数学建模社区-数学中国
标题:
2015深圳杯b题，求教
[打印本页]
作者:
丸子的建模
时间:
2015-5-17 17:09
标题:
2015深圳杯b题，求教
给定一个DNA序列，这个系列只含有4个字母ATCG，如 S =“CTGTACTGTAT”。给定一个整数值k，从S的第一个位置开始，取一连续k个字母的短串，称之为k-mer（如k= 5，则此短串为CTGTA）， 然后从S的第二个位置， 取另一k-mer（如k= 5，则此短串为TGTAC），这样直至S的末端，就得一个集合，包含全部k-mer 。 如对序列S来说，所有5-mer为
+ i# m; T2 u5 A3 D
6 ~) v1 V& x; y; l4 m; \* F
｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝
& W$ Z4 F5 D- ^* j+ ~* {/ S
, Z6 y0 y* |& {
通常这些k-mer需一种数据索引方法，可被后面的操作快速访问。例如，对5-mer来说，当查询CTGTA，通过这种数据索引方法，可返回其在DNA序列S中的位置为｛1，6｝。
: q# F" g) U6 F* J
; }( ~. g* f4 n- }5 J; u: s A
问题
8 J$ d( P: i8 g/ C
" ~' u: [0 Q- b+ a; x" M+ W1 U! D
现在以文件形式给定 100万个 DNA序列，序列编号为1-1000000，每个基因序列长度为100 。
) O* R/ ]- r9 e N
7 N, s9 m4 U0 a4 v9 }4 z
（1）要求对给定k， 给出并实现一种数据索引方法，可返回任意一个k-mer所在的DNA序列编号和相应序列中出现的位置。每次建立索引，只需支持一个k值即可，不需要支持全部k值。
G7 S: U% L/ b
/ q( u$ r. _& S; u/ i6 N
（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。
+ m) n$ w# _3 Y% i; u2 O7 p; |; d- `
( `% v9 o8 b$ R9 Y* q6 l. P
（3）给出建立索引所用的计算复杂度，和空间复杂度分析。
- l3 U( s. i0 _! d0 M6 M' `9 o6 ?
% e5 v: j5 m" `6 }; j
（4）给出使用索引查询的计算复杂度，和空间复杂度分析。
$ o- y9 { U- g. Z$ Y% ]7 x5 o- g
; B" _ O- E, c/ w3 y
（5）假设内存限制为8G，分析所设计索引方法所能支持的最大k值和相应数据查询效率。
6 w9 W- @9 V* E
（6）按重要性由高到低排列，将依据以下几点，来评价索引方法性能
f% Q. z( c) a& p
给我有关程序和代码，如果可以帮忙建个数学模型，谢谢
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5