計算大量序列的成對差異矩陣？

我想計算長列表序列之間的成對差異數，並將其放回矩陣形式。計算大量序列的成對差異矩陣？

我有幾百個基因序列，每個序列已經對齊，長度相同（約300個字符）。我不在尋找編輯距離算法之一（hamming's，leveinstein等），而是想要獲得兩個序列之間絕對差異的數量。序列必須在每個字符位置進行比較。

例如，

Sequence 1: "GAT-ACA" 
Sequence 2: "AT-GCGA" 
Number of differences: 6

（破折號那裏，以允許對準的序列，以及我的序列也可以包括短劃線）。

會有任何有效的方式來做到這一點使用python（或其他語言），計算時間短嗎？我在R中也問過這個問題，最初打算這樣做，但是結果太慢而不適用於數百個序列。

謝謝！

來源

2012-07-08 Jennifer Collins

有多大的限制，這可以做多快 - 比較將需要〜O（（L）（n^2））其中L是序列長度，雖然有一些更快的方法;請參閱[本開放獲取論文]（http://www.biomedcentral.com/1471-2105/8/89） – Argalatyr 2012-07-08 20:26:01

如果你想計算，顯示對之間的差異矩陣，你可以做這樣的：

import numpy as np 

def get_difference(x,y): 
    return sum(ele_x != ele_y for ele_x, ele_y in zip(x,y)) 

my_list = ['abcde','abcwe','zbfwe'] 
n = len(my_list) 

my_array = np.zeros((n,n)) 
# 
for i, ele_1 in enumerate(my_list): 
    for j, ele_2 in enumerate(my_list): 
     if j >= i: 
      break # Since the matrix is symmetrical we don't need to 
        # calculate everything 
     difference = get_difference(ele_1, ele_2) 
     my_array[i, j] = difference 
     my_array[j, i] = difference

結果：

>>> my_array 
array([[ 0., 1., 3.], 
     [ 1., 0., 2.], 
     [ 3., 2., 0.]])

所產生的基質（OK陣列）顯示了這兩對之間的差異。

來源

2012-07-08 19:14:44 Akavall

比較i == j是否浪費（總是0），並且可以分配對稱單元格（在同一語句中）以填充矩陣的上三角形。 – Argalatyr 2012-07-08 19:22:41

@ Argalatyr，兩者都很好。謝謝。我編輯我的帖子來反映他們。 – Akavall 2012-07-08 19:36:20

謝謝！這正是我所需要的，即使在大量的序列上也沒有時間運行。這肯定比我在R編碼的要好得多。 – 2012-07-11 04:05:46

如果我沒理解好，只是：

diff = lambda seq1, seq2: sum(seq1[i]!=seq2[i] for i in range(len(seq1)))

來源

2012-07-08 18:56:48 acondolu

郵編字符串到元組 - 然後用總和來計算布爾Trues（即非匹配點）。

s1 = "GAT-ACA" 
s2 = "AT-GCGA" 

print sum(a != b for (a,b) in zip(s1, s2))

來源

2012-07-08 19:04:43

如果這不是您正在尋找的答案，請張貼更多樣本輸入和輸出。 – 2012-07-08 19:06:25

+1。但我會使用'itertools.izip'。（除非是Python 3） – 2012-07-08 19:29:35

計算大量序列的成對差異矩陣？

回答

相關問題