[发明专利]单细胞网络调控关系的构建方法

说明书

本发明公开的单细胞网络调控关系的构建方法，包括：对表达调控数据的样本空间进行聚类，并剔除样本空间中的异常值；根据剔除了异常值的样本空间，得到功能单元相关性矩阵；对所述功能单元相关性矩阵进行稀疏化处理，得到稀疏化处理过的功能单元相关性矩阵；根据所述稀疏化处理过的功能单元相关性矩阵，进行网络调控关系计算；根据所述网络调控关系，划分调控功能模块；以hdf5格式存储用于识别调控功能模块的拓扑相似性矩阵。

技术领域

本发明涉及生物技术领域，特别涉及一种单细胞网络调控关系的构建方法。

背景技术

细胞内转录本，因组织特异性，时空变化，微环境改变而引起的调控关系的改变。为了识别同质型细胞内基因间的调控关系、预测功能调控模块，通常通过构建基于表达调控数据的网络调控关系来实现。

目前在基于表达调控数据的网络调控关系构建的方法中，主要以布尔网络构建表达相关关系矩阵和加权共表达网络为主。这些方法的第一步往往都是需要计算相关关系矩阵，但其计算的时间复杂度和空间复杂度均为O(n2)，即其与数据的维度密切相关，呈指数级别增长。随着基因功能研究的深入，表达调控数据的维度不断增大，导致计算量过大。

同时，现有的技术往往还具有以下缺点：

1.相关矩阵的计算耗时，存储驻留内存，耗费大量的资源；

2.模块识别基于分层聚类算法，距离矩阵计算耗时，划分功能模块效率低；

3.无法支持较大维度数据的计算，在维度超过五万的情况下，目前一般的计算节点都无法满足；

4.对样本群体本身没有有效的划分，模型的鲁棒性不足。

发明内容

为解决以上问题，本发明提供一种单细胞网络调控关系的构建方法，包括步骤：

对表达调控数据的样本空间进行聚类，并剔除样本空间中的异常值；

根据剔除了异常值的样本空间，得到功能单元相关性矩阵；

对所述功能单元相关性矩阵进行稀疏化处理，得到稀疏化处理过的功能单元相关性矩阵；

根据所述稀疏化处理过的功能单元相关性矩阵，进行网络调控关系计算；

根据所述网络调控关系，划分调控功能模块；

以hdf5格式存储用于识别调控功能模块的拓扑相似性矩阵。

优选的，所述对表达调控数据的样本空间进行聚类，并剔除样本空间中的异常值，具体实施为：

对表达调控数据的样本空间进行主成分分析，对样本空间进行降维；

根据降维后样本空间的马式距离，剔除异常值，其中，剔除异常值的方法为：

记D为降维后样本空间的马式距离；

假定D2服从χ2分布，将满足D2>χ20.05的样本值作为异常值进行剔除。

优选的，所述根据剔除了异常值的样本空间，得到功能单元相关性矩阵，具体实施为：

将剔除了异常值的样本空间划分为不同的区块，其中，划分方法为，将不同的样本的第一个基因或功能单元划分为第一个区块，将不同的样本的第i个基因或功能单元划分为第i个区块；

计算功能单元相关性矩阵，将矩阵的自相关矩阵的求解变为相关系数矩阵的求解；