生物基因结构

最近需要对启动子区域进行预测，所以首先对启动子的结构特征进行了解，而说到启动子，那就一定要了解基因结构，所以，在网上查找了部分资料进行整理与学习。

首先，根据RNA合成的不同时期，从DNA到成熟mRNA，分为三个阶段了解基因结构的变化。

RNA合成

特点

1. RNA 的合成是以反义链（模板链）为模板，以 5’→3’方向合成的，合成的 RNA 的序列是与 DNA 编码链（有意链）相同。
2. 在合成的RNA中是以磷酸二酯键来连接碱基与嘌呤的。
3. 在合成RNA的时候，需要RNA聚合酶RNA polymerase , 4种核糖核苷酸rNTPs, 转录因子 transcription factors,启动子 promoter & 终止子 terminator/模版 template

RNA聚合酶-RNA polymerase：

细菌 Bacteria：全酶 (Holoenzyme) 由一种核心酶（α2ββ’σω）和多种因子组成。

真核生物 Eukaryotes：三种 RNA 聚合酶 ，根据对α-鹅膏覃碱分为三类。

酶	细胞内定位	转录产物	相对活性	对α-鹅膏覃碱的敏感程度
RNA 聚合酶Ⅰ	核仁	rRNA(28S, 18S, 5.8S)	50-70%	不敏感
RNA 聚合酶Ⅱ	核质	hnRNA*, snRNA, mRNA	20-40%	敏感
RNA 聚合酶Ⅲ	核质	tRNA, 5SRNA, 某些涉及 RNA 加工的 snRNA	约 10%	存在物种特异性

PS：细菌中研究得最为清楚的是大肠杆菌的RNA聚合酶，该酶是由五种亚基组成的六聚体（α2ββ’ωσ），该六聚体称之为核心酶（coreenzyme），σ因子与核心酶结合后称为全酶 (Holoenzyme)。

对RNA的分类

其中只有真核生物需要转化成前mRNA，而细菌与原核生物由于缺少内含子不需要这一步。

• hnRNA: heterogeneous nuclear RNA, 核内不均一 RNA, RNA 的前体

• snRNA：核小RNA是真核生物转录后加工过程中RNA剪接体（spliceosome）的主要成分，参与mRNA前体的加工过程。

• snoRNA：核仁小RNA（small nucleolar RNA）由内含子编码，分布于真核生物细胞核仁的小分子非编码RNA，具有保守的结构元件。已证明有多种功能，主要参与rRNA的加工；反义snoRNA指导rRNA核糖甲基化。

• scRNA：，胞质小RNA（small cytoplasmic RNA，scRNA），细胞质中的小分子RNA。通常指转移核糖核酸(tRNA)和小的核糖体RNA(rRNA)，如5S rRNA、5.8S rRNA等。

• tmRNA：转运-信使RNA（Transfer-messenger RNA），是一种细菌的RNA分子，是tRNA和信使RNA类似物。 tmRNA的用途十分广泛，它可用于回收停滞的核糖体，并有利于异常的信使RNA的降解。

DNA

转录是从DNA聚合酶结合到模版链上开始的，用一个简单模型来概括就是将DNA分为两个部分，编码区与非编码区。下图是包含了一个最简单的转录单元（transcription unit），转录单元起始于启动子并终止于终止子。

PS：一个转录单元只包含一个基因，而转录本是由多个转录单元加上基因间隔区组成的。

由上图可以看出，基因结构分为编码区与非编码区，真核生物的编码区存在内含子与外显子，首先会生成前mRNA，然后将mRNA中的内含子切除，最后合并外显子形成mRNA。而原核生物没有内含子，可以直接生成mRNA。

编码区

外显子 Exon：外显子是在 preRNA 经过剪切或修饰后，被保留的DNA部分，并最终出现在成熟RNA的基因序列中。

内含子 Intron：在真核生物中，内含子作为阻断基因的线性表达的一段DNA序列，是在 preRNA 经过剪切或修饰后，被切除的DNA序列

非编码区

非编码区虽然不会被转录，但是对与基因的表达起到了重要的作用，启动子，终止子，增强子等都处于非编码区中，且非编码区在总RNA中占比超过90%。非编码区RNA可以转录为功能性RNA，如tRNA，rRNA等；也可以对转录起到控制与调控作用，甚至参与mRNA的加工。

启动子：是一段位于结构基因 5’端上游区的保守的 DNA 序列，能活化 RNA 聚合酶，使之与模板 DNA 准确地相结合并具有转录起始的特异性。启动子长约100-1000bp。在转录过程中，RNA聚合酶与转录因子可以识别并特异性结合到启动子特有的DNA序列（一般为保守序列），从而启动转录。启动子本身并不转录而且也不控制基因活动，而是通过转录因子结合来调控转录过程。在细胞核中，似乎启动子优先分布在染色体区域的边缘，可能是在不同染色体上共同表达基因。 此外，在人类中，启动子显示出每个染色体特有的某些结构特征。

