将无向 phylogenetic 网络可导向至目标类：实用算法及树-子网络导向应用

C-导向问题询问是否可以将无向图导向为 desired network class C 的有向 phylogenetic 网络。这一问题在示例时，例如当可视化演化数据时会出现，由于像 Neighbor-Net 这样的流行方法是基于距离的，必然产生无向图。许多类 C（包括二进制树-子网络）的 C-导向问题的复杂度仍是开放状态，且缺乏实用方法。在本文中，我们提出了一个适用于任意 class C 的精确 FPT 算法，其参数化地考虑了 reticulation number 和 minimal basic cycle 最大大小，同时还提出了一个非常快的用于树-子导向的启发式方法。虽然 C-导向的最新方法是一种简单指数时间算法，其计算瓶颈在于搜索合适的 reticulation 顶点放置位置，但我们的两种方法显著减少了这一搜索空间。实验表明，尽管我们的 FPT 算法仍为指数时间，但它显著优于现有方法。该启发式方法运行更快，但随着 reticulation number 的增大，假阳性率会增加。鉴于这种权衡，我们也讨论了改进该启发式方法的理论方向以及其在生物学中的适用性。