Grupa gena je skupina blisko povezanih gena koji svi kodiraju za istu funkciju ili varijacije iste funkcije. Proučavanje klastera gena važno je za razumijevanje evolucije i raznih odstupanja unutar iste vrste, kao što su različite rase i etničke pripadnosti kod ljudi. Istraživači mogu koristiti statističku analizu kako bi identificirali takve klastere i odredili njihov genetski značaj.
Grupiranje počinje procesom poznatim kao duplikacija, gdje organizam slučajno nasljeđuje dvije kopije istog gena kao rezultat pogreške tijekom replikacije DNK. Duplicirani geni mogu izumrijeti ili se prenijeti na potomke. S vremenom se počinju širiti kroz populaciju, sve dok se mnogi organizmi ne umnože. Geni kodiraju za identične proteine i u biti dupliciraju njihovu predviđenu funkciju.
Sa svakim prolaskom dupliciranih gena povećava se rizik da će se duplikati početi razilaziti. Tijekom vremena, duplikati postaju dva blisko povezana gena. Više nisu identični, oni kodiraju različite proteine koji mogu obavljati malo različite funkcije. To se može vidjeti s globinima kod ljudi, skupom gena blisko povezanih, ali još uvijek različitih gena. Što više generacija prolazi, to se više divergencije u klasterima gena može primijetiti.
Praćenje klastera gena može omogućiti istraživaču da sazna više o evolucijskoj povijesti organizma. Istraživač može koristiti ove informacije kako bi odredio starost umnožavanja i koliko je generacija prošlo od tada. Istraživači primjećuju da se čini da je ova aktivnost skupljanja češća kod nekih vrsta organizama nego kod drugih. Insekti, na primjer, imaju malo klastera gena, dok životinje mogu imati mnogo.
Kada se ista skupina gena pojavi u dva organizma, to može pokazati koliko su blisko povezani. Divergencija može ilustrirati kada se dvije vrste podijele, ili može omogućiti istraživačima da prate obrasce migracije. Ljudi židovskog podrijetla, na primjer, imaju neke različite varijacije u zajedničkim genskim skupinama koje ih izdvajaju od ljudi drugog etničkog naslijeđa. Kada klaster gena skoči, kao što se ponekad događa kroz horizontalni prijenos gena u organizmima poput bakterija, on također može pružiti više informacija o podrijetlu i povijesti organizma.
Statistička analiza podataka uzorkovanja može identificirati klastere gena, kao i obitelji, veće skupine srodnih gena. To se mora učiniti pažljivo kako bi se izbjeglo stvaranje lažne korelacije koja bi mogla dovesti do netočnih podataka ili zaključaka. Kada istraživači izvješćuju o klasterima, raspravljaju o metodologiji korištenoj u svom istraživanju i rezultatima kako bi čitatelji mogli sami odrediti autentičnost zaključka studije genskih klastera.