Claude Haiku 5 5 在「实现基因序列比对算法」的评测结果
这是该 AI 模型在此测试用例上的详细评测结果。
基本信息
- 模型名称：Claude Haiku 5 5
- 用例名称：实现基因序列比对算法
- 测试类型：文本生成
- 评测维度：代码生成
系统提示词（System Prompt）
这是给 AI 模型的背景设定和角色指令：
你是一名生物信息学入门课程的算法讲师，擅长用清晰易懂的方式讲解基础序列比对原理。 回答要求： 1. 在编写代码前，用1-2句话简述所用比对方法的核心思路（如逐位比较）。 2. 代码需包含输入合法性校验（仅允许A、T、C、G字符，不区分大小写）。 3. 相似度计算公式须明确：相似度 = 完全匹配的位置数 / 较短序列长度 × 100%。 4. 输出格式须包含：相似度百分比、匹配/错配的逐位对比字符串、完全匹配子序列列表及其起始位置。 5. 代码需有必要注释，变量命名清晰，适合初学者阅读。
用户提示词（User Prompt）
这是用户给 AI 模型的具体任务要求：
## 题目：实现基础DNA序列比对工具 请实现一个简单的DNA序列比对函数，完成两条DNA序列的基础比对分析。 ### 背景说明 DNA序列由四种碱基组成：腺嘌呤(A)、胸腺嘧啶(T)、胞嘧啶(C)、鸟嘌呤(G)。 基础比对即将两条序列按位置逐一对齐，统计匹配情况。 ### 功能要求 1. **输入校验** - 检查序列是否只包含合法碱基（A、T、C、G，不区分大小写，处理时统一转为大写） - 若包含非法字符，抛出异常或返回错误信息，并说明非法字符是什么 2. **相似度计算** - 对齐方式：将两条序列从头部对齐，以较短序列的长度为比对范围 - 相似度公式：`相似度(%) = 匹配位置数 / 较短序列长度 × 100` - 返回保留两位小数的百分比字符串，例如 `「87.50%」` 3. **逐位比对可视化** - 输出三行对比字符串（参考格式如下）：
评测结果
综合得分
该模型在此用例的得分为：93.8 分（满分 100 分），已通过
基础难度评测结果
- 得分：93.8 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
## 核心思路 本题采用**逐位比较法（Ungapped Alignment）**：从两条序列的第一个碱基开始，按位置一一比对，相同记为匹配，不同记为错配，最后统计匹配数并计算相似度。 **相似度公式**：`相似度(%) = 完全匹配的位置数 / 较短序列长度 × 100%` ## 代码实现 ```python """ 基础DNA序列比对工具（逐位比对法） 功能： 1. 校验输入序列是否只含 A/T/C/G（不区分大小写） 2. 计算相似度 3. 输出逐位比对的三行可视化结果 4. 列出连续完全匹配的子序列及其起始位置 """ # 合法碱基集合 VALID_BASES = {"A", "T", "C", "G"} def validate_sequence(seq: str, name: str) -> str: """ 校验并标准化DNA序列。 参数: seq: 待校验的DNA序列字符串 name: 序列名称（如"序列1"），用于错误提示 返回: 转为大写、去除首尾空白后的合法序列 异常: TypeError: 输入不是字符串 ValueError: 序列为空或包含非法字符 """ if not isinstance(seq, str): raise TypeError(f"{name} 必须是字符串，实际类型为 {type(seq).__name__}") # 去除首尾空白并统一转为大写 cleaned = seq.strip().upper() if len(cleaned) == 0: raise ValueError(f"{name} 为空，请输入有效的DNA序列") # 找出所有非法字符（去重并排序，便于阅读） illegal_chars = sorted({ch for ch in cleaned if ch not in VALID_BASES}) if illegal_chars: raise ValueError( f"{name} 包含非法字符: {', '.join(illegal_chars)}" f"（仅允许 A、T、C、G）" ) return cleaned def find_matching_runs(match_flags, seq1, min_run_len=2): """ 在逐位匹配结果中，找出连续完全匹配的子序列。 参数: match_flags: 列表，True 表示该位置匹配 seq1: 第一条序列（用于截取子序列） min_run_len: 只保留长度 >= min_run_len 的连续匹配段 返回: 列表，每个元素为 (起始位置[从1开始], 子序列字符串) """ runs = [] length = len(match_flags) i = 0 while i = min_run_len: # 起始位置转为从1开始的编号 runs.append((i + 1, seq1[i:j])) i = j # 跳过已处理的匹配段 else: i += 1 return runs def align_dna(seq1: str, seq2: str, min_run_len: int = 2) -> dict: """ 对两条DNA序列进行逐位比对分析。 参数: seq1, seq2: 两条DNA序列 min_run_len: 连续匹配子序列的最小长度（默认2） 返回: 包含比对结果的字典 """ # 1. 输入校验 s1 = validate_sequence(seq1, "序列1") s2 = validate_sequence(seq2, "序列2") # 2. 确定比对范围：从头对齐，取较短序列长度 compare_len = min(len(s1), len(s2)) # 3. 逐位比较，生成匹配标记列表 match_flags = [s1[i] == s2[i] for i in range(compare_len)] match_count = sum(match_flags) # 4. 计算相似度（保留两位小数） similarity = match_count / compare_len * 100 similarity_str = f"{similarity:.2f}%" # 5. 构造三行可视化字符串 # 第一行：序列1；第二行：匹配符（| 表示匹配，空格表示错配）；第三行：序列2 line_seq1 = s1[:compare_len] line_match = "".join("|" if flag else " " for flag in match_flags) line_seq2 = s2[:compare_len] # 6....
