【发布时间】:2019-09-10 13:33:26
【问题描述】:
我有一些数据描述了一组有序的离散事件(或状态)。有 34 种可能的状态,它们可能以任何顺序出现并可能重复。每个事件序列可以包含任意数量的事件,关键是有超过 2 个事件序列。我的最终目标是将这些序列聚集成相似的子集,但我的预感是,除非这些序列对齐以使等效事件在所有序列中占据相同的位置,否则这将毫无意义。
我非常熟悉生物序列的多重比对,但我遇到的所有软件(MUSCLE、MAFFT、T-COFFEE、Clustal* 等)都需要 DNA、RNA 或 AA 序列,而我有比这些更多的状态,所以我无法让它们工作。
我发现了 pairwise 对齐算法的各种实现,例如 R 中的 Needleman-Wunsch,但到目前为止还没有遇到任何 的任何通用(非生物)实现多个序列比对算法。
例如,假设我的数据如下所示:
1: ABCDEFG
2: ACDGH
3: BDEFEGI
4: AH
5: DEGHI
我的目标是让它看起来像这样:
1: ABCDEF-G--
2: A-CD---GH-
3: -B-DEFE--I
4: A-------H-
5: ---DE--GHI
- 符号表示此序列中没有事件。这是一个简化的示例,实际上我正在寻找一种惩罚打开间隙 (-) 的方法,就像生物序列 MSA 算法一样。
我发现的唯一一个似乎可以做到这一点的软件是 Alphamalig (http://alggen.lsi.upc.es/recerca/align/alphamalig/intro-alphamalig.html),但它太旧了,我无法让它在我的机器上运行。理想情况下,我想要一些可以在 R 中实现的东西。
【问题讨论】:
-
插入
-使用什么逻辑?!
标签: r sequence-alignment