CN119539015A 空间单细胞注释模型的训练方法、装置、设备及存储介质 (深圳大学)_第1页
CN119539015A 空间单细胞注释模型的训练方法、装置、设备及存储介质 (深圳大学)_第2页
CN119539015A 空间单细胞注释模型的训练方法、装置、设备及存储介质 (深圳大学)_第3页
CN119539015A 空间单细胞注释模型的训练方法、装置、设备及存储介质 (深圳大学)_第4页
CN119539015A 空间单细胞注释模型的训练方法、装置、设备及存储介质 (深圳大学)_第5页
已阅读5页,还剩19页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

用图神经网络和度量学习相结合的模型构建策代地更新空间单细胞注释模型的模型参数以最模型对空间分辨的单细胞数据进行细胞类型的2采用图神经网络和度量学习相结合的模型构建策略构建空间单细胞注释模型,其中,使用单细胞样本集合对所述空间单细胞注释模型进行无监中迭代地更新所述空间单细胞注释模型的模型参数以最小化所述空间单细胞注释模型的根据所述单细胞样本集合中每个单细胞样本的空间坐标数据,通过所述根据所述单细胞样本集合中每个单细胞样本的多组学表达数据根据所述多组学表达数据,通过所述编码器模块对所述空间邻居根据所述多组学特征嵌入,通过所述解码器模块对所述空间邻居根据所述多组学表达数据、所述模态三元组及所述节点重构特征4.如权利要求2所述的方法,其特征在于,所述编码器模块和所述解码器模块均包含利用所述SAGEConv层将每个所述节点的节注释模型构建单元,用于采用图神经网络和度量学习相结注释模型训练单元,用于使用单细胞样本集合对所述空间3邻居图生成单元,用于根据所述单细胞样本集合中每个单细胞样本的空间坐标数据,通过所述空间邻居图构造模块为所述单细胞样本集合生成对应的空三元组生成单元,用于根据所述单细胞样本集合中每个单细胞样本特征嵌入生成单元,用于根据所述多组学表达数据,通重构特征生成单元,用于根据所述多组学特征嵌入,通过所损失值计算单元,用于根据所述多组学表达数据、所述9.一种计算设备,包括存储器、处理器以及存储在4的总信使核糖核酸(messengerRibonuc5过程中迭代地更新所述空间单细胞注释模型的模型参数以最小化所述空间单细胞注释模[0006]优选地,使用单细胞样本集合对所述空间单细胞注释模并在训练过程中迭代地更新所述空间单细胞注释模型的模型参数以最小化所述空间单细根据所述单细胞样本集合中每个单细胞样本的多组学表达数据和所述空间邻居损失函数用于通过最小化所述多组学表达数据与所述节点重构特征之间的差异来优化所[0009]优选地,通过所述编码器模块对所述空间邻居图中的每6损失函数用于通过最小化所述多组学表达数据与所述节点重构特征之间的差异来优化所[0015]本发明采用图神经网络和度量学习相结合的模型构建策略构建空间单细胞注释图3是本发明实施例二提供的空间单细胞注释模型的训练装置的优选结构示意7图1示出了本发明实施例一提供的空间单细胞注释模型的训练方法的实现流程,间单细胞注释模型(简称SMART模型以用于从多组学数据中提取并整合具有深层空间意模块用于从编码器生成的高维表示中重建原始特征或进一步生成新[0020]在步骤S102中,使用单细胞样本集合对空间单细胞注释模型进行无监督学习训SMART模型进行训练,并在训练过程中迭代地更新SMART模型的模型参数以最小化SMART模8空间邻居图,通过三元组构造模块生成多个模态三元组,每个模态三元组均由锚点间邻居图,以确保所选的正样本和负样本在空间上与锚点具有合理的邻近性或远离性,从而为后续的模型训练提供丰富的、具有空间上下文信息的样本对,增强了模型在特征空间中区分不同类别的能力。[0025]在又一个可行的实施例中,三元组构造模块生成的多个模态三元组包括RNA模态9图2示出了本发明实施例二提供的空间单细胞注释模型的训练装置的结构,为了邻居图生成单元221,用于根据单细胞样本集合中每个单细胞样本的空间坐标数三元组生成单元222,用于根据单细胞样本集合中每个单细胞样本的多组学表达用于通过最小化多组学表达数据与节点重构特征之间的差异来优化空间单细胞注释模型,[0044]本发明实施例的计算设备4包括处理器40、存储器41以及存储在存储器41中并可行计算机程序42时实现空间单细胞注释模型的训练方法时实现的步骤可参考前述方法实[0049]本

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论