The longest branches in a non-Markovian phylogenetic tree
本文研究 Bellman--Harris 型分支过程在时刻 $t$ 时最长分支长度的渐近行为，涵盖对应存活个体的悬挂分支和对应已死亡个体的内部分支。
2024-10-16 math.PR q-bio.PE
Improved Variational Bayesian Phylogenetic Inference with Normalizing Flows
变分贝叶斯系统发育推断（VBPI）提供了一个有前途的通用变分框架，有效地估计系统发育后验。然而，目前的对角对数正态分支长度近似将显着限制近似分布的质量。在本文中，我们提出了一种新型的VBPI，VBPI-NF，作为使用深度学习技术进行系统发育后验估计的第一步。通过使用精心设计的置换等变变换处理系统发育模型的非欧几里德分支长度空间，VBPI-NF使用规范化流来提供丰富的灵活分支长度分布家族，这些分支长度分布可以在不同的树拓扑中进行推广。我们表明，VBPI-NF显着改善香草VBPI的基准挑战真实数据贝叶斯系统发育推理问题。进一步的研究还表明，在这些置换等变变换中的结构化参数化可以提供额外的摊销收益。
2020-12-01 q-bio.PE stat.ML
Branch lengths on Yule trees and the expected loss of phylogenetic diversity
多样性是嵌套的，早期的模型表明，这可能导致生命之树中大量的进化冗余。这个结果是基于由普通聚结剂产生的一组特定的分支长度，其中与树中更深的分支相比，通向尖端的悬垂分支可以非常短。在这里，我们分析替代和更现实的圣诞节和出生死亡模型。我们展示了如何审查在目前都使平均分支的一半，我们可能会期望，使悬垂和内部分支的长度大致相等。虽然依赖于我们是否条件树的大小，它的年龄，或两者兼而有之，这些结果都适用于圣诞节模型和出生死亡模型与中度灭绝。重要的是，内部和外部分支长度的大致相等意味着进化历史的损失与物种的损失可以大致呈线性关系。在这些模式下，生命之树可能在面临持续物种损失时提供有限的冗余。
2011-07-30 q-bio.PE
Reconciling taxonomy and phylogenetic inference: formalism and algorithms for describing discord and inferring taxonomic roots
虽然分类学经常被非正式地用于评估系统发育推断的结果并找到系统发育树的根，但缺乏这样做的算法方法。在本文中，我们正式这些程序和开发算法来解决相关问题。特别是，我们引入了一个新的算法，解决了“子着色”的问题，表示在给定的排名的分类和遗传学之间的差异。该算法改进了当前最好的算法在渐近复杂性方面的参数制度的利益，我们还描述了一个分支定界算法，节省了数量级的计算上的真实数据集。我们还开发了一个形式主义和算法生根系统发育树根据分类。所有这些算法都在免费软件中实现。
2011-10-01 cs.DS q-bio.PE
Graph-based method for constructing consensus trees
本文扩展了基于图的PrimConsTree方法，通过整合拓扑信息、边频率、进化支频率和分支长度构建更稳健全面的系统发育共识树，弥补了传统方法忽略分支长度的不足。
2025-08-12 cs.DS q-bio.PE
PhyloGen: Language Model-Enhanced Phylogenetic Inference via Graph Structure Generation
Zhejiang University（浙江大学）；Westlake University（西湖大学）
PhyloGen利用预训练基因组语言模型，将系统发育推断转化为条件约束的树结构生成问题，通过三个核心模块联合优化树拓扑与分支长度，并在八个真实数据集上验证了其有效性与鲁棒性。
2024-12-25 cs.AI q-bio.PE
Polynomial-time completion of phylogenetic tree sets
University of Sherbrooke（舍布鲁克大学）
本文提出一种多项式时间算法，用于处理具有部分物种重叠的谱系树集的完成，通过提取频繁出现的完成子树并构建加权多数规则共识，保留原始物种间的距离信息。
2026-04-27 cs.CC q-bio.PE
Diversity, disparity, and evolutionary rate estimation for unresolved Yule trees
