生物信息学（2）——双序列比对之Smith-Waterman(SW)算法详解

已于 2023-01-11 08:18:58 修改
阅读量1w 收藏 47
点赞数 10
分类专栏： 生物信息学 文章标签： 序列比对 生物信息学 算法 c++ 程序人生
于 2021-06-20 16:35:26 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/baidu_41860619/article/details/118071038
版权

生物信息学系列博客索引

生物信息学（1）——双序列比对之Needleman-Wunsch(NW)算法详解及C++实现
生物信息学（2）——双序列比对之Smith-Waterman(SW)算法详解
生物信息学（3）——双序列比对之BLAST算法简介
生物信息学（4）——多序列比对之CLUSTAL算法详解及C++实现
生物信息学（5）——基于CUDA的多序列比对并行算法的设计与代码实现
项目gitee地址，内附源码、论文等文档信息

1. SW 算法简介

Smith-Waterman 算法是由 Temple F. Smith 和 Michael S. Waterman 两人在 1981 年提出来的，是 Needleman-Wunsch 算法的改良版，通过算法的比对，能获 取到局部最优解。SW 算法罚分规则如下:
SW 算法罚分规则如公式
在这里插入图片描述
以罚分规则为基础，得分矩阵的公式如下，可以看到，和上篇介绍的NW算法相比，最大的改变是，多了一个0。这样做就可以杜绝得分矩阵中的负数。
在这里插入图片描述
获取得分矩阵后，找全局最大的值，在此点往左上回溯，到0停止，然后根据回溯路径获取局部最优解。回溯规则:回溯规则如公式
在这里插入图片描述

2. SW算法举例介绍

给定序列

Seq1 = GGATCGA
Seq2 = GAATTCAGTTA
(1) 初始化打分矩阵

首先将矩阵的第0行与第0列分别用Seq1与Seq2填充，填充时，注意预留出两个字符，将第二行与第二列的元素置0，如图所示:
在这里插入图片描述

(2) 通过公式构建整个打分矩阵

在这里插入图片描述

(3) 回溯

先找到全局最大的值，在此点往左上回溯，到 0 停止
在这里插入图片描述

(4) 得出结果

通过回溯规则，构建最终的局部最优解，其中路径朝向左上，即 MATCH/DISMATCH,路径朝左为 seq1 出现 INDEL 情况,路径朝上为 seq2 出现 INDEL 情况，使用 ’-’ 代替。结果如下:最后得出如图 结果，为局部最优解。
在这里插入图片描述

3. 奇怪的内容

问：为什么SW算法没有C++实现？
答：问得好！因为我太懒了，我的毕设没有用到SW算法具体实现，所以无代码，只有原理解释。

4. 总结

SW算法相比较于NW算法，虽然S简化了计算过程，且是在NW算法的基础上进行改进，但是其不能获取到全局最优解，而是只能获取到局部最优解。

算法永远是时间、空间、准确性三者交错的结合，减少了时间复杂度也许会增加空间复杂度，减少了空间复杂度，也许会增加运行时间。缩短时空复杂度，算法的精度可能会丢失。有时候，我们能承受巨大的内存空间，无法容忍运行的速度低下，所以我们会选择时间复杂度低的算法，有时候我们想优化时空复杂度，对结果没有偏执的要求，那又是另一种选择。所以适合使用情况的算法才是好的算法。正如下一篇要介绍的BLAST，其并不确保能找到最优解，但尽力在更短时间内找到足够好的解。これは人生かもしれません。

