System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及生物,具体涉及一种基于细胞状态的建模方法、装置、电子设备及存储介质。
技术介绍
1、近年来出现的单细胞rna测序技术能够在单个细胞的层面上测量细胞中的基因表达水平,使研究者能够识别出复杂细胞群体中的特定细胞类型,分析单个细胞的异质性以及描述细胞在分化过程中的基因表达趋势,即细胞轨迹分析。而在细胞轨迹分析中,需要获取单细胞的rna速率,基于单细胞rna速率的建模是指通过测序时细胞状态的“静态快照”中所包含的未剪接mrna丰度、已剪接mrna丰度以及可能包含的其他组学数据来恢复mrna丰度的变化,即rna速率,进而实现细胞轨迹分析。
2、目前,传统的基于rna速率的建模方法是数据驱动的深度学习方法,利用定制的自动编码器来学习rna速率的低维表示,可以更稳定地估计细胞轨迹。
3、然而,这种方法在训练过程中只能对极少数处于稳态的细胞的低维特征进行约束,因此对后续细胞轨迹的分析容易出现谬误。
技术实现思路
1、有鉴于此,本申请提供了一种基于细胞状态的建模方法、装置、电子设备及存储介质,主要目的在于,提出了一种融合高低维双路径的基于单细胞细胞状态的建模方法,能够更加准确的对细胞轨迹进行分析。
2、第一方面,本申请提供了一种基于细胞状态的建模方法,包括:
3、根据单细胞组学数据,获取细胞状态矩阵;
4、基于所述细胞状态矩阵,分别计算出所述细胞状态矩阵的第一维度的rna速率和第二维度的rna速率;其中,所述第一维度高于所述第二维
5、通过互学习模块对所述第一维度的rna速率和所述第二维度的rna速率进行处理,得到所述第一维度的rna速率对应的第一转移概率矩阵,和所述第二维度的rna速率对应的第二转移概率矩阵;
6、基于所述第一转移概率矩阵和所述第二转移概率矩阵进行建模处理。
7、第二方面,本申请提供了一种基于细胞状态的建模装置,包括:
8、获取单元,被配置为根据单细胞组学数据,获取细胞状态矩阵;
9、计算单元,被配置为基于所述细胞状态矩阵,分别计算出所述细胞状态矩阵的第一维度的rna速率和第二维度的rna速率;其中,所述第一维度高于所述第二维度;
10、处理单元,被配置为通过互学习模块对所述第一维度的rna速率和所述第二维度的rna速率进行处理,得到所述第一维度的rna速率对应的第一转移概率矩阵,和所述第二维度的rna速率对应的第二转移概率矩阵;
11、建模单元,被配置为基于所述第一转移概率矩阵和所述第二转移概率矩阵进行建模处理。
12、第三方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的基于细胞状态的建模方法。
13、第四方面,本申请提供了一种电子设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面所述的基于细胞状态的建模方法。
14、借由上述技术方案,本申请提供的一种基于细胞状态的建模方法、装置、电子设备及存储介质,本申请首先在单细胞组学数据中获取到细胞状态矩阵,其中,组学数据可以是多模态(不限于转录组,代谢组、表观组、蛋白组等)。进而通过细胞状态矩阵,获取第一维度和第二维度的rna速率并进行处理,得到第一转移概率矩阵和第二转移概率矩阵。基于第一转移概率矩阵和第二转移概率矩阵进行建模。构建了一个能够融合了不同维度信息的双路径计算rna速率的模型,相较于相关技术中仅通过单一维度等方式推理细胞轨迹而言,能够具有更强大的表达能力。可以简单高效地验证已知的细胞分化关系、推断未知的细胞分化轨迹,且具有更高的准确率。
15、上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种基于细胞状态的建模方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述细胞状态矩阵,分别计算出所述细胞状态矩阵的第一维度的RNA速率和第二维度的RNA速率,包括:
3.根据权利要求2所述的方法,其特征在于,所述时间差分模块包括含有k个隐藏层的符号神经网络;
4.根据权利要求2所述的方法,其特征在于,所述图表征学习模块包括用于支持多组学降维的编码器;
5.根据权利要求4所述的方法,其特征在于,所述在降维后的空间中计算所述第二维度的RNA速率,包括:
6.根据权利要求1所述的方法,其特征在于,所述通过互学习模块对所述第一维度的RNA速率和所述第二维度的RNA速率进行处理,得到所述第一维度的RNA速率对应的第一转移概率矩阵和所述第二维度的RNA速率对应的第二转移概率矩阵,包括:
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述基于所述第一转移概率矩阵和所述第二转移概率矩阵进行建模处理,包括:
8.一种基于细胞状态的建模装置,其特征在于,包括:
9
10.一种电子设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种基于细胞状态的建模方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述细胞状态矩阵,分别计算出所述细胞状态矩阵的第一维度的rna速率和第二维度的rna速率,包括:
3.根据权利要求2所述的方法,其特征在于,所述时间差分模块包括含有k个隐藏层的符号神经网络;
4.根据权利要求2所述的方法,其特征在于,所述图表征学习模块包括用于支持多组学降维的编码器;
5.根据权利要求4所述的方法,其特征在于,所述在降维后的空间中计算所述第二维度的rna速率,包括:
6.根据权利要求1所述的方法,其特征在于,所述通过互学习模块对所述第一维度的rna速率和所述第二维度的r...
【专利技术属性】
技术研发人员:杨梦,杨悦羽霄,何秋顺,谢辰熙,
申请(专利权)人:深圳华大智造科技股份有限公司,
类型:发明
国别省市:
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。