[論文レビュー] Locating a Tree in a Reticulation-Visible Network in Cubic Time

Andreas D. M. Gunawan, Bhaskar DasGupta+1 more|arXiv (Cornell University)|Jul 8, 2015

Genomics and Phylogenetic Studies参考文献 18被引用数 7

ひとこと要約

この論文は、リティキュレーション可視系統ネットワークにおける木包含問題（TCP）の立方時間アルゴリズムを提示する。これは計算系統生物学分野における長年の未解決問題である。著者らは、リティキュレーション可視ネットワークの構造的性質を明らかにする新しい分解定理を活用し、クラスタ包含問題の線形時間アルゴリズムも開発した。さらに、$n$ 枚の葉をもつギャルドネットワークは、最大で $2(n-1)$ 個のリティキュレーションノードを持つことを証明した。

ABSTRACT

In this work, we answer an open problem in the study of phylogenetic networks. Phylogenetic trees are rooted binary trees in which all edges are directed away from the root, whereas phylogenetic networks are rooted acyclic digraphs. For the purpose of evolutionary model validation, biologists often want to know whether or not a phylogenetic tree is contained in a phylogenetic network. The tree containment problem is NP-complete even for very restricted classes of networks such as tree-sibling phylogenetic networks. We prove that this problem is solvable in cubic time for stable phylogenetic networks. A linear time algorithm is also presented for the cluster containment problem.

研究の動機と目的

• リティキュレーション可視ネットワークにおける木包含問題（TCP）が多項式時間で解けるかどうかという未解決問題を解明すること。
• リティキュレーション可視ネットワークにおけるTCPおよびクラスタ包含問題（CCP）のための効率的アルゴリズムを開発すること。
• ギャルドネットワークにおけるリティキュレーションノードの構造的上限を確立すること。
• すべてのリティキュレーション可視ネットワークに適用可能な分解定理を用いて理論的基盤を提供すること。
• 将来的なネットワーク再構築および遺伝子系統からの同型性テストの研究を支援すること。

提案手法

• リティキュレーション可視ネットワークの構造を特定するための分解定理（定理4.1）を提案。具体的には、最低のビッグツリーノード成分やその部分ネットワークを同定することで、ネットワークの構造的性質を特徴付ける。
• 分解定理を用いて、成分内の部分木の整合性を再帰的にチェックすることで、TCPの立方時間アルゴリズムを設計する。
• 最低のビッグツリーノード成分と効率的なLCA計算を活用し、補助木上で効率的なLCAクエリを実行することで、CCPの線形時間アルゴリズムを構築する。
• 部分ネットワークにおけるソフトクラスタの概念を定義・利用し、クラスタ包含の妥当性を検証する。
• 分解定理を応用して、$n$ 枚の葉をもつ任意のギャルドネットワークが、最大で $2(n-1)$ 個のリティキュレーションノードを持つことを証明する。
• パスマーキングおよびLCA事前処理技術を用いることで、CCPアルゴリズムの線形時間計算量を達成する。

実験結果

リサーチクエスチョン

• RQ1 ヴァン・イェルゼル、セミール、スティールらの予想通り、リティキュレーション可視ネットワークにおける木包含問題（TCP）は多項式時間で解けるか？
• RQ2 2進リティキュレーション可視ネットワークにおけるクラスタ包含問題（CCP）は線形時間で解けるか？
• RQ3 $n$ 枚の葉をもつギャルドネットワークに最大で何個のリティキュレーションノードが存在するか？
• RQ4 リティキュレーション可視ネットワークの構造的性質は、TCPおよびCCPのための効率的アルゴリズム設計にどのように活用できるか？
• RQ5 分解定理は非2進ネットワークへ拡張可能か？また、ネットワーク再構築や同型性テストに応用可能か？

主な発見

• 2進リティキュレーション可視ネットワークにおける木包含問題（TCP）は立方時間で解けることが示され、ヴァン・イェルゼル、セミール、スティールらが提起した未解決問題が解決された。
• 分解定理と効率的なLCAクエリを基盤として、2進リティキュレーション可視ネットワークにおけるクラスタ包含問題（CCP）の線形時間アルゴリズムが開発された。
• TCPおよびCCPの提案アルゴリズムは、非2進リティキュレーション可視ネットワークへ拡張可能であり、多項式時間計算量を維持する。
• すべての$ n $ 枚の葉をもつギャルドネットワークが、最大で $ 2(n-1) $ 個のリティキュレーションノードを持つことが証明され、タイトな構造的上限が得られた。
• 分解定理により、リティキュレーション可視ネットワークが最低のビッグツリーノード成分を再帰的に分析することで効率的アルゴリズム設計が可能であることが明らかになった。
• CCPアルゴリズムの正しさは、部分ネットワークにおけるノードの先祖関係および葉の子孫関係に基づくソフトクラスタの特徴付けにより確立された。