一、核心概念

高同源區(qū)段指的是在不同DNA序列之間，存在異常高程度的序列一致性的基因組區(qū)域。

“同源"：這意味著這些序列共享一個共同的祖先序列。高相似性通常是由于在進(jìn)化過程中，這些區(qū)域受到強烈的功能約束或受限于復(fù)制時間而未分化。

二、高同源區(qū)段的類別

1.亞基因組

在異源多倍體生物中（如小麥、棉花、油菜），它們由兩個或多個不同的祖先物種雜交形成。形成的新基因組中，來自不同祖先的幾套染色體組就被稱為亞基因組。

與高同源區(qū)段的關(guān)系：

這些不同的亞基因組擁有共同的遠(yuǎn)古祖先，因此它們之間在整體上就是同源的。在異源多倍體物種中，不同亞基因組之間的同源染色體上存在大量高同源區(qū)段。例如，小麥A基因組上的某個基因區(qū)段，在B和D基因組的對應(yīng)位置上，幾乎一定能找到序列高度相似的區(qū)段。這些高同源區(qū)段的存在是多倍體物種進(jìn)行基因表達(dá)調(diào)控（例如部分同源基因的選擇性沉默或表達(dá)）和減數(shù)分裂時染色體正確配對的分子基礎(chǔ)，同時也為育種提供了豐富的遺傳變異。

2.假基因

假基因是基因組中由于突變（如移碼突變、無義突變、啟動子缺失等）而喪失原有蛋白質(zhì)編碼功能的基因拷貝。

與高同源區(qū)段的關(guān)系：

假基因來源于功能性基因的復(fù)制（通過逆轉(zhuǎn)錄或基因組DNA復(fù)制），因此在誕生之初，它與它的親本功能基因的序列是高度同源的。隨著時間推移，由于不再受到自然選擇的壓力，假基因會積累更多突變，其序列同源性會逐漸降低。但一個“年輕"的假基因與其功能基因之間，依然會是一個典型的高同源區(qū)段。識別假基因的主要方法之一，就是在基因組中發(fā)現(xiàn)與功能基因序列高度相似但含有致命突變（如提前出現(xiàn)終止密碼子）的區(qū)段。

3.重復(fù)序列

指在基因組中重復(fù)出現(xiàn)多次的DNA序列?？煞譃閮纱箢悾捍?lián)重復(fù)序列：如衛(wèi)星DNA（著絲粒、端粒區(qū)）、微衛(wèi)星DNA。散在重復(fù)序列：如轉(zhuǎn)座子，包括DNA轉(zhuǎn)座子和逆轉(zhuǎn)錄轉(zhuǎn)座子。

與高同源區(qū)段的關(guān)系：

重復(fù)序列的本質(zhì)就是自我復(fù)制和增殖。同一個家族的重復(fù)序列（尤其是轉(zhuǎn)座子）在基因組中有成千上萬個拷貝。這些拷貝之間序列高度相似，構(gòu)成了基因組中常見的高同源區(qū)段。這些高同源區(qū)段是基因組組裝的主要挑戰(zhàn)，因為短的測序讀數(shù)無法準(zhǔn)確區(qū)分這些幾乎一模一樣的區(qū)域，容易導(dǎo)致錯誤。同時，它們也是染色體在減數(shù)分裂時發(fā)生非等位同源重組的主要根源，從而導(dǎo)致基因缺失、重復(fù)等結(jié)構(gòu)變異。

4.同源基因

指來源于一個共同祖先基因的那些基因。根據(jù)來源方式可分為：

直系同源基因：源于物種形成事件（如人類和老鼠的胰島素基因），通常保留相同功能。

旁系同源基因：源于基因復(fù)制事件（如人類體內(nèi)的多個珠蛋白基因），功能可能分化。

與高同源區(qū)段的關(guān)系：

同源基因之間必然存在同源區(qū)段，但其相似性“高"與否取決于進(jìn)化時間和功能約束。近期產(chǎn)生的旁系同源基因（如人類HBA1和HBA2珠蛋白基因）：序列一致性高，是典型的高同源區(qū)段。它們可能形成基因簇。古老的同源基因：雖然同源，但經(jīng)過億萬年的變異積累，序列相似性可能已經(jīng)不高，主要在關(guān)鍵功能域上保留較高相似性。

測序過程中，高相似性的序列容易引發(fā)測序錯誤和數(shù)據(jù)分析的困難。那如何解決這問題呢？