「ヒトゲノム全体を最速4秒で検索する新システム」記事へのコメント

見出しで誤読

[Anonymous Coward]

最速約４秒って悪い意味に誤読してしまいました。ワーストケースについてはリリースでも触れられていませんが、専門家にとってはどんなものなんでしょうか？

Re:見出しで誤読

[Anonymous Coward]

実は線形検索で、初期化に4秒かかるだけだったりして

Re:見出しで誤読

[Anonymous Coward]

うちの顧客情報(顧客マスタ50億件)は*最速*2秒くらいで検索できますよ
4秒？全然遅いじゃん(嘲笑)

# 最速じゃなくて平均値言ってみろよ、と思うAC

Re:見出しで誤読

[Anonymous Coward]

ゲノムのデータ構造って四種類の文字がずーーーーっと並んでるだけで、
index化しづらいデータ構造な気がするんですが。
こういうのってトークンに区切れる文章や、一般的なRDBに対するクエリと全然種類が違うと思うんですが、どうなんすかね。
そんな簡単に比べられるんですかね？

Re:見出しで誤読

[Anonymous Coward]

この分野には、素人ですが、同じような文字が並び続けるという意味では、辞書式の圧縮みたいな感じでインデックス化できそうですよね。そういう意味では、意外と検索はしやすいような気もしますが。
識者の方、間違っていたらご指摘ください。

Re:見出しで誤読

[Anonymous Coward]

識者ではないですが，
例えば全体の90%が一致＝10%が異なっているのを「高い相同性」という世界です．
http://www.ddbj.nig.ac.jp/search/archives/blast_doc-j.html [nig.ac.jp]
MD5のような方法でのインデックス化は無理です．

Re:見出しで誤読

[Anonymous Coward]

辞書式なやり方としてはsuffix arrayを使ったインデックス化などが既にありますね。
ただし、ゲノム検索の目的はexact matchを求めることではなく、
# このため、インデックス化をいかに効率よく実現しても、顧客情報の検索のようにはうまく行きません
ある類似度を基準としたmatchingなので、データ構造以外のアルゴリズムも速度と精度を高める上で重要です。 より早く、より高い感度で、が求められてる世界ですね。