基于模糊权重CNN模型的500-bp细菌序列分类研究：提升短读长序列分类精度与鲁棒性

《Scientific Reports》：Exploiting fuzzy weights in CNN model-based taxonomic classification of 500-bp sequence bacterial dataset

本研究针对500-bp短读长细菌DNA序列分类精度低、类别边界模糊等挑战，提出一种结合模糊权重与改进二进制遗传算法（IBGA）的卷积神经网络（F-CNN）模型。实验表明，该模型在RDP 11数据集上对属级分类准确率达84.03%，且训练时间减少约215秒，为微生物组学与临床诊断提供了高效分类新范式。

　　

在微生物研究领域，准确鉴定细菌的分类地位是理解其生态功能、致病机制及开发相关应用的基础。16S核糖体RNA（16S rRNA）基因因其保守区与高变区并存的特点，成为细菌分类的黄金标准。然而，随着宏基因组学技术的发展，研究人员常常只能获取较短的DNA序列片段（如500-bp），这给传统分类方法带来巨大挑战——序列信息不足易导致分类模糊，尤其对于亲缘关系接近的菌属。此外，现有深度学习模型虽在长序列上表现良好，却难以在短读长数据上保持高精度，且缺乏对分类不确定性的有效处理机制。

为解决上述问题，由Abeer D. Algarni、Fathi E. Abd El-Samie、Naglaa F. Soliman等跨国团队在《Scientific Reports》上发表的研究，提出了一种创新性的模糊权重卷积神经网络（Fuzzy-weighted CNN, F-CNN）模型。该模型通过融合模糊逻辑与改进二进制遗传算法（IBGA），显著提升了短序列分类的准确性与鲁棒性。

本研究的关键技术方法包括：首先利用频率混沌游戏表示（Frequency Chaos Game Representation, FCGR）将DNA序列转化为灰度图像；随后通过卷积神经网络（CNN）提取特征，并采用改进二进制遗传算法（IBGA）进行特征选择；最后在分类层引入模糊权重系统处理类别边界不确定性。实验基于RDP 11数据库的140万条细菌序列，重点评估了500-bp短序列和全长序列的分类效果。

模型构建与优化

研究团队设计的三阶段F-CNN模型包含预处理、特征选择和分类模块。预处理阶段使用FCGR（k=6）将DNA序列转换为64×64像素的灰度图像，保留序列的空间结构信息。特征选择阶段先通过F-Score快速筛选高区分度特征，再采用IBGA进行精细化选择，其适应度函数综合了多种分类器的平均准确率。分类阶段引入模糊权重层，通过隶属度函数量化样本与各类别的关联强度，有效缓解了类别重叠导致的误判。

特征选择方法的性能对比

实验对比了四种特征选择方法（IBGA、遗传算法GA、FSDOC、OLS）在F-CNN框架下的表现。如表6至表9所示，IBGA在500-bp序列的属级分类中准确率最高（84.03%），且召回率与F1分数均优于其他方法。进一步分析发现，IBGA能显著减少特征维度，从而将模型平均训练时间缩短约215秒，体现了其高效性。

模糊权重的有效性验证

通过消融实验（表10）明确验证了模糊权重的作用：相比基线CNN模型，加入模糊逻辑的F-CNN在属级分类准确率提升4.22%。这表明模糊系统能有效处理短序列分类中的不确定性，尤其适用于亲缘关系接近的菌属判别。

模型泛化能力评估

研究还测试了模型在全长序列上的表现（图4-6）。结果显示，F-CNN+IBGA在门、纲、目、科、属五个分类层级上均保持稳定高精度（最高达99.6%），且5折交叉验证的各项指标标准差低于1.5%，证明模型具有良好的泛化能力。

与现有技术的横向比较

如图8-9所示，F-CNN+IBGA在500-bp序列分类中显著优于传统方法（如Rizzo等人的模型）及深度学习模型（如Lo Bosco的CNN-LSTM混合网络）。其在属级分类的准确率较对比模型提高5-10%，且训练效率更高。

本研究通过模糊逻辑与深度学习的创新结合，为短读长细菌序列分类提供了高精度、高效率的解决方案。其核心价值在于：第一，首次将模糊权重系统嵌入CNN分类层，有效量化分类不确定性；第二，IBGA特征选择策略大幅提升模型效率；第三，模型在500-bp序列上的优异表现，使其更适用于实际宏基因组数据分析。未来，该框架可扩展至全基因组分类或实时诊断平台，并可通过可解释人工智能（XAI）技术增强分类决策的透明度。这一成果不仅推动了微生物分类学的发展，也为生物信息学中不确定性数据处理提供了新范式。