如果我问你，你身体里的 DNA 有多少是 “人类自己” 的？ 你大概率会觉得这是句废话：遗传物质当然全都是自己的，难不成还能是别人塞进来的？ 但真相可能会彻底颠覆你的认知：在人类基因组那 30 亿个碱基对里，真正用来编码蛋白质、支撑我们身体运转的 “人类自有基因”，只占区区 1.5%。剩下的序列里，有将近一半都是各式各样的 “外来闯入者” 留下的痕迹。有只会自我复制的寄生 DNA 片段，有远古病毒埋在基因组里的化石，甚至还有从细菌身上 “捡” 来的零散基因。 说白了，我们的基因组从诞生之初就不是一张精心设计的纯净蓝图，更像是一本经过几十亿年反复涂改、粘贴、夹带私货的旧书。 里面写满了演化的偶然，也藏着我们完全没意识到的生命过往。 要讲清楚这些外来基因，咱们得先从 DNA 测序技术说起。毕竟看不见摸不着的东西，你得先完整读出来，才知道里面藏着什么。 1977 年，英国生物化学家弗雷德里克・桑格搞出了一个划时代的技术桑格测序法，也叫链终止法。 这个技术的厉害之处，在于它能让人类一个碱基、一个碱基地把 DNA 序列给 “读” 出来。 别小看这个 “读”。 在这之前，人类对基因的研究基本都是瞎子摸象，只能看到零散的片段，从来没见过完整的基因组是什么样。 桑格用这个方法，测出了人类历史上第一个完整的生物基因组：噬菌体 φX174。 这是一种专门感染细菌的小病毒，全长也就 5386 个碱基。 放在今天，这个长度连入门级都算不上，但在当时绝对是突破性的时刻 ,人类第一次完整读完了一个生命体的全部遗传密码。 桑格也凭着这个成果，拿到了自己的第二个诺贝尔奖。 从那之后，测序技术就开始朝着更大的基因组一路狂奔。 1995 年，第一个细菌基因组，流感嗜血杆菌测完了，全长 180 万个碱基；1996 年，第一个真核生物基因组，酿酒酵母也搞定了，1200 万个碱基。 眼看着技术越来越成熟，有人就动了个在当时近乎疯狂的念头：要不，咱们把人类自己的基因组全测了？ 这个想法一出来，立马在学界炸了锅。 人类基因组有多大？足足 30 亿个碱基对。 以当时的技术，一个实验室辛辛苦苦干一年，也就测个几万碱基。 这么算下来，得猴年马月才能测完？ 更关键的是，当时很多人坚信，基因组里大部分都是没用的 “垃圾 DNA”，花几十亿、十几年去测这些没用的片段，纯属浪费资源。 支持的人则说，这是一劳永逸的事。 只要有了完整的人类基因组图谱，所有遗传疾病的研究就有了根，再难的问题也能慢慢找到答案。 吵来吵去，最终还是支持者赢了。 1990 年，人类基因组计划正式启动，美、英、法、德、日、中六个国家联手，计划用 15 年时间，花费 30 亿美元，把人类基因组的 30 亿碱基完整测出来。 熟悉测序的朋友可能知道，测序技术有个天生的短板：它没办法把一整条染色体从头读到尾，一次最多也就读取几百个碱基。 怎么办呢？ 只能把整个基因组打碎成几百万个小片段，每个片段单独测序，再靠计算机寻找片段之间的重叠区域，一点点把它们拼回完整的序列。 听起来简单，做起来却遇到了大麻烦。 当时科学家发现，基因组里存在大量长得一模一样的重复序列。两个片段的序列完全相同，计算机根本分不清它们到底来自基因组的哪个位置，一拼接就出错。 当时没人知道这些重复序列是哪来的，只觉得它们又多又烦，是测序路上最大的绊脚石。 后来我们才知道，这些当年让人头疼的重复序列，恰恰就是那些 “外来基因” 留下的脚印。 中间还有个小插曲。 1998 年，科学家文特尔的私人公司塞莱拉基因组突然跳了出来，说要用更激进的鸟枪法，花更少的钱、更短的时间搞定人类基因组，还要把测序数据申请专利。这一下极大刺激了公共项目的进度，两边开始疯狂竞速。 最终，2000 年 6 月，美国总统克林顿和英国首相布莱尔联合宣布，人类基因组草图完成。 到 2003 年，高精度的基因组序列正式发布，比原计划提前了两年。 不过要说明一点，2003 年的版本并不是真正意义上的 “完整”。 那些重复序列最密集的区域，当时的技术根本测不通，留下了很多空白。 真正从头到尾、连所有极端重复序列都包含在内的完整人类基因组，要等到 2022 年，才由 “端粒到端粒联盟” 最终完成。 而那些当年测不通的空白区，恰恰就是外来序列最集中的地方。 基因组测完了，科学家们兴冲冲地去分析结果，第一个发现就给所有人整懵了。 在测序之前，学界普遍预测人类怎么也得有 10 万个基因。毕竟人类这么复杂，体内几百种细胞，各种精密的生理功能，基因少了怎么够用？ 结果呢？人类只有大约 2 万个编码蛋白质的基因，只占整个基因组的 1.5%。 什么概念？一只果蝇都有 1.4 万个基因，一株水稻更是有 3.7 万个基因。论基因数量，我们连水稻都比不过。 那剩下 98.5% 的 DNA 都是啥？难道真的是 “垃圾”？