英文版的基因结构图：

中文版的基因结构图：

先来认识几个概念：

3'UTR: 3‘端非翻译区，也就是mRNA两端的非编码片段

5'UTR: 5‘端非翻译区，也就是mRNA两端的非编码片段

UTR代表了RNA EXON的非蛋白质编码部分

ORF:开放读取框，指任意一段序列，只要起于ATG止于终止子，都可以叫做ORF。ORF是一种预测，而不是一种已知的翻译区

CDS: Coding DNA Sequence，是指mRNA序列中编码蛋白质的那部分序列。属于ORF（open reading frame），既然编码蛋白，那肯定以ATG开始--终止密码子结束。

CDS,start_codon（启动子）,stop_codon（终止子）,UTR等概念都是针对可以编码蛋白质的转录本(mRNA)而言的。当然也存在不编码蛋白的转录本（mRNA），那么他只有exon了，没有CDS，start_codon,stop_codon。另外exon与intron是互斥的，exon包含UTR和CDS。

基于这些信息我们可以得到以下结论 (可以自行统计基因注释文件：gencode.v18.annotation.gtf)：

1). 对start_codon和stop_codon而言，只涉及3个碱基。以ENST00000583352.1 为例 (GENCODE hg19)，其中涉及以下两行信息（基因组位置后部分信息已省去）

chr17    HAVANA    start_codon    46051392    46051394 

chr17    HAVANA    stop_codon    46053014    46053016

2). 对于任意一个编码蛋白转录本而言，可以没有5'UTR，但是肯定有3’UTR，3'UTR最短也就和stop_codon完全相同，即3个碱基。 以ENST00000583352.1 为例 (GENCODE hg19)，其中涉及以下两行信息（基因组位置后部分信息已省去）

chr17    HAVANA    stop_codon    46053014    46053016

chr17    HAVANA    UTR    46053014    46053016

结论：可以看出此转录本stop_codon和UTR基因组位置相同。

3). 对于编码蛋白转录本而言，第一个外显子可以部分或者整体全是在5’UTR内部。此外，前面多个外显子也可以都在5’UTR中。以ENST00000342066.3为例(GENCODE hg19)，其中涉及以下信息（基因组位置后部分信息已省去）

chr1    HAVANA    exon    861118    861180

chr1    HAVANA    exon    861302    861393

chr1    HAVANA    CDS    861322    861393

chr1    HAVANA    start_codon    861322    861324

...

chr1    HAVANA    UTR    861118    861180

chr1    HAVANA    UTR    861302    861321

chr1    HAVANA    UTR    879531    879955 

结论：可以看出此转录本 第一个外显子在5'UTR内部，第二个外显子含有部分5'UTR。start_codon是CDS的一部分

4). 部分编码蛋白转录本最后一个外显子可以部分或者整体全是在3’UTR内部。此外，后面多个外显子也可以都在3’UTR中。以ENST00000435070.3为例(GENCODE hg19)，其中涉及以下信息（基因组位置后部分信息已省去）

chr12    HAVANA    CDS    69656153    69656336

chr12    HAVANA    stop_codon    69656337    69656339

chr12    HAVANA    exon    69663292    69668138

chr12    HAVANA    UTR    69633317    69633426

chr12    HAVANA    UTR    69656337    69656342

chr12    HAVANA    UTR    69663292    69668138 

结论：可以看出此转录本最后一个外显子在3'UTR内部，倒数第二个外显子含有部分3'UTR。stop_codon是3’UTR的一部分。

5. 可以是2),3)和4)的组合。