正进入核糖体。但多样性可能在很多方面发挥作用，从为神经元提供超精确的核糖体以构建专门的蛋白质，到使肿瘤生长。“我们现在有了这些变体可能应用于正常细胞分化以及疾病状态的初步目录，”巴纳说。

重复序列的结构可能很重要。重复序列可以进化得非常快，从一条染色体跳到另一条染色体，或移动整个基因。即使是亲缘关系很近的生物体也可能有极其不同的着丝粒和端粒——这表明它们在新物种的出现中发挥了作用。

“这是一个悖论，”奥尼尔说，“从野兽到人类，染色体上最保守的功能之一也是最不同的部分之一。”尚未解决的问题是，所有生物学的这些基础部分如何也能如此灵活。