简单双序列比对的实现_利用dotplot方法完成analysis和nalyzes两条序列的比对

Reference URL
https://biopython.org/DIST/docs/api/Bio.pairwise2-module.html （Bio官方文档）
https://www.biostars.org/p/307285/ （论坛关于Bio中Align部分的问题）
http://www.ryxxff.com/91470.html （Biopython序列比对简要概括）
https://www.jianshu.com/p/f9179c517d4e（山东大学生物信息学教程）

序列对比过程中的罚分规则

选择的序列

名称

选择的序列是冠状病毒envelop的gene序列

• NC_045512.2:26245-26472 Severe acute respiratory syndrome coronavirus 2 isolate Wuhan-Hu-1, envelop genome
• NC_002645.1:24750-24983 Human coronavirus 229E, envelop genome

具体的序列info

>NC_002645.1:24750-24983 Human coronavirus 229E, envelop genome
ATGTTCCTTAAGCTAGTGGATGATCATGCTTTGGTTGTTAATGTACTACTCTGGTGTGTGGTGCTTATAG
TGATACTACTAGTGTGTATTACAATAATTAAACTAATTAAGCTTTGTTTCACTTGCCATATGTTTTGTAA
TAGAACAGTTTATGGCCCCATTAAAAATGTGTACCACATTTACCAATCATATATGCACATAGACCCTTTC
CCTAAACGAGTTATTGATTTCTAA
>NC_045512.2:26245-26472 Severe acute respiratory syndrome coronavirus 2 isolate Wuhan-Hu-1, envelop genome
ATGTACTCATTCGTTTCGGAAGAGACAGGTACGTTAATAGTTAATAGCGTACTTCTTTTTCTTGCTTTCG
TGGTATTCTTGCTAGTTACACTAGCCATCCTTACTGCGCTTCGATTGTGTGCGTACTGCTGCAATATTGT
TAACGTGAGTCTTGTAAAACCTTCTTTTTACGTTTACTCTCGTGTTAAAAATCTGAATTCTTCTAGAGTT
CCTGATCTTCTGGTCTAA
1
2
3
4
5
6
7
8
9
10

DNA的dotplot实现

1. 在线的server端实现
2. 本地化（未完成）

URL：http://www.bioinformatics.nl/emboss-explorer/
网站概览：

设定“word size = 2”，得到的结果如下，并不能观察到直观的关系。

设定“word size = 3”，得到的结果如下，仍然不能观察到直观的关系。但是已经比之前要稀疏很多了。

小结：实际上如果只用gene序列的话，可能出现太宽泛的问题，因为很多的蛋白都有不止一个codon，所以我们进一步采用对蛋白质进行探究。

采用蛋白质进行dotplot

使用Biopython库对原序列进行翻译，得到结果，重新进行dotplot。阈值设定为2。

使用矩阵进行打分（积分+罚分）

BLOSUM62的规则

两条序列通过BLOSUM的打分政策，通过积分和罚分的方式，最终得到两条序列的最终打分，中间的打分过程则需要用到最优化（optimal processing）。

空位罚分

由于不可能所有的匹配都是按顺序的，所以中间需要适时进行空位罚分，从而进行一些Global内部的Local化。以下是两种罚分的方式。

最优化（optimization）

使用needle软件进行在线global对比。

参考https://www.cnblogs.com/zhengjm/p/12602522.html

本地实现打分运算

以上的结果都是基于在线端实现的，下面我们使用了本地化的Bio库进行了运算，可以弥补批量运算的缺陷。但是经过实地测试，如果出现长序列的pairwis