深度长文：人类根本不纯粹！你的DNA里，只有1.5%是真正的“你自己”

如果我问你，你身体里的 DNA 有多少是 “人类自己” 的？

你大概率会觉得这是句废话：遗传物质当然全都是自己的，难不成还能是别人塞进来的？

但真相可能会彻底颠覆你的认知：在人类基因组那 30 亿个碱基对里，真正用来编码蛋白质、支撑我们身体运转的 “人类自有基因”，只占区区 1.5%。剩下的序列里，有将近一半都是各式各样的 “外来闯入者” 留下的痕迹。有只会自我复制的寄生 DNA 片段，有远古病毒埋在基因组里的化石，甚至还有从细菌身上 “捡” 来的零散基因。

说白了，我们的基因组从诞生之初就不是一张精心设计的纯净蓝图，更像是一本经过几十亿年反复涂改、粘贴、夹带私货的旧书。

里面写满了演化的偶然，也藏着我们完全没意识到的生命过往。

要讲清楚这些外来基因，咱们得先从 DNA 测序技术说起。毕竟看不见摸不着的东西，你得先完整读出来，才知道里面藏着什么。

1977 年，英国生物化学家弗雷德里克・桑格搞出了一个划时代的技术桑格测序法，也叫链终止法。

这个技术的厉害之处，在于它能让人类一个碱基、一个碱基地把 DNA 序列给 “读” 出来。

别小看这个 “读”。

在这之前，人类对基因的研究基本都是瞎子摸象，只能看到零散的片段，从来没见过完整的基因组是什么样。

桑格用这个方法，测出了人类历史上第一个完整的生物基因组：噬菌体 φX174。

这是一种专门感染细菌的小病毒，全长也就 5386 个碱基。

放在今天，这个长度连入门级都算不上，但在当时绝对是突破性的时刻 ,人类第一次完整读完了一个生命体的全部遗传密码。

桑格也凭着这个成果，拿到了自己的第二个诺贝尔奖。

从那之后，测序技术就开始朝着更大的基因组一路狂奔。

1995 年，第一个细菌基因组，流感嗜血杆菌测完了，全长 180 万个碱基；1996 年，第一个真核生物基因组，酿酒酵母也搞定了，1200 万个碱基。

眼看着技术越来越成熟，有人就动了个在当时近乎疯狂的念头：要不，咱们把人类自己的基因组全测了？

这个想法一出来，立马在学界炸了锅。

人类基因组有多大？足足 30 亿个碱基对。

以当时的技术，一个实验室辛辛苦苦干一年，也就测个几万碱基。

这么算下来，得猴年马月才能测完？

更关键的是，当时很多人坚信，基因组里大部分都是没用的 “垃圾 DNA”，花几十亿、十几年去测这些没用的片段，纯属浪费资源。

支持的人则说，这是一劳永逸的事。

只要有了完整的人类基因组图谱，所有遗传疾病的研究就有了根，再难的问题也能慢慢找到答案。

吵来吵去，最终还是支持者赢了。

1990 年，人类基因组计划正式启动，美、英、法、德、日、中六个国家联手，计划用 15 年时间，花费 30 亿美元，把人类基因组的 30 亿碱基完整测出来。

熟悉测序的朋友可能知道，测序技术有个天生的短板：它没办法把一整条染色体从头读到尾，一次最多也就读取几百个碱基。

怎么办呢？

只能把整个基因组打碎成几百万个小片段，每个片段单独测序，再靠计算机寻找片段之间的重叠区域，一点点把它们拼回完整的序列。

听起来简单，做起来却遇到了大麻烦。

当时科学家发现，基因组里存在大量长得一模一样的重复序列。两个片段的序列完全相同，计算机根本分不清它们到底来自基因组的哪个位置，一拼接就出错。

当时没人知道这些重复序列是哪来的，只觉得它们又多又烦，是测序路上最大的绊脚石。

后来我们才知道，这些当年让人头疼的重复序列，恰恰就是那些 “外来基因” 留下的脚印。

中间还有个小插曲。

1998 年，科学家文特尔的私人公司塞莱拉基因组突然跳了出来，说要用更激进的鸟枪法，花更少的钱、更短的时间搞定人类基因组，还要把测序数据申请专利。这一下极大刺激了公共项目的进度，两边开始疯狂竞速。

