CC BY
19
Применение метода ветвей и границ в задаче восстановления матрицы расстояний
между цепочками ДНК
Б. Ф. Мельников, М. А. Тренина
Аннотация—В настоящей статье мы продолжаем рассмотрение одной из задач биокибернетики - задачи восстановления матрицы расстояний между последовательностями ДНК. В этой задаче на входе алгоритма известны не все элементы рассматриваемой матрицы (обычно 50% и менее элементов). Основой разработки алгоритма восстановления такой матрицы служит разработанный и исследованный нами ранее метод сравнительной оценки алгоритмов расчёта расстояний между последовательностями ДНК, основанный на специальном анализе матрицы расстояний. В этом анализе применялось определённое нами значение badness каждого из треугольников, соответствующего матрице.
Продолжая улучшать алгоритмы решения этой задачи, мы рассматриваем применение в ней метода ветвей и границ. Для этого для некоторой известной последовательности незаполненных элементов мы применяем алгоритмы, рассмотренные нами в предыдущих публикациях, однако теперь сами последовательности мы выбираем с помощью разработанного нами варианта метода ветвей и границ. В нашей интерпретации этого метода в качестве множества допустимых решений берутся все возможные последовательности неизвестных элементов верхней треугольной части матрицы. В каждой текущей подзадаче в качестве разделяющего элемента берётся любой из незаполненных элементов матрицы, а в качестве границы берётся сумма значений badness для всех треугольников, которые уже сформировались к моменту рассмотрения этой подзадачи. Таким образом, определение элементов неполностью заполненной матрицы происходит в такой последовательности, при которой итоговый показатель badness для всех треугольников выбирается с помощью жадной эвристики, полностью вписывающейся в рамки классических вариантов описания метода ветвей и границ.
В результате применения такого алгоритма мы получаем результаты, которые с точки зрения значения badness являются минимально возможными (в случае завершённого варианта метода ветвей и границ), либо близкими к оптимальным (в случае его незавершённого варианта). При этом в проведённых нами вычислительных экспериментах время работы алгоритма практически совпадает со временем работы алгоритма, рассмотренного нами в предыдущей публикации (превышает его не более, чем на 10%), а значение badness обычно уменьшается на 20-40% от исходного значения. Таким образом, мы получаем возможность быстро и эффективно восстановить матрицу ДНК - часто даже в случае её заполнения менее, чем на 40%.
Ключевые слова—метод ветвей и границ, последовательности ДНК, метрика, матрица расстояний, частично заполненная матрица, восстановление.
Статья получена 1 июля 2018.
Борис Феликсович Мельников, Российский государственный социальный университет (email: [email protected]).
Марина Анатольевна Тренина, Тольяттинский государственный университет (email: [email protected]).
I. Введение
Настоящая статья является продолжением работы над одной из задач биокибернетики - задачи восстановления матрицы расстояний между последовательностями ДНК [1]. В этой задаче на входе алгоритма известны не все элементы рассматриваемой матрицы (обычно 50% и менее элементов). Основой разработки алгоритма восстановления такой матрицы служит разработанный и исследованный нами ранее метод сравнительной оценки алгоритмов расчёта расстояний между последовательностями ДНК, основанный на специальном анализе всех возможных треугольников, получающихся в матрице расстояний. В этом анализе применялось определённое нами значение badness каждого из треугольников матрицы [2], [3].
Рассмотренный нами метод сравнительного анализа для полученной в результате работы какого-либо алгоритма вычисления расстояний между геномами матрицы основан на рассмотрении всех возможных треугольников. При этом мы исходим из предположения, что в идеале они должны быть остроугольными равнобедренными (см. [4]). Для ответа на вопрос, насколько «правильной» является матрица, полученная в результате некоторого эвристического алгоритма, мы предлагаем использовать в качестве «характеристики отхода» полученных треугольников от «вытянутых равнобедренных» вышеупомянутое значение badness.
В разработанном нами ранее простом методе восстановления матрицы ДНК (см. [1]) неизвестные элементы матрицы рассматриваются и определяются «слева-направо и сверху-вниз» - и только в этой единственной последовательности, а само восстановление происходит в результате осуществления нескольких вычислительных проходов. На каждом из проходов для некоторых пока незаполненных (неизвестных) элементов матрицы получаются разные оценки; эти оценки специальным образом усредняются - и результат усреднения берётся в качестве значения неизвестного элемента.
Применение описанного метода для заполнения матрицы расстояний между последовательностями ДНК позволяет, прежде всего, значительно сократить время её заполнения, а отклонение полученных таким образом элементов матрицы от значений вычисленных, например, с помощью алгоритма Нидлмана - Вунша, в среднем составило менее, чем 2%, а в наихудшем случае - около 10%.
Вычисление неизвестных элементов неполностью за-
полненной матрицы на основе использования значения показателя badness осуществляется из расчёта того, что он в идеале должно быть равно нулю, а определение элементов «слева-направо и сверху-вниз», т.е. в строго определённой последовательности, может привести к тому, что для ранее определённых треугольников значение показателя badness значительно увеличится. Одной из форм сглаживания такой ситуации было использование функции риска, которая производит специальное усреднение [1], [5], [6].
Продолжая улучшать алгоритмы решения этой задачи, мы рассматриваем применение в ней метода ветвей и границ. Для этого для некоторой известной последовательности незаполненных элементов мы применяем алгоритмы, рассмотренные нами в предыдущих публикациях, однако
сами последовательности мы выбираем с помощью разработанного нами варианта метода ветвей и границ.
В нашей интерпретации этого метода мы выполняем следующие действия.
• В качестве множества допустимых решений берутся все возможные последовательности неизвестных элементов верхней треугольной части матрицы.
