废水基因组测序中变异检测的对比深度学习
机器学习
2025-12-04 v1 基因组学
摘要
基于废水的基因组监测已成为人群层面病毒监测的有力工具，能够提供整个社区中循环病毒变异的全面见解。然而，该方法面临显著的计算挑战，源于高通量测序噪声、低病毒覆盖度、片段化读段以及变异标注的完全缺失。传统的基于参考的变异调用流程难以处理新突变，且需要大量计算资源。我们提出了一套基于向量量化变分自编码器（VQ-VAE）的无监督病毒变异检测完整框架，该框架从k-mer分词序列中学习基因组模式的离散代码本，无需参考基因组或变异标注。我们的方法在基础VQ-VAE架构上扩展了掩码重建预训练以增强对缺失数据的鲁棒性，以及对比学习以获得高判别性嵌入。在约100,000条SARS-CoV-2废水测序数据上评估后，我们的VQ-VAE实现了99.52%的平均token级准确率和56.33%的精确序列匹配率，同时保持了19.73%的代码本利用率（512个代码中有101个活跃），展示了高效的离散表示学习。通过不同投影维度的对比微调带来了显著的聚类改进：64维嵌入实现了+35%的轮廓系数提升（从0.31到0.42），而128维嵌入实现了+42%的提升（从0.31到0.44），清晰展示了嵌入维度对变异判别能力的影响。我们的无参考框架为基因组监测提供了可扩展、可解释的方法，对公共卫生监测具有直接应用价值。
引用
@article{arxiv.2512.03158,
title = {Contrastive Deep Learning for Variant Detection in Wastewater Genomic Sequencing},
author = {Adele Chinda and Richmond Azumah and Hemanth Demakethepalli Venkateswara},
journal= {arXiv preprint arXiv:2512.03158},
year = {2025}
}
备注
13 pages, 4 figures