迷信家解码了愈来愈多的基因组，但对遗传学家或研讨人员来讲，寻觅无机体的同享基因组是一件非常艰难的义务——由于要对照的DNA字母难以计数。若何疾速搜刮伟大的生物信息学数据库?多半研讨人员利用的是BLAST或FASTA算法，它们实质上一一对照每一个基因组。如今中国第三大搜刮引擎、腾讯旗下搜搜(SOSO.com)的一名盘算机迷信家王亮(Wang Liang)提出使用中文索引算法去检索生物信息。

　　王亮指出，中文的每一个字之间没有留下距离，因而索引中文文档的一种办法是将文天职解成N个片断(n-grams)，N代表字数，1-grams暗示一个汉字，2-grams暗示两个汉字，3-grams暗示三个汉字，一些中文搜刮引擎就只索引2-grams。王亮称，DNA序列的统计散布应当遵守齐夫定律(Zipf's law)。齐夫定律是指一个单词呈现的频率与它在频率内外的排名成正比，频率最高的单词呈现的频率大约是呈现频率第二位的单词的2倍，而呈现频率第二位的单词则是呈现频率第四位的单词的2倍。王亮使用一样尺度去寻觅拟南芥、曲霉、果蝇和老鼠的基因组字母均匀长度，他发明均匀长度为12个字母，因而用12-gram索引基因组数据或许最优。