密码子偏好性表与稀有密码子扫描（含 CAI 计算）

九个常用物种的密码子使用频率，以及一个稀有密码子扫描框： 粘贴 CDS 序列、选好表达宿主，直接看出哪些位置会拖慢翻译。

收录的物种与样本量

大肠杆菌 W3110 密码子使用频率

人（Homo sapiens）密码子使用频率

先看样本量，再看数字

这是本页最想说的一件事。 密码子偏好性表是从一批基因统计出来的， 统计的基因越少，表越不可信。而多数密码子偏好性页面只给数字，不给样本量。

Kazusa 数据库里「Escherichia coli K12」那条记录只有 14 个 CDS。 大肠杆菌恰恰是密码子优化最常用的宿主，拿 14 个基因统计出来的表去优化一条基因， 等于用三个人的身高推断一个国家。本页用的是 W3110（4332 个 CDS）， K-12 系的标准实验室菌株，基因组级覆盖。

上面的表里每个物种都标了 CDS 数，少于 1000 的会打上「样本偏小」—— CHO 细胞只有 331 个 CDS，虽然它是蛋白表达的常用宿主，用之前得知道这一点。

稀有密码子为什么要紧

同义密码子对应的 tRNA 丰度差别很大。序列里连续出现宿主的稀有密码子时， 核糖体会在那里停顿，可能导致产量下降、提前终止或移码。 异源表达失败最常见的原因之一就是把富含 AGA/AGG（大肠杆菌里的稀有精氨酸密码子） 的真核基因直接塞进大肠杆菌。

扫描框会标出占比低于 0.10 的密码子，并给出该氨基酸在宿主里的最优密码子。

关于 CAI

CAI（Codon Adaptation Index）由 Sharp 与 Li 提出（Nucleic Acids Res. 1987;15(3):1281–1295）， 定义是各密码子「相对适应度」w 的几何平均，w 为该密码子的使用频率除以同一氨基酸家族中 最常用密码子的频率。CAI 越接近 1，说明这条序列的用法越贴近宿主偏好。

必须说清楚一处差别： Sharp 与 Li 原文用的是高表达基因参考集来计算 w， 而本页用的是全基因组平均。这是常见的简化做法，但数值会与基于高表达集的 CAI 有系统差异， 不能直接和文献里的 CAI 数值比较。它适合做同一宿主下不同序列版本之间的横向比较。

计算时排除甲硫氨酸、色氨酸（各只有一个密码子，w 恒为 1）和终止密码子。