Question

我正在寻找一些代码来返回原始字符串中两个不匹配的所有序列，以便找到与我输入的原始序列相似的蛋白质序列的部分。例如，在LELFLKEF中搜索LKLD应该返回： LELF LKEF LFLK 我已经看过各种python方法来做到这一点，但我似乎无法做任何工作。

Answer 1

一种简单的方法是浏览序列并为查询的每个对齐计算hamming distance＆＃39; LKLD＆＃39;到主题序列＆＃33; LELFLKEF＆＃39;。在链接的维基百科文章中有汉明距离计算的示例实现。完成后，您的代码将执行以下操作：

# hamming distance
d = lambda s1, s2: sum(e1 != e2 for e1, e2 in zip(s1, s2))

subject = 'LELFLKEF'
query = 'LKLD'
for i in range(len(subject)-len(query)+1):
    aligned_subject = subject[i:i+len(query)]
    if d(aligned_subject, query) == 2:
         print(aligned_subject)

输出：

LELF
LFLK
LKEF

请注意，这是一个天真的解决方案，有足够的优化空间，但它适用于简单的情况和相当小的字符串。生成列表的精简版本：

s='LELFLKEF'
q='LKLD'
d= lambda s1, s2: sum(e1 != e2 for e1, e2 in zip(s1, s2))
[s[i:i+len(q)] for i in range(len(s)-len(q)+1) if d(s[i:i+len(q)],q) == 2]

for循环遍历两个字符串的所有可能无空位对齐：

0
LELFLKEF
||||
LKLD
 1
LELFLKEF
 ||||
 LKLD
  2
LELFLKEF
  ||||
  LKLD
   3
LELFLKEF
   ||||
   LKLD
    4
LELFLKEF
    ||||
    LKLD

alignment of biological sequences的问题也有很多实现，因此您可能还想探索一些处理空位对齐和more complicated modeling of substitutions

之类的更复杂的技术

从原始字符串返回两个不匹配的序列

1 个答案: