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
% Z% n3 R" S9 q2 X' o
f9 r" x/ b+ N# P. u0 e3 q
｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝
* z- [* O3 J+ i6 T+ F7 R
6 d" x. ^1 d& H5 k6 {1 e+ O: b
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｝。
) L, L+ l; O0 B
e! _% I( U* Z
问题
3 e8 s; C; q" ], m. r( B- r
0 Z5 X# S( p) w$ K9 j2 Q
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 。
0 a1 @# q. I: z! U+ s2 Q" j! t
' A* E! o2 b! u i: N
（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。
8 K( j l1 B5 Y
- U2 A8 }6 [3 y. e$ e* Z+ R) w
（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。
' A* j4 A- E" a" z0 {( G
$ v4 k/ ` p; |& J
（3）给出建立索引所用的计算复杂度，和空间复杂度分析。
+ ]6 |5 T* D9 s& U4 p% S4 d$ p
5 U/ ~3 w, G2 R" d: w& q
（4）给出使用索引查询的计算复杂度，和空间复杂度分析。
2 F* E& {" I% f& I. w6 y
) W! K5 p$ A6 a! K
（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。
) Q9 q# D0 n2 {& t
（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
: O3 |& w6 x+ t' l
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