Upload
waldeburg-dreher
View
105
Download
0
Embed Size (px)
Citation preview
On the Complexity of Fundamental Problems in
Pedigree Analysis
Seminar „Aktuelle Themen der Bioinformatik“
Martin Löwer
Antonio Piccolboni, Dan Gusfield
Johann Wolfgang Goethe Universität Frankfurt a.M.Fachbereich für Biologie und Informatik
Seminar "Aktuelle Themen der Bioinformatik"
2
Inhalt
1. Motivation2. Stammbäume3. Problemstellungen4. Einschränkungen des Modells5. MaxP ist NP-hart6. Approximierung von MaxP7. Die Klasse #P8. MP ist #P-hart9. Diskussion der Ergebnise
Seminar "Aktuelle Themen der Bioinformatik"
3
1. Motivation
Hohe Beduetung der Analyse von Stammbaumdaten
Es ist keine worst-case-effiziente Methode für die Berechnung von Wahrscheinlichkeiten in Stammbäumen bekannt
Seminar "Aktuelle Themen der Bioinformatik"
4
1.1 Zu Zeigen:
Geringe Abweichungen von den Fällen, in denen effiziente Berechnungen möglich sind, führen zur NP-Härte
Approximation nur bis zu einem exponentiellen Faktor möglich
Seminar "Aktuelle Themen der Bioinformatik"
5
2. Stammbäume
Ein Stammbaum ist ein gerichteter, azyklischer Graph, der Grad der eingehenden Kanten ist bei jedem Knoten 0 oder 2 und der zugehörige Heiratsgraph ist bipartit.
Der Heiratsgraph eines gerichteten Graphen G = (V,E) ist ein ungerichteter Graph H = (V,E*) mit E* = {(v,w) : v,w V und z V : (v,z) E (w,z) E)}
Zyklen im ungerichteten Stammbaum: Inzucht und Zwillinge
Unterscheidung der Individuen in Gründer und Nichtgründer
Seminar "Aktuelle Themen der Bioinformatik"
6
2.1 Stammbäume
Bekannte Algorithmen:– Lander und Green (1987)– Elston und Steward (1971)
Bisherige Annahme: Inzestzyklen sind die größte Problemquelle
Seminar "Aktuelle Themen der Bioinformatik"
7
2.2 Stammbäume
Komplette Probleminstanz beinhaltet noch zwei Zufallsvariablen pro Knoten:
Phänotyp und Genotyp Probleme der Stammbaumanalyse
entstehen durch fehlende Werte für diese Variablen
Seminar "Aktuelle Themen der Bioinformatik"
8
2.3 Stammbäume
Verteilung der Zufallsvariablen:– P(gi) Wahrscheinlichkeitsverteilung des Genotyps
von Gründer i – P(gi|gv(i),gm(i)) Wahrscheinlichkeitsverteilung des
Genotyps von Nichtgründer i– P(yi|gi) Wahrscheinlichkeitsverteilung des
Phänotyps von Individuum i P(gi|gv(i),gm(i)) muß genetische Realität
wiederspiegeln, wird daher oft durch einfache Regeln der Mendelgenetik beschrieben
Seminar "Aktuelle Themen der Bioinformatik"
9
2.4 Stammbäume
Gesamtwahrscheinlichkeit eines Stammbaums, bzw. der Score:P(G,Y) = Gründer i P(gi) P(yi|gi) Nichtgründer i P(gi|gv(i),gm(i)) P(yi|gi)
Seminar "Aktuelle Themen der Bioinformatik"
10
3. Die Probleme
MaxP - Maximale Wahrscheinlichkeit:Gegeben sei ein Stammbaum mit Ws‘keitsverteilungen und einer Teilmenge G* der Genotypen G bzw. Y* Phänotypen Y.
Berechne max G\G*,Y\Y* P(G,Y)
MP - Marginale Wahrscheinlichkeit:Gegeben sei ein Stammbaum mit Ws‘keitsverteilungen und einer Teilmenge G* der Genotypen G bzw. Y* Phänotypen Y.
