一种单细胞类型识别方法、系统和存储介质技术方案

本发明专利技术公开了一种单细胞类型识别方法、系统和存储介质，所述方法包括：获取待识别单细胞的矩阵数据；将待识别单细胞的矩阵数据输入训练好的单细胞类型识别模型进行识别，得到待识别单细胞的分类结果；本发明专利技术该方法采用的单细胞类型识别模型包括顺次连接的FFT模块、改进的Transformer编码模块和分类器，能够在特征提取和训练阶段有能力保留更全面的表达信息，同时加强对原始数据潜在特征内容的建模能力，从而实现更高精度的识别。

【技术实现步骤摘要】

本专利技术属于单细胞类型识别，尤其涉及一种单细胞类型识别方法、系统和存储介质。

技术介绍

1、细胞类型识别是生物信息学与计算生物学领域的关键任务之一，其核心目标是通过分析细胞的基因表达谱、表面标记物、形态学特征以及其他生物标志物，借助高通量测序与成像技术，对细胞群体进行精确分类与功能注释。这一过程不仅为揭示细胞异质性、组织功能调控机制以及发育生物学规律提供了重要基础，也为疾病诊断、药物靶点发现及再生医学研究开辟了新的路径。近年来，随着单细胞rna测序（scrna-seq）技术的突破性进展，结合深度学习算法的自动化分析框架，为细胞类型识别技术带来了前所未有的机遇。

2、当前主流的细胞类型识别方法通常基于无监督或半监督学习框架，其中自编码器（autoencoder, ae）及其变体（如变分自编码器vae、去噪自编码器dae等）被广泛应用于单细胞数据的降维与特征提取。然而，这类方法在一定程度上提升了计算的效率，但仍存在一些问题:(一）自编码器的训练过度依赖降维后的数据表示，忽略了训练过程中数据蕴含的丰富上下文信息；(二）scrna-seq数据中普遍存本文档来自技高网...

【技术保护点】

1.一种单细胞类型识别方法，其特征在于，包括：

2.根据权利要求1所述的单细胞类型识别方法，其特征在于，所述在将待识别单细胞的矩阵数据输入训练好的单细胞类型识别模型之前，还包括预处理：

3.根据权利要求2所述的单细胞类型识别方法，其特征在于，所述FFT模块包括顺次连接的FFT编码层、加权门控层、IFFT解码层、第一归一化层、第一前馈网络层和第二归一化模块；

4.根据权利要求3所述的单细胞类型识别方法，其特征在于，所述改进的Transformer编码模块包括顺次连接的多头注意力机制层、第三归一化层、二维注意力前馈网络层和第四归一化层；

5.根...

【技术特征摘要】

1.一种单细胞类型识别方法，其特征在于，包括：

2.根据权利要求1所述的单细胞类型识别方法，其特征在于，所述在将待识别单细胞的矩阵数据输入训练好的单细胞类型识别模型之前，还包括预处理：

3.根据权利要求2所述的单细胞类型识别方法，其特征在于，所述fft模块包括顺次连接的fft编码层、加权门控层、ifft解码层、第一归一化层、第一前馈网络层和第二归一化模块；

4.根据权利要求3所述的单细胞类型识别方法，其特征在于，所述改进的transformer编码模块包括顺次连接的多头注意力机制层、第三归一化层、二维注意力前馈网络层和第四归一化层；

5.根据权利要求4所述的单细胞类型识别方法，其特征在于，所述单头注意力层用于基于旋转位置编码矩阵和fft模块的输出数据，进行query、key和value矩阵计算，并根据query、key和value矩阵计算缩放点积注意力；其中...

【专利技术属性】
技术研发人员：汤斌华，陈义曜，冯盈盈，毛梦瑶，
申请(专利权)人：河海大学，
类型：发明
国别省市：