热流 - 热力学深度复杂性与部分标记树相似性度量研究
1. 热流 - 热力学深度复杂性
在热流相关的研究中,涉及到诸多复杂的概念和关系。首先来看热流与矩阵元素之间的关系。当 $Y β < Kβ+ : Y β+$ 时,这是因为虽然乘数尽可能接近零,但为了最大化 Frobenius 积,最负的乘数必须分配给 $Kβ$ 中的较低元素。尽管不太负的元素对应于 $Kβ$ 的(主导)对角元素,但它们在 $β+$ 时比在其他情况更接近零。随着 $β →0$,零元素的数量会增加,因为此时 $Kβ = (In −Lβ)$,这意味着对角元素将接近 1,并且我们可以自由地将负乘数分配给越来越小的非对角元素,这样会得到较小的 $Kβ : Yβ$。然而,当接近 $β+$ 时,非对角元素开始占主导地位,将接近零的乘数分配给主导元素会使 Frobenius 积增加。
当 $β > β+$ 时,在达到平衡点之前,非对角值的总和大于对角值的总和。如果在平衡之前 $A : Kβ+ > A : Kβ$,并且考虑到 $β$ 处的对角元素小于它们在 $β+$ 处的值,我们可以得到 $Kβ+ : Y β+ > Kβ : Y β$。这是由于以下两个原因:
- 为了最大化 Frobenius 积,希望将接近零的乘数分配给非对角元素,将更负的乘数分配给对角元素。
- 随着 $β$ 的增加,由于对这些乘数的约束数量增加($\Xiβ = trace(Kβ) - \sum_{i=1}^{n} \sum_{j\neq i} Kβ_{ij}$ 减小),后一种分配变得越来越不可行。
在这种情况下,热流通过边增加,并在那些没有边连接的节点对之间建立虚拟路径(可达性)。结果是,与间接路径相关的非对角元素增加。为了最大化 Frobenius 积,需要越来越多接近零的乘数用于这些元素。然而,并非所有非对角元素都能有接近零的乘数,其中一些将非常负。如果 $β$ 比平衡点更接近 $β+$,与间接路径相关的非对角元素可能非常负,因此 $Kβ+ : Y β+ > Kβ : Y β$。当 $β$ 达到平衡点时,所有元素都趋向于 $1/n$,这意味着所有乘数几乎相等,但小于或等于 $β+$ 处的任何乘数。因此,即使超过平衡点,仍然有 $Kβ+ : Y β+ > Kβ : Y β$。所以,对于 $β \neq β+$,我们有 $Hβ+ ≥Hβ$。
波动定律
波动定理(FT)指出,在一个孤立(宏观或微观)系统中破坏熵的概率随时间呈指数下降。在这里,由于逆温度 $β$ 被等同于时间 $t$,熵 $Hβ$ 被等同于热流 $Fβ$,我们不存在负熵意义上的破坏熵的情况。然而,由于存在 PTP,对于每个流迹 $Fβ$,有一个熵产生阶段 $[0, β+]$ 和一个熵稳定/破坏阶段 $(β+, βmax]$。PTP 之后的熵衰减是由于网络施加的结构(但在没有拓扑约束的完全图中除外),因为结构意味着信息。
我们发现,对于许多网络集,熵产生率和熵减少率之间存在线性关系,并且除了线性关系外,还存在指数衰减。以下是波动定律的定义:
- 线性波动定律(LFL):设 $\Omega = {Gi = (Vi, Ei)}$,对于 $Gi \in\Omega$,$Fβ(Gi)$ 是 $β \in[0, β+]$ 时的热流迹,$\langle\nabla F(Gi)\rangle_{a}^{b}$ 是 $β = a$ 和 $β = b$ 之间的平均流梯度。如果存在 $k > 0$,使得 $Pr\left[\langle\nabla F(Gi)\rangle_{βmax}^{β+} = -k \langle\nabla F(Gi)\rangle_{β+}^{0}\right] \approx 1$,则该网络集满足线性波动定律。即熵变化衰减(绝对值)很可能随着熵变化增加而增大(开始时产生的熵越多,PTP 之后破坏的熵就越多),并且在网络群体中,变化衰减与变化增加呈线性关系。
- 带指数衰减的线性波动定律(LFLED):如果除了满足 LFL 外,对于每对 $(Gi, Gj)$($i \neq j$,$Gi, Gj \in\Omega$),存在 $\lambda > 0$,使得 $Pr\left[\left|\langle\nabla F(Gi)\rangle_{βmax}^{β+} - \langle\nabla F(Gj)\rangle_{βmax}^{β+}\right| = e^{-\lambda}\right]$,则该网络集满足带指数衰减的线性波动定律。