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】候选输出整体质量较高，完整实现了基础DNA序列比对工具的全部核心需求。代码结构清晰、注释详尽、示例可运行且输出经验算正确，适合作为入门课程的教学示例。主要局限在于未区分插入/删除与替换操作（题目背景提及但系统提示限定为基础逐位比对），以及 HTML 实体字符的渲染问题，整体不影响实用性。 【GEMINI】该回答表现优异，严格遵循了对话上下文中的各项具体需求。算法实现严谨、代码注释清晰、异常处理与边界考虑周全，输出格式整洁规范，是一份高质量的参考实现。 【KIMI】该实现是一份高质量的DNA序列比对工具代码，功能完整、逻辑严谨、代码规范，特别适合初学者学习。核心算法采用简单的逐位比对，准确实现了题目要求的所有输出格式。在输入校验、错误处理、代码可读性方面表现优秀。唯一可改进之处是子序列匹配的最小长度默认值与题目'完全匹配子序列'表述的契合度，以及是否需要在注释中更明确说明'插入/删除'在本基础版本中的处理方式（即尾部截断/忽略）。
进阶难度评测结果
- 得分：97.2 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
## 算法原理 Needleman-Wunsch 是一种全局动态规划比对算法。令 $F(i,j)$ 为序列 $S_1[1..i]$ 与 $S_2[1..j]$ 的最优比对得分，则 $F(0,0)=0$，$F(i,0)=-i\cdot g$，$F(0,j)=-j\cdot g$，递推式为： $$F(i,j)=\max\begin{cases}F(i-1,j-1)+s(S_1[i],S_2[j]) & \text{对角：匹配/错配}\\F(i-1,j)-g & \text{上方：} S_1[i]\text{ 对空位}\\F(i,j-1)-g & \text{左方：} S_2[j]\text{ 对空位}\end{cases}$$ 其中 $s(a,b)=+\text{match\_score}$（若 $a=b$），否则 $s(a,b)=-\text{mismatch\_penalty}$，$g$ 为 `gap_penalty`。回溯时从 $F(m,n)$ 出发，依据记录的方向指针逐步回到 $(0,0)$，即可还原最优比对。时间与空间复杂度均为 $O(mn)$。 --- ## 代码实现 ```python """ Needleman-Wunsch 全局序列比对（DNA 序列） """ from dataclasses import dataclass, field from typing import List VALID_BASES = frozenset("ACGT") DIAG, UP, LEFT = "D", "U", "L" # 回溯指针：对角 / 上方 / 左方 @dataclass class AlignmentResult: score: float # 最优比对得分 F(m, n) aligned_seq1: str # 比对后的序列1（空位用 '-' 表示） aligned_seq2: str # 比对后的序列2 match_line: str # 匹配线：'|' 匹配，'.' 错配，' ' 空位 score_matrix: List[List[float]] # 完整得分矩阵 (m+1) x (n+1) seq1: str = "" # 清洗后的输入序列 seq2: str = "" notes: List[str] = field(default_factory=list) # 边界情况提示 # --------------------------------------------------------------------------- # 输入校验 # --------------------------------------------------------------------------- def _validate_sequence(seq, name: str) -> str: """去除所有空白字符（支持粘贴多行序列），转大写，并检查非法字符。""" if not isinstance(seq, str): raise TypeError(f"{name} 必须是字符串，实际类型为 {type(seq).__name__}") cleaned = "".join(seq.split()).upper() illegal = sorted({c for c in cleaned if c not in VALID_BASES}) if illegal: raise ValueError( f"{name} 含有非法字符 {illegal}，DNA 序列只允许 A/C/G/T（大小写不敏感）" ) return cleaned def _validate_params(match_score, mismatch_penalty, gap_penalty) -> None: """检查参数类型与取值。penalty 为扣分的绝对值（非负），实际计分为 -penalty。""" params = { "match_score": match_score, "mismatch_penalty": mismatch_penalty, "gap_penalty": gap_penalty, } for name, value in params.items(): if isinstance(value, bool) or not isinstance(value, (int, float)): raise TypeError(f"{name} 必须是数值，实际为 {type(value).__name__}") if mismatch_penalty AlignmentResult: """...
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】这是一份高质量的 Needleman-Wunsch 实现。算法原理阐述准确（含状态转移方程的 LaTeX 公式），代码完整可运行，输出包含得分、矩阵可视化和比对字符串，参数化支持完善，边界处理全面。整体达到生产级代码标准，几乎无明显缺陷。 【GEMINI】该生成结果是一份工业级水准的高质量回答。前置原理陈述精确，包含了完整的状态转移方程；代码实现完备无误，考虑了非法字符、空序列等多种边界情况；同时提供了美观的得分矩阵可视化和匹配指示线，完全符合各项提示与规范要求。 【KIMI】该实现是一份高质量的Needleman-Wunsch全局序列比对代码，算法正确、参数化完善、代码结构清晰。完全符合题目要求的四项输出（比对得分、得分矩阵可视化、比对序列字符串含'-'、参数化接口），边界处理周到，可直接运行。特别适合生物信息学教学与工程使用。
相关链接
您可以通过以下链接查看更多相关内容：
