【技术实现步骤摘要】
一种计算机处理采集设备数据的融合方法
[0001]本专利技术涉及知识图谱上
，涉及知识图谱上的语义信息和结构信息的实体对齐提升技术。
技术介绍
[0002]近年来，单细胞转录组数据能实现单个细胞的全转录组测序，但关于这些转录物在组织中的空间位置信息丢失了；相反的，空间转录组数据矩阵则是能捕捉到转录组在空间上的表达值，但是捕捉到的转录组表达值是多个异质性细胞的平均表达值。因此，本专利技术针对这个问题，提出了一种计算机处理采集设备数据的融合方法，来计算空间转录组数据矩阵中每个捕获到的空间细胞信息捕获点S是由哪些细胞类型组成，并构建单细胞分辨率的空间转录组数据矩阵图谱，空间转录组数据矩阵技术为研究组织异质性和细胞空间结构提供了前所未有的机会，然而，空间转录组数据矩阵的分辨率低于单细胞水平，如何了解单细胞的身份及空间背景，揭示不同的细胞在组织哪些区域表达提供了新的思路，专利技术便提出结合单细胞信息点和空间转录组数据矩阵来对空间转录组数据矩阵进行单细胞分辨率扩增的方法，这里本专利技术采用数据进行实验和分析，一是模拟数据来直观的比较和验证算法准确度，发现在预测的细胞类型比例和实际的细胞组成之间有较好的准确性。并利用模拟数据将当前常用的预测细胞类型比例算法进行对比，另一则采用真实的实际的数据，对这组数据进行一系列的分析，进一步证实了本专利技术在检测细胞类型和预测空间转录组数据矩阵点组成方面的高精度。
技术实现思路
[0003]有鉴于此，本专利技术提供一种解决或部分解决上述问题的一种计算机处理采集设备数据的融合...
【技术保护点】
【技术特征摘要】
1.一种计算机处理采集设备数据的融合方法，其特征在于：包括有步骤一、通过计算机对设备采集几组不同的单细胞信息点和细胞类型构成细胞数据条形码，并对基因数据进行分析验证，并引入一组模拟数据集，以保证分析验证步骤的准确性，模拟数据集事先设定构建空间转录组数据矩阵中每个细胞信息捕获点S的细胞数据条形码，最后得到的分析验证结果便可以直接和真实的设备采集结果进行对比分析；模拟数据集的生成步骤为：选定部分细胞数据条形码建构细胞数据条形码集，并对细胞数据条形码集按需要拆分并建构为生成集矩阵和验证集矩阵，生成集矩阵用来模拟空间转录组数据矩阵，验证集矩阵用于验证后续过程中细胞数据条形码和空间转录组数据矩阵进行整合的结果；步骤二、设计参数：定义空间转录组数据矩阵中的参数，根据设计参数对空间转录组数据矩阵用计算机设计和构建空间转录组数据矩阵：设定存在细胞数据条形码时，空间转录组数据矩阵中存在细胞信息捕获点S，判定每个细胞信息捕获点S中得到多个细胞数据条形码；空间转录组数据矩阵还包括基因数据和单细胞信息点；基因数据和单细胞信息点以及细胞类型进行关联，单细胞信息点以及细胞类型包含不同的基因数据，基因数据又表达在不同的单细胞信息点以及细胞类型当中；步骤三、不同单细胞信息点对应不同的细胞类型；定义细胞类型的密度和稀疏性，密度分为高密度或低密度，表示在某一个细胞信息捕获点S中的细胞类型是低密度还是高密度；稀疏性是细胞类型分布位置的稀疏性，稀疏性表示细胞类型是均匀分布在空间位置上，还是聚集在某一块，并同时考虑细胞类型所在的总细胞信息捕获点S数和每个细胞信息捕获点S中平均单细胞信息点的个数；步骤四、开始将细胞信息捕获点S得到细胞数据条形码抽取为单细胞信息点和细胞类型构成，再对单细胞信息点所属的细胞类型使用狄利克雷分布生成调整和未调整之间的比例：将现有的所有细胞类型浓度设置为1，则可以得到每个细胞信息捕获点S中每种细胞类型的细胞个数，并需要将每种细胞类型的细胞个数调整到与细胞信息捕获点S中最接近的整数值，然后开始定义不同细胞类型的密度，利用计算细胞类型比例密度，得到来调整返回迭代得到每个细胞信息捕获点S中最合适的每种细胞类型的单细胞信息点的个数；然后从每种细胞类型中取样得到想要分析的单细胞信息点的总数，并对单细胞信息点的总数取样得到不同细胞类型，通过单细胞信息点的总数和不同细胞类型计算得出第一表达矩阵。2.