沧海拾珠

生物序列比对算法 Smith-Waterman 简介

最近几天都在学习一个生物学算法,就是名垂史册的Smith-Waterman 算法。早在1970年,Saul B. Needleman和 Christian D. Wunsch 两位科学家发明了Needleman-Wunsch 算法,旨在解决生物学上DNA和蛋白质序列比对相似度相关的问题。之后由Temple F. Smith 和 Michael S. Waterman进一步改进,于1981年提出了Smith-Waterman 算法。相比于前者,算法中仅仅多了一个0,但为此就花了十年时间,真是令人感概。Needleman-Wunsch算法侧重于全局序列比对,而Smith-Waterman算法侧重于局部比对。两种算法最初都以打分矩阵为模型来实现短序列的比对的,之后通过动态编程来对长序列进行比对。
两种算法
示例
S(xi, yj)是碱基相似度得分,相同则为正数,不同则为负数。d是空位罚分,为负数。公式看起来非常简单,然而需要注意的是,在计算每一个位点的得分时,需要考虑四个值,F(i-1,j-1)+S(xi+yj), F(i-1,j)+d, F(i,j-1)+d和0。它们之中最大的值才能作为F(i,j)这个位点的值。图中F(G,G)的值就由其斜对角,上面,左边三者得来,取最大值,如果小于0,则用0代替。最后就得到一个得分矩阵。之后是回溯过程,目的是为找到最佳的局部比对结果。从得分最高的位点开始,在其斜对角,上面和左边三者找出之前使其得分最大的那个位点。以此类推,直到位点分数为0的地方停止,这样将得到局部最优的相似序列。需要注意的是数直方向出现连续,则x轴上的序列要引入空位(-),水平方向出现连续,则y轴上的序列要引入空位(-)。此外,要得到局部次优的序列,则从最优序列停止的外围重新开始新一轮的序列回溯。


注:图片来自Wiki百科