- 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
: \( I9 Z9 O2 _
5 y: {1 p- d+ Q. ?{CTGTA,TGTAC,GTACT,TACTG,ACTGT,TGTAT}( i- U6 S, O1 y/ N
$ D ?9 _! @" s0 D/ A7 t: o
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}。
. \! M$ V$ k9 @7 B0 d7 Q6 v, F3 H, L y6 L8 v P' G1 V
问题
* b( Q1 y, x% `- R! k2 W# i' `
( L9 `3 S1 a) z2 h8 _( B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 。
7 w& |+ _" y$ s& S
c' e! p$ @5 e(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。
& S! X) R0 D% X Q1 Y# [+ [9 K& j- A/ n! }9 w6 }
(2)要求索引一旦建立,查询速度尽量快,所用内存尽量小。
5 i# Y+ p* @4 z9 v* N# u
+ s+ b& J+ K% y6 b(3)给出建立索引所用的计算复杂度,和空间复杂度分析。
_6 |* ]7 F* U8 Q8 d6 e0 t" c: g( |/ l$ o4 F$ h. V7 G
(4)给出使用索引查询的计算复杂度,和空间复杂度分析。
`1 I5 ]/ F; L; k& q8 {4 W+ z; k8 e9 ]
(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。
& h% X% f7 k1 w4 o( D, I/ ~- 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
2 l( _4 k4 Y2 |给我有关程序和代码,如果可以帮忙建个数学模型,谢谢 |
zan
|