20160520序列算法_编程基础01.ppt-山东大学.ppt

生 物 信 息 学 Bioinformatics 巩晶 癌症研究中心 山东大学 医学院 2016.05.20 基本序列算法 序列S：SDSDFSDFG 后缀=S1≤i≤n,Si+1,…,Sn n=length(S) 序列S：SDSDFSDFG = SDSDFSDFG$ 1: SDSDFSDFG$ 2: DSDFSDFG$ 3: SDFSDFG$ 4: DFSDFG$ 5: FSDFG$ 6: SDFG$ 7: DFG$ 8: FG$ 9: G$ 8.1 后缀树 字符串S：SDSDFSDFG 功能：1. 查找字符串s是否在字符串S中: 从树根开始，与s的字符逐一比对。s1: DFSD（在）; s2: SDFD （在不在？） 8.1 后缀树 字符串S：SDSDFSDFG 功能：2. 找指定字符串s在字符串S中的重复次数：从树根开始，按照功能1的办法找到s，然后看s之后有几片树叶。s1: SD（3次）; s2: DF（？次，在哪里？） S D S D F S D F G 位置 1 2 3 4 5 6 7 8 9 8.1 后缀树 字符串S：SDSDFSDFG 功能：3. 找字符串S中的最长重复子串：找到从树根到所有节点（非叶片）的子字符串，从中找到最长的。SDF 8.1 后缀树 序列：SDSDFSD 1: SDSDFSD$ 2: DSDFSD$ 3: SDFSD$ 4: DFSD$ 5: FSD$ 6: SD$ 7: D$ 8: $ 字符串S：SDSDFSDFG $的作用：如果某一个后缀是另一个后缀的前缀，那么需要用$标识出一个独立的叶片。 8.1 后缀树 Input: 一个序列(a1,…,an)∈Rn Output: 一个子序列(ai,…,aj)，使得函数f(i, j)最大， f(i, j) = ∑ ah j h=i 最短原则：在几个子序列同时拥有最高分时，如果某一个完全包含在另一之内，则只返回被包含的那一个。 8.2 最高分子序列问题 生物学应用：（1）预测蛋白质序列跨膜区域。疏水氨基酸[0, 3]，亲水氨基酸[-5,0]。 8.2 最高分子序列问题 生物学应用： （2）预测DNA序列中富含GC区域。G, C给正分；A,T给负分。 8.2 最高分子序列问题 Na?ve算法：对于所有i≤j ∈ [1, n]，计算f(i, j) ，再找出最大值对应的(i, j)。 所有可能的(i, j)组合的数量，即计算f(i, j)的次数： n+(n-1)+(n-2)+…+1 = n*(n+1)/2 = O(n2) 计算一次f(i, j)所需的步骤：O(n) = Na?ve算法的总运算步骤为O(n3) 最高分子序列问题的运算步骤： Na?ve算法：O(n3) 动态算法：O(n2) 分而治之算法：O(n*log(n)) 聪明算法：O(n) Input: 一个序列(a1,…,an)∈Rn Output: 一个子序列(ai,…,aj)，使得函数f(i, j)最大， f(i, j) = ∑ ah j h=i 8.2 最高分子序列问题 编程基础第一部分 Linux 是什么？ ----- Linux是一个操作系统！ …… …… 1. Linux介绍 可视化窗口操作 命令行操作 远程连接 Linux 从Windows远程登录Linux： PuTTY：命令行操作 1. Host Name (or IP address) Eg. tollml.lrz.de Host name 1.51.215.28 IP address 2. User name 3. Password 1 2 3 1. Linux介绍 从Windows远程登录Linux： WinSCP：文件传递 远程连接 Linux 远程登录命令：ssh username@hostname 退出远程登录 将当前机器上的文件拷贝到另一机器上 1. Linux介绍 从Linux远程登录另一个Linux： 终端(terminal)是向计算机发出命令的一个窗口。类似于Windows下的DOS命令窗口。 远程连接 Linux 1. 显示日期与时间的命令：date 2. 显示日历的命令：cal 几个基础的“热身”命令 0. ls命令=Dos里的dir +加，-减，*乘，/除，^指数，%余数 1/3为什么等于0？答：bc默认只输出整数部分 通过scale=number设定小数点后位数 输入quit退出 3. 简单好用的计算器：bc cal的语法：cal [[month] year ] 1. Linux介绍 --- Linux基本命令 [Tab]键具有“命令补全”与“文件补齐”的功能。 输入ca，在a后紧接着按