An elastic-degenerate string is a sequence of $n$ finite sets of strings of total length $N$, introduced to represent a set of related DNA sequences, also known as a pangenome. The ED string matching (EDSM) problem consists in reporting all occurrences of a pattern of length $m$ in an ED text. This problem has recently received some attention by the combinatorial pattern matching community, culminating in an $\tilde{\mathcal{O}}(nm^{\omega-1})+\mathcal{O}(N)$-time algorithm [Bernardini et al., SIAM J. Comput. 2022], where $\omega$ denotes the matrix multiplication exponent and the $\tilde{\mathcal{O}}(\cdot)$ notation suppresses polylog factors. In the $k$-EDSM problem, the approximate version of EDSM, we are asked to report all pattern occurrences with at most $k$ errors. $k$-EDSM can be solved in $\mathcal{O}(k^2mG+kN)$ time, under edit distance, or $\mathcal{O}(kmG+kN)$ time, under Hamming distance, where $G$ denotes the total number of strings in the ED text [Bernardini et al., Theor. Comput. Sci. 2020]. Unfortunately, $G$ is only bounded by $N$, and so even for $k=1$, the existing algorithms run in $\Omega(mN)$ time in the worst case. In this paper we show that $1$-EDSM can be solved in $\mathcal{O}((nm^2 + N)\log m)$ or $\mathcal{O}(nm^3 + N)$ time under edit distance. For the decision version, we present a faster $\mathcal{O}(nm^2\sqrt{\log m} + N\log\log m)$-time algorithm. We also show that $1$-EDSM can be solved in $\mathcal{O}(nm^2 + N\log m)$ time under Hamming distance. Our algorithms for edit distance rely on non-trivial reductions from $1$-EDSM to special instances of classic computational geometry problems (2d rectangle stabbing or 2d range emptiness), which we show how to solve efficiently. In order to obtain an even faster algorithm for Hamming distance, we rely on employing and adapting the $k$-errata trees for indexing with errors [Cole et al., STOC 2004].
翻译:缩略图字符串( 缩略图- degenerate 字符串) 是一组 $2 的固定字符串, 用于代表一系列相关的DNA序列, 也称为全色 。 ED 字符串匹配( EDS) 的问题在于在 ED 文本中报告所有长度模式的发生。 这个问题最近得到了组合模式匹配社区的某种关注, 最终是一个 $\\ mthcal {O} (nmQ) compal{ (NN) $- time 代表总长度 美元 。 美元 美元 美元 美元 和 美元 美元 。 美元 美元 表示 美元 数 。 在 美元 美元 和 美元 中, 美元 美元 表示所有模式 。 美元 美元 以 美元 。 美元 以 美元 。 美元 。 美元 以 美元 以 美元 表示 美元 。 美元 以 美元 以 以 美元 美元 表示 。 以 美元 以 美元 以 美元 以 以 美元 时间 表示 美元 。