EM for phylogenetic topology reconstruction on non-homogeneous data
背景：四个分类群的系统发育树拓扑结构的重建仍然是植物遗传学的主要挑战之一。它的困难在于考虑的进化模型没有太多的限制，正确处理长枝吸引问题。正确的重建4-taxon树是至关重要的，使四分之一为基础的方法的工作，并能够恢复大的同源性。结果如下：在本文中，我们考虑的期望最大化方法最大化的可能性（时间非齐次）的树上的进化马尔可夫模型。我们研究了它在重建4-taxon拓扑结构上的成功，以及它在基于四元系统发育重建方法（如QFIT和QuartetSuite）中作为输入方法的性能。我们的研究结果表明，这里提出的方法优于相邻连接和通常的（时间均匀连续时间）最大似然方法的4叶树与非线性瞬时速率异质性，并执行类似于通常的连续时间最大似然数据满足两种方法的假设。结论：本文提出的方法是非常适合于重建拓扑结构的任何数量的类群通过基于四分之一的方法，是高度准确的，特别是关于很大程度上发散树和时间非均匀数据。
2014-06-18 q-bio.PE
Neighbor Joining Plus - algorithm for phylogenetic tree reconstruction with proper nodes assignment
大多数用于系统发育树重建的主要算法假设分析集中的序列没有任何后代，或者亲本序列可以最大限度地突变成仅两个后代。因此，由这样的假设产生的图形成了一棵二叉树，所有的节点都被标记为叶子。然而，这些约束是不适当的限制，因为有许多数据集具有相同祖先的多个后代。在这里，我们提出了一个解决方案，以更直观的方式分析和可视化这样的集合。该方法将有后代的序列作为内部节点，无后代的序列作为叶节点，重建系统发育树。在生成的树中，没有相邻节点的数量限制，这意味着解树不需要仅仅是一个二叉图。进化路径的后续推导和成对突变在算法上是直接的，边的长度直接对应于突变的数量。其他树重建算法可以扩展所提出的方式，也给无偏拓扑。
2013-10-08 q-bio.PE
The tree reconstruction game: phylogenetic reconstruction using reinforcement learning
Tel Aviv University（特拉维夫大学）
我们提出了一个学习算法来解决重建系统发育树的挑战。搜索最好地描述数据的树在算法上是具有挑战性的，因此所有当前用于遗传学重建的算法都使用各种算法来使其可行。在这项研究中，我们证明了强化学习可以用来学习一个最佳的搜索策略，从而提供了一个新的范式预测的最大似然树。我们所提出的方法不需要每一步都进行似然计算，也不限于在似然空间中进行贪婪的上坡移动。我们展示了开发的深度Q学习代理在一组看不见的经验数据上的使用，即在由多达20个序列的核苷酸比对定义的看不见的环境上。我们的研究结果表明，推断的似然分数的相似，从广泛使用的软件。因此，它建立了一个概念验证，即优化搜索空间中的移动序列是有益的，而不是仅优化每个移动中的进度。这表明，一个基于重复学习的方法为系统发育重建提供了一个有前途的方向。
2023-03-12 cs.AI q-bio.PE
Phylogenetic mixtures on a single tree can mimic a tree of another topology
系统发育混合模型通常在数据中观察到的不均匀分子进化。系统发育重建方法的基础数据是由一个混合模型的性能引起了相当大的争论。大部分的争议源于一个给定的树拓扑结构的重建算法输出一个不同的拓扑结构的树的混合模型数据的模拟，这些研究结果被认为是特定的树重建方法的缺点。这样做的基本假设是，如果有足够的数据和“正确”的方法，一个拓扑结构上的混合模型数据可以与另一个拓扑结构的未混合树上的数据区分开来。在这里，我们证明这个假设可能是错误的。对于生物学家来说，我们的结果意味着，例如，来自两个基因的组合数据，其系统发育树仅在分支长度方面不同，可以完美地适合不同拓扑结构的树。
2007-06-30 q-bio.PE
Bayes estimators for phylogenetic reconstruction
Carnegie Mellon University（卡内基梅隆大学）；The University of Kentucky（肯塔基大学）；University of Kentucky（肯塔基大学）
树重建方法通常通过其准确性来判断，通过它们与真实树的接近程度来衡量。然而，像ML这样的大多数重建方法并没有明确地最大化这种精度。为了解决这个问题，我们提出了一个贝叶斯解决方案。给定树样本，我们建议找到平均最接近样本的树估计。这个“中位数”树被称为贝叶斯估计器（BE）。BE实际上最大化了后验预期精度，以与真实树的接近度（距离）来衡量。我们讨论了一个统一的框架，BE树，特别是集中在树的距离，可表示为平方欧几里德距离。著名的例子包括Robinson-Foulds距离，四重距离和平方路径差。使用模拟数据，我们表明贝叶斯估计可以有效地计算在实践中爬山。我们还表明，贝叶斯估计达到更高的精度，最大似然和邻居加入相比。
2009-11-22 cs.LG q-bio.PE q-bio.QM
Statistically-Consistent k-mer Methods for Phylogenetic Tree Reconstruction
序列中$k$-聚体的频率有时用作推断系统发育树的基础，而无需首先获得多个序列比对。我们表明，一个标准的方法，使用平方欧几里德之间的距离$k$聚体向量近似树度量可以是统计上不一致的。为了弥补这一点，我们推导出基于模型的距离校正orthopathic序列没有差距，这导致一致的树推理。从$k$-mer频率的模型参数的可识别性也进行了研究。最后，我们报告的模拟显示，校正的距离优于许多其他$k$聚体的方法，即使序列产生的插入和删除过程。这些结果对多序列比对也有影响，因为$k$-mer方法通常是为这些算法构建指导树的第一步。
2016-01-14 q-bio.PE
