DNA怎么变成蛋白质这个问题的完整答案比课本上那张中心法则的箭头要丰富得多。我当年第一次给学生讲清楚转录和翻译的全程时最深的感受是知识链条其实不长但每一环都有大量“看似理所当然、实则经不起追问”的细节。这篇文章就把整条路径拆开从分子层面一步步看DNA的信息到底怎么流到蛋白质的氨基酸序列上。1. 总览信息流动的三幕剧先给一个整体框架。DNA到蛋白质本质上是“把一种语言翻译成另一种语言”。DNA和RNA使用核苷酸字母A、G、C、T/U蛋白质使用氨基酸字母20种。这两套语言不能直接互通所以中间必须经过一个“抄写”和“翻译”的过程。整个过程分两大阶段转录Transcription以DNA一条链为模板合成信使RNAmRNA。相当于把图书馆里的一页资料复印成一张可以带出去的便签。翻译Translation核糖体读取mRNA上的碱基序列按每三个碱基对应一个氨基酸的规则合成多肽链。相当于拿着便签上的三字母密码去仓库里逐个取对应的零件组装成一台机器。为什么需要mRNA这个中间人这是个关键问题。DNA在细胞核里被组蛋白包裹成染色体结构本身非常稳定轻易不舍得打开双链。而蛋白质合成需要核糖体——大部分核糖体都在细胞质里。如果每次都直接把DNA双链解开、让核糖体上去抄那DNA的损伤风险会极高而且一个基因要同时合成很多份蛋白质总不能每次都用原稿。所以细胞选择把DNA上的信息“转录”成一份相对短命但可复制的mRNA拷贝再由这份拷贝在细胞质里指导蛋白质合成。除了信息传递这里还有一层调控意义。有了mRNA这个中间产品细胞就能在转录层面控制哪些基因该表达、表达多少在翻译层面再控制一次。这个双保险机制是真核生物复杂调控的基础。原核生物因为没有细胞核转录和翻译可以在同一空间同时进行mRNA还没转录完核糖体就开始翻译了真核生物则必须先把mRNA加工好、运出核才能开始翻译。这种空间分离也是真核生物基因表达调控更精细的原因之一。从信息量来看DNA的三个碱基编码一个氨基酸称为一个密码子codon。四个碱基每三个一组理论上可以有4^3 64种组合。但氨基酸只有20种所以密码子存在冗余即多个密码子对应同一个氨基酸。这个冗余不是浪费它让基因突变时有一定容错率而且不同物种对同义密码子的偏好性不同这还影响表达效率。后面细说。2. 转录从DNA双链到mRNA单链转录是整个信息流动的收费关卡所有基因表达的第一步都卡在这里。要理解转录必须从三个维度同时掌握参与分子、反应阶段、化学本质。2.1 参与转录的核心成员DNA模板链template strand基因所在的DNA双链中只有一条链会被用作转录模板。这条链的方向是3到5因为RNA聚合酶只能沿着5到3方向合成RNA所以它需要从模板的3端开始读取。编码链coding strand与模板链互补的那条DNA链。这名字容易误解——编码链其实不直接参与编码它只是因为序列和转录出的mRNA一致只是T换成U像“存档的另一份副本”。RNA聚合酶RNA polymerase核心催化酶负责解开DNA双链并沿模板链合成RNA。真核生物有RNA聚合酶I、II、III三种其中负责mRNA前体合成的是RNA聚合酶II。转录因子transcription factors一批辅助蛋白。RNA聚合酶本身对启动子的识别能力有限需要转录因子先结合到启动子上再帮助聚合酶定位。某些转录因子是通用的几乎所有基因都用还有一些是特异性的只在特定组织或受特定信号调控时才发挥作用。启动子promoter位于基因上游的一段DNA序列相当于“开始开关”。在原核生物里典型的启动子包括-10区比如TATAAT盒和-35区RNA聚合酶识别这些序列后开始解链。真核生物的启动子更复杂核心启动子包含TATA盒、GC盒、CAAT盒等更需要转录因子协助。这些成员协作的化学本质是RNA聚合酶催化核苷三磷酸NTP聚合反应以DNA为模板核糖核苷酸按照碱基互补配对原则逐个加到RNA链的3-OH端每加一个核苷酸释放一个焦磷酸。这个过程不依赖引物这是RNA聚合酶与DNA聚合酶的重要区别。2.2 转录的三个步骤起始InitiationRNA聚合酶与启动子结合形成封闭复合体随后聚合酶将DNA双链局部解旋形成约13~17 bp的转录泡变成开放复合体。