“人类与狗的基因相似度”是指按某种选定标准,比较两种动物的基因是否对应、DNA序列或蛋白质序列有多相近。它没有脱离计算口径的单一百分比:说两者“基因相似”,不等于人和狗有同样比例的基因,也不等于相同比例的DNA碱基完全一致。
相似度要先说明比较什么
常见比较有三种。第一种看基因对应关系:某个物种的基因,在另一物种中能否找到源自共同祖先的对应基因。第二种看序列一致率:把两段DNA或蛋白质序列对齐后,统计相同位置有多少字符一致。第三种看序列相似度:比较蛋白质时,除完全相同外,也可能把性质相近的氨基酸替换计入相似。三者回答的问题不同,计算结果不能直接互换。
因此,看到“人类与狗的基因相似度是某个百分比”,还要追问:比较的是基因有没有对应,还是序列有多少位置相同?分母包括哪些基因或序列?是否剔除了无法对齐的区域?没有这些说明,单独的百分比很难准确解释。
基因相似度通常怎么算
如果统计的是基因对应关系,可以先选定一组人类基因,再找狗基因组中与之对应的直系同源基因。一个简化的计算式是:
基因对应比例 = 找到对应基因的人类基因数 ÷ 纳入统计的人类基因总数 × 100%
例如,假设研究选取了1000个人类基因,其中840个找到符合标准的狗对应基因,那么这一组数据的对应比例是840 ÷ 1000 × 100% = 84%。这个例子说明计算方法,并不代表人类和狗全基因组的统一统计结果。
若比较的是已经对齐的DNA序列,则常用“完全相同的对齐位置数 ÷ 纳入比较的对齐位置总数 × 100%”计算一致率。换成蛋白质序列,比较对象就变成氨基酸;如果统计采用“相似”而非“完全相同”的定义,结果也会不同。基因范围、序列长度、对齐规则和统计分母一变,百分比就可能随之改变。
常见的“约84%”应该怎样读
“人类与狗有约84%的基因相似”一类说法,不能直接读成“人和狗的全部DNA有84%相同”。这类数字只有在明确它对应的基因集合和计算方法后才有意义;有时通俗表达会把“找到了对应基因”简称为“基因相似”,但基因存在对应关系,并不说明基因序列每个位置都一样。
更准确的表述应当交代统计对象,例如“在某一组被纳入比较的人类基因中,有多少能找到狗的对应基因”,或“某段对齐序列的碱基一致率是多少”。前者是基因层面的对应比例,后者是序列层面的相同性,两者的分母和含义都不一样。
相似基因不代表性状相同
人类和狗都属于哺乳动物,许多维持细胞运作、发育和代谢的基础基因来自共同祖先,因此能找到不少对应基因。但物种间的差异还与基因具体序列、调控区域、基因表达的时间和组织位置等因素有关。比如,两种动物都有参与感官和神经活动的相关基因,并不意味着它们的感知方式、行为能力或生理表现相同。
所以,基因相似度适合用来描述某个明确层面的共同点,不宜直接推断两种动物“有多像”,更不能仅凭一个百分比判断性状或行为。阅读相关数据时,先确认比较对象、计算口径和统计范围,才能知道这个数字究竟说明了什么、又不能说明什么。