Cấu trúc gen (gene structure) là gì?

Tiếng Anhgene structure

Tên gọi kháccấu trúc gene

Cấu trúc gen là cách tổ chức và sắp xếp có trật tự của các vùng trình tự nucleotide trong một đơn vị di truyền trên DNA, gồm vùng điều hòa, vùng phiên mã và vùng kết thúc, quy định việc biểu hiện thành chuỗi polypeptide hoặc phân tử RNA chức năng.

Khoa học tự nhiên Cập nhật 18/11/2026

Cấu trúc gen (gene structure) là cách tổ chức và sắp xếp có trật tự của các vùng trình tự nucleotide trong một đơn vị di truyền trên phân tử DNA, quy định nơi khởi đầu phiên mã, cơ chế điều hòa biểu hiện, thông tin mã hóa sản phẩm và điểm kết thúc phiên mã. Trong sinh học phân tử, khái niệm này bao gồm cả các trình tự mã hóa protein, các đoạn không mã hóa nằm xen kẽ và những gen tạo ra phân tử RNA chức năng. Bài viết dưới đây trình bày mô hình ba vùng chức năng kinh điển, cấu trúc chi tiết ở sinh vật nhân sơ và nhân thực, số liệu tổ chức gen ở người cùng các ứng dụng lâm sàng và giới hạn của mô hình tuyến tính truyền thống.

Khái niệm và sự tiến hóa của định nghĩa cấu trúc gen

Trong giáo dục và tài liệu sinh học tiếng Việt, khái niệm này thường được viết là cấu trúc gen hoặc cấu trúc gene. Theo mô hình kinh điển của di truyền học phân tử, một gen mã hóa protein hoàn chỉnh được xem là một đoạn DNA tuyến tính gồm ba phần kế tiếp nhau theo chiều phiên mã: vùng điều hòa ở đầu thượng lưu, vùng mã hóa ở giữa và vùng kết thúc ở đầu hạ lưu. Cách tiếp cận này mô tả trực quan luồng thông tin từ DNA sang RNA thông tin (messenger RNA, mRNA) rồi tới chuỗi polypeptide.

Tuy nhiên, dữ liệu hệ gen học quy mô lớn đã cho thấy cấu trúc thực tế của gen phức tạp hơn mô hình một đoạn DNA đơn lẻ. Giai đoạn thí điểm của dự án ENCODE phân tích 1% hệ gen người và ghi nhận hiện tượng phiên mã lan tỏa cùng các bản sao chồng lấn nhau, làm mờ ranh giới tuyến tính cổ điển giữa các gen (Gerstein và cộng sự, 2007). Trên cơ sở đó, Gerstein và cộng sự (2007) đề xuất định nghĩa vận hành hậu ENCODE: gen là tập hợp các trình tự hệ gen mã hóa cho một nhóm nhất quán các sản phẩm chức năng có thể chồng lấn lên nhau, thay vì buộc mọi yếu tố điều hòa ở xa phải nằm trong ranh giới vật lý cố định của gen.

Đến năm 2025, các hệ thống chú giải tham chiếu như GENCODE tiếp tục nhấn mạnh rằng phần lớn các gen tạo ra nhiều bản sao khác nhau về cấu trúc đoạn xuất (exon) và đoạn nhập (intron) do cắt nối thay thế (alternative splicing), nên việc xác định bản chất của một gen phụ thuộc trực tiếp vào tập hợp bản sao chức năng mà gen đó tạo ra (Mudge và cộng sự, 2025).

Ba vùng chức năng cơ bản của một gen điển hình

Dù có nhiều biến thể tiến hóa, cấu trúc cơ bản của một gen điển hình vẫn được phân tích theo ba vùng chức năng chính dọc theo mạch khuôn DNA theo chiều 3' đến 5' (tương ứng chiều 5' đến 3' trên mạch mã hóa và trên bản sao RNA mới tổng hợp).

Vùng điều hòa và vùng khởi động

Vùng điều hòa nằm ở đầu phía trước của vùng phiên mã, giữ vai trò tiếp nhận tín hiệu từ các protein điều hòa để quyết định thời điểm, vị trí mô và cường độ phiên mã của gen. Thành phần trung tâm của vùng này là vùng khởi động (promoter), nơi enzyme RNA polymerase nhận biết và gắn kết để bắt đầu tổng hợp RNA.

