基于整数线性规划的流分解问题安全性框架
数据结构与算法
2023-02-01 v1 组合数学
基因组学
摘要
生物信息学中的许多重要问题（例如组装或多组装）存在多个解，而最终目标仅报告其中一个。处理这种不确定性的一种常见方法是寻找所有解共有的安全部分解（例如重叠群）。以往关于安全性的研究集中于多项式时间可解的问题，而许多成功且自然的模型是 NP 难的，导致此类问题缺乏“安全性工具”。我们提出了第一种用于计算 NP 难问题——最小流分解——所有安全解的方法。我们通过基于通用整数线性规划（ILP）公式开发路径的“安全性测试”获得了结果。此外，我们提供了带有实用优化的实现，旨在减少总 ILP 时间，其中最有效的基于递归分组测试过程。结果：在 Shao 和 Kingsford（TCBB, 2017）的转录组数据集上的实验结果表明，最小流分解的所有安全路径正确恢复了多达 90% 的完整 RNA 转录本，这比先前已知的安全路径（如（Caceres 等人 TCBB, 2021）、（Zheng 等人, RECOMB 2021）、（Khan 等人, RECOMB 2022, ESA 2022））至少多出 25%。此外，尽管该问题是 NP 难的，我们能在仅 1.5 小时内为该患者数据集中超过 27,000 个非平凡图中的 99.8% 报告所有安全路径。我们的结果表明，在完美数据上，众所周知的困难 RNA 组装问题中存在的歧义比设想的要少。可用性：https://github.com/algbio/mfd-safety
引用
@article{arxiv.2301.13245,
title = {A Safety Framework for Flow Decomposition Problems via Integer Linear Programming},
author = {Fernando H. C. Dias and Manuel Caceres and Lucia Williams and Brendan Mumey and Alexandru I. Tomescu},
journal= {arXiv preprint arXiv:2301.13245},
year = {2023}
}