主页 / 问题 / 747957
Accepted
Viktor Tomilov
Asked:2020-11-22 15:35:29 +0800 CST2020-11-22 15:35:29 +0800 CST

TDictionary 的非唯一键

  • 772

以下类历来用于处理点突变图：

type
  TVCFRec = record
      id, alt, filter, info:string;
      qual: double;
      <...>
  end;
  TVCFRef = TDictionary<string,TVCFRec>; // #reference
  TVCFPos = TDictionary<integer,TVCFRef>; // #position

  TVCFFile = class (TDictionary<string,TVCFPos>) // #chr
  private
       <...>
  protected
       <...>
  public
       <...>
  end;

事实上，这是一个三级 TDictionary，它从设备/设备/档案中获取原始数据并将所有内容放在货架上，提供快速访问（非常快，选择 TDictionary 是因为它的速度和便利性工作）、搜索、记录、处理，甚至输出到 3d 打印机 :)
它的三级特性允许您快速找到向量 {染色体、染色体中的位置、参考中的替换类型}（chr、位置, 参考)
直到现在，载体对于一位患者来说一直是唯一的，即 向量中所有三个变量的组合只能在一个人中出现一次。
现在有关于新突变的数据，而且我们已经扩展了我们的能力。结果，丢失了第三个参数的唯一性，即 在给定染色体上的给定位置，可以有不同的参考替换。TVCFRef不能再使用，因为其中的字符串键可能不是唯一的。
转到数据库，另一种方法等。行不通-很多已经与类似的方法相关联。生产第四层也不是一种选择。有必要完成该类的第三级，以便它允许您使用相同的引用引用相同位置的多个突变选项。
我想到的唯一选择是像这样定义 TVCFRec：

type
  TVCFR = record
      id, alt, filter, info:string;
      qual: double;
      <...>
      end;
  TVCFRec = array of TVCFR;

也就是说，如果突变不明确，则数组的长度将不同于一，我们将能够通过枚举处理所有突变。
解决方案对我来说似乎不正确。也许有替代品？

delphi

1 个回答

  1. Best Answer

    我将回答我自己的问题，因为对于生物信息学家来说，类似的任务可能会越来越频繁地发生。

    我们试图模拟未来几年的情况（改进仪器，直到远离 NGS，增加追踪突变的数量，增加对自己基因组分析的兴趣）。在关键变体中，我们发现密钥的非唯一性出现在 26.2% 的情况下。这是预期的最大值。基于此，最合乎逻辑的做法是不引入第 4 级 TDictionary，而是按预期使用数组。

    不过，如果找到更优化的解决方案，我想保留这个问题。

    • 2

相关问题