最近在arXiv上发布的论文《bioMoR: Biology-Guided Mixture-of-Recursions for Effective Genomic Learning》提出了一种新的基因组学习框架，即bioMoR。这种框架通过将Mixture-of-Recursions（MoR）应用于基因级和路径级学习，提高了高维组学分析的效率。bioMoR的主要贡献包括三个方面：图 기반信息共享、结构偏差引导自注意力以及图感知路由。这些技术都围绕着一个核心思想：额外的令牌交互知识可以帮助模型构建嵌入并选择哪些令牌应该被更深入地学习。实验结果表明，bioMoR在八个基准数据集上平均macro-F1提高了8.2个百分点，平衡准确率提高了7.1个百分点，同时使用的参数减少了75%，浮点运算次数减少了最多58%。 博主点评： bioMoR是一个非常有前景的基因组学习框架，它通过整合结构化生物学知识，显著提高了模型的效率和准确率。同时，它还提供了生物可解释性和令牌特定递归深度的信息，能够帮助研究人员更好地理解基因和路径之间的关系。