[控场AI]
· 7 分钟阅读· 3,800 字

记忆能遗传吗?RNA如何打破跨代遗传禁区

记忆能遗传吗?RNA如何打破跨代遗传禁区

线虫实验证明后天经历可借助RNA跨代遗传,挑战"后天性状不可遗传"的教科书定论。

斯坦福神经生物学家Andrew Huberman与遗传学家Oded Rechavi的对谈围绕一个颠覆性问题展开:后天获得的经验能否遗传给下一代?传统上,Weismann屏障(体细胞与生殖系分离)和表观遗传重编程(受精时约90%的化学修饰被清除)被视为两道无法逾越的屏障。然而,以秀丽隐杆线虫为模型,Rechavi团队提供了确凿证据:亲代感染病毒后产生的小RNA能跨代传递,赋予后代病毒抗性;更重要的是,2019年《Cell》论文证明,仅改变大脑中内源性小RNA的产量,就可通过生殖系基因saga-2影响后代寻食行为达三代。在哺乳动物乃至人类中,类似机制是否存在尚属未知,但这一发现已为遗传学开辟了一个全新的信息传递维度。

在神经科学播客 Huberman Lab Essentials 的一期对谈中,斯坦福神经生物学教授 Andrew Huberman 与遗传学家 Oded Rechavi 深入探讨了一个足以颠覆常识的问题:后天获得的经验,究竟能不能遗传给下一代?答案比传统教科书上的"不能"要复杂得多。

基因、RNA与蛋白质:从宜家手册说起

要理解遗传的边界,先要搞清楚基因如何运作。Rechavi 用了一个巧妙的比喻:DNA 就像每个细胞里都有的一本"宜家组装手册",里面包含了制造全身所有"家具"的完整说明书,这就是基因组(genome)。

身体里每个细胞都拥有相同的这本手册,但不同房间需要不同家具——厨房要厨房的,卫生间要卫生间的。于是细胞只抽取某一页说明(对应某个基因),把它转录成 RNA,最后据此"组装"出蛋白质这件家具。

值得关注的一个数据是:人类基因组庞大,但其中不到 2% 编码信使 RNA(mRNA)。大量基因组被转录成其他类型的 RNA,它们承担调控功能,其中很多机制至今仍是未解之谜。这也为后文的"遗传新通道"埋下了伏笔。

两道无法逾越的屏障

为什么眼睛颜色能遗传,而学习建筑学的知识不能?关键在于体细胞与生殖细胞的区分。

只有生殖细胞(精子和卵子)能贡献给下一代。而大脑、肌肉等体细胞发生的变化,理论上无法传递给生殖细胞。你去健身房练出的肌肉,孩子必须自己重新练——这是我们凭直觉就能理解的常识。

大脑的信息本不应传递给下一代

Rechavi 指出,阻挡后天性状遗传的有两道核心屏障:

第一道是 Weismann 屏障,由 19 世纪的 August Weismann 提出,即体细胞与生殖系的分离。这被称为"生物学第二定律"(自然选择是第一定律),重要性可见一斑。

第二道是表观遗传重编程。细胞在生命过程中会积累各种化学修饰,但在世代交替时,精子、卵子和早期胚胎中约 90% 的修饰会被擦除,让新一代从"白纸"状态、依照原始遗传指令重新发育。

擦除修饰,恢复制造所有家具的潜能

用宜家手册的比喻说,就是把前一任主人用铅笔在书上做的记号全部擦掉,让手册恢复制造所有家具的完整潜能,而不被限制在某个房间用过的那几件上。

**表观遗传(Epigenetics)**一词字面意思是"在基因之上",指不改变DNA序列本身、却能影响基因表达的可遗传化学修饰。最常见的两类是DNA甲基化(在DNA特定位置附加甲基标记,通常抑制基因表达)和组蛋白修饰(改变DNA缠绕的蛋白质线轴,从而控制基因的可及性)。这些修饰可以响应环境信号——压力、饮食、毒素等——动态开启或关闭特定基因。表观遗传重编程正是在受精和早期胚胎发育阶段,通过专门的酶系统大规模清除这些修饰,防止亲代的"人生注脚"干扰新个体的全能发育潜力。约10%未被清除的修饰则构成了后天性状可能跨代传递的生物学窗口,也是整篇文章争议的核心所在。

拉马克的幽灵与RNA的登场

"后天获得性状遗传"这一想法可追溯到拉马克。经典例子是长颈鹿:拉马克认为长颈鹿为吃高处树叶而拉长脖子,并把长脖子传给后代;而达尔文的自然选择则认为,恰好天生脖子长的个体存活下来、繁衍取代了其他个体。

有趣的是,就连物理学家薛定谔在其 1944 年的著作中也断言"后天性状遗传不成立",并感慨这一点令人沮丧——因为它意味着你无论做什么,都无法在生物学层面影响下一代。

但 Rechavi 强调,除了 DNA,还存在通过 RNA 跨代传递信息的机制。近年来,即使在哺乳动物研究领域,RNA 作为跨代信息载体也逐渐走到台前。这正是该领域的前沿所在。

