如何从DNA序列中获得比对分数？

Question

我对Biopython的pairwise2功能有点熟悉，但我注意到它在序列中添加了破折号以获得最佳的对齐分数。例如，

for a in pairwise2.align.globalxx("ACCGT", "ACG"):
  print(format_alignment(*a))

会产生这样的结果：

ACCGT
|||||
A-CG-
Score=3
<BLANKLINE>
ACCGT
|||||
AC-G-
Score=3
<BLANKLINE>

即使第二序列中的前2个字符（A＆amp; C）与第1个序列对齐。有没有办法找到对齐碱基对的数量，而不是最高数量的对齐碱基对（例如：ACTGAA序列对GCCGTA序列的得分为3）？

Answer 1

如果您只是想阻止该功能添加间隙，则可以增加间隙惩罚。对齐采用参数来设置匹配分数，非匹配罚分，创建空位罚分和延长空位罚分：

pairwise2.align.globalxx("ACCGT", "ACG", 2, -1, -1, -0.5)

Answer 2

所以你只想在两个序列（相同长度）中计算相同的碱基而不进行任何比对？

像这样：

seq1 = 'ACTGAA'
seq2 = 'GCCGTA'

score = 0

for a, b in zip(seq1, seq2):
    if a == b:
        score +=1

print(score)

以更加pythonic的方式：

seq1 = 'ACTGAA'
seq2 = 'GCCGTA'

score = sum([1 for a, b in zip(seq1, seq2) if a == b])
print(score)

请注意，此分数的反向（不同碱基的数量）将是汉明距离。虽然您可以强制Biopythons pairwise2通过强制实施非常高的空位罚分来返回您想要的结果，但上面显示的解决方案似乎更简单。

# I don't recommend this
pairwise2.align.globalxs(seq1, seq2, -1000, -1000)