買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜長春師范大學(xué)申請的專利海量單細(xì)胞數(shù)據(jù)的自監(jiān)督聚類方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119397309B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-18發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510007237.0，技術(shù)領(lǐng)域涉及：G06F18/23；該發(fā)明授權(quán)海量單細(xì)胞數(shù)據(jù)的自監(jiān)督聚類方法是由王春艷;袁弘毅;孫秋成;姜松潤;陳杰;張志設(shè)計(jì)研發(fā)完成，并于2025-01-03向國家知識產(chǎn)權(quán)局提交的專利申請。

本海量單細(xì)胞數(shù)據(jù)的自監(jiān)督聚類方法在說明書摘要公布了：本發(fā)明公開了一種海量單細(xì)胞數(shù)據(jù)的自監(jiān)督聚類方法，所述方法包括如下步驟：1）從公開的基因表達(dá)數(shù)據(jù)庫中下載單細(xì)胞RNA測序數(shù)據(jù)；2）對單細(xì)胞RNA?seq數(shù)據(jù)進(jìn)行預(yù)處理，包括過濾、標(biāo)準(zhǔn)化和特征選擇；3）利用快速Louvain算法對預(yù)處理后的單細(xì)胞RNA測序數(shù)據(jù)進(jìn)行初步聚類；4）使用“聚類代表性”這一指標(biāo)從初步聚類結(jié)果中篩選出具有代表性的細(xì)胞點(diǎn)；5）在每個初步聚類中篩選出具有代表性的細(xì)胞點(diǎn)后，使用Transformer模型，得到最終的聚類結(jié)果。該方法結(jié)合快速Louvain算法和Transformer神經(jīng)網(wǎng)絡(luò)，顯著提升了聚類分析的效率和準(zhǔn)確性，為海量單細(xì)胞數(shù)據(jù)的分析提供了一種高效且精確的解決方案。

本發(fā)明授權(quán)海量單細(xì)胞數(shù)據(jù)的自監(jiān)督聚類方法在權(quán)利要求書中公布了：1.一種海量單細(xì)胞數(shù)據(jù)的自監(jiān)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(xì)胞RNA-seq數(shù)據(jù)：從公開的基因表達(dá)數(shù)據(jù)庫中下載單細(xì)胞RNA測序數(shù)據(jù)；步驟2）數(shù)據(jù)預(yù)處理：對單細(xì)胞RNA-seq數(shù)據(jù)進(jìn)行預(yù)處理，包括過濾、標(biāo)準(zhǔn)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(yù)處理后的單細(xì)胞RNA測序數(shù)據(jù)進(jìn)行初步聚類，具體步驟如下：步驟3.1）對基因表達(dá)矩陣進(jìn)行PCA降維，將高維數(shù)據(jù)投影到低維特征空間中；步驟3.2）生成代表性錨點(diǎn)：通過生成數(shù)量為p的代表性錨點(diǎn)近似表示數(shù)據(jù)的潛在幾何結(jié)構(gòu)，從而構(gòu)建稀疏矩陣，500≤p≤3000；步驟3.3）鄰近關(guān)系的建立與KNN篩選：在生成錨點(diǎn)后，使用KNN算法確定每個細(xì)胞與其最近的k個錨點(diǎn)，并通過選擇最鄰近的關(guān)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(shù)，將細(xì)胞與錨點(diǎn)之間的距離轉(zhuǎn)化為相似性度量，稀疏相似性矩陣B的每一行對應(yīng)一個細(xì)胞，每一列對應(yīng)一個錨點(diǎn)，矩陣中的一個元素表示一對細(xì)胞與錨點(diǎn)之間的相似性度量，每一行只保留與當(dāng)前細(xì)胞最近的k個錨點(diǎn)的相似性值，而其他元素設(shè)置為0，從而生成一個N×p的稀疏相似性矩陣，N為細(xì)胞數(shù)量；步驟3.5）構(gòu)建稀疏鄰接矩陣：根據(jù)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(xì)胞與錨點(diǎn)之間的相似性矩陣，BT為B的轉(zhuǎn)置矩陣，表示錨點(diǎn)與細(xì)胞之間的相似性；步驟3.6）權(quán)重矩陣的生成與標(biāo)準(zhǔn)化：對稀疏鄰接矩陣W中的權(quán)重進(jìn)行標(biāo)準(zhǔn)化處理，將稀疏鄰接矩陣W轉(zhuǎn)換為標(biāo)準(zhǔn)化后的稀疏權(quán)重矩陣A；步驟3.7）應(yīng)用Louvain算法進(jìn)行初步聚類：將標(biāo)準(zhǔn)化后的稀疏權(quán)重矩陣A代入Louvain算法進(jìn)行社區(qū)劃分；步驟4）篩選代表性細(xì)胞點(diǎn)：使用“聚類代表性”這一指標(biāo)從初步聚類結(jié)果中篩選出具有代表性的細(xì)胞點(diǎn)，具體步驟如下：步驟4.1）聚類代表性計(jì)算：根據(jù)Louvain算法生成的初步聚類結(jié)果和權(quán)重矩陣，計(jì)算每個細(xì)胞點(diǎn)在所屬聚類內(nèi)的聚類代表性；步驟4.2）代表性細(xì)胞篩選：對于每個初步聚類，選擇聚類代表性最高的細(xì)胞點(diǎn)作為該聚類的代表性細(xì)胞，代表性細(xì)胞的數(shù)量為該聚類中細(xì)胞總數(shù)的2~5%；步驟5）使用Transformer模型，得到最終的聚類結(jié)果：在每個初步聚類中篩選出具有代表性的細(xì)胞點(diǎn)后，使用Transformer模型，得到最終的聚類結(jié)果。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人長春師范大學(xué)，其通訊地址為：130000 吉林省長春市長吉北路677號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。