研究人员开发了一种图神经网络（GNN）来近似系统发育树之间的子树剪切和嫁接（SPR）距离。该方法旨在在训练后提供近乎恒定的计算时间，以解决大型数据集中精确SPR距离计算的NP-hard性质。该研究发布了一个包含864棵系统发育树的数据集，并验证了一种与精确SPR距离高度相关的启发式方法，在分布内数据上实现了约87-90%的方差解释率。 AI
影响 这项研究可以实现对大规模系统发育数据的更快分析，从而可能加速流行病动力学等领域的研究。
排序理由 这是一篇研究论文，详细介绍了一种使用机器学习近似复杂生物计算的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
