问题标签 [sequence-alignment]

任何人都可以帮助我解决以下问题吗？

对于参数 k，计算两个字符串之间的全局对齐，受限于对齐包含最多 k 个间隙（连续 indel 块）的约束。

我正在尝试实现 Waterman-Eggert 算法以查找次优的局部序列比对，但我正在努力理解如何“分解”单独的比对组。我有基本的 Smith-Waterman 算法工作正常。

将以下序列与自身对齐的简单测试：

产生如下的 fMatrix：

为了找到次优对齐，例如

您必须首先删除最佳对齐方式（即沿主对角线）并重新计算 fMatrix；这被称为“去簇”，其中对齐的“簇”被定义为路径相交/共享一对或多对对齐残基的任何对齐。除了 fMatrix 之外，还有一个二级矩阵，其中包含有关构造 fMatrix 的方向的信息。

构建 fMatrix 和回溯矩阵的代码片段如下：

为了消除这个最佳对齐，我尝试使用这个 backMatrix 来回溯 fMatrix（根据原始的 Smith-Waterman 算法）并随时设置fMatrix[i][j] = 0，但这不会删除整个团块，只会移除那个团块中的精确对齐.

对于一些背景信息，Smith-Waterman 算法的Wikipedia页面解释了 fMatrix 是如何构建的，并且这里有关于回溯如何工作的解释。Waterman-Eggert 算法在这里大致解释。

谢谢。

我有一组 520 个流感序列，我已经对其进行了多序列比对，并计算了成对单位矩阵。如果我想添加另一个序列，我必须重新对齐所有内容，并重新计算整个 PWI 矩阵。是否有任何程序可以用来将这个其他序列“附加”到比对中，并且只计算每个其他序列的 PWI？

一个简单的例子如下。我有一个 2x2 对齐，具有以下分数。

无需重新运行完全对齐，而仅针对所有其他序列运行“SeqC”，我想得到以下矩阵：

我正在使用 BioPython 包，Python 是我的首选语言，但如果需要，我也可以使用 Java。

[我在这里声明我是从 BioStars 交叉发布的，以防万一这里有不在 BioStars 上的专家。BioStars 的帖子是： http: //www.biostars.org/p/77607/，但内容完全相同。]

我正在尝试使用仿射间隙惩罚函数来实现用于局部序列比对的 Smith-Waterman 算法。我想我了解如何启动和计算计算对齐分数所需的矩阵，但对如何回溯以找到对齐方式一无所知。要生成所需的 3 个矩阵，我有以下代码

我不确定是否需要单个矩阵进行回溯，还是只需要 1 个？任何关于如何从 F 中的最高分数追溯的澄清将不胜感激。

是否有一种可接受/有效的方法来指定/识别 8 位数据流的每个块中的第一个字节，其中块更新和重复？我正在使用 GCC。这些是在两个 uC 之间通过 USART 传递的控制设置数据，我需要确保接收端的帧对齐。我可以将标题附加到块的每个实例，但数据可以假定标题可能具有的任何值。

我对python很陌生，如果可能的话，我将不胜感激。我正在比较两个密切相关的生物体 [E_C 和 E_F] 的基因组，并试图识别一些基本的插入和缺失。我使用两种生物的序列进行了 FASTA 成对比对（glsearch36）。

下面是我的 python 脚本的一部分，我已经能够在一个序列（数据库）中识别出一个 7 个核苷酸（七聚体），它对应于另一个序列（查询）中的一个缺口。这是我所拥有的一个例子：

