Questo progetto sostituisce l'esame scritto del corso o il seminario, e non necessita la presentazione del mini-progetto.

Il progetto utilizza un file di input contenente stringhe di lunghezza prefissata k, che rappresentano i k-meri ottenuti dalle “read” dell'High Throughput Sequencing (HTS) su sequenze di DNA. Tali k-meri definiscono un grafo di de Bruijn come descritto nei lucidi del corso: lucidi .

Il progetto richiede di:

• Scaricare uno dei file di input, dove k=99: 10^5 read, 10^6 read, 10^7 read (fonte:https://github.com/felipelouza/egap/tree/master/dataset).
• Costruire il corrispondente grafo di de Bruijn (per fare una prova utilizzare questi read con k=9: small read).
• Progettare delle opportune strutture dei dati per rispondere alle seguenti operazioni di ricerca (dove la terza utilizza la seconda), per una stringa P di lunghezza arbitraria m > k:
  1. stabilire se P appare come sequenza di caratteri che occorrono lungo uno dei cammini del grafo;
  2. trovare il più lungo prefisso di P che soddisfa la condizione della 1;
  3. eseguire la 1 dove P può avere un errore: uno dei suoi simboli non corrisponde, ma gli altri sì (es. trova anche AGCC o ATCT specificando P = ATCC perché differiscono in un solo simbolo che non corrisponde).