此时第一个核苷三磷酸通常在转录起始位点的1位置进入催化位点与第二个核苷酸形成第一个磷酸二酯键。起始阶段最容易受调控——在启动子处堆叠的各种转录调控因子决定了这个基因“开还是不开”。延伸Elongation聚合酶沿DNA走走停停。每走一步解链前进一小段同时在后面把已转录区域的DNA双链重新复性。延伸不是匀速的在某些序列如GC含量高的区域会减速或短暂停顿这种暂停给调控蛋白和染色质修饰酶提供了平台。延伸过程中聚合酶还会与RNA加工机器偶联——在真核生物里加帽、剪接、加尾这些加工步骤是在转录还没结束时就开始的。前面合成完的mRNA前体还没等转录全部结束就已经带着加工状态了。终止Termination原核生物有两大类终止方式一类依赖终止子序列在序列末端形成发夹结构后RNA聚合酶脱落另一类依赖Rho蛋白它沿着RNA追赶聚合酶在聚合酶暂停时将其“拽”下来。真核生物的聚合酶II终止机制更复杂主要依赖一个编码序列后方的poly-A信号序列比如AAUAAA转录复合体在这里被切割并加上poly-A尾延伸继续一段后聚合酶在“无帽端”被降解或脱磷酸化而终止。2.3 真核生物的转录后加工这一步在原核生物里基本没有但在真核生物里是必修课。初始转录产物叫pre-mRNA前体信使RNA它要经历三件事5端加帽capping在RNA还没转录到几十个核苷酸时酶就在5端加上一个“反向”的7-甲基鸟苷帽。这个帽子有两大作用一是保护mRNA不被5到3方向的外切酶降解二是为之后的翻译起始做准备真核生物核糖体识别mRNA的5端帽才能开始扫描。实操中检测mRNA质量时常用抗帽抗体捕获全长转录本原理就在这里。3端加尾polyadenylation在poly-A信号处核酸内切酶切断pre-mRNA然后在poly-A聚合酶作用下加上一串100到250个左右的腺苷酸尾巴。这条尾不仅增加mRNA的稳定性还和翻译起始效率相关。mRNA的半衰期可以通过尾巴长度来调控尾巴越长通常越稳定。剪接splicing真核生物的基因是分裂的编码蛋白质的外显子exons被不编码的内含子introns隔开。剪接体spliceosome是一个由数十种蛋白质和五种snRNA组成的复合体它负责切除内含子并把外显子连接起来。一个基因剪出不同组合的外显子就能翻译出多种不同功能的蛋白质——这叫选择性剪接。人类基因组大约只有两万多个编码蛋白质的基因但能产出十几万种蛋白质很大一部分功劳要记在选择性剪接上。剪接过程不是“先把内含子切掉”这么简单。剪接体要识别内含子两端的剪接位点5端通常是GU3端通常是AG中间还有分支点序列。两步转酯反应的化学实现了磷酸二酯键的转移精确度极高。如果剪接位点因突变而错位会造成移码或异常蛋白这在很多遗传病的病因里都能看到。如果用一个实例来串起这部分某人类珠蛋白基因拥有三个外显子和两个内含子它在红细胞前体细胞中表达。启动子被该细胞特异性的转录因子激活后RNA聚合酶II开始转录产出pre-mRNA经过加帽、剪接、加尾后变成成熟的珠蛋白mRNA这个mRNA长度比pre-mRNA少了几百甚至上千个核苷酸。然后mRNA通过核孔复合体被运出细胞核等待翻译。3. 遗传密码从碱基序列到氨基酸序列在进入翻译之前必须把遗传密码表彻底搞明白。因为翻译的全部科学就在这张表里。3.1 密码子的三个基本属性三联体triplet每三个碱基决定一个氨基酸。为什么是三个而不是两个因为两个碱基只有4^216种组合不够编码20种氨基酸。三个碱基64种组合即便舍弃3个终止密码子UAA、UAG、UGA还有61个密码子编码20种氨基酸冗余度还很高。数学上这叫有冗余编码系统。无逗号性/线性非重叠密码子之间没有标点符号从起始密码子开始一个接一个连续阅读。而且每个碱基只属于一个密码子不会重叠。这意味着在mRNA上任何一位点插入或删除一个碱基都会导致从该点之后的所有密码子重新解读造成移码突变——后果通常很严重蛋白会从错误位置开始翻译成完全不对的氨基酸序列。简并性大多数氨基酸有两个或更多同义密码子。比如亮氨酸有6个密码子丝氨酸也有6个精氨酸有6个。这些同义密码子的差别通常只在第三位碱基这被称为摆动假说wobble hypothesis的基础——tRNA的反密码子第一位碱基和mRNA密码子第三位碱基的配对不严格允许G-U等非常规配对这样就使一个tRNA可以识别多个同义密码子。