  • Ở sinh vật nhân sơ: vùng khởi động thường có cấu trúc gọn gồm hộp Pribnow giàu cặp A–T gần điểm khởi đầu phiên mã giúp hai mạch DNA dễ tách nhau, cùng trình tự nhận biết ở phía thượng lưu dành cho tiểu đơn vị sigma của RNA polymerase. Ngoài ra, vùng điều hòa của nhiều gen vi khuẩn còn chứa trình tự vận hành (operator) để protein ức chế hoặc hoạt hóa bám vào.
  • Ở sinh vật nhân thực: vùng khởi động lõi (core promoter) của RNA polymerase II thường trải dài khoảng 35 cặp base (base pair, bp) về phía thượng lưu và/hoặc hạ lưu quanh điểm bắt đầu phiên mã (Smale và Kadonaga, 2003). Theo Smale và Kadonaga (2003), vùng khởi động lõi chứa các mô-típ gắn yếu tố phiên mã cơ sở như hộp TATA (TATA box), yếu tố khởi đầu (Initiator, Inr), yếu tố nhận biết B (BRE) hoặc yếu tố vùng khởi động hạ lưu (DPE) để lắp ráp phức hệ tiền khởi đầu.
  • Các trình tự điều hòa ở xa: ở sinh vật nhân thực, hoạt động của vùng khởi động lõi còn chịu chi phối từ trình tự tăng cường (enhancer), trình tự bất hoạt (silencer) và trình tự cách ly (insulator) nằm cách xa điểm khởi đầu phiên mã hoặc thậm chí nằm bên trong intron (Smale và Kadonaga, 2003).

Đáng lưu ý, tổng quan của Smale và Kadonaga (2003) nhấn mạnh rằng vùng khởi động lõi ở sinh vật nhân thực có tính đa dạng cấu trúc rất lớn: nhiều gen không mang hộp TATA kinh điển mà vẫn khởi động phiên mã chính xác thông qua yếu tố khởi đầu hoặc các cơ chế thay thế khác.

Vùng phiên mã và cấu trúc exon–intron

Vùng phiên mã là đoạn DNA nằm giữa điểm khởi đầu phiên mã và vị trí kết thúc, chứa thông tin quy định trình tự RNA. Trong các gen mã hóa protein, vùng này không chỉ có đoạn mã hóa amino acid mà còn bao gồm hai vùng không dịch mã (untranslated region, UTR) ở hai đầu của mRNA trưởng thành.

  • Vùng không dịch mã đầu 5' (5' UTR): nằm giữa điểm khởi đầu phiên mã và bộ ba mở đầu dịch mã AUG. Đoạn trình tự này mang tín hiệu hỗ trợ tiểu đơn vị nhỏ của ribosome định vị đúng điểm bắt đầu dịch mã, điển hình là trình tự Shine–Dalgarno giàu purin ở sinh vật nhân sơ hoặc ngữ cảnh Kozak quanh bộ ba mở đầu ở sinh vật nhân thực.
  • Exon: là các phân đoạn của gen được giữ lại trong phân tử RNA trưởng thành (như mRNA hoặc lncRNA) sau quá trình chế biến RNA. Ở các gen mã hóa protein, phần lớn chiều dài các exon trung tâm chứa khung đọc mở (open reading frame, ORF) mã hóa trực tiếp trình tự amino acid, trong khi exon đầu và exon cuối còn chứa các đoạn thuộc 5' UTR và 3' UTR.
  • Intron: là các phân đoạn không mã hóa amino acid nằm xen giữa các exon ở hầu hết các gen sinh vật nhân thực. Khi phiên mã, cả exon và intron đều được sao chép vào tiền mRNA (pre-mRNA), sau đó thể cắt nối (spliceosome) cắt bỏ intron và ghép nối các exon lại với nhau.
  • Vị trí cắt nối (splice site): ranh giới giữa exon và intron được nhận diện nhờ các cặp dinucleotide bảo tồn cao ở hai đầu intron. Phân tích 43.337 cặp vị trí cắt nối ở động vật có vú của Burset và cộng sự (2000) ghi nhận cặp GT ở đầu 5' và AG ở đầu 3' chiếm 98,71% số vị trí cắt nối được kiểm chứng bằng dữ liệu thẻ trình tự biểu hiện; sau khi hiệu chỉnh sai sót giải trình tự, tỷ lệ ước tính là 99,24% cho cặp GT–AG, 0,69% cho cặp GC–AG và 0,05% cho cặp AT–AC thuộc hệ cắt nối phụ U12.

