[论文解读] Time and Space Efficient Algorithms for RNA Folding with the Four-Russians Technique

Yinglei Song|arXiv (Cornell University)|Mar 19, 2015

RNA and protein synthesis mechanisms参考文献 22被引用 4

一句话总结

本文提出了一种时间与空间效率更高的动态规划算法用于RNA折叠，采用Four-Russians技术，实现$O(n^3 / \log_2^2 n)$的时间复杂度和$O(n^2 / \log_2 n)$的空间复杂度——优于标准的$O(n^3)$时间与$O(n^2)$空间复杂度。该方法在不依赖Valiant等高级技术的前提下实现了亚立方时间性能，并可扩展至高效的上下文无关语言识别。

ABSTRACT

In this paper, we develop new algorithms for the basic RNA folding problem. Given an RNA sequence that contains $n$ nucleotides, the goal of the problem is to compute a pseudoknot-free secondary structure that maximizes the number of base pairs in the sequence. We show that there exists a dynamic programming algorithm that can solve the problem in time $O(\frac{n^{3}}{\log_{2}{n}})$ while using only $O(\frac{n^{2}}{\log_{2}{n}})$ memory space. In addition, we show that the time complexity of this algorithm can be further improved to $O(\frac{n^{3}}{\log_{2}^{2}{n}})$ at the expense of a slightly increased space complexity. To the best of our knowledge, this is the first algorithm that can solve the problem with traditional dynamic programming techniques in time $O(\frac{n^{3}}{\log_{2}^{2}{n}})$. In addition, our results improve the best known upper bound of the space complexity for efficiently solving both this problem and the context-free language recognition problem.

研究动机与目标

• 开发更快且更节省空间的动态规划算法，用于具有伪结自由二级结构的RNA折叠。
• 仅使用传统的动态规划技术，降低经典$O(n^3)$ RNA折叠算法的时间与空间复杂度。
• 将Four-Russians技术扩展至实现亚立方时间复杂度，且不依赖Valiant等高级方法。
• 改善RNA折叠与上下文无关语言识别问题的最坏情况空间复杂度。

提出的方法

• 通过将RNA折叠问题的动态规划表划分为$w \times w$大小的块，其中$w = \frac{1}{4} \log_2 n$，应用Four-Russians技术。
• 使用预计算的查找表存储每个块内所有可能的$2^{2w}$对碱基配对组合的最优解，从而减少冗余计算。
• 算法使用多个辅助表：$L_t$、$R_t$、$R_p$、$U_p$、$C_p$ 和 $M_r$，每个表均针对动态规划递推中的特定子问题进行优化。
• 采用基于块的计算策略，将预计算值与标准动态规划转移相结合，减少每个条目的操作次数。
• 通过分析块操作的总数与查找表的开销，推导出时间复杂度为$O(n^3 / \log_2^2 n)$。
• 通过压缩表并使用参数化块大小$w$，最小化空间复杂度，实现$O(n^2 / \log_2 n)$的空间复杂度。

实验结果

研究问题

• RQ1 是否可以仅使用传统动态规划技术，结合Four-Russians技术，实现RNA折叠的亚立方时间复杂度？
• RQ2 在保持亚立方时间性能的前提下，RNA折叠可实现的最小空间复杂度是多少？
• RQ3 Four-Russians技术能否被调整以改善上下文无关语言识别的空间复杂度？
• RQ4 是否可能在不使用Valiant技术或复杂矩阵乘法方法的前提下，实现$O(n^3 / \log_2^2 n)$的时间复杂度？

主要发现

• 本文仅使用传统动态规划与Four-Russians技术，首次在不依赖Valiant方法的前提下，实现了$O(n^3 / \log_2^2 n)$的RNA折叠时间复杂度。
• 空间复杂度降低至$O(n^2 / \log_2 n)$，优于标准的$O(n^2)$界限。
• 通过设定$w = \frac{1}{4} \log_2 n$，算法实现$O(n^3 / \log_2^2 n)$的时间与$O(n^{2.5})$的空间复杂度，实现了进一步压缩空间的实用权衡。
• 该方法可扩展至上下文无关语言识别，将空间复杂度降低至$O(g n^2 / \log_2 n)$，同时保持$O(g n^3 / \log_2 n)$的时间复杂度，其中$g$为非终结符的数量。
• 该算法在理论与实践上均高效且可实现，与依赖布尔矩阵乘法的复杂替代方案不同。
• 结果表明，Four-Russians技术可系统性地用于提升RNA折叠及相关问题动态规划的时间与空间效率。