Tree Buckets and the Reconstruction of Pairs of Phylogenetic Trees
Department of Mathematics and Statistics, University of New South Wales（新南威尔士大学数学与统计系）
该研究针对系统发育组合学中从部分信息恢复树的问题，提出k-桶概念，确定了系统发育树对在不同条件下可从子树中恢复的精确情形，还明确带标记叶子的树对可在子树交换下恢复。
2026-08-27 math.CO q-bio.PE
Alignment-free phylogenetic reconstruction: Sample complexity via a branching process analysis
我们提出了一个有效的系统发育重建算法，允许插入和删除，可证明实现了序列长度的要求（或样本的复杂性）在类群的数量多项式增长。我们的算法是基于距离的，也就是说，它依赖于成对序列比较。更重要的是，我们的方法在很大程度上绕过了多序列比对的难题。
2013-02-22 cs.CE cs.DS math.PR
A Short Proof that Phylogenetic Tree Reconstruction by Maximum Likelihood is Hard
最大似然法是推断进化历史的最广泛使用的技术之一。虽然它被认为是棘手的，但它的硬度一直缺乏证据。在这里，我们给出了一个简短的证明，计算最大似然树是NP-困难的，利用Tuffley和Steel观察到的似然性和简约性之间的联系。
2005-09-28 cs.CC cs.CE math.PR
Fast reconstruction of phylogenetic trees using locality-sensitive hashing
我们提出了第一次二次时间算法，具有高概率正确重建系统发育树的马尔可夫模型的演变产生的短序列。由于序列数据库的快速扩展，这种非常快速的算法变得必要。已经开发了其他快速算法用于从非常大的比对构建树（Price等人和Brown等人），但是它们缺乏理论性能保证。我们的新算法运行在$O(n^{1+γ(g)}\log^2n)$时间，其中$γ$是一个递增的函数的上界上的分支长度的遗传，上界$g$必须低于$1/2-\sqrt{1/8} \approx 0.15$，和$γ(g)<1$的所有$g$。对于分支很短的分支，我们的算法的运行时间接近线性。例如，如果所有分支长度对应于小于0.02的突变概率，则我们的算法的运行时间大致为$O(n^{1.2}\log^2n)$。通过一个原型和一系列的大规模实验，我们表明，许多大的megenies可以快速重建，而不影响重建精度。
2012-05-31 cs.CE q-bio.PE
Fast Convergence of MCMC Algorithms for Phylogenetic Reconstruction with Homogeneous Data on Closely Related Species
本文研究了马尔可夫链的系统发育重建，它使用了一个流行的树拓扑结构之间的过渡称为子树修剪和重嫁接（SPR）。我们分析马尔可夫链在更简单的设置，生成树由非常短的边长，足够短，使每个样本从生成树（或字符在系统发育术语）可能只有一个突变，并有足够的样本，使数据看起来像生成分布。我们证明在这种情况下，马尔可夫链是快速混合，即，它迅速收敛到其平稳分布，该平稳分布是树拓扑上的后验分布。我们的证明使用树T的最大似然函数的前导项是最大简约得分，这是T中实现生成树的单边切割所需的最小切割的大小。我们的主要贡献是一个组合证明，在我们的简化设置，SPR移动保证快速收敛到最大简约树。我们的研究结果是在最近的作品显示的例子与异构数据（即，数据是从混合分布），许多自然马尔可夫链是指数缓慢收敛到平稳分布。
2011-05-05 cs.DS q-bio.PE
Defining binary phylogenetic trees using parsimony
系统发生树（即叶标记）在进化研究中起着重要作用。一个典型的问题是从DNA比对（其列通常被称为字符）等数据中重建这样的树，这种重建的一个简单优化标准是最大简约性。一般认为，该标准适用于状态变化很少的数据。本文证明了每一个具有$n\geq 20 k$叶子的系统发育树$T$都是由集合$A_k(T)$唯一定义的，该集合由$T$上所有具有简约得分$k$的字符组成。这可以被认为是一个有前途的第一步，显示最大简约作为树重建标准是合理的，当数据中的变化的数量相对较小。
2022-09-06 math.CO q-bio.PE
Point estimates in phylogenetic reconstructions
动机：贝叶斯系统发育研究返回的后验样本统计数据的构建迄今为止受到系统发育树空间的几何洞察力差的阻碍，以及特别的方法，如后验均值的通常概念定义不清的共识树化妆的推导，而自助方法减轻了方差的合理概念的缺乏。产生令人满意的结果与足够集中的后验分布，这种方法不足以提供一个忠实的总结后验分布，如果数据不提供令人信服的证据，一个单一的拓扑结构。结果：在Billera等人先前工作的基础上，汇总统计量（例如样本均值、中位数和方差）分别定义为几何中位数、Fréchet均值和方差。他们的计算是由最近发表的作品，并嵌入了一个算法计算最短路径的空间树。研究一组植物的遗传，其中几个树拓扑出现在后验样本中，后验平均值正确地平衡了来自不同拓扑的贡献，其中共识树会有偏见。后验均值，中位数和共识树与地面真相使用模拟数据的比较也揭示了一个声音的平均方法重建系统发育树时的好处。
2014-10-10 q-bio.PE stat.AP
Quantifying the accuracy of ancestral state prediction in a phylogenetic tree under maximum parsimony
