تعلم تضمين الهيبروليك لوضع شجرة النشوء والتطور وتحديثاتها

يهدف وضع النشوء والتطور، الذي يُستخدم على نطاق واسع في التحليلات البيئية، إلى إضافة نوع جديد إلى شجرة موجودة. تم اقتراح نهج التعلم العميق سابقًا لتقدير المسافة بين الاستعلام والأنواع الأساسية من خلال بناء خريطة من تسلسل الجينات إلى فضاء عالي الأبعاد يحافظ على مسافات شجرة الأنواع. ثم يستخدمون طريقة وضع تعتمد على المسافة لوضع الاستعلامات على تلك الشجرة. في هذه الورقة، نفحص الهندسة المناسبة لتمثيل مسافات الشجرة بأمانة أثناء تضمين تسلسلات الجينات. تتنبأ النظرية بأن الفضاءات الهيبروليك يجب أن توفر تقليصًا كبيرًا في تشويه المسافة مقارنةً بالفضاء الإقليدي التقليدي. ومع ذلك، تفرض تضمينات الهيبروليك تحديات فريدة خاصة بها تتعلق بالعمليات الحسابية، والنماذج النامية بسرعة، والدقة المحدودة للبتات، ونعالج هذه التحديات. تؤكد نتائجنا أن تضمينات الهيبروليك لها أخطاء مسافة أقل بشكل ملحوظ مقارنةً بالفضاء الإقليدي. ومع ذلك، فإن هذه المسافات المقدرة بشكل أفضل لا تؤدي دائمًا إلى وضع أفضل للنشوء والتطور. ثم نظهر أن إطار التعلم العميق يمكن استخدامه ليس فقط لوضع الأنواع على شجرة أساسية ولكن أيضًا لتحديثها للحصول على شجرة مثبتة بالكامل. مع إطار عمل تضمين الهيبروليك لدينا، يمكن تحديث أشجار الأنواع بدقة ملحوظة باستخدام فقط عدد قليل من الجينات.