你在生物课上学过：基因就是一段 DNA 序列——从起始密码子 AUG 开始，到终止密码子 UAA/UAG/UGA 结束，中间是编码蛋白质的外显子。这听起来清晰明了，但真实世界的基因边界，比你想象的要模糊得多。
最基础的定义：开放阅读框（ORF）
分子生物学中寻找"基因"的第一步，是在 DNA 序列中寻找 ORF——一段连续的、以 AUG 开头、以终止密码子结尾、长度达到一定阈值的 DNA。但 ORF 只是基因的核心编码区，一个基因的完整功能还需要：
- 启动子：基因前面的序列，RNA 聚合酶从这里开始转录
- 增强子/沉默子：可以在基因很远的地方（几万甚至几百万碱基之外）调控基因表达
- 非编码区（UTR）：外显子之间的内含子、mRNA 的 5' 和 3' 端非翻译区
可变剪接：一个基因 = 多个蛋白质
人类有约 2 万个基因，但能产生约 25 万个不同的蛋白质。秘密在于可变剪接：同一个基因的外显子可以以不同的组合方式拼接到 mRNA 上，产生结构和功能完全不同的蛋白质。这意味着，一个基因的"边界"不再是一段固定的 DNA，而是 一段 DNA 可以同时属于多个"基因产物"的定义。
重叠基因：两个基因共用一段 DNA
更反直觉的是——有些两个不同方向的基因会共享同一段 DNA 序列！细菌里这种现象很常见，人类基因组中也发现了一些重叠基因。这让"基因 = 一段连续 DNA"的定义彻底失效。
实验上怎么确定基因边界？
光靠计算机搜索 DNA 序列很难准确定义一个基因的边界，分子生物学家有几种实验方法：
- RACE-PCR：通过反转录找到 mRNA 的精确 5' 和 3' 端，确定转录本边界
- 转基因拯救实验（"金标准"）：如果把一段 DNA 放回有基因突变的生物体内，能恢复它的正常功能，说明这段 DNA 包含了完整的基因功能所需的全部元件
总结
基因不是一段有精确边界的 DNA 直线，更像是一个功能重叠、可变组合、延伸范围远超过编码区的复杂单元。教科书为了教学清晰把它简化成了直线，但真实的基因图谱更像是一张错综复杂的三维网络。