DNA相似度与物种关系：如何读懂跨物种基因差异

不同物种DNA如何比较，关键不是把两条基因组序列直接排列在一起，而是先确定比较层级，再寻找具有共同来源的同源区域。研究者通常会依次比较单个基因或标记序列、基因组整体相似性、基因排列和染色体结构，最后结合样本数量、序列质量与进化关系解释结果。比较人、马、狗等物种时，最可靠的做法是先确认对应基因或同源区段，再计算序列差异和结构差异。

先明确要比较的是哪一种DNA差异

DNA比较的对象不同，所需数据和结论也不同。常见目标主要有以下几类：

• 比较某个基因：适合研究一个蛋白质编码基因、调控区域或DNA条形码标记在不同物种中的保守程度。
• 比较全基因组：用于评估整体序列差异、共有区域、特异序列以及基因组重复程度。
• 比较基因组成：关注某个基因在不同物种中是否存在、拷贝数是否变化，以及对应基因是否来自共同祖先。
• 比较染色体结构：观察染色体片段的排列、倒位、易位、融合、断裂和重复等变化。
• 推断物种关系：通过多个同源基因或全基因组数据构建系统发育关系，而不是仅凭一段序列下结论。

如果只是想判断两个样本是否属于同一物种，可以先选择变异较稳定、物种间具有区分度的标记；如果要研究物种演化，则需要更多基因、更多个体，最好使用核基因组与线粒体数据进行交叉验证。

不同物种DNA比较的标准操作流程

第一步：统一样本和数据条件

物种比较应尽量使用来源清楚、质量合格的DNA。不同个体之间本身就存在遗传差异，因此只拿一个人、一个马或一只狗的序列，不能完全代表整个物种。若条件允许，每个物种应纳入多个个体，并记录样本来源、组织类型、性别和测序方式。

同时要明确比较的是哪一种序列：基因组DNA、线粒体DNA、信使RNA对应的转录本，还是已经翻译出的蛋白质序列。它们的长度、变异速度和可比区域不同，不能混合后直接计算相似度。

第二步：进行序列质控和整理

原始测序数据通常需要检查低质量碱基、接头残留、重复读段和外源污染。若使用已经组装好的参考基因组，还要确认其版本、染色体命名方式和组装完整度。基因组中存在大量重复区域和缺口，某段序列缺失可能是组装不完整，并不一定代表该物种真的没有这段DNA。

在比较前，还应统一序列方向、去除明显低质量末端，并尽量保证各物种使用相近的区域。把一个物种的完整基因组与另一个物种的短片段直接比较，会使覆盖度和相似度都失去意义。

第三步：找到真正对应的同源序列

这是不同物种DNA比较中最容易出错的一步。两个物种中名称相同或功能相似的基因，不一定就是可以直接对应的同一个基因。应区分以下概念：

• 直系同源基因：通常源于共同祖先物种中的同一个基因，适合用于物种间比较和系统发育分析。
• 旁系同源基因：由基因复制产生，可能在同一物种中有多个拷贝，功能也可能发生分化。
• 同源区段：基因组中具有共同进化来源的大片段，可用于判断染色体共线性和结构变化。

实际操作时，应结合基因位置、外显子结构、邻近基因、序列相似性和反向验证结果确认对应关系。只根据一段短序列的最高相似匹配来认定同源，可能把旁系同源基因、重复序列或污染序列误当成目标基因。

可以用哪些指标判断DNA差异

序列一致性和覆盖度

序列比对后，最常见的指标是序列一致性和覆盖度。序列一致性通常指比对区域中相同碱基所占的比例，可表示为“相同位置数÷比对总位置数”；覆盖度则表示目标序列有多少长度被可靠比对。二者必须同时查看。

例如，一段只有100个碱基的序列与目标区域达到98%的相似，并不能说明两个物种的整个基因组高度相似；如果一段长基因组区域覆盖了绝大部分长度，即使存在较多碱基替换，结果也更有解释价值。比对长度、缺口数量、插入缺失以及低复杂度区域同样应记录。

碱基替换、插入缺失和变异位置

在同源序列对齐后，可以统计单碱基替换、插入缺失和连续片段缺失的位置。编码区还应观察变异是否改变氨基酸，是否造成提前终止，或是否位于不改变氨基酸的密码子位置。启动子、增强子等调控区域不能按照蛋白质编码区的标准解释，因为其功能往往与保守基序和空间位置有关。

比较多个物种时，最好将变异分成“某一个物种特有”“多个近缘物种共有”和“所有物种都保守”几类。这样可以减少把个体变异误判为物种特征的风险。

基因存在、缺失和拷贝数变化

如果某物种的基因组中没有找到目标基因，不能立即得出“该物种没有这个基因”的结论。可能原因包括参考基因组缺口、序列高度分化、基因位于未定位片段、搜索到了错误的同源基因，或该基因确实发生了缺失。

确认基因是否缺失时，应同时查看比对覆盖度、邻近基因是否仍保持原有顺序、测序深度以及多个个体的结果。判断拷贝数时，还需要考虑重复区域的组装偏差，单纯根据一条比对结果通常不够。

染色体数目不同，应该怎样比较

染色体数目只能说明染色体分配方式不同，不能直接代表DNA总量、基因数量或亲缘远近。以人、马、狗为例，人类通常有23对染色体，马通常有32对，狗通常有39对；三者的染色体对数不同，但其中一些染色体片段可能具有共同的进化来源。

比较染色体时，不能简单地把“1号染色体”与另一个物种的“1号染色体”视为同一对象，因为不同物种的编号规则并不代表同源关系。更合理的方法是进行共线性分析：寻找一组在多个物种中都存在的同源基因，观察它们在染色体上的排列顺序，再判断某些片段是否发生了融合、分裂、倒位或易位。

因此，两个物种即使染色体数量不同，也可能保留许多相同的基因区段；反过来，染色体数量相同也不代表它们的染色体结构和DNA序列相同。

只有PCR或一小段序列时怎么比较

如果手头只有实验室提取的DNA，通常不能直接完成全基因组比较，可以先选择目标基因或分子标记，设计能够扩增目标区域的引物。PCR产物经过电泳后，只能初步说明是否出现了长度相近的扩增片段，不能证明两个物种的DNA序列相同，也不能仅凭条带粗略判断亲缘关系。

更可靠的流程是：提取质量合格的DNA，扩增同一目标区域，测定扩增片段序列，去除低质量两端，确认正反向序列后再与其他物种的同源序列进行比对。若引物只在一个物种中扩增成功，可能是引物结合位点发生变异，也可能是模板浓度、抑制物或PCR条件造成失败。此时应先设置阳性对照，检查DNA完整性，再更换保守区域引物，不能直接判定目标基因不存在。

不同物种DNA比较中常见的误判

怎样把比较结果解释得更可靠

不要把单一指标当成物种差异的全部证据。短片段的高相似度只能说明该片段相近；全基因组平均相似度也可能受到重复序列、缺口和参考基因组质量影响。系统发育分析应尽量使用多个独立的直系同源基因，并在比对质量、物种取样和模型选择都合适的前提下解读。

如果研究目标是物种演化，可将序列比对、基因存在情况、染色体共线性和结构变异结合起来；如果目标是物种鉴定，则应优先选择验证过的标记，并设置已知样本作对照。通过“明确目标—确认同源—控制质量—比较序列—检查结构—结合多个证据”的流程，才能较准确地回答不同物种DNA如何比较这一问题。