- 在线时间
- 2 小时
- 最后登录
- 2015-5-19
- 注册时间
- 2015-5-17
- 听众数
- 11
- 收听数
- 0
- 能力
- 0 分
- 体力
- 58 点
- 威望
- 0 点
- 阅读权限
- 20
- 积分
- 20
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 8
- 主题
- 3
- 精华
- 0
- 分享
- 0
- 好友
- 4
升级   15.79% TA的每日心情 | 郁闷 2015-5-19 19:08 |
|---|
签到天数: 2 天 [LV.1]初来乍到
 |
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
0 n2 d8 {% W7 g0 @* F; ]! l* f. ?* r5 s+ Z: Z/ c' Z. C- v
{CTGTA,TGTAC,GTACT,TACTG,ACTGT,TGTAT}0 a5 @. h! l) k# q5 d0 y/ O! c
( S5 I3 P+ v: N1 j
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}。3 l5 B$ B/ h1 a) z
" R: V: f2 h+ z, F
问题
, O6 b* M, l! r+ ~/ d3 o" n6 r6 K" A9 k' ?9 C) f# o) j
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 C& `9 t: G; g4 y+ e1 `) W
; P2 i, ~" x7 O9 s, `(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。
) }" u+ d. [0 ~. z; C+ I5 g
+ e: _# p$ R. O/ x- F(2)要求索引一旦建立,查询速度尽量快,所用内存尽量小。
Q0 W. \5 U. h: o, D) ?
8 W$ v! j$ Q9 U c* ^5 i(3)给出建立索引所用的计算复杂度,和空间复杂度分析。
}% q8 n. G4 d9 J- t. Y" E6 |8 c3 T: d. y# H$ H
(4)给出使用索引查询的计算复杂度,和空间复杂度分析。0 s% ~6 R Z3 E) \: L, [# B6 q) ^
5 d7 m5 C" _ U$ R% S) 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 H9 C6 A" X- ^$ s4 e S) Q. [: F(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4 R$ u6 U7 r& J7 _/ F
给我有关程序和代码,如果可以帮忙建个数学模型,谢谢 |
zan
|