人类与动物的DNA比较不能只看一个“相似度”。正确做法是先确定要比较的是局部序列、基因功能、整条染色体结构，还是物种亲缘关系，再选择测序、序列比对、变异统计或系统发育分析。只比较一个已知基因时，靶向测序加序列比对就够用；要研究多个物种的整体差异，则需要参考基因组、全基因组数据和系统发育方法。
人类和动物的DNA，先要比较哪一层？
比较层级决定了后续方法和结果含义。以下几类问题不能用同一种指标回答。
| 比较对象 | 适合回答的问题 | 主要方法 | 主要结果 |
|---|---|---|---|
| 同一段DNA序列 | 某个基因或片段有多相似 | PCR、靶向测序、序列比对 | 一致率、差异位点、插入缺失 |
| 同源基因 | 两个物种是否具有对应基因 | 同源搜索、蛋白序列比对 | 直系同源关系、保守区域 |
| 全基因组 | 整体差异和大范围变异有多大 | 全基因组测序、参考基因组比对 | 单碱基变异、结构变异、基因组相似区域 |
| 染色体结构 | 基因排列是否保持一致 | 染色体核型、共线性分析 | 倒位、易位、重复和基因排列差异 |
| 线粒体或多个标记基因 | 物种之间的亲缘远近 | 多序列比对、系统发育树 | 分支关系和支持度 |
如果问题是“某个基因在人和动物之间有什么不同”，应优先选定同源基因及其具体区域，例如编码区、启动子或内含子，再比较碱基排列。如果问题是“人、猪和狗谁与人的亲缘关系更近”，则不能只看一个短片段，最好使用多个可靠的同源基因，或者比较线粒体基因组与核基因组数据。
确定比较层级后，实验和数据流程怎么安排？
- 明确比较对象。记录物种名称、样本数量、组织来源、基因名称和参考序列版本。比较物种关系时，尽量纳入多个个体，避免把某一个体的变异误认为物种差异。
- 选择DNA材料和检测范围。研究基因组序列时使用基因组DNA；研究线粒体关系时提取或分析线粒体DNA；研究甲基化时则要另行选择甲基化检测方法。普通DNA测序不能直接代表基因表达水平。
- 进行样本质量检查。检查DNA浓度、纯度、完整性和污染情况。若DNA降解明显，先重新提取或缩小扩增片段；若污染较高，直接比较会产生大量假差异。
- 按目标选择测序方式。已知一个或几个区域时，可采用PCR扩增后测序；需要比较多个基因时，可使用靶向测序；需要观察全基因组或大型结构变化时，应使用全基因组测序，长片段结构差异可考虑长读长测序。
- 统一数据格式和参考标准。将不同物种的序列转换为统一格式，确认方向、命名、版本和坐标。参考基因组不同，基因位置和长度可能不同，不能直接按坐标逐位相减。
- 进行序列质量控制和比对。先去除低质量碱基、接头和过短序列，再把序列比对到相应参考基因组，或对同源片段进行多序列比对。短序列可使用常规序列比对工具，全基因组则使用适合大规模数据的比对流程。
- 统计差异并保存中间结果。记录匹配碱基、替换、插入、缺失、覆盖度和未比对区域。不要只保留最后的百分比，否则无法判断差异是来自真实变异，还是来自测序质量和比对失败。
- 解释结果并绘图。局部比较可输出比对文件和差异位点表；全基因组比较可制作共线性图、变异分布图；亲缘分析则根据多个标记构建系统发育树，并报告分支支持度。
例如，比较人类、猪和狗的某个同源基因时，可以先分别获得三者的同一编码区序列，再使用同一套参数进行多序列比对。比对完成后，统计三组之间的匹配碱基和差异位点；若要判断亲缘关系，则进一步把多个稳定基因合并分析，而不是用一个基因的结果直接代表整个物种关系。
如果目标是判断相似性或亲缘关系，结果该怎么算？
序列相似性通常从比对后的碱基开始计算。最简单的指标是一致率，即相同位置中匹配碱基所占的比例。计算时必须说明分母是“全部比对位置”，还是“排除缺口后的有效位置”。例如两个片段比对长度为1000个位置，其中900个位置相同、20个位置存在缺口，那么报告时应注明缺口处理方式，不能只写“相似度90%”。
序列一致率不等于生物学功能一致。非编码区、调控区和蛋白编码区的变化含义不同。编码区出现碱基替换后，还要判断是否改变氨基酸；同义替换、错义替换和提前终止的影响不能用同一个结论概括。若研究功能，应继续查看基因结构、蛋白保守结构域和已有实验资料。
亲缘关系需要比较多个同源标记。具体做法是先筛选在不同物种中都能可靠找到的直系同源基因，再分别比对和拼接，随后构建系统发育树。树上的分支位置表示数据支持下的相对关系，不等于“DNA相似度百分比”。如果不同基因得到的树形不一致，应检查基因选择、比对质量、样本数量和进化模型，而不是强行选择其中一棵树。
全基因组差异应同时报告比较范围和指标。例如，可以分别列出可比区域长度、单碱基差异、插入缺失、结构变异和未比对区域。跨物种比较时，物种之间可能存在大片段缺失、重复或染色体重排，因此“全基因组相似度”必须注明计算方法，否则不同研究之间不能直接横向比较。
选择哪一种方法，取决于什么实际条件？
- 只有一个已知基因或短片段：选择PCR扩增和测序，再进行双序列或多序列比对。若比对后出现大量连续缺口，先检查是否扩增到了非目标区域或参考序列选错。
- 需要比较多个基因的保守性：选择靶向测序或公开序列分析，统一截取同源区域，再计算每个基因的一致率和差异位点。若某个基因无法在所有物种中找到可靠同源序列，应把它单独标记，不要强行拼接。
- 需要观察大型结构差异：选择全基因组数据和共线性分析。若短读长数据无法跨越重复区域，可补充长读长数据或使用已有高质量组装结果。
- 需要判断多个物种的相对亲缘：选择多个直系同源基因或合适的线粒体标记，统一比对后构建系统发育树，并进行重复抽样或支持度评估。
- 只有低质量或很短的序列：先缩小问题范围，只比较可靠覆盖的片段，并明确说明结果不能外推到整个基因组。
比较结果达到什么条件，才能形成清楚结论？
首先，必须把“比较对象”写清楚，包括物种、个体数量、基因或区域名称、参考序列版本和数据来源。其次，要确认测序覆盖度和比对质量足以支持结论。若某一区域覆盖很低、重复序列过多，或者不同物种之间无法建立可靠同源关系，应把该区域列为无法判断，而不是当作差异。
其次，建议把结果拆成三层：第一层是原始观察，例如某区域有多少个碱基相同；第二层是统计结果，例如一致率、变异类型和缺口比例；第三层才是生物学解释，例如某段序列较保守、某个基因存在结构变化，或多个标记共同支持某种亲缘关系。这样可以避免把一个百分比直接解释成整体相似或功能相同。
最后进行重复确认：更换一部分样本、使用第二个独立基因或采用另一种比对参数后，结论仍然保持一致，可信度才更高。完整的比较报告至少应包含样本与数据说明、比对方法、差异统计、缺失区域、图表和限制条件。按照“明确问题—选择层级—获得数据—统一比对—统计差异—验证结论”的顺序操作，就能根据研究目标选择合适的人类动物DNA比较方法。
