QUANTA: A quantum annealing framework for species tree estimation using weighted quartet amalgamation
QUANTA 是一个新颖的量子退火框架，它将加权四分体划分（weighted quartet bipartitioning）建模为一个 QUBO 问题，以实现在真实量子硬件上的物种树估计，在保持对大型基因组数据集的可扩展性的同时，实现了最先进的准确率并较之经典方法实现了显著加速。
原始论文采用 CC BY 4.0 许可（https://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
地球上的生命是一棵庞大且分支繁多的家族树，将从微小的细菌到高大的红杉中的每一个物种都联系在一起。几十年来，科学家们一直试图通过阅读不同生物的遗传密码来重建这棵生命之树。然而，这项任务远非易事。当研究人员观察单个物种内单个基因的历史时，经常会发现这些基因讲述着相互矛盾的故事。一个基因可能表明两个物种是近亲，而另一个基因可能表明它们是远亲。这是因为复杂的生物过程（例如祖先遗传变异的随机分类）所导致的，这些过程创造了一个纠缠不清的进化历史网络，而非单一的直线。为了理清这一切，科学家必须从成千上万个这些相互冲突的基因历史中，拼凑出真实的物种树，这一挑战长期以来一直使传统计算机方法的极限承受着压力。
在最近的一项研究中，来自孟加拉国工程技术大学的研究人员采取了大胆的举措，转向量子计算来解决这个问题。他们开发了一种名为 QUANTA 的新方法，利用量子机器的独特属性，比以往任何时候都更高效地拼凑出物种树。QUANTA 不依赖于经典计算机的标准逐步逻辑，而是将问题视为一个巨大的拼图，其目标是找到与大多数遗传证据最吻合的物种排列方式。研究人员在广泛的模拟数据和真实的生物数据集（包括来自 48 种鸟类的海量遗传信息集合）上测试了这种方法。结果表明，QUANTA 能够重建这些进化树，其准确度可以媲美现有的最佳方法，但在处理大规模物种群体时，其速度却有了戏剧性的提升。
问题的核心在于科学家如何结合微小的进化证据。想象一下，如果你拿出一组四个物种，并询问哪两个亲缘关系最近；这个小分组被称为“四元组”（quartet）。通过分析来自数千个基因的数百万个此类四元组，研究人员可以构建出整个树的图景。传统的算法（例如被广泛使用的 wQFM）通过反复将物种列表拆分为两组，以观察哪种拆分方式最合理来进行工作。这种拆分过程在计算上是非常昂贵的，就像试图通过逐一测试所有可能的组合，来寻找将一大群人分成两支队伍的最佳方式。随着物种数量的增加，组合的数量会呈爆炸式增长，导致这些经典方法运行速度变得极其缓慢。
QUANSA 通过使用量子退火器改变了游戏规则，这是一种旨在寻找复杂系统最低能量状态的量子计算机。研究人员将拆分物种的问题转化成了这些机器能够理解的格式。与其顺序检查组合，不如让量子计算机同时探索许多种可能的拆分方式。它利用一种称为“量子隧穿”的原理，滑过那些经常困住经典计算机的局部死胡同，从而能更快地找到最优拆分。团队证明了他们的方法使用了表示这些拆分所需的绝对最小变量数，使其对于当前一代量子硬件而言尽可能高效。
研究人员在从 11 个物种到 200 个物种的大型数据集上对 QUANTA 进行了测试。在规模较小、标准计算机足以完美解决问题的测试中，QUANTA 的准确度与现有的最佳方法相匹配。当他们转向更大的数据集时，优势便显现了出来。在一个包含 200 个物种的数据集中，这种量子辅助方法解决困难拆分步骤的速度比传统方法快了约 4,100 倍。即使考虑到将数据发送到量子计算机并接收答案所需的时间，构建树的总时间也显著缩短了。对于一个包含 101 个物种的数据集，QUANTA 仅用 4.3 分钟就完成了分析，而传统方法则耗时超过 22 分钟。
该研究还将 QUANTA 应用于一个涉及 48 种鸟类和近 15,000 个基因的具有挑战性的现实世界数据集。这组鸟类以其混乱的进化历史而闻名，这使得确定它们的真实关系变得十分困难。QUANTA 不仅达到了领先方法的准确度，还重建了其他方法所遗漏的一个特定鸟类群体。它生成的树在与遗传数据的契合度得分上高于之前的最佳方法。这一成功表明，这种新方法可以处理现实生物数据的复杂性，即使在进化信号微弱且相互冲突的情况下也是如此。
虽然目前研究中使用的量子计算机仍处于早期、多噪声的发展阶段，但这些结果为进化生物学提供了一个窥见未来的窗口。研究人员强调，他们的方法并不受限于所使用的特定硬件；他们创建的数学框架将在未来更强大的量子机器可用时继续发挥作用。随着量子技术的成熟，这种方法将允许科学家分析规模更大的数据集，从而可能解开生命之树中长期存在的谜团。该研究为在系统发育基因组学中使用量子优化奠定了新的基础，表明下一代物种树估计将比仅靠经典计算机所能实现的既更快、更准确。
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。