GraphMB

GraphMB背后的主要思想是基于contig特定的特征和装配图生成嵌入，然后将其聚类到bin中并根据完整性和污染进行评估。群集嵌入而不是原始特征的优点是，这些嵌入具有较小的维度，并且可以对原始特征中潜在的关系进行编码。我们通过将装配图合并到训练过程中来改进现有的binners。汇编图描述了连接了哪些重叠群，以及支持该连接的读取次数 (读取覆盖)。我们使用此信息来训练GNN，并生成考虑重叠群附近的嵌入。图1提供了GraphMB的概述，以下各节解释了该过程的每个步骤。

搜集汇总

背景与挑战

背景概述

GraphMB是一个基于contig特征和装配图生成嵌入并进行聚类的工具，其创新在于整合装配图到训练过程中，通过GNN生成考虑相邻重叠群的嵌入，从而降低维度并编码潜在关系。该数据集由奥尔堡大学于2022年发布。