生物进化的分支结构赋予了相关生物体中表型性状值的统计依赖性。出于这个原因，比较宏观进化研究通常从描述感兴趣的生物体的进化关系的推断性进化开始。观察到的性状数据的概率可以通过假设性状进化的模型来计算，例如布朗运动，在这个固定树的分支上。然而，系统发育树本身对其他进化量的估计产生了统计上的不确定性，许多比较进化生物学家认为这棵树是一个讨厌的参数。在本文中，我们提出了一个框架，分析整合未知的系统发育树在比较进化的研究，假设树来自一个连续时间马尔可夫分支模型称为Yule过程。要做到这一点，我们推导出一个封闭形式的表达系统发育多样性的分布，这是一组分类群连接分支长度的总和。然后，我们提出了一个概括的系统发育多样性，这是相当于预期的性状差距在一组类群的进化关系是由一个圣诞节的过程中产生的，其性状的布朗运动的演变。我们推导出表达式的预期性状差异的分布下的圣诞树。给定一个或多个观察性状差异的进化枝，我们执行快速基于似然估计的布朗方差未解决的进化枝。我们的方法不需要模拟或固定的系统发育树。最后，我们用一个简短的例子说明了哺乳动物食肉目13个科的布朗速率估计，其中每个科的系统发育树都没有得到解决。
2012-07-20 q-bio.PE
Mixed-up trees: the structure of phylogenetic mixtures
在本文中，我们采用新的几何和组合的方法来研究系统发育的混合物。几何方法的重点是描述两状态随机簇模型的系统发育混合分布的几何结构，这是两状态对称（CFN）模型的推广。特别是，我们表明，一组的混合物分布形成一个凸多面体，我们计算其尺寸;推论包括一个简单的标准时，混合物的分支长度的星树可以模仿网站模式的频率矢量的解决四重树。此外，通过计算体积的多面体，我们可以澄清如何“共同”的不可识别的混合物下的CFN模型。我们还提出了一个新的组合的结果，任何可识别性结果的大小为6到任意对树的一个特定对。接下来，我们提出了一个积极的结果，显示率跨站点模型的可识别性。最后，我们回答了在以前的论文中提出的一个问题，关于“混合分支排斥”的树木大于四重树下的CFN模型。
2007-11-08 q-bio.PE
The impact and interplay of long and short branches on phylogenetic information content
在分子系统学中，进化树是在简单的位点替换模型下从顶端的序列重建的。一个中心问题是需要多少序列数据才能准确地重建一棵树？答案取决于树的分支（边）的长度，非常短和非常长的边需要很长的序列来进行精确的树推理，特别是当这些分支长度以某些方式排列时。对于四分类群树，序列长度问题是解决的情况下，在遥远的过去快速物种形成的事件。在这里，我们概括了这一结果，并表明，相同的序列长度的要求，即使当物种形成事件是最近的，只要至少有一个的四个类群是远亲的其他。然而，这种等价性消失，如果一个分子钟适用，因为长的外群边缘的长度变得很大程度上无关的树拓扑结构的估计最近（但不是深）的分歧。我们还展示了我们的研究结果可以扩展到模型中的替代率各不相同的网站，并设置超过四个类群参与。
2012-07-16 q-bio.PE q-bio.QM
Testing for polytomies in phylogenetic species trees using quartet frequencies
系统发生物种树典型地将物种形成历史表示为分叉树。同时产生两个以上后代的物种形成事件是可能的，从而在同源性中产生多分裂。此外，无法解决关系往往表现为（软）多分割。这两种类型的polytomies传统上研究的背景下，从序列数据的基因树重建。然而，如果不考虑基因树的不一致性，就不能检测或排除物种树中的多分裂现象。在本文中，我们描述了一个统计测试的基础上的多物种合并模型的属性来测试零假设，估计的物种树中的分支应该被替换为一个多分割。在模拟数据集和生物数据集上，我们表明，除了最短的分支外，零假设都被拒绝，并且在大多数情况下，它保留了真正的多分支。该测试作为ASTRAL软件包的一部分，可以帮助系统学家决定他们的数据集是否足以解决特定的关系。
2018-02-07 q-bio.PE
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
Metric learning for phylogenetic invariants
我们引入了新的方法，通过使用机器学习来优化系统发育不变量的功率，构建系统发育树四元组。系统发生不变量是在系统发育树上的进化模型下消失的联合概率的多项式。我们给出了算法，选择一个很好的一组不变量和学习的度量这组不变量，最佳区分不同的模型。我们的学习算法涉及在广泛的参数范围内模拟数据的线性和半定规划。我们提供了广泛的测试的学习指标的模拟数据从系统发育树与四叶下的Jukes-Cantor和木村3参数模型的DNA进化。我们的方法大大提高了其他用途的不变量，是有竞争力的，甚至比邻居加入。特别是，我们获得了在具有短内部分支的树上训练的度量，这些树在参数空间的该区域上的性能比邻居连接要好得多。
2007-03-15 q-bio.PE
The shape of the one-dimensional phylogenetic likelihood function
