[论文解读] Reconstructing fully-resolved trees from triplet cover distances

Katharina T. Huber, Mike Steel|arXiv (Cornell University)|Sep 11, 2012

Lipid metabolism and biosynthesis参考文献 10被引用 5

一句话总结

本文提出了一种多项式时间算法，可在给定的成对距离子集构成稳定三元组覆盖（一种特定类型的叶对集合，能捕捉每个内部节点周围的结构信息）的前提下，重构具有边权的完全解析的系统发育树。关键贡献在于证明此类覆盖唯一确定了树及其权重，从而解决了进化基因组学中三元组覆盖问题的一个特例。

ABSTRACT

It is a classical result that any finite tree with positively weighted edges, and without vertices of degree 2, is uniquely determined by the weighted path distance between each pair of leaves. Moreover, it is possible for a (small) strict subset $\cl$ of leaf pairs to suffice for reconstructing the tree and its edge weights, given just the distances between the leaf pairs in $\cl$. It is known that any set $\cl$ with this property for a tree in which all interior vertices have degree 3 must form a {\em cover} for $T$ -- that is, for each interior vertex $v$ of $T$, $\cl$ must contain a pair of leaves from each pair of the three components of $T-v$. Here we provide a partial converse of this result by showing that if a set $\cl$ of leaf pairs forms a cover of a certain type for such a tree $T$ then $T$ and its edge weights can be uniquely determined from the distances between the pairs of leaves in $\cl$. Moreover, there is a polynomial-time algorithm for achieving this reconstruction. The result establishes a special case of a recent question concerning `triplet covers', and is relevant to a problem arising in evolutionary genomics.

研究动机与目标

• 识别能唯一确定完全解析系统发育树及其边权的最小成对叶距离子集。
• 解决在基因组研究中常见的部分距离数据下树重构的挑战，即覆盖不全的情况。
• 为从一类特殊距离集合——稳定三元组覆盖——重构树提供理论基础。
• 提供一种构造性算法，高效地从此类距离集合中恢复树结构与边权。
• 解决关于所有三元组覆盖是否唯一确定完全解析树的开放问题的一个特例。

提出的方法

• 引入稳定三元组覆盖的概念：对于每个内部节点，该集合包含连接由移除该节点所形成的三个子树中每对子树的叶的弦。
• 将可壳化性（shellability）定义为这类覆盖的组合性质，使其能够逐步重构缺失的距离。
• 应用扩展规则（R），通过三角不等式违反情况推断新距离，迭代地将缺失的叶对添加到距离集合中。
• 使用该扩展过程的闭包，记为 cl_R(L)，将初始距离集合扩展至包含所有成对距离。
• 在完整距离矩阵恢复后，应用标准基于距离的树重构方法（如邻接法，Neighbor-Joining）。
• 证明：若某集合包含一个可壳化套索（shellable lasso，即稳定三元组覆盖的超集），则 cl_R(L) 等于所有叶对的完整集合，从而实现完整重构。

实验结果

研究问题

• RQ1 是否存在一个最小成对距离子集，能唯一确定完全解析的系统发育树及其边权？
• RQ2 成对叶子集需满足何种结构性质，才能保证仅凭其距离实现唯一树重构？
• RQ3 当仅有稳定三元组覆盖的距离数据时，是否存在一个多项式时间算法来重构树？
• RQ4 每个稳定三元组覆盖是否都能保证扩展规则（R）的闭包恢复所有成对距离？
• RQ5 若距离集合中存在一个可壳化套索，是否能确保完整恢复树结构与边权？

主要发现

• 稳定三元组覆盖——即对于每个内部节点，其包含连接由该节点移除后形成的三棵子树中每对子树的叶的弦的叶对集合——唯一确定了完全解析的树及其边权。
• 对任意稳定三元组覆盖（或可壳化套索）应用扩展规则（R）的闭包，将得到所有成对距离的完整集合，即 cl_R(L) = ‘X 选 2’。
• 本文证明，任何包含完全解析树的可壳化套索的集合，均可通过扩展规则实现树结构与边权的完整重构。
• 重构过程在多项式时间内运行，使其在大规模数据集上具有计算可行性。
• 该结果为一个开放问题提供了肯定答案：即所有三元组覆盖是否唯一确定树结构与边权。
• 即使稳定三元组覆盖未被显式知晓，只要其包含在初始距离集合中，该方法仍可实现重构。