在系统发育研究中，生物学家经常希望从在树的叶子上观察到的状态估计进化树$T$的内部顶点$v$的祖先离散特征状态。一种简单而快速的估计方法-最大简约法-将$v$上的祖先状态取为任何状态，该状态使解释$T$上的演化所需的$T$中的状态变化的数量最小化。在本文中，我们进一步研究了这种估计方法的重建精度，在一个简单的对称模型的状态变化，并获得了一些新的结果，无论是2-状态字符，和$r$ -状态字符（$r>2$）。我们的研究结果依赖于建立新的身份和不平等，耦合参数的基础上，涉及一个更简单的“抛硬币”的方法来重建祖先的国家。
2018-05-01 q-bio.PE
Phylogenetic reconstruction of the cultural evolution of electronic music via dynamic community detection (1975-1999)
文化起源，或文化的“树”，通常是使用生物学的方法建立的，这些方法使用文物的相似性和差异来推断产生它们的人口之间的历史关系。虽然这些方法已经产生了重要的见解，特别是在语言学，研究人员继续辩论的程度，文化同源性是树状或网状的，由于高水平的水平传输。在这项研究中，我们提出了一种新的方法，系统发育重建，使用动态社区检测，明确占谱系之间的传输。我们使用了来自电子音乐艺术家之间的1，498，483个合作关系的数据，根据观察到的人口结构构建了一个文化遗传学。研究结果表明，虽然遗传学基本上是树状的，但水平传播是常见的，种群之间从未完全隔离。此外，我们发现证据表明，电子音乐的多样性在1975年至1999年间有所增加。本研究中使用的方法可作为一个新的R软件包，称为DynCommPhylo。未来的研究应该将这种方法应用于其他文化系统，如学术出版和电影，以及高分辨率生殖数据可用的生物系统，以评估进化中的网状化水平如何在不同领域中变化。
2020-11-05 q-bio.PE stat.AP
The parental parsimony problem on binary, tree-child phylogenetic networks
Maastricht University（马斯特里赫特大学）
针对二元树子系统发育网络上的亲本简约分数问题（PPS），提出首个常数因子近似算法，并引入精确求解算法，在模拟数据上分析性能。
2026-09-22 math.OC q-bio.PE
EvoZip: Efficient Compression of Large Collections of Evolutionary Trees
系统发育树代表生物体集合之间的进化关系。流行的系统发育重建方法通常在一个共同的叶集上产生数百到数千棵树。存储和共享如此大量的树需要大量的空间和带宽。此外，庞大的系统发育树数据库会使搜索和检索操作耗时。系统发育压缩技术是利用冗余拓扑信息来实现系统发育树的更好压缩的专门压缩技术。在这里，我们提出了EvoZip，一种新的系统发育树压缩方法。平均而言，EvoZip实现了71.6%的更好的压缩，并采取了80.71%的压缩时间和60.47%的解压时间比TreeZip，目前国家的最先进的系统发育树压缩算法。虽然EvoZip是基于TreeZip，它更好的TreeZip由于（a）一个改进的二分区和支持列表编码方案，（b）使用Deflate压缩算法，（c）使用一个有效的树重建算法。EvoZip可供科学界免费在线使用。
2019-10-17 cs.DS q-bio.PE
Analysis of Phylogeny Tracking Algorithms for Serial and Multiprocess Applications
本文针对数字进化模拟中的谱系追踪问题，分别提出串行场景下基于引用计数的灭绝谱系剪枝和分布式场景下基于 trie 的遗传地层学重建方法，以提升速度、准确性与内存效率。
2024-03-04 cs.DS q-bio.PE
Developing and applying heterogeneous phylogenetic models with XRate
在系统发育树上对序列进化进行建模是计算生物学中的一项有用技术。特别强大的模型，考虑到序列进化的异质性，根据“语法”的编码基因的功能。然而，除了适度的模型复杂性之外，模型的手动编码变得过于劳动密集。我们通过一组案例研究展示了XRate（宏和Scheme扩展）新的内置模型原型设计功能。这些功能允许快速实现系统发育模型，这在以前是劳动密集型的。还讨论了XRate用于特定谱系模型、祖先序列重建和改进的注释输出的新功能。XRate灵活的模型规范功能和计算效率使其非常适合开发和原型化系统发育语法模型。XRate作为DART软件包的一部分提供：http://biowiki.org/DART。
2012-02-17 q-bio.GN q-bio.PE q-bio.QM
Relevant phylogenetic invariants of evolutionary models
最近有几个尝试，以提供一整套的发电机的理想的代数品种相关联的进化树下的代数模型。这些代数簇已被证明是有用的遗传学。在本文中，我们证明，系统发育重建的目的，这是足够的考虑发电机来自边缘的树，所谓的边缘不变量。这是类似于布尼曼分裂等价定理的代数。这一结果的兴趣依赖于它在遗传学中的潜在应用，广泛使用的进化模型，如Jukes-Cantor，Kimura 2和3参数，和一般马尔可夫模型。
2009-12-10 math.AG q-bio.PE
Performance of a new invariants method on homogeneous and non-homogeneous quartet trees
在80年代末和90年代初，几位作者尝试使用系统发育不变量进行树重建（最初的想法是由Lake和Cavender和Felsenstein在1987年提出的）。然而，基于不变量的方法的效率仍然是值得怀疑的，可能是因为这些方法只使用了几个发电机的系统发育不变量集。本文所研究的方法最早由Casanellas，Garcia和Sullivant提出，是第一个基于不变量的DNA数据生成方法。仿真研究表明，该方法是一种非常有竞争力的、高效的系统发育重建方法，尤其适用于系统发育树上的非齐次模型。
