(Опитах се да попитам това на BioStars, но за малката вероятност някой от текста копаене би помислил, че има по-добро решение, аз също публикувам това отново тук)
Задачата, която се опитвам да постигна, е да подравня няколко последователности.
Нямам основен модел, с който да съвпадам. Всичко, което знам, е, че моделът "Истинският" трябва да е с дължина "30" и че последователностите, които съм имал липсващи стойности, въведени в тях в случайни точки.
Ето пример за такива последователности, където отляво виждаме какво е реалното местоположение на липсващите стойности, а отдясно виждаме последователността, която ще можем да наблюдаваме.
Целта ми е да реконструирам лявата колона, като използвам само последователностите, които имам в дясната колона (въз основа на факта, че много от буквите във всяка позиция са еднакви)
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
Ето примерен код за възпроизвеждане на горния пример:
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)
Разбирам, че ако имах само низ и модел, щях да мога да използвам
library(Biostrings)
pairwiseAlignment(...)
Но в случая, който представям, имаме работа с много последователности, които да се подравняват една към друга (вместо да ги подравняваме към един модел).
Има ли известен метод за извършване на това в R?