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 |/ z8 x# h7 ]0 K: \
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
9 e- E4 k. e: a6 `5 n1 r
# U; {. z2 u0 Y0 N J
｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝
5 @& X1 O# Y( k) W! K
' e" h. u! z4 d* K/ ?- U
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｝。
: Y& v! z& P$ l: j9 ?$ Z/ p
, L9 h, t X# L( V4 g
问题
" Y: B& u8 K' [3 q/ T
) ]4 S. {5 b0 E: }: G' 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 。
0 ]5 ^4 k9 g$ L6 p
' i% h9 [/ v! E' C: m! p9 u
（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。
! [. p- s, R6 Z) y
% p6 m" Q3 m; l8 v; V8 k6 m4 @
（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。
, W! g2 y6 A N" Y6 L) |% ]
( \0 |7 A3 A+ V8 _& X4 d) O( B* I
（3）给出建立索引所用的计算复杂度，和空间复杂度分析。
* E6 ^; S; I3 ]
; P5 Y( f& \& |! I0 w
（4）给出使用索引查询的计算复杂度，和空间复杂度分析。
8 P. F* T1 Q0 U4 ]! I: c, p
# C, C" j# w& \
（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 h$ R4 o( N( w4 g& u4 f# R2 J
（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
: f+ r, f, V9 p) J, v' K: {; E
0 B1 Y& g, W$ z1 C! \$ h
希望好心人帮忙
: z! k( u3 Z5 \) p9 [& l k1 L \
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5