Вычисление расстояния редактирования последовательности ДНК питона

Question

Поэтому мне дана задача выровнять наименьшую стоимость между двумя последовательностями ДНК. Один из неисправных входов

CGCAATTCTGAAGCGCTGGGGAAGACGGGT & TATCCCATCGAACGCCTATTCTAGGAT 

где правильное выравнивание стоило 24, а я получаю стоимость 23

И я должен прочитать стоимость переключения баз Скажите A -> T, G -> C и т. Д. И т. Д. Файл стоимости, который мне дали

*,-,A,T,G,C
-,0,1,2,1,3
A,1,0,1,5,1
T,2,1,0,9,1
G,1,5,9,0,1
C,3,1,1,1,0

Я сделал словарь Python, который отлично связывает все базы, как выглядит.

{'AT': '1', '-C': '3', 'TG': '9', '-G': '1', 'AC': '1', 'C-': '3', 'CA': '1', 'AA': '0', '--': '0', 'TA': '1', 'T-': '2', 'CG': '1', '-T': '2', 'CC': '0', 'GG': '0', 'A-': '1', 'CT': '1', 'AG': '5', 'GC': '1', 'GT': '9', 'GA': '5', 'G-': '1', '-A': '1', 'TC': '1', 'TT': '0'}

В настоящее время моя реализация работает в некоторых случаях, а в других случаях я отключаюсь на +/- 1.

Вот фрагмент моего кода

def align(one_Line, costBook):
    Split_Line = one_Line.split(",")
    array = [[0] * len(Split_Line[1]) for i in Split_Line[0]]  # Zero fill array,

    xLine = Split_Line[0]
    yLine = Split_Line[1]

    for i in range(1, len(xLine)):
        array[i][0] = array[i - 1][0] + int(costBook['-' + xLine[i - 1]])
    for i in range(1, len(yLine)):
        array[0][i] = array[0][i - 1] + int(costBook[yLine[i - 1] + '-'])

    for i in range(1, len(xLine)):
        for j in range(1, len(yLine)):
            array[i][j] = min(array[i - 1][j] + diff('-', xLine[i], costBook), 
                              array[i][j - 1] + diff(yLine[j], '-', costBook), 
                              array[i - 1][j - 1] + diff(yLine[j], xLine[i], costBook))

Где функция сравнения

def diff(x, y, cost):
    if x == y:
        return 0
    keyStr = x + y
    return int(costBook[keyStr])

Куда я иду не так? Это в самом заполнении массива, или я делаю базовые случаи неправильно? Большое спасибо заранее!

РЕДАКТИРОВАТЬ: Вот полу-рабочая версия, по крайней мере, стоимость редактирования верна.

AGTTGTGAAAGAACAAGCGCACAATATTGCCGCGCCGAAAGCT,TTCTTTCATTATTCAA‌​ATGTATAGTTTAGAGCGTTA‌​A

Answer 1

Я полагаю, что причиной сбоя вашего алгоритма является то, что вы не учитываете строку "пробела" в своем массиве (матрицу оценок).

Рассмотрим две последовательности A а также Bкаждый имеет длину n, Если мы посмотрим на статьи в Википедии об алгоритмах Нидлмана-Вунша и Смита-Уотермана, то увидим, что в их соответствующих "скоринговых" матрицах есть дополнительная строка в начале. Это должно представлять либо первый символ A или же B в паре с разрывом. Я рекомендую вам быстро просмотреть эти страницы, чтобы понять, что я имею в виду

Когда вы определяете свой массив как:

array = [[0] * len(Split_Line[1]) for i in Split_Line[0]]

Вы не включаете этот дополнительный ряд.

Вам нужно будет изменить align функция, чтобы добавить эту дополнительную строку, и изменить логику для расчета балла. то есть:

def align(one_Line, costBook):
    Split_Line = one_Line.split(",")

    # Defining an array with an extra row and col to represent a leading gap
    array = [[0] * (len(Split_Line[1])+1) for i in range(len(Split_Line[0])+1)]  # Zero fill array,

    xLine = Split_Line[0]
    yLine = Split_Line[1]

    # Changed so we include our extra line in the loop
    for i in range(1, len(xLine)+1):
        array[i][0] = array[i - 1][0] + int(costBook['-' + xLine[i - 1]])
    for i in range(1, len(yLine)+1):
        array[0][i] = array[0][i - 1] + int(costBook[yLine[i - 1] + '-'])

    # Changed so we include our extra row/col in the loop
    for i in range(1, len(xLine)+1):
        for j in range(1, len(yLine)+1):
            # The references to the original string now need -1 (i.e. i-1)
            array[i][j] = min(array[i - 1][j] + diff('-', xLine[i-1], costBook), 
                              array[i][j - 1] + diff(yLine[j-1], '-', costBook), 
                              array[i - 1][j - 1] + diff(yLine[j-1], xLine[i-1], costBook))
    return array