Murmur2Vec：基于哈希的新冠病毒刺突序列嵌入生成方法
机器学习
2025-12-12 v1 基因组学
摘要
新冠肺炎（COVID-19）由SARS-CoV-2引发，早期检测与表征对于有效的临床应对和公共卫生规划至关重要。全球大规模病毒序列数据的可用性为计算分析提供了重要机会，但现有方法面临显著局限。基于 phylogenetic 树的方法计算密集，难以有效扩展至当今海量序列数据集。类似地，当前的嵌入技术常依赖对齐序列或表现出次优的预测性能和高运行成本，成为大规模分析的障碍。本研究聚焦于刺突蛋白区域最常见的SARS-CoV-2亚型，引入一种可扩展的嵌入方法，利用哈希技术生成刺突序列的紧凑、低维表示。这些嵌入随后用于训练多种机器学习模型以实现监督性亚型分类。我们对该方法进行了广泛评估，将其与多种基线方法和最新生物序列嵌入方法进行比较。结果表明，所提出的嵌入在效率方面显著提升，实现了最高达86.4%的分类准确率，嵌入生成时间缩短最高可达99.81%。这凸显了该方法作为大规模病毒序列分析的快速、有效且可扩展解决方案的潜力。
引用
@article{arxiv.2512.10147,
title = {Murmur2Vec: A Hashing Based Solution For Embedding Generation Of COVID-19 Spike Sequences},
author = {Sarwan Ali and Taslim Murad},
journal= {arXiv preprint arXiv:2512.10147},
year = {2025}
}