In un tipico gene eucariotico, subito prima della regione codificante troviamo un promotore al quale si lega l’RNA polimerasi per dare inizio al processo di trascrizione. Tuttavia l’RNA polimerasi eucariotica, a differenza di quella procariotica, non riconosce direttamente la sequenza del promotore, ma ha bisogno di altre molecole.

All’estremità opposta del gene, dopo la sequenza codificante, si trova una sequenza di DNA chiamata terminatore, che segnala il punto di arresto della trascrizione. Il terminatore non deve essere confuso con il codone di stop (che fa parte del gene): la sequenza del terminatore infatti si trova fuori dal tratto codificante, di regola dopo il codone di stop, e segnala la fine della trascrizione a opera dell’RNA polimerasi.

Gli studi sul genoma eucariotico hanno portato ad una sorprendente scoperta: molti geni che codificano proteine contengono anche sequenze di basi non codificanti, dette introni, intercalate ai tratti codificanti, definiti esoni (▶figura 3). I geni formati da esoni e introni sono chiamati geni interrotti; ognuno di essi inizia e finisce con un esone.

Nel caso dei geni interrotti, la produzione di mRNA comporta, oltre alla trascrizione, un passaggio ulteriore che non esiste nel caso degli altri geni. Infatti il trascritto primario di mRNA, definito pre-mRNA, contiene anche i trascritti degli introni, che però vengono rimossi prima che l’mRNA maturo (la molecola finale pronta per essere tradotta) lasci il nucleo e si trasferisca nel citoplasma. La rielaborazione del pre-mRNA comporta il taglio degli introni dal trascritto e la successiva saldatura dei restanti trascritti relativi agli esoni. La sequenza di basi degli esoni, messi l’uno di fila all’altro, è complementare a quella dell’mRNA maturo.

Ogni esone codifica di solito per una piccola parte della proteina dotata di una precisa struttura secondaria e di una funzione specifica. Queste parti sono definite domìni. Per esempio, i polipeptidi delle globine che formano l’emoglobina possiedono ciascuno due domini (uno per legarsi a un pigmento non proteico, chiamato eme, e uno per legarsi all’altra subunità di globina), che vengono codificati da esoni distinti del gene per la globina.

Gli introni sono presenti in quasi tutti i geni dei vertebrati, come pure in quelli di molti altri eucarioti. Il numero di introni e di esoni varia in un intervallo molto ampio: il gene umano più lungo, quello della proteina muscolare chiamata titina, possiede 363 esoni, che codificano in tutto 38 138 amminoacidi.

Prima di lasciare il nucleo, il trascritto primario di un gene eucariotico va incontro a varie modifiche, tra cui la principale è la rimozione degli introni. Se queste sequenze di RNA non venissero eliminate, il risultato sarebbe la traduzione dell’mRNA in una sequenza amminoacidica molto diversa e, con ogni probabilità, una proteina non funzionante.

La rimozione degli introni e la giustapposizione degli esoni avviene attraverso un processo definito splicing dell’RNA, in cui intervengono particolari ribonucleoproteine nucleari (cioè molecole fatte di RNA e proteine) chiamate snRNP, che in inglese si pronuncia «snurp».

Esistono diversi tipi di snRNP, che raggiungono il pre-mRNA mentre viene trascritto e si legano ad esso riconoscendo particolari sequenze poste al confine tra introni ed esoni. Queste sequenze sono chiamate sequenze consenso e sono brevi tratti di DNA che compaiono, con poche differenze, in molti geni diversi. Una snRNP contiene una sequenza di basi complementare alla sequenza consenso presente all’estremità 5' del confine tra esone e introne, e si lega al pre-mRNA per complementarietà delle basi; un’altra snRNP si lega al pre-mRNA presso l’estremità 3' dello stesso confine (▶figura 4).

A questo punto, usando energia fornita dall’ATP, si aggiungono alcune proteine e si forma un voluminoso complesso RNA-proteine, definito spliceosoma. Questo complesso taglia il pre-mRNA, elimina gli introni e ricuce tra loro le estremità degli esoni, producendo l’mRNA maturo.

