1.5 模式生物基因组计划

人类基因组计划自立项之日起，就不是单物种的事业。1990 年计划启动时，大肠杆菌、酿酒酵母、秀丽隐杆线虫、黑腹果蝇与小鼠等物种的基因组分析即被列为正式组成部分：小基因组既是方法与成本的试验场，又是解释人类序列时不可缺少的进化参照系（Gibson & Muse, 2009）。其结果是，模式生物基因组几乎全部先于人类草图完成——酵母 1996、大肠杆菌 1997、线虫 1998、果蝇与拟南芥 2000、小鼠草图 2002——它们共同充当了人类基因组计划的训练场与对照系。本节先回答“为何需要模式生物”，再依次考察原核与单细胞真核、多细胞模式生物两大梯队，继而讨论这些基因组在比较基因组学上的价值，最后以汇总表与系统树梳理 2002 年前后的扩展计划。

1.5.1 为何需要模式生物

模式生物(model organism)指因世代短、个体小、易于培养且遗传操作工具成熟，而被研究共同体选作通用素材的物种，用以回答可望推广至其他物种（包括人类）的一般生物学问题。选择模式生物的理由，可以归结为三个相互独立而又彼此加强的方面。

其一，世代时间与成本。酿酒酵母在丰富培养基中约 90 分钟分裂一次，线虫一代约 3 天，果蝇约 10–12 天，小鼠约 10 周；人类的世代时间以数十年计，既不能安排婚配，也不能接受诱变处理。世代短，意味着等位基因可以迅速纯合、杂交设计可以在数周内完成重复；个体小、培养廉价，则意味着可以用大群体换取统计功效。对早期基因组计划而言同样重要的一点是：基因组越小，完成测序与装配的成本越低、周期越短——方法可以先在 4.6 Mb 的大肠杆菌上练熟，再推向 3.1 Gb 的人类（第 1.4 节）。

其二，遗传可操作性。模式生物几乎都拥有成熟的正向与反向遗传学工具。化学诱变（如 EMS）可以系统地制造突变体库；转化体系使外源 DNA 可以导入并稳定遗传——酵母凭借高效同源重组甚至可以一步替换指定基因；杂交设计各有传统：酵母的四分子分析可以直接观察减数分裂的全部产物，拟南芥可以自交纯合，果蝇以平衡染色体维持致死突变品系。与此对照，人类遗传学只能回顾性地分析既有家系（第 1.2 节），实验的自由度不可同日而语。

其三，进化代表性。这一条最为根本：真核生物的核心细胞机器——DNA 复制、转录、翻译、分泌、代谢与细胞周期的核心机制——在酵母、线虫、果蝇与人类之间高度保守，执行这些功能的基因多数可以互相识别为同源物（详见 1.5.4）。因此，在小基因组中阐明的基因功能，常常能直接照亮人类的对应过程；相当比例的人类疾病相关基因在酵母、线虫或果蝇中可以找到可识别的对应物（Gibson & Muse, 2009）。这正是模式生物结论得以外推的进化基础。

1.5.2 原核与单细胞真核：大肠杆菌与酿酒酵母

严格地说，第一个完成全序列测定的自由生活生物是流感嗜血杆菌（约 1.8 Mb，由 TIGR 于 1995 年以全基因组鸟枪法完成，见第 1.4 节）；但就学科影响而言，大肠杆菌 K-12 基因组（4 639 221 bp，环状染色体）的地位无可替代（Blattner et al., 1997）。它是分子克隆数十年的宿主与载体来源，全序列给出约 4 400 个基因、平均约每 1 kb 一个基因的紧凑布局，非编码序列极少，成为原核注释流水线与比较基因组学的第一块试金石；也是此后各种细菌基因组完成之后的第一个、也是最可靠的参照系。

酿酒酵母（Saccharomyces cerevisiae S288c）基因组计划由欧洲于 1989 年发起，按染色体逐条分配给各国实验室，1996 年宣告完成，Mewes 等（1997）随后在 Nature 上给出总览：约 12.1 Mb、16 条染色体、约 6 000 个基因。作为第一个完成的真核基因组，其意义有三。其一，组织学意义：染色体的“分片包干”证明了多中心联邦式分工的可行性，为人类基因组计划的国际组织提供了直接模板。其二，方法学意义：真核基因的识别规则——内含子剪接信号、启动子结构、非编码 RNA——第一次得到全基因组规模的系统检验。其三，功能基因组学意义：酵母随即成为全基因组敲除文库的第一个对象，系统性单基因缺失研究表明，约六分之一的酵母基因是丰富培养基上的必需基因(essential gene)，多数基因被单独删除后仍可存活，首次以全基因组尺度揭示了遗传冗余(genetic redundancy)的广泛程度（Giaever et al., 2002）。

