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
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

. H; o6 Q2 M& _$ ]｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝
, H' u' x- w" l4 S1 b4 K; i. z6 C
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｝。
4 {# p) q1 M$ k( [' k8 m8 s) z2 U  t
问题

$ H& X2 s2 W2 a. b  t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 。
2 u; _$ g5 ]  x9 a# H3 p
* p& r' @( H5 L2 A/ Q% W8 P（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. Q7 n) t7 n: J2 K
( l8 p, n7 X+ \（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。
4 ?8 D. i5 n9 J$ F" r! F
（3）给出建立索引所用的计算复杂度，和空间复杂度分析。
/ R3 w4 [8 p" H+ d: t
1 I& G8 X- G  u- K7 S（4）给出使用索引查询的计算复杂度，和空间复杂度分析。

（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。
（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

希望好心人帮忙
* x1 n8 W3 I2 C; a: L( ?

---

欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)

Powered by Discuz! X2.5