研究评估基因组半监督学习的DNA增强配方

一项应用研究系统评估了面向伪标签半监督学习的基因组感知弱—强增强配方：在 FixMatch 与 FlexMatch 框架下以 GROVER DNA 语言模型为骨干，测试了 25 组弱/强增强组合，评测覆盖基于 AMR 基因序列的抗菌药物类别预测和基于模拟 150 bp 肿瘤样 reads 的多类肿瘤病毒家族分类。 结果显示，适度且保持序列的扰动在准确率与稳定性之间取得最佳平衡；过度掩码或高强度突变会增大方差并降低性能。作者称，以短片段掩码（NN）作弱增强、约 5% 的 indel 率作强增强是稳健策略。 作者公开了实现与推荐默认参数，以支持有限标签条件下的可复现半监督基因组序列建模。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。