拉马克主义(Lamarckism)在20世纪曾长期作为伪科学的代名词,部分原因是苏联时期李森科(Lysenko)将其政治化,导致数千名遵循孟德尔遗传学的苏联科学家遭受迫害,苏联农业也因此陷入灾难。这段历史使"后天获得性状遗传"在科学界背负了极大的污名,以至于任何相关研究都需要格外严格的证据门槛。Rechavi在访谈中特别强调线虫证据"板上钉钉",正是有意与这段历史切割——他的研究不是要复活拉马克,而是在分子层面揭示一种全新的、以RNA为媒介的信息传递机制,其逻辑与"用进废退"的直觉完全不同:传递的不是"练出来的肌肉"这一性状本身,而是"遭遇过某种威胁"这一信息所触发的特定分子状态。

秀丽隐杆线虫:改写规则的模式生物

要验证这些机制,研究必须借助模式生物。Rechavi 选择的是秀丽隐杆线虫(C. elegans)。

这种线虫的优势令人惊叹:全球研究者为它的每一个神经元编号命名,使不同实验室能研究"同一个神经元";虫体透明,可直接观察神经元放电;它是第一个完成基因组测序的动物,甚至早于人类;每只母虫产下约 250 个基因几乎相同的后代,世代周期仅 3 天——一个博士生涯就能做上百代实验。

线虫可以被训练去厌恶某种气味

更关键的是,在线虫中,后天获得性状的遗传已有"非常明确、板上钉钉的证据",以至于表观遗传领域几乎无人再对其提出异议。

从RNA干扰到病毒抗性的跨代传递

故事的科学根基是 2006 年 Andrew Fire 和 Craig Mello 因 RNA 干扰(RNAi)获得的诺贝尔奖(论文 1998 年发表)。他们发现,向线虫注入双链 RNA,会导致序列匹配的基因被"沉默",产生小 RNA 去摧毁对应的信使 RNA。

注入的效应会扩散到全身,包括生殖细胞

更惊人的是,注入的沉默效应不仅出现在注射部位,还会扩散至全身,包括生殖细胞,并传给下一代。甚至只要喂食产生双链 RNA 的细菌,效应就能从肠道扩散到全身及后代。这已是全球线虫实验室每天的常规操作。

Rechavi 的实验室则用荧光病毒做了一个漂亮的验证:病毒成功复制则虫体变绿,被摧毁则保持黑色。他们让线虫感染病毒并将其清除,然后在后代中敲除制造小 RNA 的机器——这些后代自己无法生产小 RNA。结果,尽管缺失相关基因,这些后代面对病毒时依然保持黑色,成功沉默了病毒,而且效应延续多代。

通过 RNA 测序,研究者能确认这些后代体内匹配病毒基因组的小 RNA 确实来自被感染的亲代。换句话说,父母把一份"应对特定威胁的优势"写进了后代的遗传指令里。

**RNA干扰(RNAi)**的发现彻底改变了分子生物学对基因调控的认知。其核心逻辑是:细胞内存在一套以小RNA分子为"导向"的防御与调控系统。当双链RNA(dsRNA)进入细胞后,名为Dicer的酶将其切割成约21-23个碱基对长的小干扰RNA(siRNA)片段;这些片段随后装载进RISC(RNA诱导沉默复合体),以互补配对原则靶向并降解对应的信使RNA,从而精准"关闭"特定基因。这一机制在进化上极为古老,很可能起源于对抗病毒的防御系统——病毒复制过程中会产生双链RNA,恰好触发宿主的沉默响应。Fire和Mello的诺奖工作揭示了这一机制在线虫中的强大效力,而Rechavi实验室将其与跨代遗传联系起来,则把RNAi从"细胞内调控工具"提升为可能在代际间传递免疫记忆的信息载体。

大脑能否"写信"给下一代?

最具颠覆性的问题是:大脑活动能否传递给后代?Rechavi 反复强调,在哺乳动物中"我们还不知道",但在线虫中已有重要发现。

难点在于两种"语言"的转换:大脑把信息储存在突触连接的三维结构中,而可遗传信息必须通过受精卵这个单细胞"瓶颈"。如何把突触架构翻译成分子形式,是核心挑战。

Rechavi 团队 2019 年发表于《Cell》的研究给出了一条不需要"翻译"的路径:仅仅改变线虫大脑中内源性小 RNA 的产量,就能在不触碰后代大脑的情况下,改变其后代寻找食物的能力,且效应延续三代。其机制是通过影响生殖系中一个名为 saga-2 的基因表达来实现的。

他们证明这是真正的表观遗传效应,因为它跨越多代,且依赖于在世代间物理携带 RNA 的蛋白质——若缺失该蛋白,效应就不会发生。

从科幻走向诊断的可能未来

展望应用前景,Rechavi 提出了几个方向。已有啮齿动物实验显示,过度喂养会给后代带来代谢问题,但让动物运动则能纠正这种亲代遗传影响。

更远的设想是诊断层面的突破。在以色列,多数备孕夫妇会做基于 DNA 的遗传病筛查,但目前无人检测 RNA。DNA 的美妙之处在于其可塑性——DNA 是固定的,而 RNA 是可变的。若未来能证实其在人类中的作用,或许有一天"在跑步机上跑一会儿"就能改变可遗传 RNA 的图谱,用于 IVF 时选择更健康的组合。

Rechavi 谨慎地反复申明:这些在人类中"目前完全不知道如何运作",仍属科幻。但也正因如此,它才如此引人入胜——一个几乎无人涉足、却蕴藏巨大潜力的全新层面。

#跨代遗传#RNA干扰#表观遗传#秀丽隐杆线虫#后天获得性状遗传#小RNA#Oded Rechavi#Huberman Lab
分享:

相关推荐