[논문 리뷰] The Tandem Duplication Distance Is NP-Hard

Manuel Lafond, Binhai Zhu외 1명|arXiv (Cornell University)|2019. 06. 12.

Algorithms and Data Compression참고 문헌 25인용 수 3

한 줄 요약

이 논문은 두 문자열 간의 텐덤 복제(TD) 거리 계산이 NP-난이도임을 증명한다. 이는 원본 문자열이 예시형(exemplar, 모든 문자가 유일함)일 경우에도 성립하며, 2004년 이래로 열려 있던 문제를 해결한다. 저자들은 새로운 문제인 Cost-Efficient Subgraph를 통해 독창적인 감소 기법을 제안하고, 예시형 TD 거리가 복제 수 k로 매개변수화되었을 때 고정된 매개변수 가능(FPT)임을 추가로 보여준다. 이 경우 2^O(k²) 시간 복잡도를 가지는 알고리즘을 사용하며, 지수 크기의 커널을 활용한다.

ABSTRACT

In computational biology, tandem duplication is an important biological phenomenon which can occur either at the genome or at the DNA level. A tandem duplication takes a copy of a genome segment and inserts it right after the segment - this can be represented as the string operation AXB ⇒ AXXB. Tandem exon duplications have been found in many species such as human, fly or worm, and have been largely studied in computational biology. The Tandem Duplication (TD) distance problem we investigate in this paper is defined as follows: given two strings S and T over the same alphabet, compute the smallest sequence of tandem duplications required to convert S to T. The natural question of whether the TD distance can be computed in polynomial time was posed in 2004 by Leupold et al. and had remained open, despite the fact that tandem duplications have received much attention ever since. In this paper, we prove that this problem is NP-hard, settling the 16-year old open problem. We further show that this hardness holds even if all characters of S are distinct. This is known as the exemplar TD distance, which is of special relevance in bioinformatics. One of the tools we develop for the reduction is a new problem called the Cost-Effective Subgraph, for which we obtain W[1]-hardness results that might be of independent interest. We finally show that computing the exemplar TD distance between S and T is fixed-parameter tractable. Our results open the door to many other questions, and we conclude with several open problems.

연구 동기 및 목표

• Leupold 등(2004)이 제기한 텐덤 복제(TD) 거리 문제의 계산 복잡도에 대한 열린 문제를 해결하기 위함.
• 문자열 S를 문자열 T로 변환하기 위한 최소 텐덤 복제 수를 계산하는 것이 NP-난이도임을 증명하며, 이는 S가 예시형(모든 문자가 유일함)일 경우에도 성립함을 보임.
• 감소 기법을 위한 기술적 도구로 새로운 문제인 Cost-Efficient Subgraph를 개발하고, 이 문제가 W[1]-난이도임을 보임.
• 복제 수 k로 매개변수화되었을 때 예시형 TD 거리 문제의 고정된 매개변수 가능(FPT)임을 증명함.

제안 방법

• TD 거리 문제의 NP-난이도를 새로 도입한 Cost-Efficient Subgraph 문제로 감소시키며, 이는 그래프에서 간선 커버와 부분집합 크기 사이의 비용 함수를 최소화하는 정점 부분집합 선택 문제이다.
• 최대 (S,T)-안정 부분문자열의 구조적 분석을 통해 dist_TD(S,T) ≤ k 이면 이러한 부분문자열이 최대 2k + 1개임을 보임으로써 커널화 가능성을 확보함.
• 각 최대 (S,T)-안정 부분문자열을 고유한 문자 하나로 압축하여 커널 (S′, T′)을 구성함으로써 S′의 크기를 최대 2k + 1로, T′의 크기를 최대 (2k + 1)^{2k}로 감소시킴.
• 커널에 대해 브루트 포스 알고리즘을 적용하여 예시형 k-TD 문제를 2^{O(k²)} + poly(n) 시간 내에 해결함. 이는 커널의 크기가 유한하기 때문에 가능함.
• Cost-Efficient Subgraph 문제의 경우 p + c로 매개변수화되었을 때 W[1]-난이도임을 증명함. 여기서 p는 상한 c|E(G)| 이하의 절감량을 의미함.

실험 결과

연구 질문

• RQ1 원본 문자열이 예시형(즉, 모든 문자가 유일함)일 경우에도 텐덤 복제 거리 문제의 NP-난이도가 성립하는가?
• RQ2 S를 T로 변환하기 위해 필요한 최소 텐덤 복제 수를 다항시간 내에 계산할 수 있는가?
• RQ3 복제 수 k로 매개변수화되었을 때 예시형 TD 거리 문제는 고정된 매개변수 가능(FPT) 알고리즘을 갖는가?
• RQ4 예시형 k-TD 문제에 대해 다항식 크기의 커널이 존재하는가?
• RQ5 S를 텐덤 복제를 통해 T로 변환할 수 있는지 결정하는 문제를 다항시간 내에 해결할 수 있는가?

주요 결과

• 텐덤 복제 거리 문제의 NP-난이도는 원본 문자열 S가 예시형일 경우에도 성립하며, 2004년 이래로 열려 있던 문제를 해결한다.
• 이 난이도 결과는 S의 모든 문자가 유일할 경우에도 성립하며, 이는 복제 이전 게놈을 모델링하는 데 생물정보학적으로 특별한 의미를 가진다.
• 저자들은 새로운 문제인 Cost-Efficient Subgraph를 도입하고 분석하며, 이 문제가 매개변수 p + c로 매개변수화되었을 때 W[1]-난이도임을 증명한다. 이는 NP-난이도 감소의 핵심 구성 요소로 사용된다.
• 예시형 TD 거리 문제의 경우 복제 수 k로 매개변수화되었을 때 고정된 매개변수 가능(FPT)이며, 실행 시간은 2^{O(k²)} + poly(n)으로, 지수 크기의 커널을 통해 달성된다.
• 커널화 과정은 입력 문자열 S와 T를 각각 크기가 최대 2k + 1과 (2k + 1)^{2k}인 등가 문자열 S′과 T′로 감소시키며, 필요한 복제 수를 유지한다.
• 논문은 k-TD 문제의 k에 대해서만 FPT인지 여부, 다항식 크기의 커널이 존재하는지 여부, 고정된 알파벳 크기일 경우 P에 속하는지 여부를 여전히 열려 있는 문제로 남긴다.