PhyloVAE：基于变分自编码器的系统发育树无监督学习

学习系统发育树结构的信息性表示对于分析进化关系至关重要。基于距离的经典方法已被广泛用于将系统发育树投影到欧几里得空间，但它们通常对距离度量的选择敏感，且可能缺乏足够的分辨率。本文提出系统发育变分自编码器（PhyloVAE），这是一个专为树拓扑结构的表示学习和生成建模而设计的无监督学习框架。我们利用一种受自回归树拓扑生成启发的高效编码机制，开发了一个深度潜变量生成模型，该模型有助于快速、并行的拓扑生成。PhyloVAE 将此生成模型与基于可学习拓扑特征的协同推理模型相结合，从而实现对系统发育树样本的高分辨率表示。大量实验证明了 PhyloVAE 强大的表示学习能力以及快速生成系统发育树拓扑结构的能力。