近些年来，某些之前被认为不能编码蛋白质的RNA被证实具备编码能力，其编码产生的微肽的功能也不容小觑。究竟是哪些原因导致这些编码RNA被错误归类？哪些技术发现了“冒牌”非编码RNA？重回人们视野的它们行使着何种生物学功能？本文综合了最近几项研究，讲述研究者们如何在非编码RNA的研究领地里淘金一般搜寻隐匿的编码RNA。

　　编译

　　李娟

细胞核内的DNA转录生成各类RNA，其中mRNA（messenger RNA, 信使RNA）翻译生成蛋白质，ncRNA（noncoding RNA，非编码RNA）不具备编码能力，不能被翻译成蛋白质。（图片来源：网络）

　　2002年，德国科隆的研究人员发现了某一非编码 RNA 实际上是能编码的信使 RNA（mRNA）。这条 RNA有679个核苷酸，因其长度超过200个核苷酸，之前被列为长非编码RNA（lncRNA）。转录该 RNA 的基因是 early nodulin 40（ENOD40），它的两个开放阅读框（ORFs，Open Reading Frames）能够分别编码12和24个氨基酸的微肽。豆类植物样本的研究证实了这些微肽在植物中确实存在，并且与蔗糖合成酶有互作关系。

mRNA（messenger RNA, 信使 RNA）翻译成蛋白质的过程简图。如今已发现某些被列为非编码 RNA 的序列内也含有开放阅读框，也具备编码翻译成蛋白质的功能。（图片来源：Cell）

　　五年后，日本的研究人员在果蝇中发现了另一个含 ORF、“冒充” lncRNA 的 mRNA。在这项研究中，研究人员通过抑制每个 lncRNAs 的转录本表达来分析其在果蝇胚胎中的功能。其中只有一个表现出明显的表型，缺失这种 lncRNA 的果蝇胚胎缺少特定的角质层特征，这使得它们产生了如稻谷粒样的光滑外观，因而该 RNA 被命名为“polished rice”（pri）。pri 基因能编码四种微肽，其中三种含11个氨基酸，一种含32个氨基酸，它们对激活发育相关的某一关键转录因子至关重要。

　　此后，又有一些 lncRNAs 加入到 mRNA 的队伍中，它们的长度短于300个核苷酸，且含有编码微肽的较短开放阅读框（short ORFs, sORFs）。数据库里已有记录的 lncRNAs 数目众多，其中大部分的功能都未知，有很高的机率发现其他具备微肽编码功能的 RNA。搜寻这些微小宝藏的工作已经开始，但却极富有挑战性，毕竟它们之前被忽略了这么久也是有原因的。

　　被忽略的开放阅读框

　　90年代末到21世纪，随着不同物种基因组测序的陆续完成及相关数据库的完善，新基因及相关 mRNA 的搜寻工作也随之展开。研究人员用计算机辅助的快捷方法对数百万甚至上亿的核苷酸进行分析，以便明确基因和 mRNA 的序列特征，例如启动子区、外显子/内含子的剪接位点、开放阅读框等。

位于起始密码子和终止密码子之间能最终编码蛋白质的基因序列即开放阅读框。（图片来源：BRYAN SATALINO）

　　ORF 可存在于几乎任何 RNA 序列中，但许多并不编码实际的蛋白质。由于 ORF 编码蛋白质的机率随其长度增加而增加，因此之前大部分搜寻 ORF 的算法限于300个核苷酸以上，即至少翻译100个氨基酸。这使研究人员能够过滤掉那些随机存在毫无意义的 ORF。然而，由于这些算法排除了长度小于300个核苷酸的开放阅读框，不可避免地遗漏了微肽编码序列，它们作为“算法产生的垃圾”被筛除在外而惨遭遗忘。

　　除了算法规则和人为疏忽，还有其他技术原因导致这种情况。比如，利用电泳分离不同大小的肽段往往意味着会丢失微肽。因为跑蛋白质凝胶电泳时，微肽很容易从凝胶底部跑出去。蛋白质质谱技术对微肽的确定也存在问题，因为质谱实验步骤中有一步是洗脱，只有较大的蛋白质被保留了下来用做后续分析。

　　比起序列更长的 ORF，小鼠、果蝇和鱼等模式动物器官中较短的 ORF在随机突变的筛选中很难被发现，意味着对它们功能的揭示也更困难。另外，许多重要蛋白质是基于不同物种间的保守性来确定的，ORF 越短就越难被发现，与其他物种基因组进行比对、分析其是否保守也会越困难。