Python 如何为神经网络表示DNA序列？

我想用Python构建一个神经网络来对DNA序列中的剪接连接进行分类。现在，我只有字符串形式的数据，例如GTAACTGC

我想知道最好的编码方式，我可以用神经网络处理。我的第一个想法是只给每个字母分配一个整数值，但这感觉很幼稚。另一个想法是为每个位置设置四个二进制指示符，分别对应于A、T、G或C。我也不确定这是否有效

解决这个问题的最佳方法是什么？以前，我只研究过数值，但从未研究过像DNA序列这样的字符串

编辑：现在，我将只看映射。对于阅读本文的任何人，请尝试查看；它确实给了我一些提示。

为什么不学习每个基的数字表示法呢

这是一个常见的问题，我们试图将有意义的单词编码为天真的数字。其核心思想是，不同的单词不应该用简单的数字来表示，而应该用学习过的密集向量来表示。找到这个向量表示的过程称为

在这种情况下，相互关系更密切的基可能在n维空间中具有彼此更接近的向量表示，其中n是向量的大小。这是一个简单的概念，很难在第一次看到它。您选择的嵌入超参数的大小应该很小，因为您只嵌入四个参数中的一个，请尝试2-5的大小

例如，一些大小为4的嵌入映射与本例无关：

G -> [1.0, 0.2, 0.1, 0.2]
A -> [0.2, 0.5, 0.7, 0.1]
T -> [0.1, 0.2, 1.0, 0.5]
C -> [0.4, 0.4, 0.5, 0.8]

生成和优化嵌入的确切技术本身就是一个主题；希望这个概念对你有用

另类

---

如果希望避免嵌入，因为词汇表限制为4，那么可以为每个基指定标量值。如果您这样做，您应该规范化-1和1之间的映射。

基于您提到的二进制指示符的一个想法是对1024x1024图像进行编码，例如位图图像，通常表示1048576位。对于图像中的每一行，可以成对查看位置或位，并按如下方式进行编码：

0 0 -> G
0 1 -> A
1 0 -> T
1 1 -> C

每行应产生512个数据值，或每幅图像产生524288个数据值

---

对于神经网络，我认为你可以结合卷积神经网络或CNN。另一个想法可能是在编码时避免图像的外边缘，以便在该过程中使用的任何内核都能完全覆盖活动的中心数据区域。也许这并不是最重要的改变，但与直接编码到图像边缘和角区域的数据映射相比，它可能是值得比较的。

欢迎使用堆栈溢出！在这个网站上，你应该尝试自己编写代码。之后，如果你有问题，你可以张贴你已经尝试了一个明确的解释什么是不工作，并提供一个解决方案。我建议读一个好问题。另外，一定要带上这个。这是一个非常有趣的概念。我认为现在，我会尝试一种更简单的方法，但将来我肯定会尝试嵌入！还有一个问题：相对于将标量值映射到每个基，您认为使用虚拟变量怎么样？对于DNA，哪种方法更干净/得到更好的结果？我不太清楚为什么你说的是虚拟变量，但你可以明确地将十进制值分配给每个基并进行静态转换。这有用吗？好的，那很有用！我曾尝试使用pandas方法获取虚拟对象，但我认为分配十进制值肯定更好。你有什么建议可以告诉我怎么做吗？嗯，不太好。学习有效地搜索和阅读你有疑问的主题的论文是非常重要的。既然你是新来的，我会毫不犹豫地告诉你，如果答案有帮助的话，你可以投票并用复选标记接受它。这为后来偶然发现它的人提供了更高的可视性，也为海报提供了互联网要点：好的，谢谢！我会调查的。我接受了你的职位：