人类与猪的基因相似度不能用一个脱离统计口径的百分比概括。比较“是否存在对应基因”时，得到的是同源基因或直系同源基因的共享比例；比较 DNA 时，得到的是序列一致率；比较蛋白质时，得到的则是氨基酸序列一致率。三种结果的分子、分母和单位不同，不能直接互相替代。

因此，看到“人和猪的基因相似度很高”这类说法时，首先要确认它比较的是基因条目、DNA 碱基、蛋白质氨基酸，还是能够对齐的整个基因组区域。只有明确这些条件，百分比才具有可比性。

基因相似度通常有哪几种统计口径

按基因统计：看的是“有没有对应基因”

基因层面的比较，通常先在人类和猪的基因组注释中寻找同源基因，尤其是来自共同祖先基因、分别保留在两个物种中的直系同源基因。最简单的计算方式可以写成：

共享基因比例 = 符合条件的同源基因数量 ÷ 参照物种的基因总数 × 100%

这里的关键不在公式，而在“符合条件”和“基因总数”如何定义。例如，研究者可以只统计蛋白编码基因，也可以把部分非编码基因纳入分析；可以只计算一对一的直系同源基因，也可以把一个人类基因对应的多个猪基因全部列入。不同数据库的基因注释和筛选阈值，也会改变最终结果。

所以，“人类和猪有多少基因相似”更准确的理解是：两种动物拥有大量演化上相关的基因，尤其是参与细胞基本活动、能量代谢、发育和组织维持的基因。它并不表示这些基因的 DNA 序列完全相同，也不表示两个物种的基因数量可以逐项一一对应。

按 DNA 序列统计：看的是对齐位置的碱基一致率

如果比较的是 DNA 序列，常用计算方式是：

序列一致率 = 对齐后相同的碱基数 ÷ 纳入统计的对齐碱基总数 × 100%

这种计算必须先进行序列比对。研究者需要决定比较哪一部分：可以是某个基因的编码区，也可以包括内含子、启动子和其他调控区域，还可以比较两个基因组中能够可靠对齐的大片段。比较范围不同，结果自然不同。

编码区通常比一些快速变化的非编码区域更容易保持相似，但即使是同一个对应基因，蛋白编码区、内含子和调控区的变化程度也可能不同。基因组中还存在重复序列、插入缺失、倒位、拷贝数变化以及无法可靠对齐的区域。是否把缺口计入分母，如何处理低质量或重复区域，都会影响百分比。

因此，“DNA 相似度”一般不是把人类和猪的两条完整 DNA 简单并排后计算，而是先确定可比较区域，再说明这些区域中的碱基一致情况。它与“共享基因比例”属于不同层面的指标。

按蛋白质统计：氨基酸相似度可能高于 DNA 一致率

基因的 DNA 序列发生部分变化后，由于遗传密码具有一定冗余性，蛋白质中的氨基酸不一定随之改变。因此，某些人猪对应基因的蛋白质序列一致率，可能高于其 DNA 序列一致率。

蛋白质比较的基本公式是：

氨基酸一致率 = 对齐后相同氨基酸数 ÷ 对齐氨基酸总数 × 100%

不过，“一致”与“相似”也不是完全相同的概念。两个氨基酸如果化学性质接近，可能会被算法计为相似但并非完全一致。不同软件、替换矩阵和缺口处理方式，可能给出不同的相似率。因此，蛋白质层面的数字同样需要配套说明统计方法。

为什么网上会出现不同的人猪基因相似度

不同资料中的数字看起来差距较大，通常不是简单的谁对谁错，而是比较对象发生了变化。常见差异主要来自以下几方面：

1. 分母不同：有的统计以人类全部蛋白编码基因为分母，有的只统计一对一对应基因，结果不能直接比较。
2. 单位不同：基因数量、DNA 碱基和蛋白质氨基酸是三种不同单位，不能把共享基因比例当作 DNA 相似度。
3. 区域不同：只比较编码区、完整基因，或比较整个可对齐基因组，得到的结果会有明显差异。
4. 参考版本不同：基因组组装版本、基因注释数据库和比对算法持续更新，统计结果也可能随之调整。
5. “相似”定义不同：有些报告统计完全相同的位置，有些还会纳入性质接近的碱基或氨基酸。

如果一段材料只写“人类与猪的基因相似度为某个百分比”，却没有说明比较对象、参考物种、统计区域和数据库版本，就很难判断这个数字具体代表什么。更严谨的表达应当写成“在某一基因集或可对齐序列中，按某种方法计算出的共享率或一致率”。

共享基因多，不等于人和猪完全相同

人类和猪都属于哺乳动物，许多维持生命所必需的基因在长期演化中受到保留。这解释了为什么两者在部分细胞机制、器官发育过程和基础生理功能上能够找到对应关系，也说明猪可以作为某些生物医学研究中的动物模型。

但物种之间的差异并不只取决于“有没有这个基因”。同一个基因在不同物种中的 DNA 序列、拷贝数量、调控方式、表达时间和表达组织都可能不同；基因之间的相互作用、染色体结构、免疫反应和代谢过程也会产生差异。即便两个物种拥有对应基因，也不能据此推断它们具有完全相同的器官功能或疾病表现。

如何准确理解这个问题

对“人类与猪的基因相似度”最稳妥的回答是：人类和猪共享大量演化上相关的基因，但不存在一个适用于所有场景的单一相似度百分比。若讨论的是基因层面，应说明同源基因的筛选方式；若讨论的是 DNA 层面，应说明对齐区域和碱基统计方法；若讨论的是蛋白质层面，则应使用氨基酸一致率或相似率，并注明算法口径。

换句话说，真正需要先确定的不是“百分之多少”，而是“比较什么、以什么为分母、在哪一段序列上比较，以及统计结果对应哪一版基因组数据”。