Algorithm 如何修改Smith和Waterman perl脚本以加快速度？

我找到了这个perl脚本，但是我有太多的序列要分析。我想知道是否有可能优化它？我在上面发布了NYTProf，看到“计算比赛分数”、“计算差距分数”和“选择最佳分数”花费了很多时间。我必须修改数据结构吗？谢谢你的帮助

包含以下引用的perl脚本：

    # Smith-Waterman  Algorithm
# from this website http://etutorials.org/Misc/blast/Part+II+Theory/Chapter+3.+Sequence+Alignment/3.2+Local+Alignment+Smith-Waterman/

# Smith-Waterman  Algorithm

# usage statement
die "usage: $0 <sequence 1> <sequence 2>\n" unless @ARGV == 2;

# get sequences from command line
my ($seq1, $seq2) = @ARGV;

# scoring scheme
my $MATCH    =  1; # +1 for letters that match
my $MISMATCH = -1; # -1 for letters that mismatch
my $GAP      = -1; # -1 for any gap

# initialization
my @matrix;
$matrix[0][0]{score}   = 0;
$matrix[0][0]{pointer} = "none";
for(my $j = 1; $j <= length($seq1); $j++) {
    $matrix[0][$j]{score}   = 0;
    $matrix[0][$j]{pointer} = "none";
}
for (my $i = 1; $i <= length($seq2); $i++) {
    $matrix[$i][0]{score}   = 0;
    $matrix[$i][0]{pointer} = "none";
}

# fill
my $max_i     = 0;
my $max_j     = 0;
my $max_score = 0;

for(my $i = 1; $i <= length($seq2); $i++) {
    for(my $j = 1; $j <= length($seq1); $j++) {
        my ($diagonal_score, $left_score, $up_score);

        # calculate match score
        my $letter1 = substr($seq1, $j-1, 1);
        my $letter2 = substr($seq2, $i-1, 1);
        if ($letter1 eq $letter2) {
            $diagonal_score = $matrix[$i-1][$j-1]{score} + $MATCH;
        }
        else {
            $diagonal_score = $matrix[$i-1][$j-1]{score} + $MISMATCH;
        }

        # calculate gap scores
        $up_score   = $matrix[$i-1][$j]{score} + $GAP;
        $left_score = $matrix[$i][$j-1]{score} + $GAP;

        if ($diagonal_score <= 0 and $up_score <= 0 and $left_score <= 0) {
            $matrix[$i][$j]{score}   = 0;
            $matrix[$i][$j]{pointer} = "none";
            next; # terminate this iteration of the loop
        }

        # choose best score
        if ($diagonal_score >= $up_score) {
            if ($diagonal_score >= $left_score) {
                $matrix[$i][$j]{score}   = $diagonal_score;
                $matrix[$i][$j]{pointer} = "diagonal";
            }
            else {
                $matrix[$i][$j]{score}   = $left_score;
                $matrix[$i][$j]{pointer} = "left";
            }
        } else {
            if ($up_score >= $left_score) {
                $matrix[$i][$j]{score}   = $up_score;
                $matrix[$i][$j]{pointer} = "up";
            }
            else {
                $matrix[$i][$j]{score}   = $left_score;
                $matrix[$i][$j]{pointer} = "left";
            }
        }

        # set maximum score
        if ($matrix[$i][$j]{score} > $max_score) {
            $max_i     = $i;
            $max_j     = $j;
            $max_score = $matrix[$i][$j]{score};
        }
    }
}

# trace-back

my $align1 = "";
my $align2 = "";

my $j = $max_j;
my $i = $max_i;

while (1) {
    last if $matrix[$i][$j]{pointer} eq "none";

    if ($matrix[$i][$j]{pointer} eq "diagonal") {
        $align1 .= substr($seq1, $j-1, 1);
        $align2 .= substr($seq2, $i-1, 1);
        $i--; $j--;
    }
    elsif ($matrix[$i][$j]{pointer} eq "left") {
        $align1 .= substr($seq1, $j-1, 1);
        $align2 .= "-";
        $j--;
    }
    elsif ($matrix[$i][$j]{pointer} eq "up") {
        $align1 .= "-";
        $align2 .= substr($seq2, $i-1, 1);
        $i--;
    }
}

$align1 = reverse $align1;
$align2 = reverse $align2;
print "$align1\n";
print "$align2\n";

史密斯-沃特曼算法 #从本网站http://etutorials.org/Misc/blast/Part+II+理论/第+3章+顺序+对齐/3.2+局部+对齐+史密斯-沃特曼/ #史密斯-沃特曼算法 #使用说明 除非@ARGV==2，否则为“用法：$0\n”； #从命令行获取序列 my（$seq1，$seq2）=@ARGV； #计分制 我的$MATCH=1；#+1表示匹配的字母 我的美元错配=-1；#-1表示不匹配的字母 我的$GAP=-1；#-1.任何差距 #初始化 我的@矩阵； $matrix[0][0]{score}=0； $matrix[0][0]{pointer}=“无”；

---

对于（my$j=1；$j），您可以尝试避免反复做相同的事情

与从序列中删除单个字符不同，您可以尝试在循环之前将序列拆分为字符，而不是使用最可能更快的索引访问

例如：

my $string = "Hello, how are you?";
my @chars = split //, $string;  # Or: unpack 'a*', $string
print "Eighth char: $chars[7]\n";

my$letter2=substr（$seq2，$i-1，1）；

可以转到外循环，因为

j

内循环从不改变

for(my $i = 1; $i <= length($seq2); $i++) {
    my $letter2 = substr($seq2, $i-1, 1);
    for(my $j = 1; $j <= length($seq1); $j++) {

对于

指针

的值，使用整数代替字符串。您可以使用常量使其可读

use constant {
   POINTER_NONE => 0,
   POINTER_LEFT => 1,
   ...
};

预先计算

$j-1

和

$i-1

也可能带来一点好处

请注意您应该在每次更改前后对代码进行分析，以查看速度是否提高

---

所有这些都是微小的改进。真正的问题是你有一个二次算法。

你可以尝试避免重复做同样的事情

与从序列中删除单个字符不同，您可以尝试在循环之前将序列拆分为字符，而不是使用最可能更快的索引访问

例如：

my $string = "Hello, how are you?";
my @chars = split //, $string;  # Or: unpack 'a*', $string
print "Eighth char: $chars[7]\n";

my$letter2=substr（$seq2，$i-1，1）；

可以转到外循环，因为

j

内循环从不改变

for(my $i = 1; $i <= length($seq2); $i++) {
    my $letter2 = substr($seq2, $i-1, 1);
    for(my $j = 1; $j <= length($seq1); $j++) {

对于

指针

的值，使用整数代替字符串。您可以使用常量使其可读

use constant {
   POINTER_NONE => 0,
   POINTER_LEFT => 1,
   ...
};

预先计算

$j-1

和

$i-1

也可能带来一点好处

请注意您应该在每次更改前后对代码进行分析，以查看速度是否提高

---

所有这些都是微小的改进。真正的问题是你有一个二次算法。

真正的问题是你有一个二次算法。它天生就很慢。但是，该算法是解决最长公共子串问题的动态方法的变体，你做得再好不过了

也就是说，这是一个具有以下特性的实现：

• 将内存量从O（M*N）减少到O（M+N）
• 返回所有可能的解决方案（无需额外费用！！！）
• 在Perl中应该尽可能快

---

真正的问题是，你有一个二次算法。它本质上是缓慢的。然而，该算法是解决最长公共子串问题的动态方法的一个变种，你不能做得更好

也就是说，这是一个具有以下特性的实现：

• 将内存量从O（M*N）减少到O（M+N）
• 返回所有可能的解决方案（无需额外费用！！！）
• 在Perl中应该尽可能快

---

用C重写它？它已经用“C风格的Perl”编写了很多，并且它没有使用任何很难翻译成C的Perlish习语。谢谢你的建议，但不幸的是，我不是C程序员！使用现有的S-W实现，它是用C编写的？为什么你必须使用这个特定的脚本？你是对的，这是一个好主意。事实上，我有另一个perl脚本运行这个脚本d解析结果。但是我也可以调用C脚本！谢谢你的建议。用C重写它？它已经用“C风格的Perl”编写了很多，并且它没有使用任何很难翻译成C的Perlish习语。谢谢你的建议，但不幸的是，我不是C程序员！使用现有的S-W实现，它是用C编写的？为什么你必须使用这个特定的脚本？你是对的，这是一个好主意。事实上，我有另一个perl脚本运行这个脚本d解析结果。但是我也可以调用C脚本！谢谢你的建议。谢谢你的建议。关于你的第二点，我将尝试解决它。但是你对预先计算

$j-1

意味着什么呢？做

我的$jm1=$j-1；

，然后使用

$jm1

，而不是

$j-1

。我认为这里节省的是噪音。一个更好的主意可能是对我的$i（0..length（$seq2）-1）使用

，

而不是对我的$i（1..length（$seq2））@MrSmith42，我希望你不介意我的添加。如果你介意，请随时回复。你“真正的问题是你有一个二次算法。”，该算法是解决最长公共子串问题的动态方法的一种变体。你做得再好不过了。（也就是说，虽然是O（N*M）处理时间，但它能在这段时间内找到所有解，而不仅仅是一个。）我认为可以减少代码使用的内存，但我看不到有任何方法可以显著减少处理时间。好的，谢谢ikegami的建议。我不确定如何减少分析时间，但我会使用您的所有注释。也许我可以尝试使用称为此的脚本来解析我的文件。谢谢又是你！谢谢你的建议