Wysoki stopień podobieństwa do znanych mRNA lub produktów białkowych zazwyczaj świadczy o tym, że region genomu jest genem kodującym białko. Takie podejście wymaga dodatkowego sekwencjonowania mRNA oraz produktów białkowych, co znacznie powiększa koszt analiz. Dodatkowo w złożonych organizmach jedynie część genów w danej chwili podlega ekspresji, co sprawia, że taka procedura dla wielu genów jest niemożliwa.
W genomach prokariotycznych geny składają się z dobrze poznanych sekwencji promotorowych, takich jak kaseta Pribnowa i miejsca wiązania czynników transkrypcyjnych, które łatwo jest zidentyfikować. Sekwencje kodujące białka istnieją w postaci jednej ciągłej otwartej ramki odczytu, która zawiera zazwyczaj od setek do tysięcy par zasad. Co więcej DNA kodujące białka podlega pewnej okresowości oraz innym statystycznym właściwościom, które łatwo jest wykryć w sekwencjach tych długości.
Znajdowanie genów ab initio w genach eukariotycznych, zwłaszcza u organizmów złożonych jak człowiek, jest znacznie bardziej wymagające z wielu powodów. Po pierwsze, sekwencje promotorowe i inne sygnały regulatorowe w genomach są bardziej złożone i mniej poznane niż u prokariotów, co czynie je trudniejszymi do rozpoznania.