2.2 DNA结构与突变机制

2.2 DNA 结构与突变机制

本节摘要：突变是进化的原材料，但它有自己的"统计学性格"：类型分布高度不均、速率数量级极低但从不为零、方向与生物的需要无关。本节按尺度从小到大清点各类突变，用代码模拟一个简化的复制错误模型，看突变谱如何自然形成，并解释移码、重复、倒位这些"大突变"为何在进化上远比点突变更具戏剧性。

突变从哪里来

DNA 每次复制要拷贝约三十亿碱基，聚合酶的校对系统把错误率压到每碱基每代约百亿分之一。剩余的错误来源还有三类：化学损伤（脱氨、氧化）、物理因素（紫外线诱导二聚体）、可移动元件（转座子）的插入。进化学关心的是净结果：每个基因组每代约新增几十个突变，其中发生在编码区、且改变氨基酸的，只是少数。

关键澄清"随机"一词：突变随机，指的是与个体的需要无关——生活在抗生素环境中的细菌，并不会因此更多地产出耐药突变。但这不等于"没有概率结构"：不同类型的突变发生率差异极大，转换多于颠换、重复序列间更易滑链。第 5 章的分子钟正是建立在这种速率的相对稳定性上。

突变类型谱系

注意"基因重复"一行：一份拷贝维持原功能、另一份自由积累突变，是新功能基因（如嗅觉受体家族、血红蛋白簇）的主要来源。进化的大部分"创新"走的不是改旧零件，而是复制后特化。

演练一：模拟一个简化的复制错误谱

import random

def replication(seq, sub_rate=0.001, indel_rate=0.0002, rng=None):
    """一轮复制：碱基替换 + 插入缺失，返回新序列与事件记录"""
    rng = rng or random.Random()
    bases = "ACGT"; new = []; events = []
    i = 0
    while i < len(seq):
        b = seq[i]
        r = rng.random()
        if r < sub_rate:                        # 替换
            nb = rng.choice([x for x in bases if x != b])
            new.append(nb); events.append(("sub", i, b, nb))
        elif r < sub_rate + indel_rate and rng.random() < 0.5:
            new.append(b); new.append(rng.choice(bases))  # 插入
            events.append(("ins", i, "-", "-"))
        elif r < sub_rate + indel_rate:
            events.append(("del", i, b, "-"))   # 缺失，跳过该碱基
        else:
            new.append(b)
        i += 1
    return "".join(new), events

rng = random.Random(5)
lineage = "ATGCGTACGTATCGATCGATCGTAGCTA" * 10   # 300 碱基祖先
total = {"sub": 0, "ins": 0, "del": 0}
for gen in range(50):                            # 50 代传递
    lineage, ev = replication(lineage, rng=rng)
    for e in ev:
        total[e[0]] += 1
print("50 代累计突变谱:", total, " 序列长度变为", len(lineage))
​

典型输出是替换数十个、插入缺失若干、序列长度轻微漂移。把 indel_rate 调高一个数量级再跑，长度开始明显增减不定——这就是为什么 indel 富集区（如微卫星）是法医与群体遗传学的高信息量标记。

演练二：为什么"直接有用的突变"极其罕见

import random

def mutation_effect(rng):
    """粗粒化模型：突变落点决定效应分布"""
    where = rng.random()
    if where < 0.60:  return "中性"      # 非编码或同义
    if where < 0.90:  return "轻微有害"   # 编码区扰动
    if where < 0.99:  return "明显有害"
    return "轻度有利"

rng = random.Random(11)
from collections import Counter
c = Counter(mutation_effect(rng) for _ in range(10000))
for k, v in c.most_common():
    print(f"{k}: {v/100:.1f}%")
​

一万次抽样里，"有利"约 1%，且强度轻微。这个分布有个重要推论：新突变的大多数命运是在漂变中悄悄消失，能被选择抓住的只是极小尾部。进化因此必然是"大量试验 + 极少数留存"的过程，而不是定向改造。

⚠️ 常见坑：把"突变率低"误解成"进化速度的上限"。进化速率取决于突变供给与选择/漂变的放大速度之积；果蝇适应辐射的速率远高于其突变率单独允许的量级，因为群体里有大量潜伏的既有变异（standing variation）可供选择。

本节要点回顾

• 突变随机 = 与需要无关，但类型与速率有稳定的概率结构
• 替换最多、indel 次之、染色体重排最少而后果最重；基因重复是创新主通道
• 新突变以中性/有害为主，有利尾部极窄，进化依赖大量试验
• 突变率 μ 将作为正式参数进入第 3 章的频率方程

下一节补上从序列到性状的最后一环：表达与调控，以及表观遗传对"遗传"概念边界的扩展。

变式与延伸

值得亲手跑的两个变式。变式一：把演练一的 sub_rate 与 indel_rate 同时乘 10，观察"突变谱的形状"是否改变——在低速率区间两者比例稳定，序列长度近似守恒；高速率区间 indel 累积开始压过替换，序列长度漂移加剧。真实的超快进化序列（如某些 RNA 病毒的基因组）就生活在后一种状态下，这也解释了它们为何难以用常规比对分析。

变式二：在模拟里加一条规则——插入若发生在三联体读框内、长度非 3 的倍数则触发移步惩罚（丢弃该 lineage），可观察到"读框约束"如何强力过滤 indel 存活。真实编码区恰恰表现出这种不对称：indel 富集在内含子与基因间区，编码区几乎只有替换。约束的分布本身就是功能的影子，这个观察直接通向第 5 章 dN/dS 的设计逻辑。