• В каждой текущей подзадаче в качестве возможных разделяющих элементов берутся ещё не заполненные элементы матрицы.
• В качестве границы берётся сумма значений badness для всех треугольников, которые уже сформировались к моменту рассмотрения этой подзадачи.
• Вспомогательный алгоритм выбора разделяющего элемента заключается в том, что среди возможных разделяющих элементов мы выбираем такой, для которого максимально возможным образом получается граница между формируемыми правой и левой подзадачами.
Подробные описания см. в разделе III.
Таким образом, определение элементов неполностью заполненной матрицы происходит в такой последовательности, при которой итоговый показатель badness для всех треугольников выбирается с помощью жадной эвристики, полностью вписывающейся в рамки классических вариантов описания метода ветвей и границ.
В результате применения такого алгоритма мы получаем результаты, которые с точки зрения значения badness являются:
• минимально возможными - в случае завершённого варианта метода ветвей и границ;
• либо близкими к оптимальным - в случае его незавершённого варианта, т.н. truncated branches and bounds method.
При этом в проведённых нами вычислительных экспериментах время работы алгоритма практически совпадает со временем работы алгоритма, рассмотренного нами в предыдущей публикации (превышает его не более, чем на 10%), а значение badness обычно уменьшается на 20-40% от исходного значения. Таким образом, мы получаем возможность быстро и эффективно восстановить матрицу ДНК - часто даже в случае её заполнения менее, чем на 40%.
II. Предварительные сведения
Как уже говорилось во введении, рассматриваемые матрицы, подлежащие восстановлению, мы будем называть неполностью заполненными матрицами расстояний. Мы в [1] ввели этот термин для матрицы, из которой «вычеркнуто» некоторое количество элементов.
Итак, в рассматриваемой задаче мы имеем неполностью заполненную матрицу расстояний между последовательностями ДНК, некоторые её элементы неизвестны. Задача состоит в том, чтобы определить эти значения на основе известных элементов матрицы.
Как уже отмечалось во введении, в основе алгоритма решения этой задачи лежит использование разработанного и исследованного нами ранее метода сравнительной оценки алгоритмов расчёта расстояний между последовательностями ДНК. Этот метод основан на анализе всех возможных треугольников, при этом мы исходим из предположения, что в идеале они должны быть остроугольными равнобедренными (см. [1], [4]). Для «характеристики отхода» полученных треугольников от «вытянутых равнобедренных» треугольников вводится показатель badness, для вычисления которого в описываемом нами случае используется формула
a — b
а = --(1)
c
где a, b и c - стороны треугольника, причём мы предполагаем, что a > b > c.
Далее выполняются следующие вычисления. Для определения неизвестного элемента мы рассматриваем все возможные треугольники, образованные из элементов этой матрицы, для которых одна из сторон неизвестна. Для каждого такого треугольника из того условия, что он является равнобедренным остроугольным (при этом значение badness равнялось бы 0), мы получаем одно из возможных значений этой неизвестной стороны, и среднее арифметическое этих значений мы считаем окончательным значением рассматриваемой стороны (неизвестного элемента).
Аналогично предыдущей работе, после выполнения алгоритма для оценки его эффективности мы используем такой показатель, как невязка, который характеризует отклонение полученной матрицы от исходной. Мы применяем следующую естественную формулу:
/v^n—1 п
V j
-1 ( aij '
д2
n(n - 1)/2
(2)
где:
• а^ - элементы матрицы, полученной в результате применения некоторого алгоритма подсчёта расстояний между парой геномов (в нашем случае - алгоритма Нидлмана - Вунша);
• - элементы матрицы, восстановленной в результате работы вышеописанного алгоритма.
Стоит ещё раз отметить, что и в разработанном ранее алгоритме восстановления матриц расстояний между цепочками ДНК, в котором перебор незаполненных клеток производился только единственным образом «слева-направо и сверху-вниз» (и далее в таком же порядке, если сделанный проход не дал окончательных результатов), были получены достаточно приемлемые результаты; мы
d
делаем этот вывод в первую очередь потому, что при разных входных данных у нас получаются удачные значения невязки, см. [1], а также далее в настоящей статье. Однако, конечно, нет гарантии, что эти результаты нельзя улучшить - т.е. уменьшить вычисляемое значение невязки. Как обычно в подобных ситуациях (т.е. в схожих задачах дискретной оптимизации), очень большие улучшения даёт применение метода ветвей и границ.
III. Метод ветвей и границ в задаче восстановления матрицы расстояний
Метод ветвей и границ предназначен для разработки алгоритмов решения оптимизационных задач, и мы рассматриваем его интерпретацию близко к [7], [8]. Он относится к методу разработки алгоритмов, известному как программирование с отходом назад и исследует древовидную модель пространства допустимых решений. Цель применения метода ветвей и границ в нашем случае, т.е. для восстановления матрицы, - найти оптимальную последовательность вычисления неизвестных элементов так, чтобы в итоге невязка оказалось бы минимальной (или близкой к минимальной). Минимизация невязки напрямую связана с минимизацией значения badness всей матрицы, поэтому задачей применения метода ветвей и границ для восстановления матрицы является минимизация значения badness всей матрицы.
При использовании метода ветвей и границ должны быть описаны следующие вспомогательные алгоритмы:
• процедура ветвления области допустимых решений;
• процедура нахождения нижних и верхних границ целевой функции.
В решаемой нами задаче пространство допустимых решений - это все возможные последовательности определения неизвестных элементов верхней половины матрицы. Ветвление происходит по известным с самого начала работы алгоритма разделяющим элементам, которые в нашем случае совпадают с незаполненными элементами матрицы. Ветвление на множестве допустимых решений мы будем производить следующим образом: для выбранного элемента все последовательности разделяются на две последовательности:
• начинающиеся с этого элемента;
• и не начинающиеся с него.
