[論文レビュー] Circular Trace Reconstruction

Shyam Narayanan, Michael Ren|arXiv (Cornell University)|Sep 2, 2020

DNA and Biological Computing被引用数 4

ひとこと要約

本稿は、循環文字列のビット削除とその後のランダムな巡回シフトを経て生成されるトレースを用いた、円形トレース再構成を導入する。素数または半素数長の文字列の再構成において、exp(~O(n^{1/3}))というほぼ最適なトレース複雑度を確立し、ランダムな循環文字列に対しては多項式トレース複雑度を示している。一方、任意の循環文字列に対しては、~Ω(n³)のトレースが必要である下界を示している。

ABSTRACT

Trace Reconstruction is the problem of learning an unknown string $x$ from independent traces of $x$, where traces are generated by independently deleting each bit of $x$ with some deletion probability $q$. In this paper, we initiate the study of Circular Trace Reconstruction, where the unknown string $x$ is circular and traces are now rotated by a random cyclic shift. Trace reconstruction is related to many computational biology problems studying DNA, which is a primary motivation for this problem as well, as many types of DNA are known to be circular. Our main results are as follows. First, we prove that we can reconstruct arbitrary circular strings of length $n$ using $\exp\big( ilde{O}(n^{1/3})\big)$ traces for any constant deletion probability $q$, as long as $n$ is prime or the product of two primes. For $n$ of this form, this nearly matches the best known bound of $\exp\big(O(n^{1/3})\big)$ for standard trace reconstruction. Next, we prove that we can reconstruct random circular strings with high probability using $n^{O(1)}$ traces for any constant deletion probability $q$. Finally, we prove a lower bound of $ ilde{\Omega}(n^3)$ traces for arbitrary circular strings, which is greater than the best known lower bound of $ ilde{\Omega}(n^{3/2})$ in standard trace reconstruction.

研究の動機と目的

• トレース再構成を循環文字列に対して研究し、各トレースが元の文字列のランダムな巡回シフトとビット削除を経て生成されることを想定する。
• 高い確率で未知の循環文字列を再構成するために必要なトレースの数を特定する。
• 特に標準トレース再構成との比較において、円形トレース再構成のトレース複雑度の上界と下界を確立する。
• DNAベースのデータストレージおよびシークエンシングにおいて、循環DNAが一般的であることに鑑み、循環構造の意味を検討する。

提案手法

• 著者らは、素数または半素数長の文字列の性質を活用し、ランダムな巡回シフトとビット削除の下での循環文字列の構造を分析する。
• 確率的技法と組合せ的議論を用いて、再構成に必要なトレース数の上限を導出し、トレース分布による文字列の区別を焦点にしている。
• ランダムな循環文字列に対しては、集中不等式とエントロピーに基づく議論を適用し、高確率でn^{O(1)}のトレースで十分であることを示している。
• 情報理論的議論を用いて下界を導出し、任意の循環文字列を再構成するにはΩ̃(n³)のトレースが必要であることを示している。これは、標準トレース再構成における既知の最良下界よりも強い。

実験結果

リサーチクエスチョン

• RQ1 長さnの任意の循環文字列を、ランダムな巡回シフトとビット削除によって生成されるトレースを用いて再構成するために、どの程度のトレース複雑度が必要か？
• RQ2 円形文字列のトレース複雑度を、標準トレース再構成における最良知られていた境界に近づけることができるか？
• RQ3 文字列長の構造（例えば、素数または半素数）は、円形トレース再構成におけるトレース複雑度にどのように影響するか？
• RQ4 円形トレース再構成に必要なトレース数の情報理論的下界は何か？

主な発見

• 長さnが素数または2つの素数の積である循環文字列に対して、本稿はexp(~O(n^{1/3}))というトレース複雑度を達成しており、標準トレース再構成における最良知られていた境界にほぼ一致している。
• ランダムな循環文字列に対しては、本稿は高確率でn^{O(1)}のトレースで十分であることを示しており、典型的なインスタンスに対して多項式トレース複雑度を提供している。
• 任意の循環文字列を再構成するにあたり、本稿は~Ω(n³)のトレース下界を確立している。これは、標準トレース再構成における既知の最良~Ω(n^{3/2})の下界を上回っている。
• 結果として、円形構造は、特に最悪ケース設定において、標準トレース再構成と比較して新たな課題とより高いトレース複雑度をもたらすことが示された。