[论文解读] Circular Trace Reconstruction

Shyam Narayanan, Michael Ren|arXiv (Cornell University)|Sep 2, 2020

DNA and Biological Computing被引用 4

一句话总结

本文引入了循环迹重建（circular trace reconstruction），其中迹通过删除循环字符串的位后应用随机循环移位生成。该文建立了长度为素数或半素数的字符串的近乎最优迹复杂度 exp(~O(n^{1/3}))，并证明了对随机循环字符串可实现多项式迹复杂度，同时证明了任意循环字符串的迹复杂度下界为 ~Ω(n³)。

ABSTRACT

Trace Reconstruction is the problem of learning an unknown string $x$ from independent traces of $x$, where traces are generated by independently deleting each bit of $x$ with some deletion probability $q$. In this paper, we initiate the study of Circular Trace Reconstruction, where the unknown string $x$ is circular and traces are now rotated by a random cyclic shift. Trace reconstruction is related to many computational biology problems studying DNA, which is a primary motivation for this problem as well, as many types of DNA are known to be circular. Our main results are as follows. First, we prove that we can reconstruct arbitrary circular strings of length $n$ using $\exp\big( ilde{O}(n^{1/3})\big)$ traces for any constant deletion probability $q$, as long as $n$ is prime or the product of two primes. For $n$ of this form, this nearly matches the best known bound of $\exp\big(O(n^{1/3})\big)$ for standard trace reconstruction. Next, we prove that we can reconstruct random circular strings with high probability using $n^{O(1)}$ traces for any constant deletion probability $q$. Finally, we prove a lower bound of $ ilde{\Omega}(n^3)$ traces for arbitrary circular strings, which is greater than the best known lower bound of $ ilde{\Omega}(n^{3/2})$ in standard trace reconstruction.

研究动机与目标

• 研究循环字符串的迹重建，其中每个迹是原始字符串经随机循环移位和位删除后的版本。
• 确定为以高概率重建未知循环字符串所需迹的数量。
• 建立循环迹重建的迹复杂度上下界，尤其与标准迹重建进行比较。
• 探讨在DNA数据存储与测序中循环结构的影响，其中循环DNA较为常见。

提出的方法

• 作者分析了在随机循环移位和位删除下循环字符串的结构，利用素数或半素数长度字符串的性质。
• 他们采用概率方法和组合论证，以界定重建所需的迹数，重点在于通过迹分布区分字符串。
• 对于随机循环字符串，他们应用集中不等式和基于熵的论证，证明 n^{O(1)} 个迹在高概率下已足够。
• 他们通过信息论论证推导出下界，表明任意循环字符串的重建至少需要 Ω̃(n³) 个迹，该下界优于标准迹重建中已知的最佳下界。

实验结果

研究问题

• RQ1 使用随机循环移位和位删除生成的迹，重建长度为 n 的任意循环字符串所需的迹复杂度是多少？
• RQ2 是否可以使循环字符串的迹复杂度近乎最优，与标准迹重建中已知的最佳界相匹配？
• RQ3 字符串长度的结构（如素数或半素数）如何影响循环迹重建中的迹复杂度？
• RQ4 循环迹重建所需迹数的信息论下界是什么？

主要发现

• 对于长度为素数或两素数乘积的循环字符串，本文实现了迹复杂度 exp(~O(n^{1/3}))，几乎匹配标准迹重建中已知的最佳界。
• 对于随机循环字符串，本文证明了 n^{O(1)} 个迹在高概率下已足够，为典型情形提供了多项式迹复杂度。
• 本文建立了任意循环字符串重建的迹复杂度下界为 ~Ω(n³)，强于标准迹重建中已知的 ~Ω(n^{3/2}) 下界。
• 结果表明，与标准迹重建相比，循环结构引入了新挑战，尤其在最坏情况设置下导致更高的迹复杂度。