基于图表示与深度神经网络的基因组序列分类用于动物诊断
机器学习
2020-07-28 v1 定量方法
摘要
牛呼吸道疾病综合征（BRDC）是一种具有多种细菌和病毒病因的复杂牛呼吸道疾病。据估计，由BRDC导致的死亡、发病率、治疗和检疫给养牛业造成了重大损失。BRDC的早期检测和管理对于减轻经济损失至关重要。当前的动物疾病诊断基于传统测试，如细菌培养、血清学检测和聚合酶链式反应（PCR）测试。尽管这些测试已针对多种疾病进行了验证，但它们的主要挑战在于同时检测多种病原体存在的能力有限。数据分析和机器学习技术的进步及其在宏基因组测序上的应用，正在为多个应用领域设定趋势。在这项工作中，我们展示了一种机器学习方法，该方法使用基于k-mer的网络嵌入，随后进行基于深度学习的分类任务，来识别牛宏基因组序列中存在的病原体特征。通过在两个不同的模拟数据集上进行的实验，我们表明基于网络的机器学习方法能够以高达89.7%的准确率检测病原体特征。我们将根据请求公开提供数据，以解决这一困难领域中的重要问题。
引用
@article{arxiv.2007.12791,
title = {Genome Sequence Classification for Animal Diagnostics with Graph Representations and Deep Neural Networks},
author = {Sai Narayanan and Akhilesh Ramachandran and Sathyanarayanan N. Aakur and Arunkumar Bagavathi},
journal= {arXiv preprint arXiv:2007.12791},
year = {2020}
}