Одна из вспомогательных эвристик - эвристика выбора разделяющего элемента aij (i < j) - состоит в том, чтобы:
• найти все такие к, для которых aki и akj известны
и к = i, к = j;
• вычислить разность
\aui - akj\. (3)
Мы сначала отбираем элементы, для которых к принимает наибольшее значение, а потом среди них в качестве разделяющего элемента выбираем тот, для которого разность (3) наибольшая.
Правой подзадачей очередного шага метода ветвей и границ мы, согласно [7], [9], называем задачу, полученную при уменьшении размерности; в нашем случае это соответствует заполнению новой клетки матирицы. А другую альтернативу мы называем, соответственно,
левой подзадачей этого шага. В нашем случае она соответствует решению о запрете заполнения этого элемента в оптимальном решении; конечно же, этот запрет «действует» до окончания рассмотрения всех оставшихся незаполненных элементов.
Не будет преувеличением сказать, что смысл всех модификаций метода ветвей и границ (в том числе незавершённого) состоит в том, что с помощью некоторых эвристик мы добиваемся того, чтобы вероятность наличия оптимального решения была больше для правой задачи, чем для левой, - так как размерность левой задачи обычно на 1 меньше, чем правой. (При этом мы не будем подробно писать здесь про вспомогательные эвристики для оценки этих двух вероятностей: это для каждой задачи дискретной оптимизации может быть темой отдельной публикации. Неявно эти эвристики описаны в алгоритме 3.)
Границы, как уже было отмечено выше, формируются как сумма значений badness для всех треугольников, которые уже сформированы в матрице. Отсюда следует, что заполнение матриц новыми элементами приводит к увеличению (точнее, неуменьшению) этого значения.
Применяемая нами естественная вспомогательная эвристика выбора разделяющего элемента такова: мы выбираем новый элемент таким образом, чтобы граница левой подзадачи увеличилась бы минимально.
С учётом большого числа образующихся треугольников и для наглядности вычислений мы от показателя badness для треугольника перейдём к аналогичному показателю, но для элементов матрицы. Для каждого элемента, лежащего выше главной диагонали, рассматриваем все треугольники, построенные на нём и вычисляем значение показатель а каждого треугольника. А элементу aij (i < j) ставим в соответствие значение
aij = max ак, (4)
1<k<n
где ак - показатель badness треугольника, построенного на элементах aij, а^ и akj.
Для всей матрицы ДНК мы определяем сумму значений badness по всем элементам, т.е.
n— 1 n
а = ^Y,(aij). (5)
i=1 j=i+1
Цель восстановления матрицы - минимизация показателя (5).
Разработанный и приведенный в работе [1] алгоритм 1 в несколько изменённом виде будем использовать в качестве вспомогательного для алгоритма восстановления неполностью заполненной матрицы расстояний между цепочками ДНК методом ветвей и границ. (Отметим, что согласно [9], непосредственное применение алгоритма 1 может быть названо жадным алгоритмом построения последовательности правых подзадач.) В дальнейшем, для удобства, мы продолжим эту нумерацию алгоритмов, поэтому вспомогательный алгоритм назовём алгоритмом 2, а общий алгоритм восстановления матрицы расстояний методом ветвей и границ - алгоритмом 3.
Ниже приведём описание вспомогательного алгоритма 2 (применяемого для определения выбранного в качестве разделяющего неизвестного элемента), а также алгоритма 3. В приложении 1 приведены блок-схемы
обоих этих алгоритмов, а также исходного алгоритма 1, блок-схема которого не приводилась в [1].
Алгоритм 2 (Вспомогательный алгоритм присваивания значения выбранному элементу)
Вход: 1. Неполностью заполненная матрица A = aij (все равные нулю элементы вне главной диагонали считаем неизвестными).
2. Выбранный неизвестный элемент aij.
Описание алгоритма.
for k := 0 to n do begin
if k = i and k = j and aki = 0 and akj = 0 then
if aki > akj then aij := aij + aH else aij :— aij I akj;
end;
aij : aij / kolij . Выход: Значение элемента aj. □
Алгоритм 3 (Восстановление матрицы методом ветвей и границ)
Вход: Неполностью определенная матрица A = aij (все равные нулю элементы вне главной диагонали считаем неизвестными).
Описание алгоритма.
Шаг 1: Инициализация: «обнуление» списка подзадач и текущего псевдооптимального решения.
Шаг 2: Добавление в список подзадач задачи соответствующей исходной матрице.
Шаг 3: Если список подзадач пуст, то выход 1.
Шаг 4: Если время работы алгоритма закончилось, то выход 1.
Шаг 5: Выбор новой подзадачи из списка подзадач и удаление её.
Шаг 6: Выбор «наилучшего» неизвестного элемента.
1) if aij = 0 then begin
kolj := 0 {считаем количество треугольников,
построенных на неизвестном элементе} mas_mij := 0 {вычисляем максимальную разность} for k := 0 to n - 1 do begin
if k = i and k = j and aki = 0 and akj = 0 then begin
kol := kol +1; m := \aki — akj |; if m > mas_mij then mas_mij := m; end;
end;
2) Определяем наибольшее значение массива kolj:
maxk := max kolij.
1<i<n J 1<j<n
3) Если maxk = 0, то выход 2.
4) Среди элементов, для которых kolj = maxk находим тот, у которого значение mas_mij наибольшее.
Шаг 7: Вызов алгоритма 2 для вычисления выбранного элемента.
Шаг 8: Вычисление значения показателя badness для него:
for k := 0 to n do begin
if k = i and k = j and aki = 0 and akj = 0 then сортируем по убыванию aki, akj и aij и обозначим их соответственно a, b, c;
^ . a — b. аk := — ;
end;
aij := max ak.