2006-10-17 q-bio.PE
Ecology, Spatial Structure, and Selection Pressure Induce Strong Signatures in Phylogenetic Structure
本文通过在三个计算模型中操纵空间结构、生态和选择压力，研究这些因素在系统发育结构中的可检测特征，发现它们具有特征性影响且生态在空间结构存在时仍可被检测，并指出高分辨率重建能更忠实地再现系统发育度量，为进化推断提供潜力。
2024-11-21 cs.NE q-bio.PE
Graph construction in QUBO-based recursive phylogenetic tree reconstruction
Graduate School of Media and Governance, Keio University（庆应义塾大学媒体治理研究生院）；Human Biology-Microbiome-Quantum Research Center (WPI-Bio2Q), Keio University（庆应义塾大学生物学-微生物组-量子研究中心 (WPI-Bio2Q)）；Keio University Sustainable Quantum Artificial Intelligence Center (KSQAIC), Keio University（庆应义塾大学可持续量子人工智能中心 (KSQAIC)）
本研究评估了QUBO递归Ncut系统发育重建中不同图构建表示的影响，发现亲和力表示显著影响分裂恢复，且图构建是决定重建准确性的关键因素。
2026-09-24 q-bio.PE quant-ph
Comparing the topology of phylogenetic network generators
系统发生网络代表了物种的进化历史，可以记录基因水平转移和基因重组等自然网状进化过程。这使得系统发育网络比系统发育树更全面地代表了进化历史。生成随机树或网络的随机过程是进化分析中的重要工具，特别是在遗传重建中，它们可以用于验证或作为贝叶斯方法的先验。然而，随着越来越多的网络生成器的开发，缺乏对不同生成器的讨论或比较。为了弥合这一差距，我们比较了一组系统发育网络生成器，通过分析生成的网络的拓扑汇总统计数据的数量的网状结构和比较的拓扑配置文件。
2021-06-12 math.CO math.PR q-bio.PE
Phylogenetic mixtures: Concentration of measure in the large-tree limit
从DNA或蛋白质序列中重建基因组是计算进化生物学的一项重要任务。常见的现象，特别是基因组突变率的变化和基因谱系历史之间的不一致性，往往需要将分子数据建模为起源于混合基因。这种混合模式在实践中发挥着越来越重要的作用。使用浓度的测量技术，我们表明，混合的大树通常是可识别的。我们还推导出高概率重建的序列长度要求。
2012-11-29 cs.DS math.PR math.ST
Data Requirement for Phylogenetic Inference from Multiple Loci: A New Distance Method
我们考虑的问题估计的进化历史的一组物种（遗传或物种树）从几个基因。已知单个基因（基因树）的进化历史可能在拓扑上彼此不同，并且与潜在的物种树不同，这可能混淆系统发育分析。实践中的另一个复杂性是，必须从有限长度的分子序列中估计基因树。我们提供了第一个完整的数据需求分析的物种树重建方法，考虑到在基因水平上的估计误差。根据这一标准，我们还设计了一种新的重建算法，可证明改善了所有以前的方法在一个政权的利益。
2014-06-30 cs.CE cs.DS math.PR
Phylogenetic mixtures and linear invariants for equal input models
从分子序列数据重建系统发育树依赖于通过马尔可夫过程或这些过程的混合来模拟位点置换。一般来说，允许混合进程可能导致不同的树拓扑与数据无法区分，即使是无限长的序列。然而，当底层的马尔可夫过程支持线性系统发育不变量，然后提供这些是足够的信息，树拓扑结构的可识别性可以恢复。在本文中，我们研究了一类过程，一旦固定的平稳分布，“等输入模型”，支持线性不变量。该模型将“Felsenstein 1981”模型（以及Jukes-Cantor模型）从四个状态推广到任意数量的状态（有限或无限），并且它也可以用“随机群集”过程来描述。我们描述的结构和维度的向量空间的系统发育的混合物和线性不变量的任何固定的系统发育树（和所有的树-所谓的“模型不变量”），在任何数量的$n$的叶子。我们还提供了一个精确的描述空间的混合物和线性不变量的特殊情况下的$n=4$叶。通过结合离散随机过程和（多）线性代数的技术，我们的结果建立在James Lake于1987年首次建立的经典结果之上。
2016-09-06 q-bio.PE
On the accuracy of ancestral sequence reconstruction for ultrametric trees with parsimony
我们研究了一个数学问题，关于惠誉算法重建的祖先序列的最近的共同祖先给定的系统发育树和序列数据的所有类群正在考虑的重建精度。特别是，对称的4-状态替代模型，也被称为Jukes-Cantor模型，我们肯定地回答了李，钢和张的猜想，其中指出，对于任何超度量系统发育树和对称模型，惠誉简约法使用所有终端类群是更准确的，或至少是准确的，祖先的状态重建比使用任何特定的终端类群或任何特定的类群对。到目前为止，这个猜想只被费舍尔和萨特在两态数据中回答过。在这里，我们专注于回答具有四种状态的生物学上更相关的情况，这对应于从DNA或RNA数据重建祖先序列。
2017-06-19 math.CO math.PR q-bio.PE
On the inference of large phylogenies with long branches: How long is too long?
