人类与狗的基因相似度，不能只靠一个脱离口径的百分比来概括。计算前要先说明比较的对象是 DNA 碱基、对应基因，还是基因组中能够对齐的区域；再说明分母如何选取。口径不同，结果表达的含义也不同。若要计算“序列相同率”，常用做法是比较可对应的序列位置，统计其中相同的碱基比例。
先确定计算口径
人类和狗都属于哺乳动物，拥有许多可追溯到共同祖先的对应基因。不过，“都有某个基因”“基因承担相似功能”和“基因序列完全相同”是不同概念。基因是否存在，适合统计共享基因的数量；功能是否相近，需要看基因及其生物学作用；序列相同率，则必须逐位比较 DNA 序列。三者不能互相替代。
较清晰的计算口径，是选取一组在人类与狗之间能够对应的同源基因，对每一对基因进行序列比对，再统计比对位置上的相同碱基。这里的“同源”表示这些基因具有共同的进化来源，不代表它们每个位置都相同。若统计对象改成整个基因组，还需要处理无法对应的区域、重复序列、插入和缺失等情况，结果就不再等同于某一组基因的相同率。
公式与单位
按碱基位置计算时，基本公式为：
序列相同率（%）＝相同碱基数 ÷ 纳入统计的可比较碱基数 × 100%
相同碱基数是比对后字母相同的位置数；可比较碱基数是按既定规则纳入分母的位置数。常见计数单位是碱基位点（bp），百分比则用于表达相同位置所占比例。若分析的是基因而非整段 DNA，也可以先逐个计算每个基因的相同率，再汇总；报告时应注明采用哪种汇总方式。
计算时还要预先约定如何处理缺口和不确定碱基。例如，序列中无法确定具体字母的位置可以剔除；插入或缺失造成的比对缺口，可以按既定规则作为差异计入，或不纳入可比较位置。规则改变，分子或分母可能随之变化，因此百分比也可能改变。
计算步骤
- 选定比较对象：确定使用一组对应基因，还是一段可对齐的基因组区域，并写明纳入范围。不能把“共享多少基因”直接当作碱基相同率。
- 逐位比对并计数：将两条对应序列对齐，统计相同碱基数，同时记录可比较位置数；对缺口和不确定位置按统一规则处理。
- 代入公式并说明结果：用相同碱基数除以可比较碱基数，再乘以100%。同时注明统计对象、单位和缺口处理方式，避免把局部结果说成整个基因组的结论。
示例：一段序列怎么算
下面用一组仅用于演示公式的假设数据说明计算方法，不代表人类与狗的实际统计结果。假设某对对应序列经比对后，有1000个碱基位点纳入比较，其中872个位点的碱基相同：
872 ÷ 1000 × 100% ＝ 87.2%
这个结果应表述为：“在这段示例序列、按上述计数规则得到的碱基相同率为87.2%。”它不能被改写成“人类与狗的全部基因有87.2%相同”，也不能代表两种动物所有 DNA 区域的相似程度。只要换成其他基因或其他统计范围，分子和分母都可能不同。
| 示例字段 | 具体值 | 含义 |
|---|---|---|
| 纳入比较的位点 | 1000 bp | 计算分母 |
| 相同碱基位点 | 872 bp | 计算分子 |
| 序列相同率 | 87.2% | 872÷1000×100% |
多个基因汇总时的差别
汇总多个基因，常见有两种算法。第一种是把所有基因的相同碱基数相加，再除以所有可比较位点总数，这叫按位点加权；第二种是先算每个基因的相同率，再把各基因百分比相加后除以基因数，这叫基因率算术平均。两种算法的分母不同，基因长度差异较大时，结果可能不一样。
例如，一个长基因有数千个可比位点，另一个短基因只有数百个位点。按位点加权时，长基因对总值影响更大；按基因率平均时，两个基因各占一份权重。报告人类与狗的基因相似度时，最好同时写清基因集合、汇总方式和比对规则，而不是只给一个百分比。
怎样理解算出的百分比
序列相同率描述的是特定比较范围内，多少可比较位置出现相同碱基。它不直接表示两种动物整体有多相像，也不表示相同基因的功能完全一致。反过来，某些基因在序列上存在差异，也不意味着其功能必然完全不同；功能还与调控方式、表达组织和其他生物学条件有关。
因此，理解“人类与狗的基因相似度”，可以按“对象—分母—计数规则—汇总方式”四项来读。看到一个百分比，先看它比较的是哪些基因或区域，再看分母包含什么，最后确认缺口与多个基因如何处理。只有这些口径一致，两个相似度数字才适合放在一起比较。
l3f4ecqmi2qk13wl5kn2y0rd0nns6t
