CN118675623B 一种单细胞rna测序数据聚类方法 （云南大学）

WenwenMinetal..scASDC:AttentEnhancedStructuralBioinformaticsandBiomedicine.2024,1-8.单细胞RNA测序数据聚类方法。本发明基于ZINB的自编码模块来提取单细胞RNA测序数据的内容意力融合机制将基于ZINB的自编码模块和图自的特征表示和结构信息有效地融合到同一个表策略将基于ZINB2Bioinformatics.2022,第23卷1-13.3将所述基于ZINB的自编码模块和图自编码模块通过注意力融合种逐层嵌入的操作将基因表达信息的特征表示和细胞结构信息有效地融合到同一个表示通过自监督策略将基于ZINB的自编码模块和图自编码模块集成到一个统一的框架中，基于所述单细胞RNA基因表达矩阵X和细胞-细胞图邻接矩阵A对这两个模块进行端到端的将待聚类的单细胞RNA测序数据进行处理后，得到待聚类的单细胞RNA基因表达矩阵X在解码器的最后一层分别连接三个独立的全连接层，分别用来估计ZINB的三个参数：将基于ZINB的自编码模块最终的损失函数定义为ZINB分布所述图自编码模块共有L层，所述细胞-细胞图邻接矩阵A作为所述图自所述构建图自编码模块的步骤进一步包括：使用如下两个重构误差作4将所述基于ZINB的自编码模块和图自编码模块通过注意力融合种逐层嵌入的操作将基因表达信息的特征表示和细胞结构信息有效地融合到同一个表示将基于ZINB的自编码模块的输出和图自编码模块的输出通过一个注意力融合模块进使用集成表示Rl-1作为图卷积网络的输入来学习高阶判别信息并生成新的表示通过自监督策略将基于ZINB的自编码模块和图自编码模块集成到一个统一的框架中，基于所述单细胞RNA基因表达矩阵X和细胞-细胞图邻接矩阵A对这两个模块进行端到端的对基于ZINB的自编码模块的中间层输出执行k-means聚类得到一组初始的聚类中使用软聚类分布Q和目标分布P分布之间的KL散度损失作为优化目标从而获得更高质5第一数据处理模块，用于获取单细胞RNA测序数据，对所融合模块，用于将所述基于ZINB的自编码模块和图自编码训练模块，用于通过自监督策略将基于ZINB的自编聚类模块，用于将待聚类的单细胞RNA测序数据进行处理后，所述至少一个处理器调用所述存储器中的所述计算机可读指令，以执行如权利要求14.一种计算机可读存储介质，所述计算机可读存储介质上6[0002]细胞聚类是单细胞RNA测序数据分析中最重要的任务之一，然而受到测序技术的限制，单细胞RNA测序数据具有很高的稀疏性以及复杂的噪声模式，传统的聚类方法如[0006]为了克服现有技术的不足，本发明的目的在于提供一种单细胞RNA测序数据聚类7lHl-1+bi)率参数π,离散度参数θ和均值参数μ,从(X|μ,θ)；将基于ZINB的自编码模块最终的损失函数定义为ZINB分布的负对数似然所述图自编码模块由若干层图卷积网络作为主干网络；所述图自编码模块共有L层，所述细胞-细胞图邻接矩阵A作为所述图自编码模块第1层的初始输入，第l层的输入为模块的输出和图自编码模块的输出通过一个注意力融合模块进行逐层的异质结构融合嵌8布的高置信度分配来改进聚类，使用软聚类频率来计算得到目标分布，其计算方法如下：标分布P分布之间的KL散度损失作为优化目标从而获得更高采用目标分布P来监督图自编码模块的学ij细胞RNA测序数据聚类设备执行如上所述单细胞RNA测序数据聚类方法的多层图卷积网络(GCN)来捕获单细胞RNA测序数据中的高阶结构关系；为了缓解图GCN过表达数据的潜在表示；然后通过一个注意力融合机制将上述两个模块进行逐层的融合嵌9[0018]图3为在四个数据集上，本发明方法(scASDC)与其他六种基线方法的聚类分析评[0019]图4为在QSLimbMuscle数据集上本发明方法与其他基线方法使用UMAP对最终嵌[0022]本发明实施例提供了一种单细胞RNA测序数据聚类方法，本发明的说明书和权利可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。