Estimación de parámetros de árboles filogenéticos utilizando redes neuronales y aprendizaje en conjunto | JoVE Visualize

Área de la Ciencia:

Biología evolutiva
Biología computacional
Filogenética

Sus antecedentes:

La diversificación de las especies es impulsada por la especiación y la extinción.
Estimar estas tasas de filogenias es crucial pero desafiante.
Los métodos actuales de estimación de probabilidad máxima (MLE) tienen limitaciones con modelos complejos y filogenias pequeñas.

Objetivo del estudio:

Desarrollar y evaluar un nuevo enfoque de red neuronal de conjunto para estimar los parámetros de diversificación de los árboles filogenéticos.
Comparar el rendimiento del método de red neuronal con el MLE y los enfoques de aprendizaje profundo existentes.
Evaluar la solidez de los métodos de redes neuronales en el manejo de datos filogenéticos.

Principales métodos:

Se desarrolló una red neuronal de conjunto que combina redes neuronales densas, redes neuronales de gráficos y redes neuronales recurrentes.
La red aprende de las representaciones gráficas, los tiempos de ramificación y las estadísticas resumidas de las filogenias.
El rendimiento se evaluó en comparación con el MLE y un enfoque de red convolucional utilizando datos filogenéticos simulados.

Principales resultados:

La red neuronal de conjunto proporciona estimaciones más rápidas que MLE y es menos sensible al tamaño del árbol para modelos de tasa constante y dependientes de la diversidad.
Tiene un rendimiento comparable al de los métodos de redes convolucionales existentes.
Tanto el enfoque de la red neuronal como el MLE luchan con la recuperación de parámetros bajo procesos prolongados de nacimiento-muerte.

Conclusiones:

La red neuronal de conjunto es una alternativa prometedora, más rápida y menos sesgada a MLE para estimar los parámetros de diversificación, especialmente cuando MLE no es factible.
El tamaño de la filogenia y la fuerza de las señales evolutivas son limitaciones clave para una estimación precisa de los parámetros.
El método muestra un buen rendimiento cuando hay una señal filogenética suficiente.