我要提出的解决方案实际上是基于蛮力方法（没有花哨的不匹配树）。
如果您正在处理核苷酸，那么您只有 4 个符号，这很好，但是对于较大的字母和/或 k 的较大值，它可能会非常低效。
好消息是它不包含任何循环，并且每个语句都是矢量化的，所以它运行得非常快。
首先，我想你知道如何选择k-mers；如果没有，here（gnovice 的函数n_gram()）提出的解决方案非常有效。
我不喜欢“n-gram”，我更喜欢“k-mers”，所以我将在下文中使用它来表示长度为 k 的子字符串。
其次，让我们声明一些变量：
m=1; k=3;
alphabet='abcdefghijklmnopqrstuvwxyz';
kmerUT='too';
其中m 是距离（如幻灯片中所示），alphabet 是不言自明的（是所有可能值的集合），kmerUT 是被测 k-mer（即 k -mer 我们要计算的距离），k 是 k-mer 的长度。
第三，让我们从alphabet计算k符号的所有可能组合：
C = cell(k, 1); %// Preallocate a cell array
[C{:}] = ndgrid(alphabet); %// Create K grids of values
combs = cellfun(@(x){x(:)}, C); %// Convert grids to column vectors
combs = sortrows([combs{:}]); %// Obtain all permutations
这个 sn-p 按顺序预先分配一个带有k 个单元的单元阵列。在第二个表达式之后，在这 3 个单元格中，将有来自 alphabet 的值带有“不同时期”（第一个单元格：abcdefh...；第二个单元格有 26 次 a em>, 26 次 b 等等；第 3 个单元格有 2*26 次 a, 2*26 次 b 等等.. .) 加上“26”，因为它们是字母表中的字母。最后一行将元胞数组 C 展开为矩阵，然后按字母顺序对组合进行排序。归功于Eithan T。
注意：如果在此步骤之后内存不足（就内存而言，这是最昂贵的），您也可以删除元胞数组@由于命令clear C，来自主内存的987654337@。从现在开始，我们不需要这样的变量了。
第四，将combs中的每一行与目标k-mer进行比较：
fun=@(a,b) (a~=b);
comparisons=bsxfun(fun,combs,kmerUT);
所以我们声明一个函数fun，如果a 和b 的位置不同j，它只返回一个逻辑向量，1 在位置j > 然后应用（感谢bsxfun()）这样的函数到combs 中的所有行。换句话说，我们将每一行与被测 k-mer 进行比较。因此，comparisons 将是一个逻辑矩阵，其中任何行都是此类比较的结果。
注意：combs 是另一个可能占用大量内存的变量。既然我们从现在开始不需要它，你也可以clear combs。
第五，计算每个测试组合的不等符号数：
counter=sum(comparisons,2);
将comparisons 作为 1 和 0 的矩阵，可以简单地对每一行求和以获得每行 1 的数量（即每行不同符号的数量）。
注意：counter是一个大小为card(alphabet)^k的向量，其中card(alphabet)是alphabet中值的个数，因为它必须包含所有可能组合的值。在某些情况下，这样的向量可能会很大，并且考虑到这样的向量中的每个项目都需要 8 个字节，整个向量可能会占用大量内存。现在，如果您已经清除了C 和combs，这应该不是问题，但为了完整起见，您可能希望使用每个项目占用少于 8 个字节的整数类型来转换 counter。更多关于 Matlab 中数值类型的信息可以在here找到。
六、统计m与kmerUT不匹配的组合数：
result=sum(counter<=m);