تخمین هاپلوتایپ با استفاده از ریلکس‌سازی بهینه‌سازی چندجمله‌ای

این مقاله به بررسی تخمین هاپلوتایپ با استفاده از داده‌های توالی dna می‌پردازد. الگوریتم پیشنهادی با استفاده از ریلکس‌سازی بهینه‌سازی چندجمله‌ای به روش lasserre  با نام haplas  معرفی می‌شود. این الگوریتم برپایه استفاده از ساختار گسسته مساله بهینه‌سازی تخمین هاپلوتایپ می‌باشد که با استفاده از تئوری اندازه به یک فضای پیوسته نگاشت می‌گردد. سپس با استفاده از خواص ماتریس ممان، ریلکس‌سازی انجام می‌گیرد. نتایج شبیه‌سازی نشان می‌دهد که استفاده از الگوریتم پیشنهادی منجر به بهبود نرخ بازسازی هاپلوتایپ در مقایسه با الگوریتم‌های متداولsdhap  و refhap در حدود 5 درصد می‌گردد. این بهبود به‌ازای افزایش قابل ملاحظه زمان اجرا و پیچیدگی محاسبات حاصل می‌شود به‌طوری که در کاربردهای پزشکی قابل صرف‌نظرکردن است.

Haplotype Estimation Using Polynomial Optimization Relaxation

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.