人类与猪的基因相似度没有一个适用于所有场景的固定百分比。若按“能否找到对应的同源基因”计算，人和猪通常共享绝大多数可比较基因，常见概括为九成以上的基因具有对应关系；若按DNA逐个碱基比对，结果会明显低于这个数字。两种数据都可以称为“相似度”，但计算对象、公式和适用范围并不相同。

因此，不能把“人和猪共享九成以上基因”直接理解为“人和猪全基因组有九成以上的DNA碱基完全相同”。前者描述基因是否存在对应物，后者描述对应序列中的每个位置是否一致。

人类与猪的基因相似度，首先要明确计算对象

比较口径	计算公式	结果含义
共享基因率	共享同源基因数 ÷ 参考物种基因总数 × 100%	衡量一方有多少基因能在另一方找到对应物
DNA序列一致性	比对中相同碱基数 ÷ 可比位置总数 × 100%	衡量对应DNA序列逐位相同的比例
蛋白质序列一致性	相同氨基酸数 ÷ 比对氨基酸总数 × 100%	衡量同源基因编码出的蛋白质有多接近
基因组覆盖率	成功比对的序列长度 ÷ 参考基因组长度 × 100%	衡量有多少区域可以找到可比序列，不等于序列相同率

实际报告中，最常被混淆的是共享基因率和DNA序列一致性。共享基因率只要确认两个物种存在同源关系，就可以计入；序列一致性则要求把相应区域排列后逐位比较。一个基因即使在两个物种中都存在，内部的碱基排列仍然可能有不少差异。

共享基因率如何计算

如果以人类基因集为参考，公式可以写成：

人类参考口径的共享基因率 = 人猪同源基因对数量 ÷ 人类参与统计的基因数量 × 100%

如果改用猪的基因集作为分母，结果可能不同：

猪参考口径的共享基因率 = 人猪同源基因对数量 ÷ 猪参与统计的基因数量 × 100%

这是因为人和猪的基因注释数量、基因家族划分以及一对多基因关系并不完全相同。为了减少分母选择造成的影响，也可以使用并集口径：

对称共享率 = 共同同源基因数 ÷（人类基因数 + 猪基因数 − 共同同源基因数）× 100%

例如，某一份数据中有19,000个人类基因，其中18,000个能找到猪的同源基因，那么按人类作为参考的共享基因率为18,000 ÷ 19,000 × 100%，约为94.7%。这只是计算示例，不代表所有数据库或所有基因类别都会得到这个数值。

在真实研究中，通常会先限定统计对象，例如只统计蛋白编码基因，或者只统计一对一同源基因。数据库版本、基因注释更新、是否纳入非编码RNA、是否排除低质量预测基因，都会改变最终百分比。因此，“九成以上”适合作为基因层面的概括，不宜当作唯一精确值。

DNA序列一致性为什么会低于共享基因率

DNA序列一致性针对的是已经对应的序列，而不是基因名称是否相同。常用公式为：

DNA序列一致性 = 比对区域中相同碱基的数量 ÷ 参与比较的碱基位置数量 × 100%

例如，两段同源DNA经过比对后有1,000,000个可比较位置，其中820,000个位置的碱基相同，那么序列一致性就是82%。如果插入、缺失位置被计入差异，或者只统计无缺口位置，结果也会有所不同，所以正式数据必须说明缺口处理方式。

对人和猪而言，若只比较彼此能够对应的蛋白编码区，序列一致性通常会处在约80%到90%这一量级，但具体数值不能脱离数据集单独确定。比较DNA编码序列、氨基酸序列、启动子区域或整条染色体，所得结果并不相同。蛋白质序列有时会比DNA序列看起来更相似，这是因为遗传密码具有冗余性，一些DNA碱基变化并不会改变所编码的氨基酸。

全基因组直接比较还会受到重复序列、大片段插入缺失、染色体结构差异以及尚未完成注释区域的影响。此时需要同时报告“比对覆盖率”和“覆盖区域内的一致性”，不能只给出一个百分比。

“共同基因”不等于“功能完全相同”

同源基因表示两个物种的基因来自共同的祖先基因，或者在进化过程中保持了可识别的对应关系。它说明两者具有进化联系，并不意味着基因的调控方式、表达时间和生理作用完全一样。

人和猪的许多基因参与相似的基本生命过程，例如细胞代谢、免疫反应、组织发育和激素调节。但同一个基因可能在不同组织中的表达量不同，调控序列也可能不同；基因拷贝增加或减少后，功能还可能发生分化。因此，基因层面的高相似度可以支持比较研究，却不能直接推导出两种动物在所有性状、疾病反应或药物反应上完全一致。

还要区分同源基因、旁系同源基因和直系同源基因。人类和猪之间的一对一直系同源基因最适合用于稳定比较；如果一个物种中出现多个相关拷贝，直接把它们全部算作一个“相同基因”，可能会高估共享程度。

怎样给出严谨的人猪基因相似度结论

如果问题只要求一般性了解，可以表述为：人类和猪在基因层面共享绝大多数同源基因，常见统计口径可达到九成以上；但这不代表两者全基因组DNA有九成以上碱基完全相同。

如果需要用于报告、论文或数据分析，应至少注明四项信息：第一，比较的是基因数量、DNA碱基还是蛋白质序列；第二，参考基因集和数据库版本；第三，采用人类、猪还是并集作为分母；第四，序列比对时如何处理缺口、重复区域和一对多同源关系。

简而言之，“人类与猪的基因相似度”应先确定比较单位，再选择统计公式。共享基因率适合回答“两个物种有多少基因能够对应”，序列一致性适合回答“对应基因的排列有多少位置相同”，而基因组覆盖率则回答“有多少区域能够进行比较”。只有把这几个概念分开，百分比才具有明确含义。