Java 实现PDB数据库中蛋白质部分序列与Uniport数据库中相应的全长序列的最优匹配

/**
* @param strArr数组的第一维是部分序列，第二维是全长序列
* @return 返回时两个大部分对齐后的部分和全长序列, 若返回null时则表示， 程序对齐失败
* @function 程序主要是实现经过处理后的蛋白质部分序列与全长序列的对齐，
* 			忽略每个氨基酸前后MW(最小窗口)中间的一些小的不一样的氨基酸, 部分序列中可以加空格， 全长序列中不能加空格
* @notice 在某种情况下程序可能会失效
*/
public static String[] AlignTwoProteinSeqIgnoreLittleMistakeInMW(String partSeq, String fullSeq){
final int MW = 10;	// 表示前后窗口的大小
final int lW = 3;	// 表示在前后窗口中最多能容忍几个错误
final int MFPreSpaceNum = 3;	//表示全长序列前面最多加多少空格

StringBuffer partAns = new StringBuffer(partSeq.toUpperCase());
StringBuffer fullAns = new StringBuffer(fullSeq.toUpperCase());

int fullPreSpaceNum = 0;
boolean isFirstMatch = false; //标记第一次是否能对其
for (int i = 0; ; i++){ //Seq是在变动的
partSeq = partAns.toString();
fullSeq = fullAns.toString();

String prePI = mySubString(partSeq, i-MW, i);
String afterPI = mySubString(partSeq, i+1, i+1+MW);
String preFI = mySubString(fullSeq, i-MW, i);
String afterFI =  mySubString(fullSeq, i+1, i+1+MW);
int preNSAcidNum = statisticNotSameAcidNum(prePI, preFI);
int afterNSAcidNum = statisticNotSameAcidNum(afterPI, afterFI);

if (fullSeq.charAt(i) == partSeq.charAt(i)){ //当前氨基酸是一样的
//如果后面的窗口不可以匹配， 则我们要根据前面的窗口判断是前面加空格
if (lW < afterNSAcidNum){
if (lW < preNSAcidNum){
System.out.println("这是不会出现的错");
System.exit(-1);
}else{
if (prePI.charAt(MW - 1) == ' '){ //在前面加空格
partAns.delete(0, partAns.length());
partAns.append(partSeq.substring(0, i));
partAns.append(" ");
partAns.append(partSeq.substring(i, partSeq.length()));
}
}
}else{
// 判断是不是第一次匹配
int afterFISpaceNum = 0;
for (int kkk = 0; kkk < afterFI.length(); kkk++){
if (' ' == afterFI.charAt(kkk)){
afterFISpaceNum++;
}
}
if (lW >= afterFISpaceNum)
isFirstMatch = true;
}
}
else{	//当前氨基酸是不一样的
if (lW < afterNSAcidNum){ //如果后面的不可以匹配
partAns.delete(0, partAns.length());
partAns.append(partSeq.substring(0, i));
partAns.append(" ");
partAns.append(partSeq.substring(i, partSeq.length()));
}else{  //如果后面的可以匹配就匹配
// 判断是不是第一次匹配
int afterFISpaceNum = 0;
for (int kkk = 0; kkk < afterFI.length(); kkk++){
if (' ' == afterFI.charAt(kkk)){
afterFISpaceNum++;
}
}
if (lW >= afterFISpaceNum)
isFirstMatch = true;
}
}

// 判断是否匹配成功
String temp = mySubString("", 0-MW, 0);
if (afterPI.equals(temp) || afterFI.equalsIgnoreCase(temp)){
if (!isFirstMatch){
fullPreSpaceNum++;
if (MFPreSpaceNum + 1 <= fullPreSpaceNum){
return null;
}
fullAns.delete(0, fullAns.length());
fullAns.append(" ");
fullAns.append(fullSeq);
i = fullPreSpaceNum - 1;

partAns.delete(0, partAns.length()); //略去中间产生的无用空格
for (int lll = 0; lll < partSeq.length(); lll++){
if (' ' != partSeq.charAt(lll))
{
partAns.append(partSeq.charAt(lll));
}
}
}else{
break;
}
}
}
return partAns.append("#" + fullAns.toString()).toString().split("#");
}

public static String mySubString(String srcStr, int begin, int end){	//没有的部分我们用空格表示  保证返回的字符串长度为end-begin
int len = srcStr.length();
byte[] srcArr = srcStr.getBytes();
byte[] ans = new byte[end - begin];
for (int i = 0; i < end - begin; i++) ans[i] = ' ';

if (begin < 0 && end <= len){
begin = 0;

for (int i = end - 1, j = ans.length - 1; i >= begin; i--, j--){
ans[j] = srcArr[i];
}
}else if (end > len && begin >= 0){
end = len;

for (int i = begin, j = 0; i < end; i++, j++){
ans[j] = srcArr[i];
}
}else if (begin >=0 && end <= len){
for (int i = begin, j = 0; i < end; i++, j++){
ans[j] = srcArr[i];
}
}else if(begin < 0 && end > len){
for (int i = 0, j = 0 - begin; i < len; i++, j++){
ans[j] = srcArr[i];
}
}
return new String(ans);
}

public static int statisticNotSameAcidNum(String lineone, String linetwo){
byte[] oneArr = lineone.toUpperCase().getBytes();  //忽略氨基酸的大小写
byte[] twoArr = linetwo.toUpperCase().getBytes();
if (oneArr.length != twoArr.length){
System.out.println("two line not the same lenght!");
return -1;
}
int ans = 0;
for (int i = 0; i < oneArr.length; i++){
if (oneArr[i] != twoArr[i] && ' ' != oneArr[i] && ' ' != twoArr[i]){
ans++;
}
}
return ans;
}