[0023]请参阅图1，图1为本发明提供的一种单细胞RNA测序数据聚类方法较佳实施例流[0027]S40、将所述基于ZINB的自编码模块和图自编码模块通过注意力融合机制逐层连[0028]S50、通过自监督策略将基于ZINB的自编码模块和图自编码模块集成到一个统一以学习到细胞和基因的有效潜在表示，这个潜在表示同时包含了原始单细胞RNA测序数据据中的高dropout率(在某些细胞中未检测到某些基因表达的现象)；其次将离散的基因表[0032]其中median(F)表示所有细胞总表达量的中细胞图邻接矩阵AeRn用于捕获数据中的结构信息，在KNN图中，每一个节点代表一个细胞，节点之间的边代表细胞之间的关系，首先使用热核方法计算细胞之间的相似性：得到细胞_细胞图邻接矩阵AeR""。细胞RNA测序数据的数据分布是很重要的，本发明采用一种基于ZINB自编码模块用于特征提取与数据重构，零膨胀负二项(ZINB)分布可以有效模拟高度稀疏和过度分散的计数数其中，尺寸因子Si是将每个细胞的总表达量之和除以参考细胞(通常是具有中位数或平均表达量的细胞)的总表达量施例引入了图自编码模块来解决这一问题，该模块由若干层图卷积网络(GCN)作为主干网Ul-1表示第l-1层的权重，归一化邻接矩阵对Zl-1进行入R0是经过预处理的单细胞RNA测序其中h=sigmoid(ziz),通过内积操作将图自编码器模块最后一层的输出ZL转化为重构邻接矩阵通过最小化公式可以使图自编码模块捕获到更多有效的码模块最后的输出ZL可以保留一些原始单细胞RNA测序数据的表达信息，使得最后的数据Yl-1vYl-1)＝W要引入一个自监督模块对模型进行监督，并使得最终学习到的中间层输出是一个尽可[0048]其中，hi是嵌入表示的第i个样本，λ表示[0049]在软聚类分布Q的基础上，本发明还需要一个辅助的目标分布来监督软聚类分布[0054]这种自监督的策略可以引导基于ZINB的自编码模块学习到更适合聚类的数据表5是衡[0060]在基于PyTorch的深度学习环境中，我们通过实验对比了本发明方法(scASDC)与数据集主要来自人类和小鼠的不同组织，这些数据集包括Pollen(组织)，Adam(肾脏)，究中Smart_seq2测序产生的小鼠单细胞RNA测序数据，Pollen(SRP041736)和Adam685[0063]当评估无监督聚类算法时，NMI(NormalizedMutualInformation)和ARI(AdjustedRandIndex)是常用的两个指标，用于衡量聚类结果与真实标签之间的相似度[0068]ARI是一种用于比较两个聚类结果之间的相似性的指标，考虑了聚类结果中的成其中，ai表示第l个聚类结果中同时属于同一簇的样本对的数量，bj表示第j个真实标签中同时属于同一类[0071]图3为在四个数据集上，本发明方法(scASDC)与其他六种基线方法的聚类分析评[0072]图4为在QSLimbMuscle数据集上本发明方法与其他基线方法使用UMAP对最终嵌[0073]上面对本发明实施例中单细胞RNA测序数据聚类方法进行了描述，下面对本发明[0080]上面图5从模块化功能实体的角度对本发明实施例中的单细胞RNA测序数据聚类装置进行详细描述，下面从硬件处理的角度对本发明实施例中单细胞RNA测序数据聚类设储器12，一个或一个以上存储应用程序133或数据132的存储介质13(例如一个或一个以上质13的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对单细胞RNA[0085]所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用或者说对现有技术做出贡献的