System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及生物信息学单细胞数据分析领域,具体为一种基于残差图神经网络的多任务细胞分析方法及系统。
技术介绍
1、单细胞测序是一种新的测序技术可以测量单个细胞内的基因表达。通过对单细胞测序数据的分析,研究人员可以发现不同细胞类型、亚型和状态之间的差异,揭示基因调控网络、细胞通信机制,探索疾病机理等。因此对单细胞数据进行准确的分析有助于科学家能够更全面、精确地了解细胞的性质、功能和多样性。这项技术对于生物医学研究、医疗诊断和药物开发等领域都产生了深远的影响,有助于推动科学的进步和改善健康护理。具体来说,单细胞分析主要包括对单细胞转录组数据数据进行细胞类型聚类、基因插补与降维。但是由于单细胞转录组数据数据普遍存在的“dropout”现象以及噪声问题,设计准确的单细胞分析方法是一项具有挑战性的任务。
2、提高单细胞分析方法的关键在于从单细胞转录组数据数据中抽取强大的具有鉴别性的细胞特征表示。例如,isabella等人扩展了以前的方法,即层次聚类的显著性,提出了一种基于模型的假设检验方法,将显著性分析纳入到聚类算法中,并允许对聚类作为不同细胞群体的统计评估;george等人提出了一种基于低秩矩阵逼近的方法,可以填补单细胞转录组数据中的缺失值,同时将生物学上未表达的基因(真正的生物学零值)保持在零表达水平上;王等人提出了用于单细胞转录组数据数据的深度变分自编码器(vasc),这是一个深层次的多层生成模型,用于无监督的降维和可视化单细胞转录组数据数据。vasc可以明确地建模丢失事件并找到原始数据的非线性分层特征表示。
< ...【技术保护点】
1.一种基于残差图神经网络的多任务细胞分析方法,其特征在于,包括:
2.如权利要求1所述的基于残差图神经网络的多任务细胞分析方法,其特征在于:所述归一化包括,归一化程序为SeuratSeurat标准的质控流程,获得新的单细胞转录组数据X。
3.如权利要求2所述的基于残差图神经网络的多任务细胞分析方法,其特征在于:所述降噪自编码器包括,对X添加随机的高斯噪声Xcorrupt,表示为:
4.如权利要求3所述的基于残差图神经网络的多任务细胞分析方法,其特征在于:所述邻接矩阵包括,使用所述降噪自编码器获得所述单细胞转录组数据的基因加权联合表示E,对于每一个细胞celli,使用E中的特征找到与celli最近的k个邻居,构建邻接矩阵表示为:
5.如权利要求4所述的基于残差图神经网络的多任务细胞分析方法,其特征在于:所述残差图神经网络模型包括,把X输入到一个有256个隐藏单元的全连接神经网络中,得到Z0:
6.如权利要求5所述的基于残差图神经网络的多任务细胞分析方法,其特征在于:所述双重自我监督模型包括,将降噪自编码器的解码器输出与残
7.如权利要求6所述的基于残差图神经网络的多任务细胞分析方法,其特征在于:所述输出单细胞转录组数据的聚类结果、插补结果以及低维表示包括,所述残差图神经网络的输出结果为聚类结果,所述降噪自编码器的编码器输出结果为基因插补结果,所述降噪自编码器的解码器输出结果为特征的低维嵌入表示。
8.一种采用如权利要求1-7任一所述方法的一种基于残差图神经网络的多任务细胞分析系统,其特征在于:
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,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7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于残差图神经网络的多任务细胞分析方法,其特征在于,包括:
2.如权利要求1所述的基于残差图神经网络的多任务细胞分析方法,其特征在于:所述归一化包括,归一化程序为seuratseurat标准的质控流程,获得新的单细胞转录组数据x。
3.如权利要求2所述的基于残差图神经网络的多任务细胞分析方法,其特征在于:所述降噪自编码器包括,对x添加随机的高斯噪声xcorrupt,表示为:
4.如权利要求3所述的基于残差图神经网络的多任务细胞分析方法,其特征在于:所述邻接矩阵包括,使用所述降噪自编码器获得所述单细胞转录组数据的基因加权联合表示e,对于每一个细胞celli,使用e中的特征找到与celli最近的k个邻居,构建邻接矩阵表示为:
5.如权利要求4所述的基于残差图神经网络的多任务细胞分析方法,其特征在于:所述残差图神经网络模型包括,把x输入到一个有256个隐藏单元的全连接神经网络中,得到z0:
6.如权利要求5所述的基于残差图神经网络的多任务细胞分析方法,其特征在于:所述双重自我监督模型包...
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。