一种基于深度学习的纳米孔测序条形码多路解复用方法

本发明公开了一种基于深度学习的纳米孔测序条形码多路解复用方法；属于生物信息学和人工智能相结合的技术领域，本方法首先通过一维卷积神经网络进行特征提取，融合不同分辨率的信息，增强局部特征感知，然后利用Transformer模块建模全局上下文，捕捉长程依赖关系，接着通过时间卷积网络建模时间序列依赖，保留信号时序特征，最后，使用分类层对特征进行条形码分类，实现多路解复用，并提供注意力图和时间关联图的可视化，帮助理解模型的决策依据。本发明解决了现有有关纳米孔测序条形码解复用方法无法捕获长距离依赖和纳米孔测序信号时序信息的局限性，提供了一种精确的解决方案，可广泛应用于高通量基因组学研究，尤其是在复杂样本的条形码解复用中。