Bên cạnh việc đóng vai trò khoảng đệm cho quá trình tiến hóa qua cơ chế xáo trộn exon, intron còn thường chứa các trình tự điều hòa, yếu tố điều khiển cắt nối thay thế hoặc tiền chất của các phân tử RNA không mã hóa nhỏ.

Vùng kết thúc và vùng không dịch mã đầu 3'

Vùng kết thúc nằm ở đầu hạ lưu của gen, chứa tín hiệu dừng phiên mã để RNA polymerase giải phóng mạch khuôn DNA và bản sao RNA. Ở sinh vật nhân sơ, quá trình kết thúc thường phụ thuộc vào cấu trúc kẹp tóc giàu G–C đi kèm chuỗi uracil hoặc nhờ protein Rho. Ở đa số gen mã hóa protein của sinh vật nhân thực, quá trình kết thúc phiên mã của RNA polymerase II gắn chặt với cơ chế cắt nội mạch (cắt bởi endonuclease) và gắn đuôi poly(A) tại vùng không dịch mã đầu 3' (3' UTR).

Theo tổng quan của Proudfoot (2011), tín hiệu gắn đuôi poly(A) kinh điển trong 3' UTR của tiền mRNA nhân thực là trình tự hexamer AAUAAA nằm khoảng 10 đến 30 nucleotide về phía thượng lưu so với vị trí cắt nội mạch. Trình tự này được phức hệ yếu tố đặc hiệu cắt và gắn đuôi poly(A) (CPSF) nhận biết để điều khiển việc cắt đầu 3', tổng hợp đuôi poly(A) giúp ổn định mRNA, thúc đẩy RNA polymerase II dừng phiên mã, đồng thời tạo điều kiện cho hiện tượng gắn đuôi poly(A) thay thế (Proudfoot, 2011). Ngoài tín hiệu gắn đuôi poly(A), 3' UTR còn chứa nhiều vị trí gắn kết của microRNA và protein điều hòa nhằm kiểm soát thời gian tồn tại và vị trí phân bố của mRNA trong bào tương.

So sánh cấu trúc gen giữa sinh vật nhân sơ và sinh vật nhân thực

Sự khác biệt về tổ chức nhân tế bào và mức độ điều hòa biểu hiện tạo nên những đặc trưng cấu trúc đối lập giữa gen của sinh vật nhân sơ (vi khuẩn, cổ khuẩn) và sinh vật nhân thực (động vật, thực vật, nấm).

Đặc điểm cấu trúc Sinh vật nhân sơ Sinh vật nhân thực
Tính liên tục của vùng mã hóa Gen không phân mảnh; trình tự mã hóa liên tục và hầu như không có intron cắt nối Phần lớn là gen phân mảnh gồm các exon xen kẽ intron; phải qua cắt nối tiền mRNA
Tổ chức phiên mã Thường tổ chức thành operon gồm nhiều gen dùng chung một vùng khởi động tạo mRNA đa cistron Chủ yếu phiên mã đơn cistron; mỗi gen thường có vùng khởi động riêng
Hệ thống điều hòa Vùng khởi động gọn kèm trình tự vận hành nằm sát vùng mã hóa Vùng khởi động lõi kết hợp nhiều trình tự tăng cường, bất hoạt và cách ly ở xa hoặc trong intron
Tín hiệu khởi đầu dịch mã Trình tự Shine–Dalgarno ở phía trước bộ ba mở đầu AUG Ngữ cảnh Kozak bao quanh bộ ba mở đầu AUG cùng mũ 5' của mRNA trưởng thành
Chế biến đầu 3' và kết thúc Kết thúc độc lập hoặc phụ thuộc Rho; phiên mã và dịch mã diễn ra đồng thời Ở đa số gen mã hóa protein: cắt đầu 3' và gắn đuôi poly(A) nhờ tín hiệu AAUAAA trước khi xuất mRNA ra bào tương

