“人类与猪的基因相似度”没有一个脱离计算方法的固定百分比。若比较的是整段DNA碱基，得到的是序列一致性；若比较的是两种动物拥有多少对应基因，得到的是基因集合重合度；若比较蛋白质编码区，还可能得到另一组结果。因此，先说明比较对象、分母和统计范围，再谈百分比，才不会把不同口径混在一起。

人类与猪的基因相似度，先要看“相似”按什么算？

人类和猪都属于哺乳动物，拥有大量来源相同或功能相近的基因；蛳嗨，不等于两种动物的整套DNA逐字相同，也不等于外形、器官或行为完全相同。常见的计算对象主要有以下几种。

人类与猪基因相似度的常见统计口径

比较对象	主要公式	它实际说明什么
对齐后的DNA碱基	相同碱基数÷有效对齐碱基总数×100%	两段可比序列逐位有多相同
对应基因数量	共同直系同源基因数÷选定物种的基因总数×100%	两种动物拥有多少组可对应的基因
蛋白质编码区	相同氨基酸位置数÷有效对齐位置数×100%	基因编码出的蛋白质序列有多相近
基因集合重合度	共同基因数÷两物种基因并集×100%	以双方共同拥有的基因占全部不同基因的比例衡量

其中，“共同基因”不能只看基因名称是否相同。更严谨的做法是判断两个基因是否来自共同祖先，并结合序列、所在位置和功能进行匹配，这类对应关系通常称为直系同源关系。一个基因在两种动物中都存在，只能说明基因层面有对应关系，不能直接说明两段DNA的每一个碱基都相同。

确定了计算口径，具体应该怎么算？

1. 先确定比较单位。要明确是整条基因组、某一批基因、蛋白质编码区，还是某个具体基因。没有单位的“相似度”无法复核。
2. 统一数据版本。人类和猪的参考基因组会更新，基因注释也可能变化。应记录参考基因组版本、基因数量统计范围和是否排除未定位片段。
3. 建立可比区域。对DNA或蛋白质序列进行序列比对，只把可以可靠对应的区域放入统计。重复序列、缺口、无法确认的碱基，需要提前规定如何处理。
4. 计算匹配数量。DNA比较中统计相同碱基；蛋白质比较中统计相同氨基酸；基因层面则统计通过同源关系确认的对应基因对。
5. 选定分母并套用公式。同一批数据，使用人类基因总数、猪基因总数或两者并集作为分母，结果可能不同，所以分母必须写出来。
6. 连同范围报告结果。完整结果应包含“比较对象、样本范围、分子单位、分母、缺口处理方式和百分比”，而不是只给一个孤立数字。

例如，若研究者想计算某段可对齐DNA的碱基一致性，可以使用：

DNA一致性 = 对齐区域中相同碱基数 ÷ 纳入统计的有效对齐碱基数 × 100%

若两段序列对齐后共有10000个有效位置，其中8200个位置的碱基相同，那么该区域的一致性就是8200÷10000×100%=82%。这个数字只代表这段被选中并成功对齐的DNA，不代表人类和猪全部基因组的总体相似度。

用一个示例，为什么同一对物种会得到不同百分比？

假设某项基因注释统计选取人类和猪各20000个已确认蛋白质编码基因，其中有18000对被判定为直系同源基因。若以人类基因总数为分母，计算结果为：

18000÷20000×100%=90%

如果改为以两物种共同基因占“全部不同基因”的比例计算，两个物种的基因并集为20000+20000-18000=22000个，结果则是：

18000÷22000×100%≈81.8%

这两个结果并不一定互相矛盾，而是回答了不同问题。前者更接近“人类基因中有多大比例能在猪中找到对应物”，后者则回答“双方所有不同基因中，有多大比例是共同的”。如果再改成比较这些基因的DNA序列或蛋白质序列，百分比还会继续变化。

同理，“某些基因的功能在人和猪之间高度保守”与“人和猪的全基因组有某个固定百分比相同”也不是同一个命题。细胞分裂、能量代谢、免疫调节等基本生命过程涉及的基因，往往更容易在不同哺乳动物之间找到对应关系；但基因的具体序列、调控区域、拷贝数量和表达时间仍可能存在明显差异。

看到一个百分比时，怎样判断它算的是什么？

遇到“人类与猪的基因相似度为某个百分比”的说法，可以按以下顺序阅读：

• 看比较对象：是全基因组、编码区、单个基因，还是共同基因数量。
• 看分子单位：统计的是DNA碱基、基因数，还是蛋白质氨基酸。
• 看分母：是人类一方的总量、猪一方的总量、对齐区域总量，还是双方基因并集。
• 看是否包含缺口：有些计算只统计成功对齐的位置，有些计算会把插入、缺失纳入差异。
• 看数据范围：某个基因家族或某段染色体的结果，不能直接扩大为整个基因组结果。

如果这些信息没有说明，只给出“人猪基因相似度是百分之几”，通常无法判断这个数字是否可与另一篇资料比较。尤其是把“共同基因比例”直接称为“DNA相似度”，会夸大或误解统计结果。

人类与猪的基因相似度应该怎样准确表述？

较稳妥的表述是：人类和猪作为哺乳动物，在许多基因和生命基本功能上存在广泛的同源关系，但“基因相似度”必须注明统计口径。若讨论基因数量，应说“共同直系同源基因的比例”；若讨论序列，应说“指定对齐区域的DNA或蛋白质序列一致性”；若讨论整套遗传物质，则还要说明参考基因组、有效对齐范围和缺口处理规则。

因此，回答这个问题时不能只写一个脱离上下文的百分比。先确定比较什么、按什么作为分母、统计哪一段、如何处理无法对齐的位置，再代入公式，所得结果才具有明确含义，也才能与其他研究或资料进行公平比较。

cjbalvgn3c5bgi6klfbjkpbb0xo3x

免责声明：本内容来自腾讯平台创作者，不代表腾讯新闻或腾讯网的观点和立场。