[論文レビュー] Complexity of Sequence-to-Graph Alignment with Co-Linear Chaining

Xingfu Li|arXiv (Cornell University)|Feb 5, 2026

Genomics and Phylogenetic Studies被引用数 0

ひとこと要約

論文は Gap-sensitive Co-Linear Chaining が SETH の下でサブ二次アルゴリズムを受け入れる可能性が低いこと、Edit-CLC はグラフ誤差を伴うと NP-hard であることを示しており、コ-linear chaining はシーケンス-グラフ整列の固有の複雑さを低減しないことを示唆しています。

ABSTRACT

Sequence alignment is a cornerstone technique in computational biology for assessing similarities and differences among biological sequences. A key variant, sequence-to-graph alignment, plays a crucial role in effectively capturing genetic variations. In this work, we introduce two novel formulations within this framework: the Gap-sensitive Co-Linear Chaining (Gap-CLC) problem and the Co-Linear Chaining with Errors based on Edit Distance (Edit-CLC) problem, and we investigate their computational complexity. We show that solving the Gap-CLC problem in sub-quadratic time is highly unlikely unless the Strong Exponential Time Hypothesis fails -- even when restricted to binary alphabets. Furthermore, we establish that the Edit-CLC problem is NP-hard in the presence of errors within the pan-genome graph. These findings emphasize that incorporating co-linear structures into sequence-to-graph alignment models fails to reduce computational complexity, highlighting that these models remain at least as computationally challenging to solve as those lacking such prior information.

研究の動機と目的

• ゲノム変異を解析する基本ツールとしてのシーケンス-グラフ整列を動機づける。
• この枠組みの中で Gap-CLC と Edit-CLC をコ-linear chaining の定式化として導入する。
• Gap-CLC と Edit-CLC の計算上の困難さを分析し、コ-linear chaining の限界を理解する。
• コ-linear chaining は非コ-linear モデルと比較して計算複雑性を単純化しないことを示す。

提案手法

• クエリとパンゲノムグラフの出現のデカルト積を結合点として定義し、暗黙のアンカー集合を形成する。
• Gap-CLC と Edit-CLC をギャップコスト関数とアンカーチェーンで定式化する。
• 既知の問題（Single-Exa-SGM および Single-Err-SGM）から Gap-CLC および Edit-CLC への線形時間削減を提供し、複雑さを確立する。
• SETH の下で Gap-CLC のサブ二次的困難性を二進アルファベット上での削減を用いて証明する。
• グラフ誤差が許される場合の Edit-CLC の NP-hard を、Single-Err-SGM からの線形時間削減を用いて証明する。

実験結果

リサーチクエスチョン

• RQ1 Gap-CLC は一般的なパンゲノムグラフ、あるいは二進アルファベット上で SETH の下でサブ二次時間アルゴリズムを許すか。
• RQ2 パンゲノムグラフ上で誤差を許す場合の Edit-CLC は NP-hard かつ二進アルファベット上でもこの困難性が持続するか。
• RQ3 シーケンス-グラフ整列におけるコ-linear chaining の定式化は非コ-linear モデルと比較して計算複雑性を削減するか。

主な発見

• Gap-CLC は Strong Exponential Time Hypothesis が崩れない限りサブ二次時間で解けない可能性が高い（二進アルファベットでも同様）。
• Edit-CLC はパンゲノムグラフ上で誤差を許容する場合に NP-hard。これにより二進アルファベット上でも同様の困難性が存在する。
• Single-Exa-SGM から Gap-CLC への線形時間削減は Gap-CLC のサブ二次的難易度を示す。
• Single-Err-SGM から Edit-CLC への線形時間削減はグラフ誤差付き Edit-CLC の NP-hard を確立する。
• シーケンス-グラフ整列におけるコ-linear chaining はコ-linearity の有無にかかわらず計算複雑性を低減しない。