原核生物启动子

原核生物的启动子最重要的是-10区与-35区，如果在原核生物中这两个区域之间的距离超过或小于16-19bp，都会降低转录活性，可能与RNA Pol本身构象有关。

• -10区（-10 box,Pribnow 盒）

是由 5 个核苷酸组成的保守序列，是聚合酶结合位点，其中央大约位于起点上游 10bp 处，所以又称为 -10 区，是真核生物与古细菌的TATA 盒的原核同源物，具有较短共有序列TATAATAAT。

-10区特点：

1. AT 较丰富，易于解链；
2. 其保守序列为 TAtAaT，位于-10bp 左右，保守序列小写字母表示该碱基保守性略低；
3. 突变后会改变启动子效率；
4. 与 RNA pol 紧密结合形成开放启动复合体；
5. 使 RNA pol 定向转录。

研究发现，只有 -10 区 是不能结合 RNA 聚合酶的。从噬菌体的左、右启动子 PL 及 PR 和 SV40 启动子的 - 35 bp 附近找到了另一段共同序列：TTGACA

• -35区(35 box ( Sextama 盒 ))

其保守序列为 TTGACa， 与 -10 序列相隔 16-19bp。

为 RNA pol 的识别位点。

是 RNA 聚合酶与启动子的结合位点，能与 σ 因子相互识别而具有很高的亲和力。但不能被 RNA Pol 的核心酶识别，核心酶只能起到和模板结合和催化的功能。

• 原核生物启动子的共同特点
  1. 位置和距离都比较恒定，都在其控制基因的 5’端，常和操纵子相邻；
  2. -35 序列，-10 序列等特征序列都十分保守；
  3. 都含有识别 (R ) 、结合 (B) 和起始 (I) 三个位点；
  4. 直接和多聚酶相结合，与 σ 结合决定转录的特异性。

σ因子自身并不能与 DNA 结合，但与核心酶相互作用后暴露出σ因子的 DNA 结合域：β’ 亚基的氨基酸片段促进 σ因子与启动子 -10 框的非模板链的结合。

σ因子可以选择哪些基因将被转录：

• σ70 (RpoD)-“管家”σ因子/主要σ因子，转录生长细胞中的大多数基因。制造保持细胞存活所必需的蛋白质。
• σ54 (RpoN) -氮源缺陷应激σ因子
• σ38 (RpoS) -饥饿应激σ因子
• σ32 (RpoH) 热休克应激σ因子
• σ28 (RpoF) -鞭毛σ因子
• σ24 (RpoE) -极端/极端应激σ因子
• σ19 (FecI) -柠檬酸铁σ因子，调节用于铁运输的 fec 基因的转录

真核生物启动子

真核生物 RNA 聚合酶Ⅱ所识别的启动子区

• TATA box（Hogness 区）

-25 ~ -30 bp 区，保守序列为 TATAAA。确定转录起始位点，使转录精确地起始：如果除去 TATA 区或进行碱基突变，转录产物下降的相对值不如 CAAT 区或 GC 区突变后明显，但发现所获得的 RNA 产物起始点不固定。

• 启始子 (initiator, Inr)：转录起始位点附近。
• 上游启动子元件 ( upstream promoter element, UPE, 又称 上游激活序列 (upstream activating sequence, UAS) : TATA 区上游的保守序列。
• CAAT box

CCAAT box（有时也缩写为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调节区，位于转录起始点上游约-80bp处，可能也是RNA聚合酶的一个结合处，控制着转录起始的频率。与之对应的就是原核的-35区。

CAAT框是最早被人们描述的常见启动子元件之一，常位于接近-80的位置，但是它可以在离起始点较远的距离仍能起作用，且在两种取向均可发挥作用。CAAT框的突变敏感性提示了它在决定转录效率上有很强的作用，但是突变对启动子的特异性没有影响。

• GC box :-80 ~ -110 含有 GCCACACCC 或 GGGCGGG 序列。

CAAT 区和 GC 区主要控制转录起始频率，基本不参与起始位点的确定。

• 真核生物启动子特点

1. 有多种元件：TATA 框，GC 框，CATT 框等；
2. 结构不恒定。有的有多种框盒，如组蛋白 H2B; 有的只有TATA 框和 GC 框，如 SV40 早期转录蛋白；
3. 它们的位置、序列、距离和方向都不完全相同；
4. 有的有远距离的调控元件存在，如增强子，这些元件常常起到控制转录效率和选择起始位点的作用，不直接和 RNA pol 结合。转录时先和其它转录激活因子相结合，再和聚合酶结合。

增强子 Enhancer

增强子是位于转录起始位点或下游基因1Mbp的位置，长度50-1500bp的序列，其可以被转录激活因子结合从而增加特定基因转录发生的可能性，广泛的存在于原核与真核生物基因结构中。

增强子能大大增强启动子的活性。增强子有别于启动子处有两点:

1. 增强子的位置相对于启动子而言不是固定的，而能有很大的变动;它能在两个方向产生相互作用。
2. 一个增强子并不限于促进某一特殊启动子的转录，它能刺激在它附近的任一启动子。