最终，2000 年 6 月，美国总统克林顿和英国首相布莱尔联合宣布，人类基因组草图完成。

到 2003 年，高精度的基因组序列正式发布，比原计划提前了两年。

不过要说明一点，2003 年的版本并不是真正意义上的 “完整”。

那些重复序列最密集的区域，当时的技术根本测不通，留下了很多空白。

真正从头到尾、连所有极端重复序列都包含在内的完整人类基因组，要等到 2022 年，才由 “端粒到端粒联盟” 最终完成。

而那些当年测不通的空白区，恰恰就是外来序列最集中的地方。

基因组测完了，科学家们兴冲冲地去分析结果，第一个发现就给所有人整懵了。

在测序之前，学界普遍预测人类怎么也得有 10 万个基因。毕竟人类这么复杂，体内几百种细胞，各种精密的生理功能，基因少了怎么够用？

结果呢？人类只有大约 2 万个编码蛋白质的基因，只占整个基因组的 1.5%。

什么概念？一只果蝇都有 1.4 万个基因，一株水稻更是有 3.7 万个基因。论基因数量，我们连水稻都比不过。

那剩下 98.5% 的 DNA 都是啥？难道真的是 “垃圾”？

随着研究慢慢深入，谜底逐渐揭开。其中占比最大的一类外来序列，叫做转座子，大约占了整个基因组的 45%，接近一半。

转座子，名字从英文 transposable element 翻译过来，说白了就是 “能移动位置的 DNA 片段”。

不过它不是把自己剪下来挪走，而是先复制出一份自己的拷贝，再把这个副本插到基因组的另一个地方。

你可以这么理解：基因组就像一本厚厚的书，转座子就是书里的一段 “复制粘贴狂魔”。它什么正事都不干，就专门把自己复制一份，随便插到书的某一页里。复制得越多，它在书里占的篇幅就越大。

从本质上讲，转座子就是一类 “自私的 DNA”。

它没有意识，也没有目的，它只是恰好拥有自我复制的能力。

在演化的长河里，能复制的序列自然会越来越多，不能复制的就慢慢被淘汰了。

就这么简单的逻辑，经过数亿年的积累，它们就在我们的基因组里占了将近半壁江山。

说到转座子，就不得不提一位传奇的女科学家，芭芭拉・麦克林托克。

早在上世纪 40 年代，她在研究玉米籽粒颜色的时候，就发现了一个奇怪的现象：玉米的颜色遗传完全不按常理出牌，一会儿变深一会儿变浅，好像有什么东西在基因里跳来跳去。

她把这种会 “跳” 的遗传元件叫做 “转座子”，还提出转座子可以调控附近基因表达的理论。

但这个想法太超前了，当时的学界根本不接受，觉得这就是个女科学家的异想天开。

直到几十年后，分子生物学技术发展起来，人们才在细菌、果蝇里真的找到了转座子，才证明麦克林托克是对的。

1983 年，81 岁的麦克林托克终于拿到了诺贝尔生理学或医学奖，而这距离她提出转座子理论，已经过去了三十多年。

话说回来，我们的身体当然不会任由这些转座子在基因组里乱跳。毕竟要是随便插到重要基因中间，那还了得？

经过亿万年的协同演化，细胞早就演化出了一套压制转座子的组合拳。

最常用的手段叫DNA 甲基化，说白了就是给转座子的序列上贴个 “化学封条”，让它们没法被读取，也就没法复制自己。

还有一种手段是用专门的小 RNA，在生殖细胞里全程盯着转座子，只要它敢转录出产物，就立刻给降解掉。

这套压制系统非常给力，人类基因组里超过 99% 的转座子拷贝都已经彻底失活了。它们就像一个个古老的化石，安安静静地躺在基因组里，不帮忙也不捣乱。

但压制也不是永远彻底的。

比如在生殖细胞形成的某个阶段，细胞需要把表观遗传标记全部重置一遍，这时候对转座子的压制就会暂时松动。少数转座子会趁机跳出来，复制一个自己插到新的位置，然后很快又被重新压制回去。

一个转座子插到新位置之后，一般有三种不同的结局。

第一种也是最常见的，叫中性沉默。

它刚好插到了基因组的 “荒地” 里，周围啥重要基因都没有，什么功能也不影响。时间一长，它自己积累了各种突变，慢慢就失去了复制能力，永远沉默下去。我们基因组里绝大多数转座子的残骸，都是这么来的。

