如何提高大量的字符串比较速度？

我现在有两个字符串数组，姑且称为candidates和bg_db，全部都是长度为20的短字符串，并且每个字符串的每个字符只有ATCG四种可能（没错！就是基因组序列啦！）: ``` candidates = [ 'GGGAGCAGGCAAGGACTCTG', 'GCTCGGGCTTGTCCACAGGA', '...', # 被你看出来啦，这些其实人类基因的片段 ] bg_db = [ 'CTGCTGACGGGTGACACCCA', 'AGGAACTGGTGCTTGATGGC', '...', # 这个更多，有十亿左右 ] ``` 我的任务是对candidates的每一个candidate，找到bg_db中所有与其小于等于4个差异的记录，举个例子来说: ``` # 上面一条为candidate，即candidates的一个记录 # 中间|代表相同，代表不相同 # 下面一条代表bg_db的一条记录 A T C G A T C G A T C G A T C G A T C G | | | | | | | | | | | | | | | | | | | | # 差异为0 A T C G A T C G A T C G A T C G A T C G A T C G A T C G A T C G A T C G A T C G | | | | | | | | | | | | | | | | | | | # 差异为1 T T C G A T C G A T C G A T C G A T C G A T C G A T C G A T C G A T C G A T C G | | | | | | | | | | | | | | | | | | # 差异为2 T T C G T T C G A T C G A T C G A T C G A T C G A T C G A T C G A T C G A T C G | | | | | | | | | | | | | | | | | # 差异为3 T T C G T T C G A T C C A T C G A T C G A T C G A T C G A T C G A T C G A T C G | | | | | | | | | | | | | | | | # 差异为4 T T C G T T C G A T C C A T C A A T C G ``` 我的问题是如果快速地找到：每一个candidate在bg_db中与之差异小于等于4的所有记录,如果采用暴力遍历的话，以Python为例: ``` def align(candidate, record_from_bg_db):mismatches = 0for i in range(20):if candidate[i] != record_from_bg_db[i]:mismatches += 1if mismatches >= 4:return Falsereturn True candidate = 'GGGAGCAGGCAAGGACTCTG'record_from_bg_db = 'CTGCTGACGGGTGACACCCA' align(candidate, record_from_bg_db) # 1.24微秒左右 # 总时间: 10000000 1000000000 * 1.24 / 1000 / 1000 / 60 / 60 / 24 / 365 # = 393 # 1千万个candidates，10亿条bg_db记录 # 耗时大约393年 # 完全无法忍受啊 ``` 我的想法是，bg_db是高度有序的字符串(长度固定，每个字符的可能只有四种)，有没有什么算法，可以让candidate快速比较完所有的bg_db，各位大神，求赐教。