根据权利要求1所述的一种计算机处理采集设备数据的融合方法，其特征在于：包括有步骤五、开始第一原始表达矩阵的预处理：从网站下载获得第一原始表达矩阵，第一原始表达矩阵包括有单细胞转录组数据和空间转录组数据矩阵；单细胞转录组数据的构成为第一急需表达矩阵，第一急需表达矩阵由基因数据信息和细胞数据条形码构成，空间转录组数据矩阵的构成为第二急需表达矩阵，第二急需表达矩阵由基因数据信息和细胞信息捕获点S组成；将第一原始表达矩阵导入预处理工具包后，预处理工具包对第一原始表达矩阵进行处理，并统一格式，创建第一原始统一格式对象集；步骤六、预处理工具包创建完第一原始统一格式对象集后，将第一原始统一格式对象集保存在预处理工具包里不同的存储位置中，并将存储位置命令为插槽；再利用预处理工具包中自带函数来进行数据预处理得到第一处理统一格式对象集，自带函数的功能包括有筛选、降维、聚类、可视化操作，预处理工具包用于单细胞信息点的质控和分析，能在使用户能够识别和解释单细胞转录组数据中的异质性来源，同时提供能整合不同细胞类型的单细
胞信息点的自带函数；自带函数的功能中的筛选功能执行步骤为：建立质控图，开始观察第一处理统一格式对象集中每个细胞数据条形码中的基因数据的表达值的总数量，并计算每个细胞数据条形码中的线粒体基因数据的表达值的总数量，其中线粒体基因数据表达值设为不为0，从而根据含有的基因数据的表达值的总数量、线粒体基因数据的表达值的总数量进行筛选，然后对计算得出的数值设置阈值，低于阈值的单细胞信息点将从细胞数据条形码中被删掉；质控图分别展示第一处理统一格式对象集中每个细胞数据条形码中测到的基因数据的总数量、测到的每个单细胞信息点中的所有的基因表达的量数据之和以及线粒体基因数据的总数量的分布情况，通过质控图根据需要过滤掉无用数据，并对过滤的无用数据进行确定，设定产生的线粒体基因数据的表达比例过高的数据作为无用数据会被过滤；然后利用标准化处理函数来对第一处理统一格式对象集进行标准化处理，以能够去除技术误差和批次效应；对第一表达矩阵进行一系列的处理，便进行可视化操作及下游分析；可视化操作能将标准化处理后的第一处理统一格式对象集中的数据整合在低维空间中以便于观测，步骤七、然后通过预处理工具包开始进行线性转换的操作，线性转换的操作能保留单个或多个单细胞信息点之间的欧式距离，将主成分映射到生物协变量中，以提高数据分析统计效率；步骤八、为得到空间转录组数据矩阵中每个基因数据的基因表达值，将单细胞信息点乘一个比例因子，对所有选定的细胞类型和预先定义的常数进行求和，从而得到一个用来模拟空间转录组数据矩阵的生成集矩阵，其中比例因子是自定义的常数；步骤九、开始单细胞信息点和空间转录组数据矩阵融合计算：子步骤1：对带有细胞类型的标签的单细胞信息点进行聚类获得不同的细胞信息簇，找出每个细胞信息簇中与其它细胞信息簇表达差异的特异性基因作为半监督信息，半监督信息为后续反卷积算法提供先验信息；子步骤2：结合单细胞信息点对空间转录组数据矩阵进行反卷积算法；子步骤3：提升空间转录组数据矩阵图谱分辨率算法；子步骤1：分析工具的基尼指数来获得每个细胞信息簇的特征基因集，基尼指数表示在样本集合中一个随机选中的样本被分错的概率，基尼指数指数越小表示集合中被选中的样本被分错的概率越小，也就是说集合的纯度越高，反之，集合越不纯；默认选择每组细胞信息簇中表达前100的基因数据，将挑选出来的所有基因数据保存作为表达基因数据矩阵Ghvg(X1，X2
…
)；其中X1代表细胞类型中非常高表达基因的基因数据集合，X2代表细胞类型中较高表达的基因数据集合，依次往后，默认子步骤1只选择前两组；由于挑选出来的基因数据是每组细胞信息簇中表达前100的基因数据，表达前100的基因数据的基因表达也存在着差异，有的基因数据高表达，有的基因数据非高表达，利用寻找出的各个细胞类型中的高表达的基因进行训练，以提高训练速度，而被筛选去除的非高表达基因在各个细胞类型中并不显著表达，没有明显的特征，当在后续的训练过程中拖累训练速度时，通过实际操作对非高表达基因进行忽略以减少误差，并在后续计算中设定非高表达基因与所有的细胞类型的相关性不强，对空间转录组数据矩阵利用高表达基因矩阵Ghvg(x1，x2
…
)进行筛选，得到高表达基因hvg和细胞信息捕获点S的高基因表达矩阵；
依次按照基因数据表达的范围来挑选对应的几组基因数据，将几组基因数据保存到不同的训练集矩阵中，此时训练集矩阵赋值为{Gong(X1)，Gong(X2)，
…
}，子步骤2：使用反卷积算法模型结合单细胞信息点...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。