买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】基于空间转录组学数据特征提取的空间域识别方法_西安电子科技大学_202310097081.0 

申请/专利权人:西安电子科技大学

申请日:2023-02-10

公开(公告)日:2023-05-30

公开(公告)号:CN116189785A

主分类号:G16B40/20

分类号:G16B40/20;G16B25/00;G06F18/2135;G06F18/23

优先权:

专利状态码:在审-实质审查的生效

法律状态:2023.06.16#实质审查的生效;2023.05.30#公开

摘要:本发明公开了一种基于空间转录组学数据特征提取的空间域识别方法,主要解决现有技术对空间转录组数据特征提取存在过拟合及空间域识别精度低的问题。其实现方案为:对空间转录组中测量得到的基因表达数据和空间信息进行预处理;基于基因表达特征矩阵和空间信息构建基因相似性网络和空间邻域网络;对基因相似性网络和空间邻域网络进行数据增强;构建特征提取模型,并将增强的数据输入到模型中计算对比损失和重构损失;依据计算损失训练模型,将未增强的数据输入到训练好的模型中得到低维嵌入;对低维嵌入进行聚类完成对空间域识别。本发明避免了在特征提取过程中的过拟合,提高了空间域识别的准确性,可用于为探究生物发育及疾病治疗提供参考数据。

主权项:1.一种基于空间转录组学数据特征提取的空间域识别方法,其特征在于,包括如下步骤:1使用空间转录组测序技术对所需组织切片中每一个像素点同时测量其基因表达值和空间位置坐标,得到包含像素点-基因表达矩阵和组织切片中每个像素点空间位置的空间转录组数据;2对空间转录组数据的基因表达矩阵进行预处理:2a删除空间转录组数据中基因表达值少于三个像素点的表达基因;2b对删除后的数据进行数值归一化,使得各个细胞的计数和为所有细胞的中位数,再对归一化后的数据进行对数转换,并将其标准化为零均值和单位方差;2c对标准化后的数据进行主成分分析PCA,提取前n个主成分,生成基因表达的特征矩阵X;3构建空间邻域网络:3a基于空间坐标信息计算组织切片中每个像素点之间在空间位置上的欧式距离d:3b基于空间坐标计算的欧式距离d选取每个像素点的前k个最近邻,构建表征空间信息的邻接矩阵A;3c将步骤2生成的基因表达特征矩阵X作为节点属性特征矩阵;3d基于表征空间信息的邻接矩阵A和节点属性特征矩阵X,构成空间邻域网络G1A,X;4构建基因表达相似性网络:4a基于步骤2生成的基因表达特征矩阵X,计算组织切片中每个像素点基因表达值之间的欧式距离d′;4b基于基因表达值计算的欧式距d′,选取每个像素点的前k个最近邻,构建表征基因表达相似性的邻接矩阵B;4c基于表征基因表达相似性的邻接矩阵B和节点属性特征矩阵X,构成基因表达相似性网络G2B,X;5数据增强:5a对空间邻居网络中的边和节点属性特征依照符合伯努利分布的给定边遮掩概率pr和节点特征遮掩概率pm进行遮掩,得到增强后的空间邻居网络G1A1,X1;5b对基因表达相似性网络中的边和节点属性特征依照符合伯努利分布的给定边遮掩概率pr′和节点特征遮掩概率pm′进行遮掩,得到增强后基因表达相似性网络G2B1,X2;6构建由编码器f·分别与解码器h·和投影器g·级联组成的空间转录组数据的特征提取模型,并使用对比损失Lcon和重构损失Lrecon的加权和作为损失函数L;7对空间转录组数据的特征提取模型进行训练:7a将数据增强后的空间邻居网络G1A1,X1的邻接矩阵A1和节点属性特征矩阵X1以及基因表达相似性网络G2B1,X2的邻接矩阵B1和节点属性特征矩阵X2输入到空间转录组特征提取模型中,由编码器生成低维嵌入Z1和Z2,解码器生成重构基因表达特征矩阵和7b计算低维嵌入Z1和Z2的对比损失和重构基因表达特征矩阵和与节点属性特征矩阵X的重构损失,依据计算得到的损失对编码器和解码器的网络参数进行更新,直到损失函数L收敛,得到训练好的空间转录组特征提取模型;8将未进行数据增强的空间邻域网络的邻接矩阵A和节点属性特征矩阵X输入到7b中训练好的空间转录组特征提取模型中,得到包含空间信息和基因表达的联合低维嵌入Z;9使用Leiden聚类算法对得到的联合低维嵌入Z进行聚类,在组织切片上得到具有一致性基因表达的区域,即空间域。

全文数据:

权利要求:

百度查询: 西安电子科技大学 基于空间转录组学数据特征提取的空间域识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。