提速百倍！Transformer 深度学习革新系统发育树构建，复杂进化模型分析不再卡顿

分子系统发育是解析病毒溯源、物种演化、蛋白功能约束的核心手段，当前主流最大似然、贝叶斯推演工具虽精度可靠，但海量拓扑空间遍历、反复似然计算带来极高算力消耗，难以适配包含位点互作、多选择压力的复杂进化模型。法国科研团队依托无似然推断与几何深度学习技术，开发全新工具 Phyloformer，以轴向注意力 Transformer 架构预测序列进化距离，结合 FastME 快速建树，在模拟与实测数据集实现速度、精度双重突破，相关成果发表于《Molecular Biology and Evolution》。

一、传统建树工具的核心痛点

目前进化分析分为三类主流算法。距离法运算速度快，但仅单独计算两两序列差异，丢失多序列全局信息，重建误差偏高；最大似然工具综合全局信息、拓扑还原更准，但每一轮树优化都要执行昂贵的剪枝算法，计算量随序列数量指数上升；贝叶斯方法精度最优，海量马尔可夫采样进一步拉长分析周期。更关键的局限在于算力约束：包含氨基酸位点协同进化、多梯度选择压力的写实进化模型，似然计算复杂度会呈几何暴涨，现有软件几乎无法落地。大量研究只能被迫采用简化进化假设，极易产生拓扑偏差、进化距离失真等重建假象，长期制约演化机制深度挖掘。

二、Phyloformer 核心架构：轴向注意力实现全局信息提取

Phyloformer依托仿真预训练+Transformer端到端预测思路，彻底规避重复似然运算。研究人员先基于分化、选择模型批量模拟多序列比对与对应进化树，构建海量训练数据集；网络输入经过独热编码后，通过六层轴向自注意力模块交替挖掘位点间、序列配对间关联，完整吸收整条比对的全局演化特征。不同于过往仅适用于四序列四分树的深度学习方案，该架构具备排列等变性，不受序列条数、比对长度限制。模型输出全部序列两两进化距离矩阵，直接接入 FastME 完成系统发育树重构，一次训练即可反复用于上万组比对，属于摊销式无似然推演，无需每次分析重新仿真，整套代码、预训练模型与配套数据集均已开源上传至 GitHub，方便全球科研人员下载复用。

图一：Phyloformer工作流程。（引自参考文献）

三、多维度实测：GPU加速大幅提速，复杂进化场景优势显著

研究从模拟数据、真实基因数据集两大维度开展对照试验，采用 KF（兼顾拓扑与枝长）、标准化 RF 误差、运行时长三类核心指标，全面对比 Phyloformer、IQTree、FastTree、FastME 四款工具的表现。在通用 LG+GC 标准蛋白进化模型测试中，搭载GPU的Phyloformer推理速度优势突出，最高可比IQTree快135倍，运算效率远超主流最大似然软件；综合 KF 精度可与 ML 方法持平，仅单独评判拓扑准确度时略有差距，且序列数量越多，拓扑重建误差会轻微上升。面对更贴合生物真实演化的 Cherry 位点互作模型、SelReg 多选择压力模型，传统建树软件因似然计算成本过高，只能套用简化假设，最终重建结果偏差极大；而 Phyloformer 可通过针对性微调适配复杂进化规则，在序列数少于 80 条的比对数据上，各项指标全面超越所有对比工具。

四、现存局限与未来优化拓展方向

该工具仍存在两处明显短板：其一内存占用随序列数量二次增长，32G 显卡最多处理 180 条序列；其二序列量越大，拓扑重建精度相比 ML 工具衰减越明显。针对上述短板，研究团队规划了清晰的迭代升级路线。开发轻量化线性注意力版本降低显存消耗；新增拓扑损失函数直接优化树结构、削弱距离矩阵依赖；拓展核酸序列、无对齐原始序列分析能力；同时训练配套模型筛选最优进化预设，打造完整自动化进化分析流水线，有望广泛应用于病毒溯源、物种分化、蛋白共进化等研究场景。

参考文献：

[1] Nesterenko, L., Blassel, L., Veber, P., Boussau, B., & Jacob, L. (2025). Phyloformer: Fast, Accurate, and Versatile Phylogenetic Reconstruction with Deep Neural Networks. Molecular biology and evolution, 42(4), msaf051. https://doi.org/10.1093/molbev/msaf051