Strong correlation between amino acid frequency and codon degeneracy in genetic codes across all domains of life
这项研究揭示了所有生命领域及病毒中氨基酸频率与密码子简并度之间存在强相关性，表明遗传密码最初的进化是为了匹配氨基酸需求，随后才因后期的进化压力导致了这一模式的偏离。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
从最微小的细菌到最大的鲸鱼，地球上所有的生命都依赖着同一套基本的指令手册来构建蛋白质。这本手册就是遗传密码，一个通用的系统，它将被称为“密码子”的三字母化学词汇序列，翻译成构成蛋白质的二十种不同的构建模块，即氨基酸。虽然这套代码的字母表是固定的，但关于多少个词对应每个构建模块的规则却出奇地不均衡。有些氨基酸被分配了一个三字母词，而另一些则有高达六个不同的词，却表达完全相同的意思。几十年来，科学家们一直在思考，这种不均匀的分布是历史的一个随机偶然，还是由生命的需求精心塑造的。具体来说，他们一直在探究：分配给某种氨基酸的词数是否与该氨基酸在体内蛋白质中出现的频率相匹配。如果自然界需要大量的某种构建模块，它是否会自然而然地为其分配更多的词，以简化生产过程？或者，是词的数量决定了最终产物中该构建模块的使用量？
耶拿弗里德里希·席勒大学的一个研究小组致力于通过观察整个生命之树的实际数据来解决这一问题。他们收集了来自2 v万多个不同生物体的遗传信息，涵盖了细胞生命的三大主要领域——古菌、细菌和真核生物——以及病毒。他们并没有试图猜测或模拟可能发生的情况，而是简单地统计了这些生物体蛋白质中的氨基酸数量，并将这些现实世界的数字与遗传密码预测的理论数字进行比较。为了确保结果的准确性，他们考虑到了不同生物具有不同 DNA 化学组成这一可能导致结果偏差的因素。他们平等地对待每种蛋白质，无论其在细胞中的活性如何，以获得关于整体构建模块使用情况的纯粹图景。
研究揭示了一个引人注目的模式：氨基酸拥有的词数与其在蛋白质中出现的频率之间存在着强有力且一致的联系。通常情况下，拥有更多同义密码子的氨基酸会被发现存在更高数量，而那些词数较少的氨基酸则出现较低的数量。这种相关性在所有生命领域中都成立，表明遗传密码确实是为了匹配早期生命的需求而经过塑造的。研究人员发现，那些在生命起源前的世界中可能最早可获得的简单氨基酸，被分配了最多的词，并且在今天的蛋白质中也最为丰富。相反，在进化过程中较晚出现的复杂氨基酸被赋予了较少的词，且在蛋白质中的含量也较低。
然而，故事并非完全简单。虽然整体趋势很强，但研究人员也确定了某些始终打破规则的特定氨基酸。四种氨基酸——谷氨酸、天冬氨酸、赖氨酸和甲硫氨酸——的使用频率远高于它们所属的密码子数量所暗示的水平。相比之下，半胱氨酸、精氨酸、组氨酸和脯氨酸的使用频率则低于预期。研究团队提出，这些偏差并非随机错误，而是后期进化压力的结果。例如，甲硫氨酸之所以被过度使用，是因为它作为构建每种蛋白质必不可少的起始信号，这一角色要求无论其代谢成本多高都必须存在。相反，含有硫元素的半胱氨酸使用较少，可能是因为环境中的硫往往稀缺，且过多的半胱氨酸会导致蛋白质发生错误的聚集。同样，脯氨酸的使用较为克制，因为其刚性结构会使蛋白质难以折叠成发挥功能所需的形状。
研究人员还探讨了遗传密码是否是一个“冻结的偶然”——这是诺贝尔奖得主弗朗西斯·克里克提出的术语，意指该代码是由偶然确定的，无法改变。他们的发现挑战了这一观点。词数与使用率之间的强相关性表明，代码并非随机生成的，而是经过优化以满足最早生命形式的需求。然而，一旦代码变得固定，生命便继续进化。随着生物适应新环境并发展出复杂的生理功能，自然选择微调了特定氨基酸的丰度，导致它们偏离了最初的平衡。遗传密码本身保持“冻结”，但它所构建的蛋白质却在变化，以适应生物体的需求。
这项研究最令人惊讶的方面之一是，这种模式在真核生物（包括植物、动物和真菌在内的复杂生物）中依然保持得如此完好，而这些生物是在遗传密码建立数十亿年后才进化的。尽管进化距离极其遥远，密码子数量与氨基酸频率之间的相关性在这些复杂生命形式中依然显著。这表明，初始的代码设计如此有效，以至于它已成为一项基础规则，即便在生命多样化为如今我们所见的无数形态时，它依然稳固。研究还指出，虽然某些氨基酸被过度代表或代表不足，但蛋白质中正负电荷的总体平衡在不同环境下仍保持相对稳定，这表明自然界维持着一种微妙的平衡，以保持蛋白质的可溶性和功能性。
最终，这项全面的分析为如何编写生命这本指令手册提供了更清晰的图景。它表明，遗传密码并非随机的分配集合，而是一个根据生命诞生之初构建模块的可获得性和成本而调整过的系统。虽然后期的进化压力为了满足特定的生物学需求引入了变异，但代码的底层结构仍然清晰地印刻着那些远古需求的痕迹。研究证实，分配给每种氨基酸的词数是预测其在蛋白质中出现频率的强大指标，这为我们窥见塑造最初生命系统的约束与选择提供了一个难得的机会。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。