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
$ ^0 Z& r! N8 I6 `! u9 h& L
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
' O* Y- B+ w% y; S
8 T! F/ }& X8 R8 r
｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝
6 \, i* X& E% J3 Y, T+ ]* F0 K
6 H; U3 ^ Q6 T, G1 a4 u/ v
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｝。
0 c% K6 W, r+ B3 d
& j) A- R+ p& f# L
问题
, G/ f/ b5 _* x4 M# i0 q
; R6 {6 T# R, u
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 。
' N9 U4 B5 m$ v7 c) f, U( p+ q9 e
) Y3 @2 e$ q( g2 Y& `; a
（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。
; B% M7 M H2 t( N+ P5 q
7 C/ I/ |( e& g- _+ v7 ?& H
（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。
( Q) h: L. n, O o
/ t7 M" W+ Y$ _3 N4 q% g4 q
（3）给出建立索引所用的计算复杂度，和空间复杂度分析。
2 _ K x: Z9 w: o
' o, D, N8 I# m# F' W5 {! m
（4）给出使用索引查询的计算复杂度，和空间复杂度分析。
& X7 M+ u* s( c( J8 @( t- M: M! L
* z* j3 N% h$ }( L2 M0 Z; B+ k7 i
（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。
5 j d$ q+ z$ K1 v3 Y8 ^/ {1 r
（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
9 a9 X% l& [1 j* Y" ~+ @
/ X) V) l, V5 {/ [
希望好心人帮忙
@, \2 @$ R$ q- y
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5