[論文レビュー] On Computing the Dollo-1 phylogeny in polynomial time

Paola Bonizzoni, Gianluca Della Vedova+2 more|arXiv (Cornell University)|Nov 3, 2016

Algorithms and Data Compression参考文献 23被引用数 4

ひとこと要約

本論文は、各バイナリーキャラクターが最大1回しか獲得されず、最大1回しか失われないような進化的な系統樹を再構築する、恒続的系統樹問題（PPP）に対する最初の多項式時間アルゴリズムを提示する。赤黒グラフとして問題をモデル化し、安全なソース同定を用いた再帰的削減フレームワークを用いることで、計算生物学分野における20年間にわたる未解決問題を解決した。

ABSTRACT

The Dollo model for reconstructing evolutionary trees from binary characters has been proposed as a generalization of the infinite sites model, also known as the Perfect Phylogeny. In particular, the Dollo model is considered more realistic than the Perfect Phylogeny for inferring the evolution of tumor mutations. In the case of binary matrices, the Dollo-$k$ model requires an evolutionary tree in which each character, corresponding to a column in the input matrix, may change from $0$ to $1$ at most once, and from $1$ to $0$ at most $k$ times throughout the entire tree. Given a binary matrix, the problem of deciding whether there exists a Dollo-$k$ tree compatible with the matrix is NP-complete for any fixed $k \geq 2$, while computing a Dollo-$0$ tree corresponds to the Perfect Phylogeny decision problem, which admits a simple linear-time algorithm. The Dollo-$1$ tree problem corresponds to the Persistent Phylogeny problem, whose computational complexity, albeit under an equivalent formulation, was posed as an open question 20 years ago. We solve this problem by presenting a polynomial-time algorithm for the Persistent Phylogeny problem. Our solution relies on efficiently solving a specific class of binary matrices, represented as bipartite graphs called \emph{skeleton graphs}, or simply skeletons. In these graphs, characters are \emph{maximal}, that is their corresponding sets of species are not related by inclusion.

研究の動機と目的

• 1996年以来長年にわたり提起されてきた、恒続的系統樹問題（PPP）の計算複雑性に関する長年の未解決問題に取り組む。
• 与えられたバイナリ行列が恒続的系統樹を許容するかどうかを決定する効率的なアルゴリズムを開発する。
• 解が存在する場合には多項式時間で恒続的系統樹を構築し、実用的で情報豊かな進化的モデルを提供する。
• PPPの複雑性を明確にし、関連する最適化バージョンがNP完全であるのとは対照的に、多項式時間で解けることを示す。
• 赤黒グラフと図解分析に基づくグラフ理論的フレームワークを提供し、効率的な計算と正しさの証明を可能にする。

提案手法

• PPPを、頂点が分類群を表し、辺がキャラクター状態の遷移を表す赤黒グラフ（G_R_B）としてモデル化する。
• 特定の構造的性質を持つキャラクターを同定することで、再帰的に簡略化する「削減」の概念を定義・適用する。
• 普遍的キャラクター、フリーのキャラクター、または非連結成分が存在するかをチェックする再帰的アルゴリズム（Reduce）を適用し、削減ステップを誘導する。
• グラフの最大キャラクターから導出される図から「安全なソース」の概念を導入し、普遍的またはフリーのキャラクターが存在しない場合の正しい削減を可能にする。
• 実装関数（Realize）を用いて、キャラクターのシーケンスを実装した後、赤黒グラフを更新し、恒続的系統樹の制約と整合性を保つ。
• グラフ理論的定理（例：定理9、定理28）を活用し、安全なソース選択の正当性を保証するとともに、多項式時間での実行を保証する。

実験結果

リサーチクエスチョン

• RQ1 恒続的系統樹問題は多項式時間で解けるのか、それともNP完全なのか？
• RQ2 PPPのグラフ理論的定式化を用いて、正当な正しさが保証された効率的なアルゴリズムを設計できるか？
• RQ3 赤黒グラフの構造的性質（例：普遍的キャラクター、安全なソース）は、再帰的削減プロセスを誘導するためにどのように活用できるか？
• RQ4 PPPの解の存在は、赤黒グラフフレームワークにおける有効な削減シーケンスに対応するか？
• RQ5 アルゴリズムは、非連結グラフや退化した図を含むすべてのケースを正しく処理しながら、多項式時間で実装可能か？

主な発見

• 恒続的系統樹問題は多項式時間で解けることが判明し、計算生物学分野における20年間にわたる未解決問題が解決された。
• 提案されたアルゴリズムは、赤黒グラフの再帰的削減に基づくものであり、多項式時間で動作し、恒続的系統樹の存在を正しく同定する。
• アルゴリズムは、非連結グラフ、普遍的キャラクター、フリーのキャラクター、および図における安全なソース選択を含むすべてのケースを正しく処理する。
• 正しさは、削減シーケンスの長さに関する帰納法により証明され、各再帰的ステップを支える重要な補題が存在する。
• 各再帰的呼び出しで少なくとも1つの符号付きキャラクターが削減されるため、時間計算量は多項式時間である。また、安全なソースの同定も多項式時間で計算可能である。
• アルゴリズムは有効な恒続的系統樹を計算するか、解が存在しない場合には中止され、構造的グラフの性質と図解分析により正しさが検証される。