基因家族

基因家族（gene family）是指在基因组进化过程中，由一个祖先基因通过基因重复（gene duplication）产生两个或多个拷贝而形成的一组基因。这些基因通常具有高度相似的核苷酸序列，编码结构相似或功能相关的蛋白质产物。基因家族是生物复杂性和多样性的重要来源，广泛存在于从原核生物到真核生物的各类基因组中。

最早由Sanger等人在20世纪70年代发现珠蛋白基因存在多个变异体后提出基因家族概念。1980年，Hood等人系统定义了基因家族为“一组起源于共同祖先的基因，其序列相似性通常超过50%”。随着基因组测序技术的发展，基因家族的定义已扩展到基于序列相似性、结构域组成和系统发育关系进行划分。目前，常用的基因家族数据库如Pfam、PANTHER等采用隐马尔可夫模型（HMM）进行家族分类。

基因家族主要通过以下机制形成：

• 串联重复：DNA复制时发生不等交换，导致基因拷贝在染色体上连续排列，形成基因簇。例如组蛋白基因家族。
• 片段重复：染色体片段的复制后插入到基因组其他位置。
• 全基因组重复：整个基因组加倍，形成多倍体，随后基因分化。例如酵母、拟南芥等。
• 转座介导的重复：逆转录转座子将mRNA反转录为cDNA后整合至基因组，产生缺少内含子的加工假基因。

基因家族成员在进化过程中可能经历新功能化（neofunctionalization）、亚功能化（subfunctionalization）或假基因化（pseudogenization）。新功能化指一个拷贝获得全新功能；亚功能化指祖先基因的功能被分割到不同拷贝中；假基因化则是突变导致基因失活。进化速率分析表明，重复后早期，一个拷贝通常受到放松选择压力，随后固定或消失。

鉴定基因家族通常基于序列相似性BLAST比对、结构域搜索（HMM）、系统发育分析（最大似然法）以及共线性分析。常用数据库包括NCBI Gene、Ensembl、GeneCards等。高通量测序数据可揭示不同物种中基因家族的扩张与收缩。

基因家族为生物提供了功能冗余和进化可塑性。例如：

• 免疫多样性：免疫球蛋白、T细胞受体基因家族通过基因重排产生多样化抗体。
• 代谢适应：P450细胞色素家族参与外来物代谢。
• 发育调控：Hox基因家族调控胚胎前后轴发育。

基因家族的异常重复或缺失与遗传病、癌症相关。例如：

• CYP2D6基因拷贝数变异影响药物代谢。
• EGFR基因家族扩增见于非小细胞肺癌。
• 珠蛋白基因突变导致α-或β-地中海贫血。

基因家族分析在系统发育基因组学、功能基因组注释、基因编辑靶点选择及合成生物学领域具有广泛应用。未来结合单细胞转录组和表观组学，可深入理解家族成员在细胞类型特异性表达中的作用。

• Nei M, Rooney AP. Concerted and birth-and-death evolution of multigene families. Annu Rev Genet. 2005;39:121-52.
• Ohno S. Evolution by gene duplication. Springer-Verlag; 1970.
• Henikoff S, Greene EA, Pietrokovski S, et al. Gene families: the taxonomy of protein paralogs and chimeras. Science. 1997;278(5338):609-14.
• Zhang J. Evolution by gene duplication: an update. Trends Ecol Evol. 2003;18(6):292-8.
• 高洁, 苏丽娜, 陈建安. 基因家族扩张与收缩在植物适应性进化中的作用. 植物学报. 2020;55(3):336-45.
• 李明, 张勇. 基因组重复事件与基因家族演化. 遗传. 2015;37(9):877-86.