.png){kind=icon}
返回
phyddle: Software for Exploring Phylogenetic Models with Deep Learning
.png){kind=icon}
PRE
AI
DOI：10.1093/sysbio/syaf036.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
系统发育树包含了关于产生生命多样性的进化历史和过程的丰富信息。这些信息可以通过将系统发育模型拟合到树上提取出来。然而，许多现实的系统发育模型缺乏易于处理的似然函数，阻碍了它们与标准推断方法的使用。我们介绍phyddle，一种基于管道的软件，用于通过似然自由的深度学习方法在树上执行系统发育建模任务。phyddle具有灵活的命令行界面，便于将深度学习方法整合到系统发育的研究工作流程中。phyddle通过五个管道分析步骤（模拟、格式化、训练、估计和绘图）协调建模任务，将原始系统发育数据集作为输入转换为基于模型的数值和可视化输出。我们进行了三项实验，比较基于似然的推断与通过phyddle获得的基于深度学习的推断的准确性。基准测试表明，phyddle能够准确执行其设计的推断任务，例如估计宏观进化参数、选择连续性状进化模型以及通过流行病学模型的覆盖测试，即使对于缺乏易于处理的似然函数的模型也是如此。了解更多关于phyddle的信息，请访问https://phyddle.org。
Keyword:
Deep learning
neural network
phylogenetics
software
statistical models
期刊
IF:
5.7
论文数:
2.2K
被引数:
1.9W
机构
引用论文
.png){kind=icon}
Phyloformer: Fast, Accurate, and Versatile Phylogenetic Reconstruction with Deep Neural NetworksPhyloformer：基于深度神经网络的快速、准确且通用的系统发育重建
OAAI
OAAI分享收藏分享收藏Uncovering epidemiological dynamics in heterogeneous host populations using phylogenetic methods
OAAI
OAAI分享收藏
查看更多内容