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
" s0 s& L7 [4 E! }+ x U
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
7 f$ N* w4 ^$ ^+ D
. c! [( m5 m+ t$ M
｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝
4 ?0 x' ]" k2 W4 X* P9 r
8 o' Z, f& h, E& 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｝。
) o2 o( p1 s' _% r% o; p! t
0 c8 @, m# p$ Q
问题
& i( v# I! ~3 s
( d8 g, y/ |+ H" 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 。
/ v+ |( ^5 N) x7 ~2 R4 K
; R: Y/ c+ y N- 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! S& o% h2 a" W, z* G
% Y$ O# f) K% o% C
（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。
! [3 q) `4 @6 r# u2 }
- g6 K0 ?; s1 i; P; K( u
（3）给出建立索引所用的计算复杂度，和空间复杂度分析。
: l3 q+ s# N0 K2 c+ {
+ M+ |+ h7 m( _* t" X( \3 D2 N
（4）给出使用索引查询的计算复杂度，和空间复杂度分析。
+ r+ U/ d b1 ?( G, o+ j; @
/ m8 I8 F3 }; p n. F
（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。
8 G7 k' f% `( h
（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
& [8 {9 k6 ?, x
( ?% v+ x% [3 s* c5 e+ H
希望好心人帮忙
# _6 {8 P4 H7 @0 e0 a1 T/ |1 X
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5