J 1<k<n
Шаг 9: Формирование левой и правой подзадач на основе сравнения значения показателя badness для выбранного элемента. В качестве левой выбирается та, для которой это значение меньше.
Шаг 10: Проверяем является ли левая задача допустимой, в противном случае возвращаемся к шагу 6.
Шаг 11: Если значение показателя badness полученной матрицы для левой подзадачи меньше соответствующего значения текущего псевдооптимального решения, то эта подзадача становится текущей и переход к шагу 2. Иначе переход к шагу 5.
Выход 1: Текущее псевдооптимальное решение (если оно есть).
Выход 2: Матрицу A восстановить невозможно. □
IV Подробное описание примера работы с матрицей малой размерности
В этом разделе мы приведём подробное описание применения метода ветвей и границ для восстановления матрицы малой размерности 5. В нашей предыдущей работе мы в качестве иллюстрации алгоритма брали для примера матрицу размерности 7, но для матрицы такого размера даже для первого прохода возможно 14! (примерно 1011) последовательностей. Поэтому, для наглядности, для подробного описания работы метода ветвей и границ мы ограничились матрицей размерности 5.
Как и раннее, все наши примеры (в этом разделе -для малой размерности 5, а также в следующем, для размерности 28) работают с матрицами, полученными применением алгоритма Нидлмана - Вунша [3]. Этот алгоритм был применён к цепочкам мДНК различных животных, взятых из банка данных NCBI [10]; при этом были взяты секвенированные цепочки мДНК для одного представителя каждого из 28 отрядов млекопитающих, так как МДНК у разных из этих 28 видов меняются только за счет мутации, из-за того, что не подвержены рекомбинации и наследуются только по материнской линии (классификацию млекопитающих выбираем согласно [12], другие варианты классификации не рассматриваем). Полученная матрица, а также все выбранные нами виды животных приведены в приложении [1].
Как и в работе [1], вместо «процента близости» (фактически - результата применения алгоритма Нидлмана -Вунша) мы используем схожую характеристику «относительную удалённость», которая получается вычитанием «процента близости» из 100 и делением на 100. Всюду ниже мы будем использовать именно эти значения, причём приводить 3 значащие десятичные цифры.
В качестве простого примера рассмотрим матрицу 5 х 5 (таблица 1). В дальнейшем матрицу расстояний
между последовательностями ДНК мы будем приводить полностью, а значения показателя badness - только для элементов верхнего треугольника.
Таблица 1. Исходная матрица порядка 5
0 0,233 0,253 0,270 0,315
0,233 0 0,369 0,298 0,240
0,253 0,369 0 0,292 0,343
0,270 0,298 0,292 0 0,294
0,315 0,240 0,343 0,294 0
Далее. Из этой матрицы мы удаляем 50% элементов (для матрицы малой размерности приемлемое восстановление обычно возможно в том случае, когда это процент не превосходит 60, мы же, для наглядности, остановились на 50) лежащих выше главной диагонали и, вместе с ними, соответствующие элементы ниже главной диагонали. Возможный (обрабатываемый нами) вариант удаления приведён в таблице 2.
Таблица 2. Неполностью заполненная матрица порядка 5
0 — — 0,270 —
— 0 0,369 — 0,240
— 0,369 0 0,292 —
0,270 — 0,292 0 0,294
0,000 0,240 — 0,294 0
Произведём восстановление этой матрицы методом ветвей и границ. Часть дерева поиска для рассматриваемой задачи представлено на рис. 1, где Я - всё пространство допустимых решений. Так как в данном примере количество неизвестных элементов равно 5, то дерево поиска для рассматриваемой задачи будет имеет пять уровней, причём элементы четвёртого уровня будут иметь только по одному наследнику.
Рис. 1. Часть дерева поиска, необходимая для метода ветвей и границ.
Как отмечалось выше, в качестве верхней границы на начальном этапе мы будем использовать значения
показателя badness (таблица 4), полученные для исходной матрицы в результате её восстановления с помощью алгоритма 1 (таблица 3). Если на какой-либо ветви появится значение а элемента больше, чем в таблице 4, то эту ветвь убираем из рассмотрения. Если же найдётся последовательность восстановления матрицы, для которой значение а будет меньше, то эта последовательность станет текущей, и в дальнейшем в качестве верхней границы будет использоваться значение её показателя а.
Таблица 3. Восстановленная алгоритмом 1 матрица порядка 5
0 0,319 0,336 0,270 0,270
0,319 0 0,369 0,369 0,240
0,336 0,369 0 0,292 0,369
0,270 0,369 0,292 0 0,294
0,270 0,240 0,369 0,294 0
Таблица 4. Показатели а восстановленной алгоритмом 1 матрицы порядка 5
0 0,156 0,130 0,135 0,156
0 0,090 0,205 0,205
0 0,205 0,205
0 0,205
0
Показатель матрицы а = 1, 69 и невязка для этой восстановленной матрицы d = 0,0119.
Рассматриваем все неизвестные элементы о^^ верхнего треугольника и для каждого из них определим количество таких к, для которых элементы о^ и о^ известны. Таким образом:
• для элемента а12 получаем к = 0;
• для элемента а 13 получаем к =1;
• для элемента а15 получаем к =1;
• для элемента а24 получаем к = 2;
• для элемента а35 получаем к = 2.
Итак, у нас есть 4 элемента, которые можно восстановить на первом этапе.
Для выбора разделяющего элемента из этих четырёх применим эвристику, которая была описана в предыдущем разделе: у нас есть два элемента, для которых к принимает наибольшее значение (равное 2), и для этих элементов мы вычисляем разность между соответствующими известными элементами; в качестве элемента ветвления выбирем тот, для которого разность между известными элементами наибольшая. Таким элементом будет аз5.
