基因的结构

真核基因结构（图片来自百度搜索）

基因：指产生一条有功能的蛋白质或RNA所需的全部核苷酸序列。

从基因的定义来看，它包括如下几个方面：

有功能：无功能的是假基因；

基因类型：蛋白编码基因和非编码RNA基因；

核苷酸序列：大部分生物的基因是DNA序列；有些生物如RNA病毒，其基因是RNA序列。

全部：所以基因序列应该包含增强子、启动子、外显子、内含子、终止子等片段；需要注意的是一般启动子到终止子这一段序列是连续的，而增强子可能远离启动子，甚至在启动子的3’端方向，没有相关文献明确说明基因是否一定要是一段连续的序列，如果要去连续，则增强子与启动子间所有序列均看作是侧翼序列；如果不要求连续，则基因序列变为2段，启动子至终止子一段，增强子组成另一段。

开放阅读框ORF（open reading frame）：是从起始密码子开始至终止密码子结束的一段DNA序列，中间不能有其他终止密码子，多是利用电脑预测基因时用的概念，是一个推测片段，任何一段序列的ORF有六种情况。

编码区CDS（coding sequence）：是指实际可翻译为蛋白的一段DNA/RNA序列。所以CDS是一定是ORF，但ORF不一定是CDS。

内含子Intron：一段DNA或者RNA序列，在RNA成熟过程中会被剪切去除的RNA序列（或指其对应的DNA序列）。

外显子exon：一段DNA或者RNA序列，在RNA成熟过程中会保留在成熟RNA中的序列（或指其对应的DNA序列），对于蛋白编码基因来说，外显子可翻译为多肽链；内含子和外显子都是相对的，在RNA的可变剪辑中，一个剪辑体的内含子可能是另一个剪辑体的外显子，反之亦然。

UTR（un-translated region）：非翻译区，是蛋白编码基因成熟mRNA序列两端不能翻译为蛋白质的序列，包括5’UTR和3’UTR，有时候也可指其对应的DNA序列。