論文の概要: Graph construction in QUBO-based recursive phylogenetic tree reconstruction

• arxiv url: http://arxiv.org/abs/2609.16640v2
• Date: Wed, 23 Sep 2026 01:44:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.632956
• Title: Graph construction in QUBO-based recursive phylogenetic tree reconstruction
• Title（参考訳）: QUBOを用いた再帰的系統樹再構築におけるグラフ構築
• Abstract要約: 系統再建のための正規化カット(Ncut)フレームワークにおけるシーケンス・トゥ・アフィニティ表現の評価を行った。 アフィニティ表現は、特にヌクレオチドデータにおいて、内部分裂回復に大きく影響した。 ポストスワップの改良は概して回復を改善したが、個別の再建では一貫しては行われなかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Molecular sequence data are used to reconstruct evolutionary relationships among taxa, but reconstruction accuracy depends not only on the tree-building method but also on how pairwise sequence relationships are represented. We evaluated sequence-to-affinity representations in a recursive normalized-cut (Ncut) framework whose graph-partitioning subproblems were formulated as quadratic unconstrained binary optimization (QUBO) models and solved using Simulated Bifurcation. Using simulated amino-acid and nucleotide datasets spanning multiple tree-generation settings and evolutionary divergence, we compared normalized bit-score affinities with representations derived from transformed sequence similarities and evolutionary distances, examined post-swap refinement, and used neighbor joining (NJ) as a distance-based comparator. Affinity representation substantially affected internal split recovery, particularly for nucleotide data. JC69-based local affinities maintained comparatively high accuracy as divergence increased, whereas normalized bit-score and BLAST-derived kernel representations declined more markedly. Post-swap refinement generally improved recovery, but not consistently across individual reconstructions. NJ achieved higher mean split recovery than corresponding recursive Ncut reconstructions for WAG and JC69 distances across all evaluated conditions, whereas recursive Ncut outperformed NJ for BLAST-derived logarithmic distances under some conditions. These results show that graph construction is an important determinant of recursive Ncut-based phylogenetic reconstruction. A representation that performs well within Ncut does not necessarily provide the most accurate use of the underlying pairwise distances. Pairwise representation, affinity transformation, optimization, and recursive tree construction should therefore be evaluated jointly.
• Abstract（参考訳）: 分子配列データを用いて分類群間の進化的関係を再構築するが、再構成精度は木構築法だけでなく、どのようにペア配列関係が表現されるかにも依存する。 グラフ分割サブプロブレムを2次非制約バイナリ最適化(QUBO)モデルとして定式化し,シミュレート・バイファーケーション(Simulated Bifurcation)を用いて解いた再帰正規化カット(Ncut)フレームワークのシーケンス対アフィニティ表現を評価した。 複数の木の生成と進化の分岐にまたがるアミノ酸とヌクレオチドのシミュレートデータセットを用いて、正規化ビットスコア親和性と、変換配列の類似性や進化距離の表現を比較し、スワップ後の改良について検討し、隣接結合(NJ)を距離ベースコンパレータとして使用した。 アフィニティ表現は、特にヌクレオチドデータにおいて、内部分裂回復に大きく影響した。 JC69ベースの局所親和性は、分岐が増加するにつれて比較的高い精度を維持し、一方、正規化ビットスコアとBLAST由来のカーネル表現はより顕著に減少した。 ポストスワップの改良は概して回復を改善したが、個別の再建では一貫しては行われなかった。 NJは, BLAST由来の対数距離において, WAGおよびJC69距離に対する再帰的Ncut再構成よりも高い平均分割回復を達成した。 これらの結果から,グラフ構築は再帰的Ncutに基づく系統的再構成の重要な決定要因であることが示唆された。 Ncut内でうまく機能する表現は、基礎となるペア距離の最も正確な利用を提供するとは限らない。 したがって、ペアワイズ表現、親和性変換、最適化、再帰木構築を共同で評価する必要がある。

