[논문 리뷰] Computational Complexity of Minimal Trap Spaces in Boolean Networks

Kyungduk Moon, Kangbok Lee외 1명|arXiv (Cornell University)|2022. 12. 24.

Gene Regulatory Network Analysis인용 수 8

한 줄 요약

이 논문은 부울 네트워크에서 최소 트랩 공간과 관련된 세 가지 핵심 결정 문제의 계산 복잡도를 규명한다: 트랩 공간 확인, 최소성 검사, 구성 구성원 여부 확인. 일반적인 경우, 이 문제들은 Π₂^P-완전임을 보이며, 국소 함수가 유네이트이거나 진리표, BDD, 이중 DNF로 표현될 경우 복잡도는 coNP-완전으로 낮아지지만, 네트워크가 기능적 그래프로 주어질 경우 모두 다항시간 내에 해결 가능해진다.

ABSTRACT

A Boolean network (BN) is a discrete dynamical system defined by a Boolean function that maps to the domain itself. A trap space of a BN is a generalization of a fixed point, which is defined as the sub-hypercubes closed by the function of the BN. A trap space is minimal if it does not contain any smaller trap space. Minimal trap spaces have applications for the analysis of attractors of BNs with various update modes. This paper establishes the computational complexity results of three decision problems related to minimal trap spaces: the decision of the trap space property of a sub-hypercube, the decision of its minimality, and the decision of the membership of a given configuration to a minimal trap space. Under several cases on Boolean function representations, we investigate the computational complexity of each problem. In the general case, we demonstrate that the trap space property is coNP-complete, and the minimality and the membership properties are $Π_2^{ ext P}$-complete. The complexities drop by one level in the polynomial hierarchy whenever the local functions of the BN are either unate, or are represented using truth-tables, binary decision diagrams, or double DNFs (Petri net encoding): the trap space property can be decided in a polynomial time, whereas deciding the minimality and the membership are coNP- complete. When the BN is given as its functional graph, all these problems are in P.

연구 동기 및 목표

• 주어진 하이퍼큐브가 부울 네트워크의 트랩 공간인지 여부를 판단하는 데 필요한 계산 복잡도를 규명하는 것.
• 트랩 공간이 최소임을 판단하는 문제의 복잡도를 분석하는 것, 즉 더 작은 트랩 공간를 포함하지 않는 것.
• 주어진 구성이 어떤 최소 트랩 공간에 속하는지 여부를 판단하는 문제의 복잡도를 조사하는 것.
• 예를 들어 진리표, BDD, 이중 DNF 등 부울 함수의 다양한 표현 방식이나, 예를 들어 유네이트성 같은 구조적 성질이 이러한 문제의 복잡도에 미치는 영향을 분석하는 것.
• 부울 네트워크가 기능적 그래프(동기 상태 전이 그래프)로 표현될 경우, 이 세 문제 모두 다항시간 내에 해결 가능하다는 것을 확립하는 것.

제안 방법

• 저자는 트랩 공간을 네트워크 함수 f에 대해 닫혀 있는 하이퍼큐브로 공식화하고, 더 작은 트랩 공간가 존재하지 않는 것으로 최소성을 정의한다.
• 주어진 구성 집합을 둘러싸는 가장 작은 트랩 공간을 계산하기 위해 정점 집합과 함수 평가를 이용한 SUB-HYPERCUBE 및 SATURATE 알고리즘을 도입한다.
• 기능적 그래프 표현을 위해, 터미널 강하게 연결된 성분(tSCCs)을 계산하기 위해 타르잔의 알고리즘을 사용하고, 포화 검사를 통한 최소성 검증을 수행한다.
• 다양한 부울 함수 표현 방식에 대해 복잡도 분석을 수행한다: 일반적, 유네이트, 진리표, BDD, 이중 DNF(Petri 넷 표현 방식).
• 다항계층 구조 내의 알려진 문제, 특히 coNP 및 Π₂^P-완전 문제로의 감소를 통해 하한을 확립한다.
• 기능적 그래프 입력에 대해, 세 문제(트랩 공간, 최소성, 구성원 여부)가 다항시간 알고리즘에 기반하여 P에 속한다는 것을 증명한다.

실험 결과

연구 질문

• RQ1 주어진 하이퍼큐브가 부울 네트워크의 트랩 공간인지 여부를 판단하는 데 필요한 계산 복잡도는 무엇인가?
• RQ2 트랩 공간이 최소임을 판단하는 문제의 복잡도는 무엇인가? 즉, 더 작은 트랩 공간를 포함하지 않는가?
• RQ3 주어진 구성이 어떤 최소 트랩 공간에 속하는지 여부를 판단하는 데 필요한 복잡도는 무엇인가?
• RQ4 국소 함수가 유네이트이거나 진리표, BDD, 이중 DNF와 같은 구조적 형식으로 표현될 경우, 이러한 문제의 복잡도는 어떻게 변화하는가?
• RQ5 부울 네트워크가 함수가 아니라 기능적 그래프(즉, 동기 상태 전이 그래프)로 표현될 경우 복잡도는 어떻게 되는가?

주요 결과

• 일반적인 부울 네트워크 표현 방식에서 트랩 공간 성질은 coNP-완전이다.
• 일반적인 경우, 최소성과 최소 트랩 공간에 속하는 구성원 여부는 모두 Π₂^P-완전이다.
• 국소 함수가 유네이트이거나 진리표, BDD, 이중 DNF로 표현될 경우, 트랩 공간 확인의 복잡도는 다항시간으로 낮아지지만, 최소성과 구성원 여부는 coNP-완전이 된다.
• 부울 네트워크가 기능적 그래프(동기 상태 전이 그래프)로 주어질 경우, 세 문제—트랩 공간, 최소성, 구성원 여부—모두 다항시간 내에 결정 가능해진다.
• 주어진 정점 집합을 둘러싸는 가장 작은 트랩 공간을 계산하는 SATURATE 알고리즘은 다항시간 내에 실행되며, 기능적 그래프 기반의 P-완전성 결과의 핵심이다.
• 결과적으로, 네트워크가 기능적 그래프로 제공될 경우 이러한 문제들을 효율적으로 해결할 수 있음을 시사한다. 이는 모델 체킹 및 시뮬레이션 도구에서 흔히 사용되는 형태이다.