Needleman-Wunsch 算法及实现

Needleman-Wunsch (NW) 算法常用于基因序列匹配以及单词匹配,是一种实现全局最优匹配的动态规划算法。其最差情况下的时间复杂度是O(mn), 空间复杂度是O(mn),其中mn是两个序列的长度。

不妨设有两个序列:
GCATGCU
GATTACA

NW算法的具体步骤如下:

  1. 构造一个如下形式的表格。
  2. 设计得分矩阵。例如:第i行第j列字母匹配+1,不匹配-1,插入和删除(字母与空白对比)操作-1。
  3. 将以上表格的第二行第二列的初始得分设为0,通过公式D(i,j)=\max\{D(i-1,j)+score(delete/insert), D(i,j-1)+score(delete/insert), D(i-1,j-1)+score(match/mismatch)\}计算填充整个表格,并记录得分的方向(即通过哪个操作得到的)。特别的,当限制每个网格的最低分为0时,此时NW算法就变成了寻找局部最优匹配的Smith-Waterman算法
  4. 从表格的右下角开始,根据之前记录的路径逐级返回,并通过对应的操作得到最优匹配的序列。如下图所示:



    得到的最优匹配为:
    GCATGCU:GCATG-CU / GCAT-GCU / GCA-TGCU
    GATTACA :G-ATTACA / G-ATTACA / G-ATTACA

Python 实现

# -*- coding: utf-8 -*-
import itertools
import copy
seq1 = '*GCATGCU'
seq2 = '*GATTACA'

#定义得分矩阵
score_dic = {'match': 1, 'mismatch': -1, 'gap': -1}
# initial score_matrix
score_matrix = [[0 for column in range(len(seq1))] for row in range(len(seq2))]
trace_back = [[[]for column in range(len(seq1))] for row in range(len(seq2))]
for i in range(len(score_matrix[0])):
    score_matrix[0][i] = i * -1
    if i > 0:
        trace_back[0][i].append('left')
for i in range(len(score_matrix)):
    score_matrix[i][0] = i * -1
    if i > 0:
        trace_back[i][0].append('up')
trace_back[0][0].append('done')
# fill the table
for i in range(1, len(score_matrix)):
    for j in range(1, len(score_matrix[0])):
        if seq1[j] == seq2[i]:
            char_score = score_dic['match']
        else:
            char_score = score_dic['mismatch']
        top_score = score_matrix[i - 1][j] + score_dic['gap']
        left_score = score_matrix[i][j - 1] + score_dic['gap']
        diag_score = score_matrix[i - 1][j - 1] + char_score
        score = max(top_score, left_score, diag_score)
        score_matrix[i][j] = score
        if top_score == score:
            trace_back[i][j].append('up')
        if left_score == score:
            trace_back[i][j].append('left')
        if diag_score == score:
            trace_back[i][j].append('diag')

# 根据结果计算最优匹配的序列
# pointer = [seq2_index, seq1_index]
pointer = [len(score_matrix) - 1, len(score_matrix[0]) - 1]
align_seq1 = []
align_seq2 = []
arrow = trace_back[pointer[0]][pointer[1]]


def seq_letter_finder(current_arrow, current_pointer):
    if current_arrow == 'diag':
        letter = [seq1[current_pointer[1]], seq2[current_pointer[0]]]
        next_pointer = [current_pointer[0] - 1, current_pointer[1] - 1]
        next_arrow = trace_back[next_pointer[0]][next_pointer[1]]
        return letter, next_arrow, next_pointer
    elif current_arrow == 'left':
        letter = [seq1[current_pointer[1]], '-']
        next_pointer = [current_pointer[0], current_pointer[1] - 1]
        next_arrow = trace_back[next_pointer[0]][next_pointer[1]]
        return letter, next_arrow, next_pointer
    else:
        letter = ['-', seq2[current_pointer[0]]]
        next_pointer = [current_pointer[0] - 1, current_pointer[1]]
        next_arrow = trace_back[next_pointer[0]][next_pointer[1]]
        return letter, next_arrow, next_pointer


def align_seq_finder(rec_arrow, rec_pointer, rec_ls):
    if rec_arrow[0] == 'done':
        rec_ls = [rec_ls[0][::-1], rec_ls[1][::-1]]
        return rec_ls
    else:
        if len(rec_arrow) == 1:
            letter, rec_arrow, rec_pointer = seq_letter_finder(rec_arrow[0], rec_pointer)
            rec_ls[0] += letter[0]
            rec_ls[1] += letter[1]
            return align_seq_finder(rec_arrow, rec_pointer, rec_ls)

        elif len(rec_arrow) == 2:
            arrow1 = copy.deepcopy(rec_arrow[0])
            pointer1 = copy.deepcopy(rec_pointer)
            ls1 = copy.deepcopy(rec_ls)
            arrow2 = copy.deepcopy(rec_arrow[1])
            pointer2 = copy.deepcopy(rec_pointer)
            ls2 = copy.deepcopy(rec_ls)
            letter1, arrow1, pointer1 = seq_letter_finder(arrow1, pointer1)
            letter2, arrow2, pointer2 = seq_letter_finder(arrow2, pointer2)
            ls1[0] += letter1[0]
            ls1[1] += letter1[1]
            ls2[0] += letter2[0]
            ls2[1] += letter2[1]
            return list(itertools.chain(align_seq_finder(arrow1, pointer1, ls1),
                                        align_seq_finder(arrow2, pointer2, ls2)))
        else:
            arrow1 = copy.deepcopy(rec_arrow[0])
            pointer1 = copy.deepcopy(rec_pointer)
            pointer2 = copy.deepcopy(rec_pointer)
            pointer3 = copy.deepcopy(rec_pointer)
            ls1 = copy.deepcopy(rec_ls)
            ls2 = copy.deepcopy(rec_ls)
            ls3 = copy.deepcopy(rec_ls)
            letter, arrow1, pointer1 = seq_letter_finder(arrow1, pointer1)
            ls1[0] += letter[0]
            ls1[1] += letter[1]
            arrow2 = rec_arrow[1]
            letter, arrow2, pointer2 = seq_letter_finder(arrow2, pointer2)
            ls2[0] += letter[0]
            ls2[1] += letter[1]
            arrow3 = rec_arrow[2]
            letter, arrow3, pointer3 = seq_letter_finder(arrow3, pointer3)
            ls3[0] += letter[0]
            ls3[1] += letter[1]
            return list(itertools.chain(align_seq_finder(arrow1, pointer1, ls1),
                                        align_seq_finder(arrow2, pointer2, ls2),
                                        align_seq_finder(arrow3, pointer3, ls3)))

#打印结果
ls = align_seq_finder(arrow, pointer, ['', ''])
for i in range(0, len(ls), 2):
    print(ls[i], ls[i+1])

运行结果:

GCATG-CU G-ATTACA
GCAT-GCU G-ATTACA
GCA-TGCU G-ATTACA
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,294评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,493评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,790评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,595评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,718评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,906评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,053评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,797评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,250评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,570评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,711评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,388评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,018评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,796评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,023评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,461评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,595评论 2 350