Berechne
P(G*,Y*) = G\G*,Y\Y* P(G,Y)
Seminar "Aktuelle Themen der Bioinformatik"
11
4. Einschränkungen des Modells
Beschränkung auf Spezialfälle, die in allen anderen Modellen enthalten sind:– Ein Locus– Zwei Chromosomen– Zwei Allele (A und a)– Phänotyp wird vernachlässigt, da 1 zu 1 vom Genotyp
abhängig– Einfaches Mendel‘sches Verebungsmodell ohne Mutationen– Keine Inzestzyklen
Seminar "Aktuelle Themen der Bioinformatik"
12
5. MaxP ist NP-hart
Beweis durch Reduktion von 3-MIS (Garey et al., 1976)
3-MIS: Maximale unabhänige Knotenmenge in einem Graphen G = (V,E), wobei der maximale Grad eines Knotens drei ist
Im Folgenden sei e = |E| und v = |V|, die Elemente von V werden mit 1,2,....,v benannt, die Lösung von 3-MIS(G) sei s
Seminar "Aktuelle Themen der Bioinformatik"
13
5.1 Reduktion G MAXP(G)Für jeden Knoten i V:5i, aa 5i+2 5i+4, AA
5i+1, Aa 5i+3
Für jede Kante {i, j} E:5i+2 5j+3
{i, j}, Aa
5i+3 5j+2
{i, j}*, Aa
Insgesamt l = 5v + 2e Individuen
Seminar "Aktuelle Themen der Bioinformatik"
14
5.2 Wahrscheinlichkeitsverteilung in MAXP(G)
Verteilung für die Gründer:– P(a) = 1/3– P(aa) = 1/9– P(Aa) = P(AA) = 4/9– Wahrscheinlichkeiten stimmen mit dem
Hardy-Weinberg-Gesetz überein
Seminar "Aktuelle Themen der Bioinformatik"
15
5.3 Beobachtungen
Eine Lösung von MAXP(G), die den Wert 0 annimmt, heißt degeneriert
Wenn eine Lösung von MAXP(G) einen Score von größer als 0 hat, gilt folgendes:
1. i V : weder 5i+2 noch 5i+3 hat den Genotyp aa
2. (i, j) E : 5i+2 und 5j+3 können nicht beide den Genotyp AA annehmen
3. i V : wenn 5i+2 den Genotyp AA hat, muß 5i+3 auch AA haben
Seminar "Aktuelle Themen der Bioinformatik"
16
5.4 Der Score von MAXP(G)
Eine degenerative Belegung kann nicht optimal sein, denn:
Score(MAXP(G)) 1
36v 22e-2v> 0
Seminar "Aktuelle Themen der Bioinformatik"
17
Sei s = |{i V: 5i+2 ist mit AA belegt}|, dann hat MAXP(G) genau folgenden Score:
Es gilt dann folgendes:1. Wenn s die Größe des MIS in G ist, dann hat die optimale
Lösung von MAXP(G) mindestens den Wert des obigen Bruchs
2. Wenn eine Lösung von MAXP(G) einen Score von größer 0 hat, dann ist {i V: 5i+2 ist mit AA belegt} eine unabhängige Knotenmenge
3. Wenn die optimale Lösung von MAXP(G) obigen Score hat, dann ist die Größe der maximalen unabhänigen Knotenmenge in G mindestens s
5.5 Der Score von MAXP(G)
1
36v 22e-2v-2s
Seminar "Aktuelle Themen der Bioinformatik"
18
5.6 Der Score von MAXP(G)
Werden die vorherigen Beobachtungen kombiniert, gilt:
Genau dann wenn der Score von MAXP(G) gleich ist, ist s die Größe der maximalen unabhängigen Knotenmenge in G.
