[논문 리뷰] Chaining with overlaps revisited

Veli Mäkinen, Kristoffer Sahlin|arXiv (Cornell University)|2020. 01. 19.

Genomics and Phylogenetic Studies인용 수 7

한 줄 요약

이 논문은 반구간 일치를 고려한 반구역 시퀀스 정렬에서 체이닝을 재검토하며, 정확한 매칭의 경우 O(n log²n) 시간, 비중첩 또는 완화된 순서 관계의 경우 O(n log n) 시간을 보장하는 정확하고 증명된 알고리즘을 제안한다. 이는 약한 순서 관계 하에서 최적의 체이닝과 가장 긴 공통 부분수열(LCS) 문제 사이의 직접적인 연결을 수립하며, 체이닝 점수는 앵커 제약이 있는 LCS의 길이와 정확히 일치함을 보여준다.

ABSTRACT

Chaining algorithms aim to form a semi-global alignment of two sequences based on a set of anchoring local alignments as input. Depending on the optimization criteria and the exact definition of a chain, there are several $O(n \log n)$ time algorithms to solve this problem optimally, where $n$ is the number of input anchors. In this paper, we focus on a formulation allowing the anchors to overlap in a chain. This formulation was studied by Shibuya and Kurochin (WABI 2003), but their algorithm comes with no proof of correctness. We revisit and modify their algorithm to consider a strict definition of precedence relation on anchors, adding the required derivation to convince on the correctness of the resulting algorithm that runs in $O(n \log^2 n)$ time on anchors formed by exact matches. With the more relaxed definition of precedence relation considered by Shibuya and Kurochin or when anchors are non-nested such as matches of uniform length ($k$-mers), the algorithm takes $O(n \log n)$ time. We also establish a connection between chaining with overlaps to the widely studied longest common subsequence (LCS) problem.

연구 동기 및 목표

• Shibuya와 Kurochkin(2003)의 반구간 일치를 고려한 체이닝 알고리즘에 대한 정확성 증명 부족 문제를 해결하기 위해.
• 엄격한 순서 관계 하에서 반구간 일치를 고려한 체이닝에 대해 증명 가능한 정확한 알고리즘을 개발하기 위해.
• 정확한 매칭의 경우 시간 복잡도를 O(n log²n)으로, 비중첩 또는 균일한 크기의 앵커(예: k-mer)의 경우 O(n log n)으로 감소시키기 위해.
• 반구간 일치를 고려한 체이닝과 고전적인 가장 긴 공통 부분수열(LCS) 문제 사이의 공식적인 연결 고리를 수립하기 위해.
• 약한 순서 관계 하에서 최적의 체이닝 점수가 정확히 앵커 제약이 있는 LCS의 길이와 일치함을 보여주기 위해.

제안 방법

• 모든 간격 끝점이 두 시퀀스에서 모두 стрict하게 증가하는 방식으로 정의된 앵커 간의 엄격한 순서 관계를 도입한다.
• 일반적인 데이터 구조를 사용하여 반동적 범위 최대값 쿼리를 활용해 최적의 체이닝 점수를 효율적으로 계산한다. 특수화된 데이터 구조가 아닌 일반 구조를 기반으로 한다.
• 체이닝 점수의 정확성을 반복적으로 분석함으로써, 중첩 및 비중첩 앵커 쌍에 대한 경우의 수 분석을 통해 도출한다.
• 중복 영역를 고려하기 위해 커버리지 점수를 수정하여 겹치는 세그먼트를 빼내어 정렬된 문자의 과도한 계산을 방지한다.
• 앵커 순서와 간격 중첩 여부에 기반한 상태 전이를 사용하는 동적 프로그래밍을 적용한다.
• 앵커 재정렬과 점수 유지 보존을 통해 약한 순서 관계 하에서 최적의 체이닝과 앵커 제약이 있는 LCS 문제 사이의 동치성을 증명한다.

실험 결과

연구 질문

• RQ1 Shibuya와 Kurochkin(2003)의 반구간 일치를 고려한 체이닝 알고리즘은 수정 및 정확성 증명이 가능할 수 있는가?
• RQ2 엄격한 순서 관계와 반구간 일치를 고려한 경우, 증명 가능한 정확한 체이닝 알고리즘의 시간 복잡도는 무엇인가?
• RQ3 반구간 일치를 고려한 체이닝 공식화는 고전적인 가장 긴 공통 부분수열(LCS) 문제와 어떻게 관련이 있는가?
• RQ4 최적의 체이닝 점수가 정확히 앵커 제약이 있는 LCS의 길이와 일치함을 보일 수 있는가?
• RQ5 순서 조건을 완화하면 k-mer 앵커 또는 비중첩 매칭의 경우 O(n log n) 시간 복잡도가 유지되는가?

주요 결과

• 제안된 알고리즘은 정확한 매칭의 경우 O(n log²n) 시간에, 비중첩 또는 완화된 순서 관계의 경우 O(n log n) 시간에 수행되며, 원래 알고리즘의 정확성 증명 부족 문제를 개선한다.
• 알고리즘의 정확성은 앵커 중첩 및 순서 관계에 대한 세밀한 경우 분석을 통해 입증되었으며, Shibuya와 Kurochkin의 원래 연구에서의 격차를 해결한다.
• 체이닝 공식화에서 커버리지 점수는 겹치는 영역를 빼내어 정렬된 문자의 과도한 계산을 방지함으로써 올바르게 중복 영역를 처리한다.
• 약한 순서 관계 하에서 최적의 체이닝 점수는 정확히 앵커 제약이 있는 LCS의 길이와 일치하며, 체이닝과 LCS 문제 사이의 공식적 연결 고리를 확립한다.
• k-mer 매칭 또는 비중첩 앵커의 경우 알고리즘이 O(n log n) 시간으로 단순화되며, 표준 체이닝 문제에서 알려진 최고의 시간 복잡도와 일치한다.
• LCS와의 연결 고리는 임의의 더 긴 앵커 제약이 있는 LCS가 더 높은 점수를 가진 체이닝으로 재구성될 수 있음을 보여줌으로써 증명되며, 이는 최적성에 모순된다.