用于推断高支持度系统发育树的二元粒子群优化与混合遗传算法比较
人工智能
2016-09-01 v1 基因组学
摘要
完全测序的叶绿体基因组数量与日俱增，使得构建植物物种大规模系统发育树成为可能。考虑到根据叶绿体定义的亲近植物物种子集，由其核心基因推断出的系统发育树不一定得到良好支持，因为可能出现有问题基因（即同源假象、不完全谱系分选、水平基因转移等）从而模糊系统发育信号。然而，若减少此类模糊基因的数量，仍可获得可信的系统发育树。因此问题在于确定产生最佳支持树的核心基因的最大子集。为丢弃有问题基因并鉴于可能组合数量惊人，本文聚焦于如何提取最大的序列子集以获得最受支持物种树。由于计算复杂性，提出了顺序和分布式两种形式的分布式二元粒子群优化（BPSO）。将两种版本BPSO获得的结果与使用嵌入遗传算法和统计检验的混合方法计算的结果进行比较。该方案已应用于不同植物科的情况，对这些科得到了令人鼓舞的结果。
引用
@article{arxiv.1608.08749,
title = {Binary Particle Swarm Optimization versus Hybrid Genetic Algorithm for Inferring Well Supported Phylogenetic Trees},
author = {Bassam AlKindy and Bashar Al-Nuaimi and Christophe Guyeux and Jean-François Couchot and Michel Salomon and Reem Alsrraj and Laurent Philippe},
journal= {arXiv preprint arXiv:1608.08749},
year = {2016}
}