[논문 리뷰] Efficient Projection onto the Perfect Phylogeny Model

Bei Jia, Surjyendu Ray외 2명|arXiv (Cornell University)|2018. 11. 03.

Evolution and Genetic Dynamics인용 수 6

한 줄 요약

이 논문은 모어의 분해와 트리 축소를 활용하여 O(q²p) 시간 내에 정확한 프로젝션 비용을 계산하는 비반복적 알고리즘을 제안한다. 이는 완벽한 계통수 모델에 대한 투영을 수행한다. 이 알고리즘을 통해 11개 이하의 노드를 가진 모든 계통수 트리를 정확하게 열거할 수 있으며, GPU에서 2.5시간 이내에 20억 개 이상의 트리를 처리할 수 있다. 이는 반복적 방법에 비해 빠른 속도를 제공하며, 돌연변이 빈도 데이터로부터 클론 진화를 정확하게 추론할 수 있도록 한다.

ABSTRACT

Several algorithms build on the perfect phylogeny model to infer evolutionary trees. This problem is particularly hard when evolutionary trees are inferred from the fraction of genomes that have mutations in different positions, across different samples. Existing algorithms might do extensive searches over the space of possible trees. At the center of these algorithms is a projection problem that assigns a fitness cost to phylogenetic trees. In order to perform a wide search over the space of the trees, it is critical to solve this projection problem fast. In this paper, we use Moreau's decomposition for proximal operators, and a tree reduction scheme, to develop a new algorithm to compute this projection. Our algorithm terminates with an exact solution in a finite number of steps, and is extremely fast. In particular, it can search over all evolutionary trees with fewer than 11 nodes, a size relevant for several biological problems (more than 2 billion trees) in about 2 hours.

연구 동기 및 목표

• 유전자 빈도 데이터로부터 계통수 트리 추론 시 발생하는 계산적 병목 현상을 해결하기 위해, 기존 방법들이 느린 반복적 투영에 의존하는 문제를 해결한다.
• 완벽한 계통수 모델에서 프로젝션 비용 C(U)를 계산하기 위한 비반복적이고 정확한 알고리즘을 개발한다.
• 작은 생물학적 문제(노드 수 q ≤ 11)에 대해 가능한 모든 진화 트리에 대한 철저한 검색을 가능하게 하여, 노이즈가 많고 희박한 데이터 하에서의 불확실성 정량화에 필수적인 역할을 한다.
• 트리 구조에 대한 임의의 페널티 함수와 k-최고 트리 계산을 가능하게 하여 모델 선택의 유연성을 지원한다.

제안 방법

• 프록시 연산자를 재구성하기 위해 Moreau의 분해를 활용하여, 투영 문제를 유한 단계 내에 해결할 수 있는 형태로 재정의한다.
• 중복되는 트리 구조를 제거하고 일반성을 잃지 않으면서 검색 공간을 줄이는 트리 축소 기법을 적용한다.
• O(q²p) 시간 내에 닫힌 형태의 해를 사용하여, C(U) = min‖F̂ − F‖² 이며 F = UM, M ≥ 0, Mᵀ1 = 1 조건을 만족하는 프로젝션 비용을 계산한다.
• 모든 가능한 트리에 걸쳐 데이터 수준의 병렬성을 활용하기 위해 GPU에 알고리즘을 구현한다.
• 모든 레이블이 부여된 루트가 있는 트리(≤11개 노드)에 대한 완전한 열거 파이프라인에 정확한 비용 계산을 통합한다.
• J(C(U)) + Q(U) 형태의 목적 함수를 통해 민감도가 높은 최적화를 지원하며, J와 Q는 빠르게 계산 가능한 임의의 함수이다.

실험 결과

연구 질문

• RQ1 반복적 근사에 의존하지 않고, 유한 시간 내에 완벽한 계통수 모델에 대한 정확한 프로젝션 비용을 계산할 수 있는가?
• RQ2 알고리즘적 및 계산 최적화를 통해 생물학적으로 의미 있는 트리 크기(≤11개 노드)까지 정확한 트리 열거를 스케일링할 수 있는가?
• RQ3 우리의 정확한 알고리즘이 최신 반복적 솔버(예: PhyloWGS, AncesTree)와 비교해 성능 면에서 빠르고 수렴 속도가 빠른가?
• RQ4 모든 트리의 정확한 열거가 불확실성 정량화 및 k-최고 후보 중 진정한 트리 식별에 더 나은 성능을 발휘할 수 있는가?

주요 결과

• 제안된 알고리즘은 O(q²p) 시간 내에 정확한 프로젝션 비용 C(U)를 계산하고 유한한 단계 수 내에 종료되며, 이는 이 문제에 대해 처음으로 비반복적 방법을 제공한다.
• GPU에서 11개 이하의 노드를 가진 모든 20억 개 이상의 가능한 트리를 열거하는 데 2.5시간 이내에 완료되어 철저한 검색을 가능하게 한다.
• PhyloWGS와 AncesTree와 같은 반복적 솔버와 비교해, 제안된 방법(EXACT)은 더 높은 정확도를 보이며, 조상 오류율은 3%로 낮고 AncesTree는 54%로 높으며, 수렴 속도도 훨씬 빠르다.
• k개의 최소 목적치를 가진 트리 계산을 통해 모델 선택의 유연성을 확보하여, 테스트한 30개 데이터셋 중에서 진정한 트리를 상위 후보군 내에서 식별할 수 있었다.
• 알고리즘의 빠른 처리 속도 덕분에 히وري스틱 도구들이 단 하나 또는 몇 개의 '최고' 트리만 반환하는 것과 달리, 모든 트리 구조에 대한 정확한 최적화가 가능해져 데이터 노이즈에 대한 강건성이 향상된다.