数学建模社区-数学中国
标题:
请问在哪里可以找到这道数学建模题！求帮助，
[打印本页]
作者:
坏小子说笑话
时间:
2015-8-18 15:39
标题:
请问在哪里可以找到这道数学建模题！求帮助，
DNA序列的k-mer index 问题
: M2 Z% I/ D/ T* u6 d* N) P& e
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
+ I6 d9 S0 C B! S) A0 q
' y3 }, y: b2 O
｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝
; G, a: ^1 ]* b6 b
' h! o* f' G% H
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｝。
5 H8 a9 n8 ?( U' ]9 g: B% Z
# w0 u6 C, J9 U" e$ Y
问题
$ b6 b1 G0 j7 S# Z2 A6 Z
8 b2 ^5 W$ y$ c+ [- R
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 。
& x3 f2 E R6 y/ G0 f2 x( P5 m6 Z/ O3 [
5 A- C3 C1 i# G- S; I9 x: k3 \3 L4 j& ^
（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。
1 e4 c9 S- O" m6 A6 \" K
2 d' f9 I- v* T9 E k5 C2 v
（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。
3 z l( y- s( y/ v+ }
& @; o& d5 n& s& D; d$ D
（3）给出建立索引所用的计算复杂度，和空间复杂度分析。
8 [6 u* }! H0 p
/ {( u* J9 g, P5 g: @8 R
（4）给出使用索引查询的计算复杂度，和空间复杂度分析。
3 g, Q8 | }3 O8 o2 O
# `2 P' p4 Q! \
（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。
% u% f1 x+ \% r# M+ M5 m
（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
% v" g' F1 w# [. c& `3 Z- v; S3 _9 _& w
. Y8 i7 d% J4 V1 r
希望好心人帮忙
" f+ m5 ~: {* n
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5