algorithm - 跨多个序列的最长公共(public)子串

Question

我正在尝试跨多个序列查找最长公共(public)子串 (LCS)。

CPAN上有很多模块实现了2个序列的LCS算法，比如 Algorithm::Diff和 String::LCSS_XS ，但我很难将它们扩展到使用 2 个以上的序列，因为跨多个序列的 LCS 不一定是其中任何两个序列之间的 LCS。

值得注意的是，尽管它的名字是 Algorith::MLCS实际上并不返回 LCS，而是返回多个数组的所有公共(public)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解决最长公共(public)子序列问题，而不是最长公共(public)子串问题。

是否有明显的方法来扩展 n=2 算法，或者我是否必须实现我的版本？如果是，如何？

谢谢。

Answer 1

使用 Tree::Suffix 可以很容易地解决这个问题模块。

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;