从一组片段中推断适配器序列

Question

我有一组使用特定衔接子片段从DNA测序产生的字符串。这意味着S中的所有字符串都包含一个后缀，该后缀大致匹配（由于排序错误）适配器序列的前缀。如果仅使用集合S，我怎样才能推断出用于生成S的最可能的适配器序列？

集合S非常大 - 大约100万个片段，每个片段的长度为50个字符。我知道在集合S上构建一个通用后缀树将极大地帮助解决这个问题，但我不确定用于查找最可能的适配器序列的方法。

Answer 1

也许这符合您的需求：

http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0164228