15万细胞谱系树不再逐棵搜索:HERACLES用四元组似然在单GPU上约四小时重建
CRISPR谱系记录能追踪数十万细胞的祖先,但基于似然的建树方法要在树空间里反复搜索,规模一大就难以承受。HERACLES把每个细胞表示为双曲空间中的点,只对采样的细胞四元组计算CRISPR编辑似然,用梯度直接优化这些坐标,收敛后再做一次邻接法得到完整系统树。在模拟基准上它的重建误差低于LAML、Startle-NNI和距离类方法,并能在单块GPU上约四小时处理15万个细胞。
CRISPR谱系记录能追踪数十万细胞的祖先,但基于似然的建树方法要在树空间里反复搜索,规模一大就难以承受。HERACLES把每个细胞表示为双曲空间中的点,只对采样的细胞四元组计算CRISPR编辑似然,用梯度直接优化这些坐标,收敛后再做一次邻接法得到完整系统树。在模拟基准上它的重建误差低于LAML、Startle-NNI和距离类方法,并能在单块GPU上约四小时处理15万个细胞。
系统发育树的后验推断长期依赖似然计算,而插入缺失、位点选择等真实演化过程让似然不可解。这组条件生成模型把建树拆成自底向上、自中向外或自顶向下的一步步决策,用离散扩散目标训练,在真实与合成数据上比此前的模拟推断方法Phyloformer 2更接近MCMC后验;在简单数据上与IQ-Tree持平,在更真实的复杂模型数据上稳定更准。
已读完全部报道