Результаты расчетов. 
Нейросетевая модель появления и пропадания генов в ходе эволюции

Предложенный алгоритм определения весов пропадания генов в дереве эволюции был проверен с помощью имитационной модели. В модели имитировался процесс появления и пропадания генов с заданными вероятностями на каждой ветви. По результатам анализа полученных частот встречаемости паттернов эти вероятности восстанавливались нейросетевым алгоритмом обучения и по ним, в свою очередь рассчитывались вероятности паттернов. Можно видеть, что предсказанная с помощью нейросетевой модели частота появления паттернов стремится к истинной, что иллюстрирует рисунок 3, на котором изображены вероятности появления 20 наиболее часто встречающихся паттернов, полученные в ходе моделирования и рассчитанные с помощью нейросетевой модели.

Рис. 3. Истинные и полученные с помощью нейросетевой модели частоты появления паттернов

Таким образом, предложенная нейросетевая архитектура может быть успешно применена для восстановления исходных вероятностей пропадания генов в случаях, когда все эволюционные события сводятся к точечным мутациям, состоящим в исчезновении какого-либо гена.

Разработанный метод был применен к реальным наборам генов существующих организмов. Рассмотрены наиболее хорошо представленный геномами класс бактерий — gamma-proteobacteria. а также царство Archaea. Результаты расчетов представлены на рис. 4.

а) б) Рис. 4. Истинные частоты и восстановленные с помощью нейронной частоты появления паттернов для а) gamma-proteobacteria и б) Archaea

Проведенные исследования показали, что нейронные сети с адекватной архитектурой являются удачной альтернативой традиционным методам оценки филогенетических взаимосвязей в полных геномах.

Автор выражает свою признательность Татузову Р. Л. из Национального центра биотехнологической информации США (NCBI/NIH) за предоставление данных по геномам и КОГ кластерам, а также за ценные замечания и продуктивное обсуждение биологических аспектов проводимых исследований.