Repeated DNA Sequences

最新推荐文章于 2024-08-17 16:52:22 发布

转载最新推荐文章于 2024-08-17 16:52:22 发布 · 391 阅读

leetcode 专栏收录该内容

18 篇文章

订阅专栏

本文介绍了一种高效查找DNA中重复出现的10字母长序列的方法。利用ACGT四种核苷酸对应的ASCII值特性，通过位操作实现快速哈希，有效减少内存使用并加速查找过程。

注：这种方法是在leetcode的讨论区看到的，所以说是转载，如有不妥，私信删除。

题目描述：

All DNA is composed of a series of nucleotides abbreviated as A, C, G, and T, for example: "ACGAATTCCG". When studying DNA, it is sometimes useful to identify repeated sequences within the DNA.

Write a function to find all the 10-letter-long sequences (substrings) that occur more than once in a DNA molecule.

For example,

Given s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT",

Return:
["AAAAACCCCC", "CCCCCAAAAA"].

Subscribe to see which companies asked this question.

思路：

ACGT四个字母的ASCII值分别是65，67，71，84，暂且将四个字母的ASCII值设为x，所以（x-'A'+1）%5分别为1，3，2，0，也就是说每个字母只需要2bit就可以表示，20个bit就可以表示长度为10的字符串。

代码：

class Solution {
public:
vector<string> findRepeatedDnaSequences(string s) {
vector<string> res;
unordered_map<int,int> hash;
int hashnum=0;
int len=s.size();
if (len<11)
return res;
for (int i=0; i<9; i++)
hashnum=hashnum<<2|(s[i]-'A'+1)%5;
for (int i=9;i<len; i++)
{
hashnum=(hashnum<<2|(s[i]-'A'+1)%5)&0xfffff;
if (hash[hashnum]++==1)
res.push_back(s.substr(i-9,10));
}
return res;

}
};