本文介绍了一系列基于图神经网络和深度学习的系统发育推断方法，包括可学习拓扑特征、最大似然推断优化和树木生长建模。这些方法在处理复杂生物数据和推断系统发育关系方面表现出色，展示了其在生物信息学中的应用潜力和效率。

本文介绍了一种基于DCHSBM的高可扩展性聚类方法，通过最大似然推断实现超图聚类，能恢复具有高阶结构的真实聚类。