欧拉路径与 de Bruijn 序列

摘要

本文讲介绍图论中的欧拉图（或称为 欧拉路径）以及与其相关的 De Bruijn 序列 （de Bruijn sequences）。随之介绍 de Bruijn 序列在生物学基因组（genome sequences) 上的应用。

欧拉路径

欧拉路径的定义及举例

图论 （graph theory）如今已成为数学与计算机科学中一个重要的分支。可是在 300 多年前，图论还没有成为一门正式的学科的时候，大数学家欧拉为了解决著名的哥尼斯堡七桥问题，才将图论作为一门正式的学科引入到数学领域。

研究图论，自然要定义图。在图论中，一张图由顶点 (vertex) 和边 (edge) 构成。对于每个顶点，其连接的边的数目我们称为这个顶点的度。我们定义欧拉路径如下：

定义：对于一个图 $\text{G}$，如果一条路径经过这个图中所有的边，且恰好经过一次，那么这条路径就是这个图中的一个欧拉路径。

比如对于如下的图 [1]：

其中的一个欧拉路径如下：

但是，注意到，并不是每个图都会有欧拉路径。比如下面的图（即著名的哥尼斯堡问题抽象成的图），就不存在欧拉路径。因为无论我们从哪个顶点出发，我们无法不重复得经过所有的边。或者说，我们无法进行 “一笔画” 把所有的边画完而且没有重复。

对于欧拉路径，我们可以再细分成欧拉回路 (closed Euler path) 与欧拉开路 (open Euler path)。顾名思义，两者的区分在于路径的起点与终点是否是同一个节点。

• 欧拉回路：起点与终点相同的欧拉路径
• 欧拉开路：起点与终点不同的欧拉路径

欧拉路径存在的条件

上面我们看到了两个图，一个存在欧拉路径，而另一个不存在欧拉路径。那么什么样的图存在欧拉路径呢？我们分欧拉回路与欧拉开路两种情况讨论。

对于无向图，我们有

定理 1：对于欧拉回路的情况，一个无向图存在欧拉回路当且仅当这个图是连通图 (connected)，并且每个顶点的度 (degree) 均是偶数。

定理 2：对于欧拉开路的情况，一个无向图存在欧拉开路当且仅当这个图是连通图 (connected)，并且有且只有两个顶点的度是奇数。

上面我们提到过，这里一个顶点的度数就是这个顶点连接的边的数目。

怎么证明这两个定理呢？我们考虑欧拉回路，假设我们的路径经过顶点 $A$，那么会有一条路径进入 $A$，也会有一条路径离开 $A$。于是顶点 $A$ 的度数一定会是偶数。注意我们考虑的是回路，所以对于一开始的起点，也会有一条路径终止于这个起点。

而对于欧拉开路，类似的，我们可以看到，出了起点与终点，其余的顶点的度数都会是偶数。

当然，上述论证并不是完整，因为定理给出了欧拉回路 (开路) 存在的充分必要条件。我们只是证明了必要性的部分。关于定理证明中的充分性的部分，我们以欧拉回路的充分性条件为例，即我们假设所有的顶点的度数都是偶数，希望证明一定存在一条欧拉回路。我们选取一个起点 $A_1$，从 $A_1$ 出发，我们每经过一个顶点 $A_i$，由于 $A_i$ 的度数是偶数，所以必然也会从 $A_i$ 再出发，而最终回到 $A_1$。于是我们就有了一个回路 $A_1\cdots A_i\cdots A_1$。如果这条回路没有包括所有的边，那么除去这条回路和这条回路上的顶点，剩余的顶点的度依然是偶数。我们可以继续找到另一条回路，并且因为图是联通的，我们可以从 $A_1\cdots A_i\cdots A_1$ 之中的一个顶点出发，作为下一条回路的起点。依次类推下去，因为总的顶点数和边数是有限的，我们总可以结束这个过程。而这些回路可以连接成为一条回路，这就证明了欧拉回路的存在。

