في عالم التحليل الجيني، يمثل تصنيف الميتاجينوم (Metagenomic Taxonomic Annotation) أداة حيوية لتحديد المصادر الميكروبية لقطع الحمض النووي في عينات البيئة. ومع ذلك، كانت الطرق التقليدية التي تعتمد على تشابه التسلسلات تعاني من قيود شديدة نتيجة للتنوع الميكروبي العالي وعدم اكتمال قواعد البيانات المرجعية، مما دفع الباحثين إلى تطوير أساليب تعلم جديدة مثل Taxometer، التي تقوم بإجراء تصحيح لاحق لتعلم تمثيلات أكثر فائدة للتسلسلات الميتاجينومية.

لكن، في حين أن هذه الأساليب تُظهر نتائج واعدة، إلا أنها تعتمد غالبًا على تسميات تستمد من أدوات البحث عن التشابه خلال عملية التدريب، مما يؤدي إلى إدخال ضجيج يُمكن أن يؤثر سلبًا على أداء التعليم التمثيلي والتصنيفي. للتغلب على هذه التحديات، يأتي نظام TaxDistill كإطار لتقطير المعرفة (Knowledge Distillation Framework) مخصص لتصنيف الميتاجينوم.

يقدم TaxDistill نموذج GenomeOcean، وهو نموذج جيني متقدم يشتمل على 500 مليون بارامتر، كنموذج معلم (Teacher Network)، والذي يقوم باستخراج ميزات عميقة وسمات قاعدة ثقة تُستخدم لإنتاج تسميات ناعمة. من خلال تقطير هذه المعلومات إلى شبكة طالب خفيفة الوزن، ينجح TaxDistill في تقليل الضجيج الناتج عن أدوات الاسترجاع الأولية.

أظهرت التجارب الشاملة على سبعة مجموعات بيانات متنوعة من CAMI2 أن TaxDistill يتفوق على النماذج التقليدية في معظم السيناريوهات. على سبيل المثال، في مجموعة بيانات الجهاز الهضمي، حقق TaxDistill تحسنًا ملحوظًا في درجة F1 من 0.763 إلى 0.941، متفوقاً بذلك على نموذج Taxometer.

بشكل عام، يوفر TaxDistill وسيلة موثوقة لتصحيح التسميات في تحليل الميتاجينوم المعقد، مما يجعلها أداة مهمة للباحثين في هذا المجال.