C语言解决生物序列k-mer的检索问题
给定一个DNA序列，这个系列只含有4个字母ATCG，如 S =“CTGTACTGTAT”。给定一个整数值k，从S的第一个位置开始，取一连续k个字母的短串，称之为k-mer（如k= 5，则此短串为CTGTA）， 然后从S的第二个位置， 取另一k-mer（如k= 5，则此短串为TGTAC），这样直至S的末端，就得一个集合，包含全部k-mer 。 如对序列S来说，所有5-mer为｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝通常这些k-mer需一种数据索引方法，可被后面的操作快速访问。例如，对5-mer来说，当查询CTGTA，通过这种数据索引方法，可返回其在DNA序列S中的位置为｛1，6｝。
问题
现在以文件形式给定 100万个 DNA序列，序列编号为1-1000000，每个基因序列长度为100 。
（1）要求对给定k， 给出并实现一种数据索引方法，可返回任意一个k-mer所在的DNA序列编号和相应序列中出现的位置。每次建立索引，只需支持一个k值即可，不需要支持全部k值。
（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。
（3）给出建立索引所用的计算复杂度，和空间复杂度分析。
（4）给出使用索引查询的计算复杂度，和空间复杂度分析。
（5）假设内存限制为8G，分析所设计索引方法所能支持的最大k值和相应数据查询效率。
（6）按重要性由高到低排列，将依据以下几点，来评价索引方法性能
• 索引查询速度
• 索引内存使用
• 8G内存下，所能支持的k值范围
• 建立索引时间
对问题进行分析：要求对给定k， 给出并实现一种数据索引方法，可返回
任意一个k-mer 所在的DNA 序列编号和相应位置，所给序列中的碱基种类只
有A, C , G , T 四种，根据哈希算法【3】进制转换的思想，令碱基A- > 0，
C- > 1， G- > 2， T- > 3， 从而k- m e r 可以看成一个四进制的序列数， 根
据四进制对十进制的转化方法可得到一个十进制数,当取定一个k
的值时，在每一行的长度为10 0 的碱基序列中，可得到10 0 - k + 1 个
十进制数， 将输入的特定的k 个碱基片段在10 0 万行中以十进制的
形式进行匹配， 程序会输出碱基片段所在的行标， 列标。
敢问大神们 这个程序 用C语言怎么实现 请大神们给出代码，感激不尽
