ReSeT：一种具有分类学感知能力的参考基因组选择工具

动机：参考基因组的组成决定了分析流程能够检测和区分哪些分类单元，并且在高分辨率分型中尤为关键，因为此时分类边界开始变得模糊。现有选择工具优化的是分类单元内部的代表性，却忽略了分类单元之间的区分能力，因此一个尚未解决的问题是：在选择过程中显式考虑分类单元间的区分能力，是否能够改善分型效果。 结果：本文提出了 ReSeT，这是一种基于设施选址的参考基因组选择工具，可在任意成对距离矩阵上运行；我们进一步为其扩展了一个可调的分类单元间区分项以及每个基因组的选择成本，并通过局部搜索进行求解。我们在三个病毒数据集上将 ReSeT 与已有选择方法进行了基准比较，这些数据集涵盖了不同程度的分类模糊性。在高模糊性的 SARS-CoV-2 数据集上，经过适当调参的 ReSeT 选择结果在分型准确性方面可与最强的替代方法持平或超过后者；而在低模糊性的 IAV 数据集上，VSEARCH 仍然占据优势。有趣的是，我们发现新引入的分类单元间区分项贡献较弱，这表明 ReSeT 的设施选址建模和选择成本是驱动其性能的主要因素。我们还进一步提出了一种新的分类模糊性指数，该指数可由 ReSeT 的输入计算得到，用于概括参考基因组的分类模糊性，并且与 ReSeT 相较现有选择方法表现出改进的情形相一致。 可用性与实现：ReSeT 采用 Python（≥3.10）实现，并在 MIT 许可证下免费提供。源代码可在 GitHub 获取，网址为 https://github.com/JaspervB-tud/ReSeT；此外，也可通过 Python Package Index（PyPI）使用 pip install reset-bio 直接安装 ReSeT。

本网站正在使用一项安全服务来防御在线攻击。您刚刚执行的操作触发了该安全防护机制。可能引发此拦截的操作包括提交某些特定的词语或短语、SQL 命令或格式错误的数据。

您可以发送电子邮件给网站所有者，告知其您已被拦截。请在邮件中说明触发此页面时您正在进行的操作，并附上页面底部显示的 Cloudflare Ray ID。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.17.732946v1?rss=1

🏷️ 参考基因组选择 分类学感知 设施选址 分型准确性 病毒基因组 分类模糊性