面向DNA链的数据驱动蜂群识别

我们研究了一种面向DNA链蜂群识别问题的数据驱动方法。蜂群识别问题由Tandon等人（2019）提出，要求通过一组 $M$ 个含噪测量来识别 $M$ 只蜂，每只蜂由唯一条形码标记。后来，Chrisnata等人（2022）将该模型扩展至对每只蜂观测 $N$ 个含噪测量的情况，并将该模型应用于解决DNA存储系统的无序特性。在此类系统中，通常将唯一地址前置到每个DNA数据块以形成DNA链，但该地址可能受损。虽然聚类通常用于识别DNA链的地址，但这需要 $\mathcal{M}^2$ 次数据比较（当 $\mathcal{M}$ 为读取数时）。相比之下，Chrisnata等人（2022）的方法完全避免了数据比较。本工作中，我们研究了一种针对该识别任务的中间、数据驱动方法。对于二进制删除信道，我们首先证明在特定温和假设下几乎可以必然正确识别所有DNA链。随后我们提出一种数据驱动剪枝流程，并证明该流程平均仅使用 $\mathcal{M}^2$ 的一小部分数据比较。具体而言，对于 $\mathcal{M}= 2^n$ 且删除概率为 $p$，该流程执行的期望数据比较次数为 $\kappa\mathcal{M}^2$，其中 $\left(\frac{1+2p-p^2}{2}\right)^n \leq \kappa \leq \left(\frac{1+p}{2}\right)^n$。