人和其他动物的DNA都重要由腺嘌呤（A）、胸腺嘧啶（T）、鸟嘌呤（G）和胞嘧啶（C）四种碱基组成 。双链DNA中 ，A通常与T互补配对 ，G通常与C互补配对 ，因而两者的根基化学结构高度一致；真正产生差此外 ，重要是四种碱基在分歧地位的分列挨次、比例 ，以及基因组中具体序列的长短和职能 。
必要把稳的是 ，“动物”的领域很大 ，哺乳动物、鸟类、鱼类和虫豸之间并不存在一套齐全一样的比例 。即便在统一个物种内 ，整条染色体、某段基因区域、细胞核DNA和线粒体DNA的组成 ，也可能分歧 。
四种碱基别离承担什么作用
| 碱基 | 英文缩写 | 互补配对 | 理解沉点 |
|---|---|---|---|
| 腺嘌呤 | A | T | 与胸腺嘧啶形成互补碱基对 |
| 胸腺嘧啶 | T | A | DNA中特有的重要碱基之一 |
| 鸟嘌呤 | G | C | 与胞嘧啶形成互补碱基对 |
| 胞嘧啶 | C | G | 参加遗传信息的编码和传递 |
碱基并不是孤立存在的 。每个碱基会与脱氧核糖和磷酸衔接 ，形成脱氧核苷酸；大量脱氧核苷酸首尾衔接 ，组成DNA链 。两条链依照互补规定结合 ，形成常见的双螺旋结构 。
人类与其他动物的共同点和差距
从生物分类上说 ，人类自身也是动物 。因而 ，人与动物的DNA并不是两种齐全分歧的物质 ，而是共享一样的根基化学字母和遗传编码系统 。下列共同点通常合用于人类和无数动物的细胞核DNA：
- 都以A、T、G、C作为重要碱基 。
- 双链之间依附互补配对维持结构不变 。
- 都通过DNA序列贮存遗传信息 ，并可在细胞割裂时复造 。
- 很多与细胞代谢、复造、建复有关的根基基因拥有类似的组织方式 。
差距则重要体此刻三个层面 。第一是碱基分列挨次分歧 。即便四种碱基的总体比例靠近 ，只有具体分列分歧 ，就可能形成分歧的基因和性状 。第二是比例分歧 ，某些物种或基因组区域的G、C占比偏高 ，另一些区域则可能A、T更多 。第三是基因组结构分歧 ，蕴含染色体数量、沉复序列比例、基因散布和线粒体DNA序列等 。
因而 ，不能仅凭“G和C有几多、A和T有几多”就判断两个物种是否相近 。总体组成只能提供一个概览 ，真正比力亲缘关系或序列类似性 ，还必要对齐一样的DNA区域 ，推算碱基逐位匹配情况 ，并结合基因职能和遗传关系分析 。
比力碱基组成前 ，先确认三个前提
一是确认比力的是哪类DNA
细胞核DNA和线粒体DNA不能直接混在一路比力 。前者蕴含大量染色体序列 ，后者是独立存在的细胞器基因组 ，长度、复造方式和碱基比例都可能分歧 。若是一个样本使用全基因组数据 ，另一个样本只使用线粒体片段 ，所得结论没有可比性 。
二是确认统计领域是否一致
应尽量比力一样长度、一样类型的序列 ，例如统一基因的编码区 ，或两个物种对应的齐全基因组 。只统计一段富含G和C的区域 ，不能代表整个基因组；把一个物种的齐全基因组与另一个物种的短片段相比 ，也会放大误差 。
三是确认序列质量是否合格
原始测序了局中可能出现N等未知字符、接头残留、低质量结尾或表源DNA传染 。统计前应先去除低质量序列 ，纪录有效碱基数量 ，并查抄样本是否混入其他物种的序列 。不然 ，推算出的比例可能反映的是测序误差 ，而不是真实组成 。
若何推算一段DNA的碱基比例
拿到一条已经算帐过的DNA序列后 ，能够依照以下步骤操作：
- 统计序列中A、T、G、C各自出现的次数 。
- 排除N或其他无法确定的字符 ，并纪录有效碱基总数 。
- 别离用每种碱基的次数除以有效碱基总数 ，再乘以100% ，得到单项比例 。
- 推算GC含量：GC含量＝（G的数量＋C的数量）÷有效碱基总数×100% 。
- 若是数据来自齐全双链DNA ，再查抄A与T、G与C的总量是否大体相称 。
例如 ，一条用于演示的序劣装ATGCCGTA”中 ，A、T、G、C各出现2次 ，有效长度为8 ，因而四种碱基各占25% ，GC含量为50% 。这个例子只注明推算步骤 ，不能代表任何特定物种 。
查抄A与T、G与C是否靠近时 ，要把稳统计对象 。若只测得一条单链 ，A和T不愿定相称 ，G和C也不愿定相称；只有把双链对应信息归并 ，或统计足够齐全的双链基因组 ，互补关系才有明确的检验意思 。
看到异常了局时 ，优先查抄什么
| 景象 | 可能原因 | 查抄步骤 |
|---|---|---|
| A与T差距很大 | 只统计了单链、短片段或存在序列误差 | 确认链方向、片段长度和数据起源 |
| G和C比例异常 | 区域自身GC偏高 ，或测序存在GC偏好 | 比力多个区域 ，并查看测序质量汇报 |
| 分歧样本差距出格大 | 比力了核DNA和线粒体DNA ，或样本混入表源序列 | 统一样本类型 ，查对物种和序列领域 |
| 总比例加起来不是100% | 漏算N、距离符或其他未知字符 | 沉新界说有效长度并单独统计未知字符 |
仅看碱基组成 ，能得出什么结论
它能够援手判断序列是否切合双链DNA的根基特点 ，相识某个基因组或片段的GC偏差 ，并为引物设计、测序质量评估和序列比力提供基础信息 。GC含量较高的区域通；嵊跋炖┰龊筒庑蚯疤 ，因而在尝试设计中拥有参考价值 。
但碱基比例不能单独注明某个物种的全数遗传特点 ，也不能直接推出个别的表貌、疾病风险或两种动物的整体亲缘距离 。若要判断两个物种的类似性 ，应进一步比力同源基因、非编码区域、序列分列和职能注解 ，而不是只比力A、T、G、C的总量 。这样能力把“组成类似”与“遗传信息类似”分辨隔来 。
