[论文解读] acc-MOTIF: Accelerated Motif Detection Using Combinatorial Techniques

Luís A. A. Meira, Vinícius R. Máximo+2 more|arXiv (Cornell University)|Mar 15, 2012

Genomics and Chromatin Dynamics参考文献 10被引用 1

一句话总结

本文提出了一种用于有向图中同构基序模式（大小为3、4和5）的加速组合算法，分别实现了O(m√m)、O(m²)和O(m²n)的时间复杂度。该方法在保证精确性的同时，显著优于现有的FANMOD和Kavosh等工具，运行时间更短，且实现代码已公开在线。

ABSTRACT

Network motif algorithms have been a topic of research mainly after the 2002-seminal paper from Milo \emph{et al}, that provided motifs as a way to uncover the basic building blocks of most networks. In Bioinformatics, motifs have been mainly applied in the field of gene regulation networks. This paper proposes new algorithms to exactly count isomorphic pattern motifs of sizes 3, 4 and 5 in directed graphs. Let $G(V,E)$ be a directed graph with $m=|E|$. We describe an $O({m\sqrt{m}})$ time complexity algorithm to count isomorphic patterns of size 3. In order to count isomorphic patterns of size 4, we propose an $O(m^2)$ algorithm. To count patterns with 5 vertices, the algorithm is $O(m^2n)$. The new algorithms were implemented and compared with FANMOD and Kavosh motif detection tools. The experiments show that our algorithms are expressively faster than FANMOD and Kavosh's. We also let our motif-detecting tool available in the Internet.

研究动机与目标

• 开发用于检测有向图中同构基序模式的更快、更精确的算法。
• 解决现有基序检测工具（如FANMOD和Kavosh）在处理更大或更密集网络时计算效率低下的问题。
• 为大小为3、4和5的基序提供可扩展的组合算法，并具备可证明的时间复杂度上界。
• 基于所提出的算法实现并公开发布一个高性能的基序检测工具。

提出的方法

• 针对大小为3的基序，采用基于边和顶点邻域分析的组合方法，实现O(m√m)的时间复杂度。
• 针对大小为4的基序，采用两步边遍历策略，系统地枚举所有可能的4个节点子图，并检查同构性。
• 针对大小为5的基序检测，采用对边和顶点的嵌套循环，结合邻接矩阵查找进行剪枝，从而实现O(m²n)的复杂度。
• 所有算法依赖于通过规范标签进行精确的同构性检查，以确保无误报或漏报。
• 所有算法均针对有向图进行优化，显式处理非对称的边关系。
• 实现代码已开源并公开可访问，以支持可复现性，并促进在各类网络分析中的广泛应用。

实验结果

研究问题

• RQ1 能否利用组合技术设计出更快的精确算法，用于有向图中的基序检测？
• RQ2 在有向图中，对大小为3、4和5的基序进行精确计数的理论时间复杂度上界是什么？
• RQ3 在实际应用中，与FANMOD和Kavosh等现有工具相比，所提出的方法在速度和准确性方面表现如何？
• RQ4 所提出的算法能否在不牺牲正确性的前提下，高效扩展至更大或更密集的有向网络？

主要发现

• 所提出的大小为3的基序检测算法实现了O(m√m)的时间复杂度，相较于先前方法有显著提升。
• 大小为4的基序检测算法运行时间为O(m²)，可实现对中等规模图的快速处理。
• 大小为5的基序检测算法具有O(m²n)的复杂度，使其适用于中等密度的网络。
• 实验评估表明，新算法在各类基准数据集上均显著快于FANMOD和Kavosh。
• 基序检测工具的实现已公开发布，支持社区使用，并可集成到生物信息学工作流中。
• 结果证实，组合优化可同时带来理论和实际的性能提升，显著加速精确基序计数。