[論文レビュー] Mathematical and Algorithmic Analysis of Network and Biological Data

Charalampos E. Tsourakakis|arXiv (Cornell University)|Jun 30, 2014

Bioinformatics and Genomic Networks参考文献 338被引用数 10

ひとこと要約

本博士論文は、ネットワークおよび生物学的データを分析するための新しい数学的・アルゴリズム的手法を提示し、グラフ処理および動的計画法の高速化のための効率的アルゴリズム、がん亜型検出のための幾何モデル、および腫瘍系統樹の一意的再構成のための条件を導入する。主な貢献は、スケーラブルな三角形カウント、aCGHデータのノイズ除去、およびスパarsなネットワークにおけるランダムグラフのレインボーコネクティビティの理論的保証である。

ABSTRACT

This dissertation contributes to mathematical and algorithmic problems that arise in the analysis of network and biological data.

研究の動機と目的

• 大規模なグラフ処理および実世界のデータにおけるネットワーク解析のための、効率的で理論的裏付けのあるアルゴリズムの開発。
• 腫瘍発生の再構築とがん亜型の同定のための、頑健なモデルを用いた計算がん生物学における課題の解決。
• スパarsなネットワークにおけるランダムグラフモデルおよび接続性特性の理論的基盤の提供。
• aCGHデータのノイズ除去などの最適化問題における構造的洞察を活用した、動的計画法の性能向上。
• 腫瘍系統学的解析におけるがん系統樹の一意的再構成のための必要十分条件の確立。

提案手法

• スパース化とサンプリング技術を組み合わせた、大規模グラフにおける効率的三角形カウントのための次数に基づく頂点分割法を提案。
• ゲノムデータに最小体積包囲単体をフィットさせる幾何モデルを導入し、外れ値に対して頑健ながん亜型検出を実現。
• 二項および正則ランダムグラフにおけるレインボーコネクティビティのための確率的アルゴリズムを提案し、高い成功確率を達成。
• 濃度不等式とランダム射影を用いて、確率的モデル下でのグラフアルゴリズムの性能を分析。
• 構造的制約（例：補題1.1）を用いた動的計画法により、信号パターンの内蔵構造を活用してaCGHデータのノイズ除去を高速化。
• 突然変異共発現パターンに基づき、がん系統樹の一意的再構成のための組合せ的条件を確立。

実験結果

リサーチクエスチョン

• RQ1 強力な理論的保証を伴う、大規模グラフにおける効率的でスケーラブルな三角形カウントアルゴリズムを設計できるか？
• RQ2 従来のPCAやクラスタリングを上回る幾何的原則に基づいたゲノムデータにおけるがん亜型のモデル化と検出は可能か？
• RQ3 突然変異データからがん系統樹を一意に再構成できる条件は何か？
• RQ4 現実のネットワークの構造的性質は、ランダムアポロニアンネットワークを生成モデルとして用いることにどのような正当性を与えるか？
• RQ5 最適化問題に隠れた構造を活用することで、aCGHデータのノイズ除去における動的計画法をどのように高速化できるか？

主な発見

• 提示された次数ベースの三角形カウントアルゴリズムは、大規模グラフにおいて顕著な高速化を達成しながらも高い正確性を維持し、先行手法を上回る性能を示した。
• 最小体積包囲単体に基づく幾何モデルは、アレイCGHデータにおけるがん亜型の同定に成功し、ノイズおよび外れ値に対して頑健であることが実証された。
• 二項および正則ランダムグラフにおいて、確率的エッジ色分け手順が高確率でレインボーコネクティビティを達成し、実用的応用における理論的裏付けを提供した。
• 本研究では、|P_i1 - P_i2| > 2√(2C) ならば、最適なL2ノルムセグメンテーションにおいて i1 と i2 は別々のセグメントに属する必要があることを証明した。これにより、動的計画法の高速化が可能となった。
• がん系統樹の一意的再構成のための必要十分条件が確立され、観察された突然変異パターンと整合する最小の木の族の同定が可能となった。
• グラフ分割のフレームワークにより、パワー法則指数などの構造的性質が、スペクトル分割におけるγのヒューリスティック選択を指導致すことが示された。これにより、性能予測の精度が向上した。