系统揭示长外显子的意义：基于代表性真核生物基因组的深度洞察

《BMC Genomics》：Systematic revelation and meditation on the significance of long exons using representative eukaryotic genomes

为探究长外显子和内含子分布不均的生物学意义，研究人员分析 7 种参考基因组，发现 3’UTR 避免剪接事件、最后外显子 GC 含量低等，为基因调控研究提供新视角。

　　在生命科学的神秘领域中，基因组宛如一座蕴藏无数珍宝的 “矿山”，吸引着科研人员不断探索。随着组学时代的到来，海量的基因组数据为研究提供了丰富资源，但我们对基因组的认知仍犹如冰山一角。就拿长外显子和内含子来说，它们在基因组中的分布并不均匀，这一现象背后隐藏的生物学意义却一直模糊不清。此前，多数关于长外显子和内含子的研究仅聚焦于单一谱系，如哺乳动物或植物，缺乏广泛的普遍性探讨。因此，为了更全面地理解这一现象，挖掘其背后深层次的生物学意义和进化驱动力，中国农业大学和北京大学的研究人员展开了深入研究。相关成果发表在《BMC Genomics》杂志上，为该领域的研究开辟了新的方向。

研究人员采用了多种关键技术方法。首先，从多个数据库下载了 7 种具有代表性的真核生物参考基因组（包括人类、小鼠、果蝇、线虫、拟南芥、玉米和水稻）及其注释文件。接着，通过对注释文件的格式转换和处理，精确计算出不同外显子和内含子的长度。利用特定工具和编程语言，统计每个基因的转录本数量、每个转录本的外显子数量，并计算基因组区域的 GC 含量，同时搜索规范剪接基序。最后，运用 R 语言进行统计分析和绘图，以揭示数据背后的规律。

研究结果如下：

1. 参考基因组的基本统计：不同物种的基因、转录本和外显子数量差异显著。哺乳动物基因数量较多，且每个基因的转录本数量也较多。同时发现，平均转录本和外显子数量受少数极端值影响，多数基因只有一个转录本，多数转录本只有一两个外显子。在比较外显子和内含子总长度时，发现 “内含子比外显子长得多” 的观点仅适用于人类和小鼠，果蝇中存在少数超长内含子拉高了平均长度，而多数内含子比外显子短，三种植物的外显子中位数长度高于内含子。
2. 外显子长度与基因外显子数量的关系：研究发现，在所有 7 个物种中，单个外显子的长度随基因中外显子数量的增加而减小，这一现象符合内含子晚期假说，即内含子在进化过程中插入基因，使原始外显子分裂成多个新外显子，导致外显子数量增加的同时单个外显子长度缩短。唯一的例外是线虫，其单外显子基因（大多为非编码 RNA）往往比其他基因短。
3. 内含子和外显子长度与位置的关系：对多外显子和多内含子基因的研究表明，除线虫外，内含子长度从 5’到 3’逐渐减小，证实了 “第一内含子较长” 的现象。而所有物种的最后外显子总是比其他外显子长，且这种长度差异随基因中外显子数量的增加而增大，暗示可能存在自然选择作用，使最后外显子倾向于更长的长度。
4. 3’UTR 与剪接的关系：研究人员推测最后外显子较长的特性与 3’UTR 的性质有关。通过分析发现，3’UTR 的长度显著长于 5’UTR，且 3’UTR 中多外显子的比例远低于 5’UTR，规范剪接基序的密度也低于 5’UTR，这表明 3’UTR 显著避免剪接事件。这可能是因为 3’UTR 需要进行N6- 甲基腺苷（m6A）修饰和被微小 RNA（miRNA）靶向，剪接事件可能会干扰这些过程。
5. 外显子的 GC 含量：GC 含量与多种生物学过程相关。研究发现，不同物种外显子和内含子的 GC 含量存在差异，果蝇、线虫和植物的外显子 GC 含量显著高于内含子，而人类和小鼠的外显子与内含子 GC 含量相当。进一步分析发现，所有物种的最后外显子 GC 含量低于内部外显子，部分物种的第一外显子 GC 含量具有特异性，如果蝇的第一外显子 GC 含量低于内部外显子，而哺乳动物、玉米和水稻的第一外显子 GC 含量高于内部外显子。

综合研究结果和讨论，该研究通过对 7 种代表性真核生物参考基因组的分析，揭示了长外显子的一些重要特征和规律。规范剪接事件和基序在 3’UTR 中显著减少，最后外显子具有较低的 GC 含量，果蝇基因的第一外显子 GC 含量低于内部外显子。这些发现不仅加深了我们对基因结构和调控的理解，为后续研究基因表达调控、进化生物学等领域提供了重要的理论基础，还为相关疾病的研究提供了新的思路。尽管目前仍有许多未知等待探索，但这项研究无疑为生命科学领域的发展迈出了坚实的一步，激励着科研人员继续深入挖掘基因组的奥秘。