Tổ chức định lượng ở hệ gen người và phân loại theo sản phẩm

Các dự án giải trình tự và chú giải hệ gen người đã lượng hóa quy mô và tỷ lệ các thành phần trong cấu trúc gen. Dựa trên sản phẩm cuối cùng, các gen được chia thành gen mã hóa protein và nhóm gen không mã hóa protein (tạo RNA vận chuyển, RNA ribosome, microRNA hoặc RNA không mã hóa dài — long non-coding RNA, lncRNA).

  • Số lượng gen mã hóa protein: theo chú giải tham chiếu GENCODE phiên bản 47 (Mudge và cộng sự, 2025), số lượng gen mã hóa protein ở người là 19.433 gen sau khi loại bỏ các dự đoán thiếu bằng chứng thực nghiệm. Khi hoàn thiện khoảng 8% hệ gen người trước đó chưa được giải trình tự đầy đủ trong bản lắp ráp hoàn chỉnh T2T-CHM13 (tổng kích thước 3,055 tỷ bp), Nurk và cộng sự (2022) đã bổ sung gần 200 triệu bp trình tự mới và ghi nhận 1.956 dự đoán gen, trong đó có 99 gen được dự đoán là mã hóa protein.
  • Sự mở rộng của gen không mã hóa dài: nhờ tích hợp giải trình tự hệ phiên mã đọc dài (long-read), GENCODE 2025 đã mở rộng danh mục gen lncRNA ở người lên khoảng 36.000 gen và bổ sung hơn 140.000 bản sao lncRNA mới (Mudge và cộng sự, 2025).
  • Thống kê exon, intron và chiều dài không gian phiên mã: trong phân tích 19.116 gen nhân mã hóa protein từ cơ sở dữ liệu NCBI Gene năm 2019, Piovesan và cộng sự (2019) ghi nhận tổng cộng 562.164 exon (tăng 36,2% so với thống kê trước đó do bổ sung các đồng dạng RNA) và không gian hệ phiên mã mã hóa protein không dư thừa đạt 59.281.518 bp (tăng 10,1%). Nghiên cứu này cũng xác nhận không tồn tại intron nào ở người ngắn hơn 30 bp (Piovesan và cộng sự, 2019).

Đối chiếu không gian phiên mã mã hóa protein không dư thừa 59.281.518 bp (Piovesan và cộng sự, 2019) với tổng kích thước 3,055 tỷ bp của hệ gen người hoàn chỉnh (Nurk và cộng sự, 2022) cho thấy các vùng exon của gen mã hóa protein chỉ chiếm một phần nhỏ trong toàn bộ hệ gen; phần còn lại bao gồm intron, các gen RNA không mã hóa, vùng điều hòa, DNA liên gen và trình tự lặp.

Ứng dụng trong chú giải hệ gen và y học lâm sàng

Hiểu biết chính xác về cấu trúc gen là nền tảng trực tiếp cho tin sinh học hệ gen, công nghệ sinh học tái tổ hợp và chẩn đoán bệnh di truyền.

