Needleman-Wunsch algorithm

完全学自.https://en.wikipedia.org/wiki/Needleman%E2%80%93Wunsch_algorithm

还有内容会更新补充

编者按：

比对其实应该对应的单词是alignment，但往往特指低通量的序列之间的比较。比如10条序列，进行多序列比对就是我们常说的 multiple alignment问题；如果是2条序列的比对，我们经常称其为pairwise alignment.

mapping，一般指高通量的数据去寻找基因组的位置。比如我们进行测序以后，有10M对read pair，要去寻找他们在基因组上的位置，这个时候就是一个典型的mapping问题。

alignment与mapping其实是密切相关的概念，所有的mapping软件其实都是从低通量的办法逐步改进而得到的。

算法简述：

1.需要的配置

•    一个配比矩阵

               

•   还需要一个得分系统：

            match，mismatch，gap，连续gap。这些情况对应的分值

 2.算法书写

3.具体的语言表述

  将需要比较的俩列序列，列矩阵一样表现出来。然后依次给每个空格填入分数，即上文的F(i,j)。

•    F(i,j)的值如果来源于左边的加上gap的分，就是说这个位置的对应的Xi对应Y序列的gap了。

•    F(i,j)的值如果来源于上边的加上gap的分，就是说这个位置的对应的Yj对应X序列的gap了。

•    F(i,j)的值如果来源于左上边的加上match或者mismatch的分，就是说这个位置的对应的Xi对应Yj了。

  也就是说，回溯确定序列如何分布时，是被这个分的由来得到的。也就是说，回溯仅能从这个分得到的方向回溯回去。

一些有意思的相关：

序列对齐也是可以采用枚举的方法，当然这个方式一听就很可怕。

两个n长的序列，新的匹配结果能且只能通过插入空位产生，因此最极端的情况无非就是所有残基都与空位对应。

动态规划就是用上个局部最优解加上这个部分的局部最优解，从而得到全局最优解。

一个疑惑：如何保证让局部最优解相加得到全局最优解。