基于二维嵌入与深度学习的宏基因组学疾病分类
计算机视觉与模式识别
2018-06-26 v1 机器学习
摘要
深度学习（DL）技术在应用于图像、波形与文本时展现出前所未有的成功。一般而言，当样本量（）远大于特征数（）时，DL 常通过卷积神经网络（CNNs）的使用优于其他机器学习（ML）技术。然而，在许多生物信息学领域（包括宏基因组学），我们遇到相反情形，即 显著大于 。在这些情形下，应用 DL 技术会导致严重过拟合。在此，我们旨在通过 CNNs 的使用改进基于宏基因组数据的多种疾病分类。为此，我们提出将宏基因组数据表示为图像。所提出的 Met2Img 方法依赖分类学与 t-SNE 嵌入将丰度数据转化为“合成图像”。我们将我们的方法应用于十二个基准数据集，包含超过 1400 个宏基因组样本。我们的结果显示相较最先进算法（随机森林（RF）、支持向量机（SVM））有显著改进。我们观察到系统发育信息 alongside 丰度数据的整合改善了分类。所提方法不仅在分类设定中重要，也允许可视化复杂宏基因组数据。Met2Img 以 Python 实现。
引用
@article{arxiv.1806.09046,
title = {Disease Classification in Metagenomics with 2D Embeddings and Deep Learning},
author = {Thanh Hai Nguyen and Edi Prifti and Yann Chevaleyre and Nataliya Sokolovska and Jean-Daniel Zucker},
journal= {arXiv preprint arXiv:1806.09046},
year = {2018}
}
备注
The annual French Conference in Machine Learning (CAp 2018) - La Conf\'erence sur l'Apprentissage automatique (CAp), June 2018, Rouen, France. Oral presentation C12. http://cap2018.litislab.fr/Programme-en.html 10 pages, 7 figures, 4 tables