Автор:
Дмитрий Андреевич Морозов
Расположение страниц:
5-10
Язык:
Русский
Аннотация:
В статье рассматриваются современные алгоритмические подходы к анализу метагеномных данных с применением методов машинного обучения. Проводится сравнительный анализ эффективности алгоритмов сборки de novo и таксономической классификации на наборах данных секвенирования нового поколения (NGS). Исследуется влияние параметров k-меров на точность таксономического биннинга и полноту сборки геномов. Оценивается производительность нейросетевых моделей для предсказания функциональных элементов в метагеномных фрагментах. Эксперименты выполнены на тестовых наборах данных Human Microbiome Project (HMP) и Tara Oceans. Результаты показывают, что комбинирование традиционных алгоритмов и методов глубокого обучения повышает точность идентификации таксонов на 12–18% и полноту сборки контигов на 15–22% по сравнению с отдельными подходами.