LeetCode 187 - Repeated DNA Sequences

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"].

solution 1:

考虑到只有4种字母，ACGT，固定10位字符，所以排列组合数是一定的，仅有4^10 = 1048576种可能。因此，可以让10位字符序列做一个Hash。

A = 00
C = 01
G = 10
T = 11

将他们拼接起来，变成一个数value。

如： AAACCC = 00 00 00 01 01 01 （二进制） = 21 （十进制）

然后遍历整个序列，每10个字符生成一个value。因为只需要判断10个字符的值，每个字符占2位，所以我们只需要20位的bit，通过掩码0xFFFFF来过滤掉10位之前的字符所对应的位。当某value出现过一次后，就将对应的序列加入到结果中。

public List<String> findRepeatedDnaSequences(String s) {
    List<String> result = new ArrayList<>();
    Map<Character, Integer> map = new HashMap<>();
    map.put('A', 0);
    map.put('C', 1);
    map.put('G', 2);
    map.put('T', 3);
    Map<Integer, Integer> sumMap = new HashMap<>();
    // if(s == null || s.length() < 10) return result;
    int sum = 0;
    for(int i=0; i<s.length(); i++) {
        sum = ((sum << 2) + map.get(s.charAt(i))) & 0xFFFFF;
        if(i < 9) continue;
        Integer cnt = sumMap.get(sum);
        if(cnt != null && cnt == 1) {
            result.add(s.substring(i-9,i+1));
        } 
        sumMap.put(sum, cnt != null ? cnt+1 : 1);
    }
    return result;
}

 

Solution 2:

我们可以考虑使用A,C,G,T的ASCII码的二进制来替代map映射表。当然，必须保证字符大小写格式完全统一。

A: 1000001

C: 1000011

G: 1000111

T: 1010100

可以看出，A,C,G,T的后三位都不同。我们可以仅用后三位来代表每个字符。10个字符的话我们需要30位，正好低于Integer的32位。这次我们则需要30位的掩码 0x3FFFFFFF 来保证我们只拿30位即最近10个字符。

public List<String> findRepeatedDnaSequences(String s) {
    List<String> result = new ArrayList<>();
    Map<Integer, Integer> sumMap = new HashMap<>();
    int sum = 0;
    for(int i=0; i<s.length(); i++) {
        sum = ((sum << 3) | (s.charAt(i) & 7)) & 0x3FFFFFFF;
        if(i < 9) continue;
        Integer cnt = sumMap.get(sum);
        if(cnt != null && cnt == 1) {
            result.add(s.substring(i-9, i+1));
        } 
        sumMap.put(sum, cnt != null ? cnt+1 : 1);
    }
    return result;
}