La maturazione del trascritto primario comporta anche l’aggiunta di un piccolo «cappuccio» all’estremità 5' e di una lunga «coda» all’estremità 3'. In genere il cappuccio è un nucleotide G, mentre la coda è una sequenza di circa 200 nucleotidi A (poliA). Cappuccio e coda servono per facilitare il legame con i ribosomi e per proteggere l’mRNA dall’attacco di enzimi idrolitici che potrebbero degradarlo. Per questo l’mRNA eucariotico maturo è più stabile e ha una durata più lunga di quello dei procarioti.

Dopo essere stato rielaborato, l’mRNA maturo lascia il nucleo attraverso i pori nucleari.

Circa la metà di tutti i geni eucariotici codificanti proteine è presente in singola copia nel genoma aploide (quindi in due copie nelle cellule somatiche). Gli altri geni sono presenti in copie multiple.

Nel corso dell’evoluzione, le varie copie di uno stesso gene possono subire mutazioni diverse, dando origine a un gruppo di geni strettamente affini, definiti complessivamente famiglia genica. Alcune famiglie geniche, come i geni che codificano le globine dell’emoglobina, contengono pochi membri; altre, come i geni che codificano le immunoglobuline degli anticorpi (▶paragrafo 6), possiedono centinaia di membri.

Come i membri di qualsiasi famiglia, anche le sequenze di DNA di una famiglia genica di solito sono un po’ differenti l’una dall’altra. Fintanto che almeno un membro mantiene la primitiva sequenza di DNA, e quindi codifica la proteina giusta, gli altri possono mutare più o meno estesamente. La presenza di copie «supplementari» di un gene è un’importante fonte di variabilità per l’evoluzione a livello molecolare: quando un gene mutato è utile, può superare la selezione e mantenersi nelle generazioni successive; se invece non è funzionale, la copia non mutata salva la situazione.

La famiglia genica che codifica le globine rappresenta un buon esempio di famiglia genica nei vertebrati. Queste proteine si trovano nell’emoglobina e nella mioglobina (una proteina presente nelle fibre muscolari con funzione di trasportatore di ossigeno). I geni per la globina traggono tutti origine da uno stesso gene ancestrale molto antico. Negli esseri umani ci sono tre membri funzionali del gruppo dell’alfa-globina (α-globina) e cinque membri nel gruppo della beta-globina (β-globina), come puoi vedere nella ▶figura 5. Nell’adulto, ogni molecola di emoglobina è formata da due subunità identiche di α-globina, due subunità identiche di β-globina e quattro gruppi eme (uno per subunità).

Durante lo sviluppo embrionale, i diversi membri del gruppo delle globine vengono espressi in momenti diversi e in tessuti diversi. Questa espressione genica differenziata ha una grande rilevanza fisiologica. La γ-globina, per esempio, una subunità prodotta dal fegato e presente nell’emoglobina del feto, lega l’ossigeno con affinità maggiore rispetto all’emoglobina dell’adulto.

Questa forma specializzata di emoglobina garantisce che nella placenta, dove la circolazione materna e quella fetale vengono in stretto contatto, l’O₂ si trasferisca dal sangue della madre a quello del feto in via di sviluppo. Appena prima del parto, la sintesi di emoglobina fetale da parte del fegato cessa e subentra il midollo osseo, che produce emoglobina adulta. Dunque, durante lo sviluppo umano sono prodotte emoglobine con affinità diverse per l’O₂ (▶figura 6).

Oltre ai geni che codificano proteine, molte famiglie geniche comprendono pseudogeni inattivi (vedi ▶figura 5), che vengono indicati con la lettera greca psi (ψ). Gli pseudogeni sono le «pecore nere» di una famiglia genica, poiché derivano da mutazioni che provocano la perdita della funzionalità anziché la comparsa di una funzione potenziata o comunque nuova.