基于VAE的编码DNA载体阻断事件聚类分析与研究

纳米孔道检测技术是单分子检测领域一个重要的研究方向。对纳米孔道阻断电流信号进行特征提取和转换,是对阻断事件进行分类以确定分析物种类的关键。由于有监督学习只能对已知种类的阻断事件进行预测,难以实现对信号本质特征的区分,因此本文基于编码DNA载体的阻断事件,利用卷积神经网络的特征提取特性,提出了一种应用于纳米孔道信号的无监督聚类方法。结合深度嵌入聚类和变分自编码器(Variational Autoencoder, VAE),实现了对阻断事件的特征转换和聚类的整体性训练。实验结果表明,该聚类方法能对编码DNA载体阻断事件提供较好的聚类结果,与其他聚类算法相比,最高提升了29%的聚类精度,具有更高的聚类准确度。