Dopasowania globalne i lokalne frame|Ilustracja globalnych i lokalnych dopasowań, pokazująca przerwy w dopasowaniach globalnych, mogące powstać, gdy sekwencje nie są dostatecznie podobne Dopasowania globalne, obejmujące pełny zakres wszystkich sekwencji, są najbardziej użyteczne, gdy zestawiane sekwencje są podobne i o zbliżonych rozmiarach (co nie znaczy jednak, że dopasowania globalne nie mogą kończyć się przerwami). Ogólna technika dopasowania globalnego jest znana jako algorytm Needlemana-Wunscha i jest oparta na programowaniu dynamicznym. Dopasowania lokalne są bardziej przydatne dla sekwencji nie wykazujących w całości większego podobieństwa, co do których istnieje przypuszczenie, że zawierają podobne podsekwencje czy motywy. Algorytm Smitha-Watermana jest ogólną techniką dopasowania lokalnego, opartą na programowaniu dynamicznym. W przypadku sekwencji dostatecznie podobnych, rezultaty dopasowań globalnego i lokalnego są takie same.