GeoPhy：通过树拓扑的几何梯度实现可微系统发育推断
机器学习
2023-12-04 v2 种群与进化
机器学习
摘要
基于分子进化模型的系统发育推断，对于理解生物数据中的进化关系至关重要。考虑系统发育树变量（包括树拓扑和枝上的进化距离）的不确定性，对于从分子数据准确推断物种关系以及需要变量边缘化的任务十分关键。变分贝叶斯方法是开发可扩展实用模型的关键；然而，在不限制组合庞大的可能树拓扑数量的情况下进行系统发育推断仍然具有挑战性。在本工作中，我们引入了一种新颖的、完全可微的系统发育推断公式，其利用了连续几何空间中拓扑分布的独特表示。通过对设计空间和梯度估计控制变量的实际考量，我们的方法GeoPhy实现了变分推断，而不限制拓扑候选。在使用真实基准数据集的实验中，GeoPhy显著优于其他考虑完整拓扑的近似贝叶斯方法。
引用
@article{arxiv.2307.03675,
title = {GeoPhy: Differentiable Phylogenetic Inference via Geometric Gradients of Tree Topologies},
author = {Takahiro Mimori and Michiaki Hamada},
journal= {arXiv preprint arXiv:2307.03675},
year = {2023}
}
备注
NeurIPS 2023 camera ready