Python 如何拼凑DNA的短片段？序列文件中的匹配碱基对

我正在尝试拼凑DNA短片段。我需要将大约3个碱基对与其他短读片段匹配。（碱基对=例如TCG（基本上只有3个字母））

我已经尝试过正则表达式，但是当我尝试读取一个包含大量短读的文件时，我需要使核苷酸成为一个变量，我认为正则表达式不能做到这一点。我有一个包含一堆短读的文件，我需要将这些碱基对与其他具有相同碱基对序列的短读进行匹配

例如，我在一个文件中有两行短读：

AAAGGGTTCCCGGGAAATCA

CCCGGGAAATCAGGAAATTT

我需要的结果是：

AAAGGGTTCCCGGGAAATCAGGAATTT

---

如何将匹配的行匹配并粘贴到其他行的顶部，以便在相似点处合并它们？

您只需在第二个序列中找到匹配序列的索引并将它们连接起来：

seq1 = 'AAAGGGTTTCCCGGGAAATCA'
seq2 = 'CCCGGGAAATCAGGGAAATTT'
match_pair_count = 5
match_seq = seq1[-match_pair_count:]
match_index = seq2.rfind(match_seq)
combined_seq = seq1[:-match_pair_count] + seq2[match_index:]

---

注意：如果需要捕捉匹配序列没有出现在第二个序列中的情况，则需要添加代码来处理

match_index==-1

每个子序列的直接解决方案计算5尾和5头。然后尝试所有与deapth first search的组合

更复杂的绘制图形的方法，其中有向边用共线字母的数量标记（例如4-9）。应用旅行商解决方案或其他适当的算法来寻找所有顶点的最短路径

我确信有很多适合于基因组推断的工具和技术

若要查找两个序列之间的距离，请将一个序列倒置，然后查找最长的公共前缀

def接头匹配（序号1、序号2、最小值=4）： 尾部=序列2[：4] 对于范围内的i（长度（序号1），4，-1） 如果seq1.开始使用（seq2[n-i:]

---

返回“%s%s”（seq2[：n-i]，seq1）

大约5是多少？嗨，阿尔帕，你的描述很短，你还没有告诉我们你尝试了什么。甚至很难说出你想做什么。我能说的最好的一点是，你正在尝试将你的短读与长读对齐。这不是我建议你手工做的事情，而是一个正在进行的研究领域，寻找最好的方法。我建议你看看社区中可用的工具来完成这项任务。假设你真的在处理DNA数据，有很多非常专业的工具来完成这项工作（并允许误读）。尝试或搜索“序列程序集”