深度学习颠覆病毒溯源！极速工具 PhyloDeep 实现疫情动力学秒级测算

系统发育动力学依托病毒基因重建传播链条，是疫情溯源、防控研判的核心技术。但传统 BEAST2 等贝叶斯工具存在致命短板：面对潜伏期、超传播等复杂流行模型时数值计算极易不收敛，单棵进化树分析耗时长达数小时乃至数十小时，无法满足新发疫情实时研判需求。法国巴斯德研究所团队研发无似然深度学习工具 PhyloDeep，通过预训练神经网络完成进化树分析，将测算速度提升千倍，相关成果发表于《Nature Communications》。

传统主流推断方法依靠求解流行病常微分方程获取似然值，模型复杂度提升后计算稳定性大幅下降。近似贝叶斯计算虽避开似然求解，却必须人工设计大量树特征，更换流行病模型就要重新构建指标，通用性很差。Phylo 另辟蹊径，采用仿真预训练的无似然框架，无需迭代求解复杂方程，从根源解决算力瓶颈。

研究设计两套进化树编码与配套神经网络，适配不同研究场景。第一种 FFNN-SS 依托 98 项树汇总统计量构建前馈网络，训练资源需求更低；第二种 CNN-CBLV 创新无损阶梯向量编码，完整保留进化树拓扑、枝长全部信息，搭配卷积网络自动挖掘进化特征，面对全新流行病模型无需人工设计指标，泛化能力更强。两套网络分别负责流行病参数回归、传播模型分类两大核心任务。

研究基于 BD、含潜伏期 BDEI、超传播 BDSS 三类经典出生 - 死亡模型，生成数百万仿真进化数据集完成模型训练。针对上万条序列的超大进化树，团队设计子拆分算法，拆解后独立预测再加权整合；同时统一标准化枝长，消除不同病毒时间尺度差异，一套模型可适配 HIV、流感、埃博拉等多种病原体。

仿真对照实验显示，PhyloDeep 精度对标甚至优于 BEAST2。简单 BD 模型下两者误差接近；对于传统工具极易发散的 BDEI、BDSS 模型，深度学习误差显著更低，模型筛选准确率超 90%。速度优势尤为突出：BEAST 分析单树需数小时，PhyloDeep 完成编码与预测仅 0.2 秒，万级序列大树整体分析仅一分钟。FFNN 训练成本更低，CBLV 则更适配新型未知流行模型，二者可按需选用。

为验证现实应用能力，团队使用苏黎世男男性传播 HIV 真实数据集开展实测。该人群存在显著超传播特征，PhyloDeep 准确判定最优模型为 BDSS，测算基本再生数 R₀约 1.6，超传播者传播力是普通感染者 9 倍，群体占比 7% 左右，感染周期与既往流行病学调查高度吻合。更换不同采样概率重复测试，参数估算波动极小，稳健性突出，同时规避了 BEAST 高估超传播相关参数的问题。

PhyloDeep 已完整开源，支持命令行、Python 包、Docker 多种使用方式，输入带时间标记的进化树与采样概率，即可输出模型概率、参数预测值及 95% 置信区间，配套 PCA 可视化辅助校验结果，操作门槛低。该工具解决海量病毒测序数据的实时分析难题，能快速评估传播强度、定位高风险传播群体，适用于常态化基因组疫情监测。

该方法仍存在一定局限：预测精度高度依赖训练仿真覆盖的参数区间，极端流行场景易出现偏差；卷积网络前期训练需要大量仿真数据与 GPU 算力。后续研究计划融合两种编码方案，拓展结构化溯祖、多宿主传播等复杂模型，优化置信区间估算方式，进一步将技术拓展至物种宏观演化、群体基因组等领域，为进化与传染病交叉研究提供轻量化高速计算新方案。

参考文献：

[1] Voznica J, Zhukova A, Boskova V, Saulnier E, Lemoine F, Moslonka-Lefebvre M, Gascuel O. Deep learning from phylogenies to uncover the epidemiological dynamics of outbreaks. Nat Commun. 2022 Jul 6;13(1):3896. doi: 10.1038/s41467-022-31511-0.