一对重复区怎样计入总长：读2017年菠菜线粒体参考记录

菠菜的一份基因组长度，先要知道它属于哪个细胞对象。Cai等人二〇一七年发表的《The complete mitochondrial genome sequence of spinach, Spinacia oleracea L》，报告的是SP75材料的线粒体参考记录，登记号为KY768855。文中的三十二万九千六百一十三个碱基对，因而不是整株菠菜全部遗传物质的总长度，也不是核染色体中某个性决定区的大小。[1]

作者将这条记录描述为典型的环状DNA，并给出两段单拷贝区及一对直接重复区。大单拷贝区长229375个碱基对，小单拷贝区长85666个碱基对；一对直接重复元素中的每段为7286个碱基对。“一对”在这里有具体的计数意义：两个单拷贝区相加后，还须计入两份重复区，才能与原文总长对应。

按作者给出的数字作一次读后算术，229375加85666，再加两倍7286，结果正好为329613。这个等式只是对论文长度记录的核对，未进行新的测序或实验。它也解释了为何把7286只加一次会少算一份：重复区的名称说明两段相互重复，却不使其中一段从该条参考序列的总长度中消失。

总体长度之外，论文另报GC含量。全线粒体记录为百分之四十三点四，外显子部分为百分之四十一点八。后一个百分比有更窄的统计范围，不能简单替换前一个。两个比例不同，在原文中与“全体”和“外显子”这两个对象同时存在；本文没有把差别转成某个品种优劣或功能强弱的指标。

基因注释又使用另外几类计数。作者列出二十九个蛋白编码基因、四个假基因、二十四个转运RNA基因和三个核糖体RNA基因。它们不是把同一个总数换四种名称重复书写，而是各自保留了注释类别。只摘出二十九这个数字，不能据此说整条记录只有二十九个所有类型的基因；将四个假基因也直接改称普通蛋白编码基因，同样改变了来源的分类。

外显子数据进一步说明“长度”与“个数”之间的区别。正文报告四十四个外显子，合计27708个碱基对，约占该线粒体记录的百分之八点四，平均长度约六百三十个碱基对。四十四是片段数，27708是这些片段的合计长度，百分之八点四则把合计长度与整个参考记录相比较。它们提供相接的统计关系，不能把某个片段数当成长度百分比来转述。

转运RNA的两个数字也各有所指：二十四个tRNA基因对应十六种氨基酸。基因记录的份数与所对应的氨基酸类别数，没有被作者写成一对一的同一计数。核糖体RNA部分则具名列出5S、18S和26S。保留这些名称，让不同注释对象继续留在自己的类别里，比只给一个合并数字更能反映这份参考资源的内容。

上述说明限定于二〇一七年该SP75线粒体记录的结构与注释结果，不采用制样、测序、组装方法或序列，也未读取图像。本篇不讨论病原存留、食品安全、性别调控或生产效果。论文中的数字提供了参考记录的组成关系，不能自动变成所有菠菜材料必须一致的测定值。

资料：[1] https://pmc.ncbi.nlm.nih.gov/articles/PMC7799700/