5.9%错误率下全重构
用生成对抗网络将含噪读段转为共识序列，适配第三代测序环境且对污染读段稳健。
Yao, Xiangyu · Ling, Chu · Peng, Xu · Liu, Wenbin
Scientific Reports 2024
通过将多条测序读段转化为噪声图像并用条件生成对抗网络（cGAN）生成平滑图像，得到共识序列，从而实现高错误率下的完整重建。
即使 20% 的簇被无关读段污染，DNA-GAN 仍能准确重建目标序列，无需预先清除污染读段。
该模型可在第三代纳米孔测序环境下使用，而基于 Transformer 的模型此前仅在二代测序数据集上测试。
据作者所知，这是首个将生成对抗网络用于 DNA 存储中多读段共识重建的工作。