还有两个特殊密码子值得单独说明AUG既是起始密码子也是甲硫氨酸的密码子在原核生物里它对应一种特殊的起始tRNA携带甲硫氨酸三个终止密码子UAA、UAG、UGA不编码任何氨基酸它们被释放因子识别让核糖体结束翻译。3.2 读懂密码子表的实操经验第一次用密码子表的人常犯一个错把DNA编码链序列直接查表又或者在反转录时应选相反的互补链。正确实操方式很简单拿到mRNA序列注意方向5到3从第一个AUG开始三个一组分割用密码子表把每个三联体翻译成氨基酸如果手头只有DNA编码链序列先把T换成U得到mRNA序列再查表如果手头只有DNA模板链序列要先用碱基互补原则转换成编码链A对TG对C再去T换U。这里有个实操提示我用过很多在线翻译工具它们通常都标注“输入mRNA序列”或“输入coding strand DNA”。如果用模板链输入结果基本是错的。做基因设计时一定要先明确手上序列是编码链还是模板链不然蛋白序列差之千里。遗传密码几乎在从细菌到人类的整个生命界都是通用的但并非绝对——线粒体中存在少量例外密码子例如线粒体的AGA/AGG会作为终止密码子而非精氨酸。这个“例外中的例外”恰恰说明密码表是进化的产物不是逻辑必然。3.3 密码子偏好性与表达效率虽然同义密码子编码同一个氨基酸但它们在细胞里的tRNA丰度不同。高频使用、与高丰度tRNA匹配的密码子翻译速度会更快稀有密码子则会在翻译延伸时拖慢速度甚至导致核糖体停顿。这在重组蛋白表达中特别重要——比如在大肠杆菌里表达外源基因时如果目的基因含有太多大肠杆菌不喜欢的稀有密码子如AGA、AGG、CGA等蛋白表达量会很低甚至提前终止。实际操作中有人会选择密码子优化服务但我的经验是优先分析低频密码子出现的频率和分布如果只是稀疏的少量稀有密码子可能影响不大如果出现连续多个稀有密码子就必须做优化。优化的核心原则是不改变氨基酸序列只把mRNA序列替换为大肠杆菌高频密码子同时避免形成不利于翻译起始的mRNA二级结构。有些人是天然反对密码子优化的更倾向于尽量模拟天然序列倒也能做出来但通常费更多时间和成本。4. 翻译的完整流程核糖体上的氨基酸装配线翻译是把遗传信息从核酸语言转换为蛋白质语言的核心环节。这一过程由核糖体、tRNA、mRNA、氨酰-tRNA合成酶以及各种翻译因子协同完成。拆开看它也是一个三阶段故事。4.1 翻译的核心成员信使RNAmRNA翻译的模板包含着编码序列和两端非编码的UTR区域。原核生物mRNA有Shine-Dalgarno序列大约在起始密码子上游8~13个碱基处与核糖体16S rRNA配对帮助起始真核生物则主要靠5帽子被起始因子识别然后是Kozak序列通常是GCCACCaugG附近协助精确定位。转运RNAtRNA分子量很小约70~90个核苷酸。它有两个关键功能区域一端的反密码子环能识别mRNA密码子另一端是3端的CCA序列通过酯键共价连接对应氨基酸。tRNA分子是L形的三维结构这是X射线晶体学揭示的经典结论。一个tRNA的反密码子和它携带的氨基酸之间没有直接的化学识别关系这个连接由氨酰-tRNA合成酶aminoacyl-tRNA synthetase完成——它负责“对号入座”把正确的氨基酸酯化到正确的tRNA上。这步被称为遗传密码的“第二密码子”识别因为实际编码规则最终取决于这个酶的错误率。核糖体ribosome由大小两个亚基组成里面含有几十种蛋白质和几种rRNA。原核70S核糖体由50S大亚基含23S、5S rRNA和30S小亚基含16S rRNA组成真核80S核糖体对应为60S大亚基和40S小亚基rRNA更长、蛋白质更多。核糖体上有三个tRNA结合位点A位aminoacyl装载氨酰-tRNA、P位peptidyl携带肽链的tRNA、E位exit空载tRNA离开的出口。rRNA在催化中心中承担重要催化功能核糖体本质是一个核酶ribozyme尤其肽键形成由23S rRNA的肽酰转移酶活性来完成蛋白质成分更多起结构支撑作用。氨酰-tRNA合成酶的高保真机制值得一提。它有两个校对机制一是化学校对氨基酸被激活后如果结合错误酶会水解掉错误产物二是水解校对如果一个“不合格”的氨酰-tRNA被形成酶会利用一个额外位点将错误氨基酸卸载。