随着现代测序技术的发展,研究者们把研究重点从单个基因转向环境中全部物种的测序基因,而这种直接从环境中获取全部基因组的遗传物质进行研究的方向,被称为宏基因组学。宏基因组分箱是宏基因组学研究的重要步骤,其目的是尽量多的将混在一起的测序序列恢复成原始基因组。由于宏基因组数据的特性,直接应用聚类算法到分箱领域效果会很不理想,传统的方法大多会为数据特征建立概率分布模型,利用不同序列之间概率分布的距离来度量序列之间的距离,最后通过此距离完成聚类。由于计算复杂度过高,传统方法大多采用近似建模的方法简化计算,会造成信息损失。本文将深度表示学习应用到宏基因组分箱这一领域,将特征映射到一个新的嵌入空间,在此嵌入空间中用常规的方法直接计算距离,避开了复杂的建模过程。本论文首先将基于维米尔费舍尔分布的变分自编码器引入宏基因组分箱这一领域,接着改进了聚类算法中寻找聚类中心的过程。利用变分自编码器将输入特征映射为高维球面上的一个分布,将嵌入后的向量计算相似度作为聚类依据。该分布通过给信息散度一个天然的下界避免训练过程中信息散度的消失。随后改进聚类中心的寻找方法,将初始选中的样本点阈值距离内的所有序列到该样本距离之和作为该点的密度,迭代寻找具有最大密度的样本点作为聚类中点。在与常见的聚类算法对比中可以看出,综合考虑精准率和召回率的均衡平均数与以往方法相比有明显提升,且多次聚类后发现聚类结果稳定性高,有效降低了初始聚类中点的随机选取带来的影响。本文在上述研究的基础上提出了DGRBin模型并首次将图比对学习应用在宏基因组分箱领域,利用图比对学习融合先验约束信息。先验约束信息是将测序序列与标准数据库中的标注序列进行比对,将属于同一个基因组的序列对关系称为联通约束,不属于同一个基因组的序列对关系称为非联通约束。获取图比对学习的嵌入向量后将其作为聚类算法的输入。此外在原有的聚类算法基础上增加聚类后处理的过程,使未被分配的序列重新聚类到已有的可信簇中。与未改进前的模型以及多种已有的分箱工具对比后发现,本文改进后的模型效果在宏基因组分箱领域取得较大进步,尤其在恢复的基因组完整度方面有所突破,相比此前方法恢复了更多有效基因组。