申请/专利权人：复旦大学

申请日：2024-01-09

公开（公告）日：2024-04-02

公开（公告）号：CN117809748A

主分类号：G16B30/00

分类号：G16B30/00;G16B35/20;G16B40/00;G16B50/00;G06F18/2135;G06F18/23;G06N20/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于单细胞转录组测序数据的细胞周期分期预测方法，本发明基于单细胞转录组测序数据，识别出了一套稳健的细胞周期特征基因集，并基于这些细胞周期特征基因的表达，实现了细胞周期的高分辨率划分，最终构建了不同分期分辨率下的集成学习预测模型，该模型能够实现仅输入单个或多个细胞的细胞周期特征基因表达谱，即可获得不同分期数量框架下对应细胞所属的细胞周期子时期的预测结果；本发明为细胞周期研究提供了一种新的工具，能够实现以更高的精度理解细胞周期的动态变化过程。

主权项：1.一种基于单细胞转录组测序数据的细胞周期分期预测方法，其特征在于，步骤如下：1收集获得若干个单细胞转录组数据集，对每个单细胞转录组数据集进行预处理，然后进行伪时序构建，获得每个细胞在细胞周期中的伪时序，基于构建好的伪时序对细胞进行重排，获得不同基因的时序表达谱，通过自回归检验获得每个数据集中的细胞周期基因，选取出现次数占数据集总数23及以上的基因作为细胞周期特征基因；2基于得到的细胞周期特征基因集，对不同数据集中的细胞重新进行伪时序构建，基于新的伪时序对细胞进行重排，获得不同基因的时序表达谱，使用傅里叶分析和低通滤波对每个数据集中的细胞周期特征基因的时序表达谱进行平滑和降噪处理，得到每个数据集的细胞周期特征基因的时序转录信号；3使用TICC聚类算法对每个数据集的细胞周期特征基因的时序转录信号进行不同分期数量的划分，得到不同分期数量下细胞在细胞周期中所处的子时期；4将所有数据集的细胞周期特征基因的表达数据合并，并进行标准化处理，将细胞周期特征基因的表达数据作为特征，TICC聚类的分期数据作为标签，使用XGBoost、神经网络、SVM和随机森林作为基模型，随机森林作为元模型进行集成学习模型的训练和验证，得到不同分期数量下训练好的集成学习模型；5基于训练好的集成学习模型，使用单个或多个细胞的细胞周期特征基因的转录数据作为集成学习模型输入，预测获得对应细胞在细胞周期中的子时期。

全文数据：

权利要求：

百度查询： 复旦大学 基于单细胞转录组测序数据的高分辨率细胞周期分期预测方法

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。

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