136v 22e-2v-2s
Seminar "Aktuelle Themen der Bioinformatik"
19
6. Approximieren von MAXP
3-MIS ist von einem Polynominalzeit-Algorithmus nur bis zu einem Faktor von 1,0005 approximierbar, d.h wenn s* die optimale Lösung ist, ist ist s*/s größer als c = 1,0005 (Berman und Karpinski, 1999)
Wir betrachten zuerst den negativen Logarithmus zur Basis 2 von MAXP
Seminar "Aktuelle Themen der Bioinformatik"
20
6.1 Approximieren von MAXP
Durch die Beschränkung des Grades der Knoten gilt: s* > v/4 und e 3v/2
Die Approximationsrate R von log-MAXP ist dann 1.000071393
Seminar "Aktuelle Themen der Bioinformatik"
21
6.2 Approximieren von MAXP
Durch die vorherigen Ergebnisse kann man den Score von MAXP(G) folgendermaßen abschätzen:
1
2/8(R-1)l-2R+2Score(MAXP(G)) <
l = 5v+2e = 6 ld 3 -2
Seminar "Aktuelle Themen der Bioinformatik"
22
6.3 Approximieren von MAXP
Das bedeutet: Das Verhältnis vom optimalen Score zu dem besten durch einen eff. Algorithmus berechenbaren wächst exponentiell mit l, der Stammbaumgröße
Seminar "Aktuelle Themen der Bioinformatik"
23
7. Die Klasse #P
Ein Sprache gehört zur Klasse #P, wenn die Anzahl ihrer Lösungen von einer NTM in polynomineller Zeit berechnet werden kann
#P-Härte ist analog zur NP-Härte durch die polynominelle Reduktion definiert
Seminar "Aktuelle Themen der Bioinformatik"
24
8. MP ist #P-hart
Beweis durch Reduktion von #IS (Dyer und Greenhill, 2000)
#IS: Berechne die Anzahl der unabhänigen Knotenmengen in einem Graphen G = (V,E) mit einem maximalen Knotengrad von 3
Im Folgenden sei e = |E| und v = |V|, die Elemente von V werden mit 1,2,....,v benannt, die Lösung von #IS sei S
Seminar "Aktuelle Themen der Bioinformatik"
25
8.1 Reduktion G MP(G)
Für jeden Knoten i V:3i, AA 3i+2, Aa
3i+1
Seminar "Aktuelle Themen der Bioinformatik"
26
8.2 Reduktion G MP(G)
Für jede Kante {i, j} E:
({i, j},0), AA 3i+1
({i, j},1)
({i, j},3), Aa
({i, j},8)
({i, j},9), AA
({i, j},4), AA
({i, j},2)
({i, j},6), Aa
({i, j},7)
3j+1
({i, j},5), Aa
Insgesamt 3v + 10e Individuen
Seminar "Aktuelle Themen der Bioinformatik"
27
8.3 Wahrscheinlichkeitsverteilung in MP(G)
Verteilung für die Gründer wie im vorherigen Beweis
P(AA3i+1)= P(Aa3i+1)=1/2, i {1,...,v} Marginale Wahrscheinlichkeiten für das
Kantengadget in Abängigkeit von 3i+1 und 3j+1:
3i+1 3j+1 P
AA AA 0
AA Aa 3/32
Aa AA 3/32
Aa Aa 3/32
Seminar "Aktuelle Themen der Bioinformatik"
28
8.4 Marginale Wahrscheinlichkeiten für die Vorfahren von ({i, j},4)
3i+1 3j+1 ({i,j},2) P2 ({i,j},7) P7 P4
AA Aa AA ½ AA 1/4 1 1/8
AA Aa AA ½ Aa ½ ½ 1/8
AA Aa Aa ½ AA 1/4 ½ 1/16
AA Aa Aa ½ Aa ½ 1/4 1/16
Summe 3/8
Aa Aa AA ¼ AA 1/4 1 1/16
Aa Aa AA 1/4 Aa ½ ½ 1/16
Aa Aa Aa ½ AA 1/4 ½ 1/16
Aa Aa Aa ½ Aa ½ 1/4 1/16
Summe 1/4
Seminar "Aktuelle Themen der Bioinformatik"
29
8.5 Marginale Wahrscheinlichkeiten für die Vorfahren von ({i, j},5)
3i+1 3j+1 ({i,j},1) P1 ({i,j},8) P8 P5
AA Aa AA 1 AA ½ 0 0
AA Aa AA 1 Aa ½ ½ 1/4
Summe 1/4
Aa Aa AA ½ AA ½ 0 0
Aa Aa AA ½ Aa ½ ½ 1/8
Aa Aa Aa ½ AA ½ ½ 1/8
Aa Aa Aa ½ Aa ½ ½ 1/8
Summe 3/8
Seminar "Aktuelle Themen der Bioinformatik"
30
8.6 Beobachtungen
Falls der Score von MP(G) größer als Null ist, gilt:
1. i V: Genotyp von 3i+1 ist nicht aa
2. {i,j} E: Genotyp von 3i+1 und 3j+1 ist nicht bei beiden AA
Seminar "Aktuelle Themen der Bioinformatik"
31
8.7 Der Score von MP(G)
Score(MP(G)) = S 3e
2v + 5e
S = Lösung von #IS(G)
Seminar "Aktuelle Themen der Bioinformatik"
32
9. Diskussion der Ergebnisse
NP-Härte gilt auch für komplexere Modelle Beschränkung der Worst-Case Laufzeit von
Algorithmen Ausschluß der Spezialfälle beim
Algorithemndesign Auch der Ausschluß von Inzestzyklen kann
zu hoher Komplexität führen Bei MaxP sind die Ergebnisse von effizienten
Algoryithmen teilweise unbrauchbar (solange P NP)