تخمين هاپلوتايپ با استفاده از ريلكس‌سازي بهينه‌سازي چندجمله‌اي

Haplotype Estimation Using Polynomial Optimization Relaxation

اين مقاله به بررسي تخمين هاپلوتايپ با استفاده از داده‌هاي توالي DNA مي‌پردازد. الگوريتم پيشنهادي با استفاده از ريلكس‌سازي بهينه‌سازي چندجمله‌اي به روش Lasserre با نام HapLas معرفي مي‌شود. اين الگوريتم برپايه استفاده از ساختار گسسته مساله بهينه‌سازي تخمين هاپلوتايپ مي‌باشد كه با استفاده از تئوري اندازه به يك فضاي پيوسته نگاشت مي‌گردد. سپس با استفاده از خواص ماتريس ممان، ريلكس‌سازي انجام مي‌گيرد. نتايج شبيه‌سازي نشان مي‌دهد كه استفاده از الگوريتم پيشنهادي منجر به بهبود نرخ بازسازي هاپلوتايپ در مقايسه با الگوريتم‌هاي متداولSDhaP و RefHap در حدود 5 درصد مي‌گردد. اين بهبود به‌ازاي افزايش قابل ملاحظه زمان اجرا و پيچيدگي محاسبات حاصل مي‌شود به‌طوري كه در كاربردهاي پزشكي قابل صرف‌نظركردن است.

This paper is dedicated to investigating haplotype estimation based on DNA sequences. The proposed algorithm named as (HapLas) is introduced using relaxation of polynomial optimization based on the Lasserre technique. This algorithm is based on the discrete structure of optimization problem of haplotype estimation which is mapped to a continuous space using the measure theory. Then, relaxation is performed via the properties of the moment matrix. Simulation results show that the proposed algorithm improves the reconstruction rate of the haplotype about five percent in comparison to the SDhaP and RefHap. This is achieved at the cost of increasing the running time and computational complexity which can practically be ignored in medicine.