Таблица 5. Результат восстановления матрица порядка 5 на первом уровне
0 — — 0,270 —
— 0 0,369 — 0,240
— 0,369 0 0,292 0,331
0,270 — 0,292 0 0,294
0,000 0,240 0,331 0,294 0
Поэтому мы возьмём элемент а35 в качестве разделяющего и рассмотрим две связанные с ним ветви: {3,5} и {3, 5}. Таким образом, мы вычислили элемент аз5 = 0,331 и получили матрицу (таблица 5) с характеристиками, представленными в таблице 6.
Таблица 6. Показатели а матрицы первого уровня
0,102 — 0,102 0 0,114 0,114
0 0,114
0
Значение показателя badness матрицы а = 0, 546.
Продолжаем исследование этой ветви. Таким образом:
• для элемента a12 получаем k = 0;
• для элемента a13 получаем k = 1;
• для элемента a15 получаем k = 1;
• для элемента a24 получаем k = 2.
В качестве следующего элемента ветвления рассматриваем элемент a24 и при его вычислении получаем матрицу (таблица 7) с характеристиками, представленными в таблице 8.
Таблица 7. Результат восстановления матрица порядка 5 на втором уровне
0 — — 0,270 —
— 0 0,369 0,331 0,240
— 0,369 0 0,292 0,331
0,270 0,331 0,292 0 0,294
— 0,240 0,331 0,294 0
Таблица 8. Показатели а матрицы второго уровня
0,102 0,114 ОД 02 О 0,114 ОД 14
О ОД 14
О
Значение показателя badness матрицы а = 0, 672. Далее:
• для элемента a12 получаем k = 1;
• для элемента a13 получаем k =1;
• для элемента a15 получаем k =1.
Наибольшая разность соответствует элементу a12, поэтому следующее ветвление идёт на нём. При вычислении элемента a12 = 0, 331 имеем
Таблица 9. Результат восстановления матрица порядка 5 на третьем уровне
0 0,331 — 0,270 —
0,331 0 0,369 0,331 0,240
— 0,369 0 0,292 0,331
0,270 0,331 0,292 0 0,294
— 0,240 0,331 0,294 0
Таблица 10. Показатели а матрицы третьего уровня
0 0,000 — 0,000 —
0 0,102 0,11.4 0,10'2
0 0,11.4 0,11.4
0 0,11.4
0
Значение показателя badness матрицы а = 0, 672. Затем элемент a13 =0, 331.
Таблица 11. Результат восстановления матрица порядка 5 на четвёртом уровне
0 0,331 0,331 0,270 —
0,331 0 0,369 0,331 0,240
0,331 0,369 0 0,292 0,331
0,270 0,331 0,292 0 0,294
— 0,240 0,331 0,294 0
Таблица 12. Показатели а матрицы четвёртого уровня
0 0,102 0,116 0,116 —
0 0,102 0,114 0,114
0 0,116 0,114
0 0,114
0
Значение показателя badness матрицы а = 0, 672.
И последний неизвестный элемент - a15 = 0,319. В результете получаем восстановленную матрицу (таблица 13) с показателем а = 1, 089 (показатели каждого элемента представлены в таблице 14) и невязкой d = 0, 00867.
Таблица 13. Результат восстановления матрица порядка 5 на пятом уровне
0 0,331 0,331 0,270 0,319
0,331 0 0,369 0,331 0,240
0,331 0,369 0 0,292 0,331
0,270 0,331 0,292 0 0,294
0,319 0,240 0,331 0,294 0
Для матрицы, восстановленной по этой ветке множества допустимых решений, значение невязки значительно меньше того, который мы взяли за основу сравнения, и также отмечается снижение показателя а для каждого элемента матрицы. Поэтому в дальнейшем эти значения
становятся текущими.
Таблица 14. Показатели а матрицы пятого уровня
0 ОД 02 0,115 0Д1& 0,079
0 0,102 0,114 0,114
0 0Д1& 0,114
0 0,114
0
Проведём анализ других веток, сначала вернёмся назад на один уровень и проанализируем ветвь {1,2}. На этой ветке, при условии вычисления сначала элемента a13, получаем, что а13 = 0,132, поэтому она уходит из рассмотрения.
Откатываемся ещё на один уровень к элементу 24 и исследуем ветвь {2,4}. На этой ветке сразу значительно увеличиваются известные значения а45,а35 и а34, поэтому дальнейшее рассмотрение этой ветки бессмысленно.
И возвращаемся к элементу a35 и ветки {3,5}. Так как сама оптимальная последовательность на ветке a24 -a12 - a13 - a15, то пробуем вычислить элемент a35 после a13 (все предыдущие элементы имеют номер не связанный с индексами 3 и 5) и вычисление его в любом другом месте не влияет на значения а.
Следовательно, оптимальное восстановление матрицы получено (таблица 13) и невязка составила d = 0, 00867.
Проведём сравнение полученных результат восстановления матрицы алгоритмом 1 и методом ветвей и границ. Значение показателя а для матрицы снизилось на 35%, а показателя невязка - на 27%.
V Результаты восстановления матрицы ДНК
В этом разделе представлены результаты вычислительного эксперимента большей размерности. Как и в предыдущем разделе, мы выбираем по одному геному из 28 отрядов млекопитающих [12] - но здесь мы рассматриваем представителей всех 28 отрядов.
Как и ранее, мы будем использовать матрицу расстояний, значения в которой изменяются от 0 до 1 . При этом в таблицах, приведённых в приложении, данные для удобства обозначены целыми числами, образованными первыми тремя значащими цифрами этих значений (т. е. мы фактически умножаем имеющиеся значения на 1000 и округляем до целых).
