大家好，我有同学做数据分析的时候，遇到一个问题，感觉比较复杂，已经超出我们生物专业的所以解决的范围了，所以来这里请教大家给一些建议。
假设有一小段 DNA 序列，这个序列有 8 个碱基（也就是 8 个字符）。碱基一共有 4 种，分别是 ATCG。现在这样的序列有 16645 条，这些序列之间不完全相同。我们想把这些序列按照序列相似度进行分组，要求
- 组内每条序列之间在相同的位置上，碱基相同的数目不超过 4 个
- 需要把序列分成 10 组
- 每组序列内的数目尽可能的多
因为我们生物专业经常实验的多，对于算法的不是很明白。如果对上面的问题有想法的话，请麻烦详细说明一下。谢谢大家
Select Language