r - 短文本列表，要选择至少有 2 个字母不同的行

Question

我有一个 8 字母 DNA 序列的列表，例如:

    GGAGACAA  
    GGATACAA 
    AATCAGTC 
    ACACCTGG 

我想选择所有位置与其他行至少有 2 个字母不同的行。理想情况下，我想保留第 3,4 和 1 或 2 行(但不关心是哪一行)。但至少，我想保留 3 和 4。最重要的是，没有包含与任何其他保留行只有一个位置基数差异的行。

你会怎么做？ R、grep/gawk 是我常用的工具，但我不知道如何使用它们来完成看似简单的任务。

预计到达时间第一行和第二行只有一个字母不同(第四位的 G 与 T)。这就是为什么我不想保留它们。 8 个碱基有约 65,000 种可能的组合，所以我的大部分(约 4000 行)列表应该满足这 2 个字母，这与所有其他行标准不同。我很难弄清楚如何找到那些没有的。

Answer 1

stringdist包具有函数 stringdistmatrix 和许多不同的距离度量。

> library(stringdist)
> stringdistmatrix(x, x)
     [,1] [,2] [,3] [,4]
[1,]    0    1    7    7
[2,]    1    0    6    7
[3,]    7    6    0    5
[4,]    7    7    5    0

现在由您来弄清楚“2 个不同的字母”是什么意思!