终止子 Terminator

终止子与终止密码子的概念区分：二者在名称上相似，但是含义是截然不同的。终止子是处于基因的非编码区的一段DNA序列，用于终止转录。而终止密码子是在翻译过程中终止肽链合成的mRNA中的三联体碱基序列，一般情况下为UAA，UAG和UGA，不编码为氨基酸。

终止子处于基因或操纵子的末端，给RNA聚合酶提供转录终止信号的DNA序列。

• ATAAA

ATAAA 是 preRNA 在通过修剪后形成成熟mRNA 时在3’UTR产生ployA 是的加尾信号。但是这段序列并不是绝对保守，也可能为其他A富集的序列，比如AATAAA等。

• 回文序列 palindrome sequence

回文序列是双链DNA中的一段倒置重复序列，这段序列有个特点，它的碱基序列与其互补链之间正读和反读都相同。当该序列的双链被打开后，如果这段序列较短，有可能是限制性内切酶的识别序列，如果比较长，有可能形成发卡结构，这种结构的形成有助于DNA与特异性DNA与蛋白质的结合。

preRNA

• 转录起始位点 Transcription start sites (TSS)

转录起始位点是指与新生RNA链第一个核苷酸相对应的DNA链上的碱基，通常为一个嘌呤（A 或G），即5’UTR的上游第一个碱基。 通常在起始核苷酸的两侧为 C 和 T (i.e. CGT or CAT)。

• 转录终止位点 Transcription termination sites (TTS)

转录起始位点是指新生RNA链最后一个核苷酸相对应的DNA链上的碱基。当RNA链延伸到转录终止位点时，RNA聚合酶不再形成新的磷酸二酯键，RNA-DNA杂合物分离，转录泡瓦解，DNA恢复成双链状态，而RNA聚合酶和RNA链都被从模板上释放出来。

• 开放阅读框 Open reading frame(ORF)

ORF 是连续的一段密码子，其含有起始密码子（通常是AUG）和终止密码子（通常是UAA，UAG或UGA）。在真核基因中，ORF跨越内含子/外显子区域，其可以在 ORF 转录后拼接在一起以产生蛋白质翻译的最终mRNA。 由于读写位置不同（对应不同的起始位点），ORF 可能翻译为不同的多肽链。

mRNA

从上图可以看出，外显子不仅仅只有编码区域，还有非编码的区域5'UTR与3'UTR。

UTR (Untranslated Region )，如果这段序列位于5’端，就称作5’UTR（5‘-untranslated region），也叫前导序列（leader）。相反若位于3’端，我们就叫它3’UTR（3‘-untranslated region），也叫尾随序列（trailer）。

5’UTR 位于从mRNA起点的甲基化鸟嘌呤核苷酸帽延伸至起始密码子AUG，3’UTR从编码区末端的终止密码子延伸至多聚A尾巴（Poly-A）的前端 。

原核生物和真核生物都可以看到UTR，但它们的长度和组成都有所不同。原核生物中，5′非翻译区通常为3至10个核苷酸的长度。但在真核生物中，5′非翻译区有成百上千个核苷酸的长度。与原核生物相比，真核生物的基因组的复杂性更高，3′非翻译区的长度也不同。虽然5′非翻译区和3′非翻译区在长度上有差异，但5′非翻译区的长度在演化过程中比3′非翻译区显得更保守。

5‘Cap

5‘Cap也被称为7-甲基鸟苷酸帽，缩写为m7G。这种结构在RNA进出细胞核起到识别作用；可以抗5’-核酸外切酶的截切；促进5’端内含子的切除；在翻译过程中有助于核糖体对mRNA的识别和结合。

3’ PolyA tail

Poly A tail 由多个腺苷一磷酸组成 ，也就是说它是一段仅含有腺嘌呤碱基的RNA 。这种结构可以避免细胞质中的酶促降解，并有助于转录终止，mRNA从细胞核中的输出和翻译。

CDS (coding dna sequence)

CDS 是基因中DNA或RNA为蛋白质编码区域，该区域通常开始于5‘末端的起始密码子并结束于3’端的终止密码子。生物体基因组编码区的总和称为外显子组。

CDS与ORF的区别与联系：

• CDS是Coding sequence的缩写，是指编码一段蛋白产物的序列，是与蛋白质密码子一一对应的序列。
• ORF是open reading frame的缩写，翻译成开放阅读框，是指从一个起始密码子开始到一个终止密码子结束的一段序列，但并不是所有读码框都能表达出蛋白产物（在我看来就是可能会包含内含子，读码框本省无法翻译为蛋白质，但是经过剪切后就可以）
• CDS必定是一个ORF，但也可能包括多个ORF，相反，每个ORF不一定都是CDS。（真核与原核）

参考资料

基因结构：https://zhuanlan.zhihu.com/p/49601643

转录：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-2_allfirst_rank_ecpm_v1~rank_v33_ecpm-3-124464842-null-null.142