Question

我正在编写代码来查找两个序列之间的局部比对。这是我一直在努力的最小的工作示例：

from Bio import pairwise2
from Bio.pairwise2 import format_alignment
seq1 = "GTGGTCCTAGGC"
seq2 = "GCCTAGGACCAC"
# scores for the alignment
match =1
mismatch = -2
gapopen = -2
gapext = 0
# see: http://biopython.org/DIST/docs/api/Bio.pairwise2-module.html
# 'localms' takes <seq1,seq2, match,mismatch,open,extend>
for a in pairwise2.align.localms(seq1,seq2,match,mismatch,gapopen,gapext):
    print(format_alignment(*a))

以下代码与输出

一起运行

GTGGTCCTAGGC----
      |||||
----GCCTAGGACCAC
  Score=5

但得分为'6'应该是可能的，找到5个路线旁边的'C-C'，如下：

GTGGTCCTAGGC----
     ||||||
----GCCTAGGACCAC
  Score=6

有关正在发生的事情的任何想法？

Answer 1

这似乎是Biopython的pairwise2模块中当前实现局部对齐的一个错误。 Biopython's GitHub上有一个最近的拉取请求（＃782），它可以解决您的问题：

>>> from Bio import pairwise2  # This is the version from the pull request
>>> seq1 = 'GTGGTCCTAGGC'
>>> seq2 = 'GCCTAGGACCAC'
>>> for a in pairwise2.align.localms(seq1, seq2, 1, -2, -2, 0):
        print pairwise2.format_alignment(*a)


GTGGTCCTAGGC----
     ||||||
----GCCTAGGACCAC
  Score=6

如果您只使用短序列，则可以下载来自pull请求的pairwise2.py代码上文提到的。此外，你需要'灭活'各自的 C模块（cpairwise2.pyd或 cpairwise2.so），例如通过重命名或删除最后导入C函数 pairwise2.py（from .cpairwise import ...）。
如果您正在使用更长的序列，则需要提高C模块的速度。因此你也必须下载来自pull请求的cpairwise2module.c并编译它进入cpairwise2.pyd（适用于Windows系统）或 cpairwise2.so（Unix，Linux）。

编辑：在Biopython 1.68中问题解决了。

Biopython：DNA序列之间的局部比对没有找到最佳比对

1 个答案: