- 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) _2 C. V( `: S/ L9 k& ?
( Q) s0 i. {- _4 [8 a
{CTGTA,TGTAC,GTACT,TACTG,ACTGT,TGTAT}6 i0 P6 q' Y* }0 L
9 h) |; p: l: U# M4 B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}。
5 E, k* [/ L; Y% m4 ?: S
! p7 p: M, q* v- i问题
. x: h$ a8 v/ R* F, [$ a X6 Y3 Q& L! e* p
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 。' e) L) O( G1 X5 u5 A. M
1 c- ~# ?* ]0 j9 R# E# F9 y(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( H' Q* m0 `' H$ u* O2 z6 G
4 V' V# Y; _5 N5 D
(2)要求索引一旦建立,查询速度尽量快,所用内存尽量小。
t! m+ B# ?; N, |. \: l# \4 ^8 N2 L' l+ p: a+ x0 ]
(3)给出建立索引所用的计算复杂度,和空间复杂度分析。) S! [0 c7 o7 [8 ^8 d$ G. O1 ~
0 y+ a; k2 P) f/ D
(4)给出使用索引查询的计算复杂度,和空间复杂度分析。' \9 p* h+ ^( H) z0 g# X
- j4 f3 U+ m( @: K4 w+ n
(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。
4 j3 X( R$ }7 Z# ~7 X. i(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( M# o' c4 p) K& q, V b
给我有关程序和代码,如果可以帮忙建个数学模型,谢谢 |
zan
|