[论文解读] Parameterized Intractability of Motif Search Problems

Michael R. Fellows, Jens Gramm+1 more|ArXiv.org|May 21, 2002

Algorithms and Data Compression参考文献 24被引用 7

一句话总结

本文通过证明当参数化为输入字符串数量 $k$ 时，计算生物学中的两个核心基序搜索问题——最接近子串（Closest Substring）和一致性模式（Consensus Patterns）——在参数化下是 W[1]-难的，从而建立了这两个问题的参数化不可解性，即使在二元字母表上也是如此。该结果表明，针对 $k$ 的高效固定参数算法几乎不可能存在，从而削弱了当 $k \geq 3$ 时的实用性。

ABSTRACT

We show that Closest Substring, one of the most important problems in the field of biological sequence analysis, is W[1]-hard when parameterized by the number k of input strings (and remains so, even over a binary alphabet). This problem is therefore unlikely to be solvable in time O(f(k)\cdot n^{c}) for any function f of k and constant c independent of k. The problem can therefore be expected to be intractable, in any practical sense, for k>=3. Our result supports the intuition that Closest Substring is computationally much harder than the special case of Closest String, although both problems are NP-complete. We also prove W[1]-hardness for other parameterizations in the case of unbounded alphabet size. Our W[1]-hardness result for Closest Substring generalizes to Consensus Patterns, a problem of similar significance in computational biology.

研究动机与目标

• 研究计算生物学中基序搜索问题的参数化复杂性，特别是最接近子串与一致性模式。
• 确定当以输入字符串数量 $k$ 为参数时，这些问题是否能存在高效的固定参数算法。
• 厘清这些问题在 NP-完全性与固定参数可解性之间的计算边界。
• 检查当 $k$ 为参数时，距离参数 $d$ 或字母表大小是否会影响复杂性。
• 建立一个正式的不可解性结果，以解释当 $k \geq 3$ 时精确算法在实际中不可行的原因。

提出的方法

• 从 $k$-团问题归约至一致性模式问题，通过在字符串中对图的顶点和边进行二进制编码。
• 构造模板串和选择串，利用汉明距离界限强制约束解串 $s$ 的结构。
• 通过逐列错位分析，强制在选择串匹配中“1”符号位置的一致性。
• 利用匹配间的多数投票机制，基于汉明距离约束推断解串 $s$ 中正确的位。
• 证明在匹配中“1”位置的一致性意味着原图中存在一个团，从而确立 W[1]-难性。
• 通过类似的编码与距离约束论证，将该归约扩展至最接近子串问题，表明其在最大距离度量下也是 W[1]-难的。

实验结果

研究问题

• RQ1 当以输入字符串数量 $k$ 为参数时，最接近子串问题是否为 W[1]-难？
• RQ2 最接近子串的 W[1]-难性结果在二元字母表下是否依然成立？
• RQ3 当以 $k$ 为参数时，一致性模式问题是否为 W[1]-难，即使在二元字母表下？
• RQ4 当字母表大小为常数时，能否解决这些问题在距离参数 $d$ 下的参数化复杂性？
• RQ5 距离度量（最大值 vs. 求和）对基序搜索问题的参数化复杂性有何影响？

主要发现

• 当以 $k$ 为参数时，最接近子串问题即使在二元字母表下也是 W[1]-难的，这意味着不存在任何函数 $f$ 和常数 $c$ 使得存在 $O(f(k) \cdot n^c)$ 的算法。
• 通过从 $k$-团问题归约，一致性模式问题在二元字母表下对参数 $k$ 也是 W[1]-难的。
• 解串的编码部分必须编码原图中的一个 $k$-团，这一点由选择串匹配中“1”位置的一致性所证明。
• 在编码部分的每一列中，错位数恰好为 ${k \choose 2} - (k-1)$，从而在解中强制实现结构一致性。
• 即使距离参数 $d$ 不小（这在一致性模式中是典型情况），该结果依然成立，使得该问题在实践中尤其困难。
• 两个问题在 $k$ 参数化下的 W[1]-难性结果表明，高效固定参数算法几乎不可能存在，从而对这些问题的实际 EPTAS 可行性提出质疑。