[论文解读] Polynomial-Time Trace Reconstruction in the Low Deletion Rate Regime

Xi Chen, Anindya De+3 more|arXiv (Cornell University)|Dec 4, 2020

DNA and Biological Computing参考文献 13被引用 3

一句话总结

本文提出了一种在低删除率环境下对二进制字符串进行迹重建的多项式时间算法，相较于先前工作，将可行的删除率从 δ ≤ n^{-(1/2+ε)} 扩展至 δ ≤ n^{-(1/3+ε)}。该方法结合了按位多数对齐程序与一种新颖的高重复子串长度估计技术，实现了使用 poly(n) 条迹和多项式时间高效、高概率地重建。

ABSTRACT

In the \emph{trace reconstruction problem}, an unknown source string $x \in \{0,1\}^n$ is transmitted through a probabilistic \emph{deletion channel} which independently deletes each bit with some fixed probability $δ$ and concatenates the surviving bits, resulting in a \emph{trace} of $x$. The problem is to reconstruct $x$ given access to independent traces. Trace reconstruction of arbitrary (worst-case) strings is a challenging problem, with the current state of the art for poly$(n)$-time algorithms being the 2004 algorithm of Batu et al. \cite{BKKM04}. This algorithm can reconstruct an arbitrary source string $x \in \{0,1\}^n$ in poly$(n)$ time provided that the deletion rate $δ$ satisfies $δ\leq n^{-(1/2 + \varepsilon)}$ for some $\varepsilon > 0$. In this work we improve on the result of \cite{BKKM04} by giving a poly$(n)$-time algorithm for trace reconstruction for any deletion rate $δ\leq n^{-(1/3 + \varepsilon)}$. Our algorithm works by alternating an alignment-based procedure, which we show effectively reconstructs portions of the source string that are not "highly repetitive", with a novel procedure that efficiently determines the length of highly repetitive subwords of the source string.

研究动机与目标

• 开发一种多项式时间迹重建算法，其适用的删除率高于以往已知的水平。
• 克服以往基于对齐方法的局限性，这些方法在源字符串包含长重复子串时会失效。
• 将低删除率环境下的最先进水平从 δ ≤ n^{-(1/2+ε)} 扩展至 δ ≤ n^{-(1/3+ε)}。
• 设计一种新颖的程序，以高效估计源字符串中高度重复子串（例如长串的 0 或 1）的长度。
• 确保仅使用 poly(n) 条迹和 poly(n) 运行时间即可实现高概率重建。

提出的方法

• 使用按位多数对齐（BMA）程序，通过在迹之间对齐指针来重建源字符串中非重复部分。
• 引入一个新的粗略估计子程序（Coarse-Estimate subroutine），通过利用存活迹的期望长度来估计源字符串的结束位置。
• 采用一种新颖的长度估计技术，用于高度重复子串（例如 ℓ ≥ √n 的 0^ℓ 或 1^ℓ）的估计，利用迹分布的统计特性。
• 在混合算法中结合 BMA 与新的长度估计程序，交替进行非重复段的重建与长串的处理。
• 应用浓度不等式与切尔诺夫型不等式，以确保对齐与估计步骤的高概率正确性。
• 通过 γ = O(n^{2/3−ε} log^3 n) 条迹的最终平均步骤，以高置信度估计结束位置。

实验结果

研究问题

• RQ1 基于对齐的方法能否在迹重建中突破 δ ≤ n^{-(1/2+ε)} 的限制？
• RQ2 在存在删除的情况下，如何高效检测并重建长重复子串（例如相同位的连续串）？
• RQ3 是否可能实现删除率 δ ≤ n^{-(1/3+ε)} 下的多项式时间与 poly(n)-样本迹重建？
• RQ4 需要何种新颖的统计技术，才能从迹中估计高度重复子串的长度？
• RQ5 结合对齐与长度估计的混合方法是否能在低删除率下优于基于均值的算法？

主要发现

• 该算法在任意删除率 δ ≤ n^{-(1/3+ε)}（ε > 0）下实现了多项式时间与 poly(n)-样本迹重建。
• FindEnd 子程序的运行时间为 O(n^{5/3})，主要由在 γ = O(n^{2/3−ε} log^3 n) 条迹上运行 Align 所主导。
• 以高概率（1 − 1/n²）下，该算法通过 γ 条迹的估计平均值，正确重建了源字符串的结束位置。
• 该算法确保对齐程序以至少 1 − O(δ) 的概率返回正确的最后位置，且估计的期望误差为 o(1)。
• 其关键创新在于利用迹的统计特性来估计高度重复子串的长度，从而在 BMA 失效时仍能实现鲁棒重建。
• 该方法通过将可行删除率从 n^{-(1/2+ε)} 扩展至 n^{-(1/3+ε)}，超越了先前的最先进水平。