这种双重校对机制让翻译的误读率低至约十万分之一。哪怕这样的精度在某些疾病相关的突变细胞里错误率还是会上升累积的错误蛋白会形成毒性这跟衰老和神经退行性疾病的研究有关系。4.2 翻译三阶段详解起始在原核生物中30S小亚基先结合IF1、IF2-GTP、IF3与mRNA上的SD序列配对然后在起始密码子上招募起始tRNAfMet-tRNA。IF3确保起始tRNA进入P位而非A位随后50S大亚基结合GTP水解IF因子释放完整70S核糖体在mRNA上组装完毕。真核生物的起始复杂得多有至少十几种eIF因子参与首先eIF4F复合物结合mRNA帽子结构poly-A结合蛋白与尾部的结合促进mRNA环化然后40S小亚基携带起始tRNAMet-tRNAi在帽子附近通过扫描机制5→3寻找第一个AUG。遇到合适AUG后eIF2-GDP释放60S大亚基加入。这里有个“首次AUG规则”的例外在某些mRNA中如果第一个AUG周围序列不够理想偏离Kozak序列核糖体可能会跳过它继续向后搜索这种现象叫“漏扫”。延伸延伸是高度循环的过程。每一步包括氨酰-tRNA在EF-Tu·GTP原核或eEF1A·GTP真核护送下进入A位如果反密码子与A位密码子匹配GTP水解、EF-Tu脱离tRNA正式落入A位肽酰转移酶活性将P位tRNA上携带的肽链转移到A位tRNA的氨基酸上形成新的肽键P位变成空载tRNAA位携带肽链的tRNA变成肽酰-tRNA转位translocationEF-G·GTP原核或eEF2·GTP真核催化核糖体沿mRNA移动三个碱基空载tRNA进入E位随即离开含有肽链的tRNA从A位移到P位A位空出等待下一个氨酰-tRNA。核糖体沿mRNA的移动方向是5→3而蛋白质合成方向是从N端到C端这一点方向性必须记牢。延伸速度在原核生物约每秒10到20个氨基酸真核生物稍慢。根据我的经验计算蛋白合成时间可以用一个简单估算一个500个氨基酸的蛋白大约需要30到60秒真核这是在37度条件下的粗略值。肽键形成的化学机制不需要每种氨基酸都认识它只是将P位tRNA上的氨基酸或肽链的羧基与A位氨基酸的氨基进行脱水缩合形成新的酰胺键。这个反应能量来自氨酰-tRNA上酯键的高能键所以延伸本身不需要额外输入ATP或GTP——尽管整个翻译过程消耗很多GTP。终止与释放当核糖体A位遇到UAA、UAG或UGA时没有对应的tRNA进入。释放因子RF1识别UAA/UAGRF2识别UAA/UGA原核生物真核则主要依靠eRF1识别三种终止密码子进入A位水解肽酰-tRNA之间的酯键使多肽链从tRNA上释放随后核糖体解体为大小亚基准备下一轮翻译。这个释放过程还需要一个GTP水解步骤提供能量。4.3 多聚核糖体一次翻译多条肽链的并行处理一个mRNA分子上可以同时结合多个核糖体进行翻译形成多聚核糖体polyribosome。电镜下能看到一条mRNA上连着念珠状的一串核糖体每个核糖体都在独立合成一条多肽链。这就大幅提高了mRNA的利用效率。在原核生物里转录和翻译同时进行一个mRNA还在合成就有核糖体跟上去翻译了真核生物mRNA环化5帽与poly-A尾通过蛋白质相互靠近也让核糖体在终止后很容易重新起始形成多次翻译。如果要用一句话概括多聚核糖体的意义它让一条mRNA在一分钟里能产出几十条蛋白质一个中等丰度的mRNA分子一天内能合成数万个蛋白分子。这种放大效应解释了为什么基因突变在转录调控上的影响往往远比直接某个蛋白点突变的影响更全局性因为它放大的倍数很高。4.4 翻译后多肽链变为功能蛋白翻译出的多肽链通常不是最终功能形态。它刚离开核糖体时只是一条线性的氨基酸链还需要经过折叠folding形成三维结构。折叠过程受分子伴侣如Hsp70、Hsp90以及真核生物的伴侣素帮助防止新生链在疏水区域暴露时发生错误聚集。折叠完成后还常有翻译后修饰post-translational modificationsPTMs——磷酸化、糖基化、乙酰化、泛素化、甲基化、脂化等。这些修饰极大丰富了蛋白质的功能多样性。一个蛋白质至少要经过合成 → 折叠 → 修饰 → 定位 → 发挥功能 → 降解才算完整生命周期。