第二种，就是带来伤害。

如果它运气不好，正好插到了某个关键基因的中间，直接把这个基因给破坏了，那就会出问题。比如有些血友病、杜氏肌营养不良症，追根溯源，就是一次转座子插入，把正常的基因给打断了。

第三种，也是最有意思的一种，就是被宿主驯化，变废为宝。

你别觉得转座子全是坏处。在漫长的演化里，偶尔也会有转座子插入的位置恰到好处，反而给宿主带来了好处。自然选择一看，哎这个不错，就给保留下来了。

最典型的例子就是基因的调控开关。

我们的基因不是一直开着的，什么时候开、在什么细胞里开、开多大剂量，都得有精准的调控。负责调控的就是基因组里的各种 “开关” 序列，也就是转录因子结合位点。

2020 年有一项大规模研究，分析了人类基因组里约 130 万个这样的调控位点，结果发现：其中大约 13% 的调控序列，竟然都来源于转座子！

说白了就是，我们基因调控网络里的一部分开关，是用古老转座子的残骸拼出来的。

转座子带着自己的调控序列到处乱跳，偶然跳到某个基因旁边，就可能影响这个基因的表达。

大多数时候是坏事，就被自然选择淘汰了；但少数时候刚好调控得恰到好处，就被细胞留下来，变成了自己的工具。

还有一个更神奇的例子：女性的 X 染色体失活。

我们都知道，女性有两条 X 染色体，男性只有一条。为了避免基因剂量翻倍出问题，女性每个细胞里都会有一条 X 染色体被整体沉默掉，这个过程就叫 X 染色体失活。

科学家很早就发现了一个怪事：LINE 元件（转座子的一个大类）在 X 染色体上的分布密度，远远高于其他染色体。

现在主流的假说认为，这些 LINE 序列就像是沉默信号的 “中继站”。沉默信号从 X 染色体上的某个中心发出来，靠着遍布整条染色体的 LINE 元件，一站一站地扩散开去，最终才能把整条染色体都给关掉。

如果这个假说是真的，那女性这套最核心的基因调控机制，居然是靠古老的转座子遗迹来完成的。

如果说转座子还算是基因组里的 “常住居民”，那接下来要说的这类，就是不折不扣的 “外来入侵者” 后代，内源性逆转录病毒，简称 ERV。

它们在人类基因组里大概占 8%。

别看比例不如转座子高，但它们的来头可大不一样：它们是真正的病毒留下的化石。

先说说逆转录病毒是啥。

比如大家熟悉的 HIV，就是典型的逆转录病毒。这类病毒的感染方式很特别：它进入细胞之后，会把自己的遗传物质逆转录成 DNA，然后直接整合到宿主细胞的染色体里，变成宿主基因组的一部分。

也就是说，一旦被逆转录病毒感染，你的细胞里就永远带着它的基因了。

不过一般情况下，病毒感染的都是体细胞，比如免疫细胞、肝脏细胞、皮肤细胞。这些细胞死了，里面的病毒序列也就跟着没了，不会传给下一代。

但凡事都有例外。

在极其偶然的情况下，逆转录病毒感染了生殖细胞，也就是精子或者卵子。这时候，整合进生殖细胞基因组里的病毒序列，就会随着受精卵一起，传给下一代，再下一代，子子孙孙传下去。

久而久之，这些病毒序列就成了这个物种基因组里的固定成员，这就是内源性逆转录病毒的由来。

可以说，人类基因组里的每一段 ERV，都是一次远古病毒感染留下的印记。它们记录了几百万甚至几千万年前，我们的祖先曾经感染过哪些病毒。

科学家甚至能通过 ERV 来追溯演化历史：有些 ERV 是人类和黑猩猩共有的，说明这次感染发生在 600 万年前，人和黑猩猩还没分家的时候；还有些 ERV 只有人类才有，说明那是人类这一支独立演化之后才遇上的病毒。

和转座子一样，绝大多数 ERV 也都已经突变失活了，变成了基因组里的病毒化石。

但也有少数 ERV，被演化给 “废物利用” 了，而且用得还非常关键。

最著名的例子，就是合胞素和胎盘的诞生。

哺乳动物的胎盘里有一层结构叫合胞体滋养层，它是胎盘和母体血液接触的地方，负责给胎儿输送营养、阻挡病原体。这层结构有个特点：它是由大量细胞融合在一起，形成的一个巨大的多核细胞。

