公开(公告)号：CN110222745B

公开(公告)日：2021-04-30

申请号：CN201910438507.8

申请日：2019-05-24

Applicant: 中南大学

Inventor： 李敏 ,  梁珍兰 ,  郑瑞清

IPC: G06K9/62 ,  G16B40/00

Abstract: 本发明公开了一种新的基于相似性学习及其增强的细胞类型鉴定的方法，该方法设计了一种新的全局相似性计算方法，同时结合另外三种常规的局部相似性信息，对基因做了筛选并且对具有稀疏性质的全局相似性做了增强处理。本发明的方法不仅使用了与传统计算局部点对点间相似性不同的全局相似性计算方法，并且通过结合包括全局相似性和局部相似性在内的多种不同相似性进行了基因选择和相似性增强，得到信息丰富的相似性矩阵。该方法能够有效地减少单细胞数据本身携带的技术噪声、生物噪声等因素的影响，更准确地鉴定单细胞的类型。

公开(公告)号：CN110222745A

公开(公告)日：2019-09-10

申请号：CN201910438507.8

申请日：2019-05-24

Applicant: 中南大学

Inventor： 李敏 ,  梁珍兰 ,  郑瑞清

IPC: G06K9/62 ,  G16B40/00

Abstract: 本发明公开了一种新的基于相似性学习及其增强的细胞类型鉴定的方法，该方法设计了一种新的全局相似性计算方法，同时结合另外三种常规的局部相似性信息，对基因做了筛选并且对具有稀疏性质的全局相似性做了增强处理。本发明的方法不仅使用了与传统计算局部点对点间相似性不同的全局相似性计算方法，并且通过结合包括全局相似性和局部相似性在内的多种不同相似性进行了基因选择和相似性增强，得到信息丰富的相似性矩阵。该方法能够有效地减少单细胞数据本身携带的技术噪声、生物噪声等因素的影响，更准确地鉴定单细胞的类型。