Asymptotic Guarantees for Bayesian Phylogenetic Tree Reconstruction
贝叶斯系统发育树重建的渐近保证AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论 DNA 共同祖先与系统发育树重建，没有所列经济或金融细分方向的直接依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
贝叶斯系统发育树重建的渐近保证
- 研究问题
- 如何为贝叶斯系统发育树重建建立可核查的一致性标准，同时避免对分支长度施加离散化或有界性假设？
- 方法与思路
- 作者推导贝叶斯树重建的一致性判据，并在有根超度量树的 Kingman 合并先验与无约束二叉树独立先验中展示应用。
- 材料陈述的贡献
- 摘要称，结果覆盖多种常用贝叶斯算法且可用于非二叉树；两个例子的收敛率与更强假设下的频率学结果相差对数因子。
- 阅读关注点
- 应核对序列生成模型、先验支持和一致性的具体对象，以及分支长度无界时的证明条件和收敛率比较基准。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；一致性判据和速率条件未说明，也不能据此认定软件计算收敛或推断刊本变化。
原文摘要
We derive tractable criteria for the consistency of Bayesian tree reconstruction procedures, which constitute a central class of algorithms for inferring common ancestry among DNA sequence samples in phylogenetics. Our results encompass several Bayesian algorithms in widespread use, such as BEAST, MrBayes, and RevBayes. Unlike essentially all existing asymptotic guarantees for tree reconstruction, we require no discretization or boundedness assumptions on branch lengths. Our results are also very flexible, and easy to adapt to variations of the underlying inference problem. We demonstrate the practicality of our criteria on two examples: a Kingman coalescent prior on rooted, ultrametric trees, and an independence prior on unconstrained binary trees, though we emphasize that our result also applies to non-binary tree models. In both cases, the convergence rate we obtain matches known, frequentist results obtained using stronger boundedness assumptions, up to logarithmic factors.