用于 DNA 序列生成的潜扩散模型
机器学习
2023-12-27 v2
摘要
机器学习尤其是深度生成模型的利用，为合成 DNA 序列生成领域开辟了有前景的途径。尽管生成对抗网络（GANs）在该应用中已获得关注，它们常面临样本多样性有限和模式崩溃等问题。另一方面，扩散模型是一类有前景的新型生成模型，不受这些问题困扰，使其在图像生成等领域达到最先进水平。有鉴于此，我们提出一种新颖的潜扩散模型 DiscDiff，专为离散 DNA 序列生成而设计。通过简单地使用自编码器将离散 DNA 序列嵌入连续潜空间，我们得以利用连续扩散模型强大的生成能力来生成离散数据。此外，我们引入 Fréchet Reconstruction Distance（FReD）作为一种新指标，用以衡量 DNA 序列生成样本的质素。我们的 DiscDiff 模型展现出生成在基序分布、潜嵌入分布（FReD）和染色质图谱方面与真实 DNA 紧密对齐的合成 DNA 序列的能力。此外，我们贡献了一个包含来自 15 个物种的 150K 条独特启动子-基因序列的综合性跨物种数据集，丰富了基因组学未来生成建模的资源。我们将在发表时公开我们的代码。
引用
@article{arxiv.2310.06150,
title = {Latent Diffusion Model for DNA Sequence Generation},
author = {Zehui Li and Yuhao Ni and Tim August B. Huygelen and Akashaditya Das and Guoxuan Xia and Guy-Bart Stan and Yiren Zhao},
journal= {arXiv preprint arXiv:2310.06150},
year = {2023}
}
备注
2023 Conference on Neural Information Processing Systems (NeurIPS 2023) AI for Science Workshop