- 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, x) y7 n7 K3 R
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
5 s7 e2 J6 r4 a8 g% W( Y" Q1 ~' X2 j* p- o& A5 _$ N" P) ~2 ^6 b
{CTGTA,TGTAC,GTACT,TACTG,ACTGT,TGTAT}
/ c6 ]! m4 ?$ Y& h" P+ L7 C3 s2 B F- {
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}。
/ N) n: M3 |" M" d
* M. |! m! u7 ~7 R( T$ }7 @! _问题 W0 p, F1 f- f
! V) d0 V! K( W# w; [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 。& U8 h/ r) r, {# U
7 c& Q9 O$ H$ r2 }; K. h" S+ O( r
(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。7 \" H m6 M' s8 C
M$ G, J5 n' H' f
(2)要求索引一旦建立,查询速度尽量快,所用内存尽量小。6 l0 m$ ` A5 o+ K5 N( c
8 x9 M5 M) F* e- Y/ N(3)给出建立索引所用的计算复杂度,和空间复杂度分析。7 I1 A m1 b& ?! d7 J; `$ Q" ^
0 _* g" d5 g' S, C6 H' }
(4)给出使用索引查询的计算复杂度,和空间复杂度分析。
1 S( r- [ G' ~' C9 l, h; c$ m' c9 A% R4 G( u7 Q
(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。
& e2 L& P' x& W# t: O(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1 q. O! n* \! j, A
) S1 \) e& R% E, M; M' r# _4 c希望好心人帮忙
$ z1 F. ^* S/ f# \* K. F |
zan
|