申请/专利权人：厦门大学

申请日：2024-01-17

公开（公告）日：2024-04-12

公开（公告）号：CN117877585A

主分类号：G16B30/00

分类号：G16B30/00;G16B25/00;G16B40/00;G06F18/213;G06F18/241

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：一种基于可解释深度学习的测序数据特征基因提取方法，本方法使用可解释深度学习在分类决策过程中对决策起重要作用的特征基因进行提取，使用基因作为输入，对于目标细胞spot空间转录组中的测量单位类型进行分类任务。并且在分类过程中计算基因特征的梯度值作为基因对于目标细胞spot类型的分类的重要程度显著性，并依此进行排序。取显著性排名靠前的基因作为特征基因签名，并循环直至排名稳定。稳定的特征基因签名可以用于分析患者预后、分析细胞功能等。该方法适用于基于下一代测序的空间转录组学和单细胞转录组学等转录组数据，具有广泛的适用性。

主权项：1.一种基于可解释深度学习的测序数据特征基因提取方法，其特征在于，包括以下步骤：S1：基于高方差基因作为输入，对于目标细胞spot类型，使用可解释深度神经网络进行分类任务；S2：在分类过程中计算根据损失函数反向传播计算特征梯度作为基因特征的显著性；S3：对基因特征的显著性进行排序，取显著性排名靠前的基因作为特征基因签名；S4：循环执行S1～S3直至达到循环停止条件，得到稳定的特征基因签名。

全文数据：

权利要求：

百度查询： 厦门大学 一种基于可解释深度学习的测序数据特征基因提取方法

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