直系同源是指不同物种中的基因经由物种形成从同一个祖先基因演化而来的关系。具有这种关系的基因称为直系同源基因。按照标准的基因树定义,连接两个直系同源基因的最近共同祖先节点代表一次物种形成事件,而非基因重复事件。因此,直系同源由进化历史定义,而不是由序列相似性、共同功能或相同的基因名称定义。它是比较基因组学的核心概念,有助于在不同生物的基因之间建立有意义的对应关系。
直系同源、同调与旁系同源
直系同源是同调的一种特定类型;同调是指具有共同进化起源的特征之间的关系。根据导致祖先谱系分离的事件,同源基因通常分为两类:
- 直系同源基因通过物种形成发生分化。
- 旁系同源基因通过基因重复发生分化。
例如,假设某个祖先物种含有一个基因 ,随后分化为物种 A 和 B。如果两个后代物种都保留了该基因,那么 与 就是直系同源基因。如果祖先基因在物种分化之前先重复为 和 ,那么 与 互为直系同源基因, 与 也是如此。然而, 与 互为旁系同源基因,尽管它们存在于不同物种中。
因此,仅凭“不同物种中的基因”并不足以定义直系同源。旁系同源基因既可以存在于同一物种内,也可以分布在不同物种中。
同调是一种历史关系,而序列一致性和相似性是可测量的属性。两个序列可以具有某个百分比的一致性,但如果说它们具有该百分比的“同源性”,就混淆了这些不同的概念。高度相似可以为共同祖先的推断提供支持,却不能据此确定两者是直系同源还是旁系同源。
历史发展
沃尔特·M. 菲奇于 1970 年提出了“直系同源”和“旁系同源”这两个术语,用于区分因物种形成而分离的同源基因与因基因重复而分离的同源基因。这一区分有助于解释,为何一个基因家族的进化树不一定与携带这些基因的生物的进化树一致。
随着DNA测序和全基因组分析的普及,直系同源成为进化基因组学和功能基因组学的核心概念。过去只涉及个别基因的比较,越来越需要借助能够分析众多物种中数千个基因家族的计算方法。
直系同源的模式
直系同源是基因之间的两两关系,但两个物种的基因之间可以形成多种关系模式。
一对一直系同源
在比较中,如果两个物种各自只有一个相互对应的基因,就形成了一对一直系同源关系。这是跨物种分析中最简单的对应形式。
然而,仅凭现今两个基因组中各有一个单拷贝基因,并不能确定它们是直系同源基因。早期的基因重复及随后发生的差异性基因丢失,可能使每个物种各自仅保留一个拷贝,而这些拷贝实际上来自不同的祖先旁系同源基因。
一对多和多对多直系同源
如果某条谱系在与另一物种分离后发生了基因重复,产生的各个拷贝都可能与另一物种中未发生重复的那个基因构成直系同源关系。这些拷贝常被称为该基因的共同直系同源基因。
例如,如果 在物种 B 与物种 A 分化后发生重复, 和 都可以与 互为直系同源基因,而它们彼此之间则是旁系同源基因。这就形成了一对多关系。如果两个后代谱系都发生了基因重复,就可能形成多对多关系。
因此,直系同源并不意味着在另一物种中存在唯一的对应基因。
内旁系同源与外旁系同源
内旁系同源基因和外旁系同源基因这两个术语描述的是,相对于某次指定的物种形成事件,基因重复发生的时间:
- 内旁系同源基因由参照的物种形成事件之后发生的基因重复产生。
- 外旁系同源基因由该事件之前发生的基因重复产生。
这些类别取决于所进行的比较。同一次基因重复可能早于某次物种分化,却晚于另一次物种分化。
直系同源群
**直系同源群**是指一组基因,它们都源自某个指定物种集合的最近共同祖先中的同一个基因。由于在该祖先之后仍可能发生基因重复,群内可以同时包含直系同源基因和旁系同源基因。
因此,直系同源群并不一定意味着群内所有基因都两两互为直系同源。它的组成还取决于所选的参照祖先物种。在较广泛的生物范围内定义的一个群,当研究焦点转向更近的共同祖先时,可能会被划分为多个群。
如何推断直系同源关系
直系同源关系通常是根据现今的序列和基因组组织方式推断的,而不是直接观察到的。不同方法会采用不同的证据组合。
序列相似性与双向最佳匹配
许多流程首先比较脱氧核糖核酸或蛋白质序列。一种常见的启发式方法是识别双向最佳匹配:在一个基因组中,基因 A 在另一基因组中的最佳匹配是基因 B;反过来比较时,基因 B 的最佳匹配也是基因 A。
这种方法计算方便,对相对简单的基因家族也能取得良好效果。不过,双向最佳匹配并不能证明直系同源关系。在以下情况下,它可能产生误导:
- 某个直系同源基因已经丢失,或在基因组注释中被遗漏;
- 基因重复产生了多个亲缘关系很近的拷贝;
- 不同谱系的进化速率存在显著差异;
- 蛋白质仅有某些结构域同源,而非全长序列都具有共同的进化历史。
反过来,真正的直系同源基因也不一定构成双向最佳匹配。
基因树方法
基于树的方法利用序列比对,通过系统发育学重建基因家族的进化历史。随后对推断出的基因树进行解释,通常会将其与物种树比较,以识别物种形成事件和基因重复事件。
