Семинар по методам машинного обучения в биоинформатике

Работа ученых Института математического моделирования биологических систем Дюссельдорфского университета имени Генриха Гейне, Германия (“Neural networks with circular filters enable data efficient inference of sequence motifs”, Christopher F. Blum and Markus Kollmann). Публикация в журнале Bioinformatics, 2019 г. Авторы предлагают новый тип архитектуры сверточных нейронных сетей (CNN) с  фильтрами, полученными из исходных в результате кругового перемешивания. Обычно CNN выучивает фильтры, которые соответствуют сдвинутым или обрезанным вариантам исходного мотива. Круговое перемешивание позволяет выучить мотивы полной длины, а также облегчают интерпретацию выученных фильтров. Авторы показали, что CNN c круговым перемешиванием фильтров превосходят обычные CNN при анализе ДНК-связывающих сайтов из экспериментов ChIP-seq.