我想写一些代码来分析短蛋白质序列，并确定它们的相似性，我没有参考序列，但是我想写一些for循环来比较它们，看看有多少重复序列，以及它们相似的区域。
我目前有他们所有的序列在一个csv。
我上过生物信息学课程，也做过类似的Illumina测序数据，但我是从SRA表开始的，有fasta文件。
另外，我尝试使用CD hit，但是我遇到了problems的makefile和我的编译器的兼容性。我安装了自制程序来解决这个问题，但是我仍然遇到了这个问题，make CXX=g++-9 CC=gcc-9 comand不工作。
我想知道是否有更多的更新方法比CD命中，因为我注意到，没有人真正使用CD命中自2020年以来。
另外，我知道的唯一编码语言是R和Shell，但我目前正在学习Python。