Python 串长不等的多序列比对

我需要一种方法，从3-1000个不同长度的短（10-20bp）核苷酸（“ATCG”）读数中创建一个一致序列

一个简化的例子：

"AGGGGC"
"AGGGC"
"AGGGGGC"
"AGGAGC"
"AGGGGG"

应产生一致的序列

“agggc”

我在BioPython库中找到了进行多重序列比对（MSA）的模块，但只针对相同长度的序列。对于任意长度的两个序列，我也熟悉（并且已经实现）Smith-Waterman样式的对齐。我想一定有一个库或实现将这些元素结合在一起（MSA超过不相等的lentghs），但经过数小时的网络搜索和各种文档，仍然没有发现任何东西

关于现有模块/库（首选Python）或程序的任何建议，我可以将其合并到执行此操作的管道中吗

---

谢谢

在序列末尾添加间隙字符，使它们具有相同的长度。然后，您可以使用自己选择的程序来处理它们，例如肌肉：

from Bio import SeqIO
from Bio.Seq import Seq
from Bio.SeqRecord import SeqRecord
from Bio.Align.Applications import MuscleCommandline

sequences = ["AGGGGC",
             "AGGGC",
             "AGGGGGC",
             "AGGAGC",
             "AGGGGG"]

longest_length = max(len(s) for s in sequences)
padded_sequences = [s.ljust(longest_length, '-') for s in sequences]
records = (SeqRecord(Seq(s)) for s in padded_sequences)

SeqIO.write(records, "msa_example.fasta", "fasta")

from Bio.Align.Applications import MuscleCommandline
cline = MuscleCommandline(input="msa_example.fasta", out="msa.txt")
print cline

---

肌肉在长度不等的序列中工作良好。不需要用gapsMAFFT填充它们，它比muscle快，但两者都可以使用OP的输入数据sizeThanks，MAFFT和muscle都可以满足我的需要。然而，它们都产生了意想不到的结果：1 AGGGC-4 AGGGC-3 aggggc-5 AGGGG-2 a-gggc-*。我认为gap成本太高了，所以它没有在1、4、5和2中创建“-”来对齐列中的“c”核苷酸。我看到在MAFFT中有各种各样的-op标志来改变这个权重，有什么建议是正确的，或者是修补的起始值吗？就肌肉而言，我看不到任何改变这个重量的选项？使用MAFFT设置进行调整。我似乎找不到任何地方可以将“A”s和“C”s对齐，并将“G”s的数量变化视为indel。