基于PyTorch的torchtree框架：突破系统发育模型计算瓶颈的变分贝叶斯新方法

本研究针对贝叶斯系统发育分析中马尔可夫链蒙特卡洛(MCMC)算法计算效率低下的问题，开发了基于PyTorch的torchtree框架。该研究通过变分贝叶斯(VI)和自动微分技术，实现了对固定拓扑系统发育模型的高效推断，创新性地提出前向KL散度优化准则以处理非连续模型，并在HCV和SARS-CoV-2数据集验证中取得与BEAST相当的精度。这项工作为大规模系统发育分析提供了兼具速度与灵活性的新工具。

　　

系统发育分析是理解物种进化关系的重要工具，但传统贝叶斯方法依赖的马尔可夫链蒙特卡洛(MCMC)算法面临计算效率瓶颈。随着基因组数据爆发式增长，这种限制愈发突出——研究人员不得不在计算成本与模型复杂性之间艰难权衡。虽然最大似然法等非贝叶斯方法能处理更大数据集，但它们难以支持复杂模型推断，且置信区间估计存在挑战。这一困境催生了变分贝叶斯(VI)等替代方案的研究，但现有工具如phylostan在扩展性和计算速度上仍有局限。

澳大利亚科技大学等机构的研究团队在《Systematic Biology》发表的研究中，开发了名为torchtree的新型Python框架。该框架巧妙结合PyTorch的自动微分与定制化梯度计算插件，首次实现了系统发育模型中计算密集型部分(如树似然)与简单先验分布的分层梯度优化。研究团队还创新性地提出"skyglide"连续分段线性种群模型，解决了传统分段恒定(skygrid)模型在梯度优化中的不连续性问题。通过HCV和SARS-CoV-2病毒数据的实证分析，证明该框架在保持推断精度的同时，计算效率显著提升。

关键技术方法包括：1) 基于PyTorch构建的自动微分系统发育框架；2) 支持解析梯度计算的bito插件接口；3) 前向KL散度(KL(p||q))与证据下界(ELBO)双目标优化系统；4) 用于非连续模型处理的skyglide人口统计模型；5) 包含63例HCV和583例SARS-CoV-2序列的验证数据集。

【有效种群规模估计验证】
通过HCV数据集分析发现，基于ELBO的变分推断在分段恒定(skygrid)模型中会出现根节点高度和Gamma位点模型形状参数的估计偏差，而连续的分段线性(skyglide)模型表现稳健。前向KL散度优化则对两类模型均能获得准确近似，证实梯度计算是影响不连续模型性能的关键因素。

【SARS-CoV-2进化偏倚分析】
在SARS-CoV-2数据集中，torchtree成功复现了Magee等报道的C→T替换率显著升高的非可逆进化模式。通过随机效应HKY模型(HKY-RE)获得的贝叶斯因子显示，C→T和G→T替换的非可逆性支持强度与BEAST分析结果高度一致，验证了框架处理复杂替代模型的能力。

【计算效率比较】
研究发现前向KL散度优化的单次迭代速度比ELBO快3倍，但后者收敛更快。令人意外的是，两种方法都倾向于低估后验方差，这与高维设置下梯度估计的理论局限相符。相比MCMC，变分推断虽未展现出预期的速度优势，但通过分层梯度计算策略，其树似然相关参数的计算效率获得显著提升。

这项研究的意义在于：首先，torchtree框架通过模块化设计实现了系统发育模型开发"鱼与熊掌兼得"——既保留自动微分带来的扩展便利，又通过定制插件维持关键环节的计算效率；其次，提出的skyglide模型解决了传统人口统计模型在梯度优化中的适用性问题；最后，对前向KL散度的探索为处理非连续、不可微模型提供了新思路。尽管当前框架尚限于固定拓扑分析，但其技术路线为未来整合拓扑空间探索奠定了基础，有望推动贝叶斯系统发育分析进入大规模基因组时代。研究团队特别指出，该框架的Python实现将深度学习领域丰富的模型架构快速引入系统发育研究，这种跨学科融合可能催生更多方法学突破。