Biopython：DNA序列之间的局部比对没有找到最佳比对

Question

我正在编写代码来查找两个序列之间的局部比对。这是我一直在努力的最小的工作示例：

from Bio import pairwise2
from Bio.pairwise2 import format_alignment
seq1 = "GTGGTCCTAGGC"
seq2 = "GCCTAGGACCAC"
# scores for the alignment
match =1
mismatch = -2
gapopen = -2
gapext = 0
# see: http://biopython.org/DIST/docs/api/Bio.pairwise2-module.html
# 'localms' takes <seq1,seq2, match,mismatch,open,extend>
for a in pairwise2.align.localms(seq1,seq2,match,mismatch,gapopen,gapext):
    print(format_alignment(*a))

以下代码与输出一起运行

GTGGTCCTAGGC----
      |||||
----GCCTAGGACCAC
  Score=5

但是得分为'6'应该是可能的，找到5个路线旁边的'C-C'，如下：

GTGGTCCTAGGC----
     ||||||
----GCCTAGGACCAC
  Score=6

关于发生了什么的任何想法？

Answer 1

这似乎是Biopython pairwise2模块中当前实现局部对齐的一个错误。最近有关qazxsw poi的拉取请求（＃782），它可以解决您的问题：

Biopython's GitHub

1. 如果您只使用短序列，您可以从上面提到的pull请求下载

   >>> from Bio import pairwise2  # This is the version from the pull request
   >>> seq1 = 'GTGGTCCTAGGC'
   >>> seq2 = 'GCCTAGGACCAC'
   >>> for a in pairwise2.align.localms(seq1, seq2, 1, -2, -2, 0):
           print pairwise2.format_alignment(*a)
   
   
   GTGGTCCTAGGC----
        ||||||
   ----GCCTAGGACCAC
     Score=6

   的代码。此外，您需要“灭活”相应的C模块（pairwise2.py或cpairwise2.pyd），例如通过重命名或删除cpairwise2.so（pairwise2.py）末尾的C函数导入。
2. 如果您正在使用更长的序列，则需要C模块的速度增强。因此，您还必须从pull请求下载from .cpairwise import ...并将其编译为cpairwise2module.c（适用于Windows系统）或cpairwise2.pyd（Unix，Linux）。

编辑：在Biopython 1.68中问题解决了。