A única característica necessária para predição computacional das regiões codificantes de um gene em eucariotos é a busca por quadros abertos de leitura (Open Reading Frames - ORFs). Proteínas funcionais têm, no início de todas as suas ORFs, um códon de início, correspondente ao aminoácido metionina, e centena(s) de pares de base após um códon de parada TAG ou sequência similar.

Genes eucarióticos são, em geral, separados por regiões intergênicas pequenas, os introns; e os exons, em geral de tamanho maior que os introns.

Os programas responsáveis por predições de sequências regulatórias em animais, os enhancers, demonstram alto nível de acurácia e baixo nível de falsos positivos, uma vez que os sítios de ligação dos fatores de transcrição (binding sites) ao DNA são pouco degenerados.

Dentre as principais características dos programas de predição gênica encontram-se a predição ab initio, que considera os parâmetros estatísticos presentes na sequência de DNA para identificação dos genes e os métodos que se utilizam de informações de homologia, a partir da identificação de sequências homólogas em outros genomas ou databases públicas internacionais.

Nos últimos dez anos tornou-se claro a partir de estudos em organismos multicelulares que mais de 99% dos genomas contêm DNA intergênico denominado “DNA lixo”, por não possuir qualquer função biológica evidente.