22、BioSequence2Vec：生物序列高效嵌入生成方法

BioSequence2Vec：生物序列高效嵌入生成方法

在生物序列分析的机器学习流程中，设计数值嵌入是监督分析的重要步骤。目前已有多种方法用于此，但都存在一定的局限性。下面将详细介绍相关工作、提出的BioSequence2Vec方法以及实验评估结果。

相关工作

• 特征工程方法 ：像Spike2Vec和PWM2Vec这类基于k - mer的特征工程方法，能取得一定的预测性能。然而，它们面临维数灾难问题，随着k值增加，频谱（频率计数向量）会变得稀疏，特定k - mer再次出现的可能性降低。为解决此问题，有人提出使用间隔k - mer的想法。
• 系统发育方法 ：基于k - mer计数的系统发育方法可用于构建准确的系统发育树，但计算成本高，难以在大型数据集上扩展。
• 核矩阵方法 ：通过计算核/格拉姆矩阵来计算序列间的成对相似度是机器学习领域的经典问题。为提高计算效率，有人提出近似方法，通过计算两个序列频谱的点积来改进核计算时间。
• 神经网络和预训练模型方法 ：有研究提出基于神经网络的模型，利用Wasserstein距离提取特征，还有提出用于分类的ResNet模型。但深度学习方法在处理表格数据时效果不佳，且预训练模型通常针对特定类型的生物序列训练，难以在不同类型数据上泛化。

提出的方法：BioSequence2Vec

生物序列通常长度不一，即使长度相同也可能未对齐，不能直接视为向量。为解决这些问题，可将序列表示为固定维数的特