《基因组不是蓝图：三维折叠如何挑战 AI 对遗传的理解》

导语

Philip Ball 在 Quanta 这篇长文中反驳一个流行隐喻：人类基因组不是蓝图、程序或算法。人类已经读出约30亿个 DNA 化学字母，国际人类基因组计划也在1990年至2003年接近完成全序列，但只有约2%的基因组是真正编码蛋白质的基因。更难的问题不是“每个基因做什么”，而是同一套基因如何在不同细胞、时间和环境下被调控。文章最后把问题推向 AI：基因组基础模型可以很有用，但如果它只把序列当输入、把性状当输出，就可能错过基因组作为动态、三维、递归和环境响应系统的本质。

1. 旧视角：基因只是故事的一小部分

1.1 蓝图隐喻解释不了生命运作

• 自20世纪50年代 DNA 分子结构被推导出来后，许多生物学家把 DNA 称作生命秘密，认为它像蓝图、代码脚本或计算机程序。作者指出，这个隐喻越来越不够用，因为完整序列并没有让我们自动理解生命如何运作。
• 传统图景并非全错：人类约有2万个基因，基因可短至几十个 DNA 字母，也可长达近300万个字母。制造蛋白质一般分两步：DNA 先由聚合酶转录为信使 RNA，再由核糖体翻译成蛋白质。

1.2 真正难题是同一套 DNA 如何被使用

• 但 Karen Adelman 说，基因可能不是基因组最有趣的部分。真正关键的是基因如何被打开和关闭。肌肉、脑、皮肤等不同细胞类型使用同一套 DNA，却通过调控不同基因组合形成不同功能。

1.3 非编码区域把问题从基因转向调控系统

• 20世纪60年代以来，生物学家就知道非编码 DNA 参与基因调控；但来自细菌的简单原则无法解释人类这类真核生物的复杂调控。复杂生命不是用一套线性程序运行，而是用重叠的监督和控制系统不断决定如何使用基因。

2. 转录因子：人类调控更像“与”逻辑

2.1 从单一开关到组合决策

• 转录开始于 transcription factors（转录因子）：它们像基因调控的运营经理，黏附到 DNA 片段上，并招募聚合酶制造信使 RNA。在细菌中，转录因子像钥匙配特定锁，逻辑相对清楚。
• 人类和其他复杂生物中，转录因子对结合位点没有那么强的单一偏好，常以成对或成组方式工作。一个转录因子在不同上下文中可能有完全不同效果：在某种细胞中激活转录，在另一种细胞中抑制转录，取决于周围还有哪些转录因子。

2.2 “与”逻辑提高了适应性，也提高了理解难度

• Adelman 用逻辑类比说明差异：细菌调控更像“或”，某个信号使基因开或关；人类基因组更像“与”，许多信号整合后才做出调控决定。这种组合逻辑让调控更能响应细胞类型、时间和环境的细微差别，也让理解难度急剧上升。

3. 增强子：远距离调控让基因组不再线性

3.1 增强子数量巨大，目标关系并不清楚

• Enhancers（增强子）是转录因子的聚集点，通常被认为对转录发出关键“开始”信号。问题是，把增强子对应到它们调控的基因并不简单。
• 人类基因组可能有数十万甚至数百万个增强子，远多于基因数量。每个基因可能受多个增强子影响，每个增强子也可能影响多个基因。Wendy Bickmore 说，人类基因组计划25年后，我们仍不知道所有增强子在哪里，更不用说它们何时作用、控制哪些基因。

3.2 远端调控迫使研究者进入三维空间

• 多数增强子不会只响应单个转录因子，而需要一组“鸡尾酒式”组合。只有在特定细胞、特定时间拥有正确因子组合时，增强子才会被激活。

3.3 远端增强子把“调控距离”变成核心问题

• 更反直觉的是远端增强子：有些增强子离目标基因可能相隔数百万个核苷酸，中间还有其他基因。Bickmore 说这看起来“离谱”：信息如何从远处传到需要被激活的基因？一个答案是环。

4. 环和枢纽：调控像松散委员会，不像固定机器

4.1 cohesin 把远处的增强子带到目标附近

• 远端增强子通过 DNA 与包装蛋白形成的染色质大环被带到目标基因附近。制造这些环的是 cohesin（黏连蛋白）马达，它沿 DNA 链移动，并按需要挤出环。
• 曾经有人以为增强子和目标基因被带到一起后，会黏成固定分子机器。现在看来，它们更像一个松散但密集的凝聚体：组件之间相互作用弱、短暂、不完全有选择性，像一个临时委员会。

4.2 转录枢纽的流动性让每个细胞都不同

• 这些转录枢纽极其流动，且每个细胞都可能不同。即便两个细胞名义上同为皮肤细胞，它们某一时刻的基因调控机器也不会完全相同。基因转录不仅取决于序列，还取决于周围染色质当下的形状和动态。

5. 染色质形状：三维折叠本身参与调控

5.1 染色质开放程度决定基因能否被接近

• 教科书中的染色体常被画成紧凑的 X 形，但细胞不分裂时，染色质会松开成纠缠状态。混乱中仍有秩序：异染色质较密，DNA 不易被转录因子接近，基因通常沉默；常染色质较松散、开放、可接近。
• 特殊酶会包装和重包装染色质，从而控制转录。Bickmore 说，研究者已经不再把基因组看作线性 DNA 代码，而是把动态三维折叠视为调控本身的一部分。

5.2 TAD 和表观标记让三维结构成为调控层

• 三维组织中的一个层级是 TADs（拓扑关联结构域）。在一个 TAD 内，基因似乎被共同调控，一组基因一起打开或沉默，从而支持不同细胞类型形成和运作。cohesin 也参与构建这些动态结构域。
• 染色质形状还受 epigenetic marks（表观遗传标记）影响，这些小分子可附着在组蛋白或 DNA 上，改变组蛋白电荷和染色质包装。表观标记像给 DNA 脚本加注释，但作者提醒，“表观遗传代码”是否真像系统代码一样规则，仍远未清楚。

6. RNA 介入：转录之后还有多层检查

6.1 非编码 RNA 在翻译前再次调控表达

• 调控不仅发生在 DNA 到信使 RNA 之前，也发生在信使 RNA 到蛋白质之间。许多非编码 RNA 不是蛋白质模板，却有自己的细胞功能，其中很多参与基因调控。
• microRNAs（微小 RNA）可以在信使 RNA 被翻译成蛋白质之前让它沉默。它们通过引导酶降解或化学修饰特定信使 RNA 起作用，但也像转录因子一样组合式、交叉式工作：一个微小 RNA 可调控多个信使 RNA，一个信使 RNA 也可被多个微小 RNA 调控。

6.2 剪接让同一段转录产物产生不同功能

• 作者用“另一个检查点”解释这种看似绕远的机制：细胞先制造信使 RNA，再问自己是否真的需要这个蛋白质。这样，细胞可根据即时上下文调整基因表达。
• 另一个复杂层是剪接。刚转录出的前体信使 RNA 同时含有外显子和内含子，剪接体会剪掉内含子、拼接外显子。同一前体 RNA 在不同细胞中可能被剪成不同蛋白质异构体，这些异构体可承担不同功能，转录因子本身也常以这种方式产生不同调控任务。

7. 检查与平衡：基因组是递归的自我作用系统

7.1 基因组不是后台自动执行的程序

• 到这里，作者把机制收束成一个判断：基因组不是后台自动运行、建造并维持身体的程序。细胞在复杂地决定如何使用基因，包括基因包含的信息和基因所处的物理结构。
• 细胞要组装一个松散、模糊的组件委员会，包括转录因子、增强子、染色质形状等，才能启动转录；之后在信使 RNA 和最终功能蛋白之间，还有更多决策和行动层。

7.2 调控者由基因组产生，又反过来改变基因组使用方式

• 更复杂的是，这些参与者本身也由基因组在同样上下文依赖过程中产生。作者借 Douglas Hofstadter 的“strange loop（奇异循环）”说明：基因组作用于自身，带着自身历史，受染色质构象、表观遗传标记、细胞内外信息影响。
• Bickmore 猜测，这种调控和基因组组织的复杂性，可能正是复杂生物体出现的手段。随着组织类型和生活方式变多，生物需要更多非编码调控序列；当增强子放不下在基因附近，就必须放得更远，并借助 TAD 和三维折叠工作。

7.3 转座元件让细胞必须发展额外检查层

• 文章还补充了转座元件的压力。人类基因组在演化中积累了来自寄生病毒的跳跃遗传材料，它们散布在染色体上且善于复制。为了区分有用和有害 DNA，细胞需要额外调控层，避免翻译不需要或有害的 RNA。

8. “高度敏感的器官”：AI 能帮忙，但不能替代理解

8.1 基因组基础模型可以预测，但不等于解释

• 研究者开发 AlphaGenome 等基因组基础模型，希望转录因子、剪接、表观标记、环、染色质包装等层次能隐含在模型从序列到性状的相关性中。只要预测准确，他们可以接受黑箱复杂性。
• Bickmore 认为这类模型会有用，但有明显限制：最大缺口是人类身体复杂性，包括所有细胞类型，以及它们在发育中如何随时间变化。许多数据并不在模型里。

8.2 informiome 把环境和文化也纳入遗传信息层

• Adrian Woolfson 用 informiome（信息云）描述基因组之外的信息层：饮食、环境、微生物组、文化等都可能影响身体和基因组状态。他在2026年4月出版的《物种的未来》中说，人类基因组只是人类信息云的基础，其他额外遗传信息层同样重要。

8.3 更好的隐喻是“高度敏感器官”

• 文章最后回到隐喻。Evelyn Fox 在2020年把基因组比作“极其敏感的反应系统”，它不是从基因到性状的线性序列，而是响应环境信号来调节特定蛋白质生产的装置。Barbara McClintock 在1983年诺贝尔奖演讲中更早说过，基因组是细胞的“高度敏感器官”，会监测、纠错、感知异常并重构自身。
• 作者的结论是：没有人类技术像基因组这样工作，所以蓝图、程序、计算机等隐喻终会失效。AI 可以帮助理解，但最终仍需要人类推理辨认基本原则。

思想框架

文章先拆掉“DNA 是蓝图”的旧隐喻：人类已知道约30亿个 DNA 字母，却发现蛋白编码基因只占约2%，真正难题是基因如何被调控。随后它按层级展示复杂性：转录因子以组合方式工作，增强子可远距离控制基因，cohesin 形成染色质环，TAD 和表观标记让三维结构参与调控，非编码 RNA 和剪接又在转录后加上检查点。中段把这些机制整合成一个递归系统：基因组生产调控者，调控者又改变基因组的使用方式。后半部分将问题转向 AI：AlphaGenome 等模型也许能预测相关性，但如果缺少细胞类型、发育时间、环境、微生物组和文化等信息，就无法完整解释基因组如何工作。最后，文章借 McClintock 的说法把基因组定义为“活的、高度敏感的细胞器官”，而不是静态代码。