[論文レビュー] Solving Tree Containment Problem for Reticulation-visible Networks with Optimal Running Time

Andreas D. M. Gunawan|arXiv (Cornell University)|Feb 14, 2017

Genomics and Phylogenetic Studies参考文献 6被引用数 4

ひとこと要約

本稿では、二進分岐の網状可視ネットワークにおける木包含問題（TCP）に対して、安定ノードの構造的性質と新規の分解戦略を活用することで、最適な効率性を達成する線形時間アルゴリズムを提示する。可視性条件を活用し、下位から上位へとサブネットワークを処理することで、時間計算量を従来の二次時間の境界から O(n) に削減する。ここで n はリーブの数を表す。

ABSTRACT

Tree containment problem is a fundamental problem in phylogenetic study, as it is used to verify a network model. It asks whether a given network contain a subtree that resembles a binary tree. The problem is NP-complete in general, even in the class of binary network. Recently, it was proven to be solvable in cubic time, and later in quadratic time for the class of general reticulation visible networks. In this paper, we further improve the time complexity into linear time.

研究の動機と目的

• 系統発生ネットワークにおける木包含問題（TCP）の計算非効率性に対処すること。これは一般には NP 完全である。
• 従来の二次時間アルゴリズムを改善し、網状可視ネットワークに対して最適な線形時間計算量を達成すること。
• 与えられた二進木が網状可視ネットワーク内に表示されているかどうかを検証する実用的で効率的なアルゴリズムを開発すること。
• 他のネットワーククラスへの一般化を図るため、効率的計算を可能にする構造的性質を同定すること。

提案手法

• 可視性性質に基づく分解戦略を用い、単一のリーブに縮約可能なネットワーク内の最低位のコンポーネントに焦点を当てる。
• サブネットワークの異なる構造的配置に特化した3つの専用解体手順——Dissolve_C1、Dissolve_C2、Dissolve_C3——を適用する。
• 各コンポーネントに対して、事前処理と効率的な走査技術を活用した二進木の部分木同型性を線形時間で比較することで確認する。
• リーブから根へと下位から上位へとネットワークを走査する。これにより、各サブネットワークが一度だけ処理されるように保証する。
• 幅優先探索と後行順走査を用いてコンポーネントを特定・縮約し、安定祖先の性質を維持することで正しさを保証する。
• サブネットワークのコンact表現を維持し、ラベル集合の包含関係のチェックを用いて、一致しないケースを早期に終了する。

実験結果

リサーチクエスチョン

• RQ1 網状可視ネットワークにおける木包含問題は線形時間で解けるか？
• RQ2 網状可視ネットワークのどの構造的性質が最適な時間計算量を達成するために活用可能か？
• RQ3 サブネットワークの分解をどのように効率的に行うことで線形時間処理を実現できるか？
• RQ4 提案されたアルゴリズムは、網状可視ネットワークに限らず、より広いクラスの系統発生ネットワークへも拡張可能か？

主な発見

• 提案されたアルゴリズムは、二進網状可視ネットワークにおける木包含問題を O(n) 時間で解く。ここで n はリーブの数を表す。
• 時間計算量は最適であり、入力ネットワークのサイズが示す下界と一致する。
• これは、特に安定ノードをルートとする最低位のコンポーネントの構造的単純性を活用することで達成される。
• 分解および解体手順（Dissolve_C1、Dissolve_C2、Dissolve_C3）は、それぞれ処理するサブネットワークのサイズに比例する線形時間で実行される。
• 全体の TCPSolver アルゴリズムは、網状可視ネットワークにおけるノード数 |V(N)| に対して O(|V(N)|) 時間で実行される。これは、網状可視ネットワークにおけるネットワークサイズが n に対して O(n) であることに起因する。
• 安定ノードに類似した構造的性質を持つノードが存在する限り、この手法は他のネットワーククラスへも一般化可能である。