如何在R语言中比对序列并获取相似度百分比？

方法1：使用stringdist包的stringsim函数 #

stringdist包专门用于字符串距离与相似度计算，对于等长序列，指定method = "hamming"就能直接得到你需要的相似度值：

# 安装包（首次使用时执行）
install.packages("stringdist")
library(stringdist)

# 定义序列
l1 <- "AAFCARTTAA"
l2 <- "AAFCAXTTAA"

# 计算相似度
stringsim(l1, l2, method = "hamming")

执行后会返回0.9，符合你的需求。原理是用1减去汉明距离（不同字符的数量）与序列长度的比值，得到最终相似度。

方法2：自定义函数（无需额外包） #

如果不想安装第三方包，可以自己实现一个简单的计算函数：

calc_seq_similarity <- function(s1, s2) {
  # 检查序列长度是否一致
  if (nchar(s1) != nchar(s2)) {
    stop("两个序列必须长度相等")
  }
  # 拆分字符并统计匹配数
  char_vec1 <- strsplit(s1, "")[[1]]
  char_vec2 <- strsplit(s2, "")[[1]]
  match_ratio <- sum(char_vec1 == char_vec2) / length(char_vec1)
  return(match_ratio)
}

# 调用函数
calc_seq_similarity(l1, l2)

这个函数会先验证序列长度，再逐字符比对并计算匹配比例，同样返回0.9。

内容的提问来源于stack exchange，提问作者LasseVoss