MLDSP-GUI: An alignment-free standalone tool with an interactive graphical user interface for DNA sequence comparison and analysis
MLDSP-GUI:一个无对齐的独立工具，具有用于DNA序列比较和分析的交互式图形用户界面
Abstract
Summary: MLDSP-GUI (Machine Learning with Digital Signal Processing) is an open-source, alignment
free, ultrafast, computationally lightweight, standalone software tool with an interactive Graphical User
Interface (GUI) for comparison and analysis of DNA sequences. MLDSP-GUI is a general-purpose tool
that can be used for a variety of applications such as taxonomic classifification, disease classifification, virus
subtype classifification, evolutionary analyses, among others.
Availability: MLDSP-GUI is open-source, cross-platform compatible, and is available under the terms of
the Creative Commons Attribution 4.0 International license (http://creativecommons.org/licenses/by/4.0/).
The executable and dataset fifiles are available at https://sourceforge.net/projects/mldsp-gui/.
Contact: grandha8@uwo.ca
Supplementary information: Supplementary data are available at Bioinformatics online.
摘要：MLDSP-GUI（具有数字信号处理的机器学习）是一种开源、无对准、超快、计算轻量级、独立的软件工具，具有交互式图形用户界面(GUI)，用于DNA序列的比较和分析。 MLDSP-GUI是一种通用工具，可用于多种应用，如分类学分类、疾病分类、病毒亚型分类、进化分析等。
可用性：MLDSP-GUI是开源的，跨平台兼容的，并且根据CreativeCommonsAttribution4.0国际许可(http://creativecommons.org/licenses/by/4.0/)的条款提供)。 可执行文件和数据集文件可在https://sourceforge.net/projects/mldsp-gui/。获得
联系人：grandha8@uwo.ca
补充信息：补充数据可在生物信息学在线上获得
1介绍
基于对齐的方法已经成功地用于基因组分类，但它们的使用有局限性，例如需要连续的同源序列、沉重的内存/时间计算成本以及依赖于先验假设，例如统计参数的间隙惩罚和阈值。 为了应对这些挑战，提出了无对准方法。 齐列辛斯基等人，2017年定义了两类无对准方法：使用固定长度字（寡聚体）频率的方法和不需要找到固定长度段的方法。 MLDSP-GUI（具有数字信号处理和图形用户界面的机器学习）结合了这两种方法，因为它可以使用不需要计算k-mer(长度为k的低聚物)频率的DNA序列的一维数值表示，见Randhawa等人，2019年，但此外，它还可以使用DNA序列的k-mer依赖的二维混沌游戏表示(CGR)，见Jeffrey，1990年；Kari等人，2015年。
虽然无对齐方法解决了基于对齐的方法的一些局限性，但它们仍然面临一些挑战。 首先，大多数现有的无对齐方法缺乏软件实现，这是在公共数据集上进行比较的方法所必需的。 其次，在有软件实现可用的方法中，大多数只在模拟序列或小型真实世界数据集上进行了测试。 第三，在基于k-mer的方法中，k的大值仍然没有解决可伸缩性问题，例如内存开销和执行时间过长。
MLDSP-GUI是一个软件工具，它解决了所有这些主要挑战，并引入了新的特性和应用，例如：交互式图形用户界面；以Newick格式作为3D绘图或系统发育树输出；簇间距离计算；用于分析低聚物的不足和过度表示的k-mer频率计算(k=2、3、4)；将DNA序列可视化为二维CGRs；使用Pearson相关系数(PC C)、欧几里德或曼哈顿距离；成功地对大型、现实世界数据集进行分类