问题所在：一条被打断的信息
上一篇里，你看着一条真核转录本在细胞核中、在 前体 mRNA 加工过程中接受了三处大的编辑——前端扣上一顶帽子、后端加上一条多聚 A 尾、中段则把内含子剪除。本篇要打开第三处编辑，也是最戏剧性的一处，并追问：细胞如何以精确到单个字母的准头把它完成。完成此事的那台机器——[[molbio-spliceosome|剪接体]]——原来是整个分子生物学里最奇特、也最具启发性的装置之一。
回想基因组那一级里真核基因的布局：它的编码信息并非一气呵成的连续段落，而是被切成一块块。被保留、最终进入成熟信息的那些块，是外显子（想成“被表达的”，expressed）；夹在它们之间、被转录却随即丢弃的那些块，是内含子（想成“居间插入的”，intervening）。你能在基因的外显子-内含子组织里看到它们——外显子、内含子、外显子、内含子，如此往复。整个基因连同内含子一起，被抄成前体 mRNA。于是这条原始转录本读起来，就像一句话里、在真正的词与词之间塞进了一长串胡言乱语。
两个数字让这个尺度变得鲜活。在一个典型的人类基因里，内含子通常远比外显子长——一个基因可以横跨几万个 DNA 碱基，可一旦去掉内含子，造出的成熟 mRNA 却只有区区两三千个碱基。而且这刀必须*恰好*落在正确的字母之间：哪怕错一个碱基，都会移动阅读框，从那一点起核糖体读到的便是彻头彻尾的乱码。所以这项任务并非只是“去掉内含子”——而是每一次都要以单核苷酸的精度、按正确的顺序，把每一个内含子剪掉。
标明在哪里下刀的三处记号
在几万个字母当中，机器怎么知道一个内含子从哪里开始、到哪里结束？它读三处短小的路标——几乎每个内含子都带着的两个[[splice-sites-and-branch-point|剪接位点]]与一个分支点。几乎每个内含子的前端都以碱基 GU 起头（5' 剪接位点，即供体），后端都以 AG 收尾（3' 剪接位点，即受体）。这就是 GU-AG 规则。在 3' 端再往前一点的位置，坐着分支点：一个特定的腺嘌呤（A），它将充当一个铰链。这三处记号合起来，等于在说：“内含子从这里开始，枢轴在这里，内含子到这里结束。”
exon 1 INTRON ( cut me out ) exon 2
5'...---[ A G | G U ........ A ........ A G ]| C C ---...3'
^5' site ^branch ^3' site
(GU donor) point A (AG acceptor)
the spliceosome joins exon 1 --- exon 2 and frees the intron正是这些路标让剪接得以精确——也正是它们让剪接变得脆弱。一个破坏掉某个 GU 或 AG 的单点突变，或是一个在外显子内部意外造出*新* GU 或 AG 的突变，都可能让机器在错误的位置下刀、毁掉蛋白质。这类剪接位点突变，是遗传病一个重要、却常被忽视的成因：一个远离任何编码字母的碱基改变，仍可能仅仅因为破坏了剪接方式而毁掉一个基因。这也是一个诚实的理由，说明只盯着编码字母看的老习惯，会漏掉真正致病的改变。
剪接体：一台主要由 RNA 造成的机器
意外就在这里。你也许以为这刀该由蛋白质酶来下——毕竟细胞里大多数化学反应都是蛋白质干的。但剪接体主要由小核 RNA搭成，那是一些短小的 RNA 分子（叫做 U1、U2、U4、U5、U6），每一条都裹着一组蛋白质，组成一个叫 snRNP（“小核核糖核蛋白”，读作“斯纳普”）的颗粒。几个 snRNP 按既定顺序组装到内含子上；而关键在于，是这些 *RNA*——不是蛋白质——靠碱基配对去识别剪接位点，并坐镇于化学反应发生的催化中心。蛋白质是脚手架和帮手；真正干活的核心，是 RNA。
把这次组装看成一连串“识别”。U1 最先到来，与 5' 端的 GU 位点配对，标出内含子的前端。接着 U2 与分支点配对，刻意把那个特殊的分支 A 鼓向外侧，使它具反应性的“手臂”露出来、随时待命。一个预先组好的三件套——U4/U6 加 U5 颗粒——前来加入，把内含子的两端拉到一起；随后一次剧烈的重排把 U1 和 U4 甩出去，U6 接管前端，而 U5 把两个外显子的末端对齐扶稳。只有在这番重新洗牌之后，那个由 U6 与 U2 的 RNA 构成的催化中心，才被启动。这台机器不是一把静止的剪刀；它在每一个内含子上都重新把自己搭起来，核对记号，然后才下定决心动刀。
