IL-AD

我们利用机器学习方法来适应纳米孔测序基对齐器，用于核苷酸修饰检测。我们首先应用增量学习技术来改进富含修饰的序列的基对齐，这些序列通常具有高度的生物学兴趣。在解析序列主干后，我们进一步对单个核苷酸进行异常检测，以确定其修饰状态。通过这种方式，我们的管道承诺实现单分子、单核苷酸和序列上下文无关的修饰检测。

依赖项

samtools: https://github.com/samtools/samtools

taiyaki: https://github.com/nanoporetech/taiyaki/tree/master/taiyaki

使用方法

增量学习

训练过程

python ./scripts/train.py model_template.py pretained_model.checkpoint input.hdf5 --device cuda:0 --outdir path/to/output \
--save_every epochs --niteration niterations --lr_max lr_max --lambda lambda --min_sub_batch_size batchsize

model_template.py: 模型架构，例如 taiyaki templates

pretained_model.checkpoint: 要进行增量学习的模型，例如 taiyaki pretrained models

input.hdf5 : 由 taiyki workflow 生成的训练数据集

--device: 我们建议使用GPU进行增量学习训练

--output: 输出字典的路径

--save_every epochs: 每 epochs 次迭代保存一次检查点

--niterations niterations: 增量学习中的迭代次数

--lr_max lr_max: AdamW优化器中的默认学习率

--lambda lambda: 我们使用超参数 $\lambda$ 平衡 $L_{CTC}$ 和 L