-
公开(公告)号:CN117437979A
公开(公告)日:2024-01-23
申请号:CN202311332189.X
申请日:2023-10-13
Applicant: 哈尔滨工程大学
IPC: G16B30/00 , G16B40/30 , G06F17/16 , G06N3/0455 , G06F18/23213
Abstract: 一种基于图自编码器的单细胞RNA测序数据聚类方法及系统,它属于深度学习和生物信息领域。本发明解决了现有聚类方法没有深入考虑细胞与细胞之间的关系,导致对单细胞RNA测序数据的聚类精度低的问题。本发明采用特征自编码器进行数据特征的提取并采用KNN算法构成图,作为后续图自编码器的输入,从图的角度出发考虑细胞间的关系,而不是传统的仅仅考虑一个个孤立的点;引入了基于GAT的图自编码器进行图重构效果的优化,自适应地计算每个图节点的邻居节点的权重,从而抽象出细胞之间的高阶关系。本发明可以应用于单细胞RNA测序数据聚类。
-
公开(公告)号:CN114187966A
公开(公告)日:2022-03-15
申请号:CN202111509958.X
申请日:2021-12-10
Applicant: 哈尔滨工程大学
Abstract: 一种基于生成对抗网络的单细胞RNA序列缺失值填补方法,它属于生物信息领域。本发明解决了采用现有方法对缺失数据填补的准确率低的问题。本发明通过生成对抗网络对RNA序列缺失值进行填补,在生成器部分,引入由DrImpute填补完成的数据作为方向约束,在使用自编码器生成缺失值的同时,在损失函数中加入方向约束项,并对解码层给予了一个Relu激活函数来解决填补后的数据出现负值的情况。实验证明,采用本发明的方法可以显著提高数据填补的准确率。本发明可以应用于对RNA序列缺失值进行填补。
-