优雅 | 比较两条蛋白序列？快~准~狠！ / 四六文摘

写在前面

Emmm，前两天已经推送过了。两三年间，我尝试了数次，希望实现到几乎完美的双序列比对逻辑。尽管可能有朋友会说，不就是“动态规划”，简单的Needleman Wunsch计算逻辑实现吗？对的，确实就是这个逻辑。但有这个想法的人，可能绝大多数其实没自己去写过，他们更多做的是调包，比如biojava, biopython, bioperl 或者其他云云。这些实现，要么本身不够完美，要么类似 biopython，其实底部调用 emboss 的 needle 比对软件。换句话说，要么比对效果不行，要么速度极慢，比如一两秒中只能做两条序列的比对？或者更慢。
当然还会有少数人自己写过，但我还是相信，写过的人并不一定能实现类似 emboss needle 一样的比对效果。猜想绝大多数人做的是 naive 的实现，亦即类似课堂讲演或者绝大多数资料一样，一个矩阵打分然后回溯就完事了。事实并非这么简单，详细见《双序列比对 | 尝试数次，调试千遍》。
今天这个推文比较简单，只是跟大伙说下，TBtools 增加了这么一个功能。大伙以后要做蛋白双序列比对，就不用跑 Emboss 网页了，直接在 TBtools 里面就可以干。一般来说，由于是原生java码实现，相比于网页调用会快很多，其次支持输出不同格式，如Emboss类似或者Fasta格式（PS：如果你是要在服务器上批量跑，如10w对蛋白序列比对，那么可以联系我，商量开放接口）。经过测试，单线程 1 秒钟应该能输出~200对的比对结果，还可以更快的。那么10w对蛋白，估计只需要500s，不到10min。开上多线程，那么应该不需要 30 秒。当然，TBtools其实本来就有大规模Kaks计算功能。如果你的目的是这个，那就等着后面的推文吧（这个功能，目前也就我们课题组自己用用，暂时没计划对外完全开放）。
回到主题，简单介绍一下这个新功能。