构成人类基因组的蛋白质编码基因的实际数目，一直是一个长期讨论的话题。在人类基因组第一稿出来之前，许多研究人员认为，人类蛋白质编码基因的最终数目在40,000到100,000之间。最初的人类基因组测序大幅修改了这个数字，表明最终数字会下降至26,000到30,000之间。随着人类基因组计划的最终草案公布，蛋白质编码基因的数目被再次修改至20,000到25,000之间。最近，Clamp和同事用进化比较表明，蛋白质编码基因最可能的数目更低，只有20500个基因。GENCODE项目最近发布的数据包括20,719个蛋白质编码基因。

    目前，由西班牙国家癌症中心（CNIO）基础研究副主任和结构计算生物学团队负责人Alfonso Valencia带领的一项研究，将人类蛋白质编码基因数目更新到了19,000个；比最近注释的基因少1700个，远低于最初估计的100,000个。相关研究结果发表在最近的国际著名学术期刊《人类分子遗传学》（Human Molecular Genetics），得出结论认为，几乎所有这些基因，都有早于5000万年前灵长类动物出现的祖先。

    “缩小人类基因组”，这就是Valencia描述多年来他们对人类基因组中蛋白质编码基因数目的不断修正，最终在当前的研究中缩减到大约19,000个人类基因。他补充说：“基因组的编码部分（产生蛋白质）是不断活动的。几年前没有人能想象，这么小数量的基因，能制造出如此复杂的东西。”

    科学家们首先分析蛋白质组学实验；蛋白质组学是检测蛋白质分子最有力的工具。为了确定人类蛋白质图，研究人员整合了来自七项大规模质谱研究、50多份人体组织的数据。Valencia说：“这样做，是为了验证哪个基因真正产生蛋白质。”

    少于10个基因能区分人和小鼠<BR></STRONG>研究发现了稍多于12,000个蛋白质，研究人员将这些蛋白质定位到基因组上的相应位置。他们分析了人类基因组中被注释的几千个基因，但是这并未出现在蛋白质组学分析中，Tress得出结论：“其中1,700个我们认为会产生蛋白质的基因，因为各种原因没有产生蛋白质，或者是因为它们没有表现出任何蛋白质编码特征，或者是因为它们阅读框的保守性不支持蛋白质编码功能。”

    来自研究的一个假设是，超过90%的人类基因会产生蛋白质，这些蛋白质起源于亿万年前动物王国的后生动物或多细胞生物；对于那些起源早于5000万年前灵长类动物出现的基因来说，这个数字超过了99%。

    研究人员称：“我们的数据表明，人类和灵长类动物在基因和蛋白质水平上的差异非常小。”本文共同作者、Valencia 实验室的研究人员David Juan称：“将人和小鼠区分开的基因数目，甚至少于10个。”与500多个具有当前注释中发现的灵长类起源的人类基因相反。研究人员得出结论：“灵长类动物之间的生理和发育差异，很可能是由基因调控引起，而不是问题蛋白质的基本功能差异造成的。”

    以少胜多

    人类复杂性的来源，更多地在于基因如何使用，而不是基因的数目，在于蛋白质中发生的成千上万的化学变化，或者在于通过基因组非编码区控制这些蛋白质的生产，这包括90%的全基因组，在最近的国际ENCODE项目中已经做出描述。

    这项研究使人类基因的数目接近其他物种，如秀丽隐杆线虫——只有1毫米长的蠕虫。但是，Valencia不愿意作比较：“人类基因组是注释最好的，但是我们仍然认为，这1700个基因可能要重新注释。我们的研究表明，我们将不得不重新计算所有的基因组，不仅是人类基因组。”

    这些研究结果是GENCODE项目的一部分，GENCODE是合并到ENCODE项目的一个财团，由世界各地的研究小组组成，包括Valencia研究小组，他们的任务是提供人类基因组中所有基因元件的注释。

    Valencia称：“GENCODE正在讨论我们的数据，以并入到新的注释中。当这一切发生时，它将重新定义整个人类基因组图，以及它如何用于宏项目，如癌症基因组分析的项目。”