通过固定系统发育似然模型中除了一个分支长度之外的所有参数，得到一维似然函数。在这项工作中，我们引入了一个数学框架来描述这种一维系统发育似然函数的形状。这个框架是基于分析的代数结构的空间上的所有频率模式相对于一个多项式表示的似然函数。使用这个框架，我们提供的条件下，一维系统发育似然函数保证有最多一个固定点，这一点是最大似然分支长度。这些条件是由常见的简单模型，包括所有的二元模型，Jukes-Cantor模型和Felsenstein 1981模型满足。然后，我们证明了最简单的模型，不满足我们的条件，即木村2参数模型，一维似然函数可能有多个平稳点。作为概念的证明，我们构建了一个非退化的例子，其中系统发育似然函数有两个局部最大值和一个局部最小值。为了构建这样的例子，我们推导出一个一般的方法来构建一个树和序列数据与指定的频率模式的根。然后，我们扩展的结果，证明所有的重新缩放和翻译的一维系统发育的似然函数的Kimura 2参数模型下的空间是密集的空间中的所有非负连续功能的$[0, \infty)$有限的限制。这些结果表明，先进的进化模型下的一维似然函数可以更复杂，它通常是假设系统发育推理算法，但是，这些复杂性可以有效地捕捉木村2参数模型。
2016-07-21 q-bio.PE
Finding the most parsimonious or likely tree in a network with respect to an alignment
系统发生网络通常通过将多个相互冲突的系统发生信号合并到一个有向无环图中来构建。有趣的是，探索以这种方式构建的网络是否会诱导输入中不存在的生物相关系统发育信号。在这里，我们表明，给定一组分类群X的多重比对A和一个有根系统发育网络N，其叶子被标记为X，即使当N的水平--一个双连接组件内的网状节点的最大数量--为1并且A只包含2个不同的状态时，也很难找到由N（相对于A）显示的最简约的系统发育树。(If此外，允许间隙，问题变得APX困难。）我们还表明，在相同的条件下，假设一个简单的二元对称模型的字符进化，找到最有可能的树显示的网络是NP-难的。这些负面的结果对比与早期的工作简约，它表明，如果A由一个单一的列的问题是固定参数听话的水平。最后，我们讨论了为什么，尽管NP-硬度，简约性和可能性的问题可能会很好地解决在实践中。
2017-07-12 cs.DS q-bio.PE
Systematic Exploration of the High Likelihood Set of Phylogenetic Tree Topologies
贝叶斯马尔可夫链蒙特卡罗探索树空间的速度很慢，部分原因是它经常返回到相同的树拓扑。另一种策略是系统地探索树空间，并且永远不会返回到相同的拓扑。在本文中，我们提出了一个有效的并行化的方法来映射出高似然集的系统发育树拓扑结构，通过系统搜索，我们表明是一个很好的近似树拓扑结构的高后验集。这里，拓扑的“似然性”是指具有优化的分支长度的对应树的树似然性。我们称这种方法为“系统发育拓扑图”（PT）。PT策略非常简单：从多个局部拓扑最大值（通过从随机起点爬山获得）开始，使用局部拓扑重排进行探索，仅继续通过优于低于最佳观察拓扑的某个似然阈值的拓扑。我们表明，归一化的拓扑似然是一个有用的代理这些拓扑的贝叶斯后验概率。通过使用一个非阻塞的哈希表，关键是树拓扑的唯一表示，我们避免了在所有探索树空间的并发线程中多次访问拓扑。我们证明，PT可以直接用于近似贝叶斯共识树拓扑结构。当结合一个准确的手段，评估每个拓扑边缘似然，PT给出了另一种方法来获得贝叶斯后验分布的系统发育树拓扑。
2018-11-27 cs.DS q-bio.PE
Fast likelihood evaluation for multivariate phylogenetic comparative methods: the PCMBase R package
我们介绍了一个R包，PCMBase，快速计算的可能性多变量系统发育比较方法。该软件包并不特定于特定的模型，但为用户提供了非常容易实现各种模型的功能，其中沿分支的过渡是多元正态的。我们证明了现在的标准，多特征的Ornstein-Uhlenbeck过程，以及新的多元间断平衡模型包的可能性。该软件包可以处理各种类型的树（例如超度量、非超度量、多分支等），以及测量误差、缺失测量或树中某些物种的不存在的特征。
2018-09-24 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
Critical case stochastic phylogenetic tree model via the Laplace transform
死亡模型现在是一种常见的数学工具，用来描述在真实世界的系统发育树中观察到的分支模式。Liggett和Schinazi（2009）就是这样一个例子。作者提出了一个简单的出生和死亡模型，该模型与流感和HIV的系统发育树兼容，取决于出生率参数。这个模型的一个有趣的特例是出生率等于死亡率的临界情况。这是一个非平凡的情况，并研究其渐近行为，我们采用了拉普拉斯变换。在临界情况下，我们修正了Liggett和Schinazi（2009）的证明。
2013-04-30 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
Information Content of a Phylogenetic Tree in a Data Matrix