下图展示了上述充分性条件的证明过程。其中黑色的回路表示第一次找到的回路，蓝色的回路表示找到第一个回路之后剩余的回路。

对于欧拉开路充分性条件的证明，方法也是类似的。

类似的，对于有向图，我们有

定理 3：对于欧拉回路的情况，一个有向图存在欧拉回路当且仅当这个图是连通图 (connected)，并且每个顶点的入度 (in degree) 等于出度 (out degree)。

定理 4：对于欧拉开路的情况，一个有向图存在欧拉开路当且仅当这个图是连通图 (connected)，并且有且只有两个顶点的入度不等于出度。对于这两个特殊的顶点，其中一个顶点的入度比出度大 1，这个点是欧拉开路的终点；另一个顶点的入度比出度小 1，这个点是欧拉开路的起点。

de Bruijn 序列

de Bruijn 序列的一个例子

作为欧拉回路的一个应用，我们来看 de Bruijn 序列。在定义 de Bruijn 序列之前，我们先看 binary state diagram 的有向图。所谓 state diagram，是指一种特殊的有向图。有向图的每一个顶点都是一个二进制的序列，这些序列的长度是相等的。而这些顶点通过有向边连接。并且每条有向边用 0 或 1 标注。顶点 $A$ 指向顶点 $B$的条件是，把顶点 $A$ 代表的二进制序列的第一个 比特 (bit) 去掉，然后在剩余的序列后面加上一个新的比特 $e$ (0 或 1)，等于顶点 $B$ 所代表的二进制序列。那么就会有一条有向边从 $A$ 指向 $B$。由顶点 $A$ 指向顶点 $B$ 的有向边的标注就是 $e$。

我们举一个例子，

在上图中，顶点 00 指向 01，是因为去掉 00 的第一个比特 0，然后在其后加入一个新比特 1，我们就能得到 01。连接 00 和 01 的边就用 1 标注。

有了上面的叙述，我们就可以定义 de Bruijn 序列了。

定义：如果我们有一个 alphabet $\Sigma$，其元素个数是 $\alpha$，那么其上的一个 de Bruijn 序列 $S$ 是一个长度为 ${\alpha }^n$ 的序列，$S$ 包含所有 $\Sigma$ 上长度为 $n$ 的子序列。

对于上图中所显示的情况，对应于 Σ = { 0 ,   1 } ,   α = 2 \Sigma = \{0, \, 1 \}, \, \alpha = 2 Σ={0,1},α=2。如果$n=3$，那么一个 de Bruijn 序列可以是 $S=00011101$。其长度为 ${\alpha }^n=2^3=8$。可以验证，$S$ 包含了所有的长度为 $3$ 的子序列，即 $000,001,010,011,100,101,110,111$。注意这里是把 $S$ 当作一个循环的序列看待。

那么 de Bruijn 与欧拉回路有什么关系呢？我们发现，如果把上图中的每条有向边上的标注 (即 0 或 1)，按照一条欧拉回路依次连接，我们就能得到一个 de Bruijn 序列。比如，我们从 00 连接到自己的边开始为例，按照一个欧拉回路依次连接所经过边上的标注，得到的一个序列是 01011100。可以验证这个序列包含了所有的长度为 3 的子序列。

为什么欧拉回路构造了 de Bruijn 序列？

首先我们注意到，上图中的四个顶点，即 $\boxed{00}$，$\boxed{01}$，$\boxed{10}$，$\boxed{11}$，代表了长度为 2 的所有的子序列。而所有长度为 3 的子序列可以通过长度为 2 的子序列在其后加 0 或 1 得到。而对于每个顶点，假设其对应 $x_1{x}_2,x_i=0,1$，那么去掉 $x_1$，我们可以在其后添加 0 或 1，得到一个新的长度为 2 的序列 (这个新的长度为 2 的序列可以是 $x_1{x}_2$ 自身)。所以，从每个 $x_1{x}_2$ 表示的节点出发，会有两条向外的边。

