가지 길이 제한 없는 계통수 재구성: 짧은 가지는 수축하고 깊은 가지는 가지치기

본 논문은 진화 생물학에서 핵심적인 문제인 계통수(phylogeny) 재구성을 다루며, 기존 방법들이 요구하던 “짧은 가지가 없고 트리 깊이가 제한된다”는 가정을 완전히 제거한다. 저자들은 거리 기반 알고리즘을 설계해, (τ, M) 왜곡 거리 행렬만을 입력으로 받아, 실제 트리에서 “충분히 긴” 및 “잎에 충분히 가까운” 에지를 모두 포함하는 서브포레스트를 복원한다. **문제 설정** - 트리는 가중치 λ(e) > 0 를 갖는 다중분기 트리이며, 잎은 관측된 종을 나타낸다. - 실제 진화 거리 d(u, v)는 잎 사이의 경로 길이 합이며, 이를 직접 알 수 없고 시퀀스 데이터를 통해 추정된 ˆd를 사용한다. - ˆd는 (τ, M) 왜곡 거리라 정의되며, 짧은 거리(≤ M+τ)에서는 실제 거리와 τ 이하의 오차를 가진다. 긴 거리(> M+τ)는 신뢰할 수 없으므로 알고리즘이 무시한다. **핵심 정의** - **Chord depth Δ_c(e)**: 에지를 가로지르는 가장 짧은 잎‑잎 경로 길이. - **Vertex depth Δ_v(x)**: 정점 x와 가장 가까운 잎 사이 거리. - **M‑pruned 서브포레스트 F_M(T)**: Δ_c(e) ≥ M 인 에지를 모두 제거하고 남은 컴포넌트들의 집합. - **τ‑contracted 서브포레스트**: F_M(T)에서 λ(e) ≤ τ 인 에지를 하나의 0‑가중치 에지로 압축. **알고리즘 개요** 1. **클러스터링 단계**: 왜곡 거리 행렬을 이용해, 거리 ≤ M+τ 인 잎들을 클러스터링한다. 이는 정확히 추정 가능한 “짧은 구간”을 식별하는 과정이다. 2. **수축 단계**: 각 클러스터 내부에서 λ(e) ≤ τ 인 에지를 합병해 τ‑contracted 트리를 만든다. 3. **연결 단계**: 서로 다른 클러스터를 연결하되, 연결 경로가 깊이 M/2 이하이고 길이가 τ 이하인 경우에만 겹치도록 제한한다. 이를 통해 (2τ, m‑3τ)‑path‑disjoint 특성을 만족하는 포레스트를 얻는다. **주요 정리** - **정리 1 (주요 결과)**: τ와 M이 n(잎 수)의 함수이며 M > 3τ, m < ½(M‑3τ) 인 경우, 다항시간 알고리즘 A가 (2τ, m‑3τ)‑path‑disjoint 서브포레스트를 반환하고, 이는 F_{4τ, m‑τ}(T)의 refinement이다. - **Corollary 1 (트리 경우)**: M > 2Δ_c(T)+5τ 이면 복원된 포레스트는 단일 트리이며, 모든 에지 λ(e) ≥ 4τ 가 보존된다. - **Corollary 2 (Dense 경우)**: 모든 에지 길이가 상수 g 이하인 “dense” 트리에서는 M = Ω(log n) 만으로 전체 트리를 (단, 짧은 에지는 수축) 복원할 수 있다. - **Corollary 3 (절대 변형)**: 마코프 모델에서 k = Ω(log n) 개의 시퀀스를 수집하면, τ, M, m 을 적절히 선택해 확률 1‑o(1) 로 F_{ε, M₀}(T) 를 복원한다. 여기서 M₀ = Ω_ε(log k‑log log n). **비교 및 기여** - 기존 SQM