最近的工作强调了高概率同源性重建的序列长度要求和祖先序列估计的相关问题之间的深刻联系。在[Daskalakis et al. '09]，建立在[Mossel'04]的工作基础上，获得了CFN模型的严格序列长度要求。特别地，高概率重建所需的序列长度被证明在祖先重建问题的“临界”分支长度$\critmlq$（如果存在）处经历急剧转变（从$O(\log n)$到$\hbox{poly}(n)$，其中$n$是叶的数量）。在这里，我们考虑GTR模型。对于该模型，[Roch'09]的最新结果表明，当分支长度低于$\critksq$（称为Kesten-Stigum（KS）界）时，可以用长度为$O(\log(n))$的序列准确地重建树。虽然对于CFN模型$\critmlq = \critksq$，但已知对于更一般的GTR模型，在许多情况下具有严格不等式的$\critmlq \geq \critksq$。在这里，我们表明，这种现象也适用于系统发育重建，表现出一个家庭的对称模型$Q$和系统发育重建算法，该算法恢复树从$O(\log n)$长度序列的范围内的一些分支长度$(\critksq,\critmlq)$。其次，我们证明了GTR模型下的系统发育重建需要一个多项式序列长度的分支长度以上$\critmlq$。
2010-01-20 cs.CE cs.DS math.PR
Algorithms for Reconstructing B Cell Lineages in the Presence of Context-Dependent Somatic Hypermutation
Duke University（杜克大学）
本文提出了一种结合数据增强和重要性采样的算法，用于在考虑位点依赖性和上下文依赖性的情况下更准确地重建B细胞谱系和祖先序列。
2025-12-29 q-bio.PE stat.CO stat.ME
Online Bayesian phylodynamic inference in BEAST with application to epidemic reconstruction
在爆发或流行病期间，从遗传数据重建病原体动态是一个重要的统计情景，其中观察结果按时间顺序到达，并且人们有兴趣以“在线”方式进行推断。广泛使用的贝叶斯系统发育推断包并不是为此目的而建立的，通常需要在新数据到达时重新计算树和进化模型参数。为了适应贝叶斯系统发育框架中不断增加的数据流，我们引入了一种方法来有效地更新后验分布与新可用的遗传数据。我们的程序是在BEAST 1.10软件包中实现的，并依赖于基于距离的措施，以插入新的类群到当前的估计的遗传学和估算合理的值为新的模型参数，以适应不断增长的维度。这种增强创建了知情的起始值，并重新使用最佳调整的过渡内核来对不断增长的数据集进行后验探索，从而减少了收敛到目标后验分布所需的时间。我们将我们的框架应用于最近西非埃博拉病毒疫情的数据，并证明在疫情爆发的不同时间点获得后验估计所需的时间大大减少。除了流行病监测，这个框架很容易在遗传学社区中找到其他应用，其中数据的变化-在比对变化，序列添加或删除方面-呈现可以从在线推理中受益的常见场景。
2020-02-01 q-bio.PE stat.ME
Full Reconstruction of Non-Stationary Strand-Symmetric Models on Rooted Phylogenies
了解物种之间的进化关系对生物科学具有根本的重要性。根在任何系统发育树中的位置都是至关重要的，因为它为进化事件提供了一个顺序。没有一个流行的模型的核苷酸进化的可能性或贝叶斯方法能够推断出的位置的根没有外源信息。已知核苷酸取代的最一般的马尔可夫模型也不能识别根的位置或适合于具有少于三个序列的多个序列比对。我们证明了根的位置和完整的模型可以确定和统计一致估计的非平稳，链对称的替代模型给出了多个序列比对与两个或更多个序列。我们还概括了早期的工作，提供了一个实用的方法，克服了计算上难以解决的问题，标签隐藏状态的系统发育模型。
2016-11-13 math.PR q-bio.GN q-bio.PE
Global Alignment of Molecular Sequences via Ancestral State Reconstruction
分子系统发育学技术通常不能解释诸如位点插入和缺失（称为插入缺失）等常见的进化事件。相反，树构建算法和祖先状态推断程序通常依赖于序列进化的仅替换模型。在实践中，这些方法被扩展超出这个简化的设置与使用的questionistics，产生全局比对的输入序列-一个重要的问题，没有严格的基于模型的解决方案。在本文中，我们考虑一个新版本的多序列比对的背景下，随机indel模型。更确切地说，我们介绍了以下{ \em跟踪重建问题的树}（TRPT）：一个二进制序列是通过树的通道，我们允许替换，删除和插入广播，我们试图重建原始序列从收到的序列在树叶的树。我们给出了一个递归的过程，这个问题具有较强的重建保证在低突变率，也提供了一个对齐的序列在树叶的树。在先前的工作中已经研究了没有indel的TRPT问题（Mossel 2004，Daskalakis等人2006），作为获得最佳系统发育重建方法的自举步骤。目前的工作建立了一个框架，这些工作扩展到进化模型与indels。
2009-12-14 cs.DS math.PR math.ST
Tropical Fermat-Weber Points over Spaces of $M$-Ultrametrics
本文将系统发育树重建的稳定性理论（安全半径）推广到任意拟阵的超度量，并证明热带Fermat-Weber集与M-超度量空间必有非空交集。
2025-09-20 math.CO q-bio.PE
Designing weights for quartet-based methods when data is heterogeneous across lineages
