[论文解读] A Central Limit Theorem for the Optimal Alignments Score in Multiple Random Words

Ruoting Gong, Christian Houdré+1 more|arXiv (Cornell University)|Dec 17, 2015

Random Matrices and Applications参考文献 9被引用 5

一句话总结

本文在一般有界、置换不变得分函数下，为有限字母表上 m 个独立同分布的随机词的最优对齐得分建立了中心极限定理。通过使用 Stein 方法和一种接近对角线的论证方法，证明了归一化得分的渐近正态性，收敛速度为 $(\ln n)^{3/4}/n^{3/14}$ 的阶，优于最长公共子序列情形下的先前界限。

ABSTRACT

Let $\mathbf{X}^{(1)}_{n},\ldots,\mathbf{X}^{(m)}_{n}$, where $\mathbf{X}^{(i)}_{n}=(X^{(i)}_{1},\ldots,X^{(i)}_{n})$, $i=1,\ldots,m$, be $m$ independent sequences of independent and identically distributed random variables taking their values in a finite alphabet $\mathcal{A}$. Let the score function $S$, defined on $\mathcal{A}^{m}$, be non-negative, bounded, permutation-invariant, and satisfy a bounded differences condition. Under a variance lower-bound assumption, a central limit theorem is proved for the optimal alignments score of the $m$ random words.

研究动机与目标

• 为有限字母表上 m 个独立同分布的随机词的最优对齐得分建立中心极限定理。
• 将现有中心极限定理结果从最长公共子序列（LCS）情形推广到一般有界、置换不变得分函数的情形。
• 推导最优对齐得分正态近似的定量收敛速率。
• 通过一个‘接近对角线’的结果分析最优对齐的横向行为，作为关键的技术工具。
• 将结果推广至具有间隙惩罚和依赖序列的情形，尽管主要关注独立序列的情形。

提出的方法

• 将 Stein 方法用于最优对齐得分 $L_n$ 的正态近似，采用依赖图方法。
• 建立了‘接近对角线’的结果，表明最优对齐倾向于在 m 维网格中对齐靠近对角线的位置。
• 使用截断版本的得分函数进行耦合技术，以控制方差并推导收敛速率。
• 将得分分解为鞅差分，并应用矩估计以控制 Stein 方法框架中的误差。
• 实施截断参数 $v = n^{\alpha}$，其中 $\alpha = 4/7$，以平衡近似中的偏差与方差。
• 通过结合矩估计和指数尾部界，推导出收敛速率阶为 $(\ln n)^{3/4}/n^{3/14}$。

实验结果

研究问题

• RQ1 在一般有界、置换不变得分函数下，m 个独立同分布的随机词的最优对齐得分是否收敛于正态分布？
• RQ2 归一化最优对齐得分向正态分布的收敛速率是多少？
• RQ3 最优对齐的结构——特别是其与对角线的接近程度——如何影响得分的集中性和极限行为？
• RQ4 是否可以将收敛速率改进至超过现有界限，特别是在 LCS 情形下？
• RQ5 这些结果在多大程度上可推广至具有间隙惩罚或依赖序列的模型？

主要发现

• 在得分函数的既定条件下，为 m 个独立同分布的随机词的最优对齐得分 $L_n$ 建立了中心极限定理。
• 归一化得分向标准正态分布的收敛速率被证明为 $(\ln n)^{3/4}/n^{3/14}$ 的阶，优于 LCS 情形下先前的 $(\ln n)^{3/8}/n^{3/28}$ 的界限。
• 证明了‘接近对角线’结果，表明最优对齐在 m 维网格中集中在对角线附近，这对控制方差和应用 Stein 方法至关重要。
• 该证明依赖于对得分函数的截断和耦合论证，以控制依赖结构，从而使得在依赖图框架下使用 Stein 方法成为可能。
• 通过矩估计和指数尾部界推导出收敛速率，最优截断参数选择为 $v = n^{4/7}$。
• 收敛速率中的常数依赖于 $m$、$s^*$ 和字母表的底层分布，但与 $n$ 无关。