19 dubious ways to compute the marginal likelihood of a phylogenetic tree topology
模型的边际可能性是评估支持模型的数据所提供证据的关键量。边际似然是后验密度的归一化常数，通过将似然和先验的乘积相对于模型参数进行积分而获得。因此，计算边际似然的计算负担与参数空间的维度成比例。在遗传学中，我们使用的树拓扑结构是高维模型，计算边缘似然的标准方法非常慢。在这里，我们研究的方法来快速计算一个单一的固定树拓扑的边际似然。我们对19种不同方法的速度和准确性进行了基准测试，以在一套真实数据集上计算系统发育拓扑的边缘可能性。这些方法包括几个新的，我们明确地开发来解决这个问题，以及现有的算法，我们第一次应用到系统发育模型。总而言之，我们的研究结果表明，这些方法的准确性差异很大，准确性并不一定与计算负担。我们新开发的方法比标准方法快了几个数量级，在某些情况下，它们的准确性可以与最好的估计方法相媲美。
2018-11-28 q-bio.PE stat.CO
Automatic differentiation is no panacea for phylogenetic gradient computation
本文对比六种系统发育似然梯度实现，发现通用自动微分虽随树规模近似线性扩展，但显著慢于专用实现，建议融合系统发育库与机器学习库。
2023-06-05 q-bio.PE
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
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
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
Likelihood-free inference of phylogenetic tree posterior distributions
Sorbonne Université（索邦大学）；Université Lyon 1（里昂第一大学）
本文提出了一种无需似然推断的系统发育树后验分布推断方法，通过新的序列对编码和子树合并的概率分布因子化，实现了更准确的树拓扑结构估计，尤其在难以计算似然的模型中表现更优。
2026-06-28 q-bio.PE q-bio.QM
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
Generalised Bayesian distance-based phylogenetics for the genomics era
本文提出基于熵似然的距离法系统发育学扩展，在基因组规模数据上实现快速贝叶斯推断，并在鸟类大数据集上验证了其高效性与可靠性。
2025-02-06 math.ST q-bio.PE stat.TH
Measuring Fit of Sequence Data to Phylogenetic Model: Gain of Power using Marginal Tests
测试数据与模型的拟合对任何科学都是至关重要的，但遗传学领域的出版物很少这样做。这种分析抛弃了卡尔·波普尔所规定的科学的基本方面。事实上，并非没有理由，波普尔（1978）曾经认为，进化生物学是不科学的，因为它的假设是不可检验的。在这里，我们追溯了从Penny et al.（1982）到现在的适合性评估的发展。我们比较一般的对数似然比（G或G2统计）统计之间的进化树模型和多项式模型与边缘化测试应用于对齐（使用胎盘哺乳动物编码序列数据）。可以看出，最一般的检验不拒绝数据与模型的拟合（p~0.5），但边缘化检验拒绝。对成对频率（F）矩阵的检验强烈（p < 0.001）拒绝了常用的最一般的系统发育（GTR）模型。同样清楚的是（p < 0.01），序列在其核苷酸组成中不是固定的。偏离平稳性和同质性似乎是不均匀分布在类群之间，不一定是那些预期从检查基因组的其他区域。通过边缘化i.i.d.的4 t模式。模型的观察和预期的简约计数，也就是说，从恒定的网站，单例，简约信息字符的最小可能的长度，那么似然比检验恢复权力，它也拒绝与p << 0.001的进化模型。考虑到在相对较近的进化时间内的这种行为，一般来说，读者应该对结果保持健康的怀疑态度，因为在已发表的分析中，系统性错误的规模可能远远大于分析方法（例如，bootstrap）报告。
2008-12-30 q-bio.GN q-bio.PE
An Annealed Sequential Monte Carlo Method for Bayesian Phylogenetics
我们描述了一个“并行”的贝叶斯系统发育推断，退火顺序蒙特卡罗方法，基于最近的进展，如退火参数的自适应确定顺序蒙特卡罗文献。该算法提供了一个近似的后验分布的树木和进化参数，以及一个无偏估计的边际似然。该无偏性可用于检验后验仿真软件的正确性。我们评估系统发育退火序贯蒙特卡罗的性能，通过审查和比较与其他计算贝叶斯系统发育方法，特别是不同的边际似然估计方法。与以前的序列蒙特卡罗方法在遗传学中，我们的退火方法可以利用标准的马尔可夫链蒙特卡罗树移动，因此受益于大量的库存，这种移动在文献中。因此，退火顺序蒙特卡罗方法应该是相对容易纳入现有的系统发育软件包的基础上马尔可夫链蒙特卡罗算法。我们用模拟研究和真实数据分析来说明我们的方法。