大青儿
关注
  • 10
    点赞
  • 踩
  • 47
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
【NLP】斯密斯-沃特曼的对齐算法（python）
gongdiwudu的专栏
05-15 3420
在生物技术中，需要用到局部序列对齐 (LSA)，所以使用 Smith-Waterman 算法在较长的子字符串 a 中找到部分匹配的子字符串 b。因为这里用 Python 编码的，所以我们确信已经有很多实现可以使用了。我确实找到了一些代码，然而，有些实现是不完整的，这里拿来一个可以跑通的。我没有测试第二个实现，留给读者实现。
DNA序列局部比对算法
03-09
Smith-Waterman 算法的实现 配对 错位 缺失后得到的分值
真正的smith waterman算法
08-24
smith waterman算法
高级数据结构与算法（一）：Smith-Waterman算法及matlab实现
最新发布
m0_68926749的博客
09-28 446
（Smith-Waterman algorithm）是一种进行局部序列比对（相对于全局比对）的算法，该算法的目的不是进行全序列的比对，而是找出两个序列中具有高相似度的片段。可简称为SW算法。
【序列比对】Needleman-Wunsch（全局）和Smith-Waterman（局部）算法py实现（多条回溯路径，三叉树思路，超详细注释）
池塘春草梦的博客
11-18 1819
超详细注释，py实现Needleman-Wunch和Smith-Waterman算法，多条回溯路径
（七）R语言生物序列比对——Smith-Waterman局部比对算法
EricFrenzy的博客
09-28 3397
目录实现原理与代码全部代码结束语 实现原理与代码 像全局序列匹配一样，局部序列比对的目的也是找到两个序列之间的相似度。 Smith-Waterman这一局部比对算法的原理和Needleman-Wunsch全局比对算法一样，也是运用了动态规划(DP)的思想。具体关于Needleman-Wunsch全局比对算法可参考我的这篇博客。Smith-Waterman算法经常两序列长度相差较大时使用，或需要匹配两序列中相似的片段。在的工作原理和Needleman-Wunsch也非常相似，只是在创建初始矩阵时第一行和第一列
Smith-Waterman算法、Needleman-Wunsch算法的算法原理及算法比较
热门推荐
自律带来自由
04-09 2万+
史密斯-沃特曼算法（Smith-Waterman algorithm）是一种进行局部序列比对（相对于全局比对）的算法，该算法的目的不是进行全序列的比对，而是找出两个序列中具有高相似度的片段。 尼德曼-翁施算法（Needleman-Wunsch Algorithm）是基于生物信息学的知识来匹配蛋白序列或者DNA序列的算法。这是将动态算法应用于生物序列的比较的最早期的几个实例之一。该算法是由 Saul...
语音识别：时间序列的Smith–Waterman对齐算法
gongdiwudu的专栏
01-21 5662
Smith-Waterman 算法执行局部序列比对；也就是说，用于确定两串核酸序列或蛋白质序列之间的相似区域。 Smith-Waterman 算法不是查看整个序列，而是比较所有可能长度的片段并优化相似性度量。
【序列匹配算法】Smith Waterman算法 v2.0
qq_54501547的博客
11-24 1938
Smith Waterman算法的Python实现
SMITH WATERMAN算法
生物信息化
04-09 1335
1.1 序列相似性比较 生物信息学中，对各种生物大分子序列进行分析是一件非常基本的工作。从序列的片段测定，拼接，基因的表达分析，到RNA和蛋白质的结构功能预测，物种亲缘树的构建都需要进行生物分子序列相似性的比较。在遗传物质长期的演化过程中，原本相同的DNA序列由于其中一条序列缺失了几个片断，或增加了几个片断，或某段子序列发生了位置的变化等，从而导致他们发生了不同，这两条序列不一定能进行精确的...
双序列全局比对算法与双序列局部比对算法
07-05
使用Perl编程语言实现了双序列全局比对Needleman Wunsch算法，以及双序列局部比对Smith Waterman算法。该资源也可在github上下载：https://github.com/GouXiangJian/two_seq_alignment
smith-waterman:Smith-Waterman算法的OpenCL实现
05-23
史密斯·沃特曼 Smith-Waterman算法的实现，可在带有openCL的CPU和GPU上运行，以对串行并行执行进行基准测试。 基准测试将生成两个随机字符串并进行比较。 建造 转到src目录，然后运行make来构建程序。 $ cd ./src && make all 跑步 要启动程序并查看所有选项，请运行： $ ./sw -h
Smith-Waterman算法，生物序列的局部比对实现
04-04
Smith-Waterman算法，用Python实现生物序列的局部比对算法
GlobalAlignment:Smith-Waterman算法的全局比对
05-05
该Java程序将使用Smith-Waterman全局对齐算法来找到任意两个给定字符串的最佳全局对齐方式。用法要在编译时运行此程序，请调用Alignment.main。注意默认情况下，运行结果将写入实例的本地目录中的logs_（iterations...
SMITH WATERMAN算法 1.1 序列相似性比较 生物信息学中，对各种生物大 .doc
05-25
SMITH WATERMAN算法 1.1 序列相似性比较 生物信息学中，对各种生物大 .doc
生物信息学（1）——双序列比对之Needleman-Wunsch(NW)算法详解及C++实现
baidu_41860619的博客
06-20 1万+