比如某些分泌蛋白翻译时会先合成一段信号肽N端疏水序列引导核糖体-新生链复合物与内质网膜结合——这叫共翻译转运即在翻译还在进行时就进入内质网信号肽被切除蛋白进入内质网腔继续折叠、糖基化然后经过高尔基体分选并运出细胞。检测膜蛋白信号肽通常是判断其定位和加工的重要步骤。5. 从基因到功能蛋白的完整实战演练这一节用一个可复现的具体例子把前面所有内容串成一条线。假设我在做一个模拟练习从一段基因序列出发人工推导出它对应的蛋白质序列。整个过程不依赖软件只用笔头推演能帮你彻底贯通知识。5.1 拿到一个基因序列之后的判断步骤场景我手里有一段DNA编码链序列5到3长度为一段可翻译的开放阅读框架5- ATG GGC TAC GAC ATC AAG CGC TAC TGG ATT CAG TAA -3第一步判断这段序列是不是完整的编码序列。它从ATG开始到TAA终止密码子结束。按照规则我们保留ATG到最后一个有效密码子TGG之间的部分。这里有个细节最后一个密码子读完之后终止密码子TAA并不编码氨基酸但判断“完整ORF”时通常要看到终止密码子才放心。第二步转录为mRNA。因为编码链的序列与mRNA一致T换UmRNA就是5- AUG GGC UAC GAC AUC AAG CGC UAC UGG AUU CAG UAA -3第三步从AUG开始每三个碱基一组划分密码子。我手动划分时习惯用空格分组降低漏看概率AUG | GGC | UAC | GAC | AUC | AAG | CGC | UAC | UGG | AUU | CAG | UAA第四步查密码子表得到氨基酸序列AUG → Met (M)GGC → Gly (G)UAC → Tyr (Y)GAC → Asp (D)AUC → Ile (I)AAG → Lys (K)CGC → Arg (R)UAC → Tyr (Y)UGG → Trp (W)AUU → Ile (I)CAG → Gln (Q)UAA → Stop蛋白质序列是M-G-Y-D-I-K-R-Y-W-I-Q末尾加终止。这里有一个容易忽略的问题如果输入的是模板链序列而不是编码链就必须先做反向互补再去T换U。我曾见过有人直接用模板链查密码子表结果得到的氨基酸序列完全不对而且自己还不知道问题出在哪。所以强烈建议无论是实验还是做题先标注清楚“这是哪条链”。5.2 反向工作的另一个常见场景已知蛋白质序列推DNA在设计基因时经常要做反推。比如已知一段蛋白序列是M-A-E-K-G想设计一段能编码它的DNA序列。第一步是使用密码子表反查每个氨基酸对应的密码子M只有ATGA可选GCT、GCC、GCA、GCGE可选GAA、GAGK可选AAA、AAGG可选GGT、GGC、GGA、GGG因为密码子的简并性理论上有很多种设计组合。选择哪个密码子取决于表达体系这就是前面说的密码子偏好性。如果在大肠杆菌中表达需要将偏好频率高的密码子优先使用同时还要考虑GC含量和mRNA二级结构。而且务必注意若需要合成的是编码链DNA查表的密码子直接换成T就是编码链序列而模板链要根据编码链反向互补计算。很多新手在这一步栽了跟头——序列正确但合成模板链时没有反向互补最终蛋白完全表达不出来。我一般用这个方法检查如果右手拿着编码链序列由5到3从左往右模板链应由下往上反向书写因为模板链方向和编码链方向相反。5.3 从基因到蛋白的完整事件表把刚才这段序列放进一个大场景里看基因表达的全事件大致是这样发生的阶段关键事件主要参与者输出产物染色质解旋启动子区核小体重塑、组蛋白修饰染色质重塑复合物、组蛋白乙酰转移酶暴露启动子转录起始转录因子与启动子结合RNA聚合酶到位转录因子、RNA聚合酶II转录泡形成转录延伸合成pre-mRNARNA聚合酶IIpre-mRNA5加帽5端加7-甲基鸟苷帽加帽酶复合物加帽pre-mRNA剪接去除内含子连接外显子剪接体成熟mRNA骨架3加工加poly-A尾poly-A聚合酶等成熟mRNA核质转运mRNA经核孔输出到胞质核转运受体胞质mRNA翻译起始核糖体小亚基结合mRNA并扫描AUGeIF家族因子、40S亚基起始复合物翻译延伸逐个加氨基酸核糖体、tRNA、EF因子多肽链翻译终止遇终止密码子多肽链释放释放因子、核糖体游离多肽链折叠与修饰折叠成功能构象加上PTM分子伴侣、修饰酶功能蛋白这张表值得收藏。