基因组学
基因组功能
基因组中执行功能的单元是基因，一个典型的基因在原核/真核生物中如下图所示：
在原核生物中，多个功能相近、联系紧密的基因往往组合在一起，同一个调控元件组合成操纵子。这是原核生物调节基因表达的重要方式。
真核生物对基因表达的调控更加复杂，包括了远端调控元件与近端调控元件，对于前者，其平均距离靶基因百来kb。
有时候这些调控元件可能处在基因的内含子中。
一个真核生物的可读框内结构如下图所示：
外显子是最终参与编码蛋白质的部分，是构成成熟mRNA的序列。内含子是pre-mRNA的组成部分，会在mRNA的成熟过程中由于可变剪切被切除。
但是并不是所有外显子序列都能最终编码出蛋白，存在处于起始密码子与终止密码子外侧的mRNA序列，它们不直接参与蛋白质翻译本身，它们负责维持mRNA的稳定性、定位与调控翻译。
在真核生物中，往往是内含子占据了大多数序列，它们深刻参与到基因表达调控当中。
调控序列
调控序列负责使每个基因都可以在正确的时间、地点、环境下表达。
增强子与启动子都是调控序列。
一个基因往往对应多个增强子，但只有一个启动子，以实现在多种不同的状态下的差异化表达。
增强子是一系列可以增强基因组表达的远端调控序列，虽然距离靶基因有一段距离，但是其可以通过与启动子结合，形成染色质环，在三维空间上诱导基因的表达。
本质上，启动子与增强子中都含有成簇的转录因子结合序列 (Transcription factor binding sequence, TFBS)，而启动子与增强子想要发挥作用，还需要被称为转录因子的蛋白与之结合才能发挥作用。
转录因子
转录因子，是一种可以识别并结合特定DNA短序列的蛋白质。通常识别4-10bp的结合基序 (motif)。人类基因组中有超过30个家族，1000多个不同的转录因子。
对于每个基因的启动子，每个增强子，都含有特定的TFBS组合，可以招募特定的转录因子组合。
转录因子本身具有细胞特异性。
这本身参与了特定细胞类型的分化与维持，在特定细胞中表达特定一组的转录因子，从而特异性启动、增强相应基因的表达。
通过在上皮细胞中表达OSKM转录因子组合，可以诱导细胞脱分化，成为诱导多能干细胞 (iPS Cells)。
山中伸弥还在发力！
大多数人类疾病的突变发现在非编码区域（可能因为在编码区域突变的大多数直接暴毙了...）。
值得注意的是，人基因组中重复基因占据50%以上。
在其中约有44%的序列是转座子。
转座子，最开始被称为跳跃基因，因为它可以“拖家带口”带着自己的序列插进DNA上的片段，就像在基因组上“跳跃”。
转座子对基因组稳定性是一个巨大挑战，细胞进化出了很多策略来封印转座子。而在某些方面上，细胞也利用转座子对关键生命过程进行调控。
- 生物早期发育的关键调控因子
- 转座子结合位点多在重复序列
- 参与组织基因组结构
- 基因组进化动力（倒位，缺失，重复或易位）
基因组演化
基因组演化的动力来自于分子的演化，也就是染色体重排与DNA突变。
分子钟
基因组与蛋白质的演化速率大致是恒定的，所以可以通过比较突变差异来判断两个物种的分化时间。
这种现象被称为分子钟。
在基因组中，存在一些被称为保守序列的区域，特点是：
- 处在强烈选择压力下。
- 包含重要功能（如编码关键蛋白质、关键调控元件与转录因子结合位点）
- 序列十分保守，在多物种中同源性极高
比保守序列还要保守的被称为超保守区域。
一个有关于基因组演化的实例就是新冠病毒，其在短短3年里多次产生新亚型，基因组快速演化。
病毒的高速演化基于：
- 较高的复制错误率
- 极大数量与快节奏的生命周期
- 极强的选择压力
基因组图谱
基因组的图谱包含了其上多种元素的排列关系与作用关系，就像是给一整个基因组绘制了一份包含图例的地图。
其包含遗传图谱（重组率计算）、物理图谱（碱基对计算）两种类型。
两者互补，前者可以洞察不同基因之间的重组关系，从而揭示对应区域的染色质性质。
后者可以准确了解序列内含，便于从碱基排列本身获取信息。
一个经典的DNA测序方法是桑格尔测序法 (Sanger Sequencing)。
下一代测序方法是Illumina开发的边合成边测序，使得测序成本大大下降。