【技术实现步骤摘要】
本说明书涉及生物信息学，尤其涉及一种像素分辨率空间组数据增强可视化方法及装置。
技术介绍
1、空间组学技术是一种同时对生物学样本中的检测元素表达信息以及检测元素表达的空间位置信息进行捕获的高通量组学技术(rao et al.2021；moffitt,lundberg,andheyn 2022)。空间组学数据包含细胞状态和基因表达在空间上分布的重要信息，因此对空间组学数据中包含空间信息的可视化就显得格外重要。
2、空间转录组技术是一种当前应用较为广泛的空间组学技术，目前主流的空间转录组学数据可视化工具主要由空间转录组技术的商业平台所提供。stomics是stereo-seq数据的官方可视化工具，这个工具可以在细胞(wei et al.2022)或分箱(liu et al.2022)的尺度上展现细胞类型或者基因表达的空间分布。在stomics中，细胞或分箱的位置用中心的点来表示，细胞类型和基因表达量用颜色表示。但是由于stomics使用细胞或分箱的中心位置的点来进行可视化，这一工具不能够描述细胞轮廓以及细胞-细胞相互作用等重要信息。同时由于stomics一次只能绘制1个基因的表达情况，而细胞状态由众多基因的表达所共同决定，因此这一工具无法有效的对细胞状态的空间分布进行描述。
3、现有技术中的方法需要对细胞进行分割，分割的不准确会导致每一个细胞汇总的基因信号不准确，进而会由于基因表达量的不准确导致细胞类型鉴定的不准确；细胞类型鉴定是手动进行，难以自动化；降低了分辨率，不能展示细胞细节的形状；细胞类型水平的可视化
4、因此，现在亟需一种更加准确、高效的空间组数据增强可视化方法技术方案。
技术实现思路
1、为解决现有技术中的问题，本说明书实施例提供了一种像素分辨率空间组数据增强可视化方法及装置，用于解决现有技术中以细胞/网格为单位进行可视化，无法在亚细胞分辨率空间组上实现亚细胞分辨率的可视化，并且需要细胞切割/细胞类型注释的结果，导致细胞汇总的检测元素信号不准确，进而会由于检测元素表达量的不准确导致细胞类型鉴定的不准确，并且消耗大量内存和显存的问题。
2、本说明书实施例提供了一种像素分辨率空间组数据增强可视化方法，包括，
3、将参考数据集进行特征空间投影，得到细胞状态特征空间，其中，所述细胞状态特征空间中的每个坐标点包括唯一的特征表达谱信息；
4、根据所述空间组数据中的特定空间区域内每个像素点的状态，计算由所述每个像素点的状态构成的多个状态组合的分值，得到分值最高的最优状态组合；
5、根据所述最优状态组合对应的所述细胞状态特征空间中坐标点的特征表达谱信息，得到所述特定空间区域内每个像素点的最优状态标签；
6、根据所述最优状态标签，对所述特定空间区域内每个像素点进行增强可视化处理。
7、本说明书实施例还提供了一种像素分辨率空间组数据增强可视化装置，包括，
8、细胞状态特征空间构建单元，用于将参考数据集进行特征空间投影，得到细胞状态特征空间，其中，所述细胞状态特征空间中的每个坐标点包括唯一的特征表达谱信息；
9、最优状态组合计算单元，用于根据所述空间组数据中的特定空间区域内每个像素点的状态，计算由所述每个像素点的状态构成的多个状态组合的分值，得到分值最高的最优状态组合；
10、最优状态标签单元，用于根据所述最优状态组合对应的所述细胞状态特征空间中坐标点的特征表达谱信息，得到所述特定空间区域内每个像素点的最优状态标签；
11、增强可视化单元，用于根据所述最优状态标签，对所述特定空间区域内每个像素点进行增强可视化处理。
12、本说明书实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。
13、本说明书实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现上述的方法。
14、利用本说明书实施例，基于空间组数据得到空间位置与细胞特征空间连续映射关系，实现了对细胞状态和检测元素表达分布的原位增强，在亚细胞分辨率空间组上实现亚细胞分辨率的推断。同时由于本说明书实施例中的方法不使用细胞切割/细胞类型注释的结果，具有很好的细胞边界/细胞类型错误标记的容错性。本说明书实施例中的方法在函数设计上具有二维马尔可夫性，一个位置的分值只依赖于周围临近位置的状态而不依赖于全局状态，相较于现有技术中一次读取所有数据进行计算，需要非常多的内存/显存，超大视野可扩展性有限，所以对超大视野的空间组数据使用分块计算的方式，一次只处理部分空间组数据，节省内存/显存。本说明书实施例中的方法在进行细胞类群推断时，由于将每个空间组数据的位置(像素点)细胞状态空间进行映射，可以对几千种细胞状态进行鉴定，而其他方法由于算法复杂度和稳定性只能实现几种/几十种细胞类型的鉴定。相较于现有技术中需要手动输入空间结构域数量和细胞种类的先验信息，而这在大视野的空间组数据中是不容易进行估计的，本说明书实施例中的方法在空间结构域推断时，由于只考虑细胞状态特征空间与空间组数据中的特定空间区域的连续映射关系进行平面划分，可以实现多尺度不规则形状空间结构域的非监督聚类。
本文档来自技高网...【技术保护点】
1.一种像素分辨率空间组数据增强可视化方法，其特征在于，该方法包括，