此外，酵母内含子稀少、基因密度高、可转化可杂交，使其成为检验异源基因功能的首选宿主——1.5.4 节的功能互补实验即以酵母（及其近亲裂殖酵母）为主角。从原核到单细胞真核，基因组计划完成了从“读得出”到“读得懂”的第一次跨越；接下来的问题，是多细胞。

1.5.3 多细胞模式生物：线虫、果蝇、拟南芥与小鼠

从单细胞到多细胞，问题清单骤然加长：细胞分化、细胞间通讯、发育图式、神经与免疫。两个无脊椎动物、一种植物与一种哺乳类，恰好构成通向人类的梯次。

秀丽隐杆线虫基因组（约 97 Mb，6 条染色体，约 19 000 个预测基因）由英、美两家中心自 1990 年起作为人类基因组计划的试点项目测定，1998 年发表（C. elegans Sequencing Consortium, 1998），是第一个完成的多细胞动物基因组。线虫的优势在发育与神经：成体两性体的 959 个体细胞，其完整细胞谱系早已被逐细胞绘出；程序性细胞死亡的遗传学（ced 基因途径）即在此阐明——其产物与人类的 caspase 蛋白酶及 Bcl-2 家族同源，凋亡通路的核心组件从线虫到人类保守，是模式生物成果反哺人类医学的经典案例。同时值得警觉的是：线虫的基因组（约 100 Mb）小于果蝇（约 140 Mb），基因数却更多——这一“倒挂”留待 1.5.4 讨论。

黑腹果蝇拥有一个世纪的遗传学积累：唾腺多线染色体、平衡染色体、P 因子转化皆源于此。其基因组（常染色质约 120 Mb，约 13 600 个基因）由 Berkeley 果蝇基因组计划与 Celera 合作，于 2000 年发表（Adams et al., 2000）——全基因组鸟枪法由此第一次在多细胞真核生物上得到验证，距人类草图仅一年，直接改变了人类基因组计划的竞争格局（第 1.4 节）：既然果蝇可以“打碎了整体装配”，人类至少在原则上也可以。

拟南芥素有“植物的果蝇”之称，基因组约 125 Mb、5 条染色体，2000 年由国际合作联盟完成（Arabidopsis Genome Initiative, 2000），是第一个完成的植物基因组。其约 25 500 个基因多于果蝇甚至线虫，揭示植物经由远古全基因组倍化与片段重复扩张基因家族的进化方式；对植物生物学与作物研究而言，它提供了与果蝇对等的参照系。

小鼠是哺乳类的近亲代表。其草图（约 2.5 Gb，约 22 000 个蛋白质编码基因）于 2002 年发表（Waterston et al., 2002），覆盖度更高的完成序列随后于 2005 年前后公布。人鼠比较给出两个常被引用的估计：约 99% 的小鼠基因在人类基因组中存在同源物；约 90% 的小鼠基因组可与人类排列成同线性(synteny)区块——大段染色体区间在两物种间保持基因次序一致，这是约 7 500 万年前共同祖先留下的遗产。同线性使定位克隆得以跨物种借力：人类疾病位点可以映射到小鼠染色体的对应区间，再结合基因打靶技术（胚胎干细胞同源重组）构建疾病模型，完成从序列到机制的闭环。

1.5.4 比较基因组学的价值：同源、互补与数目悖论

比较基因组学的概念基石是同源关系的两种形式。直系同源基因(ortholog)指因物种形成事件而彼此分开的同源基因；旁系同源基因(paralog)指因基因复制事件而彼此分开的同源基因。二者在日常叙述中常被混用，但在外推逻辑上意义不同：直系同源基因自共同祖先起各自继承同一功能，功能保守的概率较高，是跨物种功能推断的首选对象；旁系同源基因则往往已经分工（亚功能化或新功能化），同一基因家族(gene family)内的拷贝功能可以相当不同。此外还须警惕“最相近的同源拷贝即同一功能”的直觉——复制之后的演化可以改变功能，直系与旁系的判定本身也会随比较物种的增减而修正。

