申请/专利权人：浙江大学

申请日：2023-12-28

公开（公告）日：2024-03-29

公开（公告）号：CN117789837A

主分类号：G16B50/10

分类号：G16B50/10;G16B40/20;G16B25/10;G16B50/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明提供基于选择性域鉴别器的单细胞自动注释方法及装置。该方法对包含批次信息的单细胞参考数据和单细胞查询数据进行统一处理,获得低维编码特征；通过选择性鉴别器，将不同来源的低维编码特征对齐，达到降低数据噪音的目的；以参考数据的注释信息为真值标签训练预测模型；将查询数据输入到训练好的模型中，获得与参考数据注释信息对应的查询数据的预测标签。本发明方法能够充分有效地利用多个来源的参考数据信息，自动对未知细胞类型的单细胞数据进行精准注释，有助于提高单细胞注释的效率和准确性。本发明方法有效解决单细胞测序数据的分析和注释问题。

主权项：1.一种基于选择性域鉴别器的单细胞自动注释方法，其特征在于，通过以下步骤实现：1获取多个来源的包含注释信息的单细胞数据作为参考数据；所述单细胞数据对象应包括转录组中的基因表达量信息，数据批次信息以及注释信息；2获取需要预测的单细胞数据作为查询数据；所述单细胞数据对象应包括与参考数据部分对应的基因表达量信息和数据批次信息；3预处理数据，过滤参考数据和查询数据的原始基因表达矩阵中的低质量数据，标准化处理并筛选出均有表达的高变基因作为特征提取模块的输入特征之一；4构建单细胞自动注释模型，包括以下几个关键模块：特征提取模块、选择性域鉴别模块以及标签预测模块，特征提取模块负责将参考数据和查询数据的基因表达信息和批次信息共同输入神经网络中，转换为序列形式的低维编码特征，选择性域鉴别模块的作用是确保在低维特征空间中能够将参考数据编码特征与查询数据编码特征部分对齐，即实现两者在数据分布上的选择性对齐，达到忽略不重要的细胞类别的目的，标签预测模块利用以上部分对齐的编码特征和参考数据的注释信息来预测查询数据的标签，从而实现单细胞数据的自动注释；5参数优化，将所述参考数据和查询数据输入单细胞自动注释模型，根据计算所述标签预测模块的输出与所述参考数据注释信息之间的损失函数对模型进行参数优化；6自动注释，利用参数优化后的单细胞自动注释模型对查询数据进行自动注释。

全文数据：

权利要求：

百度查询： 浙江大学 基于选择性域鉴别器的单细胞自动注释方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD