基于神经形态脉冲神经网络的新冠病毒刺突序列分类
神经与进化计算
2025-01-28 v1 机器学习
摘要
新冠肺炎（SARS-CoV-2）病毒数据在新冠疫情后呈指数级增长，为分析其行为提供了广阔的研究机会。研究人员通过基因监控等多种方式深入了解这种病毒，以便开发高效的预防机制。然而，病毒的不可稳定性（快速突变、多个宿主等）为设计分析系统带来了挑战。因此，我们提出一种基于神经网络（NN）的机制，对 SARS-CoV-2 数据进行高效分析，因为 NN 在训练后能表现出普遍行为。本文首先将病毒刺突蛋白序列转换为固定长度的数值表示，然后使用神经形态脉冲神经网络对这些序列进行分类。我们使用真实的 SARS-CoV-2 刺突序列数据与各种基线方法进行比较，结果表明该方法在预测准确率上优于最近的基线方法。
引用
@article{arxiv.2501.14746,
title = {Neuromorphic Spiking Neural Network Based Classification of COVID-19 Spike Sequences},
author = {Taslim Murad and Prakash Chourasia and Sarwan Ali and Imdad Ullah Khan and Murray Patterson},
journal= {arXiv preprint arXiv:2501.14746},
year = {2025}
}