这种比较称为基因树—物种树协调分析。根据所采用的模型,协调分析还可能考虑基因丢失、转移或其他过程。之后便可根据所比较基因的共同祖先节点上推断出的事件,判定两者是否具有直系同源关系。
基于树的方法明确体现了直系同源的历史定义,但其结论取决于比对质量、物种取样、进化模型,以及基因树和物种树的准确性。支持度较低的分支可能使直系同源关系的判定存在不确定性。
基于图的方法
基于图的方法将基因表示为节点,将选定的序列关系表示为边,再通过聚类程序识别相关基因群。
这些方法能够较好地扩展到大型数据集,但一个聚类的生物学含义取决于如何选择边以及如何进行聚类。一个聚类可能代表一个直系同源群、范围更广的同源基因家族,或对一组直系同源关系的近似表示。仅凭聚类并不能确定所有成员都两两互为直系同源基因。
基因组背景
同线性,包括保守的基因顺序和邻近基因,可提供额外证据。对于位于亲缘相关基因组中对应区域的基因,通常更容易将其与相似的重复拷贝区分开来。
在片段重复或与多倍性相关的全基因组重复之后,基因组背景尤其有用。随着重排、重复和丢失不断累积,其作用可能减弱。位置保守可支持直系同源关系的推断,但其本身并不是直系同源的定义。
直系同源与生物学功能
直系同源广泛用于功能注释:在一种生物中通过实验获得的基因信息,可以帮助解释另一种生物中直系同源基因的功能。由于源自同一个祖先基因,直系同源基因通常保留着相关的生化活性、相互作用伙伴或生物学作用。
然而,直系同源并不保证功能完全相同。直系同源基因之间可能存在以下差异:
这些变化可以通过突变、自然选择及其他进化过程不断累积。反过来,旁系同源基因也可以长期保持非常相似的功能。
一种观点认为,与分化程度相当的旁系同源基因相比,直系同源基因的功能往往更保守,这通常称为直系同源猜想。对这一猜想的评估取决于如何定义功能、比较哪些基因,以及如何处理实验注释分布不均的问题。直系同源是判断功能对应关系的有用证据,但不能替代实验证据。
应用
比较基因组学与进化基因组学
直系同源使研究者能够比较不同物种中的对应基因,同时区分继承自共同祖先的相似性与基因重复造成的结果。它为研究基因的获得与丢失、基因组组织、基因家族扩张以及生物学通路的变化提供支持。
直系同源序列还可为估计进化速率和研究分子进化模式提供数据。
物种树重建
直系同源基因,尤其是经过仔细筛选的单拷贝基因,被广泛用于重建物种之间的亲缘关系。如果混入了未被识别出的旁系同源基因,得到的基因树可能反映的是基因重复历史,而非物种分化历史。
即使正确识别了直系同源基因,也不一定能得到完全相同的基因树。不完全谱系分选等过程无需涉及基因重复,就能使基因谱系与物种树不一致。
跨物种实验比较
直系同源有助于将不同生物中的实验联系起来。研究者利用它比较发育系统、细胞过程、代谢通路以及对环境条件的响应。
这些比较需要注意对应关系的层次。一对多关系可能意味着,一种生物中的多个基因在整体上对应于另一种生物中的单个基因,而不是其中任何一个拷贝都与该基因在功能上完全等同。
复杂情况与局限性
基因重复与差异性丢失
祖先中发生基因重复,随后不同后代谱系又丢失不同的拷贝,可能产生隐蔽旁系同源。每个物种可能只保留一个基因,形成表面上的一对一匹配,但存留下来的基因实际上来自不同的祖先拷贝。扩大物种取样范围并结合基因组背景,有助于揭示这段历史。
水平基因转移
水平基因转移使遗传物质在谱系之间转移,而不是通过通常的亲代到后代的方式传递。它在细菌和古菌中尤为重要。
经转移获得的同源基因有时称为异源同源基因,不过术语用法并不统一。基因转移可能导致最相近的序列匹配出现在亲缘关系较远的物种中,并使那些假定基因仅通过垂直方式遗传的方法面临困难。
重组与基因转换
同源重组和基因转换可以使同一基因的不同区域具有不同的进化历史。旁系同源基因之间的基因转换可能使它们变得异常相似,从而掩盖更早发生的基因重复。
结构域重排以及基因融合或裂分也会造成类似的困难:蛋白质的一部分可能对应于某个祖先基因,而另一部分却具有不同的起源。在这些情况下,为整条序列指定单一的关系,可能掩盖具有重要生物学意义的复杂性。
不完全谱系分选
祖先的遗传变异可以跨越连续发生的物种形成事件而持续存在。因此,直系同源基因座的谱系可能与物种的分支顺序不同。如果协调分析方法将所有此类不一致都解释为基因重复或丢失,就可能推断出实际上并未发生的事件。
数据质量与取样
组装不完整、基因缺失、污染、基因模型错误,以及对可变转录本的处理不一致,都可能影响关系推断。由可变剪接产生的蛋白质异构体并不是独立的基因重复产物,但如果将每个异构体都视为独立基因,就可能夸大表观拷贝数。
物种取样不足也可能掩盖基因重复和丢失事件。因此,可靠的直系同源判定既取决于推断方法,也取决于基础数据。报告某种关系时,若同时说明其分类群范围、判定方法和支持证据,该结果才最具信息价值。