买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜成都信息工程大学;四川省计算机研究院申请的专利一种基于预训练的单细胞多组学的细胞类型注释方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119132426B 。

龙图腾网通过国家知识产权局官网在2025-04-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411242471.3，技术领域涉及：G16B50/10；该发明授权一种基于预训练的单细胞多组学的细胞类型注释方法是由张永清;李天豪;黄渝璐;邓朝晖;何嘉;刘宇航;罗洪;徐玉贵;王紫轩设计研发完成，并于2024-09-05向国家知识产权局提交的专利申请。

本一种基于预训练的单细胞多组学的细胞类型注释方法在说明书摘要公布了：本发明公开了一种基于预训练的单细胞多组学的细胞类型注释方法，其属于生物信息技术领域，包括获取配对的scRNA‑seq数据的基因表达矩阵和scATAC‑seq数据的染色质可及性峰值矩阵，并对基因表达矩阵和染色质可及性峰值矩阵进行预处理，之后输入预训练的特征提取器，采用其多头交叉注意力网络得到融合多组学的查询特征矩阵；特征提取器包括多头交叉注意力网络和两个分类器；将查询特征矩阵输入分类模型，采用线性层进行数据拆分，接着输入Transformer编码器进行多组学遗传特征提取，之后输入分类器进行细胞类型注释。本方案的细胞类型注释方法解决了现有方法细胞类型注释存在偏差的问题。

本发明授权一种基于预训练的单细胞多组学的细胞类型注释方法在权利要求书中公布了：1.一种基于预训练的单细胞多组学的细胞类型注释方法，其特征在于，包括步骤：S1、获取配对的scRNA-seq数据的基因表达矩阵和scATAC-seq数据的染色质可及性峰值矩阵，并对基因表达矩阵和染色质可及性峰值矩阵进行预处理；S2、将预处理后的基因表达矩阵和染色质可及性峰值矩阵输入预训练的特征提取器，采用其多头交叉注意力网络得到融合多组学的查询特征矩阵；特征提取器包括多头交叉注意力网络和两个分类器；S3、将查询特征矩阵输入分类模型，采用线性层进行数据拆分，接着输入Transformer编码器进行多组学遗传特征提取，之后输入分类器进行细胞类型注释；对特征提取器进行预训练的方法包括：S21、获取若干已知细胞类型、且配对的scRNA-seq数据的基因表达矩阵和scATAC-seq数据的染色质可及性峰值矩阵，并对其进行预处理；S22、将预处理后的基因表达矩阵和染色质可及性峰值矩阵分别输入多头交叉注意力网络的两个交叉注意力模块，得到Q矩阵、关键K矩阵和数值V矩阵；S23、基于Transformer架构中的自注意力机制，采用Softmax函数分别计算两个交叉注意力模块中每个注意力头提取得到的交叉特征矩阵；S24、对每个交叉注意力模块对应的所有注意力头提取的交叉特征矩阵进行拼接，再拼接上步骤S22输入交叉注意力模块的特征，得到两个交叉特征数据；S25、将两个交叉特征数据分别输入一个分类器，得到细胞类型，并将细胞类型与真实标签进行比对，得到每个分类器对应通道的预训练损失值；S26、对两个通道的预训练损失值进行求和，得到特征提取器的总损失，并保存每次预训练完成后得到的预训练模型；S27、当训练次数未达到预设迭代次数时，返回步骤S22；当训练次数达到预设迭代次数时，进入步骤S28；S28、比较每次训练得到的预训练模型，选取准确率最高的预训练模型作为预训练的特征提取器；分类模型的训练方法包括：S31、将步骤S21预处理后的基因表达矩阵和染色质可及性峰值矩阵输入预训练的特征提取器，采用其多头交叉注意力网络得到融合多组学的查询特征矩阵；S32、采用步骤S31中的查询特征矩阵对分类模型进行训练，并保存每次训练的分类器，所述分类模型包括依次连接的线性层、Transformer编码器和分类器；S33、判断对分类模型的训练次数是否达到预设训练次数，若是，输出验证损失最低的分类器对应的分类模型，否则返回步骤S31。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都信息工程大学;四川省计算机研究院，其通讯地址为：610225 四川省成都市双流区西南航空港经济开发区学府路1段24号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。