- 在线时间
- 0 小时
- 最后登录
- 2015-8-18
- 注册时间
- 2015-8-18
- 听众数
- 7
- 收听数
- 0
- 能力
- 0 分
- 体力
- 4 点
- 威望
- 0 点
- 阅读权限
- 10
- 积分
- 2
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 2
- 主题
- 1
- 精华
- 0
- 分享
- 0
- 好友
- 2
升级   40% 该用户从未签到
 |
DNA序列的k-mer index 问题& V F) u- Q! t& B4 b
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( } D- a' n
, i. w; E) e0 u: J- `+ f
{CTGTA,TGTAC,GTACT,TACTG,ACTGT,TGTAT}
7 y, @2 \; k8 M# U5 |1 |% _, H7 `- Y, P
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}。
" b! o2 E- H! P9 m2 D! ~, k/ y6 w7 W L8 a# R& F
问题
; Y. R- v8 T$ O$ L4 O8 ?. p
: R% L! u) A8 E; s! K5 q4 o: A7 ^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 。: p4 y2 b8 D& I* z+ c
( Y& I: ], f. _; z7 K% h$ L
(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。
+ w* i) H3 D/ Y3 y' i
: \ K8 i, Q! C/ V(2)要求索引一旦建立,查询速度尽量快,所用内存尽量小。0 ?& }+ s5 h4 Q5 G8 Y: `
4 ^6 S3 v+ U9 j) ?& T(3)给出建立索引所用的计算复杂度,和空间复杂度分析。 E/ N- h; ?& n9 j. a- _
9 N, ^- q4 d/ Q, n% Z8 W
(4)给出使用索引查询的计算复杂度,和空间复杂度分析。
$ _0 n0 S. I2 H. n! M4 C
) V. w5 w/ d/ f2 A3 k9 @" s: @( J(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。
' a0 q/ u- B S# A7 e4 i$ V# i; m! x. P(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
0 W% ] p' K% ]+ @9 o) P5 x2 I2 l8 \5 R- u; g
希望好心人帮忙
" c0 b3 Y$ S) |2 W. w; D) X1 V* z |
zan
|