[论文解读] Read networks and k-laminar graphs

Finn Völkel, Éric Bapteste+3 more|arXiv (Cornell University)|Mar 3, 2016

Alzheimer's disease research and treatments参考文献 12被引用 5

一句话总结

本文引入了 k-层状图（k-laminar graphs），这是一种新颖的图类，扩展了无角三元组图（asteroidal triple-free graphs），其动机源于基因组学中的生物序列相似性网络（读取网络，read networks）。研究针对固定的 k 提供了多项式时间识别算法，改进了 k=1 时的先前工作，并证明当 k 无界时问题为 NP-完全，为将读取网络分解为具有生物学意义的层状组件提供了理论基础。

ABSTRACT

In this paper we introduce k-laminar graphs a new class of graphs which extends the idea of Asteroidal triple free graphs. Indeed a graph is k-laminar if it admits a diametral path that is k-dominating. This bio-inspired class of graphs was motivated by a biological application dealing with sequence similarity networks of reads (called hereafter read networks for short). We briefly develop the context of the biological application in which this graph class appeared and then we consider the relationships of this new graph class among known graph classes and then we study its recognition problem. For the recognition of k-laminar graphs, we develop polynomial algorithms when k is fixed. For k=1, our algorithm improves a Deogun and Krastch's algorithm (1999). We finish by an NP-completeness result when k is unbounded.

研究动机与目标

• 定义并形式化 k-层状图作为一类新的图，其动机源于生物序列相似性网络。
• 研究 k-层状图在已知图类中的结构关系。
• 为固定 k 的 k-层状图开发高效的识别算法。
• 证明当 k 无界时，层状性识别问题为 NP-完全。
• 通过在读取网络中识别 k-层状子结构，支持生物网络的分解。

提出的方法

• 将 k-层状图定义为包含一条直径路径（diametral path）的图，该路径为 k-支配（k-dominating），即所有顶点到该路径的距离不超过 k。
• 通过从 3SAT 问题的构造性归约，证明当 k 无界时层状性识别问题为 NP-完全。
• 为固定 k 的 k-层状图开发多项式时间识别算法，改进了 Deogun 和 Kratsch 在 1999 年针对 k=1 的算法。
• 利用极端顶点（具有最大离心率的顶点）和路径支配的概念，指导识别过程。
• 从 3SAT 实例 φ 构造图 G(φ)，使得当且仅当 φ 可满足时，G(φ) 为 (n/2 + 1)-层状图。
• 通过控制顶点数量和 k 的取值范围，将 NP-完全的 3SAT 实例嵌入层状性判定问题中。

实验结果

研究问题

• RQ1 当 k 固定时，k-层状图是否可在多项式时间内识别？
• RQ2 k-层状图类与已知图类（如无角三元组图）之间有何关系？
• RQ3 当 k 无界时，一般层状性识别问题是否为 NP-完全？
• RQ4 k-层状分解能否用于从读取网络中提取具有生物学意义的子结构？
• RQ5 当 k 随输入规模增长时，识别 k-层状图的计算复杂度如何？

主要发现

• 当 k 固定时，k-层状图的识别可在多项式时间内完成，且相比先前针对 k=1 的算法，时间复杂度得到改进。
• 当 k 无界时，层状性识别问题为 NP-完全，通过一种具有变量出现次数限制的 3SAT 变体归约得到证明。
• 从 3SAT 公式 φ 构造的图 G(φ) 为 (n/2 + 1)-层状图，当且仅当 φ 可满足，从而确立了 NP-完全性结果。
• 构造确保当 k ∈ [√|V(G)|/4, √|V(G)|/2] 时，|V(G)| ∈ [4k², 16k²]，验证了 NP-完全实例的编码正确性。
• 该算法框架支持在生物信息学中的潜在应用，特别是在将读取网络分解为具有生物学可解释性的层状组件方面。
• 对于极端顶点数量有界的图，识别复杂度可降至 O(nm)，表明在某些生物网络场景下可能具有最优性。