[论文解读] An Faster Network Motif Detection Tool

Luís A. A. Meira, Vinícius R. Máximo+2 more|arXiv (Cornell University)|Apr 25, 2018

Bioinformatics and Genomic Networks参考文献 11被引用 6

一句话总结

本文提出 acc-Motif，一种多线程网络基序检测工具，通过优化的枚举算法和基于哈希表的常数时间同构检测，加速了大小为3至6的子图的基序发现。该工具通过降低计算复杂度并实现对诱导子图的高效并行处理，在大规模网络上显著优于现有工具，展现出卓越的性能表现。

ABSTRACT

Network motif provides a way to uncover the basic building blocks of most complex networks. This task usually demands high computer processing, specially for motif with 5 or more vertices. This paper presents an extended methodology with the following features: (i) search for motifs up to 6 vertices, (ii) multithread processing, and a (iii) new enumeration algorithm with lower complexity. The algorithm to compute motifs solve isomorphism in $O(1)$ with the use of hash table. Concurrent threads evaluates distinct graphs. The enumeration algorithm has smaller computational complexity. The experiments shows better performance with respect to other methods available in literature, allowing bioinformatic researchers to efficiently identify motifs of size 3, 4, 5, and 6.

研究动机与目标

• 为解决检测网络基序时的计算瓶颈，特别是大小为5和6的基序，这些基序的枚举成本极高。
• 通过降低子图枚举和同构检查的计算复杂度，提升基序检测的效率。
• 通过多线程处理实现可扩展的基序检测，使多个核心能够独立评估不同的子图。
• 将 acc-Motif 工具扩展至支持最大至6阶的基序，填补现有工具通常仅支持至5或6阶但性能有限的空白。
• 为生物信息学家和网络分析师提供一种更快、可扩展的解决方案，用于在真实世界生物网络和复杂网络中识别具有统计显著性的网络基序。

提出的方法

• 该方法采用一种新型枚举算法，通过高效生成大小为k=3至6的诱导子图，降低计算复杂度。
• 通过预计算的哈希表实现O(1)时间的同构检测，避免在基序分类过程中进行昂贵的图同构检查。
• 基于边的方向性，将顶点邻域划分为四个集合（A、B、C、N），实现结构化且高效的子图探索。
• 采用多线程架构，支持不同子图的并发处理，性能可随多核CPU扩展。
• 通过将原始图中的基序频率与随机化图中的频率进行比较，支持精确计数和统计显著性检验。
• 该方法利用邻接集的划分策略（Part(adj(X)))引导子图枚举，减少冗余计算。

实验结果

研究问题

• RQ1 如何降低枚举大小为3至6的诱导子图的计算复杂度，以提升基序检测性能？
• RQ2 基于哈希表的O(1)同构检测是否可有效应用于大规模网络中的基序分类加速？
• RQ3 在现代多核系统上，多线程处理在多大程度上提升了基序检测算法的运行时间？
• RQ4 在多种真实世界网络中，所提出的acc-Motif工具与Fanmod、Kavosh、NetMod以及旧版acc-Motif相比，性能表现如何？
• RQ5 该算法在大型网络（如Facebook、ODLIS和E.coli）上的可扩展性如何，特别是在k=6基序的情况下？

主要发现

• 在所有基序大小k=3至6下，acc-Motif在执行时间上均优于Fanmod、Kavosh和NetMod，尤其在加州和Facebook等大规模网络上表现更优。
• 对于k=6，acc-Motif将执行时间从O(1)的648百万毫秒（在ODLIS上）降低至32个线程下不足3亿毫秒，展现出强大的可扩展性。
• 在Roget网络中，使用32个线程时，acc-Motif的运行时间减少了95%，证明了其并行化效果显著。
• 在E.coli网络中，使用32个线程时，k=6的运行时间从164,993.5秒减少至52.9秒，时间减少达90%。
• 该算法的计算复杂度显著低于先前方法，可实现对k=6时150万个不同同构模式的快速枚举。
• 基于哈希的同构检测实现了O(1)查找时间，消除了实时基序分类中对昂贵的Nauty比较的依赖。