什么是一个基因家族呢？
由一个共同的祖先基因经过重复(duplication)和突变(mutation)产生的、外显子中具有相似的序列的一组相关基因被称为基因家族(gene family)。基因重复主要有三种方式：片段复制、串联重复和逆转录转座或其他转座事件等，基因重复后可以彼此形成基因簇(gene clusters)，同一家族中的成员有时紧密的排列在一起，成为一个基因簇；更多的时候，它们却分散在同一染色体的不同部位，甚至位于不同染色体上，具有各自不同的表达调控模式。基因突变是基因分子进化的第一原因，由核苷酸替代、插入/缺失、重组和基因转换等引发的突变基因或DNA序列，通过群体水平的遗传漂变和/或自然选择进行扩散，并最终在物种基因组中得以固定，这种方式产生的新基因一般拷贝数目不会增加，相对基因重复是非常少的，主要是影响基因的序列以及其编码的蛋白。基因家族主要是指一组功能相似且核苷酸序列具有同源性的基因，是具有显著相似性的一组基因，编码相似的蛋白质产物。
有时定义基因家族，从结构域角度来刻画。
如：一类基因，其编码蛋白都含有同一个结构域，这一类基因是一个基因家族。比如MADS-box基因家族，这类基因都含有MADS-box结构域，还有SET结构域基因家族。这个定义信息更偏向功能信息，一般来说结构域决定某种功能，因为结构域序列保守，易形成稳定的三维结构。这与共同祖先的定义有些差别，很多结构域难找得到其共同祖先。另外一个基因的共同祖先定义比较复杂的，越是历史久远的祖先，因为物种的在进化过程中发生了很多丢失和增加事件。共同祖先是个相对的概念，比如植物的共同祖先，一般包括藻类及其它绿色植物，而被子植物共同祖先，根据已经测序的基因组，一般指单双子叶之前就可以。如果从共同祖先定义基因家族，很多已知的基因家族就要被分成很多个基因家族。
有很多网站（数据库）专门收集结构域，比如Pfam和InterPro，这两个数据库内容差不多。这些数据库以Hmmer算法为基础，根据Uniprot中包含的蛋白，进行序列连配找到保守的片段(结构域），再以这些序列使用Hmmer构建种子，保存这些种子。一个蛋白拿过来后，与这些种子比对，根据打分能判断出这个蛋白是不是含有这个结构域，这也是判断一个基因编码蛋白是不是属于这个家族。
