分子生物学中心法则与基因组学基础（Central Dogma & Genomics Basics）¶

一句话说明¶

中心法则（Central Dogma）描述了遗传信息从 DNA → RNA → 蛋白质的单向流动规则，它是一切生物信息学分析的理论根基——该序列比对、基因预测、功能注释、表达分析，全都建立在这条信息流之上。

1. DNA 复制（Replication）——信息的"复印"¶

白话解释¶

DNA 复制就是细胞分裂前，把自己的整本"基因说明书"完完整整地抄一份，保证每个子细胞都拿到一套完整说明书。

类比：你要交两份一模一样的作业，先把原稿拆开（双链解开），然后照着每一页各抄一份，最后得到两份完整作业。

核心要点¶

• 半保留复制（Semiconservative Replication）：每个新 DNA 分子都保留一条旧链 + 一条新链
• 方向：新链只能沿 5' → 3' 方向合成（白话：DNA 聚合酶只会"往一个方向写字"）
• 双向复制：从复制起点（Origin of Replication）向两个方向同时推进

关键酶（面试常考）¶

前导链 vs 滞后链¶

复制叉移动方向 →

5'────────────────────3'  （模板链）
    ←←←← 前导链连续合成（Leading strand，一口气写到底）
3'────────────────────5'  （模板链）
    →→  →→  →→  滞后链不连续合成（Lagging strand，一段一段地写 = 冈崎片段）

• 前导链（Leading Strand）：沿着复制叉方向连续合成，像写一篇顺畅的文章
• 滞后链（Lagging Strand）：逆着复制叉方向，一小段一小段地合成（冈崎片段），再由连接酶粘起来

生信关联¶

• 测序覆盖度（Coverage）的概念来源于"复制"思维——测序相当于对基因组多次"复制采样"
• PCR（聚合酶链式反应）本质上就是人工模拟 DNA 复制

2. 转录（Transcription）——从 DNA 到 RNA¶

白话解释¶

转录就是细胞需要某个基因的信息时，派 RNA 聚合酶去 DNA 上"抄一段笔记"（mRNA），拿着这段笔记去造蛋白质。不是把整本书都抄，而是需要哪段抄哪段。

类比：DNA 是锁在图书馆里的原版藏书（不能借出），转录就是你去图书馆抄了需要的某一章节的笔记（mRNA），拿着笔记回实验室干活。

转录过程三步走¶

1. 起始（Initiation）：RNA 聚合酶识别并结合到启动子（Promoter）区域
2. 延伸（Elongation）：RNA 聚合酶沿模板链（Template Strand）3' → 5' 方向移动，合成 mRNA（5' → 3'）
3. 终止（Termination）：遇到终止信号（终止子），RNA 聚合酶脱离，释放 mRNA

原核 vs 真核转录的区别¶

RNA 的种类¶

面试要点：16S rRNA 是宏基因组和微生物组分析的核心标记基因。它在所有细菌中都存在，既有保守区（用于通用引物设计）又有可变区（V1-V9，用于物种区分）。这部分和该项目直接相关。

3. 翻译（Translation）——从 RNA 到蛋白质¶

白话解释¶

翻译就是核糖体读取 mRNA 上的密码（每 3 个碱基为一组，叫"密码子"），按顺序把对应的氨基酸串起来，造出一条蛋白质链。

类比：mRNA 是菜谱，核糖体是厨师，tRNA 是传菜员（每个传菜员手里拿着一种特定的食材/氨基酸），厨师按菜谱一步步加食材，最终做出一道菜（蛋白质）。

翻译过程三步走¶

1. 起始（Initiation）：核糖体小亚基结合 mRNA，识别起始密码子 AUG（编码甲硫氨酸 Met），大亚基组装
2. 延伸（Elongation）：tRNA 按密码子配对规则逐个送来氨基酸，肽键形成，核糖体向 3' 方向移动
3. 终止（Termination）：遇到终止密码子（UAA / UAG / UGA），释放因子结合，蛋白质释放

密码子表（Codon Table）——面试必背核心¶

遗传密码有 64 个密码子（4 种碱基排列组合：4³ = 64），编码 20 种氨基酸 + 3 个终止信号：

密码子特性：
- 起始密码子：AUG（编码 Met 甲硫氨酸，同时作为翻译起始信号）
- 终止密码子：UAA（赭石）/ UAG（琥珀）/ UGA（乳白）——不编码氨基酸
- 简并性（Degeneracy）：多个密码子可以编码同一种氨基酸（如 Leu 有 6 个密码子）
- 通用性：几乎所有生物共用同一套密码子（少数线粒体和支原体有例外）

