Python 如何计算文本字符串的多序列对齐
我正在写一个程序，它必须计算一组字符串的一个值。我想用Python来实现这一点，但如果更实用的话，我可以使用一个外部软件或另一种语言。数据不是特别大，我没有很强的性能要求，我可以容忍近似值（即，我只需要找到足够好的对齐方式）。唯一的问题是字符串是常规字符串（即可能带有换行符的UTF-8字符串，应将其视为常规字符）；它们不是DNA序列或蛋白质序列 我可以找到生物信息学中常见案例的大量工具和信息，这些工具和信息具有特定的复杂文件格式和许多我不需要的功能，但对于简单的字符串案例，很难找到软件、库或示例代码。我可能会重新实现这个问题的许多算法中的任何一个，或者将我的字符串编码为DNA，但肯定有更好的方法。你知道有什么解决办法吗Python 如何计算文本字符串的多序列对齐,python,string,text,alignment,sequence,Python,String,Text,Alignment,Sequence,我正在写一个程序，它必须计算一组字符串的一个值。我想用Python来实现这一点，但如果更实用的话，我可以使用一个外部软件或另一种语言。数据不是特别大，我没有很强的性能要求，我可以容忍近似值（即，我只需要找到足够好的对齐方式）。唯一的问题是字符串是常规字符串（即可能带有换行符的UTF-8字符串，应将其视为常规字符）；它们不是DNA序列或蛋白质序列 我可以找到生物信息学中常见案例的大量工具和信息，这些工具和信息具有特定的复杂文件格式和许多我不需要的功能，但对于简单的字符串案例，很难找到软件、库或示例
谢谢 你是在找一些又快又脏的东西，比如下面的
from difflib import SequenceMatcher
a = "dsa jld lal"
b = "dsajld kll"
c = "dsc jle kal"
d = "dsd jlekal"
ss = [a,b,c,d]
s = SequenceMatcher()
for i in range(len(ss)):
x = ss[i]
s.set_seq1(x)
for j in range(i+1,len(ss)):
y = ss[j]
s.set_seq2(y)
print
print s.ratio()
print s.get_matching_blocks()
我最近编写了一个运行Smith-Waterman算法的python脚本（该算法用于为DNA或蛋白质序列生成有间隙的局部序列比对）。它几乎肯定不是最快的实现，因为我根本没有对它进行速度优化（目前不是我的瓶颈），但它可以工作并且不关心字符串中每个字符的标识。我可以把它贴在这里，或者把文件发电子邮件给你，如果你想找的话。
- 对齐多个序列的最简单方法是进行大量成对对齐
mafft --text input_text.fa > output_alignment.fa
尽管MAFFT是生物序列比对的成熟工具，但文本比对模式仍处于开发阶段，未来的计划包括允许用户定义评分矩阵。您可以在中查看更多详细信息。您所说的计算是什么意思？你是想得到一个最好的校准？是的，还是一个相当好的校准（近似值可以）。你也在寻找一个更好的差分工具吗？@Chris_Rands:谢谢！事实上，它是为Debian打包的，并且似乎在一个简单的示例中起作用。但它也有一些缺点：空格被删除（因此需要单独处理），UTF-8不受支持（您需要转换为拉丁语-1，这似乎是实验性的）。谢谢你指出这一点！请毫不犹豫地将其作为答案发布。这似乎很好，除了史密斯·沃特曼只适合两个序列，而我还有更多…@DaveTheScientist你能分享一下剧本吗？@Tashuka老实说，我不知道这一点可能在哪里。如果你用谷歌搜索“smith waterman python”，就会出现大量的点击，其中至少有一个可以通过PIP获得。@DaveTheScientist谢谢，但我只信任你的python代码；）更准确地说：SequenceMatcher（）完全符合我的要求，只是我有两个以上的序列，我不知道如何从成对对齐中推断全局对齐。我想我可以编造一些与公共部分相交的肮脏把戏，但如果有针对多序列情况的规则清理算法，我将非常不愿意这样做。你知道SequenceMatcher（）之类的东西吗？但对于两个以上的字符串来说？@a3_nm:你是对的，从一组局部成对对齐中找到全局最优对齐是很棘手的。我还在考虑这个问题。你的代码在
print s.ratio（）