基于k-mer的图卷积网络编码

工具说明

基于k-mer的图卷积网络(GCN)编码是一种先进的序列编码方法，它结合了k-mer表示和图神经网络的优势。此方法首先将序列分解为k-mer，然后构建k-mer之间的关系图，最后使用图卷积神经网络学习这些关系的嵌入表示。

与传统的k-mer向量编码相比，GCN编码能够：

捕获k-mer之间的复杂交互关系
学习更紧凑、更有信息量的嵌入表示
更好地处理长序列和不同长度的序列
提供更高维的特征表示，增强下游任务性能

该工具支持FASTA格式的序列文件，可以配置k值、嵌入维度和图构建方法等参数。

数据上传与参数设置

上传序列文件

拖放文件到这里或点击上传

支持的格式: FASTA, TXT

文件大小限制: 10MB。每行一条序列或标准FASTA格式。

参数配置

k-mer参数

k值

k-mer的长度，影响图的节点数量

图构建方法

定义k-mer之间连接关系的方法

边权重阈值

0 0.5 1

图中边的权重阈值，低于此值的边将被剪枝

GCN模型参数

嵌入维度

GCN生成的嵌入向量维度

GCN层数

图卷积神经网络的层数

节点聚合方法

将节点特征聚合为序列表示的方法

输出设置

输出格式

保存k-mer图结构

是否保存构建的k-mer图结构

包含中间层表示

是否输出GCN各层的中间表示

编码结果

上传序列数据并运行编码后，结果将显示在这里

编码完成!

您的序列数据已成功通过基于k-mer的图卷积网络进行编码。

编码结果摘要

处理序列数	5
序列平均长度	108 bp
k值	3
图节点数	64
图边数	178
嵌入维度	64
处理时间	8.45 秒

GCN模型架构

输入序列

>seq1|BRCA1_promoter_region CGACTTGTCGCTCTTGAGGCTGCTTGTGAATTTTCTGAGACGGATGTAACAAATACTGAAGAGCTTAGTCAGACACCAAACATAGTCTGGCTGTGTGGAAGTTCAGGATTTCTGCC >seq2|TP53_enhancer_element AGTAGTACCGAGCTGCCCACGGCCTTCTCGCAGGACCGCGCGGCCGCGGTCGCACTTCCTTCGGCGGGTTGCCTTGCGCGGCGTGAGCAGCTGCGCAGCCACTGGCGGGCGGAGAC >seq3|Transcription_factor_binding_site CCATTGGGCCCGGTTAGCTCCGCTGCGCTCGGTTCCGGTTGCTCCGCCCAGCTCTGCCTCTCGGATGCTTGTCGCGCGCGGTGTGTCGTTCGTCTATCGGGCCCGCTCTAGTTCGG >seq4|Methylated_CpG_island GGGCCCCGCGCGCGCGGCGCGTCGCGTCGCGTCGCGCGCGGGGTCGCGACGACGCGCGGAGGTCGCGGGGCGGACGTCGCGGGTCGCGCGCTGCGCTCGCGTCGCGCGCGTAGCC >seq5|Alternative_promoter_variant ATTACGCCAAGTCCCGCCCTCTAGTGATGCTGGATTTGATTTTATTTGGATGTAGGAAAACTGAGTCACAGTGAGCCGTAGTTCCATCCTGCTTGCTGACAGGTGCTTCGGAGTTG

k-mer图结构

k-mer之间的连接关系图，边表示k-mer之间的重叠关系

GCN嵌入向量可视化

seq1的GCN嵌入向量值分布图

GCN嵌入向量可视化 (降维到2D)

使用t-SNE降维将GCN嵌入向量可视化到2D空间，不同颜色代表不同的序列簇

seq1的GCN嵌入向量 (64维)

[0.674, -0.485, 0.099, 0.196, 0.065, 0.105, 0.194, 0.195, 0.028, 0.248, 0.086, -0.167, 0.143, -0.193, 0.022, 0.190, -0.105, 0.015, 0.137, 0.070, 0.090, -0.008, 0.004, 0.134, 0.089, -0.147, -0.072, 0.093, 0.009, 0.128, 0.233, 0.088, 0.063, 0.117, 0.035, 0.073, 0.169, 0.030, 0.014, -0.027, -0.177, 0.160, 0.119, 0.036, 0.081, 0.224, 0.034, -0.026, 0.246, 0.093, 0.149, 0.020, -0.082, 0.214, 0.115, -0.010, 0.059, 0.060, 0.025, 0.217, 0.153, 0.117, -0.008, -0.057]

GCN嵌入向量表格 (每行一个序列的嵌入向量，仅显示前16维)

序列/维度	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16
seq1	0.674	-0.485	0.099	0.196	0.065	0.105	0.194	0.195	0.028	0.248	0.086	-0.167	0.143	-0.193	0.022	0.190
seq2	0.592	-0.374	0.123	0.223	0.078	0.093	0.217	0.176	0.035	0.229	0.094	-0.145	0.156	-0.185	0.031	0.204
seq3	0.087	0.174	0.573	0.031	0.025	0.187	0.082	0.035	0.584	0.046	0.562	0.023	0.047	0.042	0.578	0.055
seq4	0.094	0.161	0.537	0.043	0.019	0.194	0.097	0.042	0.548	0.041	0.547	0.033	0.051	0.037	0.539	0.052
seq5	0.146	0.087	0.042	0.198	0.503	0.031	0.049	0.516	0.055	0.041	0.028	0.525	0.036	0.502	0.037	0.047

注: 表格仅显示每个序列GCN嵌入向量的前16维，完整的嵌入向量为64维