Les avancées dans les technologies de séquençage ont conduit à la production d'un volume énorme de données. Étant donné que l'alignement de séquences par paires joue un rôle essentiel dans la comparaison des données de séquençage, divers algorithmes ont été développés. Parmi les algorithmes proposés précédemment, l'outil de recherche d'alignement local de base (BLAST) est actuellement employé dans un large éventail d'applications biologiques, principalement en raison de sa faible complexité temporelle et mémoire. Cependant, non seulement le BLAST mais aussi d'autres algorithmes d'alignement de séquences améliorés peuvent ne pas produire des résultats précis, donc des algorithmes plus efficaces peuvent être très avantageux. Dans la présente étude, nous introduisons un nouvel algorithme pour l'alignement de séquences (NASA) composé d'étapes de prétraitement et d'alignement. Dans l'étape de prétraitement, les positions des résidus sont déterminées dans une séquence de nucléotides ou de peptides fournie, entraînant la recherche uniquement des régions informatives. Dans l'étape d'alignement, sur la base d'un nombre constant de comparaisons, le score de similarité de séquence est calculé entre deux séquences en temps et mémoire linéaires. Pour évaluer NASA, un grand volume de données de séquençage a été analysé et les résultats ont été comparés avec d'autres algorithmes. Les résultats ont montré que NASA surpasse d'autres algorithmes de base en termes de temps écoulé, de mémoire requise, d'utilisation des ressources système et de précision du score d'alignement. Collectivement, NASA pourrait être une méthode prometteuse pour récupérer des séquences similaires à partir de grands ensembles de données.
Masoudi‐Sobhanzadeh et al. (Sun,) ont étudié cette question.