遗传学和生物学中的系统发育树一般都是二元的。我们试图回答一个基本的问题：这种二进制分支从粗到细的尺度持续的数据？我们将这个问题转化为一个等价的问题：树的结构信息在数据矩阵中的位置？从这个概念以及计算问题的结果，我们得出一个否定的答案：每个分支分裂成两个在每个节点的树从顶部到底部的水平是一个人造的结构。数据驱动的计算范式数据力学在这里揭示了树的信息是由一组选定的温度（或尺度），其中每一个有一个集群组成严格规定的温度特定的集群共享概率矩阵。由此产生的数据云几何（DCG）树的空间上的物种被建议作为真实的结构中包含的数据。特别是DCG树最细规模（底层）上的每个核心集群由于均匀性而不应进一步划分。在最细尺度之外，DCG树的分支主要基于概率，这导致了满足超三角不等式的超度量性质。这种超度量属性将DCG树与基于层次聚类（HC）算法的所有流行树区分开来，该算法通常采用经验的，通常是临时的距离度量。由于这个测度受三角不等式的约束，它不能产生一个“平的”分支，在这个分支中，所有成员（两个以上）彼此之间的距离相等。我们展示了这样的信息内容的说明性动物园的数据，然后在两个基因组数据。
2018-01-26 q-bio.PE stat.ME
Markov-modulated continuous-time Markov chains to identify site- and branch-specific evolutionary variation
马尔可夫模型的字符替代的系统发育推理框架的基础。早期的模型做了一个简单的假设，即在分子序列比对中，取代过程在时间上和位点上是同质的。虽然标准做法采用了扩展，以适应不同地点的替代率的异质性，异质性的过程中，随着时间的推移，在一个特定的网站的方式仍然经常被忽视。这是有问题的，因为在分子水平上起作用的进化过程是高度可变的，随着时间的推移，不同的位点受到不同的选择性约束，影响它们的取代行为。我们建议通过马尔可夫调制模型（MMM），允许替代过程（包括相对字符交换率以及整体替代率），在一个单独的网站上的演变模型，以不同的血统的时间变异性。我们实现了一个通用的MMM框架BEAST，一个流行的贝叶斯系统发育推理软件包，允许研究人员组成一个广泛的MMM通过灵活的XML规范。使用细菌，病毒和质体基因组进化的例子，我们表明，MMM影响系统发育树估计，并可以大大提高模型拟合相比，标准的替代模型。通过模拟，我们表明，边际似然估计准确地识别生成模型，并没有系统地更喜欢参数丰富的MMM。为了减轻与MMM相关的计算需求增加，我们的实现利用了最近开发的更新BEAGLE，一个高性能的计算库系统发育推断。
2019-06-12 q-bio.PE stat.ME
Counting and optimising maximum phylogenetic diversity sets
在保护生物学中，系统发育多样性（PD）提供了一种方法来量化当前物种快速灭绝对进化“生命之树”的影响。这种方法认识到，灭绝不仅消除了物种，而且还消除了灭绝物种所共有的独特特征的树枝。在本文中，我们调查了三个问题，相关的PD。第一个问题是，在给定的树中，有多少组给定大小的物种$k$保持最大可能的PD量。这样的最大PD集的数量可以是非常大的，即使对于中等大小的微处理器。我们提供了一个最大PD集的组合表征，专注于设置分支长度是超度量（例如，与时间成比例）。这导致了一个多项式时间算法计算的最大PD集的大小$k$通过应用生成函数的数量，我们还调查了类型的树的形状，港口最（或最少）的最大PD集的大小$k$。我们的第二个问题涉及优化一个线性函数的物种（被视为叶的系统发育树）在所有最大PD集的给定大小。使用从第一个问题的表征结果，我们展示了如何在多项式时间内解决这个优化问题，即使最大PD集的数量可以呈指数增长。我们的第三个问题考虑了一个对偶问题：如果$k$物种灭绝，那么在生成的树中PD的最大可能{ \em损失}是多少？对于这个问题，我们描述了一个多项式时间的解决方案的基础上动态规划。
2022-04-12 q-bio.PE
Consistency of Bayesian inference of resolved phylogenetic trees
贝叶斯推断是目前从比对序列数据重建系统发育树的主要技术。在这个简短的说明中，我们正式表明，最大后验树拓扑结构提供了一个统计上一致的估计一个完全解决的进化树在各种条件下。这包括从跨分支长度的整个参数范围的比对序列数据中推断基因树，以及在通常的“可识别性”条件成立的模型中的先验的一般条件下。我们将其扩展到从序列数据中推断物种树，其中基因树构成“讨厌的参数”，如在程序 *BEAST中。本说明还解决了早期文献中提出的问题，质疑贝叶斯方法的统计一致性在多大程度上可能普遍存在。
2013-07-11 q-bio.PE q-bio.QM
CLTree: A Tool for Annotating, Rooting, and Evaluating Phylogenetic Trees Leveraging Genomic Lineages
CLTree通过谱系注释和分析系统发育树，提供高效的单系性推断和分类系统吻合度量化，适用于进化和分类学研究。
2025-11-22 q-bio.PE q-bio.QM
