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！

申请/专利权人：长春师范大学

摘要：本发明公开了一种基于Transformer模型预测的单细胞RNA测序数据聚类方法，所述方法包括如下步骤：步骤1）获取单细胞RNA测序数据；步骤2）数据预处理；步骤3）基于PCA和K‑means的细胞簇类识别；步骤4）基于加权集成的元聚类方法处理；步骤5）计算投票置信度划分训练集；步骤6）引入基于Transformer模型的训练和预测。本发明的方法不仅能够克服现有方法在数据整合和一致性分析、细胞聚类的准确性和稳定性以及细胞聚类计算效率方面存在的问题，而且能够提高单细胞RNA测序数据分析的效率和准确性，准确识别和分类单细胞数据中的细胞类型，为细胞组学研究和生物医学应用提供更可靠的数据支持。

主权项：1.一种基于Transformer模型预测的单细胞RNA测序数据聚类方法，其特征在于所述方法包括如下步骤：步骤1）获取单细胞RNA测序数据：从公共数据库获取公开的单细胞RNA测序数据集；步骤2）数据预处理：步骤21）对于步骤1）获取到的单细胞RNA测序数据，使用R包Seurat中的SCTransform函数对其进行预处理；步骤22）将经过SCTransform处理后的Seurat对象中的标准化表达数据保存到新的CSV文件中；步骤3）基于PCA和K-means的细胞簇类识别：步骤31）从步骤2）预处理后的基因表达矩阵中加载数据；步骤32）确定要进行降维的目标维度集合，针对每个维度值，依次对基因表达矩阵进行PCA降维，将高维的基因表达数据转换为低维的特征空间；步骤33）在降维的数据上分别应用K-means聚类算法，将细胞样本划分为预先定义K值的簇；步骤34）将每个维度下得到的聚类结果整合；步骤4）基于加权集成的元聚类方法处理：步骤41）计算细胞权重；步骤42）计算加权簇间相似度；步骤43）基于加权簇间相似度矩阵进行聚类；步骤44）通过投票方案确定最终结果；步骤5）计算投票置信度划分训练集：步骤51）每个细胞根据在多次聚类中被分配到的簇，进行投票；步骤52）根据每个簇类的得票数，得出每个细胞在各个簇类上的置信度，拥有最高置信度的簇类被指定为细胞的所属簇类；步骤53）对每个簇类中的细胞对应的置信度进行排序，并将置信度高的前30%的细胞提取出作为Transformer模型的训练集；步骤6）引入基于Transformer模型的训练和预测：步骤61）将每个簇中置信度高的前30%的细胞以及每个簇类包含的所有细胞分别作为训练集和验证集；步骤62）构建Transformer模型，并使用训练集数据对构建的Transformer模型进行训练；步骤63）使用训练好的Transformer模型对预处理过的基因表达矩阵进行处理，对每个细胞样本进行聚类标签的预测，同时，将预测结果保存为一个新的聚类标签结果，供后续的数据分析和应用使用。

全文数据：

权利要求：

百度查询： 长春师范大学 基于Transformer模型预测的单细胞RNA测序数据聚类方法