Мы взяли ту же неполностью заполненную матрицы расстояний ДНК, которую восстанавливали применением алгоритма 1. При этом из матрицы были удалены примерно 63% пар элементов (осталось примерно 37% пар). Эта матрица приведена в таблице 9 приложения [1]. Для восстановленной матрицы значение показателя badness матрицы равно а = 92, 1, а значение невязки составило d = 0, 00185. Полученная матрица приведена в таблице 16 приложения.
Теперь же мы провели восстановление матрицы применением метода ветвей и границ и полученная матрица приведена в таблице 17 приложения. Для восстановленной этим методом матрицы мы получили следующие показатели: а = 66,6 и d = 0,00145. Таким образом,
в результате применения метода ветвей и границ значение показателя badness матрицы уменьшилось на 28%, невязка уменьшилась на 20%.
Таблица 15. Сравнение невязки восстановления одной матрицы с применением метода ветвей и границ и без него
а max dj d
без МВГ 92,1 0.141 0.00185
МВГ 66, 6 0.106 0.00145
улучшение, % 27, 7 24, 8 21, 6
Сравнение результатов применения различных методов для восстановления матрицы расстояний между цепочками ДНК приведено в таблице 15.
Можно сказать, что эта таблица описывает основной результат настоящей статьи. Важно отметить, что существенное улучшение основных характеристик восстановления матрицы практически не отразилось на увеличении времени работы алгоритма: оно увеличилось лишь примерно на 10%.
VI. Заключение
Итак, мы предлагаем использовать метод ветвей и границ для оптимизации разработанного ранее метода восстановления матрицы расстояний между последовательностями ДНК, в основе которого использовался подход, разработанный и применёный на практике для сравнительной оценки других алгоритмов - алгоритмов расчёта расстояний между такими последовательностями; упрощая, можно сказать, что мы пытаемся добиться выполнения свойства остроугольной равнобедренности для всех образующихся треугольников. Применение метода ветвей и границ позволило произвести определение неизвестных элементов матрицы в той последовательности, которая минимизирует значение показателя badness матрицы и как следствие невязку.
Как отмечалось в работе [1], применение разработанного подхода на основе применения показателя badness для заполнения матрицы расстояний между последовательностями ДНК позволяет значительно сократить время её заполнения. Применение метода ветвей и границ позволяет произвести вычисление неизвестных элементов в оптимальной последовательности, что минимизирует значение невязки. При этом, время работы алгоритма увеличивается незначительно.
В качестве одного из направлений будущего улучшения описанного нами здесь эвристического алгоритма (прежде всего - уменьшения времени его работы) мы предполагаем использование кластеризации ситуаций, применение которой описано в [12], [13]. При применении этого подхода мы в разных подзадачах (ситуациях), получающихся на различных ветвях дерева перебора метода ветвей и границ, которым (подзадачам) соответствуют некоторые близкие по некоторой «естественной» метрике матрицы, пытаемся выбрать один и тот же разделяющий элемент. Такое применение (если оно возможно) практически не требует времени - при том, что, как мы отмечали в предыдущих публикациях, время, затрачиваемое на выбор элемента, составляет основную часть времени работы МВГ.
Список литературы
[1] Мельников Б. Ф., Тренина М. А. Об одной задаче восстановления матриц расстояний между цепочками ДНК. International Journal of Open Information Technologies.ISSN: 2307-8162. Vol. 6. No. 6. 2018. C. 1-13.
[2] Мельников Б. Ф., Пивнева С. В, Трифонов М. А. Мультиэвристи-ческий подход к сравнению качества определяемых метрик на множестве последовательностей ДНК. Современные информационные технологии и ИТ образование. Т. 13. № 2. 2017. С. 89-96.
[3] Мельников Б. Ф., Тренина М. А., Кочергин А. С. Подход к улучшению алгоритмов расчёта расстояний между цепочками ДНК (на примере алгоритма Нидлмана — Вунша). Известия высших учебных заведений. Поволжский регион. Физико-математические науки. № 1 (45). 2018. (https://izvuz_fmn.pnzgu.ru/fmn4118)
[4] Melnikov B. F., Pivneva S. V., Trifonov M. A. Comparative analysis of algorithms calculating distances of DNA sequences and some related problems. Сборник трудов III международной конференции и молодежной школы «Информационные технологии и нанотехнологии (ИТНТ-2017)», Самарский национальный исследовательский университет имени академика С.П. Королева. 2017. С. 1640-1645.
[5] Мельников Б. Ф., Радионов А. Н. О выборе стратегии в недетер-мированных антагонистических играх. Программирование. № 5. 1998. С. 55-62.
[6] Мельников Б. Ф. Эвристики в программировании недетерминированных игр. Известия РАН. Программирование. № 5. 2001. С. 63-80.
[7] Гудман С, Хидетниеми С. Введение в разработку и анализ алгоритмов. М.: Мир. 1981. 364 с.
[8] Hromkovic J. Algorithmics for Hard Problems. Introduction to Combinatorial Optimization, Randomization, Approximation, and Heuristics. Springer. 2003. 538 p.
[9] Melnikov B. Multiheuristic approach to discrete optimization problems. Cybernetics and Systems Analysis. 2006. Vol. 42. No. 3. P. 335-341.
[10] Home - Nucleotide - NCBI [Электрон. ресурс]. - Режим доступа: https://www.ncbi.nlm.nih.gov/nuccore, свободный
[11] Айала Ф, Кайгер Дж. Современная генетика. Пер. с англ. Т. 1. -М.: Мир. 1987. 295 с.
[12] Melnikov B., Radionov A., Moseev A., Melnikova E. Some specific heuristics for situation clustering problems. ICSOFT, Technologies, Proceedings 1st International Conference on Software and Data Technologies. 2006. P. 272-279.
