CLASIFICACIÓN BACTERIANA CON CONVOLUCIÓN NEURONAL BASADA EN REDES DE DIFERENTES CAPAS DE REDUCCIÓN DE DATOS

CLASIFICACIÓN BACTERIANA CON CONVOLUCIÓN NEURONAL BASADA EN REDES DE DIFERENTES CAPAS DE REDUCCIÓN DE DATOS

Para una clasificación de alta precisión de secuencias de ADN a través de redes neuronales convolucionales (CNN), es esencial utilizar una representación de secuencia eficiente que puede acelerar la similitud de comparación entre secuencias de ADN. Además, las redes CNN pueden mejorarse evitando el problema de dimensionalidad asociado con características de CNN multicapa.

Este artículo presenta un nuevo enfoque para la clasificación de secuencias de ADN bacteriano basado en una capa personalizada. Una CNN se usa con el Frequency Chaos Game Representation (FCGR) de ADN. El FCGR se adopta como método de representación de secuencia con una elección adecuada de la frecuencia k-larga la aparición de palabras en secuencias de ADN.

La secuencia de ADN se mapea usando FCGR, que produce una imagen de una secuencia génica. Esta secuencia muestra patrones locales y globales. Una CNN pre-entrenada está construida para la clasificación de imágenes. Primero, la imagen se convierte en mapas de características a través de capas convolucionales. Esto a veces es seguido por un muestreo descendente, operación que reduce el tamaño espacial del mapa de características y elimina información espacial redundante utilizando las capas de agrupación.

La proyección aleatoria (RP) con una función de activación, que transporta datos con una variedad decente con cierta aleatoriedad, es sugerido en lugar de las capas de agrupación. La reducción de características se logra manteniendo la alta precisión para clasificar las bacterias en niveles taxonómicos.

Los resultados de la simulación muestran que el CNN propuesto basado en RP tiene una compensación entre precisión, puntuación y tiempo de procesamiento.

...