【技术实现步骤摘要】
本专利技术涉及细胞生物，尤其涉及一种基于机器学习的基因表达和细胞微观表型的关联方法。
技术介绍
1、植物展现的一系列细微性状，无论是物理、化学还是生物学特性，都是特定基因在特定时期表达的结果，这些性状统称为“微表型”。
2、在过去的20年中，宏观水平的表型性状（器官、植株和冠层）取得了很大的进展，但对微观水平的表型性状及其与宏观水平的表型性状的相关性却关注甚少，同时，由于基因表达数据通常非常复杂，包含大量的信息。这使得数据的解读和分析变得困难，需要专业的生物信息学知识和技能。
3、由此可见，相关技术中的性状表型鉴定方式，存在数据分析难度较大的技术问题。
技术实现思路
1、本专利技术提供一种基于机器学习的基因表达和细胞微观表型的关联方法，用以解决现有技术中性状表型鉴定方式，存在数据分析难度较大的缺陷，实现单细胞微观表型和基因表达的关联。
2、本专利技术提供一种基于机器学习的基因表达和细胞微观表型的关联方法，包括如下步骤。
3、获取细胞成像数据与...
【技术保护点】
1.一种基于机器学习的基因表达和细胞微观表型的关联方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的基因表达和细胞微观表型的关联方法，其特征在于，所述通过微调视觉领域大模型基于所述细胞成像数据与所述空间转录组数据进行单细胞分割，得到所述目标细胞的细胞图像，包括：
3.根据权利要求1所述的基于机器学习的基因表达和细胞微观表型的关联方法，其特征在于，所述目标细胞的微观表型包括以下至少之一：细胞面积、细胞周长、细胞最小外接圆半径、细胞最小外接椭圆长轴、细胞最小外接椭圆短轴、细胞最小外接矩形长、细胞最小外接矩形宽。
4.根据权...
【技术特征摘要】
1.一种基于机器学习的基因表达和细胞微观表型的关联方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的基因表达和细胞微观表型的关联方法，其特征在于，所述通过微调视觉领域大模型基于所述细胞成像数据与所述空间转录组数据进行单细胞分割，得到所述目标细胞的细胞图像，包括：
3.根据权利要求1所述的基于机器学习的基因表达和细胞微观表型的关联方法，其特征在于，所述目标细胞的微观表型包括以下至少之一：细胞面积、细胞周长、细胞最小外接圆半径、细胞最小外接椭圆长轴、细胞最小外接椭圆短轴、细胞最小外接矩形长、细胞最小外接矩形宽。
4.根据权利要求1所述的基于机器学习的基因表达和细胞微观表型的关联方法，其特征在于，所述基于所述目标细胞的细胞掩码与所述空间转录组数据，确定所述目标细胞的基因表达，包括：
5.根据权利要求1所述的基于机器学习的基因表达和细胞微观表型的关联方法，其特征在于，在所述通过预设的机器学习模型，基于所述目标细胞的微观表型与所述目标细胞的基因表达进行关联分析，得到所述目标细胞的微观表型与基因表达关...
【专利技术属性】
技术研发人员：谷晓峰，毛益超，田键，李东维，谢上，刘翰林，
申请(专利权)人：中国农业科学院生物技术研究所，
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。