跨谱系的同质性是遗传学中的一个常见假设，根据该假设，核苷酸取代率在时间上保持恒定，并且不依赖于谱系。这是一个简化的假设，经常被采用，使序列进化的过程更容易处理。然而，它的有效性已被探讨，并提出了质疑，在几篇论文。另一方面，成功地处理一般情况下（跨谱系的异质性）是基于代数工具的系统发育重建方法的关键特征之一。本文的目的是双重的。首先，我们提出了一个新的加权系统的四元组（ASAQ）的代数和半代数工具的基础上，从而专门适用于处理数据的发展下的异质率。该方法结合了两个以前的方法的权重，通过测试的基础上的积极性的分支长度估计的双线性距离。ASAQ在应用于GM数据时具有统计学一致性，考虑了谱系之间的速率和基础组成异质性，并且不假设平稳性或时间可逆性。其次，我们测试和比较几个四分之一为基础的系统发育树重建方法（即，四分之一困惑，权重优化和威尔逊的方法）结合ASAQ权重和其他权重的代数和半代数方法或双线性距离的性能。这些测试适用于模拟和真实数据，并支持ASAQ权重作为可靠和成功的重建方法的权重优化。
2022-02-27 q-bio.PE
Gradients do grow on trees: a linear-time ${\cal O}\hspace{-0.2em}\left( N \right)$-dimensional gradient for statistical phylogenetics
对数似然的计算是许多统计系统发育算法的计算瓶颈。更糟糕的是它的梯度评估，通常用于高概率的目标区域。Order ${\cal O}\hspace{-0.2em}\left( N \right)$ -基于标准修剪算法的维梯度计算需要${\cal O}\hspace{-0.2em}\left( N^2 \right)$运算，其中N是采样分子序列的数量。随着高通量测序的出现，最近的系统发育研究已经分析了数百到数千个序列，由于技术的进步，数据集明显趋向于更大。这种大规模的分析挑战系统发育重建，需要推断更大的过程参数集，以模拟不断增加的数据异质性。为了使这易于处理，我们提出了一个线性时间算法的${\cal O}\hspace{-0.2em}\left( N \right)$维梯度评价和应用它一般连续时间马尔可夫过程的序列替换的系统发育树，而不需要假设平稳性或可逆性。我们应用这种方法来学习三种致病病毒的分支特异性进化速率：西尼罗河病毒，登革热病毒和拉沙病毒。我们提出的算法显着提高了推理效率，最大似然优化增加了126至234倍，贝叶斯框架中的计算性能增加了16至33倍。
2019-05-29 q-bio.PE stat.CO stat.ME
Consistency and convergence rate of phylogenetic inference via regularization
在生物遗传学中，通常有一些关于一组生物体的整体进化树的信息，也许是部分信息，并希望为这些生物体找到一个特定基因的进化树。仅在基因序列中可能没有足够的信息来准确地重建正确的“基因树”。虽然基因树可能会由于各种遗传过程而偏离“物种树”，但在缺乏相反证据的情况下，假设它们是一致的是很吝啬的。在这些情况下，一个常见的统计方法是制定一个可能性惩罚，以纳入这些额外的信息。最近的研究使用模拟和经验数据表明，可能性惩罚量化与物种树的一致性可以显着提高基因树重建的准确性相比，单独使用序列数据。然而，这种方法的一致性尚未建立，也没有收敛速度的限制。由于遗传学是一个非标准推理问题，标准理论并不适用。在本文中，我们提出了一个惩罚的最大似然估计基因树重建，其中的惩罚是从基因树的物种树的Billera-Holmes-Vogtmann测地线距离的平方。我们证明了这种方法是一致的，并推导出其收敛速度估计的离散基因树结构和连续的边缘长度（代表的进化量，已发生在该分支）同时。我们发现，正则化估计是“自适应快速收敛”，这意味着它可以重建所有的边缘长度大于任何给定的阈值从基因序列的多项式长度。我们的方法不需要物种树是确切知道的，事实上，我们的渐近理论适用于任何这样的指导树。
2018-01-06 math.ST q-bio.PE stat.TH
A metric for galled networks
Galled网络，有向无环图，模型的进化历史与网状循环只包含树节点，已成为非常流行的，由于其生物意义和存在的多项式时间算法的重建。在本文中，我们证明了Nakhleh的$m$措施是这类系统发育网络的度量，因此它可以安全地用于评估galled网络重建方法。
2010-09-03 q-bio.PE
The weighted total cophenetic index: A novel balance index for phylogenetic networks
本文提出加权总共表型指数，将树的总共表型指数推广至一般系统发育网络，该指数可高效计算且满足局部性与递归性，并分析了其极值性质及与现有网络平衡指数的比较。
2024-03-18 math.CO q-bio.PE
Ancestral sequence reconstruction with Maximum Parsimony
基因组遗传学的主要目标之一是基于现代数据（例如DNA比对）来估计祖先序列。估计一组给定物种的最后一个共同祖先的数据的一种方法是首先用某种树推理方法重建一棵系统发育树，然后在该树的基础上使用某种祖先状态推理方法。最著名的树推理和祖先序列推理的方法之一是最大简约法（MP）。在这篇手稿中，我们专注于这种方法和祖先状态推断完全分叉树。特别是，我们调查了一个猜想发表的查尔斯顿和钢在1995年关于物种的数量，需要有一个特定的状态，说$a$，在一个特定的网站，以便MP明确返回$a$作为一个估计的状态，最后的共同祖先。我们证明了所有偶数个字符的状态，这是在生物学中最相关的情况下的猜想。我们还表明，该猜想一般不成立的奇数字符状态，但也提出了一些积极的结果，这种情况下。
2017-02-05 math.CO q-bio.PE
A novel algebraic approach to time-reversible evolutionary models
针对现有代数视角下的系统发育模型实用性不足的问题，提出研究时间可逆模型的新代数框架，通过新内积实现转移矩阵共正交基对角化，推广了基于群模型的傅里叶变换，并结合代数几何给出Tamura-Nei模型下的系统发育不变量。
2024-04-15 math.AG q-bio.PE
Towards coevolution-aware ancestral sequence reconstruction
