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
|0 B# s* y T
7 N U/ A/ B q; m8 z6 y, t
｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝
, N! u7 t A# b( n
6 ?; O7 P. ?& D" D
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｝。
1 w' [) S9 F# t
. S3 g: R, M* s4 ^+ C6 W9 D/ i
问题
( j+ z9 }& C P- X( K) e7 L
7 C" F0 r" p/ J0 l3 }- Z( 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 。
, g/ O2 s+ `2 S* j9 N
2 x0 }9 f5 d8 e' W& `
（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。
9 n9 B# k/ O* N9 ~7 C9 c- q
* t" K+ n H" \6 H5 X
（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。
, W5 T4 o+ s$ j# y# l2 M6 }8 N C
# t2 d: o, l5 C4 W* |9 R% ?
（3）给出建立索引所用的计算复杂度，和空间复杂度分析。
. u9 w0 `! o& C ?) R
* Z3 l& V3 n( o( `7 r* [; u& H
（4）给出使用索引查询的计算复杂度，和空间复杂度分析。
( ~! {' o" \8 V$ N2 E( P
9 f$ o9 S$ a: h' 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。
. N/ B) u; J8 g9 h9 q/ c1 E* |3 V
（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
* U5 S! @4 I+ K7 N( @
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