常考密码子速记：

开放阅读框 ORF（Open Reading Frame）¶

• 定义：从起始密码子（ATG/AUG）到终止密码子之间的一段连续核苷酸序列，有潜力编码蛋白质
• 白话：在 DNA 序列上找 ATG 开头、终止密码子结尾的片段，就像在一堆乱码里找出有意义的句子
• 三种阅读框：同一条 DNA 链有 3 种读法（每次移 1 个碱基开始），双链则有 6 种阅读框
• 生信应用：Prodigal、MetaGeneMark 等基因预测工具的核心任务就是找 ORF

DNA: ...A T G C C G T A A G C T...
阅读框1:  ATG CCG TAA ← 这里有一个 ORF（ATG 起始，TAA 终止）
阅读框2:   TGC CGT AAG CT...
阅读框3:    GCC GTA AGC T...

4. 基因结构——一个基因长什么样¶

原核基因结构（简单版）¶

 启动子      RBS    起始    编码区    终止    终止子
──┤├──────┤├────ATG━━━━━━━━━TGA──┤├──
  Promoter  核糖体    Start  CDS      Stop  Terminator
            结合位点

• 原核基因结构相对简单：启动子 → 编码区（CDS）→ 终止子
• 多个功能相关的基因常组成操纵子（Operon），共享一个启动子，转录成一条多顺反子 mRNA（Polycistronic mRNA）
• 白话：原核生物经常把几个"配套基因"串在一起，用一个开关一起控制，像一串灯泡接在一个开关上

真核基因结构（复杂版）¶

 增强子  启动子  5'UTR  外显子1  内含子1  外显子2  内含子2  外显子3  3'UTR  终止子
──┤├───┤├───┤├───█████──/////──█████──/////──█████──┤├───┤├──
Enhancer Promoter       Exon    Intron   Exon    Intron   Exon

各部分功能¶

面试要点：原核生物基本没有内含子（少数古菌有），真核生物基因中内含子可能占基因长度的 90% 以上。人类基因组中蛋白编码区只占约 1.5%。

选择性剪接（Alternative Splicing）¶

• 同一个基因的外显子可以有不同的组合方式，产生不同的 mRNA，翻译出不同的蛋白质
• 白话：同样的"素材段落"，不同排列组合能写出不同的"文章"
• 人类约 20,000 个基因，却能产生约 100,000 种蛋白质，选择性剪接是关键原因之一

5. 基因组结构——不同物种的基因组差异¶

基因组大小对比（面试高频）¶

数据来源：人类基因组数据基于 GRCh38.p14 参考基因组（2023）。

关键概念¶

为什么原核和真核基因组差异这么大？¶

原核（如大肠杆菌）：
  - 基因组小（几 Mb），基因紧密排列
  - 几乎没有内含子，编码区占比高 (~87%)
  - 基因间区很短
  - 有操纵子结构

真核（如人类）：
  - 基因组大（几 Gb），大量"非编码"区域
  - 丰富的内含子（人类平均每个基因 8.8 个内含子）
  - 大量重复序列（转座子等占人类基因组 ~45%）
  - 基因调控更复杂（增强子、沉默子、染色质重塑等）

6. 基因表达调控——基因什么时候开、什么时候关¶

为什么需要调控¶

人体所有细胞的 DNA 几乎一模一样，但肝细胞和神经细胞功能完全不同——差异在于不同细胞里不同基因的"开关状态"不同。

三个主要调控层面（简述）¶

6.1 转录因子调控（Transcription Factor, TF）¶

• 转录因子是一类能结合到 DNA 特定序列（如启动子、增强子）上的蛋白质
• 白话：转录因子是"遥控器"，可以打开（激活因子，Activator）或关闭（抑制因子，Repressor）基因的转录
• 生信应用：ChIP-seq 数据分析可以找到转录因子结合的基因组位点

