Question

我正在寻找一种方法来查找python中两个字符串之间的不匹配总数。我的输入是一个看起来像这样的列表

['sequence=AGATGG', 'sequence=AGCTAG', 'sequence=TGCTAG',
 'sequence=AGGTAG', 'sequence=AGCTAG', 'sequence=AGAGAG']

和我对每个字符串，我想看看它与序列"sequence=AGATAA"有多少差异。因此，如果输入是上面列表中的[0]，则输出将如下所示：

sequence=AGATGG, 2

我无法弄清楚是否将每个字母拆分成单个列表，或者我是否应该尝试以某种方式比较整个字符串。任何帮助都很有用，谢谢

Answer 1

您可以使用sum和zip轻松计算两个字符串之间成对不匹配的总数：

>>> s1='AGATGG'
>>> s2='AGATAA'
>>> sum(c1!=c2 for c1,c2 in zip(s1,s2))
2

如果您必须处理大小不同的字符串，您可能希望更喜欢from itertools import zip_longest而不是zip

Answer 2

见Levenshtein距离：http://en.wikipedia.org/wiki/Levenshtein_distance。

你会发现大量的python库可以有效地实现这个算法。

我认为比较这些基因序列更合适（因为它也可以很好地处理插入和缺失）。

Answer 3

首先，我认为最安全的做法是将Levenshtein距离与某些图书馆联系起来。但由于您使用Biopython进行标记，因此可以使用pairwise：

首先，你要摆脱＆＃34; sequence =＆＃34;。您可以切片每个字符串或

seqs = [x.split("=")[1] for x in ['sequence=AGATGG',
                                  'sequence=AGCTAG',
                                  'sequence=TGCTAG',
                                  'sequence=AGGTAG',
                                  'sequence=AGCTAG',
                                  'sequence=AGAGAG']]

现在定义参考序列：
```
ref_seq = "AGATAA"
```

使用pairwise可以计算对齐方式：

from Bio import pairwise2

for seq in seqs:
    print pairwise2.align.globalxx(ref_seq, seq)

我使用没有参数的对齐pairwise2.align.globalxx。其他函数接受匹配和间隙的不同值。请在http://biopython.org/DIST/docs/api/Bio.pairwise2-module.html处查看。

两个字符串之间的总不匹配

3 个答案: