Distance-based methods are commonly used to reconstruct phylogenies for various applications owing to their excellent speed, scalability and theoretical guarantees. However, classical de novo algorithms are hindered by cubic time and quadratic memory complexity, making them impractical for emerging datasets containing millions of sequences. Here we present DIPPER, a distance-based tool for phylogenetic reconstruction on graphics processing units (GPUs), designed to maintain high accuracy and a low memory footprint. DIPPER employs a divide-and-conquer strategy, a placement strategy and an on-the-fly distance calculator that improve runtime and memory complexity to O(N.log(N)) and O(N), respectively, with N taxa. DIPPER also maintains a low memory footprint on the GPU that is independent of the number of taxa. DIPPER outperforms existing methods in speed and memory efficiency on both simulated and real-world datasets, enabling the reconstruction of 10 million sequences in under 7 h on a single NVIDIA RTX A6000 GPU.
Walia, S., Chen, Z., Tseng, YH. et al. Ultrafast and ultralarge distance-based phylogenetics using DIPPER.
Nat Comput Sci (2026). https://doi.org/10.1038/s43588-026-01015-8
https://doi.org/10.1038/s43588-026-01015-8 bu içeriği 600 ile 800 kelime arasında olacak şekilde ve alt başlıklar ve madde içermiyecek şekilde ünlü bir science magazine için İngilizce olarak yeniden yaz. Teknik açıklamalar içersin ve Viral science news olacak şekilde İngilizce yaz. Haber dışında başka bir şey içermesin. Haber içerisinde 8 ile 10 paragraf olsun ve toplam uzunluk 600 ile 800 kelime arasında kalsın. Cevapta sadece haber olsun. Ayrıca haberi yazdıktan sonra içerikten yararlanarak aşağıdaki başlıkların bilgisi var ise haberin altında doldur. Eğer bilgi yoksa ilgili kısmı yazma.:
Subject of Research:
Article Title:
Article References:
Walia, S., Chen, Z., Tseng, YH. et al. Ultrafast and ultralarge distance-based phylogenetics using DIPPER.
Nat Comput Sci (2026). https://doi.org/10.1038/s43588-026-01015-8
Image Credits: AI Generated
DOI: https://doi.org/10.1038/s43588-026-01015-8
Keywords:
