論文の概要: Tree-Conditioned Edit Flows for Ancestral Sequence Reconstruction

• arxiv url: http://arxiv.org/abs/2605.04119v1
• Date: Tue, 05 May 2026 13:04:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.451249
• Title: Tree-Conditioned Edit Flows for Ancestral Sequence Reconstruction
• Title（参考訳）: 列列復元のための木構造編集フロー
• Authors: Emil Sharafutdinov, Ingemar André,
• Abstract要約: アセストラル配列の再構成は、絶滅したタンパク質配列を系統樹の内部ノードで推測することを目的としている。 可変長ASRのためのツリー条件付き編集フローモデルを提案する。 挿入や削除が豊富である自然配列のベンチマークでは、このモデルは進化的変化を最も正確に局所化している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ancestral sequence reconstruction (ASR) aims to infer extinct protein sequences at internal nodes of a phylogenetic tree. Classical ASR methods are typically based on continuous-time Markov substitution models, but they treat sites largely independently and handle insertions and deletions only weakly or not at all. We introduce a tree-conditioned edit-flow model for variable-length ASR. Given two descendant sequences and their branch distances to a shared ancestor, the model reconstructs the ancestor through paired bidirectional edit trajectories constrained to agree on a common ancestral state. On a benchmark of experimentally evolved sequences with only context-independent substitutions, the model does not match the accuracy of the best classical method, yet still achieves reasonable performance despite being trained on natural sequences that include insertions, deletions, and substitutions. On a benchmark of natural homologous sequences with abundant insertions and deletions, the model most accurately localizes inferred evolutionary change.
• Abstract（参考訳）: アセストラル配列再構成(ASR)は、絶滅したタンパク質配列を系統樹の内部ノードに推論することを目的としている。 古典的ASR法は典型的には連続時間マルコフ置換モデルに基づくが、それらはサイトを主に独立に扱い、挿入や削除を弱々しくまたは全く扱わないだけに処理する。 可変長ASRのためのツリー条件付き編集フローモデルを提案する。 2つの子孫列とその分枝距離が共有祖先に与えられると、このモデルは共通の祖先状態に一致するよう制約されたペア化された双方向の編集軌跡を通して祖先を再構築する。 文脈に依存しない置換のみを含む実験的に進化したシーケンスのベンチマークでは、このモデルは最高の古典的手法の精度に合わないが、挿入、削除、置換を含む自然なシーケンスで訓練されているにもかかわらず、妥当なパフォーマンスを達成する。 挿入や削除が豊富である自然相同配列のベンチマークでは、モデルは推論された進化的変化を最も正確に局所化する。

関連論文リスト

• Conditionally Site-Independent Neural Evolution of Antibody Sequences [5.267260830624825]
  我々は、ディープニューラルネットワークによってパラメータ化された連続時間マルコフ連鎖であるCoSiNEを紹介する。 我々は,CoSiNEが抽出可能な逐次点突然変異過程に一階近似を与えることを証明した。 実証的には、CoSiNEはゼロショット変量効果予測において最先端の言語モデルより優れている。
  論文  参考訳（メタデータ） (2026-02-21T23:23:30Z)
• PRISM: Parallel Residual Iterative Sequence Model [52.26239951489612]
  我々はこの緊張を解決するためにPRISM(Parallel Residual Iterative Sequence Model)を提案する。 PRISMは、パラレル化可能な形で多段階精製の重要な構造特性を捉える、ソルバに着想を得た帰納バイアスを導入している。 この定式化が Rank-$L$ の蓄積を達成することを証明し、更新多様体を単一ステップの Rank-$1$ ボトルネックを超えて構造的に拡張する。
  論文  参考訳（メタデータ） (2026-02-11T12:39:41Z)
• Spanning Tree Autoregressive Visual Generation [51.7635842702602]
  本稿では,Spanning Tree Autoregressive (STAR) モデリングについて述べる。
  論文  参考訳（メタデータ） (2025-11-21T09:45:17Z)
• Approximate learning of parsimonious Bayesian context trees [0.0]
  提案するフレームワークは、合成および実世界のデータ例に基づいてテストされる。 これは、実際のタンパク質配列やハニーポットコンピュータターミナルセッションに適合すると、既存のシーケンスモデルより優れている。
  論文  参考訳（メタデータ） (2024-07-27T11:50:40Z)
• Semantic Self-adaptation: Enhancing Generalization with a Single Sample [45.111358665370524]
  セマンティックセグメンテーションのための自己適応型アプローチを提案する。 整合正則化を用いて畳み込み層のパラメータを入力画像に微調整する。 実験により, 自己適応は訓練時のモデル正規化の確立した実践を補完する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-08-10T12:29:01Z)
• EvoVGM: A Deep Variational Generative Model for Evolutionary Parameter Estimation [0.0]
  本研究では,局所生物学的進化パラメータの真後部を共同で近似した深部変分ベイズ生成モデルを提案する。 本研究では,いくつかの進化シナリオと実際のウイルス配列アライメントをシミュレートした合成配列アライメントにおける手法の一貫性と有効性を示す。
  論文  参考訳（メタデータ） (2022-05-25T20:08:10Z)
• Posterior Differential Regularization with f-divergence for Improving Model Robustness [95.05725916287376]
  クリーン入力とノイズ入力のモデル後部差を規則化する手法に着目する。 後微分正則化を$f$-divergencesの族に一般化する。 実験の結果, 後方微分を$f$-divergenceで正規化することで, モデルロバスト性の向上が期待できることがわかった。
  論文  参考訳（メタデータ） (2020-10-23T19:58:01Z)
• Conditional Hybrid GAN for Sequence Generation [56.67961004064029]
  本稿では,この問題を解決するための条件付きハイブリッドGAN(C-Hybrid-GAN)を提案する。 我々はGumbel-Softmax法を利用して離散値列の分布を近似する。 提案したC-Hybrid-GANは、文脈条件付き離散値シーケンス生成において既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-09-18T03:52:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。