2019-03-13 q-bio.PE stat.CO
Bayesian inference of mixed Gaussian phylogenetic models
Linköping University（林雪平大学）
本文提出基于贝叶斯方法的混合高斯系统发育模型推断，利用群体蒙特卡洛算法和高效似然计算方法，通过模拟和真实数据验证了模型参数推断和模型评估的有效性。
2026-04-02 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
Adapting cluster graphs for inference of continuous trait evolution on phylogenetic networks
Departments of Statistics and Botany, University of Wisconsin-Madison（威斯康星大学麦迪逊分校统计学与植物学系）
本文提出利用非树状聚类图优化高斯性状进化模型的因子化能量近似，探讨最大聚类大小对估计精度与运行时间的权衡影响，并证明同质布朗运动模型的参数估计等价性。
2025-12-19 q-bio.PE stat.CO
BEAGLE 4.1: A high-performance library for computation on phylogenetic trees across diverse parallel architectures
The Scripps Research Institute（斯克里普斯研究所）；Iowa State University（爱荷华州立大学）；University of California, Los Angeles（加州大学洛杉矶分校）；KU Leuven（鲁汶大学）；University of Edinburgh（爱丁堡大学）
BEAGLE 4.1 是一个高性能统计系统发育学库，通过引入梯度评估算法和针对 ARM NEON 及 NVIDIA GPU 张量核的硬件实现，显著加速了系统发育树上的似然和梯度计算，在多种硬件上实现了高达十倍的加速。
2026-06-29 q-bio.PE
Leveraging graphical model techniques to study evolution on phylogenetic networks
本文提出将系统发育网络上的性状演化模型重新表述为图模型，利用信念传播算法实现高效、可扩展的似然与梯度计算及参数推断，显著降低计算成本。
2024-08-26 q-bio.PE stat.CO
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
Calibrated birth-death phylogenetic time-tree priors for Bayesian inference
在这里，我们介绍了一个通用类的多校准生死树先验贝叶斯系统发育推断中使用。该类中的所有树先验将祖先节点高度分成一组“校准节点”和“未校准节点”，使得校准节点的边缘分布是用户指定的，而对于具有校准节点的相等值的树，保留出生-死亡先验的密度比。我们描述了两个配方，其中一个校准信息通知排名树拓扑结构的先验，通过（条件）先验，和其他因式分解的发散时间和排名拓扑结构的先验，从而允许均匀的，或任何任意的先验分布排名拓扑结构。虽然这些配方中的第一个有一些有吸引力的属性，我们提出的算法计算其先验密度是计算密集型的。另一方面，第二个公式总是计算效率高。我们证明了实用的新一类的多重校准树先验使用小型模拟和现实世界的分析，并比较现有的计划的结果。本文中描述的两个新的校准树先验提供了更大的灵活性和控制的校准时间树推断和分歧的时间定年的事先规范，并将消除需要间接的方法来评估校准密度和树过程先验的贝叶斯系统发育推断的综合效果。
2013-11-19 q-bio.PE
Gain-loss-duplication models on a phylogeny: exact algorithms for computing the likelihood and its gradient
基因获得-丢失-复制模型通常基于连续时间的出生-死亡过程。在系统发育的背景下，这样的模型已经越来越受欢迎的跨多个基因组的基因内容进化的研究。虽然应用程序变得越来越多样化和要求，生物信息学方法的概率推断拷贝数（或整数值的进化特征，一般）是稀缺的。我们描述了一个灵活的概率框架系统发育基因丢失重复模型。该框架是基于一种新的初等表示依赖随机变量具有良好的特征条件分布：二项式，波利亚（负二项式），泊松。相应的图形模型产生精确的数值计算的可能性和祖先拷贝数的后验分布的程序。由此产生的算法需要的副本总数的二次时间。此外，我们展示了如何通过线性时间算法来计算似然梯度。
2021-07-23 cs.DS 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
Maximum Likelihood Supertrees