热流 - 热力学深度复杂性的定义
将热力学深度(TD)应用于表征网络复杂性,需要正式定义导致网络宏观状态的微观状态。这里我们根据扩展子图来定义这些微观状态。
- 节点历史与扩展子图:设 $G = (V, E)$,$|V| = n$。节点 $i \in V$ 的历史 $hi(G) = {e(i), e^2(i),…, e^p(i)}$,其中 $e(i) \subseteq G$ 是由 $i$ 和所有与 $i$ 相邻的 $j$ 组成的一阶扩展子图,$e^2(i) = e(e(i)) \subseteq G$ 是由与 $Ve(i)$ 中的 $j$ 相邻且不在 $Ve(i)$ 中的 $z$ 组成的二阶扩展子图,依此类推,直到 $p$ 不能再增加。如果 $G$ 是连通的,$e^p(i) = G$;否则,$e^p(i)$ 是 $i$ 所属的连通分量。每个 $hi(G)$ 定义了一条不同的因果轨迹,如果 $G$ 是连通的,它通向 $G$ 本身;否则,通向它的一个连通分量。因此,就 TD 而言,完整图 $G$ 或其连通分量的并集是宏观状态。这种宏观状态的深度取决于导致它的因果轨迹的可变性。可变性越高,解释如何达到宏观状态就越复杂,这个状态就越深。
- 因果轨迹:给定 $hi(G)$,$t$ 阶扩展的热流复杂性 $f^t = f(e^t(i))$,生成函数 $F$ 和 Bregman 散度 $DF$,从 $i$ 到 $G$(或其一个连通分量)的因果轨迹由最小包围 Bregman 球(MEBB)$B_{ci,ri} = {f^t \in X : DF(ci||f^t) \leq ri}$ 的中心 $ci \in R^d$ 和半径 $ri \in R$ 来表征。
- TD 网络深度:给定 $G = (V, E)$,$|V| = n$ 以及所有的 $n$ 对 $(ci, ri)$,$G$ 的热流 - 热力学深度复杂性由 MEBB $B_{c,r} = {ct \in Xi : DF(c||ci) \leq r}$ 和 $D_{min} = \min_{f\in B_{c,r}} DF(f^{\infty}||f)$ 来表征,其中 $f^{\infty} = f(B^*) \in R^d$ 是 van der Waerden 复杂性迹。因此,网络的 TD 深度由 $D(G) = r\times D_{min}$ 给出。
2. 部分标记树相似性度量
树是一种强大的数据结构,可用于表示可以定义层次关系的数据。在许多领域,如文本文档分析、蛋白质结构、图像表示和编码、音乐检索等,树都有广泛的应用。计算两棵树之间的相似性度量是一个重要的研究课题,但通常是一个耗时的任务。不同的作者提出了各种算法来在合理的时间内计算这些度量,有些方法需要树完全标记才能计算距离。
树比较方法
在文献中,已经定义了许多用于有序非进化树的相似性度量。一些度量测量将一棵树转换为另一棵树所需的操作序列,另一些则寻找从根到树节点的最长公共路径,还有一些方法在匹配过程中允许通配符(所谓的可变长度不关心(VLDC)距离)。以下是一些相关的定义和符号:
- 设 $T = (V, E, L)$ 是一个标记树,由有限非空顶点集 $V$、有限弧集 $E \subseteq V \times V$ 和节点标签集 $L$ 组成。每个节点包含一个可能为空的标签,标记函数定义为 $label: V → L$。空树表示为 $\lambda$,空标签表示为 $\epsilon$。
- 如果存在一个特殊节点 $r \in V$,称为树的根,并且对于所有节点 $v \in V$,从根 $r$ 到节点 $v$ 有唯一路径,则该树称为标记根树。
- 节点 $v \in V$ 的级别或深度 $depth: V → N \cup {0}$ 是从根节点 $root(T)$ 到节点 $v$ 的唯一路径的长度。树的高度 $h: T → N \cup {0}$ 定义为 $h(T) = \max_{v\in V} {depth(v)}$。
