Lossless Reductions and Hybrid Sampling for Phylogeny Using the Maximum Compatibility Criterion
本文通过引入无损图约简和混合量子-经典采样技术，以高效枚举所有最优特征集，增强了最大相容性系统发育重建，在证明其对 SARS-CoV-2 数据有效性的同时，解决了传统拉格朗日乘数法在噪声量子设备上的局限性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
地球上的生命是一个写在每一个生物遗传密码中的故事，是一部关于种群如何在数百万年间分裂、迁徙和演变的史诗。为了解读这段历史，科学家们构建了被称为“系统发育树”的家族树，用以描绘不同生物之间的亲缘关系。这些树不仅仅是学术上的好奇心；它们帮助研究人员理解癌症如何在单一体内进化，如何设计针对特定病原体的药物，以及如何追踪像 SARS-CoV-2 这样新型病毒变异株的传播。然而，重建这些树是非常困难的，因为我们拥有的只是现今生物的遗传快照，而非完整的过去记录。科学家必须从现有数据中推断出最可能的进化路径，寻找暗示性状如何传承或变化的模式。
实现这一目标的一种有力方法是寻找最大的一组能在单棵树上完美契合且不产生矛盾的遗传性状。想象一个拼图，其中大部分碎片都能轻松拼合，但有少部分碎片是变形的，或者由于趋同进化（即无关物种独立演化出相似特征）而改变了形状。目标是找到最大的那组能构成连贯图像的碎片，并忽略那些破坏模式的碎片。这被称为“最大兼容性问题”。虽然仅仅找到一个好的解法已经很难，但要找到每一个可能的最佳解法则更加困难，然而这对于构建完整且准确的家族树至关重要。如果科学家只找到一个解法，他们可能会错过数据所支持的其他重要替代历史。
一个研究小组开发出一种新方法来解决这个复杂的拼图，通过结合经典的计算机技术与新兴的量子方法，不仅能找到一个，而且能找到所有可能的最佳进化树。他们的工作专注于过程中的一个特定步骤：计算机必须在数百万种可能性中筛选出最大的兼容性特征组。研究人员发现，虽然传统方法擅长寻找单一答案，但往往难以捕捉到具有同等质量的解法的多样性。为了解决这个问题，他们引入了一个两步走的策略：首先，他们创建了一套规则，将庞大的拼图缩小到可控的大小而不丢失任何可能的答案；其次，他们测试了一种使用量子计算机进行采样的全新方式，将量子机器视为一种生成多样化候选方案的工具，而非一个“魔法求解器”，这些候选方案随后可以由经典计算机进行清理和验证。
研究人员首先检查了来自数十万个 SARS-CoV-2 病毒序列的数据，这个数据集足以测试当前技术的极限。他们发现，使用量子计算机解决此问题的标准方式并非最优。通常，量子算法会被调优以严格执行规则，确保每个候选方案都完美符合拼图法则。然而，该团队发现，在充满噪声的现实世界量子设备上，这种严苛性反而成了一种阻碍。相反，他们发现，允许量子计算机产生一些可能违反少量规则的“混乱”候选方案，然后使用快速的经典计算机程序进行修复，效果会更好。这个修复过程就像一位熟练的编辑将草稿润色成最终完美版本。通过让量子机器探索更广泛的可能性，然后再对结果进行清理，他们能够找到比试图从一开始就强求量子机器达到完美时更多的不同解法。
为了使这一过程在当前技术水平下保持高效，该团队还开发了一种在将问题发送给量子计算机之前对其进行压缩的方法。他们意识到，遗传数据中的许多部分是非常可预测的，因此可以在计算中完全移除它们，只要研究人员保留好如何重新组合它们的记录即可。这类似于在看到画布之前先拆掉画框，同时确切知道如何将其重新装回。通过应用这些无损缩减规则，他们可以将代表遗传数据的复杂图谱从数百个节点缩减到仅剩几个。在一次涉及 350 个病毒样本的具体测试案例中，他们的方法将一个拥有 64 个点的图简化为了一个仅有五个点的微小简单图。这意味着寻找答案的最后一步变得轻而易举，从而使他们能够确定无疑地恢复出整套最优进化树。
实验结果清楚地展示了寻找“一个答案”与寻找“所有答案”之间的区别。当他们使用标准经典工具寻找最佳解时，通常能成功找到一个顶尖结果。然而，当他们尝试寻找数据排列的所有不同方式时，同样的工具即使运行数千次，也经常会遗漏许多有效的解法。他们的混合方法——结合了图压缩技术与改进后的量子采样方法——在揭示这种隐藏的多样性方面表现得更为出色。在一个 64 个点的测试图中，他们改进后的量子方法找到的独特且经过验证的解法数量，在每一次试验中都高于随机猜测法。虽然这尚未证明量子计算机在处理此类任务时优于经典计算机，但它证明了智能数据缩减与量子采样相结合，是应对此前过于庞大或复杂问题的强大手段。
最终，这项工作为进化生物学指明了一条新的道路。通过将问题视为一个模块化系统——先简化数据，再进行采样，最后进行重建——科学家现在可以处理比以往大得多的数据集。研究人员展示了他们如何获取大规模的病毒序列，剥离掉可预测的部分，利用量子设备探索剩余的复杂核心，然后以完美的准确度重建全貌。这种方法并不依赖于量子计算机的完美或无错，而是将其作为产生多样化想法的来源，再由经典逻辑进行精炼。随着量子技术的不断进步，这种结合经典与量子计算优势的方法，将使科学家能够以一种此前无法企及的细节度和完整度，去重构生命的进化史。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。