U istraživanju su uspoređene četiri tehnike kodiranja genomske sekvencije – FCGR, k-mer, one-hot i label – u zadatku klasifikacije genotipa hepatitisa C. Najbolje je rezultate postiglo k-mer kodiranje u kombinaciji s algoritmom XGBoost i metodom SMOTE, uz makro F1-ocjenu od 0,890 i točnost od 0,922.
Primjena SMOTE-a znatno je poboljšala performanse, osobito kod modela Random Forest. Dodani GC-sadržaj i GC-skew nisu donijeli statistički značajno poboljšanje u eksperimentu s k-mer kodiranjem.
