[论文解读] Subpolynomial trace reconstruction for random strings and arbitrary deletion probability

Nina Holden, Robin Pemantle+2 more|arXiv (Cornell University)|Jan 15, 2018

DNA and Biological Computing被引用 11

一句话总结

本文提出了一种针对任意删除和插入概率下随机比特串的次多项式迹重建算法，通过 exp(O(log^{1/3}n)) 个迹和 n^{1+o(1)} 时间实现重建。该方法引入了一种基于随机游走增量的两步对齐方法，用于估计迹中对应于原始比特串中比特位置的信息，显著改进了仅删除通道和插入-删除通道的先前界限，尤其在 q ≥ 1/2 时表现更优。

ABSTRACT

The insertion-deletion channel takes as input a bit string ${\\bf x}\\in\\{0,1\\}^{n}$, and outputs a string where bits have been deleted and inserted independently at random. The trace reconstruction problem is to recover $\\bf x$ from many independent outputs (called "traces") of the insertion-deletion channel applied to $\\bf x$. We show that if $\\bf x$ is chosen uniformly at random, then $\\exp(O(\\log^{1/3} n))$ traces suffice to reconstruct $\\bf x$ with high probability. For the deletion channel with deletion probability $q < 1/2$ the earlier upper bound was $\\exp(O(\\log^{1/2} n))$. The case of $q\\geq 1/2$ or the case where insertions are allowed has not been previously analyzed, and therefore the earlier upper bound was as for worst-case strings, i.e., $\\exp(O( n^{1/3}))$. We also show that our reconstruction algorithm runs in $n^{1+o(1)}$ time. A key ingredient in our proof is a delicate two-step alignment procedure where we estimate the location in each trace corresponding to a given bit of $\\bf x$. The alignment is done by viewing the strings as random walks and comparing the increments in the walk associated with the input string and the trace, respectively.

研究动机与目标

• 为删除概率 q ≥ 1/2 的随机字符串迹重建复杂度填补空白，此前的界限与最坏情况性能一致。
• 将次多项式迹重建扩展至完整的插入-删除通道，包括允许插入的情况。
• 开发一种在近线性时间 n^{1+o(1)} 内运行的高效重建算法。
• 提出一种基于输入字符串及其迹所导出的随机游走增量比较的新型对齐技术。
• 证明 exp(O(log^{1/3}n)) 个迹足以以高概率重建均匀随机字符串，无论 q < 1 如何。

提出的方法

• 采用两步对齐程序，通过将原始字符串和迹建模为随机游走，估计每个迹中对应于输入字符串中给定比特的位置。
• 通过比较原始字符串和迹的随机游走路径中的增量，对齐对应片段并推断比特位置。
• 使用蒙特卡洛模拟估计与迹统计相关的函数 v(w) 的期望值，从而实现从部分迹数据中进行重建。
• 使用字符串的缩短前缀（长度为 k − log²n）来模拟迹，以减少计算时间，同时保持高精度。
• 通过使用估计值 v′(w) 求解修改后的优化问题以最小化误差，且保证解能以高概率正确恢复下一个比特。
• 证明利用集中不等式和耦合论证，表明对 v(w) 的估计误差呈指数级小，从而确保可靠重建。

实验结果

研究问题

• RQ1 当删除概率 q ≥ 1/2 时，是否可以实现对随机字符串的次多项式迹重建，而此前的方法在此情况下失效？
• RQ2 是否可以将次多项式迹重建扩展至具有任意插入和删除概率的插入-删除通道？
• RQ3 重建算法是否可以在保持次多项式迹复杂度的同时，以近线性时间 n^{1+o(1)} 运行？
• RQ4 当存活比特的期望数量为次线性时，如何实现输入比特与迹片段之间鲁棒的对齐？
• RQ5 在所有 q ∈ [0,1) 和 q′ ∈ [0,1) 下，以高概率重建均匀随机字符串所需的最少迹数是多少？

主要发现

• 本文证明，无论删除概率 q < 1 如何，exp(O(log^{1/3}n)) 个迹足以以高概率重建长度为 n 的均匀随机比特串。
• 当 q < 1/2 时，该结果优于先前 exp(O(log^{1/2}n)) 个迹的界限；当 q ≥ 1/2 时，首次提供了次多项式界限，填补了长期存在的空白。
• 该算法运行时间为 n^{1+o(1)}，尽管迹复杂度为次多项式，但仍具有高效性。
• 该方法对插入具有鲁棒性，适用于完整的插入-删除通道，而不仅限于删除通道。
• 基于随机游走增量比较的对齐技术即使在存活比特的期望数量较小时，也能实现准确的比特位置估计。
• 证明了对关键函数 v(w) 的估计误差呈指数级小，从而确保以高置信度实现高概率重建。