那细胞和细胞怎么才能融合在一起呢？靠的就是一种叫合胞素的蛋白质。

2000 年的时候，研究人员发现了一件震惊学界的事：编码合胞素的基因，根本就不是人类自己的，它来自内源性逆转录病毒的包膜蛋白基因！

逆转录病毒当年就是靠包膜蛋白来和宿主细胞膜融合，从而感染细胞的。结果我们的哺乳动物祖先，直接把病毒这套 “融合细胞” 的本事给借过来了，用来构建自己的胎盘。

更有意思的是，不同的哺乳动物，还各自独立驯化了不同来源的 ERV 来干这件事。人类用的是 HERV-W 和 HERV-FRD 来源的合胞素，小鼠用的则是完全不一样的另一种 ERV。

换句话说，如果没有那次远古的病毒感染，如果我们的祖先没有把病毒基因驯化过来，可能就不会有胎盘这种结构，也就不会有今天的哺乳动物，更不会有人类。

你看，演化有时候就是这么奇妙：一次偶然的病毒感染，居然改写了整个脊椎动物的演化路线。

当然，ERV 也不全是好处。比如有些 ERV 在特定情况下被重新激活，可能和自身免疫病、神经退行性疾病甚至癌症有关。

毕竟是病毒的残骸，一旦失控，还是可能出乱子的。

除了转座子和 ERV，我们的基因组里还有一类更罕见、也更有争议的外来基因，叫做水平基因转移，简称 HGT。

什么叫水平基因转移？

简单说就是，不是从父母那里遗传来的，而是直接从其他物种那里 “横向” 拿过来的基因。

这事在细菌界简直就是家常便饭。

细菌可以直接从环境里捡 DNA，也可以通过噬菌体在不同菌株之间传基因。我们常说的细菌耐药性传播那么快，主要靠的就是水平基因转移。

但在多细胞真核生物里，水平基因转移就极其罕见了。

为啥？因为多细胞生物有生殖细胞屏障。

你想啊，一个细菌的 DNA，要先进入生物体内，再穿过层层细胞屏障，精准地进入生殖细胞，还要正好整合到生殖细胞的染色体里，最后还得成功遗传给后代。

这一连串事件同时发生的概率，低到可以忽略不计。

2001 年人类基因组草图刚发表的时候，有一篇配套的分析文章说，在人类基因组里发现了 113 个可能来自细菌的水平转移基因。当时这个结论一出来，立刻引发了轩然大波，争议特别大。

后来经过更严格、更细致的分析，大家发现这里面很多都是乌龙。比如有些基因，当时以为只有人类和细菌有，结果后来在其他亲缘物种里也找到了，说明那就是正常遗传下来的，不是横向转移的。

目前学界比较公认的结论是：人类基因组里确实存在水平转移来的基因，但数量很少，也就几十个，占基因组的比例微乎其微。

怎么判断一个基因是不是水平转移来的？

逻辑很简单：如果一个基因在人类和细菌里都有，但在所有和人类亲缘更近的动物里都找不到，那最合理的解释就是，它是某个远古时候，从细菌那里横向转移过来的。

当然，这个判断高度依赖我们已经测过的物种基因库。

说不定以后哪天又测出个什么物种，发现里面也有这个基因，那 HGT 的结论可能就又被推翻了。

说到这，你可能会感慨：原来我们的基因组里居然有这么多 “外来户”。

有只会复制自己的寄生转座子，有远古病毒留下的化石，还有零星从细菌那里捡来的基因。真正属于人类自己的编码基因，只有可怜的 1.5%。

那这些东西都是 “垃圾” 吗？

当然不是。

曾经有很长一段时间，学界把这些非编码 DNA 都叫做 “垃圾 DNA”。

但现在我们越来越清楚，它们根本不是垃圾。它们是演化的素材，是历史的印记，甚至是我们能活到今天的功臣。

没有转座子提供的调控序列，我们的基因可能没法这么精准地开关；没有远古病毒的合胞素，我们可能根本不会有胎盘，不会成为胎生的哺乳动物。

那些看似偶然的入侵、看似无用的残留，在亿万年的演化中，慢慢变成了我们身体的一部分。

其实换个角度想，生命演化本来就没有什么 “设计图”，也没有什么 “纯粹的物种”。

我们都是在一次次偶然中，不断拼凑、不断修改，才走到了今天。

你身体里的每一个细胞里，都藏着几十亿年的演化故事。

有细菌的痕迹，有病毒的痕迹，有各种奇奇怪怪生物的痕迹。它们共同写成了你的遗传密码，也共同塑造了今天的你。