复旦大学类脑研究院生物医学AI赵兴明教授团队提出基于深度孪生神经网络的宏基因组分箱算法

宏基因组测序技术已经广泛运用于微生物的研究当中，研究者使用计算方法从测序数据中重构出大量来自于人类，动物以及环境的微生物基因组用于后续的分析研究。通常的处理流程包括测序数据的组装（Assembly）和分箱（Binning）。目前广泛使用的宏基因组分箱方法均为无监督（不依赖于参考基因组）的方法，忽略了参考基因组中的信息。复旦大学类脑研究院生物医学AI团队提出了一个半监督的宏基因组分箱算法.SemiBin（https://github.com/BigDataBiology/SemiBin）,使用深度孪生网络结合了参考基因组中的信息，在GMGC（Global Microbial Gene Catalog） 数据库的10个环境中，均超越了目前最好的分箱算法。

SemiBin在多个模拟数据和真实数据集上取得了良好性能。在人类肠道、狗肠道、海洋以及土壤的真实环境中，使用单样本分箱情况下，相比于目前最好的分箱工具，SemiBin能够多重构出41.2%，72.0%，48.7%和61.0%的高质量基因组；使用多样本分箱，SemiBin能够多重构出17.5%，11.0%，30.7%和171.4%的高质量基因组（见图1）。SemiBin已经能够得到很好的分箱结果，但是物种注释以及模型的训练仍然需要很大的计算资源，限制了SemiBin在大型数据分析中的应用。为此，提出了SemiBin（pretrain），从多个样本中进行预训练，然后将训练得到的模型直接应用于其他的样本，可以大大加快分箱的速度。与此同时，SemiBin（pretrain）可以得到更好的结果，相比于Metabat2，SemiBin（pretrain）可以多重构出60.4%，99.2%，48.0%和74.6%的高质量基因组。