计算编辑距离百分比答案

【问题标题】：Calculate edit distance percentage计算编辑距离百分比
【发布时间】：2016-12-19 18:53:05
【问题描述】：

我正在尝试从一组序列中获取一定百分比的编辑距离。到目前为止，这就是我所拥有的：

library(stringdist)

sequence <- c("CA--------W----------------------EKDRRTEAF---F------",
   "CA--------W----------------------EKDRRTEAF---F------", 
   "CA--------S-------------------SLVFGQGDNIQY---F------", 
   "RA--------S-------------------SLIYSP----LH---F------")

edit_dist <- stringdistmatrix(sequence)
#0 
#13 13 
#14 14 11

len <- stri_length(gsub('-', '', sequence))
#13    13    16    12

由于len 的每一行相当于sequence 的每一行，所以在比较两行时，我想使用最大的len 来获得百分比。因此，当第二个和第三个序列之间有一个编辑距离时，它将使用 16 而不是 13 的长度来获得百分比。

我知道这段代码是错误的，但这通常是我想要的想法：

for (i in len) {
  num1 <- len[i]
  for (j in len){
    num2 <- len[j] 
    if (num2 > num1){
        num <- num2
        }else{
          num <- num1
        }
    }
    edit_dist/num
}

答案应该类似于以下内容：

0 .8125 .8125 1.0769 1.0769 .6875

【问题讨论】：

标签： r bioinformatics string-comparison edit-distance

【解决方案1】：

您可以使用outer 和pmax 构造一个合适的最大长度矩阵，然后您可以将其强制为dist 类（如edit_dist），这样您就可以划分：

edit_dist <- stringdistmatrix(sequence)
n <- nchar(gsub('-', '', sequence))

edit_dist / as.dist(outer(n, n, pmax))
##          1        2        3
## 2 0.000000                  
## 3 0.812500 0.812500         
## 4 1.076923 1.076923 0.687500

【讨论】：