很多学生记住了每一步但总搞不清楚它们的时间先后尤其是加帽发生在转录延伸早期、剪接在转录尚在进行时就已开始这些都属于容易被忽视的细节。对实验操作者来说理解时间线对选择实验方法也有影响——比如要分离成熟的mRNA和pre-mRNA需要清楚它们在哪个阶段存在。5.4 实操中用到的工具和经验做序列分析和可视化我的稳定工作流是这样的序列查询用公共数据库获取基因的DNA序列和mRNA序列以及注释信息包括外显子/内含子边界、上下游UTR长度。翻译工具在线翻译工具把小段序列翻译成蛋白小规模验证很方便缺点是长序列比如几万碱基处理不够好。比对工具做序列比对时优先选本地版本速度更快、参数可控。可视化工具用基因组浏览器查看reads覆盖度、剪接连接特别适合分析选择性剪接事件。在分析“基因→蛋白”映射时有几个常见的坑要提醒数据库里的基因结构注释可能不是100%准确尤其是预测出的基因可能把假基因或非编码RNA误标成编码基因。实际实验中要注意用Ribo-seq数据或蛋白质质谱数据交叉验证。不同转录本的翻译产物可能不同分析一个基因的“蛋白产物”时必须同时指定转录本编号。同一个基因的不同转录本可以编码不同亚型蛋白它们的分子量、结构域、甚至功能都可能不同。UTR区也会影响翻译效率比如5UTR的上游开放阅读框架uORF可能抑制下游主蛋白的翻译3UTR中的miRNA结合位点影响mRNA的稳定性。仅看CDS无法全面判断蛋白表达水平。这些经验在我分析某跨平台系统的基因表达数据时非常好用。那时候我看到一个基因在对照组和处理组表达量差异巨大全都体现在某个特定转录本的丰度变化上但总基因水平的统计不见得能看得到。如果不区分转录本很可能得出错误的“表达无变化”结论。对研究基因表达调控的人来说这是致命的误判。6. 转录调控与表观遗传控制蛋白质生产的总开关基因能不能最终变成蛋白质不只是看序列本身还要看这套系统被怎么调控。这个层面的重要性可以用一个事实来说明人体几乎所有细胞都有相同的DNA序列但神经细胞合成神经递质相关蛋白胰岛β细胞合成胰岛素两者差异巨大——差异来自基因表达调控而非DNA本身。当你真正理解这一点才算真正理解“DNA怎么变成蛋白质”这个问题的全貌。6.1 转录因子如何决定基因开关特定基因的表达往往取决于细胞里是否存在能激活它的转录因子。比如某转录因子在肌肉细胞里高表达它结合到肌肉特异性基因的启动子和增强子上招募共激活因子改造染色质结构把原本“关闭”的基因“打开”。这个开关的分子机制包括转录因子结合到DNA的特定基序motif通常6到12个碱基激活型转录因子招募组蛋白乙酰转移酶如HAT使核心组蛋白赖氨酸乙酰化染色质变松RNA聚合酶更容易结合同时招募中介复合体Mediator complex把增强子和启动子区域拉近形成染色质环激活转录。从实验或实际应用的角度看一个关键判断是某个启动子是否是组织特异性的。决定基因表达空间特异性的往往是启动子附近的增强子和抑制子元件而不只是核心启动子。我做过一个基因表达载体设计的项目起初只放了一个CMV强启动子结果在特定细胞里表达量很低。后来换用该细胞特异性表达增强子的方案表达量才真正上来这直接反映了转录调控对蛋白产量的决定性影响。6.2 DNA甲基化与组蛋白修饰表观遗传修饰是比转录因子更长期的调控方式。DNA甲基化通常发生在CpG二核苷酸上基因启动子区CpG岛高度甲基化通常与转录沉默相关。甲基化DNA会招募甲基化结合蛋白这些蛋白进一步招募组蛋白去乙酰化酶和异染色质蛋白使染色质收紧RNA聚合酶无法进入。组蛋白修饰则更加复杂包括乙酰化、甲基化、磷酸化、泛素化等。这些修饰构成“组蛋白密码”不同组合决定染色质状态。比如H3K4me3与活跃启动子相关H3K27me3与转录沉默相关H3K9me3与异染色质相关。用ChIP-seq技术可以全基因组地观察这些修饰的分布分析特定基因的启动子区处于开放还是关闭状态。从实际研究角度看如果要验证一个新发现的非编码突变是否有功能可以考虑它是否落在某个转录因子的结合位点里或者某个组蛋白修饰的富集区域。如果它破坏了转录因子结合基因表达改变最终蛋白水平也跟着改变这对疾病机理研究非常关键。