ساختارهای داده نمایه سازی و توالی های ژنوم و پروتئینی

ساختار داده ابزاری برای ذخیره و بازیابی بوده و به طور کلی، روش منطقی و ریاضی یک سازماندهی خاص از داده ها نامیده می شود. کشف توالی های مختلف ژنوم و پروتئین در جانداران مختلف نیاز به نمایه سازی آن و نوع ساختار داده متناسب، در جهت بازیابی سریعتر را افزایش داده است. ساختارهای داده رشته ای در طول سال های اخیر پرکاربردترین ساختارهای داده نمایه سازی ژنوم بوده است. به لحاظ روش پژوهش این مقاله حاضر مروری بوده و با بررسی مقالات مختلف مرتبط، سه نوع ساختار داده نمایه سازی پایگاه های ژنوم از جمله رشته ای، درخت پسوندی، آرایه پسوندی و نمودار مارپیچ مستقیم کلمه را معرفی می نماید. نتایج پژوهش نشان می دهد که درخت پسوندی و نمودار مارپیچ مستقیم کلمه ساختارهایی با حجم بالا و آرایه پسوندی حجم کمتری را در حافظه اشغال می کنند. درخت پسوندی و نمودار مارپیچ مستقیم کلمه، نسبتا پویا بوده اما آرایه پسوندی ساختاری مرتب شده بوده و تغیر داده ها در این ساختار به سختی صورت می گیرد. آرایه پسوندی می تواند بر روی حافظه های جانبی ذخیره پیاده سازی شود با وجود اینکه بازیابی داده ها در آن به کندی صورت می گیرد. اما در مورد نمودار مارپیچ مستقیم کلمه امکان ذخیره سازی در حافظه جانبی امکان نداشته و درخت های پسوندی نیز ناکارآمد می باشد.