Fox 不再先建树：直接读宿主与共生体双份比对，推断比 ABC 基线快三个数量级以上
核心概要
宿主与共生体的共进化事件频率过去要先重建宿主树、再做树间调和，树推断误差会传进结果。Fox 改用 transformer 直接从宿主与共生体的两份多序列比对及其对应关系输出共物种形成、宿主转换、丢失和重复四类事件的相对频率，模拟成本只在训练时付一次，之后每个新系统一次前向计算即可。在独立模拟器 treeducken 上，Fox 在 AmoCoala 能完成的 92 个数据集上平均绝对误差为 0.060，AmoCoala 为 0.131，且 Fox 推断快三个数量级以上。
深度剖析
共进化事件频率现在可以直接从宿主与共生体的两份多序列比对和它们的对应关系中读出，不再需要先重建宿主树、再做共生体树与宿主树之间的调和。 此前的统计方法以 Coala 和 AmoCoala 为代表，用近似贝叶斯计算估计四类事件概率，但要求输入宿主树，有时还要共生体树，树推断的误差和不确定性会进入后续估计。 在训练模拟器 AsymmeTree 的留出测试集上，Fox 的平均绝对误差为 0.016–0.050，R² 为 0.45–0.85，偏差绝对值不超过 0.010。
换到训练时没见过的独立模拟器上，Fox 的误差大约翻倍，但仍能跟踪真实频率，并明显优于树基 ABC 基线。 在 treeducken 生成的 100 个数据集上，Fox 的平均绝对误差为 0.060，而在 AsymmeTree 测试集上为 0.030；AmoCoala 在它能完成的 92 个数据集上平均绝对误差为 0.131。 在这 92 个数据集上，Fox 对共物种形成、宿主转换和重复的误差比 AmoCoala 低 45–76%，对丢失两者相当；AmoCoala 对宿主转换高估 0.147、对重复低估 0.142，其估计与真值的相关系数绝对值不超过 0.20。
Fox 把每一条宿主—共生体关联变成一个 token，让两份比对的信息在关联层面交换，从而把共进化信号从序列里直接读出来。 模型先用共享权重的比对编码器分别处理宿主和共生体比对，再在关联 token 上做注意力，关联之间的注意力由宿主距离、共生体距离以及是否共享宿主来偏置。 在 100 个 AsymmeTree 留出测试集上打乱宿主与共生体的连接后，预测的共物种形成频率在每个数据集上都下降，平均从 0.63 降到 0.23；在蟑螂数据上从 0.61 降到 0.39。
启示与展望
评估覆盖训练模拟器 AsymmeTree 的留出集、独立模拟器 treeducken 的 100 个数据集，以及一份 52 对蟑螂—Blattabacterium 真实数据；模型在 LG+Γ+不变位点序列演化模型、至多 50 个宿主叶、至多 142 个共生体叶和 250 列比对的范围内训练，超出该范围时仍会运行并给出警告。
在 treeducken 数据上 Fox 的误差约为训练模拟器上的两倍，对丢失事件的 R² 为 −0.16、相关系数 0.37，作者认为这可能与 treeducken 产生更多丢失且机制不同有关。真实数据上 Fox 与 AmoCoala 都把共物种形成排在最前，但 Fox 给出 70.5%、AmoCoala 给出 54.3%，后者在 50 个接受参数向量上的标准差为 0.25。训练约需 4 块 H100 上 300 GPU 小时，这是 ABC 方法不需要的一次性成本；比对长度从 250 列缩到 150 列时精度基本稳定，缩到 100 列时下降，50 列时共物种形成、宿主转换和丢失变得不可靠。