5、宏基因组聚类的双向贝叶斯混合模型与CRiSPy-CUDA工具

宏基因组聚类的双向贝叶斯混合模型与CRiSPy-CUDA工具

双向贝叶斯混合模型在宏基因组聚类中的应用

在宏基因组学中，为了对序列进行聚类分析，提出了一种双向贝叶斯混合模型。对于每个父节点的配置 $p_{aj}$，会得到一个独立的多项分布问题，相关参数如下：
- $\Theta = { \theta_m : \forall m \in 1, .., M }$
- $\theta_m = { \theta_{m,c}|p_{aj} : \forall p_{aj} \in { p_{a1}^j, p_{a2}^j, .., p_{ap}^j } }$
- $Mult(\theta_{m,c}|p_{aj}) = \theta_{m,c}|p_{aj} = { \theta_{m,ck}|p_{aj} : \forall c_k \in (A, C, T, G) }$

数据的似然函数为：
$p(x_i|y_i = m) = p(x_i|\theta_m) = \sum_{p_{aj}} \sum_{c_k \in (A,C,T,G)} \theta_{m,ck|p_{aj}}^{N_i(c_k|p_{aj})}$

在实验中，由于宏基因组学缺乏标准数据集，使用Metasim模拟合成宏基因组。生成了超过450个数据集，读取长度在50到1000个碱基对之间，且具有不同的丰度比。算法用Matlab实现，空间和时间复杂度与读取数和物种数呈线性关系，与搜索空间的维数呈二次关系。

为评估方法的鲁棒性，通过平均二核苷酸相对丰度 $\delta^ (f, g)$ 对双物种数据集进行排序：
$\delta^ (f