[論文レビュー] A Fast Algorithm for Computing Geodesic Distances in Tree Space

Megan Owen, J. Scott Provan|ArXiv.org|Jul 23, 2009

Genetic diversity and population structure参考文献 19被引用数 5

ひとこと要約

この論文は、系統樹のトポロジーとエッジ長を組み合わせた連続的メトリクス空間としてのツリースペースにおいて、系統樹間の測地線距離を計算する最初の多項式時間アルゴリズムを提示する。反復的に初期パスを、二部グラフにおける重み付き頂点被覆を用いて新たに特定された直交錐を通るより短いパスに段階的に改善することで、任意の二つの系統樹間の唯一の最短パス（測地線）を効率的に計算する。

ABSTRACT

Comparing and computing distances between phylogenetic trees are important biological problems, especially for models where edge lengths play an important role. The geodesic distance measure between two phylogenetic trees with edge lengths is the length of the shortest path between them in the continuous tree space introduced by Billera, Holmes, and Vogtmann. This tree space provides a powerful tool for studying and comparing phylogenetic trees, both in exhibiting a natural distance measure and in providing a Euclidean-like structure for solving optimization problems on trees. An important open problem is to find a polynomial time algorithm for finding geodesics in tree space. This paper gives such an algorithm, which starts with a simple initial path and moves through a series of successively shorter paths until the geodesic is attained.

研究の動機と目的

• ビルナ、ホルムズ、フォグトマンが導入した連続的ツリースペースにおける系統樹間の測地線距離を計算するための効率的アルゴリズムの欠如に対処する。
• GeoMeTree や GeodeMaps のような従来の手法が指数的多くの候補パスを探索するため、実行時間が指数的になる問題を克服する。
• 二つの系統樹間の正確な測地線距離とパスを計算する多項式時間アルゴリズムを開発し、大規模な系統樹への実用的応用を可能にする。
• 共通エッジやリーフエッジ長を含む系統樹を扱えるようにこの手法を拡張し、生物学的および計算的有用性を広げる。
• 重心の計算やオブジェクト指向データ解析における直線のフィッティングといった、ツリースペースにおける高度な統計的・最適化手法の基盤を提供する。

提案手法

• 初期パスを、異なる系統樹トポロジーに対応する直交錐を通る折れ線的パスとして表現することで、ツリースペース内の二つの系統樹を接続する。
• 各反復で、二つの入力系統樹のエッジ集合から二部グラフを構築し、最小重み頂点被覆を解くことで、真の測地線と交差する新たな直交錐を同定する。
• 現在のパスを、新たに特定された直交錐を最適に通るように変換し、合計パス長を短縮する。
• ツリースペースの CAT(0) 性質を活用して、各パスの改善が長さを厳密に減少させることを保証し、測地線への収束を保証する。
• 測地線に寄与する直交錐の数が葉の数に関して多項式的に制限されることを活かし、反復回数を多項式的境界に抑える。
• 共通エッジを扱うために、パスを共有エッジと非共有エッジのセグメントに分解し、測地線パス全体で共有エッジ長を保持する。

実験結果

リサーチクエスチョン

• RQ1 連続的ツリースペースにおける二つの系統樹間の正確な測地線距離を計算する多項式時間アルゴリズムを設計することは可能か？
• RQ2 関連する直交錐を特定し、それらを通るパスを段階的に改善することで、測地線パスをどのように反復的に構築できるか？
• RQ3 効率的に次の直交錐を同定するために使用できる組合せ的構造（例えば、二部グラフにおける頂点被覆）は何か？
• RQ4 このアルゴリズムは、重複するエッジやリーフエッジ長を含む系統樹をどのように扱えるように拡張できるか？
• RQ5 この手法は、ツリースペースにおける重心の計算やオブジェクト指向データ解析における直線のフィッティングといった、新たな統計的手法の実現にどの程度貢献できるか？

主な発見

• 提案されたアルゴリズムは多項式時間で実行され、特に n-リーフ系統樹に対して O(n^3) であり、正確な測地線距離計算のための最初のこのような手法である。
• ツリースペースの CAT(0) 構造のおかげで、任意の二つの系統樹間の唯一の最短パス（測地線）への収束が保証される。
• 測地線が通過する直交錐の数は、リーフの数に関して多項式的に上限が与えられ、アルゴリズムが多項式的数のステップしか実行しないことを保証する。
• パス変換プロセス全体で共有エッジ長を保持するため、共通エッジを含む系統樹を正しく処理する。
• パス構築と計算量が両方とも多項式のまま維持されるため、リーフエッジ長を含む系統樹に対しても、この手法は自然に拡張可能である。
• このアプローチにより、GeoMeTree や GeodeMaps のような従来の手法が抱える指数的実行時間の制限を克服し、大規模な系統樹に対する測地線距離の実用的応用が可能になった。