BarcodeMamba+：推进状态空间模型用于真菌生物多样性研究

从DNA条形码进行准确的分类学鉴定是全球生物多样性监测的基石，但真菌由于标记稀疏和长尾分类群分布而面临极端挑战。传统的监督学习方法在此领域往往表现不佳，难以泛化到未见过的物种，也难以捕捉数据的层次结构。为解决这些局限性，我们引入了BarcodeMamba+，这是一个基于强大的高效状态空间模型架构的真菌条形码分类基础模型。我们采用预训练-微调范式，利用部分标记数据，并证明这在数据稀疏的环境中比传统的完全监督方法有效得多。在微调过程中，我们系统地整合和评估了一系列增强方法——包括层次标签平滑、加权损失函数和来自MycoAI的多头输出层——以专门应对真菌分类学的挑战。我们的实验表明每个组件都带来了显著的性能提升。在具有与广泛训练集明显分类学分布偏移的具有挑战性的真菌分类基准上，我们的最终模型在所有分类学水平上优于一系列现有方法。我们的工作为基于基因组学的生物多样性研究提供了一个强大的新工具，并为这一具有挑战性的领域建立了有效且可扩展的训练范式。我们的代码在https://github.com/bioscan-ml/BarcodeMamba上公开发布。