2

我正在研究蛋白质序列的匹配算法。我从一个对齐的蛋白质序列开始,我试图将一个未对齐的序列转换为正确对齐的序列。这是一个例子:

原始对齐序列:----AB--CD-----

错位序列:--A--BC---D-

预期的输出应如下所示:

原始对齐序列:----AB--CD-----

错位序列:----AB--CD-----(现在都一样了)

有人告诉我要非常具体地说明我的问题,但是我要匹配的序列长度超过 4000 个字符,粘贴到这里时看起来很荒谬。不过,我将发布两个代表我的问题的序列,这应该可以。

seq="---A-A--AA---A--"
newseq="AA---A--A-----A-----"
seq=list(seq) #changing maaster sequence from string to list
newseq=list(newseq) #changing new sequence from string to list
n=len(seq) #obtaining length of master sequence
newseq.extend('.') #adding a tag to end of new sequence to account for terminal gaps

print(seq, newseq,n) #verification of sequences in list form and length

for i in range(n)
    if seq[i]!=newseq[i]:
        if seq[i] != '-': #gap deletion
            del newseq[i]

        elif newseq[i] != '-':
            newseq.insert(i,'-') #gap insertion


        elif newseq[i] == '-':
            del newseq[i]


old=''.join(seq) #changing list to string
new=''.join(newseq) #changing list to string
new=new.strip('.') #removing tag

print(old) #verification of master-sequence fidelity
print(new) #verification of matching sequence

我从这个特定的代码和序列集得到的输出是:

---AA--AA---A--

----AA--A----A-----A-----

我似乎无法让循环多次正确删除字母之间不需要的破折号,因为其余的循环迭代用于添加破折号/删除破折号对。
这是解决这里问题的良好开端。

如何成功编写此循环以获得所需的输出(两个相同的序列)

4

2 回答 2

3

序列比对问题是众所周知的,它的解决方案也有很好的描述。有关介绍性文本,请参阅Wikipedia。我知道的最好的解决方案是动态编程,你可以在这个网站上看到一个用 Java 实现的示例。

于 2012-06-13T16:30:32.710 回答
0

我编辑了您的代码,现在它给出了正确的输出:

seq="----AB--C-D-----"
newseq="--A--BC---D-"
seq=list(seq) #changing maaster sequence from string to list
newseq=list(newseq) #changing new sequence from string to list
n=len(seq) #obtaining length of master sequence
newseq.extend('.') #adding a tag to end of new sequence to account for terminal gaps

print(seq, newseq,n) #verification of sequences in list form and length
for i in range(len(seq)):
    if seq[i]!=newseq[i]:
       if seq[i]=='-':
           newseq.insert(i,'-')

       elif newseq[i]=='-':
           newseq.insert(i,seq[i])
       else:
           newseq.insert(i,seq[i])

else:
    newseq=newseq[0:len(seq)]

old=''.join(seq) #changing list to string
new=''.join(newseq) #changing list to string
new=new.strip('.') #removing tag

print(old) #verification of master-sequence fidelity
print(new) #verification of matching sequence

输出:

----AB--C-D-----
----AB--C-D-----

AA---A--A-----A-----

---A-A--AA---A--
---A-A--AA---A--
于 2012-06-13T16:31:48.463 回答