2.根据权利要求1所述的方法，其特征在于，将参考数据集进行特征空间投影中进一步包括，
3.根据权利要求1所述的方法，其特征在于，在得到细胞状态特征空间中进一步包括，
4.根据权利要求1所述的方法，其特征在于，所述细胞状态特征空间中的每个坐标点还包括标识所述坐标点所属细胞类型的信息。
5.根据权利要求1所述的方法，其特征在于，所述空间组数据中的特定空间区域内每个像素点的状态包括，所述像素点属于背景状态或所述像素点属于可检测信号状态。
6.根据权利要求5所述的方法，其特征在于，根据所述空间组数据中的特定空间区域内每个像素点的状态，计算由所述每个像素点的状态构成的多个状态组合的分值中进一步包括，
7.根据权利要求5所述的方法，其特征在于，根据所述空间组数据中的特定空间区域内每个像素点的状态，计算由所述每个像素点的状态构成的多个状态组合的分值中进一步包括，
8.根据权利要求7所述的方法，其特征在于，计算该像素点处于该特定状态时的分值进一
9.根据权利要求8所述的方法，其特征在于，所述可检测信号状态进一步包括所述像素点属于细胞状态特征空间状态下的特征表达谱信息，或所述像素点在所述细胞状态特征空间之外状态。
10.根据权利要求9所述的方法，其特征在于，当所述像素点的状态为属于细胞状态特征空间状态下的特征表达谱信息时，所述计算所述像素点的信号分值Ssig进一步包括，
11.根据权利要求10所述的方法，其特征在于，当所述像素点的状态为属于细胞状态特征空间状态下的特征表达谱信息时，计算所述像素点和所述细胞状态特征空间中坐标点之间的相似性分值Ssimi进一步包括，
12.根据权利要求11所述的方法，其特征在于，当所述像素点的状态为属于细胞状态特征空间状态下的特征表达谱信息时，所述计算所述像素点不能被所述细胞状态特征空间坐标点所描述的分值Sother进一步包括，
13.根据权利要求8所述的方法，其特征在于，当所述像素点的状态为背景状态时，计算该像素点处于该特定状态时的分值进一步包括，
14.根据权利要求10所述的方法，其特征在于，计算该像素点处于该特定状态时的分值进一步包括，
15.根据权利要求14所述的方法，其特征在于，计算所述像素点及其空间邻域的像素点与所述细胞状态特征空间中坐标点的相似性分值Sneighbor进一步包括，
16.根据权利要求15所述的方法，其特征在于，根据所述空间组数据中的特定空间区域内每个像素点的状态，计算由所述每个像素点的状态构成的多个状态组合的分值中进一步包括，
17.根据权利要求4所述的方法，其特征在于，所述最优状态标签至少包括，所述最优状态组合中每个像素点的状态，和/或所述像素点所属细胞类型的信息。
18.根据权利要求1所述的方法，其特征在于，根据所述最优状态标签，对所述特定空间区域内每个像素点进行增强可视化处理进一步包括，
19.根据权利要求1所述的方法，其特征在于，根据所述最优状态标签，对所述特定空间区域内每个像素点进行增强可视化处理进一步包括，
20.根据权利要求1所述的方法，其特征在于，根据所述最优状态标签，对所述特定空间区域内每个像素点进行增强可视化处理后进一步包括，
21.一种像素分辨率空间组数据增强可视化装置，其特征在于包括，
22.一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至20任一项所述的方法。
...【技术特征摘要】
1.一种像素分辨率空间组数据增强可视化方法，其特征在于，该方法包括，
2.根据权利要求1所述的方法，其特征在于，将参考数据集进行特征空间投影中进一步包括，
3.根据权利要求1所述的方法，其特征在于，在得到细胞状态特征空间中进一步包括，
4.根据权利要求1所述的方法，其特征在于，所述细胞状态特征空间中的每个坐标点还包括标识所述坐标点所属细胞类型的信息。
5.根据权利要求1所述的方法，其特征在于，所述空间组数据中的特定空间区域内每个像素点的状态包括，所述像素点属于背景状态或所述像素点属于可检测信号状态。
6.根据权利要求5所述的方法，其特征在于，根据所述空间组数据中的特定空间区域内每个像素点的状态，计算由所述每个像素点的状态构成的多个状态组合的分值中进一步包括，
7.根据权利要求5所述的方法，其特征在于，根据所述空间组数据中的特定空间区域内每个像素点的状态，计算由所述每个像素点的状态构成的多个状态组合的分值中进一步包括，
8.根据权利要求7所述的方法，其特征在于，计算该像素点处于该特定状态时的分值进一步包括，
9.根据权利要求8所述的方法，其特征在于，所述可检测信号状态进一步包括所述像素点属于细胞状态特征空间状态下的特征表达谱信息，或所述像素点在所述细胞状态特征空间之外状态。
10.根据权利要求9所述的方法，其特征在于，当所述像素点的状态为属于细胞状态特征空间状态下的特征表达谱信息时，所述计算所述像素点的信号分值ssig进一步包括，
11.根据权利要求10所述的方法，其特征在于，当所述像素点的状态为属于细胞状态特征空间状态下的特征表达谱信息时，计算所述像素点和所述细胞状态特征空间中坐标点之间的相似性分值ssimi进一步包括，
12.根据权利要求...
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。