序列比对(sequence alignment)又称序列联配， 为确定两个或多个序列之间的相似性(similarity) 或同源性(homology) ，将序列按照一定规律进行排列的操作。序列相似性和序列同源性为两个不同的概念，序列相似性是可以量化的参数，是一个数量值，如相似性为90%。而同源性指两条序列是否来自共同祖先，来自同一祖先则为同源序列。一般而言，序列相似性越高，其同源可能性越大。

序列比对经过多年的发展， 已提出了一系列算法，其中Needleman-Wunsch算法(NW算法)是全局比对的经典算法，而Smith-Waterman算法(SW算法)是局部比对的代表性算法。NW算法和SW算法都采用动态规划算法实现序列联配。二代、 三代序列比对算法基本上利用NW和SW算法得到序列比对结果。

序列比对是宏基因组数据分析的基础，但非常耗时，尤其是对于长序列。随着测序技术的发展，尤其是第三代单分子测序技术的出现，产生的序列长度平均值可以超过20000 bp。如此长的序列比对，需要消耗更多的计算时间和计算内存。为了提高长序列比对速度，Martin Sosi等人2017年在Bioinformatics期刊上发表了一篇快速序列比对软件包Edlib，可实现长序列，甚至长基因组之间的序列比对。

如何使用 Edlib 序列比对包

Edlib主要基于Myers’s bit-vector (位相量)实现序列比对过程，而且采用了带状比对(banded alignment)思想，可以进一步提高运算速度和降低内存消耗。Edlib实现过程比较复杂，不容易理解，对计算机数据结构、编程技巧有较高的要求。本次不做详细解读，主要高速大家怎么用 Edlib 软件包。Edlib是用C++语言编的，主要包含两个文件：edlib.h 头文件和edlib.cpp源文件。

首先在Github上下载Edlib源代码：

git clone https://github.com/Martinsos/edlib.git

然后用CMake命令进行安装：

cd build && cmake -D CMAKE_BUILD_TYPE=Release .. && make

然后在 bin/ 目录中会生成二进制文件：

执行以下命令进行测试：

.runTests

Edlib运行时候需要包括"edlib.h"文件，如下：

#include #include "edlib.h"int main() {    EdlibAlignResult result = edlibAlign("hello", 5, "world!", 6, edlibDefaultAlignConfig());    if (result.status == EDLIB_STATUS_OK) {        printf("edit_distance('hello', 'world!') = %d\n", result.editDistance);    }    edlibFreeAlignResult(result);}

Edlib主程序实现函数为edlibAlign(上面第5行)，需要5个参数，其中第一个是比对的第一条序列，第二个参数为序列的长度，第三个是第二条序列，第四个是序列的长度，第五个是比对模式设置，一般用默认值。

Edlib比对模式(EDLIB_MODE)有三种设置，分别为NW、SHW和HW模式。比如我们有两条序列需要进行比对：

s₁= GCTAACTGGC 和 s₂=CGTAGCTG NW模式就是我们之前的全序列比对，SHW模式是从序列 s₁ 开始，只比对到序列 s₂ 的末端，HW是寻找序列 s₂ 和序列 s₁ 之间最相似的部分，也就是半全局(semi-global sequencealignment )比对。

具体实现不同的比对模式如下图第5个参数：EDLIB_MODE_HW

edlibAlign(seq1, seq1Length, seq2, seq2Length, edlibNewAlignConfig(42, EDLIB_MODE_HW, EDLIB_TASK_PATH, NULL, 0));

比对结果

Edlib和其他2个方法SeqAn和Parasail进行了比较，从下表中可以看出，比对的序列长度都是10000 bp起步，Edlib实现的序列比对速度明显高于其他方法，尤其是序列相似性越高，比对的速度越快。

参考资料：

Šošić M, Šikić M. Edlib: a C/C++ library for fast, exact sequence alignment using edit distance. Bioinformatics, 2017, 33(9): 1394-1395.

往期回顾：

• VirFinder：基于k-mer的病毒序列预测算法
• Tax4Fun: 16S 预测群落代谢功能实例——手把手示范4-差异可视化分析-终结篇
• kseq.h读取序列文件，快到想不到！
• 还没开学？经典生物信息书免费送！免费送！免费送！总价值4170元！
• Tax4Fun: 16S 预测群落代谢功能实例——手把手示范3-差异分析
• Tax4Fun: 16S 预测群落代谢功能实例——手把手示范2
• Tax4Fun: 16S 预测群落代谢功能实例——手把手示范1
• 三代序列比对算法minimap2，就是快，快，快！
• 测序数据过滤神器Trimmomatic：去除接头和低质量序列
• 基于三代测序数据的结构变异检测，PBHoney方法解读
• usearch序列聚类地位不保？看看Linclust算法，快你没商量！
• BMC Bioinformatics期刊三审被拒，如此悲催，如何避免？
• NCBI数据下载速度50M/S以上？太快了吧
• rHAT，国内首个三代序列比对算法
• 扩增子OTU聚类软件：SeekDeep方法解读(NAR方法文章)
• mothur QIIME usearch，三足鼎立，谁主沉浮？
• 三代测序序列比对利器-BLASR，更小更快更方便
• 生信算法“八股文”，发表算法不再难！