假设间隙位于第 9 位。我正在尝试改进脚本以选择两个序列上相距 20 个或更多核苷酸的间隙，并且仅当周围的核苷酸也匹配时

这是我脚本的部分，上半部分处理打开不同的文件。它还会打印一个字典，其中包含最后每个序列的计数。

本质上，我试图编辑成对比对的结果，以尝试识别查询和数据库序列中与缺口相对的核苷酸，以便进行一些基本的插入/删除分析。

我能够通过将间隙“-”之间的距离增加到 20 nt 以尝试减少噪音来解决我早期的问题之一，这改善了我的结果。上面编辑的脚本。

这是我的结果的一个例子，最后我有一个字典，可以计算每个序列的出现次数。

但是，我仍在尝试修复脚本，使间隙周围的核苷酸完全匹配，例如，其中 | 只是为了在每个序列上显示匹配的 nt：

对此的任何帮助将不胜感激！

目前，我已经阅读了一个 genbank ptt 文件并使用它在 R 中使用 genoplotR 绘制基因组

我还阅读了其相应的排序 bam 文件并使用 rbamtools 制作了覆盖图

我现在想将这两个数字叠加在一张图上，这样我们就可以在 R 中拥有一个基本的基因组比对查看器。但是，我一直在尝试叠加这两个数字，以及匹配 x 轴上的相应位置。

任何帮助将不胜感激！

谢谢

我有一个包含约 5,000 个地点名称的数据库，其中大部分是带有拼写错误、排列、缩写等的重复。我想按相似性对它们进行分组，以加快进一步处理。最好的办法是将每个变体转换为“柏拉图形式”，并将两列并排放置，原始形式和柏拉图形式。我读过关于多序列比对，但这似乎主要用于生物信息学，用于 DNA/RNA/肽的序列。我不确定它是否适用于地名。任何人都知道一个可以帮助我在 R 中完成它的库吗？或者许多算法变体中的哪一个可能更容易适应？

编辑：我如何在 R 中做到这一点？到目前为止，我正在使用 adist() 函数，它为我提供了每对字符串之间的距离矩阵（尽管它没有按照我认为的方式处理易位，请参阅下面的评论）。我现在正在工作的下一步是将这个矩阵转换为足够相似的值的分组/聚类。提前致谢！

编辑：为了解决易位问题，我做了一个小函数，获取所有超过 2 个字符的单词，对它们进行排序，删除任何剩余的标点符号，然后将它们再次粘贴到字符串中。

然后我将它应用到我表的所有行

最后应用 adist() 创建相似度表。

我被一个问题困扰了三天......到处搜索，发布在Biostar上，仍在等待 EMBL 回复电子邮件......如果我有更多的代表，将会获得赏金。

在使用 EMBOSSwin needle()（成对全局对齐）对齐序列后，我得到pair格式的对齐文件，带有.needle文件扩展名。我想使用Biopython读取这些对齐方式以供以后分析。

我AlignIO.read(open('alignment.needle'),'emboss')按照Biopython 的 AlignIO wiki中的说明使用，但我不断得到一个AssertionError.

我的代码：

我的错误：

对齐文件示例：

在此处下载对齐文件

版本：

• Windows 7的
• Python 版本 2.7.3
• Biopython 1.63 版
• EMBOSS 版本 2.10.0-0.8

线索：

我怀疑这可能与我在实际进行对齐时不断收到的警告消息有关，该消息由 EMBOSSneedle()函数输出：

我正在使用 EMBOSSwin 的 needle() 命令行函数，它执行成对的全局对齐，但我遇到了一个奇怪的警告。

所以我有 24 对需要比对的氨基酸序列，我使用“subprocess.call()”从 python 运行 needle() 命令——虽然这个过程发生（看起来很顺利），但我收到以下警告：

额外线索：

尽管有这个奇怪的警告...如您所见，needle() 以 .fasta 格式成功生成了对齐...

...但是...我在尝试将这些对齐读回 python 时遇到无法解释的“AssertionErrors” -使用 biopython 的 AlignIO.read() 函数（请参阅：http ://bit.ly/1aHK9w7我的问题直接相关这个AssertionError）...

*要明确：这些 AlignIO() AssertionErrors 可能与needle() 警告无关，但我将警告视为调查的主要线索......！