一、核心概念
 
高同源區(qū)段指的是在不同DNA序列之間，存在異常高程度的序列一致性的基因組區(qū)域。
“同源”：這意味著這些序列共享一個(gè)共同的祖先序列。高相似性通常是由于在進(jìn)化過(guò)程中，這些區(qū)域受到強(qiáng)烈的功能約束或受限于復(fù)制時(shí)間而未分化。
 
二、高同源區(qū)段的類(lèi)別
 
1.亞基因組
在異源多倍體生物中（如小麥、棉花、油菜），它們由兩個(gè)或多個(gè)不同的祖先物種雜交形成。形成的新基因組中，來(lái)自不同祖先的幾套染色體組就被稱(chēng)為亞基因組。
 
與高同源區(qū)段的關(guān)系：
這些不同的亞基因組擁有共同的遠(yuǎn)古祖先，因此它們之間在整體上就是同源的。在異源多倍體物種中，不同亞基因組之間的同源染色體上存在大量高同源區(qū)段。例如，小麥A基因組上的某個(gè)基因區(qū)段，在B和D基因組的對(duì)應(yīng)位置上，幾乎一定能找到序列高度相似的區(qū)段。這些高同源區(qū)段的存在是多倍體物種進(jìn)行基因表達(dá)調(diào)控（例如部分同源基因的選擇性沉默或表達(dá)）和減數(shù)分裂時(shí)染色體正確配對(duì)的分子基礎(chǔ)，同時(shí)也為育種提供了豐富的遺傳變異。
 
2.假基因
 
假基因是基因組中由于突變（如移碼突變、無(wú)義突變、啟動(dòng)子缺失等）而喪失原有蛋白質(zhì)編碼功能的基因拷貝。
 
與高同源區(qū)段的關(guān)系：
假基因來(lái)源于功能性基因的復(fù)制（通過(guò)逆轉(zhuǎn)錄或基因組DNA復(fù)制），因此在誕生之初，它與它的親本功能基因的序列是高度同源的。隨著時(shí)間推移，由于不再受到自然選擇的壓力，假基因會(huì)積累更多突變，其序列同源性會(huì)逐漸降低。但一個(gè)“年輕”的假基因與其功能基因之間，依然會(huì)是一個(gè)典型的高同源區(qū)段。識(shí)別假基因的主要方法之一，就是在基因組中發(fā)現(xiàn)與功能基因序列高度相似但含有致命突變（如提前出現(xiàn)終止密碼子）的區(qū)段。
 
3.重復(fù)序列
指在基因組中重復(fù)出現(xiàn)多次的DNA序列。可分為兩大類(lèi)：串聯(lián)重復(fù)序列：如衛(wèi)星DNA（著絲粒、端粒區(qū)）、微衛(wèi)星DNA。散在重復(fù)序列：如轉(zhuǎn)座子，包括DNA轉(zhuǎn)座子和逆轉(zhuǎn)錄轉(zhuǎn)座子。
 
與高同源區(qū)段的關(guān)系：
重復(fù)序列的本質(zhì)就是自我復(fù)制和增殖。同一個(gè)家族的重復(fù)序列（尤其是轉(zhuǎn)座子）在基因組中有成千上萬(wàn)個(gè)拷貝。這些拷貝之間序列高度相似，構(gòu)成了基因組中最大、最常見(jiàn)的高同源區(qū)段。這些高同源區(qū)段是基因組組裝的主要挑戰(zhàn)，因?yàn)槎痰臏y(cè)序讀數(shù)無(wú)法準(zhǔn)確區(qū)分這些幾乎一模一樣的區(qū)域，容易導(dǎo)致錯(cuò)誤。同時(shí)，它們也是染色體在減數(shù)分裂時(shí)發(fā)生非等位同源重組的主要根源，從而導(dǎo)致基因缺失、重復(fù)等結(jié)構(gòu)變異。
 
4.同源基因
指來(lái)源于一個(gè)共同祖先基因的那些基因。根據(jù)來(lái)源方式可分為：
直系同源基因：源于物種形成事件（如人類(lèi)和老鼠的胰島素基因），通常保留相同功能。
旁系同源基因：源于基因復(fù)制事件（如人類(lèi)體內(nèi)的多個(gè)珠蛋白基因），功能可能分化。
 
與高同源區(qū)段的關(guān)系：
同源基因之間必然存在同源區(qū)段，但其相似性“高”與否取決于進(jìn)化時(shí)間和功能約束。近期產(chǎn)生的旁系同源基因（如人類(lèi)HBA1和HBA2珠蛋白基因）：序列一致性極高，是典型的高同源區(qū)段。它們可能形成基因簇。古老的同源基因：雖然同源，但經(jīng)過(guò)億萬(wàn)年的變異積累，序列相似性可能已經(jīng)不高，主要在關(guān)鍵功能域上保留較高相似性。
 
測(cè)序過(guò)程中，高相似性的序列容易引發(fā)測(cè)序錯(cuò)誤和數(shù)據(jù)分析的困難。那如何解決這問(wèn)題呢？