多尺度可逆混沌游戏表示：序列分类统一框架
机器学习
2026-04-21 v1
摘要
生物分类的可解释性仍是一项具有挑战性的任务。为此，我们提出一种新型编码框架——多尺度可逆混沌游戏表示（Multi-Scale Reversible Chaos Game Representation, MS-RCGR），将生物序列转化为具备多分辨率几何表征且保证可逆的编码。不同于传统序列编码方法，MS-RCGR 采用有理算术和层次 k-mer 分解生成尺度不变特征，既保留完整序列信息，又能支持多样化的分析方法。我们的框架桥接了序列分析中的三大范式：(1) 使用提取的几何特征的传统机器学习，(2) 在 CGR 生成的图像上运行的计算机视觉模型，(3) 结合蛋白语言模型嵌入与 CGR 特征的混合方法。通过在包含七种不同序列类别的合成 DNA 和蛋白质数据集上进行全面实验，我们展示 MS-RCGR 特征在所有范式中均能稳定提升分类性能。值得注意的是，结合预训练语言模型嵌入（ESM2、ProtT5）与 MS-RCGR 特征的混合方法在性能上优于单独使用任一方法。编码的可逆性确保在转换过程中不损失信息，而多尺度分析则捕获从单个核苷酸到复杂基序结构的各种模式。我们的结果表明，MS-RCGR 为生物序列分析提供了一种灵活、可解释且性能卓越的基础。
引用
@article{arxiv.2604.18477,
title = {Multi-Scale Reversible Chaos Game Representation: A Unified Framework for Sequence Classification},
author = {Sarwan Ali and Taslim Murad},
journal= {arXiv preprint arXiv:2604.18477},
year = {2026}
}