L’acido desossiribonucleico è un acido nucleico contenete le informazioni genetiche di quasi tutti gli organismi viventi. L’informazione genetica è registrata nella disposizione o sequenza delle quattro basi contenute nel DNA: adenina (A), timina (T), guanina (G) e citosina (C). La sequenza di basi del DNA è allineata in una struttura a doppia elica nel nucleo cellulare e ogni insieme di due basi collocate su filamenti opposti forma un legame. Queste due basi sono denominate “paia di basi”. Si stima che esistano circa 3 miliardi di paia di basi nel genoma nucleare umano, contenenti un volume di informazioni pari alla quantità di testo di un quotidiano mattutino pubblicato nell’arco di 25 anni.
Nella sequenza di basi del DNA sono contenute regioni genetiche e altre regioni di cui è difficile identificare la funzione. Le regioni genetiche contengono informazioni su strutture proteiche, tempo necessario per la produzione di proteine e informazioni necessarie per la replicazione del DNA. Se la regione genetica viene stimolata dall’esterno, il DNA viene trascritto e trasferito nelle proteine. La regione di cui non è identificata la funzione veniva detta “DNA spazzatura” ed è stata considerata inutile fino all’inizio del XXI secolo, quasi si è ritenuto che svolgesse funzioni biologiche fondamentali. Solo l'1,5% del genoma è DNA codificante per proteine.