[13] Мельников Б. Ф., Мельникова Е. А. Кластеризация ситуаций в алгоритмах реального времени для задач дискретной оптимизации. Системы управления и информационные технологии. Т. 28. № 2. 2007. С. 16-20.
Приложение 1. Блок-схемы алгоритмов
Рис. 2. Блок-схема исходного алгоритма 1.
Рис. 4. Блок-схема алгоритма 3 метода ветвей и границ для восстановления неполностью заполненной матрицы расстояний между последовательностями ДНК.
International Journal of Open Information Technologies ISSN: 2307-8162 vol.6, no.8, 2018 Приложение 2. Результаты восстановления матрицы 28 х 28 различными способами.
Таблица 16. Восстановленная без метода ветвей и границ матрица размера 28.
о 296 255 262 294 296 275 256 396 294 296 297 267 266 265 266 262 271 269 262 260 996 330 294 303 293 266 307
295 0 267 265 290 309 277 222 396 295 300 296 266 266 269 292 297 274 271 267 292 = = 5 335 259 306 297 292 311
256 267 0 263 343 339 324 291 396 320 зоб 3 24 307 293 296 300 295 293 293 294 290 993 337 313 312 273 зоб зю
262 266 263 0 303 310 292 274 406 299 303 279 296 276 291 293 262 277 279 267 2е7 996 ззе 301 зоб 299 296 309
294 290 343 303 0 307 264 236 3f: 302 зоб 305 301 261 295 297 266 275 263 303 266 = = 5 3 34 зоб зоб 303 301 310
296 309 339 310 307 0 264 290 401 304 351 317 314 300 303 305 296 290 295 296 337 934 345 317 320 315 314 317
2 75 l'- 324 292 264 264 0 274 414 316 311 зю 307 266 294 297 269 279 266 292 269 994 341 313 314 309 зоб 313
256 ai 291 2 74 236 290 274 0 406 301 301 305 291 272 267 290 276 273 274 265 262 994 339 296 309 296 294 311
396 398 398 406 3 = 5 401 404 40б 0 416 394 505 506 414 361 379 410 40б 4q3 400 397 993 435 417 414 412 4ю 406
294 295 320 299 302 304 316 301 416 0 312 310 302 292 295 297 290 264 290 293 269 934 344 314 317 310 307 313
295 300 306 303 306 351 311 301 394 312 0 320 312 294 300 302 294 269 292 325 266 934 344 332 321 315 313 266
297 296 324 279 305 317 310 305 505 310 320 0 301 295 299 302 295 290 292 31е 295 = = 3 зе2 320 324 317 313 322
267 266 307 296 301 314 307 291 506 302 312 301 0 263 297 300 297 293 267 296 295 994 351 зю 323 307 зоб 3 21
266 266 293 276 261 300 266 272 414 292 294 295 263 0 297 300 275 272 272 265 264 = = = 3 31 307 322 зоб 302 322
265 269 296 291 295 303 294 267 361 295 300 299 297 297 0 301 313 294 264 270 276 940 391 350 299 341 337 335
266 292 300 293 297 305 297 290 379 297 302 302 300 300 301 0 313 262 320 267 290 967 401 зе = 256 346 342 341
262 296 295 262 266 296 269 276 410 290 294 295 297 276 313 313 0 279 326 291 269 980 344 зоб 312 302 299 315
271. г "4 293 2 77 275 290 279 273 406 264 269 290 293 272 294 262 279 0 279 267 262 6= = 267 305 265 301 297 311
269 271 293 279 263 295 266 274 403 290 292 292 267 272 254 320 325 279 0 269 266 673 340 302 312 300 296 314
262 267 294 267 303 296 292 265 400 293 326 31е 296 265 270 267 291 267 269 0 303 676 349 312 322 312 зю 31 =
260 292 290 257 266 337 269 262 397 269 268 295 295 264 276 290 269 262 286 303 0 = 91 32 12 315 зоб 305 314
995 = = 5 993 996 = = 5 934 994 934 993 994 = = 5 993 994 = = = 940 967 980 б= = 673 676 = 91 0 = = 5 664 673 664 655 647
330 335 337 335 334 345 341 339 435 344 344 352 351 331 391 401 344 267 340 349 342 = = 5 0 335 325 330 325 327
294 269 313 301 зоб 317 313 296 417 314 332 320 зю 307 350 зе; зоб 305 302 312 312 664 ззе 0 309 297 292 312
303 зоб 312 зоб зоб 320 314 309 414 317 321 3 24 323 322 299 256 312 264 312 322 315 673 326 309 0 307 302 зоб
293 297 273 299 303 315 309 296 412 310 315 317 307 305 341 346 302 301 300 312 зоб 664 330 297 307 0 244 310
266 292 306 295 301 314 зоб 294 410 307 313 313 зоб 302 337 342 299 297 296 310 305 655 325 292 302 244 0 309
307 311 310 309 зю 317 313 311 406 313 266 322 321 322 ззе 341 31е 311 314 31 = 314 647 327 312 зоб 310 309 0
Таблица 17. Восстановленная с применением метода ветвей и границ матрица размера 28.