  • Chuẩn hóa bản sao lâm sàng trong chẩn đoán biến thể: vì một gen có thể tạo ra nhiều đồng dạng cắt nối thay thế khác nhau, việc xác định tác động của một biến thể DNA đòi hỏi phải đối chiếu trên cùng một cấu trúc exon–intron tham chiếu. Đến năm 2025, các dự án chú giải như GENCODE cung cấp tập bản sao chuẩn hóa MANE Select và GENCODE Primary nhằm chọn ra tập hợp tối giản các bản sao có bằng chứng thực nghiệm vững chắc nhất cho mỗi gen mã hóa protein phục vụ phân tích lâm sàng (Mudge và cộng sự, 2025).
  • Chẩn đoán đột biến mất đoạn exon tại Việt Nam: cấu trúc phân mảnh với hàng chục exon của các gen kích thước lớn đòi hỏi chiến lược xét nghiệm theo từng exon. Trong một nghiên cứu trên 152 bệnh nhân loạn dưỡng cơ Duchenne và Becker tại Việt Nam, Tran và cộng sự (2013) phát hiện 82 bệnh nhân (chiếm 54%) mang đột biến mất đoạn exon trên gen dystrophin với 37 kiểu mất đoạn khác nhau; hai kiểu mất đoạn phổ biến nhất là mất exon 45–50 và mất exon 49–52 (mỗi kiểu có 6 ca, chiếm 7,3% trong số 82 bệnh nhân có mất đoạn). Dữ liệu bản đồ exon này còn cho phép đánh giá khả năng áp dụng liệu pháp điều trị đích bằng cơ chế bỏ qua exon (exon skipping), trong đó bỏ qua exon 51 được dự báo mang lại lợi ích cho tỷ lệ bệnh nhân cao nhất trong nhóm nghiên cứu (Tran và cộng sự, 2013).
  • Thiết kế biểu hiện gen tái tổ hợp: khi chuyển một gen nhân thực vào hệ thống biểu hiện vi khuẩn để sản xuất protein tái tổ hợp, nhà nghiên cứu phải sử dụng DNA bổ sung (cDNA) đã loại bỏ intron và gắn thêm vùng khởi động cùng trình tự Shine–Dalgarno tương thích với bộ máy phiên mã và dịch mã của vật chủ nhân sơ.

Giới hạn của mô hình cấu trúc gen cổ điển và vấn đề còn mở

Mặc dù mô hình ba vùng (vùng điều hòa, vùng mã hóa gồm exon–intron, vùng kết thúc) rất hữu ích trong giảng dạy và chú giải cơ bản, mô hình này không bao quát hết toàn bộ tổ chức hệ gen và vẫn còn nhiều vấn đề đang tiếp tục được làm rõ tính đến năm 2025.

  • Gen chồng lấn và phiên mã hai chiều: nhiều cặp gen sử dụng chung một phần trình tự DNA trên hai mạch đối bổ sung hoặc nằm lồng vào bên trong intron của một gen lớn hơn, khiến một đoạn DNA có thể đồng thời là exon của gen này nhưng lại là intron hoặc vùng điều hòa của gen khác (Gerstein và cộng sự, 2007).
  • Ngoại lệ của quy tắc cắt nối GT–AG: bên cạnh 99,24% vị trí cắt nối kinh điển GT–AG (sau hiệu chỉnh sai sót giải trình tự), vẫn tồn tại các ranh giới không kinh điển gồm GC–AG (0,69%), AT–AC (0,05%) và các dạng hiếm khác (0,02%), đòi hỏi thuật toán dự đoán cấu trúc gen không được mặc định loại bỏ các ranh giới phi kinh điển (Burset và cộng sự, 2000).
  • Vùng khởi động phân tán và nhiều điểm bắt đầu phiên mã: nhiều vùng khởi động trên đảo CpG (thường gặp ở gen giữ nhà và thiếu hộp TATA lẫn yếu tố DPE) khởi đầu phiên mã phân tán tại nhiều vị trí yếu trải dài trên một vùng rộng, tạo ra các bản sao có đầu 5' không đồng nhất (Smale và Kadonaga, 2003).
  • Phân biệt bản sao chức năng với nhiễu phiên mã: sự gia tăng nhanh số lượng bản sao lncRNA mới nhờ công nghệ đọc dài đặt ra thách thức phân tách đâu là cấu trúc gen có chức năng sinh học thực sự và đâu là sản phẩm phụ của phiên mã nền hoặc gen giả (Mudge và cộng sự, 2025).

Câu hỏi thường gặp

Cấu trúc gen ở sinh vật nhân sơ khác sinh vật nhân thực ở điểm nào?

Gen của sinh vật nhân sơ thường có vùng mã hóa liên tục không chứa intron và hay tổ chức thành operon tạo bản sao đa cistron, trong khi đa số gen sinh vật nhân thực là gen phân mảnh gồm các exon xen kẽ intron và phiên mã đơn cistron. Ngoài ra, sinh vật nhân thực có hệ thống điều hòa xa phức tạp hơn và phải thực hiện cắt nối tiền mRNA cùng gắn đuôi poly(A) trước khi dịch mã.

