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！

龍圖騰網恭喜長春師范大學申請的專利海量單細胞數據的自監督聚類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：CN119397309B 。

龍圖騰網通過國家知識產權局官網在2025-04-18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：202510007237.0，技術領域涉及：G06F18/23；該發明授權海量單細胞數據的自監督聚類方法是由王春艷;袁弘毅;孫秋成;姜松潤;陳杰;張志設計研發完成，并于2025-01-03向國家知識產權局提交的專利申請。

本海量單細胞數據的自監督聚類方法在說明書摘要公布了：本發明公開了一種海量單細胞數據的自監督聚類方法，所述方法包括如下步驟：1）從公開的基因表達數據庫中下載單細胞RNA測序數據；2）對單細胞RNA?seq數據進行預處理，包括過濾、標準化和特征選擇；3）利用快速Louvain算法對預處理后的單細胞RNA測序數據進行初步聚類；4）使用“聚類代表性”這一指標從初步聚類結果中篩選出具有代表性的細胞點；5）在每個初步聚類中篩選出具有代表性的細胞點后，使用Transformer模型，得到最終的聚類結果。該方法結合快速Louvain算法和Transformer神經網絡，顯著提升了聚類分析的效率和準確性，為海量單細胞數據的分析提供了一種高效且精確的解決方案。

本發明授權海量單細胞數據的自監督聚類方法在權利要求書中公布了：1.一種海量單細胞數據的自監督聚類方法，其特征在于所述方法包括如下步驟：步驟1）獲取單細胞RNA-seq數據：從公開的基因表達數據庫中下載單細胞RNA測序數據；步驟2）數據預處理：對單細胞RNA-seq數據進行預處理，包括過濾、標準化和特征選擇；步驟3）快速Louvain算法初步聚類：利用快速Louvain算法對預處理后的單細胞RNA測序數據進行初步聚類，具體步驟如下：步驟3.1）對基因表達矩陣進行PCA降維，將高維數據投影到低維特征空間中；步驟3.2）生成代表性錨點：通過生成數量為p的代表性錨點近似表示數據的潛在幾何結構，從而構建稀疏矩陣，500≤p≤3000；步驟3.3）鄰近關系的建立與KNN篩選：在生成錨點后，使用KNN算法確定每個細胞與其最近的k個錨點，并通過選擇最鄰近的關系建立稀疏連接，5≤k≤20；步驟3.4）生成一個N×p的稀疏相似性矩陣B：通過使用局部放縮的高斯核函數，將細胞與錨點之間的距離轉化為相似性度量，稀疏相似性矩陣B的每一行對應一個細胞，每一列對應一個錨點，矩陣中的一個元素表示一對細胞與錨點之間的相似性度量，每一行只保留與當前細胞最近的k個錨點的相似性值，而其他元素設置為0，從而生成一個N×p的稀疏相似性矩陣，N為細胞數量；步驟3.5）構建稀疏鄰接矩陣：根據稀疏相似性矩陣B，生成一個（N+p）×（N+p）的稀疏鄰接矩陣W： 其中：左上部分為一個N×N的零矩陣，右下部分為一個p×p的零矩陣，B為表示細胞與錨點之間的相似性矩陣，BT為B的轉置矩陣，表示錨點與細胞之間的相似性；步驟3.6）權重矩陣的生成與標準化：對稀疏鄰接矩陣W中的權重進行標準化處理，將稀疏鄰接矩陣W轉換為標準化后的稀疏權重矩陣A；步驟3.7）應用Louvain算法進行初步聚類：將標準化后的稀疏權重矩陣A代入Louvain算法進行社區劃分；步驟4）篩選代表性細胞點：使用“聚類代表性”這一指標從初步聚類結果中篩選出具有代表性的細胞點，具體步驟如下：步驟4.1）聚類代表性計算：根據Louvain算法生成的初步聚類結果和權重矩陣，計算每個細胞點在所屬聚類內的聚類代表性；步驟4.2）代表性細胞篩選：對于每個初步聚類，選擇聚類代表性最高的細胞點作為該聚類的代表性細胞，代表性細胞的數量為該聚類中細胞總數的2~5%；步驟5）使用Transformer模型，得到最終的聚類結果：在每個初步聚類中篩選出具有代表性的細胞點后，使用Transformer模型，得到最終的聚類結果。

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長春師范大學，其通訊地址為：130000 吉林省長春市長吉北路677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”。