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
+ V4 e1 D6 O' g! ~4 a( Y4 i, k: n5 p
+ S! w/ G$ V0 q& F5 r% m, C- Q- n
｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝
( J5 }/ \: S3 L$ _( i! W% y6 q
* e$ m+ K: r+ u/ w6 U5 S( i
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｝。
' t- q9 i' O H. e% j0 M1 @" v
7 W) [) d' d; ^7 A$ ?% }
问题
/ ?& A8 L$ m: A+ @& Q$ U! W. n6 a+ C8 D
2 b7 ?. x1 @& T# Z
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 。
5 g6 ]' s/ }, ]- f6 a, q& i
; N9 f2 ?- S0 V8 }+ x8 q
（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。
4 h* B8 L# R6 o9 m
) X9 {! l8 o2 z
（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。
6 `" Z0 a: ?; g9 [9 `
; K3 b5 |* @. v9 r
（3）给出建立索引所用的计算复杂度，和空间复杂度分析。
- ~, R5 Q h/ U" Z! q* D8 w
1 k1 l6 _; y1 c0 x ]
（4）给出使用索引查询的计算复杂度，和空间复杂度分析。
0 t9 X" R, Z/ A* K
) t4 S" g' S5 l0 ~
（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。
* W1 ~# z2 Q" v" u- r( B! 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
7 ?" P# U- G4 X" p7 b
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