另一方面，我们考虑图中结构如下

的构造，如果我们按照欧拉回路依次连接有向边的方法，我们发现序列 $abc$ 可以通过 $ab$ 节点的前面两个节点连接的边构成。而 $c$ 就是当前上图中指向外的边。从而如果有向图中出现了上图中的结构，我们按照欧拉回路构造的序列就会包含 $abc$。

而由于顶点包含了所有长度为 2 的序列，并且每个顶点都有两条指向外的边，这些指向外的边与原来的长度为 2 的序列就构成了上述 $abc$ 的结构，于是所有长度为 3 的序列都存在于 $abc$ 的结构。而这种 $abc$ 的结构是会出现在按照欧拉回路构造的序列中的。所以我们通过欧拉回路构造的序列就构成了 de Bruijn 序列。

de Bruijn digraph (de Bruijn 有向图)

我把用来生产 de Bruijn 序列的有向图称为 de Bruijn 有向图 (de Bruijn digraph) [2]。比如上面用来生成 包含所有长度为 3 的二进制子序列的 de Bruijn 序列的有向图，就是一个 de Bruijn 有向图。下面我们将要说明这种 de Bruijn 有向图存在一个欧拉回路。

根据上一小节的分析，我们知道，每一个 $x_1{x}_2$ 顶点，会有两条向外的边，同样我们也会有两个顶点， $\boxed{0x_1}$ 和 $\boxed{1x_1}$ 指向 $x_1{x}_2$。所以对每一个顶点 $x_1{x}_2$，它的入度和出度是相等的。所以这个 de Bruijn 有向图一定存在欧拉回路。

$n>3$ 的 de Bruijn 序列

对于更多元素的 de Bruijn 序列，我们也可以构造相应的 de Bruijn 有向图来求解。比如求二进制的 $n=4$ 的 de Bruijn 序列，我们可以先构造长度为 3 的全部子序列，然后建立 de Bruijn 有向图。下图显示了这个 de Bruijn 序列。

对于一般的情况，如果我们要构造一个包含所有长度为 $n$ 的二进制子序列的 de Bruijn 序列，其长度至少应该是 $2^n$。而我们的构造方法需要从顶点为所有 $n-1$ 长度的二进制子序列构成的图中构造欧拉回路。而我们知道每个 $n-1$ 长度的子序列会有两条向外的边 (一条的标注是 0 一条的标注是 1)。所以，我们的 de Bruijn 有向图中一共有 $2^{n-1}\times 2=2^n$ 条边。那么欧拉回路的长度就是 $2^n$，符合其长度的最小的要求。而根据上文分析，欧拉回路又包含了所有的长度为 $n$ 的子序列。所以这样构造的 de Bruijn 序列就是满足包含所有长度为 $n$ 的子序列中长度最短的序列。

de Bruijn 序列在基因学上的应用

我们知道 DNA 上的碱基可以是 A, T, C, G。如果我们想知道一个包含给定长度为 $k$ 的子序列的碱基序列，我们可以通过构造 de Bruijn 有向图的方法去构造碱基序列。[3]

上图展示了通过在 de Bruijn 有向图中找欧拉回路的方法，来求解包含所有长度为 3 的碱基子序列的一个基因组组装的办法。注意到，在上图中，有向边的标注是长度为 3 的子序列，虽然与之前我们讲述的有向边的标注是长度为 1 的字节不一样，不过这没有本质的区别。

参考文献

[1] Graph theory, a problem oriented approach, Dan Marcus, The Mathematical Association of America (2008)

[2] Graph algorithms, 2nd edition, Simon Even, Guy Even, Cambridge University Press (2012)

[3] How to apply de Bruijn graphs to genome assembly, Phillip E C Compeau, Pavel A Pevzner & Glenn Tesler, Nature Biotechnology 29 (2011)