有谁知道如何找到不匹配的子序列模式？
对于不匹配内核函数，它允许m个不匹配。例如，＆＃39;工具＆＃39;有三个3克（＆＃39;太＆＃39;，＆＃39; ool＆＃39;），不匹配核心功能将计数 ＆＃39; AOO＆＃39;＆＃39;嘘＆＃39; ...＆＃39;动物园＆＃39;＆＃39;道＆＃39; ...＆＃39; TZO＆＃39;当m为1时，＆＃39; toa＆＃39; ...＆＃39; toz＆＃39; .... 有关具体说明，请参阅http://www.cs.columbia.edu/~cleslie/cs4761/papers/string-kernel-slides.pdf 请参阅第12-17页
如何编写可以计算此指标的MATLAB函数？
非常感谢。
答案 0 :(得分：0)
我要提出的解决方案实际上是基于强力方法（没有花哨的不匹配树）。
如果您正在处理核苷酸，那么您只有4个符号并且没有问题，但是对于大字母和/或k的大值，它可能会非常低效。
好消息是，它不包含任何循环，并且每个语句都是矢量化的，因此它的工作速度非常快。
首先，我想你知道如何选择k-mers;如果没有，提议的解决方案here（由gnovice提供的功能n_gram()）可以很好地工作。
我不喜欢＆＃34; n-gram＆＃34;，我更喜欢＆＃34; k-mers＆＃34;所以我在下文中使用它来表示长度 k 的子串。
其次，让我们声明一些变量：
m=1; k=3;
alphabet='abcdefghijklmnopqrstuvwxyz';
kmerUT='too';
其中m是距离（如幻灯片中所示），alphabet相当不言自明（是所有可能值的集合），kmerUT是k-mer在测试中（即我们想要计算距离的k-mer）和k是k-mer的长度。
第三，让我们计算来自k的{{1}}符号的所有可能组合：
alphabet此片段按顺序预先分配带有C = cell(k, 1); %// Preallocate a cell array
[C{:}] = ndgrid(alphabet); %// Create K grids of values
combs = cellfun(@(x){x(:)}, C); %// Convert grids to column vectors
combs = sortrows([combs{:}]); %// Obtain all permutations
个单元格的单元格数组。在第二个表达式之后，在这3个单元格中，将存在k的值，其中＆＃34;不同的时期＆＃34; （第一个单元格： abcdefh ... ;第二个单元格有26次 a ，26次 b 等等;第三个单元格有2 * 26时间 a ，2 * 26次 b 等等......）＆＃34; 26＆＃34;因为它们是字母表中的字母。最后一行将单元格数组alphabet展开到矩阵中，然后按字母顺序对组合进行排序。致Eithan T的积分
注意：如果您在此步骤之后运行内存不足（这在内存方面是最昂贵的），您也可以从主内存中删除单元数组C感谢命令C。从现在开始，我们不需要这样的变量。
第四，将clear C中的每一行与目标k-mer进行比较：
combs所以我们声明一个函数fun=@(a,b) (a~=b);
comparisons=bsxfun(fun,combs,kmerUT);
，如果fun和1不同，我们只会在位置 j 中返回一个逻辑向量a位置 j 然后将（感谢b）此函数应用于bsxfun()中的所有行。换句话说，我们将每一行与测试中的k-mer进行比较。因此，combs将是一个逻辑矩阵，其中行是这种比较的结果
注意：comparisons是另一个可能占用大量内存的变量。由于我们从现在开始不需要它，你也可以combs。
第五，计算每个测试组合的不相等符号的数量：
clear combs将counter=sum(comparisons,2);
作为1和0的矩阵，可以简单地对每一行求和，得到每行1的数量（即每行不同符号的数量）。
注意：comparisons是一个矢量，其大小为卡（字母）^ k 其中卡（字母）是值的数量在counter中，因为它必须包含所有可能组合的值。在某些情况下，这样的向量可能很大，并且考虑到这样的向量中的每个项目需要8个字节，整个向量可能需要大量的内存。现在，如果您已清除alphabet和C它不应该成为问题，但为了完整起见，您可能希望使用整数类型转换combs每个项目需要少于8字节。有关Matlab中数字类型的更多信息可以找到here。
第六，计算来自counter m不匹配的组合数：
kmerUT