Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种多切片空间转录组学数据集的空间域识别及批次效应去除方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:云南大学

摘要:本发明涉及多切片空间转录组学数据集聚类分析技术领域,公开了一种多切片空间转录组学数据集的空间域识别及批次效应去除方法。本发明以图神经网络的多层堆叠作为特征编码器的骨干模块,为了使模型能更具鲁棒性,将掩码机制融入骨干模块,同时本发明还将针对在那些被掩盖的基因计算目标函数,归一化的余弦误差增强了嵌入表示学习的稳定性;其次,为了提高多切片的空间域识别性能,本发明利用抗学习思想构建了切片判别器,它能有效的处理在多切片ST数据中无法准确聚类的问题;最后本发明还提出了GGN贪婪的全局信息邻居对方法很好的缓解了由技术不同、时间不同和不同条件产生的切片间的批次效应问题。本发明方法不仅可以有效的识别多切片数据的空间域,还可以很好的解决多切片间的批次效应问题。

主权项:1.一种多切片空间转录组学数据集的空间域识别及批次效应去除方法,其特征在于,包括步骤:对获取的多个空间转录切片的基因表达矩阵进行预处理和数据增强处理,得到切片增强基因表达矩阵;基于每个空间转录切片上spot的空间位置构建块对角邻接矩阵A;构建神经网络模型,所述神经网络模型包括特征编码器、特征解码器、切片判别器以及锚点近邻选择模块;将所述增强基因表达矩阵和所述块对角邻接矩阵A输入到所述神经网络模型的特征编码器中,输出spot的特征潜表示H;将所述spot的特征潜表示H分别作为特征解码器、切片判别器以及锚点近邻选择模块的输入,设定生成阶段和对抗阶段的学习目标函数对所述神经网络模型进行训练后,得到已训练神经网络模型;将待分析空间转录组切片的增强基因表达矩阵和块对角邻接矩阵A作为所述已训练神经网络模型中特征编码器的输入,得到具有空间域识别精度及批次效应去除的特征潜表示。

全文数据:

权利要求:

百度查询: 云南大学 一种多切片空间转录组学数据集的空间域识别及批次效应去除方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。