【技术实现步骤摘要】
本公开涉及基于机器学习的分析生物样品中空间蛋白质组数据的方法。
技术介绍
1、空间组学通过将空间信息与分子dna、rna或蛋白质表达信息相结合来探索组织微环境和细胞网络，进一步整合的空间信息有利于理解分子其亚细胞环境之间的复杂相互作用，来指导潜在药物靶点的识别、疾病的诊断治疗。肿瘤横截面通常覆盖了几厘米的组织，其中包含多达1,000,000个细胞，空间组学方法可以在约0.2μm的分辨率表征这些细胞的分子特征，而更高的空间分辨率通常意味着更小的分子数量，视野范围(例如从平方毫米到平方厘米)和测量方法灵敏度也是评估技术很重要的参数。宏观解剖和激光显微切割(laser-capture micro dissection，lcm)为空间组学的实现提供了基于视觉切割基础，可以进一步和分子多组学等高通量测序技术结合实现多区域单细胞分辨率的测序。
2、蛋白质作为疾病生物标志物和药物靶点在现代生物医学中具有举足轻重的作用，蛋白质组学是分析生物体内所有蛋白质的组成与定量的有效手段。传统的蛋白质组检测的是整块组织或分离后的细胞中的蛋白表达水平，失...
【技术保护点】
1.一种分析生物样品中空间蛋白质组数据的方法，包括：
2.根据权利要求1所述的方法，还包括：
3.根据权利要求1所述的方法，还包括：
4.根据权利要求1所述的方法，还包括：
5.根据权利要求4所述的方法，还包括：
6.根据权利要求5所述的方法，还包括：
7.根据权利要求5所述的方法，还包括：
8.根据权利要求1所述的方法，还包括：
9.根据权利要求1所述的方法，还包括：
10.根据权利要求1所述的方法，其中，所述生物样品为经过锚定和膨胀处理后的组织切片，所述微样...
【技术特征摘要】
1.一种分析生物样品中空间蛋白质组数据的方法，包括：
2.根据权利要求1所述的方法，还包括：
3.根据权利要求1所述的方法，还包括：
4.根据权利要求1所述的方法，还包括：
5.根据权利要求4所述的方法，还包括：
6.根据权利要求5所述的方法，还包括：
7.根据权利要求5所述的方法，还包括：
8.根据权利要求1所述的方法，还包括：
9.根据权利要求1所述的方法，还包括：
10.根据权利要求1所述的方法，其中，所述生物样品为经过锚定和膨胀处理后的组织切片，所述微样本区域为经过打孔处理取样的区域。
11.根据权利要求10所述的方法，还包括：
12.根据权利要求1所述的方法，其中，所述蛋白质表达矩阵通过对所述生物样品进行质谱分析得到。
13.根据权利要求1所述的方法，其中，所述无监督聚类算法为k均值聚类算法。
14.根据权利要求1所述的方法，其中，以第一视觉方式指示相应微样本区域的聚类类别包括：在与所述生物样品相关联的图中对应于每个微样本区域的位置，显示具有特定形状的图形以指示相应微样本区域的聚类类别。
15.根据权利要求1所述的方法，其中，以第二视觉方式指示相应微样本区域所处的亚型区域的亚型类别包括：在与所述生物样品相关联的图中对应于每个微样本区域的位置，显示具有特定颜色的图形以指示相应微样本区域所处的亚型区域的亚型类别。
16.根据权利要求5所述的方法，其中，所述多...
【专利技术属性】
技术研发人员：郭天南，朱怡，张芳菲，董振，
申请(专利权)人：西湖实验室生命科学和生物医学浙江省实验室，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。