我有大量（~100GB）含有DNA序列的文件。它们在前两列上排序。例如：
chr position allele coverage otherStuff
1 1000 A 10 ...
1 1001 C 1 ...
2 10 A 10 ...
X 1000 G 3 ...
Y 1000 A 13 ...
我想将它们加载到数据库中，因此我可以更有效地查询它们（目前，我进行全面扫描以找到某个位置，但是因为它已经排序，所以应该可以在O中执行它（记录n））。我之前使用过MySQL的'load data infile'，但是如果我想在chr和position上创建一个索引，它会忽略数据已经排序并再次排序的事实。
有解决方法吗？我可以说服MySQL（或任何其他数据库，我不受MySQL限制）我的数据是否已被排序？
提前致谢！
答案 0 :(得分：2)
对于那些基因组位置，您应使用Kent ＆amp; amp;描述的 binning 索引。 http://genome.cshlp.org/content/12/6/996.full
中的al。另请参阅http://genomewiki.ucsc.edu/index.php/Bin_indexing_system和http://biostar.stackexchange.com/questions/957/the-bin-column-used-by-sam-ucsc