具有对称性保持的神经网络模型实现精确的系统发育推断

Jan, 2022

具有对称性保持的神经网络模型实现精确的系统发育推断

Accurate Phylogenetic Inference with a Symmetry-preserving Neural Network Model

Claudia Solis-Lemus, Shengwen Yang, Leonardo Zepeda-Nunez

TL;DR本文提出了一种新的神经网络模型，在长支吸引（LBA）情况下优于标准的系统发育方法和其他神经网络实现方式，并且与现有的神经网络模型不同之处在于，我们的模型自然考虑到树的同构性，通过排列不变函数这一方法得出的结果在内存使用上更为高效，并可无缝地扩展到更大的树。

Abstract

Scientists world-wide are putting together massive efforts to understand how the biodiversity that we see on Earth evolved from single-cell organisms at the origin of life and this diversification process is represented through the Tree of Life. Low sampling rates and high heterogeneity in the rate of evolution across sites and lineages produce a phenomenon

tree of life long branch attraction phylogenetic inference neural network model permutation invariant functions

发现论文，激发创造

利用系统发育引导的神经网络从图像中发现新的生物特征

Phylo-NN 是一种无需标签，直接从昆虫图片中提取进化特征序列的方法，对鱼类进行了演示，证明了其用于物种图像生成和物种 - 物种图像转换的有效性。

Jun, 2023

贝叶斯神经网络在宇宙学中的鲁棒性基于仿真的推断

使用贝叶斯神经网络框架进行 SBI 的训练，涉及宇宙微波背景的推断，并引入 cosmoSWAG 以缓解数据迁移问题。

Jul, 2022

改进的变分贝叶斯系统发育推断使用混合模型

VBPI-Mixtures 算法通过在 BBVI 领域利用混合学习的最新突破，弥合了 VBPI 无法建模的树拓扑分布的鸿沟，并在多个真实系统发育数据集上交付了最先进的难度估计任务的性能。

Oct, 2023

一种基于可交换神经网络的无似然推断框架，应用于人群遗传数据

该研究利用交换神经网络，实现了基于模拟数据的统计推断，旨在解决高维变量积分与数据置换不变性问题，取得了在重组热点测试问题上领先于现有技术的成果。

Feb, 2018

ARTree：一种用于系统发育推断的深度自回归模型

我们提出了一种基于图神经网络的深度自回归模型 ARTree，可以灵活地设计概率模型并解决系统发生推断问题，通过学习可学习的拓扑特征来对树的拓扑结构进行建模，并提供了一系列包含简单采样算法和密度估计过程的树拓扑空间分布，无需使用启发式特征。我们在具有挑战性的真实数据树拓扑密度估计和变分贝叶斯系统发生推断问题的基准测试中证明了我们方法的效果和效率。

Oct, 2023

通过图神经网络学习可学习的拓扑特征进行系统发育推断

本文提出基于可学习拓扑特征的系统发育推断结构表示方法，通过结合最小化狄利克雷能量的原始节点特征和现代图表示学习技术，该方法可提供高效的系统发育树结构信息，可自动适应不同的下游任务。在模拟数据和具有挑战性的实际数据上进行验证和评估。

Feb, 2023

利用二元特徵数据推定年代的祖先树及其在语言多样化中的应用

通过 Bayesian 方法，提出一种基于出现历史性状的二元数据，从中估计具有时间深度的祖先树的模型分析，该方法基于出现历史性状的重要类别 (homology classes)，并使用基于一种出生死亡过程 (birth-death process) 的模型来构建。

Nov, 2007

PhyloGFN: 基于生成流网络的系统发育推断

采用生成流网络的框架，本文研究在系统发生学中的两个核心问题：基于减少原则和贝叶斯方法的系统发生学推断。通过我们的前向后验采样器，PhyloGFN，我们展示了在真实基准数据集上产生多样化和高质量的进化假设。PhyloGFN 在边缘似然度估计方面与现有工作相媲美，并实现了更接近目标分布的拟合效果，超过了最先进的变分推断方法。

Oct, 2023

单一树上的系统发生混合可以模拟另一拓扑树

探讨混合模型数据在不同拓扑结构下的重构方法及可行性，表明不同基因相对树的分支长度差异可以匹配不同的树结构。

Apr, 2007

关于羊驼起源的模型树遗传恢复

神经网络模型的快速增长使模型权重成为重要的数据形式。我们通过定义模型树描述模型的起源来解决网络上公开的模型数据无法解释和组织的问题。我们介绍了模型树继承恢复任务，旨在根据模型权重解码模型的树结构，从而有助于模型的作者鉴定和互联网索引等应用。通过对权重的分布特性进行分类，我们能够确定两个模型之间的关系和关系的方向。MoTHer 恢复将模型层次结构表示为一个有向树，成功地重建了复杂的模型树和 “野外” 模型族群的结构，如 Llama 2 和稳定扩散。

May, 2024