[论文解读] Analysis of the Conradi-Kahle Algorithm for Detecting Binomiality on Biological Models

Alexandru Iosif, Hamid Rahkooy|arXiv (Cornell University)|Dec 14, 2019

Computational Drug Discovery Methods参考文献 12被引用 4

一句话总结

本文分析了 Conradi-Kahle 算法在从生物模型导出的多项式理想中检测二项式性的能力。该算法在 Macaulay2 和 Maple 中实现，并在来自 BioModels 仓库的 20 个生物模型上与 Gröbner 基计算进行了性能比较。主要发现是，尽管 Conradi-Kahle 算法速度很快（大多数情况下少于 1 秒），但由于其在非齐次理想上的不完备性，仅在三个模型中正确识别出二项式性；而 Gröbner 基——尽管较慢——在 600 秒内终止时能够检测出非二项式性。

ABSTRACT

We analyze the Conradi-Kahle Algorithm for detecting binomiality. We present experiments using two implementations of the algorithm in Macaulay2 and Maple on biological models and assess the performance of the algorithm on these models. We compare the two implementations with each other and with Gröbner bases computations up to their performance on these biological models.

研究动机与目标

• 分析 Conradi-Kahle 算法在生物模型多项式理想中检测二项式性的效率与有效性。
• 比较 Conradi-Kahle 算法在 Macaulay2 和 Maple 中的实现与真实生物模型上 Gröbner 基计算的性能表现。
• 研究 Conradi-Kahle 算法在常见于生物反应网络的非齐次理想上应用时的局限性。
• 评估该算法在生物化学网络稳态理想中是否能可靠地判断二项式性，特别是在 Gröbner 基无法在合理时间内终止的情况下。

提出的方法

• 将 Conradi-Kahle 算法应用于来自 BioModels 仓库的 20 个生物模型，这些模型是定义在速率参数有理函数域上的非齐次多项式理想。
• 通过迭代使用系数矩阵的简化行阶梯形式对理想进行约化，并检查是否存在至少三项非零元素的行，来测试二项式性。
• 以 Gröbner 基计算作为基准，应用 Eisenbud 和 Sturmfels 的推论 1.2，通过 Gröbner 基约化来测试二项式性。
• 在 Macaulay2 和 Maple 中分别实现代码，记录执行时间，并在两个系统之间比较结果。
• 将算法应用于原始非齐次理想经齐次化后的版本，承认其完备性仅对齐次理想成立。
• 通过测量 CPU 时间和判断二项式性的成功率来评估性能，Gröbner 基计算设置 600 秒超时。

实验结果

研究问题

• RQ1 Conradi-Kahle 算法在检测生物模型中非齐次多项式理想的二项式性时，其速度和准确性如何？
• RQ2 Conradi-Kahle 算法在真实生物模型中检测二项式性时，与 Gröbner 基相比表现如何？
• RQ3 为何 Conradi-Kahle 算法尽管高效，却在大多数生物模型中无法确定二项式性？
• RQ4 Conradi-Kahle 算法能否检测出非二项式理想，还是仅能确认二项式性？
• RQ5 Macaulay2 和 Maple 中 Conradi-Kahle 算法实现的计算性能在生物模型上表现如何比较？

主要发现

• 所有测试的生物模型中，Conradi-Kahle 算法运行时间均少于 1 秒，Macaulay2 中执行时间在 0.01 至 0.7 秒之间，Maple 中在 0.02 至 6 秒之间。
• 该算法仅在三个生物模型（9、262、264）中成功识别出二项式性（Bin (C-K) 栏返回 'Yes'），其余均返回 'No'。
• Gröbner 基计算在 600 秒内终止的仅 10 个生物模型，其中最长耗时 500 秒（Maple 中的生物模型 153）。
• 对于生物模型 46、187、243 和 335，Gröbner 基正确识别出非二项式性，但 Conradi-Kahle 算法因在非齐次理想上不完备而未能识别。
• 当两种方法均成功时，执行时间相近：对于生物模型 264，C-K (M2) 耗时 0.7 秒，GB (M2) 耗时 2 秒；C-K (Maple) 耗时 0.03 秒，GB (Maple) 耗时 0.04 秒。
• Macaulay2 和 Maple 实现的 Conradi-Kahle 算法及 Gröbner 基计算之间，性能无显著差异。