[论文解读] On Computing the Dollo-1 phylogeny in polynomial time

Paola Bonizzoni, Gianluca Della Vedova+2 more|arXiv (Cornell University)|Nov 3, 2016

Algorithms and Data Compression参考文献 23被引用 4

一句话总结

本文提出了首个解决持久演化问题（Persistent Phylogeny Problem, PPP）的多项式时间算法，该问题旨在重建每个二元性状仅获得一次且仅丢失一次的演化树。通过将问题建模为红-黑图，并利用基于安全源识别的递归约简框架，作者解决了计算生物学领域长达20年的开放性难题。

ABSTRACT

The Dollo model for reconstructing evolutionary trees from binary characters has been proposed as a generalization of the infinite sites model, also known as the Perfect Phylogeny. In particular, the Dollo model is considered more realistic than the Perfect Phylogeny for inferring the evolution of tumor mutations. In the case of binary matrices, the Dollo-$k$ model requires an evolutionary tree in which each character, corresponding to a column in the input matrix, may change from $0$ to $1$ at most once, and from $1$ to $0$ at most $k$ times throughout the entire tree. Given a binary matrix, the problem of deciding whether there exists a Dollo-$k$ tree compatible with the matrix is NP-complete for any fixed $k \geq 2$, while computing a Dollo-$0$ tree corresponds to the Perfect Phylogeny decision problem, which admits a simple linear-time algorithm. The Dollo-$1$ tree problem corresponds to the Persistent Phylogeny problem, whose computational complexity, albeit under an equivalent formulation, was posed as an open question 20 years ago. We solve this problem by presenting a polynomial-time algorithm for the Persistent Phylogeny problem. Our solution relies on efficiently solving a specific class of binary matrices, represented as bipartite graphs called \emph{skeleton graphs}, or simply skeletons. In these graphs, characters are \emph{maximal}, that is their corresponding sets of species are not related by inclusion.

研究动机与目标

• 解决自1996年以来长期悬而未决的持久演化问题（PPP）的计算复杂性问题。
• 设计一种高效算法，用于判断给定的二元矩阵是否可被表示为持久演化树。
• 当持久演化树存在时，以多项式时间构造该树，提供一种实用且信息丰富的演化模型。
• 通过证明PPP可在多项式时间内求解，明确其复杂性状态，与相关优化变体的NP完全性形成对比。
• 基于红-黑图与图示分析，建立图论框架，以支持高效计算与正确性证明。

提出的方法

• 将PPP建模为红-黑图（G_R_B），其中顶点代表分类群，边表示性状状态的转换。
• 定义并使用“约简”概念，通过识别并实现具有特定结构特性的性状，递归地简化红-黑图。
• 应用递归算法（Reduce），通过检查是否存在普遍性状、自由性状或非连通分量，以指导约简步骤。
• 在从图的最大性状导出的图示中引入“安全源”的概念，当不存在普遍性状或自由性状时，确保约简的正确性。
• 使用Realize函数在实现一系列性状后更新红-黑图，确保与持久演化树约束的一致性。
• 利用图论定理（如定理9、定理28）来证明安全源选择的正确性，并确保算法在多项式时间内执行。

实验结果

研究问题

• RQ1 持久演化问题是否可在多项式时间内求解，抑或其为NP完全问题？
• RQ2 能否基于PPP的图论表述，设计一种具有可证明正确性的高效算法？
• RQ3 红-黑图的哪些结构特性（如普遍性状、安全源）可被用于引导递归约简过程？
• RQ4 PPP解的存在性是否对应于红-黑图框架中有效的约简序列？
• RQ5 该算法是否可在多项式时间内实现，同时正确处理所有情况，包括非连通图与退化图示？

主要发现

• 持久演化问题可在多项式时间内求解，从而解决了计算生物学领域长达20年的开放性问题。
• 所提出的算法基于红-黑图的递归约简，运行时间多项式，且能正确判断持久演化树的存在性。
• 该算法正确处理所有情况：非连通图、普遍性状、自由性状，以及需要在图示中进行安全源选择的情形。
• 通过在约简序列长度上进行归纳法证明算法的正确性，每个递归步骤均有关键引理支持。
• 时间复杂度为多项式时间，因为每次递归调用至少减少一个带符号性状，且安全源识别可在多项式时间内完成。
• 该算法要么计算出一个有效的持久演化树，要么在无解时中止，其正确性通过图的结构特性与图示分析得到验证。