6.3 转录后调控不只是能不能转录转录出了mRNA还要在多级层面上再被调控一遍。已知的重要层面包括选择性剪接一个基因的mRNA前体可以通过不同剪接方式产生不同组合的外显子序列。这既增加了蛋白多样性也为病理状态下的异常蛋白提供了潜在来源。约95%的人类基因存在选择性剪接。mRNA稳定性mRNA的降解速率直接影响蛋白合成模板的数量。mRNA的poly-A尾越长越稳定有些mRNA的3UTR中富含AU序列ARE会加速降解miRNA结合可抑制翻译或促进降解。翻译效率调控mTOR信号通路能调控核糖体生物合成和eIF4E的活性从而全局性影响翻译水平。特定mRNA的5UTR含有复杂二级结构时翻译起始会更困难能形成“翻译性调控”的效果。6.4 原核与真核调控的关键差异用表格归纳一下二者的区别能帮助理解为什么做重组蛋白表达时常常要选择适合的宿主差异点原核生物真核生物细胞核无有转录与翻译空间分离转录后加工基本无mRNA直接可用加帽、剪接、加尾翻译起始SD序列直接引导核糖体帽依赖的扫描机制转录与翻译同步性可以同时进行不同时调控复杂度相对简单多层级、更精细蛋白修饰少多选择表达系统时如果是普通抗体或酶大肠杆菌足够但需要糖基化等修饰的真核蛋白就要用酵母、昆虫细胞或哺乳动物细胞。这背后的原因正是这些调控和加工机制的不同。7. 常见问题与实操避开坑在这个领域做得久了会发现新手遇到的问题高度相似。整理成一份清单供参考。7.1 为什么mRNA序列翻译出来和预期蛋白序列对不上这种情况我遇到得特别多。可能原因有以下几类读取框架不对可能是起始密码子没找对mRNA序列中可能存在多个ATG选错了就全歪。选择第一个ATG是最常见的规则但还有Kozak序列的上下文信息有时要选第二个AUG漏扫情况真实存在。内含子未剪接干净如果使用的是基因组数据库的原始转录本序列而非成熟mRNA序列翻译结果会包含一段与“基因注释”不符的序列或者在某个位置插入了一个提前终止密码子。序列来源是互补链用模板链或反向互补链输入在线工具翻译结果完全不对。密码子表用错原核线粒体遗传密码与通用密码表有差异如果分析线粒体基因却使用通用表错。7.2 为什么实验里蛋白表达量低甚至没有这是重组蛋白表达最常见的陷阱。注意查密码子偏好性外源基因中含有大量宿主稀有的密码子特别是连续出现时核糖体可能提前停滞并终止翻译。mRNA二级结构5UTR和CDS起始区域形成的强二级结构会阻碍翻译起始。可以用RNA二级结构预测工具查看最小自由能太低就要考虑优化序列。起始序列附近序列不匹配原核表达要留意SD序列与起始密码子的距离真核表达要留意Kozak序列。距离或位置不对翻译效率都会大降。蛋白降解太快表达的蛋白如果被宿主蛋白酶识别为异物会被快速降解表现为“表达量低且检测不到条带”。启动子强度与诱导条件不合适换启动子或优化诱导条件往往是最后一步尝试的关键。我自己的真实体验有段时间表达一个膜蛋白片段一直失败。后来分析发现基因5端有连续6个稀有密码子AGA、GGA等核糖体一开始就在那里卡住了后续就算再“高表达”启动子也白搭。将这段序列优化为高频密码子后表达量立刻上来。这件事反复提醒我基因本身的不同位置对翻译的影响权重差异很大起始区比中部区更敏感。7.3 检测基因表达不等于检测蛋白表达mRNA表达量和蛋白表达量并不一定成正比。转录调控、mRNA稳定性、翻译效率、蛋白降解这些环节中任何一步发生变化都会导致两者出现方差。要准确定量蛋白得靠Western blot或质谱等方法而不是只看mRNA水平。这一点在实验设计阶段就要考虑清楚。7.4 如何判断一个转录本是否真能翻译出蛋白现在有很多预测性软件但最可靠的判断证据是实验数据核糖体图谱分析Ribo-seq检测核糖体在mRNA上的位置和密度有三个碱基周期性信号并覆盖到AUG基本可以确定是翻译的转录本。蛋白质质谱直接在同物种蛋白质组中匹配到该转录本编码的多肽这时的实验证据最扎实。系统进化分析如果一个开放阅读框架在不同物种中都有保守性且有相应的同源蛋白序列翻译的可能性会很高。线性的预测软件打分只能作初步参考在关键课题中我会用Ribo-seq数据作为主要判断依据。7.5 为什么有些蛋白质合成后立刻被降解这就是N端法则N-end rule的一个体现。