[论文解读] Efficient Projection onto the Perfect Phylogeny Model

Bei Jia, Surjyendu Ray+2 more|arXiv (Cornell University)|Nov 3, 2018

Evolution and Genetic Dynamics被引用 6

一句话总结

该论文提出了一种新颖的非迭代算法，可在 O(q²p) 时间内精确计算完美谱系树模型上的投影代价，利用 Moreau 分解和树简化技术。该方法在 GPU 上实现，可在 2.5 小时内完成对最多 11 个节点的系统发育树（超过 20 亿棵）的精确枚举，显著优于迭代方法的运行速度，实现了从突变频率数据中对克隆演化进行精确推断。

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.

研究动机与目标

• 为解决从突变频率数据推断系统发育树时存在的计算瓶颈问题，现有方法依赖于缓慢的迭代投影。
• 开发一种非迭代、精确的算法，用于计算完美谱系树模型中的投影代价 C(U)。
• 实现对小规模生物问题（q ≤ 11 个节点）的所有可能进化树的穷举搜索，这对于在噪声大、稀疏的数据下进行不确定性量化至关重要。
• 通过支持 k 棵最佳树和任意拓扑惩罚函数的计算，实现灵活的模型选择。

提出的方法

• 利用 Moreau 分解的近端算子，将投影问题重新表述为可有限步求解的形式。
• 采用树简化方案以消除冗余树结构，从而在不失一般性的前提下减少搜索空间。
• 通过闭式解在 O(q²p) 时间内计算投影代价 C(U) = min‖F̂ − F‖²，约束条件为 F = UM, M ≥ 0, Mᵀ1 = 1。
• 在 GPU 上实现该算法，以利用所有可能树之间的数据级并行性。
• 将精确代价计算集成到完整枚举流水线中，用于所有最多 11 个节点的有标签根树。
• 通过目标函数 min_U J(C(U)) + Q(U) 的形式支持灵活优化，其中 J 和 Q 为任意计算快速的函数。

实验结果

研究问题

• RQ1 我们能否在不依赖迭代近似的情况下，在有限时间内精确计算出投影到完美谱系树模型的代价？
• RQ2 我们能否通过算法和计算优化，将精确树枚举扩展到生物学相关的树规模（最多 11 个节点）？
• RQ3 与最先进的迭代求解器相比，我们提出的精确算法在速度和收敛性方面表现如何？
• RQ4 精确枚举所有树是否能实现更好的不确定性量化，并更准确地从 k 棵最佳候选树中识别出真实树？

主要发现

• 所提出的算法在 O(q²p) 时间内完成精确投影代价 C(U) 的计算，并在有限步内终止，是首个针对此问题的非迭代方法。
• 该算法在 GPU 上实现，对最多 11 个节点的超过 20 亿棵可能的树完成枚举的运行时间为 2.5 小时，实现了完整搜索。
• 与 PhyloWGS 和 AncesTree 等迭代求解器相比，所提方法（EXACT）在准确性上表现更优，祖先错误率仅为 3%，而 AncesTree 为 54%，且收敛速度显著更快。
• 该方法通过计算目标值最小的 k 棵树，支持灵活的模型选择，使在 30 个测试数据集中，真实树能被识别为前几大候选之一。
• 该算法的速度使得对所有树拓扑的精确优化成为可能，而启发式工具仅返回一两个“最佳”树，因此对数据噪声更具鲁棒性。