Применение генеративно-состязательных сетей глубинного обучения для выявления закономерностей во вторичных структурах ДНК

В рамках данной работы исследовалась возможность использования моделей глубинного обучения для генерации нуклеотидных последовательностей с определенными биологическими признаками. На протяжении исследования были независимо изучены как возможность непосредственно создавать цепочки ДНК, так и предсказывать их биологические свойства на основе имеющихся данных. Основной задачей работы было создать алгоритм расширения выборки данных генеративным путем без потери биологического смысла и оценить перспективность данного подхода. В основе моделей глубинного обучения, используемых в работе, лежит архитектура, основанная на принципе остаточного обучения, обученная с использованием нескольких методик и модификаций. В течение работы были обнаружены сильные и слабых стороны использования генеративного подхода, а результаты работы открыли дальнейшие возможности для исследования. Архитектура на основе ResNet, выбранная для изучения, хорошо показала себя как генеративный инструмент Была разработана модель, способная генерировать отрезки нуклеотидов с известными признаками, а также был реализован метод расширения выборки, позволивший улучшить качество предсказания существующей модели.