我有两个DNA database:
database A 有约18 万条序列，每条约500nt
database B 有约5 万条序列，每条约5000nt
我希望让这A、B两个database 互相比对，
以找出A、B两个database中，共有相同20nt 的两笔序列。
我先用 "foreach" 将database A 每条序列分开，
再用 "substr" 每20个nt 搜索 (DNA 的正反股都要搜索)
再用 "foreach" 将database B 的序列逐一检查跟 "substr" 相同者
结果... 我用小一点的database 测试并且估算，
这样用笔电算完，总共要四千天左右 XD
想请教先进们
是否有节省时间的运算方式?
或是换好一点的电脑会算比较快吗?
先谢不吝赐教!!

让我想到cas9啊…

对DNA sequencing不熟..只是 用cpan module不会比较方便吗？

用hash

可以考虑在第一层分开后，将 substr 的结果存在 %hash此时第一层的 %hash 里头就会是摆满著一堆切好的资料然后把第二层的 foreach 直接提到外面去，别弄成巢状my %hash;foreach (@DB_a) {# do substr to put items in %hash}foreach (@DB_b) {if (exists $hash{$_}) {# found!}}从时间复杂度的角度来看，原先的做法至少是 O(n^2)但是其实找寻重复的资料这件事情，不需要弄成巢状假设内存够大，可以使用空间来换时间，就不会跑太久注意当资料量异常大时，你得使用 64bit 的 Perl 直译器附带一提， put items in %hash 是把资料当作 key而不是摆到 value 喔 :) 这点要特别提醒一下如果还嫌太慢要再做更多加速，可再使用平行计算的技巧如果觉得机器太慢，也可考虑租用Google Compute Engine

多谢! 我再试看看!

更正，时间复杂度至少会是 O(m*n) 两层循环资料数不同