迈向稳健的即用型基因组数据神经网络模型
基因组学
2022-03-15 v4
摘要
从基因组数据准确预测生物特征对精准医疗和可持续农业至关重要。数十年来,神经网络模型因其在大数据环境下的预测准确性和稳健性能,在计算机视觉、天体物理学和定向营销等领域广受欢迎。然而,由于生物数据普遍具有样本量适中、稀疏性和极端异质性等特征,神经网络模型尚未成功过渡至医学与生物学领域。在此,我们利用多种异质基因组数据集,研究了广泛使用的卷积神经网络和自然语言处理模型的稳健性、泛化潜力和预测准确性。主要结论是,在所研究的数据集中,循环神经网络模型在预测准确性、过拟合和跨数据集可迁移性方面优于卷积神经网络模型。尽管稳健的即用型神经网络模型尚不可及,我们确定了某些在跨数据集中表现良好、可作为转化研究者基线模型的模型特征。
引用
@article{arxiv.2012.05995,
title = {Towards a robust out-of-the-box neural network model for genomic data},
author = {Zhaoyi Zhang and Songyang Cheng and Claudia Solis-Lemus},
journal= {arXiv preprint arXiv:2012.05995},
year = {2022}
}
备注
45 pages, 36 figures