功能保守不是推断出来的断言，而是可以实验检验的命题。检验手段之一，是把两个物种的基因放进同一个细胞，看它们能否互相顶替对方的岗位——功能互补(functional complementation)实验。

比较模式生物基因组给出的第二个教训关乎数目本身：基因组大小与基因数目并非正比。线虫的基因多于基因组更大的果蝇；水稻以约 389 Mb 的基因组编码约 3.7 万个基因，约为人类（约 2 万）的 1.8 倍；表 1.5-1 之外，某些变形虫与植物的 C 值更可达人类的数十倍（第 1.1 节）。第 1.1 节的基因密度公式在此给出一般化的图像：基因组越大，增加的主要是非编码序列——内含子、调控元件与重复序列。结论是双重的：基因数目不是复杂度的指标；跨物种比较时，“基因组多大”与“有多少基因”必须分开提问。与此互补，两个及以上基因组的对齐还使保守非编码序列(conserved noncoding sequence)得以识别：在人与小鼠之间高度保守却不编码蛋白质的区段，多数是调控元件的签名，为在浩瀚的非编码序列中定位功能元件提供了第一套理性方法。

1.5.5 扩展计划与全景：从水稻到黑猩猩

模式生物计划在 2002 年前后进入扩展期，对象从“经典五物种”走向更广的类群与应用场景。哺乳类中，与小鼠互补的大鼠（药理学与生理学模型）基因组于 2004 年完成（约 2.75 Gb；Rat Genome Sequencing Project Consortium, 2004）；发育生物学的重要模型斑马鱼，其高质量参考基因组（约 1.4 Gb，约 26 000 个基因）于 2013 年发表（Howe et al., 2013）——原书出版于 2009 年，该参考序列属于其后续进展。作物方面，水稻籼、粳两个主要亚种的草图于 2002 年同日发表于 Science（Yu et al., 2002；Goff et al., 2002），是第一个完成草图的主要粮食作物基因组。医学方面，恶性疟原虫（约 23 Mb，14 条染色体，约 5 300 个基因；A+T 含量约八成，为当时装配最困难的基因组之一）与其媒介冈比亚按蚊（约 278 Mb，约 1.4 万个基因）的基因组于 2002 年 10 月初相继发表（Gardner et al., 2002, Nature；Holt et al., 2002, Science）——病原与媒介在数日内配对完成，为疫苗与媒介控制提供候选靶点。最引人注目的是黑猩猩：作为现存与人类最近的亲属，其基因组（约 3.0 Gb）于 2005 年发表（Chimpanzee Sequencing and Analysis Consortium, 2005），可比对区单拷贝直系同源基因的替换率仅约 1.2%——“人之为人”的分子差异由此第一次可以被逐段清点。

注：基因组大小为装配或完成序列的常用参考值；果蝇为常染色质装配区间（含异染色质约 1.8×10⁸ bp）；水稻基因数取后续装配与注释的常用值（2002 年草图时代的预测值更高）；小鼠 2002 年草图约 2.5 Gb，覆盖更高的完成序列其后公布；大鼠与黑猩猩基因数为与人类相近之约数。斑马鱼参考基因组发表（2013）晚于原书出版（2009）。数据综合自所引原始论文与 Gibson & Muse（2009）。

表与图 1.5-2 共同显示两条规律。其一，基因组大小与基因数脱钩。在双对数坐标中，各物种的点远远落在“基因数与大小成正比”的参考线之下：基因组每增大一个数量级，基因数的增长不足一个数量级，基因密度随基因组增大而系统性下降——多出来的主要是非编码序列。其二，完成年代与策略演进同步。酵母按染色体分级推进，历时约七年；果蝇以全基因组鸟枪法约一年收官（第 1.4 节）；2002 年之后，“鸟枪装配加图谱与配对信息校验”成为常态——模式生物始终是测序策略的实验场。此外，由这些计划派生的物种专属数据库（SGD、FlyBase、WormBase、TAIR、MGI），成为此后功能基因组学的基础设施，详见第 1.6 节。

概而言之，模式生物基因组计划以三重身份参与了基因组科学的奠基：方法上的试验场——测序、装配与注释的每一环都先在小基因组上成熟；生物学上的保守过程样本——直系同源与功能互补使跨物种的功能迁移成为有据可依的推理；组织上的规则试验田——国际合作、即时共享数据等行规多在模式生物计划中先行确立（第 1.4 节）。人类基因组从来不是孤立读出的：它是在酵母、线虫、果蝇、拟南芥与小鼠的映照下，被理解的第一部基因组。