识别两个序列之间的突变

Question

给定两个长度相等的序列（例如 DNA 序列），我希望能够找到它们之间的突变 - 序列中的类型和索引。例如，如果我输入序列 AGGCTAC 和 AGCCTTC，我想得到一个像 G3C, A6T.

这样的列表

我可以很好地得到数量的差异：

seqs <- Biostrings::readAAStringSet("PSE-1_Round20.fas")
nmut <- adist(seqs[1], seqs)

但我想不出比循环更优雅的方式来获取位置，这看起来很笨拙 - 我想借此机会学习。

我正在使用 R 中的 Biostrings 包，但该包中似乎没有任何特殊工具可用于我想做的任何我认为适用于通用字符串的解决方案也应该为我工作。事实上，如果 python 或 bash 脚本中有更优雅的解决方案，我也会接受。

Answer 1

似乎有多个软件包可以执行此操作。一个是 adegenet 包中的 findMutations 函数。

字符串比较题见。如果字符串长度相同，下面是一个函数：

mutations <- function(str1, str2) {
  str1vec <- unlist(strsplit(str1, ""))
  str2vec <- unlist(strsplit(str2, ""))
  iMut <- (1:length(str1vec))[str1vec != str2vec]
  return(paste0(str1vec[iMut], iMut, str2vec[iMut]))
}

> mutations("AGGCTAC", "AGCCTTC")
[1] "G3C" "A6T"

识别两个序列之间的突变

Identifying mutations between two sequences

r

bioinformatics

string-comparison

bioconductor