本文提出了一种基于 word2vec 模型的新方法，用于训练变长 k-mers 的分布式表示。实验表明 dna2vec 向量求和类似于核苷酸串联，并且 Needleman-Wunsch 相似度得分与 dna2vec 向量的余弦相似度之间存在相关性。

Jan, 2017

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

我们采用连续空间中的树探索和推断方法来解决从大量可能的树中寻找合适的系统发育关系的问题，并通过在超度量空间中准确推断树和根来证明其有效性，并在数据不足的情况下成功地解决了关于有颌脊椎动物的系统发育关系。

Jun, 2023

提出了 Onto2Vec 方法，它基于生物医学本体的注释来学习生物实体的特征向量。我们的方法可应用于生物信息学研究问题，如基于相似性的蛋白质相互作用预测，使用监督学习分类交互类型或聚类。

Jan, 2018

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

介绍了一种新的生物序列表示和特征提取方法 BioVec，通过人工神经网络方法，将蛋白质序列表示为单个 n 维向量，可精确地识别蛋白质家族分类、蛋白质结构预测、无序蛋白质鉴定等各类生物信息学任务，表现优于现有方法。

Mar, 2015

本文介绍了一种基于图的嵌入算法，旨在提高词嵌入的句法能力并在数据量不足时获得鲁棒性。

Aug, 2018

利用连续几何空间中拓扑分布的独特表示，我们引入了一种新颖的完全可微分的系统发育推断方法 ——GeoPhy，通过在设计空间和梯度估计中考虑实际因素和控制变化量，使得我们能够进行可变拓扑候选项的变分推断，相比考虑完整拓扑结构的其他近似贝叶斯方法，在使用真实基准数据集的实验中，GeoPhy 表现出显著的优势。

Jul, 2023

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。

Jan, 2022

本篇论文讨论了用于进化模型中的标准统计方法在遗传组序列数据中的可靠性，并引入了一些自然度量空间，以判断不同参数化方法之间的适用性和采样数据中的总结树。

Oct, 2014