GC 含量分布图
用滑动窗口绘制 DNA 序列的 GC 百分比分布，找出 GC 富集区和 AT 富集区。
了解更多
功能简介
GC 含量分布图用滑动窗口沿 DNA 序列扫描，把每个窗口的 GC 百分比按位置绘成曲线，从而看到局部组成而非单一平均值。图表下方汇总总体 GC 含量、窗口均值以及窗口 GC 的最小值和最大值。它是寻找 GC 富集区（如 CpG 岛启动子）和 AT 富集区（如复制起点、调控区）的常用手段。
原理与公式
对起始于第 i 位、大小为 w 的窗口，绘制的数值为 GC%(i) =（窗口内 G + C 数）/ w × 100，窗口每次前移 1 个碱基，因此长度为 L 的序列可得到 L − w + 1 个窗口，每个窗口绘制在其中点位置。窗口大小体现分辨率与噪声之间的取舍：小窗口对短特征敏感但波动剧烈，例如 w = 20 时单个碱基就会让数值变化 5 个百分点；大窗口曲线平滑，却可能把短特征平均掉。默认的 100 bp 对基因尺度的序列是较合适的折中，数值高于 50% 即视为 GC 富集区。结合公认标准更便于解读峰形，例如 CpG 岛通常定义为长度大于 200 bp、GC 含量高于 50% 且 CpG 观察值与期望值之比大于 0.6 的区域。
演算示例
以一段跨越启动子和基因起始区的 1000 bp 序列为例，用默认 100 bp 窗口分析可得 1000 − 100 + 1 = 901 个窗口。若总体 GC 含量为 48%，曲线仍可能在转录起始位点上游约 200 bp 的区段升到 72%——即该窗口 100 个碱基中有 72 个是 G 或 C——而在下游某个 AT 富集片段降到 32%。窗口最小值与最大值之间 40 个百分点的落差，正是单看 48% 这一平均值会被完全掩盖的信息。
适用场景
设计亚硫酸氢盐引物或甲基化检测方案前，先绘制启动子周边区域以定位 CpG 岛，把引物放在 GC 富集区的两侧而不是正中间。当 PCR 总在模板某个区段失败时，绘制 GC 含量常能发现一个高于 70% 的窗口，聚合酶在此处停滞，提示需要加入 DMSO、甜菜碱或提高变性温度。检查新组装的 contig 时，若某段的 GC 含量与其余部分明显偏离，可能提示水平转移岛、可移动元件，或来自其他物种的污染。
常见问题
- GC 含量分布图的窗口大小怎么选？
- 按目标特征匹配窗口：启动子、CpG 岛等局部特征用 50–100 bp；要看长序列的整体格局则用数百 bp。窗口过小时曲线噪声大、单个碱基就能左右数值；窗口过大时短特征会被平滑掉，因此建议用两种窗口对比查看。
- GC 富集区意味着什么？
- G 与 C 的局部富集通常反映功能结构而非偶然。GC 富集区包括 CpG 岛启动子、外显子以及能形成稳定二级结构的元件；由于 G-C 对由三个氢键连接，这些区域需要更高温度才能变性，这也是它们更难扩增和测序的原因。
- 怎么根据 GC 分布图寻找 CpG 岛？
- 寻找持续高于 50% 且延伸至少两百 bp 的稳定峰，位置多在转录起始位点上游。单凭 GC 分布图只能提示而不能定论，因为通行定义还要求 CpG 二核苷酸的观察值与期望值之比高于约 0.6，该指标统计的是 CG 相邻对，而不是分别统计 G 和 C。
- 为什么我的 GC 分布图特别平或者特别抖？
- 曲线过平通常说明窗口相对序列过大，各窗口覆盖的碱基几乎相同，应缩小窗口或换用更长的序列。曲线剧烈锯齿则相反，说明窗口相对序列长度过小，每新增一个碱基都会大幅改变数值，应增大窗口直到真实特征能从波动中显现。