用 AI 识别基因，从向量化 DNA 序列开始
DNA 序列在分子生物学和医药研究中有着广泛的应用，比如基因溯源、物种鉴定、疾病诊断等。如果结合正在兴起的基因大数据，采取大量的样本，那么通常实验结果更具说服力，也能够更有效地投入现实应用。 同时如同其他行业一样，人工智能的介入正在受到广泛的关注，承载着业界对更智能高效的研究方法的期待。然而传统的核酸序列比对方法有着诸多限制，并不适用于大规模的数据 [1] ，这使现实应用不得不在成本和准确率中做出取舍。为缓解核酸序列数据特性的掣肘，向量化是面对大量 DNA 序列时的一个更优选择。 Milvus 作为一款开源的、对海量数据友好的向量数据库，能够高效地存储和检索核酸序列的嵌入。在提高效率的同时，Milvus 也能够帮助降低项目研究或系统搭建的成本。由 Milvus 搭建的 DNA 序列分类系统，不仅毫秒之间能够识别基因的类别，还比机器学习领域里常见的分类器们更加精准。 数据处理 基因是带有遗传信息的 DNA 序列片段，由数个碱基【A, C, G, T】排列组合而成。每个生物都有不同的基因组，比如人类基因组中含有3万个左右基因，约30亿个 DNA 碱基对，每个碱基对有2个对应的碱基。 针对...
