基于对比学习的单细胞数据聚类方法、装置、设备及介质制造方法及图纸

本申请公开了一种基于对比学习的单细胞数据聚类方法、装置、设备及存储介质，该方法包括：通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征；通过预先构建的对比学习模型将所述特征进行对比学习，获得所述待聚类单细胞数据的高阶表示，并对所述高阶表示进行聚类分析以获得所述待聚类单细胞数据的聚类分析结果。如此，通过特征提取、对比学习获得了待聚类单细胞数据的高阶表示，解决了当前单细胞测序数据高维稀疏、种群间不平衡以及测序过程经常发生drop

【技术实现步骤摘要】
基于对比学习的单细胞数据聚类方法、装置、设备及介质


[0001]本申请涉及机器学习
，尤其涉及一种基于对比学习的单细胞数据聚类方法、装置、设备及存储介质。

技术介绍

[0002]单细胞核糖核酸测序(single cell ribonucleic acid sequencing,scRNA
‑
seq)技术在过去几年中迅速发展，为识别和表征细胞类型、状态和功能做出了重要贡献。单细胞RNA测序技术可以在一次实验中同时检测数千到上万个细胞的转录状态，因此对生物学研究具有重要意义。单细胞RNA测序技术能够识别罕见的细胞类型、新的细胞状态以及细胞间通讯网络，这一技术的应用领域已经从胚胎发育不断扩展向细胞谱系重构、稀有细胞类群的鉴定、神经系统、免疫系统以及肿瘤等多个方面。聚类是分析单细胞RNA测序数据的一种非常强大的方法，单细胞RNA测序实验通常能够生成包含数千甚至数万个细胞的全基因组表达测量。单细胞RNA测序数据的一个重要特征是一种被称为“drop
‑
out”的现象，即在同一细胞类型的细胞中，可能在该细胞的某些细胞中检测到一个基因处于低或中等表达水平，但在这种细胞的剩余细胞中没有检测到。这种drop
‑
out事件通常是由于mRNA表达具有随机性以及单个细胞中mRNA含量低、mRNA捕获效率低导致的。受drop
‑
out事件的影响，单细胞RNA测序数据通常是高维稀疏的。由于单细胞RNA测序数据通常具有高维稀疏性、稀有种群和丰富种群之间的大小不平衡，以及测序过程中频繁发生的drop
‑
out事件引入的大量技术噪声，因此单细胞转录组数据的聚类分析仍然非常具有挑战性。
[0003]当前学者们从不同的角度提出了细胞数据聚类分析方法，许多方法会通过假设单细胞数据服从特定的分布进而对单细胞数据进行去噪或基因插补，这可能会消除掉一些有意义的生物学变异并且导致聚类性能下降。随着scRNA
‑
seq技术的发展，细胞数量也随之快速增长，因此要求算法在取得较好的泛化能力的同时尽可能的节省时空开销以应用于大型数据集上。

