.png){kind=icon}
返回
Minimum evolution molecular clock: quantum annealing for guide tree construction in multiple sequence alignment
.png){kind=icon}
OA
AI
DOI：10.1186/s12859-026-06558-1.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多序列比对（MSA）揭示了生物序列的相似性，这对系统发育学、医学和分子生物学至关重要。许多启发式MSA算法使用引导树来确定序列比对顺序，但寻找最优引导树是一个NP难问题。传统的引导树算法是贪心启发式方法，为了可扩展性而牺牲了准确性。由于引导树构建的NP难性，探索量子算法（如量子退火）的实用性是必要的。我们提出了一种利用量子退火构建引导树的算法。我们方法的理论基础是最小进化法和分子钟假说。与经典贪心方法不同，我们将最小进化问题重新表述为旅行商问题（TSP），量子退火可以解决该问题。TSP解使得利用分子钟以线性时间开销构建引导树成为可能。我们使用Concorde TSP求解器和D-Wave的量子-经典混合求解器来展示结果，而非仅使用本征量子处理单元退火，这是由于当前量子硬件的限制。在BAliBASE 3.0上的基准测试表明，我们方法与经典引导树在比对得分上没有统计学显著差异。当使用Concorde时，我们方法的实际挂钟时间缩放优于教科书式的UPGMA实现。经典TSP求解器允许我们方法在小规模引导树上的实际应用，而更大规模问题则激励使用量子退火。应在更大规模的基准测试上进行进一步性能分析。幸运的是，量子硬件的快速进步可能很快使这些测试成为可能。本研究强调了量子算法在解决MSA计算瓶颈方面的潜力。
Keyword:
Multiple sequence alignment
Guide tree
Quantum annealing
Quantum computing
Minimum evolution
Traveling salesperson problem
Molecular clock
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
