Python 对齐匹配序列_Python_Bioinformatics

Python 对齐匹配序列

python

Python 对齐匹配序列,python,bioinformatics,Python,Bioinformatics,我试图根据前5个字符和后5个字符对齐匹配序列。例如： AAATGCEGAIRPVOGJKKK KKKTGKAFKEJWKLJFFFF FFFKEJFWKFJWEKFJIGK 将对齐并连接以创建： AAATGCEGAIRPVOGJKKKTGKAFKEJWKLJFFFFKEJFWKFJWEKFJIGK 请注意，映射区域不应重复。实际上，我有3条以上的线，它们没有排序，因此我尝试创建一个循环，将所有线对齐在一起。我不确定最好的方法我想你可以通过制作前缀词典来解决这个问题。一旦你有了它，从一个任

我试图根据前5个字符和后5个字符对齐匹配序列。例如：

AAATGCEGAIRPVOGJKKK
KKKTGKAFKEJWKLJFFFF
FFFKEJFWKFJWEKFJIGK

将对齐并连接以创建：

AAATGCEGAIRPVOGJKKKTGKAFKEJWKLJFFFFKEJFWKFJWEKFJIGK

请注意，映射区域不应重复。实际上，我有3条以上的线，它们没有排序，因此我尝试创建一个循环，将所有线对齐在一起。我不确定最好的方法

我想你可以通过制作前缀词典来解决这个问题。一旦你有了它，从一个任意的序列开始，找到它的后缀在前缀列表中。然后转到具有该前缀的序列，构建链

下面是一些代码：

def make_circular_overlapping_sequence(sequences, min_overlap=1, max_overlap=5):
    # start by mapping prefixes to full sequences
    prefixes = {}
    for seq in sequences:
        for length in range(min_overlap, max_overlap+1):
            prefixes[seq[:length]] = seq

    # pick arbitrary a start sequence
    start = current = sequences[0]

    # build a chain of sequences with overlapping suffixes and prefixes
    chain = [start]
    while True:
        # try longest suffixes first
        for length in range(max_overlap, min_overlap-1, -1):
            suffix = current[-1-length:]
            if suffix in prefixes:
                current = prefixes[suffix]
                if current == start: # looped around, so we're done
                    return "".join(chain)
                chain.append(current[length+1:]) # don't duplicate the prefix
                break
        else: # for loop ended without breaking
            raise ValueError("No match found for sequence {!r}"
                             .format(current))

测试输出：

>>> sequences = '''AAATGCEGAIRPVOGJKKK
KKKTGKAFKEJWKLJFFFF
FFFKEJFWKFJWEKFJIGK
GKXYZ1234AAAT'''.split()
>>> make_circular_overlapping_sequence(sequences)
'AAATGCEGAIRPVOGJKKKTGKAFKEJWKLJFFFFKEJFWKFJWEKFJIGKXYZ1234AAAT'

注:

此代码适用于明确的循环序列，如果存在不明确的匹配项（例如，

“…ABC”

，后面可能跟有

“ABC…”

或

“BC…”

），则可能无法按需工作。目前，它总是选择最长的重叠

如果链结束时没有循环，则代码会引发异常，但如果存在不包含起始元素的短循环（例如

[“a…B”，“B…C”，“C…B”]

），则代码可能会永远运行

该算法不能保证所有的输入序列都包含在输出中。它只是找到一个循环并停止

不会修剪第一个值和最后一个值的匹配部分。如果您不想这样做，我建议将返回值的最后一个后缀切掉：

return”“。join（chain）[：-length]

我想你可以通过编一本前缀词典来解决这个问题。一旦你有了它，从一个任意的序列开始，找到它的后缀在前缀列表中。然后转到具有该前缀的序列，构建链