跨多个序列的最长公共子串答案

【问题标题】：Longest common substring across multiple sequences跨多个序列的最长公共子串
【发布时间】：2014-01-02 06:52:21
【问题描述】：

我正在尝试跨多个序列查找最长的公共子字符串 (LCS)。

CPAN 上有许多模块为 2 个序列实现 LCS 算法，例如 ~~Algorithm::Diff 和~~ String::LCSS_XS，但我很难将它们扩展到工作多于 2 个序列，因为跨多个序列的 LCS 不一定是任意两个序列之间的 LCS。

值得注意的是，尽管有它的名字，Algorith::MLCS 实际上并不返回 LCS，而是返回多个数组的所有公共元素（也是非连续的）。我的印象是它被设计破坏了，但我可能错了。

Algorithm::Diff和Algorith::MLCS解决的是最长公共子序列问题，而不是最长公共子串之一。

有没有明显的方法来扩展 n=2 算法，还是我必须实现我的版本？如果是，怎么做？

谢谢。

【问题讨论】：

我不是专家，但我怀疑 Algorithm::MLCS 并非“被设计破坏”。相反，它正在解决一个不同的问题。它处理最长的常见子序列问题。如果我理解您的问题，那么您正在处理最长的常见 substring 问题。我认为 Algorithm::Diff 是一样的：它处理子序列问题。
是的，你是对的，我没明白 substring 和 subsequence 之间有区别！

标签： algorithm perl lcs

【解决方案1】：

使用Tree::Suffix 模块可以很容易地解决这个问题。

例子：

#!/usr/bin/env perl
use Modern::Perl;
use Bio::SeqIO;
use Tree::Suffix;

my $seqio = Bio::SeqIO->new(
    -file => "fasta_sequences.txt",
    -format => "Fasta");

my @seqs;

while (my $seqobj = $seqio->next_seq) {
    push @seqs, $seqobj->seq;
}

my $tree = Tree::Suffix->new(@seqs);
my @lcss = $tree->lcs;

say $_ for @lcss;

【讨论】：