Alineamiento de secuencias biológicas (pdf).

Reducción de la Complejidad AlgorítmicaOptimización para reducir tiempos de cálculoTabla de Dispersión (Hash)Lista con las posiciones de lossímbolos de la secuenciapos : 1234 5678 901seqX : TCAG ACGA TTG n=11Tabla Hash (seqX)A 3, 5, 8C 2, 6G 4, 7, 11T 1, 9, 10Secuencia a compararpos : 1234567890seqY: ATCGGAGCTG m=10Acumular identidades en cada diagonal(d= h - v, si x halínea con y v)y 1(A) en d 2(3-1), d 4(5-1) y d 7(8-1)y 2(T) en d -1(1-2), d 7(9-2) y d 8(10-2)Complejidad : Cada elemento de sY vs el número de elementos hash para ese símboloO(N*media) media=M / LongTabla (N, M long de SeqX y SeqY)k-tuplas : [+] entradas (L=lAlf k ) -> [-] elementos por entradaProteinas : lAlf=20, Si k=2 => L= 20 2 = 400 entradas.Long. Proteina N=400 -> 1 valor por entrada => complejidad O(N+M)Paulino Gomez-PuertasBioinformática.