長さの制限付きギャップと文字クラスを含むパタンに対する..ppt

長さの制限付きギャップと文字クラスを含むパタンに対する照合アルゴリズムの改善 九州大学附属図書館 喜 田 拓 也 長さの制限付きギャップと文字クラス PROSITEパタン タンパク質検索で用いられるパタン 例： C-x(2,4)-C-x(3)-[LIVMFYWC]-x(8)-H-x(3,5)-H 長さの制限付きギャップ a以上、b以下のギャップ x(a, b), x(a)=x(a, a) 文字クラス（文字種） 文字の集合 [abc…] これまでの手法 文字クラスに対する文字列照合アルゴリズム Shift-And法 （Abrahamson 1987, Wu-Manber 1992）→ O(m|?| + ?m/w? n) 正規表現パタンに対する文字列照合 DFAへ変換 → O(2m+n) 時間 NFAへ変換 → O(m×n) 時間 PROSITEパタンに対する文字列照合アルゴリズム Gaps-Shift-And法 （Navarro and Raffinot 2001）→ O( ?Pmax/w?×n) 文字クラスを含んだパタン照合Shift-And法のアイデア パタン a-a-b-a-[bc] を検出するNFA Shift-And法の動作 ギャップ付きShift-And法のアイデア パタン a-b-[cd]-x(1,3)-e-f を検出するNFA Gaps-Shift-And法におけるNFAの状態遷移の模倣 Shift-And法の状態更新 D ? ((D 1) | 0m?1) B[ tj ] ?遷移の模倣 D ?D | (( F ? ( D I )) ?F ) Gaps-Shift-And法改良のアイデア 5 の状態に注目！ カウンタ Clk 整数 k?1 を2進数で表現したビット列を反転したビット列で長さが l のものを Clk とする。 LongGaps-Shift-And法の計算 Shift-And法の状態更新 D’ ? ((D 1) | 0m?1) B[ tj ] 新たにアクティブになったギャップ開始地点の検出 A ? ( F ? ( D’ I )) ?F )カウンタのリセット C A （ここで C はカウンタの初期ビット列） インクリメントされるカウンタの検出 Dc ? (G ? A) D （G はカウンタの位置をマスクするビット列）カウンタのインクリメント ( Dc + (( Dc (lmax ? 1)) I )) G 状態更新の式 D ? D’ ?G | C A | (Dc + (( Dc (lmax ? 1)) I )) G LongGaps-Shift-And法とGaps-Shift-And法との要ビット数の比較 まとめ NavarroとRaffinot[2001]が提案したGaps-Shift-And法を基に、長いギャップでも少ないビット列で計算可能なLongGaps-Shift-And法を開発した 実装?実験はこれから ???たぶん、遅い???（演算回数が2倍以上！） ギャップの下限a が上限b に近いと効果がない PROSITEパタンはギャップが短いのがほとんど (ToT) * * 0 1 2 3 4 5 ? b a a b a c aababcaabacab テキスト:= 1 0 0 0 0 aababcaabacab abc パターン:= a b a [bc] a テキスト:= a-a-b-a-[bc] 1 1 0 0 0 0 0 1 0 0 1 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 1 1 0 0 0 0 0 1 0 0 1 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 1 0 1 0 0 0 1 0 1 0 0 0 0 1 0 0 1 0 0 1 0 0 1 0 1 1 0 1 0 1 0 0 1 0 ビット列 B D ? ((D 1) | 0m?1) B[ tj ] 0 1 2 4 8 ? c a b e d 7 5 3 6 f ? ? ? ? ? a = 1 b = 3 b?a = 2 0 1 2 4 8 ? c a b e d 7 5 3 6 f ? ? ? ? ? F:I:F? I:0 1 2 4 8 ? c a b e d 7 5 3 6 f ? ? ? ? ? D:0001110000000100 C85 = ? ( 0 0 0 0 0 1 0 1)= 1 1 1 1 1 0 1 0 1 1