人類基因組編碼的蛋白質數量不少于20萬個。上海交通大學生命科學技術學院韋朝春副教授領銜的研究團隊，通過DNA序列并結合其他證據預測人類基因組蛋白質得出上述結論。以博士研究生胡智強為第一作者的相關學術論文，日前在線發(fā)表于《自然》系列刊物《科學報告》上。專家認為，該研究提高了對基因組復雜性的理解，為生物醫(yī)學研究提供了更完整的人類參考基因組注釋。 
　　據介紹，目前人們已經知道能夠編碼蛋白質的人類基因數量是2萬多個，但由于可變剪切機制，同一個基因可以表達成多個不同的蛋白質，這2萬多個人類基因究竟能編碼多少個蛋白質目前仍是個謎。雖然各種高通量測序方法進展飛速，但很多蛋白質只在特定組織、一定的發(fā)育階段或者特定條件下才表達，因此通過實驗的方法檢測人類所有蛋白質，在目前技術條件下幾乎不可能。然而，從人類基因組序列直接預測蛋白質序列的方法可以避免這個缺陷。 
　　韋朝春研究團隊首先開發(fā)了一個直接從基因組序列從頭預測可變剪切的方法，結合現有的海量基因表達數據，包括轉錄組和蛋白質組數據，找到了約3萬個現有數據庫中沒有的蛋白質序列。隨機抽樣并設計實驗驗證表明，約85%的預測結果可以得到實驗驗證。這些蛋白質序列使現有數據庫中完整的蛋白質序列數量增加到約9萬個。和公共數據庫中已有的蛋白質相比，這些新發(fā)現的蛋白質的表達具有更高的組織特異性，表達量相對較低，因而也更難被發(fā)現。根據這些結果，科研人員預測人類基因組編碼的蛋白質數量不少于20萬個。 
　　澳大利亞阿德萊德大學、美國范德堡大學、中國第二軍醫(yī)大學和上海生物信息技術研究中心參與了該項目的合作研究。