《基因型表型图中的突变邻域：中性及非中性相互关联影响进化探索》的研究发现通过比较 3 个表型图，证明基因型表型图中的中性关联大大增加了突变的鲁棒性，这种中性关联还可以超过形成大型中性网络所需的临界阈值，从而增强了中性探索的能力，而非中性关联则可能减弱进化能力。

May, 2015

本研究通过可视化遗传编程系统的搜索轨迹作为基于图形的模型，探究基因型和表型空间中的搜索轨迹，特别是通过中性突变，帮助我们更好地理解进化的进展和算法行为。同时，通过量化表型特征，包括其基因型丰度和科尔莫戈洛夫复杂性，我们将这些量化指标与搜索轨迹可视化相连接，并发现更复杂的表型由较少的基因型代表，更难以被发现，而较简单的表型则被更多的基因型代表，更容易被发现，并经常被用作进化的垫脚石。

Nov, 2022

通过比较数字逻辑门电路基因型 - 表型映射与生物学基因型 - 表型映射的数学定义，研究电路复杂度、表型复杂度与进化中的冗余、鲁棒性和进化性等性质之间的关系，发现由于表型稀有性、大型相互连接的中性网络和低稳健性的高突变负载，演化复杂度较难，提出在基于遗传编程的进化过程中寻找映射到复杂表型的基因型的计算策略。

Sep, 2022

本文提出两种概率模型：一种是利用主成分分析（PCA）实现 Pritchard-Stephens-Donnelly 混合成员模型的估计，另一种是基于人口结构模型的概率模型的新 “逻辑因子分析”（LFA）框架的提出，这些模型较少地提出了建模假设，而这些模型能识别与结构存在高度分化的 SNPs。

Dec, 2013

在数学生物学的标准进化模型和在线学习和优化的广泛模型之间发现了强烈联系，数学模型的生物进化相当于在协调博弈上应用离散乘法权更新算法，从而在生物数学领域引入了博弈论动态学的研究见解。该研究结果表明单倍型进化的数学模型意味着在遗传多样性的长期极限中消失了，这是遗传学中广泛相信的猜想。

Aug, 2014

采用相态理论，描述了共聚模型和考虑到重组后的共聚模型，并且计算了仅仅考虑到固定重组点和超过一个重组点的共聚模型中的因子频率谱、非固定重组点的两点祖先基因图计算量的平均数和方差。

Jun, 2018

提出了一种基于深度学习的模型 DeepSequence，可以预测基因突变对分子属性的影响，具有非线性的高阶约束，是一种能够应用于有关蛋白质和 RNA 相互作用的普适模型。

Dec, 2017

使用 Stein 方法针对巴布尔发生器方法和格里菲斯、李和塔瓦雷的 Wright-Fisher 扩散半群的概率性描述，为 Dirichlet 分布提供一些上限，且这些上限也可适用于 Cannings 可交换谱系的个体群体。

Feb, 2016

本文采用统计力学的普遍费米分布函数，对一种进化过程即成对比较进行了分析。我们首次得出了一个简单的封闭公式，它能够决定任何真正意义上的两人博弈中有限人群中合作的可行性。我们调查了有限群体中合作者的进化动态，并研究了选择强度和无限人口中固定点的残留物之间的相互作用，说明了这种相互作用如何在不同的选择强度下强烈影响有限人口中给定特征的趋向于固定的方式，从而导致直觉上不符合的结果。

Sep, 2006

本文研究了基因编程中维护遗传多样性的方法，特别是将性选择中的选择配偶机制引入到基因编程中，比较了利用自适应选择的配偶模型和随机选择模型的优劣。结果表明，自适应选择模型可以更有效地创建多样化的解决方案，并在三个测试实例中具有更高的成功率。

Mar, 2023