- 如果 $(v, w) \in E$ 且 $depth(w) = depth(v) + 1$,则节点 $v$ 是节点 $w$ 的父节点。父节点通过函数 $par: V → V$ 获得。节点 $w$ 是节点 $v$ 的子节点。函数 $children: V → 2^V$ 定义为节点 $v$ 的所有子节点的集合,即 $children(v) = {w| par(w) = v}$。
- 节点 $v \in V$ 的度、秩或出度 $rank: V → N \cup {0}$ 是节点的子节点数量,即 $rank(v) = | children(v)|$。应用于树 $T$ 时,$rank(T) = \max_{v\in V} {rank(v)}$。
- 节点 $v \in V$ 是叶子节点,如果 $rank(v) = 0$。布尔函数 $leaf : V → B$ 用于表示叶子节点。$leaves(T)$ 是树中没有子节点的节点集合,即 ${v \in V | leaf(v) = true}$。
- 有序树是指每个节点的子节点的相对顺序固定的树。函数 $child: N × V → V$ 定义为,$child_i(v)$ 恰好在 $child_j(v)$ 之前当且仅当 $i = j - 1$,对于所有 $i, j \in N$。
- 树的后序编号是指按照后序遍历树时每个节点的访问顺序。为了唯一标识树 $T$ 中的节点,定义 $T[i] \in N$ 为后序编号中的第 $i$ 个节点,从 1 开始。
- 森林是树的不相交并集,有序森林的组件遵循一定顺序,是一系列树,用 $T +$ 表示。操作 $T[child_i(T).. child_j(T)]$ 是由 $T$ 从位置 $i$ 到 $j$(包括)的子节点组成的集合,它形成一个森林,为了简化符号,后续用 $T[i..j]$ 表示这个操作。
树编辑距离是将一个输入树转换为一个输出树的最小成本,通过编辑操作来实现。编辑操作包括:
- 重新标记:将节点 $v \in V$ 的标签 $l$ 替换为另一个节点 $w \in V’$ 的标签 $l’$,表示为 $(v, w)$。
- 删除:删除非根节点 $v \in V$,表示为 $(v, \lambda)$,删除后,$v$ 的子节点成为 $par(v)$ 的子节点,保持叶子节点的从左到右顺序。
- 插入:插入非根节点 $w \in V’$,表示为 $(\lambda, w)$。给定一个共同父节点 $w$ 的子树序列 $w_i \cdots w_j$,插入节点 $w’$ 使这些子树成为 $w’$ 的子节点,$w’$ 成为 $w$ 的子节点。
每个操作都分配一个编辑成本 $ct : V × V’ → R$,基于标签符号的编辑成本 $c: L × L → R$,这取决于具体应用。如果 $v = \lambda$,操作表示插入;如果 $w = \lambda$,操作表示删除。注意,操作 $(\lambda, \lambda)$ 是不允许的。
以下是热流 - 热力学深度复杂性相关的流程图:
graph TD;
A[β变化] --> B[β < β+];
B --> C[非对角元素影响小];
B --> D[对角元素接近1];
A --> E[β > β+];
E --> F[非对角元素主导];
F --> G[热流增加建立虚拟路径];
G --> H[非对角元素增加];
H --> I[Kβ+ : Y β+ > Kβ : Y β];
A --> J[β达到平衡点];
J --> K[所有元素趋向1/n];
K --> I;
以下是树编辑操作的表格:
| 操作类型 | 表示方法 | 具体操作 |
| ---- | ---- | ---- |
| 重新标记 | $(v, w)$ | 将节点 $v$ 的标签替换为节点 $w$ 的标签 |
| 删除 | $(v, \lambda)$ | 删除非根节点 $v$,其子节点成为 $par(v)$ 的子节点 |
| 插入 | $(\lambda, w)$ | 插入非根节点 $w$,使相关子树成为其和其父节点的子节点 |
综上所述,热流 - 热力学深度复杂性和部分标记树相似性度量在不同的领域有着重要的应用和研究价值。热流相关的研究有助于理解网络中的能量传递和复杂性,而树相似性度量则在数据结构处理和分析中发挥着关键作用。
3. 实验:蛋白质 - 蛋白质相互作用网络(PPIs)的热力学深度分析
