DNA 碱基计数器
统计 DNA 序列中每种核苷酸的出现次数。
了解更多
功能简介
DNA 碱基计数器统计序列中 A、T、C、G 各自出现的次数，换算为占总数的百分比，并把其余字符归入「其他」一行。统计不区分大小写，因此测序文件中的小写序列与大写序列处理方式相同。学生可用它核对碱基组成，实验人员则常用它快速检查从供应商、测序报告或文献中粘贴过来的序列是否干净。
原理与公式
每种碱基的频数就是简单计数，占比为 计数 / 总数 × 100，其中总数包含表格中报告的全部字符。这些数字之所以有意义，源于 Chargaff 规则：在双链分子中 A 与 T、G 与 C 严格相等；而在多数基因组的长单链中，A 与 T、G 与 C 也近似相等（Chargaff 第二法则）。长序列若明显偏离这种近似对称，通常反映真实现象，例如复制起点两侧的链特异 GC/AT 偏斜、编码链偏好，或者说明粘贴的文本并非你以为的那段序列。「其他」一行同样具有诊断价值，它汇集了 N 等 IUPAC 简并碱基、数字、空白字符以及各种非核苷酸字母。
演算示例
对 20 nt 序列 5'-ATGCGGATCCATGCTAAGGT-3'，计数结果为 A = 5（25.0%）、T = 5（25.0%）、G = 6（30.0%）、C = 4（20.0%），总计 20 个碱基，「其他」为 0。此处 A 与 T 恰好相等，G 比 C 多 2 个，G + C = 10，即 GC 含量 50%。在如此短的寡核苷酸中，G 与 C 相差 2 个属正常波动；但若在数千碱基范围内持续存在同样的失衡，就值得作为真实的组成偏斜加以考察。
适用场景
从 PDF 或邮件里复制序列后，先看「其他」一行：数值不为零说明夹带了隐藏的行号、空格或简并碱基，会干扰后续所有计算。订购长寡核苷酸或基因片段前，查看各碱基占比可以发现极端组成，例如 G 高度富集的序列容易形成 G-四链体、合成难度大。教学实验中，碱基计数器让学生能在真实序列上用数字验证 Chargaff 规则，而不是被动接受结论。
常见问题
- 怎么统计 DNA 序列中 A、T、C、G 的数量？
- 把序列粘贴到输入框，各碱基的数量和占总数的百分比会立即显示。统计不区分大小写，混合大小写的输入没有问题；非 A、T、C、G 的字符会单独计入「其他」一行，而不是被悄悄丢弃。
- 序列中 A 的数量应该等于 T 吗？
- 在完整的双链分子中，由于碱基一一配对，A 与 T、G 与 C 严格相等。单链本身并不要求平衡，但实际上长的基因组单链往往接近平衡，这就是 Chargaff 第二法则。短寡核苷酸里出现小幅差异很正常；若在数千碱基范围内持续存在较大失衡，则提示真实的链不对称或序列本身有问题。
- 「其他」一行包含哪些字符？
- 所有非 A、T、C、G 的字符，最常见的是 N、R、Y 等 IUPAC 简并碱基，也包括复制粘贴残留的数字、空格、换行和标点，以及粘贴 RNA 时出现的 U。「其他」计数不为零，就意味着在进行要求纯 ACGT 的分析之前应先清洗序列。
- 碱基计数会区分大小写吗？
- 不会，统计不区分大小写，a 与 A 计入同一项。这一点在实际中有影响：某些流程会把重复序列屏蔽区或低质量区写成小写，而计数器把它们当作普通碱基处理，因此若需排除这些区域，必须在计数前先行删除。