関連論文リスト

• Tree-Conditioned Edit Flows for Ancestral Sequence Reconstruction [0.0]
  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。
  論文  参考訳（メタデータ） (2026-05-05T13:04:45Z)
• Wave-Attractor-Tree: A Hierarchical Binary Tree Reduction Architecture for Efficient Sequence Modeling [0.0]
  作業は階層的なバイナリツリーベースのリダクションを導入し、通常の自己アテンションを置き換える。 このモデルは、コンバージェンス速度と長距離構造上の依存関係の精度の両方において、標準トランスフォーマーを著しく上回っている。
  論文  参考訳（メタデータ） (2026-02-28T21:17:27Z)
• 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)
• Hinge Regression Tree: A Newton Method for Oblique Regression Tree Splitting [18.562483381753804]
  2つの線形予測器上での非線形最小二乗問題として分割するHynge Regression Tree(HRT)を提案する。 このノードレベルの最適化を解析し、バックトラックライン探索の変種について、局所的な目的が単調に減少し収束することを証明する。 合成および実世界のベンチマークで、HRTはよりコンパクトな構造を持つ単木ベースラインにマッチするか、より優れることを示す。
  論文  参考訳（メタデータ） (2026-02-05T06:49:01Z)
• RS-ORT: A Reduced-Space Branch-and-Bound Algorithm for Optimal Regression Trees [2.612627266839037]
  MIP(Mixed-integer Programming)は最適な決定木を学習するための強力なフレームワークとして登場した。 連続的な特徴を内在的にバイナライズすることは、グローバルな最適性を犠牲にし、しばしば不必要に深い木を産み出す。 最適回帰木学習を2段階最適化問題として再放送し、RS-ORT(Reduceed-Space Optimal Regression Trees)を提案する。 RS-ORTは木構造変数のみに枝分かれする特殊分岐結合(BB)アルゴリズムである。
  論文  参考訳（メタデータ） (2025-10-27T22:17:09Z)
• ReDiSC: A Reparameterized Masked Diffusion Model for Scalable Node Classification with Structured Predictions [64.17845687013434]
  本稿では,構造化ノード分類のための構造拡散モデルであるReDiSCを提案する。 本稿では,ReDiSCが最先端のGNN,ラベル伝搬,拡散ベースラインと比較して,優れた,あるいは高い競争力を発揮することを示す。 特にReDiSCは、従来の構造化拡散法が計算制約によって失敗する大規模データセットに効果的にスケールする。
  論文  参考訳（メタデータ） (2025-07-19T04:46:53Z)
• Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
  本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。 最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2023-10-20T12:45:12Z)
• PR-RRN: Pairwise-Regularized Residual-Recursive Networks for Non-rigid Structure-from-Motion [58.75694870260649]
  PR-RRNは、非剛性構造移動のための新しいニューラルネットワークベースの手法である。 再建をさらに規則化するための2つの新しいペアワイズ正規化を提案する。 提案手法は,CMU MOCAPとPASCAL3D+データセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-08-17T08:39:02Z)
• Robustifying Algorithms of Learning Latent Trees with Vector Variables [92.18777020401484]
  Recursive Grouping (RG) と Chow-Liu Recursive Grouping (CLRG) のサンプル複雑性について述べる。 RG,CLRG,Neighbor Joining (NJ) およびSpectral NJ (SNJ) をトラッピングした内積を用いて強化する。 我々は、潜在木の構造学習において、最初の既知のインスタンス依存の不合理性の結果を導出する。
  論文  参考訳（メタデータ） (2021-06-02T01:37:52Z)
• Spectral Top-Down Recovery of Latent Tree Models [13.681975313065477]
  スペクトルトップダウン・リカバリ (STDR) は、大きな潜在木モデルを推定するための分割・コンカレントアプローチである。 STDRの分割ステップは非ランダムです。 代わりに、観測されたノードに関連する適切なラプラシア行列のFiedlerベクトルに基づいている。 私達はSTDRが統計的に一貫性があることを証明し、高い確率で木を正確に回復するために必要なサンプルの数を縛ります。
  論文  参考訳（メタデータ） (2021-02-26T02:47:42Z)
• Convolutional Ordinal Regression Forest for Image Ordinal Estimation [52.67784321853814]
  我々は、画像の順序性評価のために、コンボリューショナル・オーディショナル・レグレッション・フォレスト(CORF)と呼ばれる新しいオーディショナル・レグレッション・アプローチを提案する。 提案したCORFは、順序回帰と微分可能な決定木を畳み込みニューラルネットワークと統合し、正確なグローバル順序関係と安定なグローバル順序関係を得る。 提案手法の有効性は,2つの画像順序推定課題において検証され,最先端の順序回帰法に対する大幅な改善と安定性が示された。
  論文  参考訳（メタデータ） (2020-08-07T10:41:17Z)

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。