Biopython：DNA 序列之间的局部比对未找到最佳比对

Question

我正在编写代码来查找两个序列之间的局部比对。这是我一直在研究的一个最小的工作示例：

from Bio import pairwise2
from Bio.pairwise2 import format_alignment
seq1 = "GTGGTCCTAGGC"
seq2 = "GCCTAGGACCAC"
# scores for the alignment
match =1
mismatch = -2
gapopen = -2
gapext = 0
# see: http://biopython.org/DIST/docs/api/Bio.pairwise2-module.html
# 'localms' takes <seq1,seq2, match,mismatch,open,extend>
for a in pairwise2.align.localms(seq1,seq2,match,mismatch,gapopen,gapext):
    print(format_alignment(*a))

以下代码运行输出

GTGGTCCTAGGC----
      |||||
----GCCTAGGACCAC
  Score=5

但是得分“6”应该是可能的，找到 5 个对齐旁边的 'C-C'，如下所示：

GTGGTCCTAGGC----
     ||||||
----GCCTAGGACCAC
  Score=6

对正在发生的事情有什么想法吗？

Answer 1

这似乎是当前在 Biopython 的 pairwise2 模块中实现局部比对的一个错误。最近在 Biopython's GitHub 上有一个拉取请求 (#782)，应该可以解决您的问题：

>>> from Bio import pairwise2  # This is the version from the pull request
>>> seq1 = 'GTGGTCCTAGGC'
>>> seq2 = 'GCCTAGGACCAC'
>>> for a in pairwise2.align.localms(seq1, seq2, 1, -2, -2, 0):
        print pairwise2.format_alignment(*a)


GTGGTCCTAGGC----
     ||||||
----GCCTAGGACCAC
  Score=6

如果您只处理短序列，您可以直接下载拉取请求中 pairwise2.py 的代码上文提到的。此外，您需要 'inactivate' 各自的 C 模块（cpairwise2.pyd 或 cpairwise2.so)，例如通过重命名或删除在末尾导入 C 函数 pairwise2.py(from .cpairwise import ...).
如果您正在处理较长的序列，您将需要 C 模块的速度增强。因此，您还必须下载 cpairwise2module.c 来自 pull request 并编译它进入 cpairwise2.pyd（对于 Windows 系统）或 cpairwise2.so（Unix，Linux）。

编辑：在 Biopython 1.68 中问题已解决。

Biopython：DNA 序列之间的局部比对未找到最佳比对

Biopython: Local alignment between DNA sequences doesn't find optimal alignment

alignment

local

biopython

dna-sequence

sequence-alignment