技术实现思路

[0004]本申请提供一种基于对比学习的单细胞数据聚类方法、装置、设备及存储介质，旨在解决当前单细胞测序数据高维稀疏、种群间不平衡以及测序过程经常发生drop
‑
out事件的问题。
[0005]为实现上述目的，本申请提供一种基于对比学习的单细胞数据聚类方法，所述方法应用于对比学习的单细胞数据聚类设备，所述方法包括：
[0006]通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征；
[0007]通过预先构建的对比学习模型将所述特征进行对比学习，获得所述待聚类单细胞数据的高阶表示，并对所述高阶表示进行聚类分析以获得所述待聚类单细胞数据的聚类分析结果。
[0008]可选地，所述特征提取模块包括数据增强单元和动量编码器，所述通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征包括：
[0009]通过数据增强单元对所述待聚类单细胞数据进行两次随机数据增强，生成正视图对；
[0010]通过所述动量编码器提取所述正视图对的特征。
[0011]可选地，所述动量编码器包括第一编码器和第二编码器，所述第一编码器与所述第二编码器结构相同，参数不同；
[0012]所述通过所述动量编码器提取所述正视图对的特征包括：
[0013]通过所述第一编码器提取所述正视图对的第一特征；
[0014]通过所述第二编码器提取所述正视图对的第二特征。
[0015]可选地，在所述通过预先构建的对比学习模型将所述特征进行对比学习，获得所述待聚类单细胞数据的高阶表示之前，还包括：
[0016]构建学习行空间特征的实例级对比学习模型；和
[0017]构建学习列空间特征的集群级对比学习模型。
[0018]可选地，所述构建学习行空间特征的实例级对比学习模型包括：
[0019]通过多层感知机将行空间的单细胞样本数据的特征映射到潜在空间中；
[0020]计算所述单细胞样本数据的特征的余弦相似度；
[0021]基于所述余弦相似度确定所述特征的对比损失，并确定实例级对比学习模型的实例级损失函数，基于所述实例级损失函数确定所述实例级对比学习模型收敛。
[0022]可选地，所述构建学习列空间特征的集群级对比学习模型包括：
[0023]通过多层感知机将列空间的单细胞样本的数据特征映射到M维空间中；
[0024]通过余弦相似度衡量两个单细胞样本数据间的相似度；
[0025]遍历所有集群确定集群级对比学习模型的集群级损失函数，基于所述集群级损失函数确定所述集群级对比学习模型收敛。
[0026]可选地，所述构建学习列空间特征的集群级对比学习模型，还包括：
[0027]在所述集群级损失函数中添加集群分配概率交叉熵。
[0028]本申请还提出一种基于对比学习的单细胞数据聚类装置，所述装置包括：
[0029]特征提取模块，用于通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征；
[0030]对比学习模块，用于通过预先构建的对比学习模型将所述特征进行对比学习，获得所述待聚类单细胞数据的高阶表示，并对所述高阶表示进行聚类分析以获得所述待聚类单细胞数据的聚类分析结果。
[0031]本申请还提出一种电子设备，包括存储器、处理器以及存储在所述存储器上的对比学习的单细胞数据聚类程序，所述对比学习的单细胞数据聚类程序被所述处理器运行时实现如上所述的方法的步骤。
[0032]本申请还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有对比学习的单细胞数据聚类程序，所述对比学习的单细胞数据聚类程序被处理器运行时实现如上所述的方法的步骤。
[0033]相比现有技术，本申请提出的一种基于对比学习的单细胞数据聚类方法、装置、设
备及存储介质，该方法包括：通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征；通过预先构建的对比学习模型将所述特征进行对比学习，获得所述待聚类单细胞数据的高阶表示，并对所述高阶表示进行聚类分析以获得所述待聚类单细胞数据的聚类分析结果。如此，通过特征提取、对比学习获得了待聚类单细胞数据的高阶表示，解决了当前单细胞测序数据高维稀疏、种群间不平衡以及测序过程经常发生drop
‑
out事件的问题。
附图说明
[0034]图1是本申请本申请各实施例涉及的设备的硬件结构示意图
[0035]图2是本申请对比学习的单细胞数据聚类方法第一实施例的流程示意图；
[0036]图3是本申请对比学习的单细胞数据聚类方法一实施例涉及的模型结构示意图；
[0037]图4是本申请对比学习的单细胞数据聚本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于对比学习的单细胞数据聚类方法，其特征在于，所述方法包括：通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征；通过预先构建的对比学习模型将所述特征进行对比学习，获得所述待聚类单细胞数据的高阶表示，并对所述高阶表示进行聚类分析以获得所述待聚类单细胞数据的聚类分析结果。2.根据权利要求1所述的方法，其特征在于，所述特征提取模块包括数据增强单元和动量编码器，所述通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征包括：通过数据增强单元对所述待聚类单细胞数据进行两次随机数据增强，生成正视图对；通过所述动量编码器提取所述正视图对的特征。3.根据权利要求2所述的方法，其特征在于，所述动量编码器包括第一编码器和第二编码器，所述第一编码器与所述第二编码器结构相同，参数不同；所述通过所述动量编码器提取所述正视图对的特征包括：通过所述第一编码器提取所述正视图对的第一特征；通过所述第二编码器提取所述正视图对的第二特征。4.根据权利要求1所述的方法，其特征在于，在所述通过预先构建的对比学习模型将所述特征进行对比学习，获得所述待聚类单细胞数据的高阶表示之前，还包括：构建学习行空间特征的实例级对比学习模型；和构建学习列空间特征的集群级对比学习模型。5.根据权利要求4所述的方法，其特征在于，所述构建学习行空间特征的实例级对比学习模型包括：通过多层感知机将行空间的单细胞样本数据的特征映射到潜在空间中；计算所述单细胞样本数据的特征的余弦相似度；基于所述余弦相似度确定所述特征的对比损失，并确定实例...

【专利技术属性】
技术研发人员：李君一，杜林林，韩睿，王轩，刘洋，漆舒汉，吴宇琳，姚霖，刘博，王亚东，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：