Making mathematical online resources FAIR: at the example of small phylogenetic trees
本文以小系统发育树数学库为例，介绍通过软件复现、新网站建设和过程记录三重策略，将早期数学资源改造为FAIR、可持续的代数系统发育学数据存储库，并总结可推广的经验教训。
2025-11-07 math.HO q-bio.PE
Fidelity of Hyperbolic Space for Bayesian Phylogenetic Inference
本文提出将基因组序列嵌入双曲空间并用双曲 MCMC 做贝叶斯系统发育推断，在八个数据集上验证其可高保真恢复分支划分与长度。
2022-06-16 q-bio.PE
Split-or-decompose: Improved FPT branching algorithms for maximum agreement forests
Maastricht University（马斯特里赫特大学）
本文提出改进的FPT算法，用于计算最大一致森林，针对无根和有根树分别取得更优的时间复杂度。
2026-03-21 cs.DS q-bio.PE
Novel Symmetry-preserving Neural Network Model for Phylogenetic Inference
针对系统发育推断中的长枝吸引问题，提出一种对称保持神经网络模型，利用置换不变函数处理树的同构性，在LBA场景下优于标准方法并降低内存需求。
2023-12-21 q-bio.PE
Estimating phylogenetic trees from genome-scale data
随着研究人员收集越来越大的分子数据集来重建生命之树，不同生物体基因组中信号的异质性对传统的系统发育分析提出了挑战。已经提出了一类被称为“物种树方法”的系统发育方法，以直接解决基因树异质性的一个重要来源，即当进化谱系快速辐射时发生的不完全谱系排序或深度合并，导致来自单个底层物种树的基因树的多样性。虽然这种方法越来越受欢迎，但在某些方面，它们被谨慎采用，部分原因是越来越多的例子表明，连接或超矩阵方法与物种树方法之间存在强烈的系统发育冲突。在这里，我们回顾理论和实证的例子，帮助澄清这些冲突。将连接视为多物种合并器提供的更一般模型的特殊情况，可以帮助解释两种方法在多物种基因组数据集上的行为差异。最近的工作表明，物种树的方法是更强大的连接方法，一些系统发育分析的经典挑战，包括快速演变的DNA序列，碱基组成的异质性和长分支的吸引力的网站。我们发现，如分箱，旨在增加物种树分析中的信号的方法，可以扭曲基因树的分布和不一致。计算效率高的物种树方法，结合生物现实主义是一个关键的全基因组数据的系统发育分析。
2015-01-15 q-bio.PE
COSPEDTree-II: Improved Couplet based Phylogenetic Supertree
超树综合了一组带有重叠分类群的系统发育树的拓扑结构。在这个过程中，树拓扑中的冲突旨在用共识分支来解决。这类问题被证明是NP难的。基于局部搜索、最大简约、图切割等的各种算法导致了不同的超树方法，其中最流行的方法是基于分析固定大小的子树拓扑（如三元组或四元组）。然而，这些方法的时间和空间复杂度取决于所考虑的子树大小。我们早先提出的超树方法COSPEDTree，使用个人对联（类群对）之间的进化关系，产生稍微保守（不完全解决）的超树。在这里，我们提出了它的改进版本COSPEDTree-II，它产生更好的解决了超树的丢失分支的数量较少，并招致更低的运行时间。生物数据集上的结果表明，COSPEDTree-II属于高性能和计算效率的超树方法。
2016-10-31 q-bio.PE
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
GeoPhy: Differentiable Phylogenetic Inference via Geometric Gradients of Tree Topologies
Waseda University（早稻田大学）；RIKEN AIP（理化学研究所人工智能研究中心）；AIST-Waseda CBBD-OIL（产业技术综合研究所-早稻田大学生物信息学与系统生物学联合研究中心）；Nippon Medical School（日本医科大学）
GeoPhy 提出一种基于连续几何空间中拓扑分布表示的可微系统发育推断方法，在不限制候选树拓扑的情况下实现变分推断，并在真实基准数据集上显著优于其他近似贝叶斯方法。
2023-12-01 cs.LG q-bio.PE stat.ML
Sequence length bounds for resolving a deep phylogenetic divergence