蛋白质N端的第一个氨基酸如果比较“不稳定”例如精氨酸、赖氨酸等不稳定残基会被泛素-蛋白酶体系统识别并降解半衰期很短。而甲硫氨酸等稳定残基则会让蛋白稳定得多。翻译后N端氨基酸的暴露状态会决定蛋白命运这是细胞对蛋白质量控制的重要环节。如果实验里某个外源蛋白表达后又快没了可以考虑给它加一个稳定化标签或者检查N端序列是否带有降解信号。有的策略是在N端加一段稳定序列再连目标蛋白后面再切除标签因为标签会改变产物需要后续处理。8. 一些拓展视角中心法则之后的问题写到这里DNA到蛋白质的过程基本讲透了。但既然这篇文章的读者很可能是想彻底搞清楚这个问题的人我觉得有必要补充几个常见“之后的问题”它们其实是在同一个链条上的延伸。8.1 一个基因一定对应一个蛋白质吗不一定。由于选择性剪接、翻译后修饰、RNA编辑等机制一个基因可以产生多种蛋白变体。人类基因数量约两万出头但蛋白质组中鉴定到的蛋白种类远超这个数字。因此讨论“某基因的蛋白”时必须指明具体哪个转录本、哪个修饰状态。必要时用质谱数据来确认蛋白变体的存在和序列。8.2 非编码RNA参与调控蛋白表达吗参与而且形式多样。miRNA约22个核苷酸长结合mRNA的3UTR抑制翻译或促进mRNA降解lncRNA可通过结合转录因子、形成RNA-DNA三链结构、与染色质修饰复合物协作等方式调控基因表达。此外环形RNAcircRNA可以吸附miRNA间接保护mRNA。非编码RNA在调控网络中的角色被研究越来越多核心逻辑往往还落在“蛋白产量”上。8.3 DNA变异常常影响蛋白结构吗不一定。取决于突变类型同义突变由于密码子简并性氨基酸不改变蛋白结构通常不受影响但可能影响翻译速度或mRNA剪接。错义突变氨基酸改变可能影响蛋白结构、活性、稳定性。如镰刀型细胞贫血症就是β-珠蛋白第6位谷氨酸突变成缬氨酸导致血红蛋白聚集纤维化。无义突变提前引入终止密码子产生截短蛋白往往无功能甚至有害。移码突变插入/缺失非3倍数的碱基数产生完全错误的下游序列。分析一个突变是否有害时光看“保守性”和“致病性数据库”不够还要看它在结构中的位置、是否影响翻译后修饰位点、是否影响剪接位点。所有这些本质上都是“DNA序列→RNA序列→氨基酸序列→蛋白结构→功能”链条上不同环节的扰动。8.4 蛋白质合成需要多少能量这个问题虽然不常用但能帮助理解细胞为什么对蛋白合成的调控如此严格。根据计算添加一个氨基酸大约消耗4个高能磷酸键氨基酸tRNA的活化消耗2个ATP等价能量起始和延伸各消耗GTP。合成一个500个氨基酸的蛋白至少需要约2000个高能磷酸键的能量。这还不包括转录、剪接、折叠、修饰等过程。细胞对能量的精打细算决定了它不可能让任何基因不加控制地高强度表达。8.5 病毒也遵循这套规则吗病毒本身没有核糖体必须借助宿主细胞的翻译机器完成蛋白质合成。病毒mRNA要想办法模拟宿主mRNA的特征包括帽子、poly-A尾等结构以骗取翻译系统为它工作。有的病毒用IRES内部核糖体进入位点来不依赖帽子地起始翻译有的病毒直接把宿主的翻译调控蛋白劫持让宿主翻译停止、专心生产病毒蛋白。从广义讲病毒的复制利用的正是本文章描述的这套机制这也是理解病毒生活周期的基础。不过这块内容在网上传播时容易引起误解我只建议有分子生物学基础的人深入研究原始论文不要轻信各种演绎夸张的科普表达。结尾的一点个人体会最终DNA到蛋白质的转化归根到底是信息流从一种生物大分子向另一种生物大分子的转移它同时是化学过程、物理过程和控制工程过程。从DNA开始到最终拥有特定三维结构、经过翻译后修饰并能执行功能的蛋白质中间隔着无数个调控节点——每一个节点都有突变视图下的风险也自然有进化和调控层面的意义。我个人在多次实验和教学中慢慢形成的一个习惯是每当拿到一条未知序列先不问“它能翻译成什么蛋白”而是先问“这条序列是在什么细胞状态、什么时空条件下被转录的它经历过的加工步骤有哪些它的稳定性如何”把这些问题想明白再回到序列本身动手翻译会踏实得多。DNA转录成RNA、RNA翻译成蛋白质从来不是一条孤立的直线它背后总站着一套庞大的调控网络。把中心法则看作是这张网络的一个核心框架是理解整个分子生物学的最佳起点也是在实验室里真正解决问题的基础。