问题标签 [sequence-alignment]

我有以下关于序列比对的问题：

我们知道，当您想要强制两个序列在​​其整个长度上对齐时，全局对齐算法很有用，而局部对齐会找到两个序列之间相似性最高的一个或多个区域，并从那里向外构建对齐。

当我们有一个非常长的序列和一个小序列文库时，在文库中找到小序列连接的最佳算法是什么，以最小化比对成本？

好的，这就是我想要做的：

获取两个以上的字符串并“对齐”它们（没有 DNA/RNA 序列等，只是常规字符串，每个字符串都不像 1000 个项目）

我已经完成了一些成对对齐（对齐两个字符串）的工作，但是当我尝试对齐多个字符串时，“间隙”给我带来了一些问题。

示例（我目前正在测试的一个）：

还有另一个（更具说明性的）示例：

我目前在做什么：

• 对字符串进行排序（较长的字符串在列表中排在第一位）
• 对齐第一对：AB 并得到结果（比方说R1）
• 然后对齐第二对：R1和C（结果R2）
• 然后对齐第三对：R2和D
• 等等...

那么你的想法是什么？我怎么能去呢？有没有更好的办法？（当然，必须有……）

我宁愿在 Perl/Python 或类似的东西中这样做，但是任何类型的代码/参考都会受到欢迎！:-)

我使用 Bioconductor 中的 Biostrings 包中的 pairwiseAlignment 进行简单的成对 DNA 序列比对：

输出如下所示：

对于非常长的序列，输出被截断，只显示一行：

如何将完整对齐输出到文本文件？

我有一个由 3 个序列生成的比对clustalx

我可以通过 Biopython 中的预定义索引对对齐进行切片align[:,:4]

但是，打印结果会给出：

如何在不打印下面给出的名称的情况下捕获子对齐？

align[:,:4].seq不提供我正在寻找的输出。

我正在尝试在大学研究项目的 Java 应用程序中显示蛋白质序列比对。我的想法是在每个单元格中使用带有 JLabel 的 JTable 来保存序列中的氨基酸。我需要能够更改背景颜色、文本颜色并驱动每个单元格事件。有一个更好的方法吗？

我正在尝试扫描可能的SNPs并将indels支架与参考基因组的子序列对齐。（原始读数不可用）。我正在使用R/bioconductorBiostrings 包中的 `pairwiseAlignment 函数。这对于较小的脚手架工作得很好，但是当我尝试将 56kbp 脚手架与错误消息对齐时失败了：

QualityScaledXStringSet.pairwiseAlignment 中的错误（模式 = 模式，：无法分配大小为 17179869183.7 Gb 的内存块

我不确定这是否是错误？; 我的印象是Needleman-Wunsch algorithmused bypairwiseAlignment是一个O(n*m)我认为意味着计算需求在3.1E9操作顺序上的(56K * 56k ~= 3.1E9)。似乎Needleman-Wunsch相似度矩阵也应该占用 3.1 gigs 的内存。不确定我是否没有正确记住 big-o 符号，或者这实际上是在给定R scripting环境开销的情况下构建对齐所需的内存开销。

有没有人建议使用更好的对齐算法来对齐更长的序列？已经使用 BLAST 完成了初始比对，以找到要比对的参考基因组区域。我BLAST对正确放置插入缺失的可靠性并不完全有信心，而且我还没有找到与 biostrings 提供的用于解析原始 BLAST 对齐的 API 一样好的 API。

顺便说一句，这是一个复制问题的代码片段：

较短的对齐（数百个碱基）不会发生该错误。我还没有找到错误开始发生的长度截止

如何实现具有最小子序列长度约束的序列比对。例如，让这些输入的最小子序列长度为 3。使用 Smith-Waterman 给出如下输出。

但相反，我需要像下面这样。

是否有一个已知的算法，或者你知道一种方法？

提前致谢。

你好。我正在编写一个函数来查找相同的对齐列，然后将这些列存储在字典中，这样键应该是列（作为字符串），值是包含列索引的列表。我遇到了一些困难。我当前的代码只能进行一种对齐：

我不知道如何从这里开始。

输出应该是一个字典，其中包含相同的对齐列作为键和相同列的索引作为值。

所以我以前试过问这个，但我想我对我要找的东西还不够清楚。我正在制作一个最佳的字符串对齐算法，它实际上只是一个动态编程问题。所以我决定递归地写它。该计划由两部分组成：

• 找到两个单词之间的“编辑距离”，您可以根据一些相关成本最小化对齐。例如，对齐同一个字母的成本为 0，对齐两个元音的成本为 0.5，但对齐一个字母与间隙的成本为 1。
• 可视化对齐方式：即将字符串彼此叠放，字符和间隙的最佳对齐方式。

我认为我的编辑距离有效。我得到了与同龄人相同的价值观，而且似乎没有直接的问题。但是，我很难弄清楚如何恢复匹配、插入和删除的序列以可视化对齐。我的问题来自这样一个事实，即我有一个递归函数，它至少需要三个递归调用。所以，我最终得到了一个比必要的更长的序列，因为每个递归调用都附加了一个“移动”（匹配、插入、删除），它可能不会被使用，因为它不是成本最低的一个。

这是我的代码：

所以，是的，我知道我所拥有的东西不起作用。我的全局newseq变量当前的长度为 1，因为我尝试通过删除递归调用期间发生的所有附加来重置它。如何设置一种方法来记录构成与此递归算法的最佳对齐的“移动”序列？

编辑：这是我的 memoize 装饰器功能：

我有一个包含 1000 列的数据框。我试图一次循环超过 10 列，并使用包中的seqdef()函数TraMineR对这些列中的数据进行序列对齐。因此，我想将此函数应用于第一次复飞中的第 1-10 列，以及第二次复飞中的第 11-20 列，一直到 1000。

这是我正在使用的代码。

但是，这只循环前 10 个然后停止。如何在 10 列的块中循环它？