在进化生物学中，基因序列携带着一个基本的树的痕迹，描述了它们从一个共同的祖先序列进化而来。需要多少序列位点才能准确地恢复这种进化关系的问题取决于序列进化的模型、替换率、分歧时间和用于推断系统发育历史的方法。一个特别具有挑战性的问题，系统发育的方法出现时，一个快速的分歧事件发生在遥远的过去。我们分析了这个问题的理想化形式，其中对称的四分类树的终端边缘是一些因素（$p$）倍的内部边缘的长度。我们确定了一个顺序$p^2$增长率的下限所需的序列长度，以解决树（独立于任何特定的分支长度）。我们还表明，这种序列长度增长率可以通过现有的方法（包括简单的“最大简约”的方法），并比较这些顺序$p^2$界与顺序$p$增长率的模型，描述低同质性的演变。在最后一节中，我们提供了一个更一般的一类马尔可夫过程的序列长度要求的一般界。
2008-06-16 q-bio.PE
Evaluation of the relative performance of the subflattenings method for phylogenetic inference
代数性质的重叠和subsequencing提供了直接的方法来识别边缘的真正的同源性-并通过扩展的完整的树-使用模式计数从序列比对。一组分类群之间的可能的内部边缘的数量相对较少（与二叉树的数量相比），使得这些方法有吸引力，但是可以做更多的工作来评估其推断系统发育树的有效性。这是特别是对subjunctions的情况下，我们的工作在这方面取得了进展。我们介绍了软件的建设和评估substanks分裂，利用一些方法，使计算substanks更容易处理。然后，我们提出了模拟的结果，我们已经进行了比较的有效性subbrachings的brachings在分裂分数分布，和可能的偏见的敏感性。我们发现，subbankings执行类似的bankings在我们检查的树的分裂分数的分布，但可能会受到较少的影响，从分裂大小/平衡和长分支吸引力所产生的偏见。这些见解是有用的开发有效的算法，利用这些工具的目的推断系统发育树。
2022-05-04 q-bio.PE
Gene tree reconciliation including transfers with replacement is hard and FPT
系统发生树说明了基因和物种的进化历史。在大多数情况下，尽管基因随着它们所属的物种一起进化，但物种树和基因树并不相同，因为基因水平上的进化事件，如复制或转移。这些差异通过系统发育协调来处理，系统发育协调在形式上是基因树节点与物种树节点和分支之间的映射。我们研究的和解模型与基因转移，取代现有的基因，这是一个生物学上的重要事件，但从来没有包括在和解模型。此外，这个问题是接近一个经典的子树修剪和regraft（SPR）的距离问题，其中一个修剪的子树必须被regrafted只在一个分支更接近根的过时版本。我们证明了和解问题，包括转让和更换是NP-难的，如果物种和转让与更换是唯一允许的进化事件，那么它是固定参数听话（FPT）的和解的重量。我们证明了这些结果可以推广到已有的SPR问题。
2017-09-13 cs.DS q-bio.PE
Polynomial encoding of rooted trees with branch lengths
University of Rhode Island（罗德岛大学）；University of the Balearic Islands（巴利阿里群岛大学）
研究带分支长度的有根树的差异量化问题，引入将分支长度纳入递归计算的二元多项式编码，证明其在特定条件下的性质，应用于HIV-1系统发育树，能准确分离数据集，优于先前方法。
2026-07-09 math.CO q-bio.PE
A method for investigating relative timing information on phylogenetic trees
在本文中，我们提出了一种新的方法来了解分支事件的时间在系统发育树。我们的方法明确地考虑了姐妹分支之间的多样化事件的相对时间，因此，它是互补的现有方法，通过时间图，考虑多样化的总和。该方法寻找证据的多样化发生在特定的谱系“爆发”，或相反，在两个分支之间的多样化发生在一个异常规律的方式。为了能够区分有趣的事件的随机性，我们提出了两类中立的模型与时序信息的树，并开发了一个统计框架来测试这些模型。我们的模型基本上概括了合并与祖先的人口规模变化和全球速率物种灭绝模型。我们结束了几个例子的应用程序的文件：首先，我们表明，丙型肝炎病毒的进化似乎进行在一个特定的谱系爆发的方式。其次，我们分析了一个大型的蚂蚁树，表明一段时间的多样化率升高似乎并没有发生在一个爆裂的方式。
2008-03-10 q-bio.PE
PhyloGFN: Phylogenetic inference with generative flow networks
McGill University（麦吉尔大学）；Université de Montréal（蒙特利尔大学）；Mila（米拉研究所）
本文提出PhyloGFN，将生成流网络（GFlowNets）框架用于系统发育推断，在真实基准数据集上产生多样高质量进化假设，边际似然估计具竞争力，贴合目标分布优于变分推断方法。
2026-09-01 cs.LG q-bio.PE stat.ML
When Do Phylogenetic Mixture Models Mimic Other Phylogenetic Models?
