[论文解读] On the Complexity of Several Haplotyping Problems

Rudi Cilibrasi, Leo van Iersel+2 more|ArXiv.org|May 13, 2005

Gene expression and cancer classification参考文献 5被引用 4

一句话总结

本文通过从 MAX-CUT 问题约化，证明了无间隙最小误差校正（MEC）在单倍型分析中的 NP-难问题，解决了 Lancia 等人提出的关于每个基因型最多含两个模糊位点时纯简约单倍型分析（PPH）问题的开放难题，并提出一种新颖的二分图公式化方法，通过最大独立集计算 PPH，从而高效求解该受限情形。

ABSTRACT

In this paper we present a collection of results pertaining to haplotyping. The first set of results concerns the combinatorial problem of reconstructing haplotypes from incomplete and/or imperfectly sequenced haplotype data. More specifically, we show that an interesting, restricted case of Minimum Error Correction (MEC) is NP-hard, point out problems in earlier claims about a related problem, and present a polynomial-time algorithm for the ungapped case of Longest Haplotype Reconstruction (LHR). Secondly, we present a polynomial time algorithm for the problem of resolving genotype data using as few haplotypes as possible (the Pure Parsimony Haplotyping Problem, PPH) where each genotype has at most two ambiguous positions, thus solving an open problem posed by Lancia et al in "Haplotyping Populations by Pure Parsimony: Complexity of Exact and Approximation Algorithms."

研究动机与目标

• 确立单倍型分析中受限版本最小误差校正（MEC）问题的计算复杂性，特别是无间隙情形。
• 解决 Lancia 等人提出的关于每个基因型最多含两个模糊位点时的纯简约单倍型分析（PPH）问题的开放难题。
• 在该约束下，利用新颖的二分图公式化方法，提出一种多项式时间算法求解 PPH。
• 澄清并纠正先前关于相关单倍型分析问题的主张，特别是那些依赖于 [10] 中结果的主张，发现其在本问题中并不成立。

提出的方法

• 将 MAX-CUT 的优化版本约化为无间隙 MEC，以证明其 NP-难性，确立该受限 MEC 变体的计算不可解性。
• 构建二分图 $ B = (V^+ \bigcup V^-, E) $，其中顶点表示单倍型和解析指示符，边表示基因型与单倍型之间的兼容性。
• 为单倍型分配奇偶性（偶/奇），并引入辅助顶点集 $ I_0(g), I_1(g,0), I_1(g,1), I_2(g,+), I_2(g,-) $ 以建模基因型解析约束。
• 利用图 $ B $ 的最大独立集（MIS）来最小化解析所有基因型所用的不同单倍型数量，其中 $ |MaxBIS(B)| = 4n + (|H| - PPH(G)) $。
• 利用二分图中最大独立集与最大匹配之间的等价性，在 $ O(mn\log n + n^{3/2}) $ 时间内计算 MIS。
• 应用排序与重复项合并技术，高效维护图构建过程中的邻接信息，确保 $ O(1) $ 时间的邻接查询。

实验结果

研究问题

• RQ1 无间隙最小误差校正（MEC）问题是 NP-难的吗？能否在不依赖 [10] 中有缺陷的先前结果的前提下证明这一点？
• RQ2 当每个基因型最多含两个模糊位点时，纯简约单倍型分析（PPH）问题是否可在多项式时间内求解，从而解决一个开放难题？
• RQ3 所构建的二分图中最大独立集的大小与 PPH 所需单倍型数量之间有何关系？
• RQ4 能否使用图论公式化方法，在模糊性受限的条件下高效建模并求解 PPH 问题？
• RQ5 关于相关单倍型分析问题复杂性的早期主张，特别是基于 [10] 的主张，是否适用于 MEC 和 PPH 设置？

主要发现

• 通过从 MAX-CUT 优化版本的直接约化，证明了无间隙 MEC 是 NP-难的，纠正并强化了先前依赖 [10] 中有争议结果的主张。
• 当每个基因型最多含两个模糊位点时，PPH 问题可在多项式时间内求解，解决了 Lancia 等人在 [14] 中提出的开放难题。
• 所提出的二分图公式化方法可精确计算解释一组基因型所需的最少单倍型数量，其中 $ |MaxBIS(B)| = 4n + (|H| - PPH(G)) $。
• 该算法在 $ O(mn\log n + n^{3/2}) $ 时间内运行，结合了高效的图构建与最大匹配及独立集计算。
• 通过强制将 $ I $-集合包含在 MIS 中，确保所有解析约束均被满足，从而最小化所用不同单倍型的数量。
• 该构造正确建模了基因型解析过程，确保仅兼容的单倍型可被使用，且未使用的单倍型在 MIS 中优先被选择。