0 297 256 269 336 ззе 303 305 466 313 304 299 299 2 74 265 280 262 297 320 311 295 990 276 311 2 7е 265 296 зоб
297 0 293 294 292 305 307 222 467 313 329 307 303 300 260 297 297 303 311 31 = 292 = =■:■ 266 269 263 296 303 312
256 293 0 297 343 339 347 350 467 357 353 325 295 294 266 271 309 332 305 354 340 === 321 354 316 273 314 330
259 294 297 0 331 341 292 зоб 503 31е 305 279 272 2 71 252 2ее 291 262 302 309 257 = 6= 292 307 267 270 зоб 303
336 292 343 331 0 266 311 236 467 311 337 313 зю ззе 262 298 307 зоб 304 304 332 990 292 325 266 309 336 31е
335 305 339 341 266 0 314 304 466 316 351 313 321 343 264 301 31е 312 292 334 337 = 8= 317 310 31е 313 343 351
303 307 347 292 311 314 0 295 467 316 305 292 296 305 276 267 291 279 299 307 299 9эо 309 315 301 269 303 зоб
305 222 350 зоб 236 304 295 0 465 295 315 267 313 311 253 273 305 262 297 307 305 = = = 311 299 зоб 296 314 31е
466 467 467 5q3 467 466 467 466 0 466 466 505 50б 466 416 417 467 466 467 466 466 = = = 433 466 432 466 467 432
313 313 357 315 311 316 316 295 466 0 313 295 302 309 261 276 292 294 зоб зю зоб = =■:■ 324 314 316 290 320 316
304 329 353 305 337 351 305 316 465 313 0 320 311 309 293 266 306 300 320 326 304 9эо 262 332 261 304 315 266
299 307 325 279 313 313 292 267 5ö5 295 302 0 266 307 274 269 263 261 293 31е 300 = = = 261 31е 261 262 300 зю
299 303 295 272 310 3 21 296 313 506 302 311 266 0 276 270 265 297 263 309 312 299 = = = 267 309 263 273 304 309
274 300 294 271 335 343 305 311 466 309 309 307 276 0 269 260 296 303 304 312 264 = = = 267 311 2 75 274 303 296
265 260 266 262 262 264 276 253 415 261 293 274 270 269 0 301 3 21 303 264 295 295 = 15 296 266 300 294 295 295
260 297 2 71 2ее 29б 301 257 273 417 276 265 259 265 2€ö 301 0 315 292 321 299 264 924 294 302 256 266 29б 265
262 297 309 291 307 31е 291 зоб 467 292 зоб 263 297 296 321 316 0 277 326 зю 297 = =■:■ 262 311 276 267 303 309
297 303 332 262 зоб 312 279 262 466 294 300 261 263 303 303 292 2 77 0 265 307 297 990 267 313 265 272 зоб 305
320 311 305 302 304 292 299 297 467 зоб 320 293 309 304 264 321 326 265 0 313 зое === 290 303 269 299 312 319
311 31 = 354 309 304 3 34 307 307 466 31в 325 315 312 312 295 299 310 307 313 0 303 9эо 292 312 266 310 311 315
295 292 340 2е7 332 337 299 305 466 зоб 304 300 299 264 295 284 297 297 зоб 303 0 = =■:■ 261 307 2 73 292 305 313
990 990 = = = = 6= ==■:■ = 8= 990 = = = = = = 990 990 = = = = = = = = = = 15 924 990 990 = = = 990 990 0 = = 5 ==■:■ 990 = = = 997 990
276 266 3 21 292 292 317 309 311 433 324 262 261 267 267 296 294 262 267 290 292 261 = = 5 0 292 260 294 262 266
311 269 354 307 325 310 315 299 466 314 332 315 309 311 266 302 311 313 303 312 307 9эо 292 0 290 309 320 316
27е 263 316 267 266 31е 301 зоб 432 316 261 261 263 2 7е 300 256 276 265 269 266 273 = =■:■ 260 290 0 267 265 2 74
265 296 2 73 270 309 313 269 296 466 290 304 262 273 2 74 294 286 267 272 299 зю 292 === 294 309 267 0 244 300
296 303 314 зоб 336 343 303 314 467 320 315 300 304 303 296 296 303 зоб 312 311 305 997 262 320 265 244 0 зоб
зоб 312 330 303 315 351 зоб 315 432 316 266 310 309 296 295 265 309 305 31 = 316 313 9эо 266 316 2 74 300 зоб 0
The application of the branch and bound method in the problem of reconstructing the matrix of distances between DNA strings
Boris Melnikov, Marina Trenina
Abstract—In this paper, we continue to consider one of the tasks of biocybernetics, i.e. the problem of reconstructing the distance matrix between DNA sequences. In this problem, not all the elements of the matrix under consideration are known at the input of the algorithm (usually 50% or less of the elements). The basis for the development of the algorithm for reconstructing such a matrix is the method of comparative evaluation of algorithms for calculating distances between DNA sequences developed and investigated by us, based on a special analysis of the distance matrix. In this analysis, we applied the badness of each of the triangles of the matrix determined by us before.
Continuing to improve the algorithms for solving this problem, we consider the use of the branches and bounds method in it. To do this, for some known sequence of unfilled elements, we apply the algorithms we considered in previous publications, but now we choose the sequences ourselves using developed by us version of method of branches and bounds. In our interpretation of this method, all possible sequences of unknown elements of the upper triangular part of the matrix are taken as the set of admissible solutions. In each current subtask, any of the blank elements of the matrix is taken as the separating element, and the sum of the badness values for all triangles that have already been formed by the time this subtask is considered is taken as the boundary. Thus, the definition of elements of an incompletely filled matrix occurs in such a sequence that the final badness indicator for all triangles is selected using greedy heuristics that fits completely into the framework of the classical variants of the description of the branches and bounds method.
As a result of applying such an algorithm, we get results that, from the point of view of the value of badness, are the lowest possible (in the case of a completed version of the branch and boundary method), or close to optimal ones (in the case of its uncompleted version). At the same time, in our computational experiments, the running time of the algorithm practically coincides with the time of the algorithm considered by us in the previous publication (it exceeds it by no more than 10%), and the badness value usually decreases by 20-40% from the initial value. Thus, we are able to quickly and efficiently restore the DNA matrix, often even if it is filled less than 40%.
Keywords—branches and bounds method, DNA sequences, metric, distance matrix, partially filled matrix, recovery.