系统发育混合模型，其中的网站在序列中经历不同的替代过程沿相同或不同的树，允许描述的异质进化过程。随着由较长序列组成的数据集变得可用，理解这些模型对于理论见解和统计分析中的使用都很重要。最近的一些文章强调了令人不安的“模仿”行为，其中来自混合模型的分布与不同树或树上的分布相同。其他作品表明，这样的问题是不太可能发生在实践中，因为他们需要非常特殊的参数选择。在对混合模型的一些研究工作进行综述之后，我们给出了几个新的结果。一般来说，如果生成的混合物中的成分数量不是太大，并且我们不允许零或无限长的分支长度，那么它就不能模仿不同树上的非混合物的行为。另一方面，如果混合模型是局部过参数化的，则系统发育混合模型可以模仿另一个树模型的分布。虽然理论问题仍然存在，但这些结果可以作为一个指南，说明在ML或贝叶斯框架中使用混合模型何时可能导致统计上一致的推断，以及何时由于异质性而进行模仿应该被认为是一种现实的可能性。
2012-07-16 math.ST q-bio.PE stat.TH
Automatic detection of key innovations, rate shifts, and diversity-dependence on phylogenetic trees
已经开发了一些方法来推断物种多样化的差异率，通过时间和分支之间使用时间校准的系统发育树。然而，我们缺乏一个通用的框架，可以描绘和量化的异质混合物的动态过程中的单一的遗传。我开发了一种方法，可以识别任意数量的时变多样化过程的随机性，而无需事先指定它们的位置。该方法使用可逆跳马尔可夫链蒙特卡罗模型之间的子空间，不同的多样化制度的数量不同。该模型假设，在进化制度的变化发生在跨分支的系统发育树下的复合泊松过程，并明确占率变化，通过时间和血统之间。使用模拟数据集，我证明了该方法可以用来量化复杂的混合物的时间依赖性，多样性依赖性，和恒定速率多样化的过程。我比较了该方法的性能的MEDUSA模型之间的谱系率变化。作为一个实证的例子，我分析了现代鲸鱼辐射过程中的物种形成和灭绝的历史。这里所描述的方法将大大促进探索宏观进化动力学在大型系统发育树，这可能已经形成了不同的进化过程的异质混合物。
2014-01-26 q-bio.PE q-bio.QM
pplacer: linear time maximum-likelihood and Bayesian phylogenetic placement of sequences onto a fixed reference tree
基于似然性的系统发育推断通常被认为是对未知序列最可靠的分类方法。然而，由于计算复杂性问题和缺乏系统发育信号，传统的基于似然性的系统发育方法无法应用于下一代测序的大量短读段。“系统发生放置”，其中参考树是固定的，未知的查询序列通过参考比对被放置到树上，是一种将基于似然性的方法的推理能力带到大数据集的方法。本文介绍了一个软件包，用于系统发育的位置和随后的可视化。该算法可以放置两万个短的阅读每小时一千个类群的参考树每个处理器，具有基本上线性的时间和内存的参考类群的数量的复杂性，并且很容易并行运行。Pplacer的特点是计算边缘上放置的后验概率，这是一种在逐边缘基础上量化不确定性的统计严格方法。它还可以通过计算放置位置之间的预期距离来通知用户查询序列的位置不确定性，这对于使用良好采样的参考树来估计不确定性至关重要。该软件提供可视化使用分支厚度和颜色来表示放置的数量及其不确定性。使用从631个COG比对产生的读段的模拟研究显示了在宽范围的比对多样性上系统发育放置的高水平的准确性，以及边缘不确定性估计测量放置置信度的能力。Pplacer能够实现高效的系统发育放置和随后的可视化，使基于可能性的遗传学方法适用于大量的读取;它可以作为源代码，二进制文件和Web服务提供。
2010-03-30 q-bio.GN q-bio.PE
Efficient Bayesian Inference of General Gaussian Models on Large Phylogenetic Trees
系统发育比较方法通过将样本性状建模为沿着可能未知历史的分支上的扩散过程而产生的，来校正一组非独立生物之间的共享进化历史。为了将这样的不确定性，我们提出了一个可扩展的贝叶斯推断框架下的一般高斯性状进化模型，利用哈密顿蒙特卡罗（HMC）。HMC能够对约束模型参数进行有效采样，并利用树结构进行快速似然和梯度计算，从而产生与观测数量成线性关系的算法复杂度。这种方法包括一个广泛的家庭的随机过程，包括一般的Ornstein-Uhlenbeck过程，可能会缺失数据和测量误差。我们将所有这些模型的生物相关子集的推理工具实现到BEAST系统发育软件包中，并通过边际似然估计来进行模型比较。我们应用我们的方法来研究鼬总科（包括黄鼠狼和盟友）的形态进化以及HIV毒力的遗传性。这第二个问题，通过有针对性的模拟研究，证明了其效用的进化遗传性的一个新的措施。
2020-09-29 q-bio.PE stat.AP
RNA-based Phylogenetic Methods: Application to Mammalian Mitochondrial RNA Sequences
PHASE软件包允许使用专门设计用于具有保守二级结构的RNA序列的许多进化模型构建系统发育树。RNA的成对区域的进化通过补偿性取代发生，因此一对RNA任一侧的变化是相关的。考虑这种相关性对于系统发育推断是重要的，因为它影响可能性计算。在本研究中，我们使用了69个完整的哺乳动物线粒体基因组的tRNA和rRNA序列的完整集合。似然计算同时使用两个进化模型的不同部分的序列：配对的网站和一个单一的网站模型的配对网站模型的配对网站。我们使用贝叶斯系统发育的方法和马尔可夫链蒙特卡罗算法是用来获得最可能的树和后验概率的分支。结果很好地解决了几乎所有的重要分支的哺乳动物树。他们支持的安排哺乳动物的订单内的四个超序数的分支，已确定了更大的数据集，主要包括核基因的研究。像刺猬和鼠科啮齿动物这样的群体，在以前的线粒体蛋白质研究中一直存在问题，出现在他们与其他成员的预期位置。我们对基因和进化模型的选择似乎比以前对线粒体基因组的研究更可靠，并且更少受到碱基组成变化引起的偏差的影响。
2004-04-23 q-bio.PE
