基因结构
本文转载自 基因结构 - 知乎 (zhihu.com)
我们都知道不论真核与原核生物都离不开基因，它储存着生长、发育、凋亡等几乎全部生命过程的信息。那么基因有着哪些结构呢，接下来从三个层面来讨论基因的构成：
一、DNA
编码区 Coding region
基因在结构上，分为编码区和非编码区两部分。真核生物的编码区是不连续的，分为外显子和内含子，在转录过程中会修剪内含子，并拼合外显子来形成转录产物。在原核生物中，基因是连续的，也就是说无外显子和内含子之分。
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 Non-coding region
非编码区在对基因的表达调控中发挥重要作用，如启动子，增强子，终止子等都位于该区域，有意思的是在人类基因中非编码区的占比超过90%。它们中的一部分可以转录为功能性RNA，比如tRNA（transfer RNA）, rRNA（ribosomal RNA）等；可以作为DNA复制，转录起始来对复制，转录和翻译起到调控作用；也可能是着丝粒与端粒的重要组成部分。
启动子 Promoter
启动子是特定基因转录的DNA区域，启动子一般位于基因的转录起始位点，5‘端上游，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。
- CAAT Box 与 Sextama 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。与之相似的是，在原核生物启动子上-35bp处的TTGACA区，又称-35区。
保守序列与共有序列的概念含义基本相同。保守序列间相似度高，但不一定相同，而共有序列是相同的，共有序列可以理解为一种特殊的保守序列。
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。
- TATA Box 与 Pribnow box
TATA 框（TATA box / Goldberg-Hogness box），存在于古细菌和真核生物的核心启动子区域的一段DNA序列，TATA 框的原核同源物称为Pribnow 框（Pribnow box），其具有较短的共有序列TATAATAAT。 它约在多数真核生物基因转录起始点上游约-30bp（-25~-32bp）处，基本上由A-T碱基对组成，是决定基因转录始的选择，为RNA聚合酶的结合处之一，RNA聚合酶与TATA框牢固结合之后才能起始转录。
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:增强子对于启动子的位置不固定，而能有很大的变动;它能在两个方向产生相互作用。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。
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。
- 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。
5' GGTACC 3'
3' CCATGG 5'
二、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。
5’末端的序列称为上游,而把其后面即3‘末端的序列称为下游.
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。
三、mRNA
5'UTR 与 3'UTR
这里需要注意的是外显子包含UTR区，也就是说外显子不只有可编码的序列，而且包含非编码序列
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）。1978年，人类γ球蛋白mRNA的5′非翻译区被成功完全测序 。1980年，又开启了人类α-珠蛋白基因中3′非翻译区的研究。有趣的是，虽然叫非编码区，但是5′非翻译区内的上游可读框却可以被翻译成多肽1 。
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2。
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。
[1] Cristina Vilela, John E. G. McCarthy．Regulation of fungal gene expression via short open reading frames in the mRNA 5′untranslated region：Molecular Microbiology，2003-08-01：859–867
[2] Evolution of 5′ Untranslated Region Length and Gene Expression Reprogramming in Yeasts
[3] Gagniuc, Paul, and Constantin Ionescu-Tirgoviste. "Gene promoters show chromosome-specificity and reveal chromosome territories in humans." BMC genomics 14.1 (2013): 278.
[4] Shafee, Thomas; Lowe, Rohan (2017). "Eukaryotic and prokaryotic gene structure".WikiJournal of Medicine.4(1).doi:10.15347/wjm/2017.002.ISSN2002-4436
