The closest thing we probably have

The closest thing we probably have is the k-Nearest Neighbors option in classify.seqs. You could do it in an alignment-based approach to get the most accurate match to what you want. Alternatively, you could use kmers. If I remember right, seqmatch is kmer based, right? By changing the value of "k" you can select how many sequences you want for the consensus. The distance-based approach will output the name of the closest sequence and the similarity between it and your sequence. To mask out the N's, you could always use filter.seqs(trump=N), but that would remove that column from every sequence. Let us know what you think...
Pat

ผลลัพธ์ (ไทย) 1:

สิ่งที่ใกล้เคียงที่เราอาจจะมีเป็น k ใกล้เลือกเพื่อนบ้านใน classify.seqs คุณสามารถทำได้ในวิธีการได้รับสิ่งที่ถูกต้องที่สุดกับสิ่งที่คุณต้องตามตำแหน่ง อีกวิธีหนึ่งคือ คุณสามารถใช้ kmers ถ้าจำได้ seqmatch เป็น kmer ตาม ขวา โดยการเปลี่ยนค่า "k" คุณสามารถเลือกจำนวนลำดับที่คุณต้องการสำหรับมติ แนวทางตามระยะทางจะแสดงชื่อของลำดับที่ใกล้เคียงและคล้ายคลึงระหว่างลำดับของคุณ เพื่อมาสก์ออก N ของ คุณสามารถใช้ filter.seqs(trump=N) แต่ที่จะเอาคอลัมน์จากทุกลำดับ แจ้งให้เราทราบสิ่งที่คุณคิด...Pat

ผลลัพธ์ (ไทย) 2:

สิ่งที่ใกล้เราอาจจะมีเป็น K-เพื่อนบ้านที่ใกล้ที่สุดตัวเลือกใน classify.seqs คุณสามารถทำมันในวิธีการจัดตำแหน่งตามที่จะได้รับการจับคู่ที่ถูกต้องที่สุดในสิ่งที่คุณต้องการ หรือคุณสามารถใช้ kmers ถ้าผมจำขวา seqmatch จะขึ้นอยู่ kmer ใช่มั้ย? โดยการเปลี่ยนค่าของ "K" ที่คุณสามารถเลือกวิธีการหลายลำดับที่คุณต้องการสำหรับฉันทามติ ระยะทางที่ใช้วิธีการออกจะชื่อลำดับที่ใกล้เคียงที่สุดและความคล้ายคลึงกันระหว่างมันและลำดับของคุณ หน้ากากออก N ของคุณก็สามารถใช้ filter.seqs (คนที่กล้าหาญ = N) แต่ที่จะเอาคอลัมน์ที่จากลำดับทุก แจ้งให้เราทราบสิ่งที่คุณคิดว่า ...
Pat