sequences - 如何在 DNA 序列列表中找到 k-mers 的出现

Question

我想根据给定的 k-mers 列表扫描 DNA 序列列表；k-mer 列表中的每个元素都是一组相似的等长 k-mer，它们看起来像

myKmer1=c("TATGGGTTT", "TAAGGGTTT", ...,"CAAGGGTTT")

...

myKmer10=c("GGATTCCAG","CCATTCTTT",..., "CGATTCCTT")

哪些软件/ R-script 可用于在每个序列上获得 k-mers 列表的出现——结果应该是一个表格，如下所示：

k-mers出现表1：显示序列中k-mer的计数

myKmer1 myKmer2 ...myKmer10

序列1 2 0 3

序列2 1 3 0

...

序列1000 0 1 0

k-mers出现表2：显示k-mer在序列中的位置

myKmer1 myKmer2 ...myKmer10

seq1 111, 888 0 123,456,3333

seq2 123 111,223,333 0

...

seq1000 0 1234 0

Answer 1

如果您正在寻找的 kmers 长度相同，那么您可以使用Jellyfish和 dump 子命令来为您提供长度为 k 的所有 kmers 的计数。然后，您可以解析特定 kmers 的输出。另请参阅Jellyfish 用户指南。