细胞从何而来

每一部书都用一种特定的语言写成，基因组也不例外。基因的语言是种简单的编码，它包含的字符是四种核苷酸分子，这些核苷酸分子就是DNA分子珠链上的珍珠（参见第42页）。每个核苷酸分子包含一个所谓的碱基，信息就编码在碱基当中。DNA中有四种碱基：腺嘌呤、胞嘧啶、鸟嘌呤和胸腺嘧啶（分别记作A、C、G、T）。DNA是核苷酸单元组成的线状聚合物，所以编码的信息就可以表示成四种字母组成的线状字符串。字符串可能会包含如下的一段：

GTGGATTGACATGATAGAAGCACTCTACTATATTC

只包含四种字母的字母表看似非常局限，不适于书写复杂的信息。但如果我们将这个序列看作一种密码，而不是严格地看作一种字母表，那么你想要多复杂它都能做得到。比如，我们可以将每个罗马字母表示成若干碱基的序列：GTG表示“a”，GAT表示“b”，等等等等。长度为三的四字符序列一共有64种，多于整个字母表的字母数量。使用这样的密码，我们就可以用AGCT的字符序列来书写《圣经》。

《圣经》里的信息对细胞来说没什么用，细胞需要的是能够用来制造蛋白质的信息。蛋白质长链如何折叠是由它的氨基酸序列所决定的（参见第41页），因此氨基酸序列就唯一地规定了制造蛋白质所需的“信息”。DNA编制这种信息所用的密码正如我们前面所提示的：三个碱基一组代表一种氨基酸。这就是遗传密码。注

人们至今尚未完全理解一个特定的蛋白质序列会如何折叠它的链。也就是说，我们还不能够仅凭基因的序列就推断基因的功能（虽然我们有时可以大致猜到）。人类基因组的第一幅草图里面还充满着目的不明的基因。

不过细胞中信息流动的原理我们完全理清了。DNA是关于蛋白质信息的手册。我们可以认为每个染色体都是独立的一章，每个基因则是这一章中的一个单词（它们可是非常长的单词！），基因中的每个碱基三元组是单词中的一个字母。而蛋白质就是单词翻译出的另一种语言，新语言的每个字母是一个氨基酸。一般而言，只有当基因语言翻译出来以后我们才能理解它的含义。

DNA是一种双链的聚合物：两条链彼此扭曲盘旋，形成双螺旋。每条链都是一个核苷酸长串，信息就编码在里面。但两条链并非全同。这条链上的碱基可以和那条链上的碱基之间形成氢键（参见第41页），两条链就像拉链一样通过氢键相互嵌合。虽然所有的碱基都能形成氢键，但它们有特定的结合选择，A和T相结合，G和C相结合。所以DNA双螺旋包含的是互补的序列：每当A出现在这条链上，T就出现在那条链上，依此类推。这就意味着每个基因都写成了两个版本，以镜像的语言彼此呼应。

碱基这种两两成对的特性是它们的形状所决定的。碱基A和碱基G是相似的分子，C和T也是相似的分子。于是A-T组合体与C-G组合体的形状和大小大致相同。碱基对在两条螺旋链的内侧连接，像螺旋楼梯的台阶。只有台阶的尺寸都一致，两条链才能平顺地盘旋下去。若A与G结合就会鼓出一块，发生扭曲变形，破坏两条链的结合。同样，若C与T结合就会陷下去一块。另外，台阶中氢键的位置决定了A-C和G-T的组合也是不成立的。因此，其实是搭档间吻合的互补性造就了碱基两两成对的偏好。

生物信息流动的一个关键要点是：数据的传输通过分子识别过程进行，确保信息的每一部分都得到正确的解读。

当细胞分裂时，DNA会进行复制，也就是基因组得到复制。因为两条链完全互补，所以它们都可以作为模板来组装新链。如果A总是优先与T配对，且依此类推，一条“赤裸的”单链就能引导游离的单个核苷酸按正确的顺序连成一线，形成一条互补链。

为了扮好模板的角色，双链首先会在特殊的酶的作用下拆成两条单链。然后沿着暴露的单链，互补链就被组装起来；称作DNA聚合酶的酶就催化了新核苷酸的加入。于是两组新的双螺旋都各含原先双螺旋中的一条链。

尽管酶能够帮助这一过程进行，但复制过程所必要的信息都已写入DNA模板当中了。1980年代初，加利福尼亚州索尔克研究所的莱斯利·奥格尔和同事们展示了在没有酶辅助的条件下，单体核苷酸也能够基于互补核苷酸的模板组装成聚合物。例如，一段八个C组成的RNA核苷酸序列，可以作为模板组装起八个G的核苷酸序列。不过奥格尔也不得不在其中做一点手脚，用的G核苷酸是通过加入活性化学基团“激化”过的，于是帮助它们连接起来。

这种模板辅助的聚合本身并不是复制：新链与模板是互补的，而不是全同的。第一例真正的人工分子复制是在1986年由德国化学家君特·冯·凯德罗夫斯基报告的。他使用同样的模板组装过程，但选择的是自补的模板，即自己与自己形成互补。他的模板是个含六核苷酸的DNA分子，序列为CCGCGG。因为双螺旋两条链的头尾方向关系是头对尾、尾对头，两者逆向对接，所以模板的互补序列与自身完全相同。君特·冯·凯德罗夫斯基从两种三核苷酸的片段出发，组装成模板的互补链，其中同样需要活化帮助它们连接起来（如图38）。