- 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
; O- o/ z' t, ?/ H9 W2 L* \+ R
# y/ M3 T- _* P- u7 ?7 U% I+ W& J{CTGTA,TGTAC,GTACT,TACTG,ACTGT,TGTAT}! }' U, y n5 L2 w6 ^( T0 v; Y
. s$ I i+ A2 H; l+ 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}。
p# q# E4 L0 \& [0 k; Y
3 E- D( {$ k7 I0 Q; p" _: n* Y* T& s* `问题2 q3 C* u v" x3 W# i+ A
% u+ \, W4 U5 g2 ^
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 。1 Z7 E) {+ [8 m9 x
! u" R" E$ z: F8 b5 |+ K( z$ u
(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。
8 \* d Q: Z" j+ A& u# L: P8 u* f$ C' ?: E$ F
(2)要求索引一旦建立,查询速度尽量快,所用内存尽量小。
* O; ?: Y" e# R! o* J, h6 p: U* w% c7 Q/ ` n+ `0 r# V @5 s! b
(3)给出建立索引所用的计算复杂度,和空间复杂度分析。5 A* I2 y! D. g* `
' C% U% E" H; C# ~! h
(4)给出使用索引查询的计算复杂度,和空间复杂度分析。$ s3 ?+ M; b. Z* R' ], k
0 R D) ?" H3 g# S' b(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。
6 `) W- y* y. u' o; |5 H5 ], V(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 z! i' F7 L+ Y. s给我有关程序和代码,如果可以帮忙建个数学模型,谢谢 |
zan
|