dna2vec: Consistent vector representations of variable-length k-mers

计算机科学 载体(分子生物学) 变量(数学) 数学 遗传学 生物 数学分析 重组DNA 基因
作者
Patrick Ng
出处
期刊:Cornell University - arXiv 被引量:59
标识
DOI:10.48550/arxiv.1701.06279
摘要

One of the ubiquitous representation of long DNA sequence is dividing it into shorter k-mer components. Unfortunately, the straightforward vector encoding of k-mer as a one-hot vector is vulnerable to the curse of dimensionality. Worse yet, the distance between any pair of one-hot vectors is equidistant. This is particularly problematic when applying the latest machine learning algorithms to solve problems in biological sequence analysis. In this paper, we propose a novel method to train distributed representations of variable-length k-mers. Our method is based on the popular word embedding model word2vec, which is trained on a shallow two-layer neural network. Our experiments provide evidence that the summing of dna2vec vectors is akin to nucleotides concatenation. We also demonstrate that there is correlation between Needleman-Wunsch similarity score and cosine similarity of dna2vec vectors.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
2秒前
suhua完成签到,获得积分10
2秒前
CipherSage应助小狐狸采纳,获得10
3秒前
包容的思菱完成签到,获得积分10
3秒前
3秒前
cjw11完成签到,获得积分10
6秒前
李益强发布了新的文献求助10
7秒前
NexusExplorer应助闪闪善若采纳,获得30
7秒前
辉@发布了新的文献求助20
7秒前
Devil发布了新的文献求助10
7秒前
suhua发布了新的文献求助10
8秒前
八块腹肌发布了新的文献求助10
8秒前
10秒前
kw完成签到 ,获得积分20
10秒前
ttyj完成签到,获得积分10
11秒前
11秒前
12秒前
向日葵发布了新的文献求助10
13秒前
Comet完成签到,获得积分10
16秒前
小杰发布了新的文献求助10
16秒前
八块腹肌完成签到,获得积分10
19秒前
共享精神应助alooof采纳,获得30
21秒前
22秒前
22秒前
23秒前
小蘑菇应助别抢我辣条采纳,获得10
23秒前
25秒前
yxx完成签到,获得积分10
27秒前
Josh发布了新的文献求助10
27秒前
包容的含羞草完成签到,获得积分10
29秒前
wyj完成签到,获得积分10
29秒前
小杰完成签到,获得积分10
29秒前
King发布了新的文献求助10
29秒前
30秒前
huhu发布了新的文献求助10
30秒前
小样完成签到,获得积分10
30秒前
CodeCraft应助十三号失眠采纳,获得10
31秒前
别抢我辣条完成签到,获得积分20
31秒前
uuu发布了新的文献求助10
32秒前
高分求助中
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 500
XAFS for Everyone 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3138196
求助须知:如何正确求助?哪些是违规求助? 2789101
关于积分的说明 7790287
捐赠科研通 2445509
什么是DOI,文献DOI怎么找? 1300476
科研通“疑难数据库(出版商)”最低求助积分说明 625925
版权声明 601046