我们分析了一个最大似然法结合系统发育树到一个更大的“超级树”。这是基于系统发育误差的简单指数模型，这确保ML超树具有简单的组合描述（作为中值树，最小化到输入树的距离的加权和）。我们表明，这种ML超树重建方法在统计上是一致的（随着更多输入树的组合，它收敛于真正的物种超树），与广泛使用的MRP方法相反，我们表明这种方法在指数误差模型下可能在统计上不一致。我们还表明，这种统计一致性扩展到ML方法构建物种超树的基因树。在这种情况下，不完整的谱系分类（由于同源基因的合并率低于物种形成率）已被证明会导致基因树经常与物种树不同，这可能会混淆正确重建物种进化的努力。
2007-08-16 q-bio.PE q-bio.QM
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
Bayesian Re-Analysis of the Phylogenetic Topology of Early SARS-CoV-2 Case Sequences
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
该研究通过修正贝叶斯推理中的根本错误，证明早期SARS-CoV-2病例序列的系统发育分析支持单一引入而非双重引入。
2026-02-06 q-bio.PE q-bio.QM
Bayesian support for Evolution: detecting phylogenetic signal in a subset of the primate family
进化论认为，物种的多样性可以用带有变异的血统来解释。因此，所有生物都是通过共同的祖先联系在一起的。这个进化过程一定在我们的分子组成中留下了痕迹。在这项工作中，我们提出了一个随机化的程序，以确定一组5种灵长类动物的家庭，即猕猴，guereza，猩猩，黑猩猩和人类，保留了这些痕迹在其分子。首先，我们通过两个玩具例子来介绍随机化方法，从而理解其逻辑。然后，我们进行了DNA数据分析，以评估灵长类动物组是否包含系统发育信息，这些信息将它们联系在一个共同的进化历史中。这是通过监测贝叶斯测量进行的，称为边际似然，我们使用嵌套抽样进行估计。我们发现，如果这些灵长类物种没有共同的祖先，那么在数据中观察到的关系是不寻常的。结果与进化论完全一致。
2017-09-14 q-bio.PE q-bio.QM
Online Bayesian phylogenetic inference: theoretical foundations via Sequential Monte Carlo
系统发生学，从DNA等分子序列数据中推断进化树，是一项对许多生物系统产生有价值的进化理解的事业。贝叶斯系统发育算法，它近似于树的后验分布，已经成为一种流行的，但计算昂贵的方法做遗传学。现代数据收集技术正在快速地向已经大量的数据库中添加新的序列。对于贝叶斯遗传学的所有现有技术，每次序列可用时，计算必须重新开始，这使得保持系统发育后验的最新估计变得昂贵。这些考虑强调了需要一个\emph{online}贝叶斯系统发育方法，可以更新现有的后验与新的序列。在这里，我们提供了理论结果的一致性和稳定性的方法，基于顺序蒙特卡罗（SMC）和马尔可夫链蒙特卡罗（MCMC）的在线贝叶斯系统发育推断。我们首先展示了一致性结果，表明该方法在大量颗粒的限制下从正确的分布中采样。接下来，我们推导出第一组报告的界限如何系统发育的可能性表面变化时，新的序列被添加。这些界限使我们能够表征采样算法的理论性能，通过从下面用给定数量的粒子来界定有效样本大小（ESS）。我们表明，ESS是保证线性增长的SMC采样器中的粒子数的增长。令人惊讶的是，即使系统发育模型的维度随着每个新添加的序列而增长，这个结果仍然成立。
2016-10-26 math.ST q-bio.PE stat.TH
Fast and Accurate Node-Age Estimation Under Fossil Calibration Uncertainty Using the Adjusted Pairwise Likelihood
本研究提出了一种基于调整的成对似然方法，以提高在化石校准不确定性下的节点年龄估计效率和准确性。
2025-12-02 q-bio.PE q-bio.QM
Phase transition in the sample complexity of likelihood-based phylogeny inference
从分子序列数据重建进化树是计算生物学中的一个基本问题。序列进化的随机模型与统计物理学中广泛研究的自旋系统密切相关，这种联系导致了对系统发育重建算法的理论特性的重要见解，以及新的推理方法的发展。在这里，我们研究最大似然，一个经典的统计技术，这可能是最广泛使用的系统发育的实践，因为其优越的经验准确性。在理论层面上，除了它的一致性，也就是说，保证最终正确的重建作为输入数据的大小的增长，还有很多关于最大似然在这种情况下的统计特性有待理解。特别是，样本的复杂性或序列长度要求的最大似然，即正确重建所需的数据量的最佳界限，是指数的数量，$n$，提示-远离已知的下界的基础上的信息理论的论点。在这里，我们关闭的差距，证明了一个新的上界的序列长度要求的最大似然匹配常数已知的下界的一些标准模型的演变。更具体地说，对于$r$状态对称模型的序列进化的二进制有界的边缘长度，我们表明，序列长度的要求表现在$n$时，每个边缘的预期突变量低于什么是已知的Kesten-Stigum阈值。通常，序列长度要求在$n$中是多项式的。此外，我们的结果意味着，极大似然估计可以有效地计算随机生成的数据提供的序列如上。
2017-07-18 math.PR math.ST q-bio.PE
