如何在R中执行基本的多序列比对？

概述(我已经尝试过在 biostar上问过这个问题了,但是由于文本挖掘中的某个人认为有更好的解决方案的可能性很小,我也在这里重新发布) 我试图实现的任务是对齐几个序列. 我没有匹配的基本模式.我所知道的只是“真实”模式的长度应为“30”,并且我在随机点引入了缺失值的序列. 这是一个这样的序列的例子,在左边我们看到了缺失值的真实位置,在右边我们看到了我们能够观察到的序列. 我的目标是仅使用我在右栏中获得 (我已经尝试过在 biostar上问过这个问题了,但是由于文本挖掘中的某个人认为有更好的解决方案的可能性很小,我也在这里重新发布)

我试图实现的任务是对齐几个序列.

我没有匹配的基本模式.我所知道的只是“真实”模式的长度应为“30”,并且我在随机点引入了缺失值的序列.

这是一个这样的序列的例子,在左边我们看到了缺失值的真实位置,在右边我们看到了我们能够观察到的序列.

我的目标是仅使用我在右栏中获得的序列重建左列(基于每个位置中的许多字母相同的事实)

Real_sequence           The_sequence_we_see1   CGCAATACTAAC-AGCTGACTTACGCACCG CGCAATACTAACAGCTGACTTACGCACCG2   CGCAATACTAGC-AGGTGACTTCC-CT-CG   CGCAATACTAGCAGGTGACTTCCCTCG3   CGCAATGATCAC--GGTGGCTCCCGGTGCG  CGCAATGATCACGGTGGCTCCCGGTGCG4   CGCAATACTAACCA-CTAACT--CGCTGCG   CGCAATACTAACCACTAACTCGCTGCG5   CGCACGGGTAAGAACGTGA-TTACGCTCAG CGCACGGGTAAGAACGTGATTACGCTCAG6   CGCTATACTAACAA-GTG-CTTAGGC-CTG   CGCTATACTAACAAGTGCTTAGGCCTG7   CCCA-C-CTAA-ACGGTGACTTACGCTCCG   CCCACCTAAACGGTGACTTACGCTCCG

以下是重现上述示例的示例代码：

ATCG <- c("A","T","C","G")set.seed(40)original.seq <- sample(ATCG,30,T)seqS <- matrix(original.seq,200,T)change.letters <- function(x,number.of.changes = 15,letters.to.change.with = ATCG) {    number.of.changes <- sample(seq_len(number.of.changes),1)    new.letters <- sample(letters.to.change.with,number.of.changes,T)    where.to.change.the.letters <- sample(seq_along(x),F)    x[where.to.change.the.letters] <- new.letters    return(x)}change.letters(original.seq)insert.missing.values <- function(x) change.letters(x,3,"-") insert.missing.values(original.seq)seqS2 <- t(apply(seqS,1,change.letters))seqS3 <- t(apply(seqS2,insert.missing.values))seqS4 <- apply(seqS3,function(x) {paste(x,collapse = "")})require(stringr)# library(help=stringr)all.seqS <- str_replace(seqS4,"-","")# how do we allign this?data.frame(Real_sequence = seqS4,The_sequence_we_see = all.seqS)

我明白,如果我所拥有的只是一个字符串和一个模式,我就可以使用

library(Biostrings)pairwiseAlignment(...)

但在我提出的情况下,我们正在处理许多序列以相互对齐(而不是将它们与一个模式对齐).

在R中有没有已知的方法？

谢谢,

塔尔

解决方法 虽然这是一个相当古老的线程,但我不想错过机会提及,因为Bioconductor 3.1,有一个包’msa’实现了三种不同的多序列比对算法的接口：ClustalW,ClustalOmega和MUSCLE.该软件包可在所有主要平台(linux / Unix,Mac OS和windows)上运行,并且在您无需安装任何外部软件的意义上是自包含的.更多信息可在 http://www.bioinf.jku.at/software/msa/和 http://www.bioconductor.org/packages/release/bioc/html/msa.html找到. 总结

以上是内存溢出为你收集整理的如何在R中执行基本的多序列比对？全部内容，希望文章能够帮你解决如何在R中执行基本的多序列比对？所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。