Sorbonne Université（索邦大学）；CNRS, Computational, Quantitative and Synthetic Biology（法国国家科学研究中心，计算、定量与合成生物学）；Dipartimento di Fisica, Sapienza Università di Roma（罗马智慧大学物理系）；DISAT, Politecnico di Torino（都灵理工大学地球与环境科学系）；Institut Universitaire de France (IUF)（法国高等研究院）
提出结合系统发育推断与直接耦合分析的共进化感知ASR框架，通过残基约束改善祖先重建，在β-内酰胺酶和DNA结合域上验证了方法的有效性。
2026-06-29 physics.bio-ph q-bio.BM q-bio.PE
Computing the Bounds of the Number of Reticulations in a Tree-Child Network That Displays a Set of Trees
本文针对展示一组有根二叉系统发育树的树-子网络，提出计算网状事件数量下界的计算方法并给出上界理论结果，通过模拟证明其可用于大型树数据。
2023-11-30 q-bio.PE
A Guide to Tracking Phylogenies in Parallel and Distributed Agent-based Evolution Models
本文系统评估了遗传地层学算法在不同演化条件下的配置对系统发育重建质量的影响，并提出最佳实践指南，以指导大规模并行演化模拟中的高效谱系追踪。
2024-10-02 cs.NE q-bio.PE
Invariant versus classical quartet inference when evolution is heterogeneous across sites and lineages
经典的系统发育重建方法无法正确推断底层拓扑结构的一个原因是它们假设了过于简化的模型。在本文中，我们提出了一种拓扑结构重建方法符合最一般的马尔可夫模型的核苷酸取代，它也可以处理来自同一拓扑结构上的混合物的数据。它基于埃里克森使用系统发育不变量的想法，并提供了一个权重系统，可以用作基于四分法的输入。我们研究其性能的真实数据和广泛的模拟4-分类数据（时间均匀和非均匀，有或没有网站率异质性，并与不同的分支长度设置）。我们比较它的经典方法的邻居加入（与非线性距离），最大似然（与不同的基础模型），最大简约。我们的研究结果表明，该方法是准确和鲁棒的，具有类似的性能ML时，数据满足这两种方法的假设，并优于所有的方法时，这些是基于不适当的替代模型或当长和短分支都存在。如果对齐足够长，那么当它的一些假设被违反时，它也优于其他方法。
2014-10-27 q-bio.PE
Molecular Phylogeny of Chinese Thuidiaceae with emphasis on Thuidium and Pelekium
本文对羽藓科的分子系统学进行了研究，重点对羽藓属和长柄羽藓属进行了系统学研究。分析了三个叶绿体序列（trnL-F、rps 4和atpB-rbcL）和一个核序列（ITS）。数据分区分别进行了分析，并结合采用MP（最大简约）和贝叶斯方法。采用不一致长度差异检验和分区相加自举变更法进一步探讨了数据冲突对组合分析的影响。结果表明，ITS 1和ITS 2在本研究中的系统发育重建中起着关键作用，但由于叶绿体序列的稳定性，在进行侧果藓类植物属内系统发育重建时，仍需结合更多的叶绿体序列进行分析。我们支持将羽藓科包括放线藓属、苔藓藓属和小卷叶藓属仍归属于羽藓科，并认为羽藓科为单系。lat.还应该包括来自Leskeaceae的几个属（或种），例如Haplocladium和Leskea。在羽藓科中，羽藓属和Pelekium分别被分解为两个单系类群。分子系统学的结果得到了羽藓科重要形态特征的支持。稍后，羽藓属和Pelekium属。
2019-02-16 q-bio.PE
Reconstructing protein and gene phylogenies by extending the framework of reconciliation
真核生物编码基因的结构允许基因产生几种不同的蛋白质异构体。目前的基因同源性重建方法利用每个基因的单一蛋白质产物，忽略了替代蛋白质异构体的信息。这些方法通常导致不准确的基因树重建，需要在用于系统发育树协调分析或基因产物系统发育重建之前进行校正。在这里，我们提出了一种新的方法重建准确的基因树和蛋白质树占生产替代蛋白质异构体的基因家族的基因。我们扩展和解的概念，蛋白质树，我们定义了一个新的和解问题，称为MinDRGT，包括在寻找一个基因树，最大限度地减少了双重和解成本与给定的蛋白质树和给定的物种树。我们定义了第二个问题，称为MinDRPGT，包括在寻找一个蛋白质树和一个基因树最小化双重和解成本，给定一个物种树和一组蛋白质子树。我们提供算法的精确和启发式的解决方案的一些版本的问题，我们提出的结果的应用程序的校正基因树从Ensembl数据库。探试法的实现可在https://github.com/UdeS-CoBIUS/Protein2GeneTree获得。
2017-07-03 cs.DS q-bio.PE q-bio.QM
Siamese networks for Poincaré embeddings and the reconstruction of evolutionary trees
Departamento de Matemática, Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires（数学系，精确自然科学学院，布宜诺斯艾利斯大学）；Departamento de Física, Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires（物理系，精确自然科学学院，布宜诺斯艾利斯大学）；CONICET - Universidad de Buenos Aires, Instituto de Física Interdisciplinaria y Aplicada (INFINA)（CONICET-布宜诺斯艾利斯大学，跨学科与应用物理研究所（INFINA））；CONICET - Universidad de Buenos Aires, Instituto de Matemática Luis A. Santaló (IMAS)（CONICET-布宜诺斯艾利斯大学，路易斯·A·桑塔洛数学研究所（IMAS））