Approximate Bayesian computation for Markovian binary trees in phylogenetics
本文针对系统发育学中多样化速率推断问题，提出基于马尔可夫二叉树（MBTs）的近似贝叶斯计算（ABC）方案，利用树形信息检测性状相关的速率变化，模拟与真实蜥蜴类数据验证其准确性与应用价值。
2024-10-04 math.ST q-bio.PE stat.AP
Tropical Logistic Regression Model on Space of Phylogenetic Trees
本文提出热带几何框架下的逻辑回归模型用于系统发育树分类，在AUC上优于经典逻辑回归，并可作为对枝长敏感的MrBayes MCMC收敛判据。
2024-06-07 math.CO 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
Simple models for scaling in phylogenetic trees
许多过程和模型--在生物、物理、社会和其他背景下--产生的树的深度与叶子的数量成比例关系。描述生物物种之间进化关系的系统发育树是没有观察到这种尺度的树的例子。有了这个动机，我们数值分析两个分支模型，导致非对数缩放的深度与叶数。对于福特的阿尔法模型，虽然幂律缩放的深度与树的大小建立解析，我们的数值结果表明，渐近制度接近只有在非常大的树的大小。我们在这里介绍一个新的模型，活动模型，显示分析和数值，它也显示了幂律缩放的深度与树的大小在一个关键的参数值。
2009-02-02 cond-mat.stat-mech q-bio.PE q-bio.QM
An algorithm for constructing principal geodesics in phylogenetic treespace
大多数系统发育分析的结果是一个样本的树，但总结和可视化这些样本可能是具有挑战性的。共识树通常提供关于样本的有限信息，因此已经开发出诸如共识网络、聚类和多维缩放等方法并应用于树样本。本文描述了一种构造主测地线或穿过树空间的线的随机算法，它类似于标准主成分分析中的第一主成分。主测地线总结了树的样本的最可变的特征，在树的拓扑结构和分支长度方面，它可以被可视化为平滑变化的树的动画。该算法通过参数空间进行随机搜索，以最小化数据点的平方投影距离之和。这个过程的目的是确定全球最优的主测地线，虽然收敛到局部最优测地线是可能的。该方法是通过构建实验和模拟数据集的主测地线来说明的，展示了可以获得的树木样本的洞察力，以及该方法如何改进以前发表的方法。可以从www.ncl.ac.uk/~ntmwn/geophytter免费获得一个名为GeoPhytter的Java软件包，用于构建和可视化主要测地线。
2014-09-02 q-bio.PE
How trustworthy is your tree? Bayesian phylogenetic effective sample size through the lens of Monte Carlo error
贝叶斯推断是一种流行的和广泛使用的方法来推断进化树（进化树）。然而，尽管几十年的广泛应用，它仍然很难判断如何以及一个给定的贝叶斯马尔可夫链蒙特卡罗（MCMC）运行探索的空间系统发育树。在本文中，我们调查的蒙特卡罗错误的遗传学，专注于高维总结的后验分布，包括变异估计的边缘/分支（已知在遗传学的“分裂”）概率和树的概率，和变异估计的汇总树。具体来说，我们问是否有任何措施的有效样本量（ESS）适用于系统发育树，能够捕捉这三个汇总措施的蒙特卡罗错误。我们发现，有一些ESS措施能够捕捉固有的错误，使用MCMC样本近似的后验分布的遗传。我们这些树ESS措施，并确定一组三个这是有用的，在实践中评估的蒙特卡罗错误。最后，我们提出了可视化工具，可以提高多个独立的MCMC运行之间的比较，占蒙特卡罗错误存在于每个链。我们的研究结果表明，常见的后MCMC工作流程是不足以捕捉固有的蒙特卡罗错误的树，并强调链内混合和链间收敛评估的需要。
2022-09-03 q-bio.PE stat.ME
Power-laws in phylogenetic trees and the preferential coalescent
本研究提出一个基于偏好性合并的生成模型，通过广义Smoluchowski方程解释系统发育树中观测到的幂律标度，揭示其数学起源并提供新分析工具。
2025-10-15 q-bio.PE stat.OT
PhylaFlow: Hybrid Flow Matching in Billera-Holmes-Vogtmann Tree Space for Phylogenetic Inference
Eric and Wendy Schmidt Center, Broad Institute of MIT and Harvard（埃里克和wendy Schmidt中心，MIT和哈佛大学Broad研究所）；Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系）；Centennial High School（Centennial高中）；Infectious Disease and Microbiome Program, Broad Institute of MIT and Harvard（传染病与微生物组计划，MIT和哈佛大学Broad研究所）
该研究提出PhylaFlow模型，通过在Billera-Holmes-Vogtmann树空间中学习后验盆地运输，实现混合流匹配，从而提高系统发育推断的效率和准确性。
2026-05-21 cs.LG q-bio.PE q-bio.QM
Agreement forests of caterpillar trees: complexity, kernelization and branching
研究毛毛虫树的最小一致性森林问题，证明其NP-hard且APX-hard，给出规模至多7k的紧核和O*(2.49^k)时间的判定算法，优于一般树的结果。
2023-08-31 cs.DS math.CO 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