为了验证上述理论和定义的有效性,进行了关于蛋白质 - 蛋白质相互作用网络(PPIs)的实验,使用从 STRING - 8.22 提取的 PPIs 数据。
实验一:特定物种 PPI 复杂度分析
首先,考虑与组氨酸激酶相关的 PPIs,涉及 10 个细菌门的 10 个物种。从每个物种中主观选择 3 个 PPIs(简单、复杂和更复杂)并计算它们的热力学深度(TD)。结果显示,在 70% 的情况下,TD 与直觉相符。与 Estrada 的光谱均匀性描述符比较时,发现 TD 在类内和类间变异性的比率上稍好(0.6840 对 0.7383)。
实验二:不同进化顺序 PPI 复杂度分析
接着分析 222 个与组氨酸激酶相关的 PPIs,来自 6 个不同组(同一组内的 PPIs 对应同一物种),进化顺序从旧到新依次为:Aquifex(4 个 PPIs)、Thermotoga(4 个 PPIs)、Gram - Positive(52 个 PPIs)、Cyanobacteria(73 个 PPIs)、Proteobacteria(45 个 PPIs),还有一个额外的类 Acidobacteria(46 个 PPIs)。对 TD 进行直方图分析,发现其分布通常是长尾的,大部分 TD 集中在某一点。通过研究累积分布(而不是概率密度函数),可以判断这些点是否按进化顺序排列。累积分布达到顶部(累积值 = 1)较早表示 TD 较低,较晚则表示 TD 较高。结果表明,对于前 5 个研究的门,组氨酸激酶驱动的信号转导机制的进化复杂性可以通过 TD 正确量化。但所选的 Acidobacterium sp. 似乎比 Gram - Positive 更古老,这与实际情况不符。同时,各类的 cis 显示类内变异性较低(形状相似)。
实验三:同一门内不同物种 PPI 复杂度分析
分析同一门(螺旋体门)的三个不同物种的 76 个 PPIs 的累积分布,验证了种内变异性较低。
波动定律验证
最后,展示了第二次实验中分析的 PPIs 遵循波动定律,其中一些(如蓝细菌)遵循带指数衰减的线性波动定律(LFLED)。
以下是实验的步骤总结:
1. 从 STRING - 8.22 提取与组氨酸激酶相关的 PPIs 数据。
2. 实验一:从 10 个细菌门的 10 个物种中各选 3 个 PPIs,计算 TD 并与 Estrada 描述符比较。
3. 实验二:分析 222 个来自 6 个不同组的 PPIs,研究 TD 的累积分布以判断进化顺序。
4. 实验三:分析同一门内三个不同物种的 76 个 PPIs 的累积分布。
5. 验证 PPIs 是否遵循波动定律和 LFLED。
4. 结论
本研究有四个主要贡献:
- 从信息论的角度对热流复杂性进行了表征。
- 用热流 - 热力学深度定义了结构复杂性。
- 探索了热流热力学深度与波动定理之间的联系。
- 通过量化细菌 PPIs 的 TD 来表征细菌的进化,验证了上述定义的有效性。
未来的工作包括探索与 Ihara Zeta 函数的形式联系,以及研究不同类型的网络。
以下是热流 - 热力学深度复杂性研究与部分标记树相似性度量研究的对比表格:
| 研究内容 | 研究重点 | 应用领域 |
| ---- | ---- | ---- |
| 热流 - 热力学深度复杂性 | 热流与矩阵元素关系、波动定律、网络深度定义 | 网络复杂性分析、能量传递研究 |
| 部分标记树相似性度量 | 部分标记树的相似性计算 | 文本文档分析、蛋白质结构、图像编码、音乐检索等 |
以下是整个研究流程的流程图:
graph LR;
A[热流 - 热力学深度复杂性研究] --> B[热流与矩阵元素分析];
B --> C[波动定律研究];
C --> D[网络深度定义];
D --> E[PPIs 实验验证];
F[部分标记树相似性度量研究] --> G[树比较方法定义];
G --> H[树编辑距离计算];
H --> I[新算法设计与实验];
E --> J[结论与未来工作];
I --> J;
综上所述,热流 - 热力学深度复杂性和部分标记树相似性度量的研究为网络分析和数据结构处理提供了重要的理论和方法,未来的研究有望进一步拓展其应用范围和深化理论理解。
1220



被折叠的 条评论
为什么被折叠?



