CN115512772B 一种基于标记基因和集成学习的高精度单细胞聚类方法及系统 （山东大学）

一种基于标记基因和集成学习的高精度单本发明涉及一种基于标记基因和集成学习阵中每个元素对应于一个基因/转录本在给定细层聚类方法包括单细胞聚类方法SNN_Cliq和深建图c,图c中的节点Node表示细胞，边的权值2步骤一：特征提取；采用特征提取算法和降维算法降低细聚类方法包括单细胞聚类方法SNN_Cliq和深度学习的自组织映射方法SOM；经过特征提取后的表达矩阵作为输入被应用于单细胞聚类方法SNN_Cliq和深度学习的自组织映射方法经过特征提取后的表达矩阵作为输入被应用于深度学习的自组2.根据权利要求1所述的一种基于标记基因和集成学习的高精度单细胞聚类方法，其3.根据权利要求1所述的一种基于标记基因和集成学习的高精度单细胞聚类方法，其ii分别表示细胞x和细胞y的第i个表达值。4.根据权利要求1所述的一种基于标记基因和集成学习的高精度单细胞聚类方法，其5.根据权利要求1所述的一种基于标记基因和集成学习的高精度单细胞聚类方法，其3i)表示节点v在xi最近邻列表NN(xi)中的位j)表示节点v在xj最近邻列表NN(xj)中的位置。6.根据权利要求1所述的一种基于标记基因和集成学习的高精度单细胞聚类方法，其7.根据权利要求1所述的一种基于标记基因和集成学习的高精度单细胞聚类方法，其胞向量X是指由细胞的基因表达值构成的向量，权向量W的初始化由随机选取细胞向量X进最后，对优胜邻域内的节点调整权值，即对获胜的神经元拓扑邻8.根据权利要求1所述的一种基于标记基因和集成学习的高精度单细胞聚类方法，其9.根据权利要求1_8任一所述的一种基于标记基因和集成学习的高精度单细胞聚类方4特征提取模块，被配置为：采用特征提取算法和降维算法降征提取后的表达矩阵分别作为输入被应用于单细胞聚类方法SNN_Cliq和深度学习的自组5结合主成分分析(PrincipalComponentAnalysis，PCA)、t分布随机近邻嵌入(t_distributedStochasticNeighborEmbedding，t_SNE)或均匀流形近似和投影(Uniform原因是无监督的特征提取不易识别出细胞群间差异最大[0004]针对现有技术的不足，本发明利用细胞标记基因集作为先验知识集进行特征提取，并集成两种性能优异的聚类方法,包括单细胞聚类方法SNN_Cliq和深度学习的自映射(SOM)进行单细胞聚类。本发明提出了一种高精度的单细胞聚类算法_SCMcluster(Singlecellclusterusingmarkergenes)，使用整合后的两个单细胞标志物数据库将其应用于特征提取并构建了一个集成聚类模型用于特征处理取细胞特征；细胞表达矩阵中每个元素对应于一个基因/转录本在给定细胞中的表达，其内层聚类方法包括单细胞聚类方法SNN_Cliq和深度学习的自组织映射方法SOM；经过特征提取后的表达矩阵作为输入被应用于单细胞聚类方法SNN_Cliq和深度学习的自组织映射6到最后的子图；参数r_cutoff和merge_cutoff分别表示每对Cliq的最近邻半径和合并阈[0014]经过特征提取后的表达矩阵作为输入被应用于深度学习的自组织映射方法SOM，i分别表示细胞x和细胞y的第i个表达值。细胞，边则根据是否存在至少拥有一个共同的KNN一[0026]进一步优选的，步骤二中，通过在构建的共享邻居图中寻找quasi_cliques的策7对细胞向量X和权向量W，归一化处理得到和初始化优胜邻域r_[0032]W(i+1)=ij+n(&-i)(IW)[0033]最终得到的网络权值趋近于各输入向量的平均值；判断学习率η是否低于阈值过特征提取后的表达矩阵分别作为输入被应用于单细胞聚类方法SNN_Cliq和深度学习的8类算法_SCMcluster在特征提取和聚类性能方面[0052]图2为本发明将特征处理前后的单细胞RNA测序数据应用于八种不同的聚类方法[0054]图4(a)为真实数据集Muraro上本发明基于标记基因和集成学习的高精度单细胞[0055]图4(b)为真实数据集Baron上本发明基于标记基因和集成学习的高精度单细胞聚习的自组织映射方法SOM；经过特征提取后的表达矩阵作为输入被应用于单细胞聚类方法SNN_Cliq和深度学习的自组织映射方法9[0067]最后，通过在单细胞聚类方法SNN_Cliq构建的共享邻居图中寻找quasi_cliques[0068]经过特征提取后的表达矩阵作为输入被应用于深度学习的自组织映射方法SOM，[0073]最终输出的单细胞聚类结果为进行共识聚类(谱聚类在共识矩阵上的聚类)后得[0075]根据实施例1所述的一种基于标记基因和集成学习的高精度单细胞聚类方法，其单细胞数据库_CellMarker数据库(/CellMarker/download.jsp)和PanglaoDB数据库(/CellMarker/i分别表示细胞x和细胞y的第i个表达值。是否存在至少拥有一个共同的KNN一对节点(也就是一对细胞)定义；边e(xi,yi)的权值w(xi,xj)定义为k与KNN(K_NearestNeighbor)图中最高的平均排名的差值,计算公式如式对细胞向量X和权向量W，归一化处理得到和初始化优胜邻域r_[0091]W(i+1)=ij+n(&-w)(IV)[0092]最终得到的网络权值趋近于各输入向量的平均值；判断学习率η是否低于阈值RandIndex,ARI),归一化互信息(NormalizedMutualInformation,NMI),调整互信息(AMI,AdjustedMutualInform[0105]将SCMcluster与四种传统聚类算法以及四种广泛使用的单细胞聚类算法(表1)进[0108]将特征处理前后的单细胞RNA测序数据应用于八种不同的聚类方法(四种传统聚将特征处理前后的单细胞RNA测序数据应用于八种不同的聚类方法并用五种评价指标来衡[0109]还对比了一些被广泛应用于单细胞聚类的降维子步骤，包括t_SNE,pcaReduce中[0110]本发明将提出的方法与通用单细胞聚类方法分别在人类和小鼠细胞两个单细胞数据集Baron上本发明基于标记基因和集成学习的高精度单细胞聚类方法的性能对比示意类数据集muraro上，ARI值比排名第二的谱聚类高出了8.5比排名第三的SC3高出了20.0在小鼠数据集上，SCMcluster的性能更远高于其他方法，五个指标值分别取得了94.4197.7489.8389.6695.99而排名第二的SC3结果仅仅为43.36%,81.7073.1972.64