KDDApr, 2023

BioSequence2Vec: 生物序列嵌入生成的高效算法

PDF
TL;DR本文提出了一种基于随机投影的低维嵌入方法，可以快速高效地计算不同形式的生物序列，从而避免了核方法的计算时间、内存使用和泛化性挑战。该方法的预测性能在多种真实分类任务中优于若干最先进的嵌入和核方法
representation learningkernel methodssequence classificationbiological sequencesmachine learning
发现论文，激发创造
  • Spike2Vec：COVID-19 Spike 序列的高效可扩展嵌入方法

    利用 Spike2Vec 方法和机器学习技术，我们成功地处理了数百万条与 COVID-19 相关的基因序列，实现了精准的分类和聚类。

    Sep, 2021

  • 具有可保证灵活性的生物序列核函数

    应用机器学习于生物序列 ——DNA、RNA 和蛋白质 —— 具有巨大的潜力推进人类的健康、环境可持续性和基础生物学的理解。因此，本研究旨在探讨这一问题领域中的挑战并提供修改现有基于核的机器学习方法以确保其准确性和可靠性的简单有效的方式。

    Apr, 2023

  • 面向结构化数据的潜变量模型判别嵌入

    提出了一种名为 structure2vec 的基于嵌入潜在变量模型的结构化数据表征方法，利用判别性信息进行特征空间学习，在数百万数据点的应用中运行速度是传统方法的两倍，模型则小 $10,000$ 倍，同时达到了最先进的预测性能。

    Mar, 2016

  • dna2vec: 可变长度 k-mer 的一致向量表示

    本文提出了一种基于 word2vec 模型的新方法，用于训练变长 k-mers 的分布式表示。实验表明 dna2vec 向量求和类似于核苷酸串联，并且 Needleman-Wunsch 相似度得分与 dna2vec 向量的余弦相似度之间存在相关性。

    Jan, 2017

  • 通过序列相似性和上下文进行改进的矢量嵌入：用于 cDNA 图书馆的压缩、相似性搜索、聚类、组织和操作

    通过基因的有组织数值表示，可以更高效地对序列进行聚类，并通过编码条形码和 cDNA 序列的序列嵌入方法和欧氏空间向量接近算法来改善相似性搜索的时间复杂性。

    Aug, 2023

  • ProtVec: 生物序列的连续分布式表示

    介绍了一种新的生物序列表示和特征提取方法 BioVec，通过人工神经网络方法，将蛋白质序列表示为单个 n 维向量，可精确地识别蛋白质家族分类、蛋白质结构预测、无序蛋白质鉴定等各类生物信息学任务，表现优于现有方法。

    Mar, 2015

  • 高效近似内核基于尖峰序列分类

    利用敏化和信息增益的方式改善了近似核在分类冠状病毒 (SARS-CoV-2) 突刺蛋白序列变异的性能，与基线和现有的健康医疗领域方法相比，我们的方法在两个数据集上都表现出更好的性能。

    Sep, 2022

  • 利用图神经网络学习基因组序列表示在 De Bruijn 图上的应用

    基于同源图网络编码器和节点相似性构建正样本，我们提出了融合上下文信息和结构信息的 k-mer 嵌入方法，用于鲁棒的序列表示，从而在编辑距离近似和最接近字符串检索任务中，始终优于先前技术。

    Dec, 2023

  • 蛋白质图形的神经嵌入

    本文提出了一种利用图神经网络和自然语言大模型生成结构和序列感知型蛋白质表示的新框架，并将其与传统的基于结构对齐的方法相比较，证明了该方法在比较蛋白质结构和蛋白质结构分类任务中的优越性能。

    Jun, 2023

  • NLP 与 RNA 相遇：使用 Word2Vec 进行未监督的嵌入式学习，用于核糖酶

    本研究实现了 Word2Vec，一种自监督学习技术，用于学习核糖酶嵌入式，结果表明这种方法将有助于核糖酶的进一步研究和生物信息学领域的发展。

    Jul, 2023