Algorithm 从片段集推断适配器序列

我有一组由DNA测序生成的字符串，使用特定的适配器片段。这意味着S中的所有字符串都包含一个后缀，该后缀与适配器序列的前缀近似匹配（由于排序错误）。仅给定集合S，如何推断用于生成S的最可能的适配器序列

---

集合S非常大，大约有100万个片段，每个片段的长度为50个字符。我知道在集合S上构建一个通用后缀树将大大有助于解决此问题，但我不确定使用什么方法来查找最可能的适配器序列。

也许这将满足您的需要：

---

字符串可以包含哪些类型的排序错误？特别是，是否只有（或大部分）替换错误，是否也有插入和/或删除？错误仅限于替换错误。关键字是

blast de novo assembly

giy是适配器长度为50的字符串的子序列，即适配器可以位于每个字符串的不同位置。或者，它比这个简单吗？适配器是50的整个序列，你想在100万个序列中推断出一致的50nt序列吗？另外，如果适配器是子序列，那么长度是已知的吗？感谢blast de novo组装技巧，我将对此进行研究。我想推断几个不同长度的可能适配器序列。在一百万个序列中找到一个一致的序列将是一个很好的方法，因为在序列中会有一些错误的读取。这正是我需要的，非常感谢！算法中的逻辑也非常简单：识别集合中的频繁k-mer，按频率排序，并将它们对齐到输出序列中。