ScholarGate
Assistente
Process / pipelineBioinformatics / omics

Análise Filogenética Assistida por Aprendizado de Máquina

A análise filogenética assistida por aprendizado de máquina integra modelos de aprendizado supervisionado, não supervisionado ou profundo no fluxo de trabalho de inferência de árvores evolutivas para melhorar a velocidade, precisão ou escalabilidade além do que os métodos clássicos de máxima verossimilhança e bayesianos alcançam sozinhos. As aplicações variam desde a seleção de modelos de substituição e predição de topologia de árvore até a colocação de novas sequências em árvores de referência existentes e a detecção de eventos de recombinação ou transferência horizontal de genes.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

The neighbourhood of related methods — select a node to explore.

Análise Filogenética Assistida por Aprendizado de Máquina
Estudo de Associação Gen…

Fontes

  1. Nesterenko, L., et al. (2024). Machine learning methods in phylogenetics: A review of applications and perspectives. Briefings in Bioinformatics, 25(1), bbad441. link
  2. Suvorov, A., Hochuli, J., & Schrider, D. R. (2020). Accurate inference of tree topologies from multiple sequence alignments using deep learning. Systematic Biology, 69(2), 221–233. link

Como citar esta página

ScholarGate. (2026, June 3). Machine Learning-Assisted Phylogenetic Analysis. ScholarGate. https://scholargate.app/pt/bioinformatics/machine-learning-assisted-phylogenetic-analysis

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateMachine learning-assisted phylogenetic analysis (Machine Learning-Assisted Phylogenetic Analysis). Recuperado em 2026-06-15 de https://scholargate.app/pt/bioinformatics/machine-learning-assisted-phylogenetic-analysis · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026