[论文解读] Mathematical and Algorithmic Analysis of Network and Biological Data

Charalampos E. Tsourakakis|arXiv (Cornell University)|Jun 30, 2014

Bioinformatics and Genomic Networks参考文献 338被引用 10

一句话总结

本博士论文提出了新颖的数学与算法方法，用于分析网络与生物数据，引入了高效的图处理与动态规划加速算法、用于癌症亚型检测的几何模型，以及肿瘤进化树唯一重构的条件。主要贡献包括可扩展的三角形计数、aCGH数据去噪，以及随机图中彩虹连通性的理论保证。

ABSTRACT

This dissertation contributes to mathematical and algorithmic problems that arise in the analysis of network and biological data.

研究动机与目标

• 为大规模图处理与真实世界数据中的网络分析开发高效且具有理论基础的算法。
• 通过构建稳健的模型来应对计算癌症生物学中的挑战，以识别癌症亚型并重构肿瘤演化过程。
• 为随机图模型及稀疏网络中的连通性特性提供理论基础。
• 通过优化问题中的结构洞察（如引理1.1），提升动态规划在aCGH数据去噪中的性能。
• 建立肿瘤系统发育学中对致癌基因树唯一重构的必要与充分条件。

提出的方法

• 提出一种基于度数的顶点划分方法，用于在大规模图中高效进行三角形计数，结合了稀疏化与采样技术。
• 引入一种几何模型，通过拟合基因组数据的最小体积外接单形来检测癌症亚型，对异常值具有鲁棒性。
• 设计一种随机化算法，用于二项及正则随机图中的彩虹连通性，实现高成功概率。
• 利用集中不等式与随机投影，分析在概率模型下图算法的性能。
• 通过引入结构约束（如引理1.1）的动态规划方法，利用优化问题中固有的信号模式，加速aCGH数据去噪。
• 基于突变共现模式，建立组合条件，以实现致癌基因树的唯一重构。

实验结果

研究问题

• RQ1 我们能否设计出在大规模图中具有强理论保证的高效可扩展三角形计数算法？
• RQ2 如何利用几何原理对基因组数据进行建模与癌症亚型检测，使其优于传统的PCA或聚类方法？
• RQ3 在何种条件下，可以从突变数据中唯一重构出致癌基因树？
• RQ4 现实世界网络的哪些结构特性可支持将随机阿波罗尼奥斯网络作为生成模型？
• RQ5 如何通过挖掘优化问题中隐藏的结构，加速aCGH去噪中的动态规划？

主要发现

• 所提出的基于度数的三角形计数算法在大规模图上实现了显著的速度提升，同时保持高精度，优于以往方法。
• 基于最小体积外接单形的几何模型在阵列CGH数据中成功识别出癌症亚型，对噪声和异常值表现出强鲁棒性。
• 对于随机二项及正则图，随机化边着色过程以高概率实现彩虹连通性，为实际应用提供了理论依据。
• 本文证明：若 |P_i1 - P_i2| > 2√(2C)，则在最优L2-范数分割中，i1与i2必位于不同区间，从而实现更快的动态规划。
• 建立了致癌基因树唯一重构的必要与充分条件，可识别与观测突变模式一致的最小树家族。
• 图划分框架表明，幂律指数等结构特性可指导谱划分中γ参数的启发式选择，提升性能预测能力。