1. 什么是序列比对 所谓的序列比对，就是两个或者多个序列按照碱基排列进行比较，从而反映片段之间的相似性和阐明序列的同源性。这里主要是将未知功能的序列与已知序列进行比对，从而确定序列分析。序列比对的基本思想是，基于生物学中序列决定结构，结构决定功能的普遍规律，将核酸序列和蛋白质一级结构上的序列都看成由基本字符组成的字符串，检测序列之间的相似性，发现生物序列中的功能、结构和进化的信息 2. 引入序列比对的原因 对于两种相似的序列，DNA复制一共有三种情况可能导致两个序列不同: (1)SNP(单核苷酸多态性)，
生物信息学（3）——双序列比对之BLAST算法简介
baidu_41860619的博客
06-20 1万+
1. BLAST算法简介 动态规划算法如生物信息学（1）与生物信息学（2）两篇提到的NW与SW算法肯定能得到最优解（最优分为全局最优与局部最优），但是要计算一个庞大的得分矩阵。随着序列的增长，复杂度会平方级别的升高。因此，时间开销和空间开销就会很大。动态规划需要计算出(seq1+1)×(seq2+1)大小的矩阵，但绝大多数数字其实在回溯时是没有用到的，如果能够只计算最终回溯路径附近的一些单元的话，与整个矩阵全部算完，效果近似。 从一个局部来启发，找到一个方法贴近回溯路径，即找到大概会在什么地方匹配，然后顺着
生物信息学（4）——多序列比对之CLUSTAL算法详解及C++实现
baidu_41860619的博客
06-20 7727
1. CLUSTAL简介 CLUSTAL算法由 Feng 和 Doolittle等人于1987年提出，是一个渐进比对算法。渐进比对算法的基本思想是重复地利用双序列比对算法, 先由两个序列的比对开始, 逐渐添加新序列, 直到一个序列簇中的所有序列都加入为止。但是不同的添加顺序会产生不同的比对结果，因此, 确定合适的比对顺序是渐进比对算法的一个关键问题。而两个序列越相似，就越能获取到高的比对效果，因此, 整个序列的比对应该从最相似的两个序列开始。 2. CLUSTAL算法过程详解 2.1 两两比对 构建一个n×
smith-waterman算法c++实现
03-16
Smith-Waterman算法是一种用于序列比对的动态规划算法。它可以用于比对DNA、RNA、蛋白质序列等。C++是一种高效的编程语言，可以用于实现Smith-Waterman算法。 实现Smith-Waterman算法的C++代码需要考虑以下几个方面： 1. 输入序列：需要从文件或者用户输入中读取待比对的序列。 2. 动态规划矩阵：需要创建一个二维数组来存储动态规划矩阵。 3. 算法实现：需要实现算法的核心部分，包括初始化矩阵、计算得分、回溯路径等。 4. 输出结果：需要将比对结果输出到文件或者屏幕上。 以下是一个简单的Smith-Waterman算法的C++实现示例： ```c++ #include <iostream> #include <fstream> #include <cstring> using namespace std; const int MAXLEN = 1000; const int GAP = -2; const int MATCH = 3; const int MISMATCH = -1; int score[MAXLEN][MAXLEN]; int max(int a, int b, int c) { int m = a; if (b > m) m = b; if (c > m) m = c; return m; } void init(int n, int m) { for (int i = 0; i <= n; i++) { score[i][0] = 0; } for (int j = 0; j <= m; j++) { score[0][j] = 0; } } void compute_score(char* s1, char* s2, int n, int m) { for (int i = 1; i <= n; i++) { for (int j = 1; j <= m; j++) { int match = score[i-1][j-1] + (s1[i-1] == s2[j-1] ? MATCH : MISMATCH); int delete_gap = score[i-1][j] + GAP; int insert_gap = score[i][j-1] + GAP; score[i][j] = max(match, delete_gap, insert_gap); } } } void traceback(char* s1, char* s2, int n, int m) { int i = n, j = m; while (i > 0 && j > 0) { int match = score[i-1][j-1] + (s1[i-1] == s2[j-1] ? MATCH : MISMATCH); int delete_gap = score[i-1][j] + GAP; int insert_gap = score[i][j-1] + GAP; if (score[i][j] == match) { cout << s1[i-1] << " " << s2[j-1] << endl; i--; j--; } else if (score[i][j] == delete_gap) { cout << s1[i-1] << " -" << endl; i--; } else { cout << "- " << s2[j-1] << endl; j--; } } } int main() { char s1[MAXLEN], s2[MAXLEN]; cin >> s1 >> s2; int n = strlen(s1), m = strlen(s2); init(n, m); compute_score(s1, s2, n, m); traceback(s1, s2, n, m); return 0; } ``` 该示例代码实现了Smith-Waterman算法的核心部分，包括初始化矩阵、计算得分、回溯路径等。在输入两个待比对的序列后，程序会输出比对结果。需要注意的是，该示例代码只是一个简单的实现，实际应用中可能需要进行更多的优化和改进。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

大青儿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值