本文提出结合庞加莱嵌入与邻接算法，并采用孪生网络从叶节点样本学习嵌入，用于从高维数据（如鸟类鸣声频谱图）重建进化树，在合成数据和六种雀科数据上验证了有效性。
2024-10-09 cs.LG q-bio.PE
Phylogenies without Branch Bounds: Contracting the Short, Pruning the Deep
我们引入了一个新的系统发育重建算法，不像以前的严格推理技术，不依赖于假设的分支长度或深度的树。该算法返回一个森林，保证包含所有边缘：1）足够长，2）足够接近叶子。恢复多少真树取决于提供的序列长度。该算法是基于距离的，在多项式时间内运行。
2009-07-28 cs.CE cs.DS math.PR
piBUSS: a parallel BEAST/BEAGLE utility for sequence simulation under complex evolutionary scenarios
背景：模拟核苷酸或氨基酸序列经常被用来评估系统发育重建方法的性能。BEAST是一个贝叶斯统计框架，专注于重建时间校准的分子进化过程，支持各种各样的进化模型，但缺乏匹配的机器来模拟沿着遗传学的特征进化。结果如下：我们提出了一个灵活的蒙特卡罗模拟工具，称为piBUSS，采用BEAGLE高性能库的系统发育计算在BEAST快速生成大的序列比对复杂的进化模型。piBUSS具有用户友好的图形用户界面（GUI），允许跨任意数量的分区组合丰富的模型阵列。命令行界面反映了通过GUI提供的选项，并有助于在大规模模拟研究中编写脚本。与BEAST模型和分析设置类似，通过可扩展标记语言（XML）规范支持更高级的模拟选项，除了生成序列输出外，还允许用户在单个BEAST运行中组合模拟和分析。结论：piBUSS为现实进化场景下的序列模拟提供了灵活性和易用性的独特组合。通过不同的接口，piBUSS支持从用于说明目的的适度努力到进化推理程序的复杂和大规模评估的模拟研究。该软件旨在实现作为BEAST/BEAGLE的一部分不断开发的新模型和数据类型。
2013-12-17 q-bio.PE
Simultaneous reconstruction of evolutionary history and epidemiological dynamics from viral sequences with the birth-death SIR model
RNA病毒如HIV、丙型肝炎病毒和流感病毒的进化如此之快，以至于病毒的基因组包含了过去生态动态的信息。因此，我们开发了一种动态的方法，使联合估计的流行病学参数和系统发育史。该方法基于房室易感染-感染-清除（SIR）模型，提供了关于感染发生率和患病率的单独信息。关于宿主种群动力学和进化历史相互作用的详细信息可以为如何控制或完全避免疾病爆发的决策提供信息。我们应用我们的死亡SIR方法（BDSIR）的两个病毒数据集。首先，分析了1999年至2003年期间在英国采样的5个人类免疫缺陷病毒1型簇。估计的基本繁殖比在集群之间的范围从1.9到3.2。所有集群都显示，在90年代中期或末期，当地流行病的增长率有所下降。对丙型肝炎病毒（HCV）基因型2c数据集的分析表明，科尔多瓦市Cruz del Eje的当地流行病起源于1906年左右（中位数），与1880- 1920年从欧洲到阿根廷中部的移民潮相吻合。估计流行高峰期在1970年左右。
2014-03-21 math.PR q-bio.PE stat.AP
Construction of Gene and Species Trees from Sequence Data incl. Orthologs, Paralogs, and Xenologs
系统发育重建的目的是根据基因组序列信息对基因或物种的进化历史进行合理的假设。直系同源基因（具有共同祖先并在物种形成后分化的基因）的区分至关重要，并且是许多基因组研究的核心。然而，现有的方法，仅依赖于1：1的直系同源物来推断物种树被强烈限制到一个小的允许的基因，提供有关物种树的信息。使用更大的基因集，加上非直系同源基因（例如所谓的旁系同源或异种同源基因），可以大大增加有关相应物种进化历史的信息。在这项工作中，我们介绍了一种新的方法来计算物种的同源性的基础上的序列数据，包括直系同源，旁系同源，甚至异种。
2016-02-26 cs.DS q-bio.GN q-bio.PE
Statistically consistent and computationally efficient inference of ancestral DNA sequences in the TKF91 model under dense taxon sampling
在进化生物学中，生物体的物种形成历史是用一个物种发生图来表示的，也就是说，一棵有根的树，它的叶子对应着现在的物种，而分支则表示过去的物种形成事件。系统发育通常是从分子序列，如DNA序列，从感兴趣的物种收集估计。从更高的层面上讲，这个推论背后的想法很简单：两个物种在生命之树中的距离越远，它们的基因组中自最近的共同祖先以来积累的突变数量就越多。为了在系统发育分析中获得准确的估计，标准做法是采用基于树上序列进化的随机模型的统计方法。为了便于处理，这些模型必须对所涉及的进化机制做出简化的假设。特别是，通常省略的是核苷酸的插入和缺失-也称为插入缺失。在统计系统发育分析中正确解释插入缺失仍然是计算进化生物学的一个主要挑战。在这里，我们考虑的问题，重建祖先序列上的一个已知的同源性在一个模型的序列进化，将核苷酸取代，插入和删除，特别是经典的TKF 91过程。我们专注于有界的高度，我们称之为分类丰富的设置，在统计一致性是可以实现的密集adenogenies的情况下。我们给出了第一个多项式时间的祖先重建算法，在恒定的变异率下具有可证明的保证。我们的算法成功时，遗传满足“大爆炸”的条件，在这种情况下，统计一致性的充分必要条件。
2019-08-01 cs.CE math.PR math.ST
