買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜成都信息工程大學;四川省計算機研究院申請的專利一種基于預訓練的單細胞多組學的細胞類型注釋方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119132426B 。

龍圖騰網通過國家知識產權局官網在2025-04-04發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411242471.3，技術領域涉及：G16B50/10；該發明授權一種基于預訓練的單細胞多組學的細胞類型注釋方法是由張永清;李天豪;黃渝璐;鄧朝暉;何嘉;劉宇航;羅洪;徐玉貴;王紫軒設計研發完成，并于2024-09-05向國家知識產權局提交的專利申請。

本一種基于預訓練的單細胞多組學的細胞類型注釋方法在說明書摘要公布了：本發明公開了一種基于預訓練的單細胞多組學的細胞類型注釋方法，其屬于生物信息技術領域，包括獲取配對的scRNA?seq數據的基因表達矩陣和scATAC?seq數據的染色質可及性峰值矩陣，并對基因表達矩陣和染色質可及性峰值矩陣進行預處理，之后輸入預訓練的特征提取器，采用其多頭交叉注意力網絡得到融合多組學的查詢特征矩陣；特征提取器包括多頭交叉注意力網絡和兩個分類器；將查詢特征矩陣輸入分類模型，采用線性層進行數據拆分，接著輸入Transformer編碼器進行多組學遺傳特征提取，之后輸入分類器進行細胞類型注釋。本方案的細胞類型注釋方法解決了現有方法細胞類型注釋存在偏差的問題。

本發明授權一種基于預訓練的單細胞多組學的細胞類型注釋方法在權利要求書中公布了：1.一種基于預訓練的單細胞多組學的細胞類型注釋方法，其特征在于，包括步驟：S1、獲取配對的scRNA-seq數據的基因表達矩陣和scATAC-seq數據的染色質可及性峰值矩陣，并對基因表達矩陣和染色質可及性峰值矩陣進行預處理；S2、將預處理后的基因表達矩陣和染色質可及性峰值矩陣輸入預訓練的特征提取器，采用其多頭交叉注意力網絡得到融合多組學的查詢特征矩陣；特征提取器包括多頭交叉注意力網絡和兩個分類器；S3、將查詢特征矩陣輸入分類模型，采用線性層進行數據拆分，接著輸入Transformer編碼器進行多組學遺傳特征提取，之后輸入分類器進行細胞類型注釋；對特征提取器進行預訓練的方法包括：S21、獲取若干已知細胞類型、且配對的scRNA-seq數據的基因表達矩陣和scATAC-seq數據的染色質可及性峰值矩陣，并對其進行預處理；S22、將預處理后的基因表達矩陣和染色質可及性峰值矩陣分別輸入多頭交叉注意力網絡的兩個交叉注意力模塊，得到Q矩陣、關鍵K矩陣和數值V矩陣；S23、基于Transformer架構中的自注意力機制，采用Softmax函數分別計算兩個交叉注意力模塊中每個注意力頭提取得到的交叉特征矩陣；S24、對每個交叉注意力模塊對應的所有注意力頭提取的交叉特征矩陣進行拼接，再拼接上步驟S22輸入交叉注意力模塊的特征，得到兩個交叉特征數據；S25、將兩個交叉特征數據分別輸入一個分類器，得到細胞類型，并將細胞類型與真實標簽進行比對，得到每個分類器對應通道的預訓練損失值；S26、對兩個通道的預訓練損失值進行求和，得到特征提取器的總損失，并保存每次預訓練完成后得到的預訓練模型；S27、當訓練次數未達到預設迭代次數時，返回步驟S22；當訓練次數達到預設迭代次數時，進入步驟S28；S28、比較每次訓練得到的預訓練模型，選取準確率最高的預訓練模型作為預訓練的特征提取器；分類模型的訓練方法包括：S31、將步驟S21預處理后的基因表達矩陣和染色質可及性峰值矩陣輸入預訓練的特征提取器，采用其多頭交叉注意力網絡得到融合多組學的查詢特征矩陣；S32、采用步驟S31中的查詢特征矩陣對分類模型進行訓練，并保存每次訓練的分類器，所述分類模型包括依次連接的線性層、Transformer編碼器和分類器；S33、判斷對分類模型的訓練次數是否達到預設訓練次數，若是，輸出驗證損失最低的分類器對應的分類模型，否則返回步驟S31。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人成都信息工程大學;四川省計算機研究院，其通訊地址為：610225 四川省成都市雙流區西南航空港經濟開發區學府路1段24號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。