[论文解读] On the Structure and Efficient Computation of IsoRank Node Similarities

Ehsan Kazemi, Matthias Grossglauser|arXiv (Cornell University)|Feb 1, 2016

Bioinformatics and Genomic Networks参考文献 12被引用 7

一句话总结

该论文揭示，当 α = 1 时，IsoRank 的结构相似性度量仅依赖于节点度数，从而解释了其在仅基于结构对齐任务中表现不佳的原因。论文提出了一种名为 SharpApproximateIsoRank 的高效近似算法，该算法基于网络的克罗内克积图上的 PageRank 进行近似计算，通过采用基于推送的迭代计算与自适应误差控制，实现了数量级的加速，同时精度损失可忽略不计。

ABSTRACT

The alignment of protein-protein interaction (PPI) networks has many applications, such as the detection of conserved biological network motifs, the prediction of protein interactions, and the reconstruction of phylogenetic trees [1, 2, 3]. IsoRank is one of the first global network alignment algorithms [4, 5, 6], where the goal is to match all (or most) of the nodes of two PPI networks. The IsoRank algorithm first computes a pairwise node similarity metric, and then generates a matching between the two node sets based on this metric. The metric is a convex combination of a structural similarity score (with weight $ α$) and an extraneous amino-acid sequence similarity score for two proteins (with weight $ 1 - α$). In this short paper, we make two contributions. First, we show that when IsoRank similarity depends only on network structure ($α= 1$), the similarity of two nodes is only a function of their degrees. In other words, IsoRank similarity is invariant to any network rewiring that does not affect the node degrees. This result suggests a reason for the poor performance of IsoRank in structure-only ($ α= 1 $) alignment. Second, using ideas from [7, 8], we develop an approximation algorithm that outperforms IsoRank (including recent versions with better scaling, e.g., [9]) by several orders of magnitude in time and memory complexity, despite only a negligible loss in precision.

研究动机与目标

• 研究当仅依赖网络拓扑（α = 1）时，IsoRank 节点相似性度量的结构依赖性。
• 解释在仅基于结构的对齐场景中，IsoRank 表现欠佳的成因。
• 开发一种计算 IsoRank 相似性更高效的算法，同时保持极低的精度损失。
• 建立 IsoRank 与两个网络克罗内克积图上已知图算法（如 PageRank）之间的形式等价性。

提出的方法

• 证明 IsoRank 相似性问题等价于在克罗内克积图 G1 × G2 上的 PageRank 问题，其中随机跳跃概率为 α，偏好向量为 e。
• 证明当 α = 1 时，相似性向量 r 与节点度数的乘积 d1,u × d2,v 成正比，使其在保持度数不变的重布线操作下保持不变。
• 开发基于推送的近似方法的 SharpApproximateIsoRank 算法，通过受控误差逐步传播相似性得分。
• 利用恒等式 r = (1 − α)(I − αP)⁻¹e 推导出具有误差边界的递归迭代计算策略。
• 实现自适应误差阈值 ϵ′，使其在每次迭代中减半，确保收敛且误差有界。
• 利用与 PageRank 的等价性，应用 [7, 8] 中的高效近似技术，将稀疏网络的时间复杂度从 O(n⁴) 降低至 O(n³ log n)。

实验结果

研究问题

• RQ1 为何 IsoRank 在仅基于结构的对齐任务（α = 1）中表现不佳，尽管其设计初衷是用于网络对齐？
• RQ2 IsoRank 中的结构相似性是否依赖于实际的边集，还是仅依赖于节点度数？
• RQ3 是否可以高效地近似计算 IsoRank 相似性，同时保持精度？
• RQ4 与原始 IsoRank 相比，所提近似算法的时间复杂度如何？
• RQ5 IsoRank 是否与已知图算法（如 PageRank）存在形式等价性？

主要发现

• 当 α = 1 时，IsoRank 相似性仅依赖于节点度数的乘积 d1,u × d2,v，因此在保持度数不变的任何网络重布线操作下保持不变。
• 在 α = 1 条件下的贪心对齐策略，仅按节点度数降序匹配节点，与实际网络拓扑无关。
• 所提出的 SharpApproximateIsoRank 算法将稀疏生物网络的时间复杂度从 O(n⁴) 降低至 O(n³ log n)，实际中实现了 100 倍加速。
• 对于 ϵ = 10⁻¹²，该算法在 53 分钟内完成了 10 对 PPI 网络的两两对齐，而原始 IsoRank 需要 13.5 小时。
• 该算法保持了高精度，对所有节点对均有 |ẽ(u,v)/(d1,ud2,v)| ≤ ϵ，确保了相似性估计的有界误差。
• 与 PageRank 在克罗内克积图上的等价性使得可应用先进的近似技术，显著提升了可扩展性。