[논문 리뷰] Approximate Trace Reconstruction

Sami Davies, Miklós Z. Rácz외 2명|arXiv (Cornell University)|2020. 12. 12.

DNA and Biological Computing참고 문헌 38인용 수 7

한 줄 요약

이 논문은 편집 거리 $\varepsilon n$ 이내로 문자열을 복원하는 데 $\mathrm{polylog}(n)$ 개의 트레이스를 사용하는 효율적인 알고리즘을 제안한다. 이는 정확한 복원에 필요한 $\exp(\widetilde{O}(n^{1/5}))$ 개의 트레이스보다 훨씬 적다. 장기간 반복되는 비트를 가진 문자열의 클래스에 대해 트레이스 정렬과 집중 경계를 활용한 방법을 제시하며, $0 < \delta < 1/3$ 인 경우 $n^{1/3-\delta}$-근사 복원을 달성하기 위해 $n^{1+3\delta/2}/\mathrm{polylog}(n)$ 개의 트레이스가 필수적임을 보여주는 하한선을 수립한다.

ABSTRACT

In the usual trace reconstruction problem, the goal is to exactly reconstruct an unknown string of length $n$ after it passes through a deletion channel many times independently, producing a set of traces (i.e., random subsequences of the string). We consider the relaxed problem of approximate reconstruction. Here, the goal is to output a string that is close to the original one in edit distance while using much fewer traces than is needed for exact reconstruction. We present several algorithms that can approximately reconstruct strings that belong to certain classes, where the estimate is within $n/\mathrm{polylog}(n)$ edit distance, and where we only use $\mathrm{polylog}(n)$ traces (or sometimes just a single trace). These classes contain strings that require a linear number of traces for exact reconstruction and which are quite different from a typical random string. From a technical point of view, our algorithms approximately reconstruct consecutive substrings of the unknown string by aligning dense regions of traces and using a run of a suitable length to approximate each region. To complement our algorithms, we present a general black-box lower bound for approximate reconstruction, building on a lower bound for distinguishing between two candidate input strings in the worst case. In particular, this shows that approximating to within $n^{1/3 - δ}$ edit distance requires $n^{1 + 3δ/2}/\mathrm{polylog}(n)$ traces for $0&lt; δ&lt; 1/3$ in the worst case.

연구 동기 및 목표

• 정확한 복원을 약간 완화하여 편집 거리 $\\varepsilon n$ 이내로 복원함으로써 트레이스 복잡도를 줄이는 데 도전한다.
• 특정 문자열 클래스에 대해 $\mathrm{polylog}(n)$ 개의 트레이스 또는 심지어 한 개의 트레이스만으로도 효율적인 알고리즘을 개발한다.
• 특히 악성 경우에서 근사 복원을 위한 트레이스 수의 이론적 한계를 규명한다.
• 계산적으로 효율적이고 DNA 데이터 저장에 적용 가능한 근사 복원을 위한 프레임워크를 제공한다.
• 근사 복원과 정확한 복원 사이의 격차를 메우며, 특정 문자열 클래스에 대해서는 근사 복원이 훨씬 더 효율적임을 보여준다.

제안 방법

• 동일한 비트가 장기간 반복되는 문자열에 초점을 맞춰, 트레이스의 조밀한 영역을 정렬하여 원본 문자열의 부분문자열을 추정한다.
• 집중 경계와 트레이스 패턴의 경험적 평균을 적용하여, 높은 확신도로 원본 문자열의 구조를 추정한다.
• 장기간 반복되는 비트를 가진 문자열의 큰 클래스에 대해 $O(\log n / \varepsilon^2)$ 개의 트레이스를 사용하여 $n/\mathrm{polylog}(n)$ 편집 거리 이내의 문자열을 출력하는 알고리즘을 설계한다.
• 두 후보 문자열을 구분하는 데 기반한 블랙박스 하한선 기법을 도입하여 기존의 트레이스 복원 하한선을 확장한다.
• 체르노프 경계와 확률적 분석을 사용하여, 구분이 불가능한 블록에서 정렬에 실패할 경우 잘못된 복원이 발생할 가능성이 매우 낮음을 보여준다.
• 문자열에 장기간의 0 비트 런이 포함된 두 문자열을 구분하는 문제로 문제를 축소하여 악성 경우 하한선을 구성한다. 이 경우 $\Omega(n)$ 개의 트레이스가 필요하다.

실험 결과

연구 질문

• RQ1 정확한 복원에 비해 훨씬 적은 트레이스로 근사적 트레이스 복원을 달성할 수 있는가?
• RQ2 특정 문자열 클래스에 대해 $\mathrm{polylog}(n)$ 개의 트레이스로 $\varepsilon n$-근사 복원을 달성할 수 있는가?
• RQ3 악성 경우에서 근사 오차와 트레이스 복잡도 사이의 근본적 상호관계는 무엇인가?
• RQ4 측도 집중 이론과 트레이스 정렬 기법을 활용하여 효율적인 근사 복원 알고리즘을 설계할 수 있는가?
• RQ5 어떤 문자열 클래스에 대해서도 근사 복원과 정확한 복원 간의 트레이스 복잡도에 증명 가능한 격차가 존재하는가?

주요 결과

• 장기간 반복되는 비트를 가진 문자열에 대해, $O(\log n / \varepsilon^2)$ 개의 트레이스만으로도 $n/\mathrm{polylog}(n)$ 편집 거리 이내의 근사 복원을 달성할 수 있다.
• 특정 구조를 가진 문자열 클래스, 예를 들어 장기간의 1 비트 런과 분리된 0 비트를 가진 문자열에 대해서는 단일 트레이스로 근사 복원이 가능하다.
• 하한선을 통해 $0 < \delta < 1/3$ 인 경우 $n^{1+3\delta/2}/\mathrm{polylog}(n)$ 개의 트레이스가 $n^{1/3-\delta}$-근사 복원을 달성하기 위해 필수적임을 보여준다.
• 하한선은 장기간의 0 비트 런을 가진 두 문자열을 구분하는 문제로 축소되며, 이 경우 $\Omega(n)$ 개의 트레이스가 필요하다.
• 특정 문자열 클래스, 예를 들어 해밍 무게가 $n-1$ 인 문자열에 대해서는 근사 복원이 정확한 복원보다 엄밀히 더 쉽다. 이러한 문자열은 정확한 복원을 위해 $\Omega(n)$ 개의 트레이스가 필요하다.
• 근사 복원 알고리즘은 정확한 복원에 대한 통찰을 제공할 수 있으며, 특히 알려지지 않은 문자열이 반경 $k$ 이내의 작은 편집 공구 내에 있을 경우 $n^{O(k)}$ 개의 트레이스로도 충분할 수 있다.