申请/专利权人:东南大学
申请日:2020-06-28
公开(公告)日:2024-04-19
公开(公告)号:CN111798925B
主分类号:G16B40/00
分类号:G16B40/00;G16B25/10;G06F17/16
优先权:
专利状态码:有效-授权
法律状态:2024.04.19#授权;2020.11.06#实质审查的生效;2020.10.20#公开
摘要:本发明涉及一种基于基因表达谱识别组织样本中细胞类型及组分的方法,包括1)获得基因表达矩阵中所有基因的特异性得分;2)利用获取得到的基因表达矩阵中所有基因的特异性得分并结合统计检验框架识别潜在的标记基因;3)利用互线性策略将识别的标记基因映射至标记基因所对应的细胞类型,并过滤掉低信度的标记基因,构建出可表征细胞类型特异性且具有最小条件数的标签矩阵;4)将加权最小二乘法纳入鲁棒线性模型,与标签矩阵相结合,构建解卷积模型,预测组织样本中的细胞组分。本发明提供了一种直接衡量基因在任意种条件下的特异性的方法,并建立了细胞类型识别算法,实现对细胞类型特异性基因的鉴定和组织样本中细胞组分的预测。
主权项:1.一种基于基因表达谱识别组织样本中细胞类型及组分的方法,其特征在于:所述基于基因表达谱识别组织样本中细胞类型及组分的方法包括以下步骤:1基于信息熵的细胞类型特异性评分模型评估基因在不同细胞类型中的特异性,完整的获得基因表达矩阵中所有基因的特异性得分;2利用步骤1获取得到的基因表达矩阵中所有基因的特异性得分并结合统计检验框架识别潜在的标记基因;3利用互线性策略将步骤2识别的标记基因映射至标记基因所对应的细胞类型,并过滤掉低信度的标记基因,构建出可表征细胞类型特异性且具有最小条件数的标签矩阵;4使用加权鲁棒线性回归,即将加权最小二乘法纳入鲁棒线性模型,再与标签矩阵相结合,构建解卷积模型,预测组织样本中的细胞组分。
全文数据:
权利要求:
百度查询: 东南大学 基于基因表达谱识别组织样本中细胞类型及组分的方法
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。