6.2 表观遗传调控（Epigenetics）¶

• 不改变 DNA 序列本身，但通过化学修饰来调控基因表达
• 三种主要机制：
• DNA 甲基化（DNA Methylation）：在 CpG 位点的胞嘧啶上加甲基（-CH₃），通常抑制基因表达。白话：给基因贴上"封条"
• 组蛋白修饰（Histone Modification）：在组蛋白尾巴上加各种化学标记（乙酰化、甲基化等），影响染色质松紧程度。白话：调节 DNA "卷轴"的松紧度，松了能读，紧了读不了
• 染色质重塑（Chromatin Remodeling）：改变核小体位置，影响 DNA 可及性
• 生信应用：甲基化测序（Bisulfite-seq）、ATAC-seq（检测染色质开放程度）

6.3 RNA 干扰（RNA Interference, RNAi）¶

• 小 RNA（miRNA、siRNA）通过与 mRNA 配对，导致 mRNA 降解或翻译抑制
• 白话：派"特工"（小 RNA）去精确销毁特定的 mRNA"图纸"，让对应的蛋白质造不出来
• 生信应用：small RNA-seq 分析、miRNA 靶基因预测

7. 中心法则的例外——"规则"也有特殊情况¶

Crick 在 1958 年提出中心法则时说的是信息流"从核酸到蛋白质"是单向的（蛋白质不能反向指导核酸合成），但 DNA → RNA 的方向并非不可逆。

7.1 逆转录（Reverse Transcription）¶

• 定义：RNA → DNA，由逆转录酶（Reverse Transcriptase）催化
• 出现场景：
• 逆转录病毒（如 HIV）：RNA 基因组 → DNA → 整合到宿主基因组
• 端粒酶（Telomerase）：用自身 RNA 模板合成端粒 DNA
• 转座子（Retrotransposon）：通过"复制-粘贴"机制在基因组中跳跃
• 生信应用：RNA-seq 建库时就要用逆转录酶把 RNA 变成 cDNA 才能测序

7.2 RNA 复制（RNA → RNA）¶

• 定义：以 RNA 为模板合成新 RNA，由 RNA 依赖的 RNA 聚合酶（RdRp）催化
• 出现场景：RNA 病毒（如流感病毒、新冠病毒 SARS-CoV-2）的基因组复制
• 生信关联：病毒宏基因组分析中需要理解 RNA 病毒的复制机制

7.3 朊病毒（Prion）——蛋白质传递信息？¶

• 朊病毒（如疯牛病病原体）是错误折叠的蛋白质，能诱导正常蛋白质也发生错误折叠
• 严格来说不违反中心法则（没有蛋白质 → 核酸的信息流），但是蛋白质层面的"信息传递"

中心法则完整图示¶

          DNA 复制
          ┌──→──┐
          │     │
          ▼     │
   DNA ──────→ RNA ──────→ 蛋白质
          转录       翻译
    ↑                          
    └──── 逆转录 ────┘          
    （RNA → DNA）              

   RNA ──→ RNA                 
   （RNA 复制，RNA 病毒）       

8. 生信中的应用——这些知识在哪里用到¶

与该项目直接相关¶

在该 2 型糖尿病肠道菌群宏基因组项目中：

1. 16S rRNA 分析：利用 rRNA 基因的保守区和可变区做物种鉴定
2. 基因预测：Prodigal 在宏基因组 contigs 上预测 ORF
3. 功能注释：预测出的蛋白质序列比对 KEGG/COG/eggNOG 数据库
4. 菌群组成差异：不同组（T2D vs 健康对照）的菌群结构差异本质上反映了不同细菌基因组的相对丰度差异

9. 面试怎么答（高频真题 + 参考答案）¶

Q1：请解释中心法则¶

参考答案：中心法则由 Crick 在 1958 年提出，描述遗传信息的流动方向：DNA 通过复制传递给下一代，通过转录产生 RNA，RNA 通过翻译合成蛋白质。信息流的方向是 DNA → RNA → 蛋白质。但也有例外情况：逆转录病毒可以将 RNA 逆转录为 DNA，RNA 病毒可以进行 RNA 复制。核心要点是信息不能从蛋白质回流到核酸。

Q2：原核和真核基因转录有什么区别？¶

参考答案：主要有四个区别：（1）原核只有一种 RNA 聚合酶，真核有三种（Pol I 转录 rRNA、Pol II 转录 mRNA、Pol III 转录 tRNA 和 5S rRNA）；（2）原核 mRNA 不需要加工即可翻译，真核需要 5' 加帽、3' 加 polyA 尾、内含子剪接；（3）原核转录和翻译可以同时进行（偶联），真核在核内转录、在细胞质翻译，时空分离；（4）原核有操纵子结构，一条 mRNA 可编码多个蛋白，真核通常是单顺反子。

Q3：什么是 ORF？在生信中怎么用？¶

参考答案：ORF（Open Reading Frame，开放阅读框）是从起始密码子 ATG 到终止密码子（TAA/TAG/TGA）之间的一段连续核苷酸序列，有潜力编码蛋白质。一条双链 DNA 有 6 种可能的阅读框（每条链 3 种）。在生信中，基因预测工具如 Prodigal（针对原核）和 AUGUSTUS（针对真核）的核心任务就是在基因组序列中找到真正编码蛋白的 ORF。在宏基因组分析中，用 Prodigal 预测 contig 上的 ORF 后，将翻译出的蛋白质序列进行功能注释。

Q4：为什么人类只有约 2 万个基因，却能产生十几万种蛋白质？¶

参考答案：主要有三个机制：（1）选择性剪接（Alternative Splicing）——同一基因的外显子有不同的拼接方式，可以产生不同的 mRNA 和蛋白质，这是最主要的原因；（2）翻译后修饰（Post-translational Modification）——蛋白质合成后可以被磷酸化、糖基化、泛素化等修饰，产生功能不同的变体；（3）RNA 编辑——在 mRNA 水平改变个别碱基，改变编码信息。

Q5：表观遗传学和生信分析有什么关系？¶

参考答案：表观遗传修饰不改变 DNA 序列但影响基因表达，主要包括 DNA 甲基化和组蛋白修饰。在生信分析中：DNA 甲基化可以通过 Bisulfite-seq 检测，用 Bismark 等工具分析；组蛋白修饰通过 ChIP-seq 检测；染色质可及性通过 ATAC-seq 检测。在宏基因组领域，PacBio 三代测序可以直接检测细菌基因组的甲基化修饰模式，这与细菌的限制-修饰系统相关，有助于分析菌株水平的表观遗传多样性。

Q6：密码子简并性是什么？有什么生物学意义？¶

参考答案：密码子简并性是指多个不同的密码子可以编码同一种氨基酸。例如亮氨酸（Leu）有 6 个密码子。64 个密码子编码 20 种氨基酸加 3 个终止信号，必然存在"一对多"。生物学意义：（1）缓冲突变——第三位碱基（摇摆位）的突变往往不改变氨基酸，减少有害突变的概率；（2）密码子偏好性（Codon Usage Bias）——不同物种对编码同一氨基酸的密码子有不同偏好，这在生信中用于分析基因水平转移（HGT）和密码子优化。

10. 速查表¶

中心法则信息流¶

核酸碱基配对¶

DNA 双链配对：A=T（2 个氢键）   G≡C（3 个氢键）
DNA → RNA 转录：A→U  T→A  G→C  C→G
密码子-反密码子配对：mRNA 密码子 5'→3' 与 tRNA 反密码子 3'→5' 互补

基因注释文件格式速查¶

常用基因预测工具¶

11. 延伸资源¶

入门教材¶

• 《分子生物学》(Molecular Biology of the Gene) - Watson 等著，经典教材
• 《基因的分子生物学》中文版 - 适合中文学习
• Khan Academy 分子生物学课程（免费视频，英文但有字幕）

在线资源¶

• NCBI Bookshelf - Molecular Biology of the Cell（免费在线阅读）
• Coursera "Biology Meets Programming"（生物学编程入门）
• B 站搜索"中心法则"——有很多中文讲解视频

生信工具文档¶

• Prodigal GitHub 文档：原核 ORF 预测工具的参数和使用方法
• Prokka 文档：原核基因组注释流水线
• NCBI Genetic Codes 页面：查看标准和非标准密码子表

与本项目知识库其他篇目的关联¶

• 本篇是理论基础，实操部分参考：
• 01_宏基因组全流程.md — 从测序到功能注释的完整流水线
• 04_细菌基因组.md — 细菌基因组组装和注释的具体操作
• 13_测序技术原理.md — 测序平台的技术细节（本篇不重复）
• 14_比对与组装工具.md — 序列比对和基因组组装工具

最后提醒：中心法则不是死记硬背的公式，而是贯穿所有生信分析的底层逻辑。面试时先说框架（DNA→RNA→蛋白质），再根据具体问题展开细节，展示你理解"为什么要做这步分析"背后的生物学原理。