Các đoạn intron không mã hóa protein có vai trò sinh học gì?

Mặc dù bị cắt bỏ khỏi tiền mRNA trong quá trình tạo mRNA trưởng thành, các đoạn intron đóng vai trò quan trọng trong tiến hóa nhờ cơ chế xáo trộn exon và cho phép một gen tạo ra nhiều đồng dạng protein qua cắt nối thay thế. Intron cũng thường chứa các trình tự điều hòa phiên mã như trình tự tăng cường hoặc tiền chất của các phân tử RNA không mã hóa nhỏ.

Định nghĩa hậu ENCODE thay đổi cách hiểu về cấu trúc gen như thế nào?

Dự án ENCODE cho thấy hiện tượng phiên mã lan tỏa và nhiều bản sao chồng lấn khiến ranh giới tuyến tính cổ điển của gen bị xóa nhòa. Vì vậy, định nghĩa hậu ENCODE coi gen là tập hợp các trình tự hệ gen mã hóa cho một nhóm nhất quán các sản phẩm chức năng có thể chồng lấn, đồng thời tách các trình tự điều hòa ở xa khỏi khung vật lý lõi của gen.

Hiểu biết về cấu trúc exon và intron được ứng dụng thế nào trong chẩn đoán bệnh di truyền?

Việc lập bản đồ ranh giới exon–intron giúp thiết kế xét nghiệm phát hiện đột biến mất đoạn hoặc biến đổi vị trí cắt nối ở các gen lớn. Chẳng hạn, một nghiên cứu trên 152 bệnh nhân loạn dưỡng cơ tại Việt Nam ghi nhận 82 trường hợp (54%) mang đột biến mất đoạn exon ở gen dystrophin, qua đó định hướng sàng lọc và liệu pháp bỏ qua exon 51.

Tài liệu tham khảo

  1. Mudge, J. M., Carbonell-Sala, S., Diekhans, M., Martinez, J. G., Hunt, T., Jungreis, I., ... & Frankish, A. (2025). GENCODE 2025: reference gene annotation for human and mouse. Nucleic Acids Research, 53(D1), D966–D975. DOI: 10.1093/nar/gkae1078
  2. Gerstein, M. B., Bruce, C., Rozowsky, J. S., Zheng, D., Du, J., Korbel, J. O., ... & Snyder, M. (2007). What is a gene, post-ENCODE? History and updated definition. Genome Research, 17(6), 669–681. DOI: 10.1101/gr.6339607
  3. Nurk, S., Koren, S., Rhie, A., Rautiainen, M., Bzikadze, A. V., Mikheenko, A., ... & Phillippy, A. M. (2022). The complete sequence of a human genome. Science, 376(6588), 44–53. DOI: 10.1126/science.abj6987
  4. Piovesan, A., Antonaros, F., Vitale, L., Strippoli, P., Pelleri, M. C., & Caracausi, M. (2019). Human protein-coding genes and gene feature statistics in 2019. BMC Research Notes, 12, 315. DOI: 10.1186/s13104-019-4343-8
  5. Burset, M., Seledtsov, I. A., & Solovyev, V. V. (2000). Analysis of canonical and non-canonical splice sites in mammalian genomes. Nucleic Acids Research, 28(21), 4364–4375. DOI: 10.1093/nar/28.21.4364
  6. Smale, S. T., & Kadonaga, J. T. (2003). The RNA Polymerase II Core Promoter. Annual Review of Biochemistry, 72, 449–479. DOI: 10.1146/annurev.biochem.72.121801.161520
  7. Proudfoot, N. J. (2011). Ending the message: poly(A) signals then and now. Genes & Development, 25(17), 1770–1782. DOI: 10.1101/gad.17268411
  8. Tran, V. K., Ta, V. T., Vu, D. C., Nguyen, S. T. B., Do, H. N., Ta, M. H., Tran, T. H., & Matsuo, M. (2013). Exon Deletion Patterns of the Dystrophin Gene in 82 Vietnamese Duchenne/Becker Muscular Dystrophy Patients. Journal of Neurogenetics, 27(4), 170–175. DOI: 10.3109/01677063.2013.830616