两刀与一个套索：化学是怎么发生的
组装完成后，剪接体只用两步化学反应就把内含子去掉——而让它精确的诀窍在于：这两步是*同一种*反应，即由 RNA 的某一部分去攻击另一部分、交换原子之间的键。跟着这两步走，那个著名的环——套索（lariat，得名于牛仔的套索绳）——便会从几何关系里自然现身。
- 第一刀。分支点 A 有一条自由的化学“手臂”（它的 2'-OH），剪接体早已让它对准内含子的前端。这条手臂攻击 5' 端的 GU 位点，把那里的链一刀切断。被切下的内含子前端并不飘走——它反过来接到内含子中段的分支点 A 上，把内含子扭成一个带着拖尾的闭合环。这个“带尾的环”就是套索。
- 第二刀。把前端切松之后，外显子 1 自己也多出一个自由端。这个端如今摆过去，攻击 3' 端的 AG 位点，也就是内含子的尾巴。这第二刀把内含子彻底释放——仍是套索的形状——并在同一个动作里，把两个外显子首尾相接、不留缝隙地连上。阅读框被一字不差地保住了。
- 收尾。被释放的套索被解开（去分支）成一条直链，随即被降解，其核苷酸得到回收。剪接体的各个 snRNP 拆散开来，到下一个内含子那里重新使用。少了一个内含子的成熟 mRNA，则继续往前走。
退一步看刚刚发生了什么：整件活儿都由 RNA 剪接完成——是 RNA 识别 RNA、RNA 催化那两刀。没有靠水去盲目地砍断链条；细胞反而是在一次受控的交换里重用自己的键，正因如此，刀口才恰好落在正确的字母之间、从不差一个碱基。套索并不是失误或残渣——它正是那次分支点攻击留下的直接指纹，是第一刀如何下成的可见证据。
可变剪接：一个基因，多种蛋白质
现在来看回报，也是这之所以是整个领域最重要的观念之一的缘由。没有任何东西强迫细胞每一次都保留每一个外显子。通过选择跳过某个外显子、或纳入一个额外的外显子、或改用另一个剪接位点，剪接体就能从*同一条*前体 mRNA 出发，把*同一套*外显子以*不同*的组合拼接起来。每一种组合都是一条不同的成熟 mRNA，于是就是一种不同的蛋白质。这就是[[molbio-alternative-splicing|可变剪接]]；在人类身上，它是常态而非例外：我们绝大多数的多外显子基因，都不止以一种方式被剪接。
把外显子想成一组编号为 1、2、3、4、5 的乐高积木。某种细胞也许搭出 1-2-3-4-5 这条信息；另一种细胞也许跳过第 3 块、搭成 1-2-4-5；第三种细胞也许保留第 2 块的另一个版本。身体一直在这样做。一个肌肉细胞和一个脑细胞可以运行同一个基因，却各自造出微妙不同、各得其所的蛋白质；而一个著名的、参与构建神经系统接线的果蝇基因，从单单一段 DNA 出发，原则上可以被剪接出数以万计互不相同的蛋白质。同一个基因；不同的剪刀活儿；不同的产物。
是什么决定一个细胞造哪一个版本？调控蛋白会结合在剪接位点附近，要么诱导某个 snRNP 去使用一个位点（增强它），要么把那个位点藏起来（沉默它）。由于这些调控因子在不同细胞之间各不相同、又随细胞的状态而变，剪接便成了基因表达之上的又一层控制——不只控制一个基因*是否*被读取，更控制它的蛋白质以*哪种形式*出现。细胞甚至把剪接接到自己的质量控制上：故意剪进一个提前的终止密码子，就给这条信息打上无义介导降解的标记，从而把这个基因的产出调低。一言以蔽之，剪接绝非单纯的整理——它是细胞所做的一项决定。
为何重要：“一个基因，一种蛋白质”之死
在基因组被测序之前，生物学家揣着一句利落的口号：一个基因，一种蛋白质。随后来了一记真切的震撼。人类基因组计划发现，我们只有大约两万个编码蛋白质的基因——比一条小小的线虫多不了多少，甚至比某些植物还少。人们本以为要有大得多的数目，才能解释一个人。可变剪接是这道谜底的重要一环：数目不多的基因，每一个都可被剪接成若干种蛋白质，就能指定一个比基因数目大上数倍的蛋白质组。那句口号干脆就是错的。诚实的版本是：一个基因，*往往是多种蛋白质*。
这也化解了一种更老的偏见。那些不惜代价被丢弃的内含子，曾被斥为浪费、甚至“垃圾”——可恰恰是内含子的存在，才使可变剪接成为可能；而把基因切成一块块模块化外显子，才让演化得以混搭功能部件。这后一个想法——[[exon-shuffling|外显子洗牌]]——是真实而有力的：由于外显子常常对应于紧凑的蛋白质结构域，把一个外显子从某个基因挪进另一个基因，就能一步之内给一个蛋白质添上一整个全新的工作模块。所以，一种看似杂乱而浪费的布局，细读之下，竟是多样性的发生器。