[논문 리뷰] On the Complexity of Several Haplotyping Problems

Rudi Cilibrasi, Leo van Iersel외 2명|ArXiv.org|2005. 05. 13.

Gene expression and cancer classification참고 문헌 5인용 수 4

한 줄 요약

이 논문은 MAX-CUT에서의 축소를 통해 허브로 타입링에서 Ungapped-Minimum Error Correction (MEC)의 NP-난이도를 증명하고, 각 유전자가 최대 두 개의 모호한 위치를 가질 경우 순수 편의성 허브로 타입링(PPH)에 대해 다항시간 알고리즘을 제안하여 열린 문제를 해결하며, 최대 독립 집합을 통한 효율적 해결을 가능하게 하는 새로운 이분 그래프 공식을 도입한다.

ABSTRACT

In this paper we present a collection of results pertaining to haplotyping. The first set of results concerns the combinatorial problem of reconstructing haplotypes from incomplete and/or imperfectly sequenced haplotype data. More specifically, we show that an interesting, restricted case of Minimum Error Correction (MEC) is NP-hard, point out problems in earlier claims about a related problem, and present a polynomial-time algorithm for the ungapped case of Longest Haplotype Reconstruction (LHR). Secondly, we present a polynomial time algorithm for the problem of resolving genotype data using as few haplotypes as possible (the Pure Parsimony Haplotyping Problem, PPH) where each genotype has at most two ambiguous positions, thus solving an open problem posed by Lancia et al in "Haplotyping Populations by Pure Parsimony: Complexity of Exact and Approximation Algorithms."

연구 동기 및 목표

• 허브로 타입링에서 최소 오차 수정(MEC)의 제한된 변종의 계산 복잡도를 규명하는 것, 특히 비가닥 케이스에 초점한다.
• Lancia 등이 제기한, 각 유전자가 최대 두 개의 모호한 위치를 가질 경우 순수 편의성 허브로 타입링(PPH) 문제에 대한 열린 문제를 해결하는 것.
• 이러한 제약 조건 하에서 새로운 이분 그래프 공식을 사용하여 PPH에 대한 다항시간 알고리즘을 개발하는 것.
• 이전에 관련 허브로 타입링 문제에 대해 내린 주장들, 특히 [10]의 결과에 의존한 주장들에 대해 명확히 하고 수정하는 것 — 이러한 주장들은 이 목적에 대해 타당하지 않다는 것이 밝혀졌다.

제안 방법

• 최적화 형태의 MAX-CUT을 비가닥 MEC로 축소하여, 이 제한된 MEC 변종의 계산 불가능성을 입증한다.
• 정점이 허브로 타입과 해석 지표를 나타내는 이분 그래프 $ B = (V^+ \bigcup V^-, E) $ 를 구성하며, 간선은 유전형과 허브로 타입 간의 호환성을 표현한다.
• 허브로 타입에 짝수/홀수 성질을 할당하고, 유전형 해석 제약 조건을 모델링하기 위해 보조 정점 집합 $ I_0(g), I_1(g,0), I_1(g,1), I_2(g,+), I_2(g,-) $ 를 도입한다.
• 그래프 $ B $ 의 최대 독립 집합(MIS)을 사용하여 모든 유전형을 해석할 때 사용되는 서로 다른 허브로 타입의 수를 최소화하며, $ |MaxBIS(B)| = 4n + (|H| - PPH(G)) $ 를 만족한다.
• 이분 그래프에서 최대 독립 집합과 최대 매칭 간의 등가성을 활용하여 $ O(mn\log n + n^{3/2}) $ 시간에 MIS를 계산한다.
• 그래프 구축 중에 인접 정보를 효율적으로 유지하기 위해 정렬 및 중복 병합 기법을 적용하여 $ O(1) $ 인접성 쿼리를 보장한다.

실험 결과

연구 질문

• RQ1 비가닥 최소 오차 수정(MEC) 문제는 NP-난이도이며, 이는 이전에 의심스러운 결과 [10]에 의존하지 않고 증명될 수 있는가?
• RQ2 각 유전자가 최대 두 개의 모호한 위치를 가질 경우 순수 편의성 허브로 타입링(PPH) 문제는 다항시간에 해결될 수 있는가? 이는 열린 문제를 해결하는가?
• RQ3 구축된 이분 그래프에서 최대 독립 집합의 크기와 PPH에서 필요한 허브로 타입의 수 사이의 관계는 무엇인가?
• RQ4 유한한 모호성 하에서 PPH 문제를 효율적으로 모델링하고 해결하기 위해 그래프 이론적 공식을 사용할 수 있는가?
• RQ5 이전에 관련 허브로 타입링 문제의 복잡도에 대해 내린 주장들, 특히 [10]에 기반한 주장들은 MEC 및 PPH 설정에 대해 타당한가?

주요 결과

• 비가닥 MEC는 최적화 형태의 MAX-CUT에서 직접적인 축소를 통해 NP-난이도임을 입증하였으며, 이는 [10]의 의심스러운 결과에 의존한 이전 주장들을 수정하고 강화한 것이다.
• 각 유전자가 최대 두 개의 모호한 위치를 가질 경우 PPH 문제는 다항시간에 해결 가능하며, 이는 Lancia 등이 [14]에서 제기한 열린 문제를 해결한 것이다.
• 제안된 이분 그래프 공식은 주어진 유전형 집합을 설명하는 데 필요한 최소 허브로 타입 수를 정확하게 계산할 수 있으며, $ |MaxBIS(B)| = 4n + (|H| - PPH(G)) $ 를 만족한다.
• 알고리즘은 $ O(mn\log n + n^{3/2}) $ 시간에 실행되며, 효율적인 그래프 구축과 최대 매칭 및 독립 집합 계산을 통합한다.
• 모든 해석 제약 조건이 MIS에 $ I $-집합의 포함을 강제함으로써 사용되는 서로 다른 허브로 타입의 수를 최소화한다.
• 구축된 구조는 유전형 해석을 정확히 모델링하며, 호환되지 않는 허브로 타입은 사용되지 않도록 하며, 사용되지 않는 허브로 타입은 MIS에 우선순위를 두어 선택한다.