r - 如何在 R 中执行基本的多序列比对？

Question

(我试过在 BioStars 上问这个问题，但是对于文本挖掘的人认为有更好的解决方案的可能性很小，我也在此处重新发布)

我要完成的任务是对齐几个序列。

我没有要匹配的基本模式。我所知道的是，“真”模式的长度应该是“30”，并且我在随机点引入了缺失值的序列。

这是此类序列的一个示例，在左侧我们看到缺失值的真实位置，在右侧我们看到我们将能够观察到的序列。

我的目标是仅使用我在右列中获得的序列来重建左列(基于每个位置的许多字母相同的事实)

                     Real_sequence           The_sequence_we_see
1   CGCAATACTAAC-AGCTGACTTACGCACCG CGCAATACTAACAGCTGACTTACGCACCG
2   CGCAATACTAGC-AGGTGACTTCC-CT-CG   CGCAATACTAGCAGGTGACTTCCCTCG
3   CGCAATGATCAC--GGTGGCTCCCGGTGCG  CGCAATGATCACGGTGGCTCCCGGTGCG
4   CGCAATACTAACCA-CTAACT--CGCTGCG   CGCAATACTAACCACTAACTCGCTGCG
5   CGCACGGGTAAGAACGTGA-TTACGCTCAG CGCACGGGTAAGAACGTGATTACGCTCAG
6   CGCTATACTAACAA-GTG-CTTAGGC-CTG   CGCTATACTAACAAGTGCTTAGGCCTG
7   CCCA-C-CTAA-ACGGTGACTTACGCTCCG   CCCACCTAAACGGTGACTTACGCTCCG

这是重现上述示例的示例代码:

ATCG <- c("A","T","C","G")
set.seed(40)
original.seq <- sample(ATCG, 30, T)
seqS <- matrix(original.seq,200,30, T)
change.letters <- function(x, number.of.changes = 15, letters.to.change.with = ATCG) 
{
    number.of.changes <- sample(seq_len(number.of.changes), 1)
    new.letters <- sample(letters.to.change.with , number.of.changes, T)
    where.to.change.the.letters <- sample(seq_along(x) , number.of.changes, F)
    x[where.to.change.the.letters] <- new.letters
    return(x)
}
change.letters(original.seq)
insert.missing.values <- function(x) change.letters(x, 3, "-") 
insert.missing.values(original.seq)

seqS2 <- t(apply(seqS, 1, change.letters))
seqS3 <- t(apply(seqS2, 1, insert.missing.values))

seqS4 <- apply(seqS3,1, function(x) {paste(x, collapse = "")})
require(stringr)
# library(help=stringr)
all.seqS <- str_replace(seqS4,"-" , "")

# how do we allign this?
data.frame(Real_sequence = seqS4, The_sequence_we_see = all.seqS)

我明白，如果我只有一个字符串和一个模式，我就可以使用

library(Biostrings)
pairwiseAlignment(...)

但是在我提出的情况下，我们正在处理许多序列以相互对齐(而不是将它们对齐到一个模式)。

在 R 中是否有已知的方法可以做到这一点？

Answer 1

您可以在 中执行多重对齐R 与 DECIPHER包裹。

按照您的示例，它看起来像:

library(DECIPHER)
dna <- DNAStringSet(all.seqS)
aligned_DNA <- AlignSeqs(dna)

它速度快，至少与此处列出的其他方法一样准确(参见 paper)。我希望这会有所帮助!