[发明专利]一种单细胞聚类方法、装置、电子设备及存储介质

权利要求书

1.一种单细胞聚类方法，其特征在于，包括以下步骤：

步骤1、基于基因表达矩阵，计算单细胞对之间的相似性，构建全局特征空间矩阵S_l；S_l的大小为N×N，N为单细胞个数，其中元素S_l(i,j)表示单细胞i和单细胞j的相似性，S_l中每一行即表示一个单细胞与其他所有单细胞之间的相似性，S_l包含了全局的相似性信息，为全局特征空间矩阵；

步骤2、基于矩阵S_l，使用加权高斯核函数计算单细胞对之间的相似性，构建稀疏的全局相似性矩阵S_g；

步骤3、基于矩阵S_g，确定各单细胞的最近邻；基于单细胞对之间的公共最近邻与它们的距离之和，计算单细胞对之间的相似性，构建基于路径的全局相似性矩阵S_p；

步骤4、先基于矩阵S_p，构建图G＝(V,E,W)；图G中V＝{v₁,v₂,…,v_N}为节点集合，每一个节点为一个单细胞；E为边集合；W为边的权重集合，w_ij∈W表示节点v_i和节点v_j之间的边的权重，w_ij＝S_p(i,j)；然后对图G中的各节点进行聚类，即完成单细胞聚类；

上述步骤中X(i,j)表示矩阵X第i行第j列的元素，i,j＝1,2,…,N；如S_l(i,j)表示矩阵S_l第i行第j列的元素，S_p(i,j)表示矩阵S_p第i行第j列的元素。

2.根据权利要求1所述的单细胞聚类方法，其特征在于，所述步骤1中，基于基因表达矩阵，计算两个单细胞对应的列向量之间的斯皮尔曼相关系数，作为它们的相似性，即S_l中相应元素值，即计算单细胞i和单细胞j在基因表达矩阵中对应的列向量的斯皮尔曼相关系数Rs(i,j)作为S_l(i,j)，i,j＝1,2,…,N。

3.根据权利要求1所述的单细胞聚类方法，其特征在于，所述步骤2包括以下步骤：

步骤2.1、基于全局特征空间矩阵S_l，根据矩阵中每行元素值的大小，确定每个单细胞的K个最近邻；对于单细胞i，矩阵S_l第i行S_l(i,:)中除S_l(i,i)以外最大的K个元素对应的单细胞即其K个最近邻，将其K个最近邻构成的集合记为KNN(i)；

步骤2.2、使用加权高斯核函数，计算各单细胞对之间的加权高斯核相似性，作为它们的相似性，即S_g中相应元素值；

使用加权高斯核函数，计算单细胞i和单细胞j之间的加权高斯核相似性D(i,j)的方法为：

其中，ω_l表示第l个高斯核函数K_l(s_i,s_j)的权重，ε_ij为高斯核函数的宽度参数，其由参数对(σ,K)决定，由不同的参数对取值确定不同的宽度参数，从而得到不同的高斯核函数；S(:,i)和S(:,j)分别表示基因表达矩阵的第i列和第j列；

令S_g(i,j)＝D(i,j)。

4.根据权利要求3所述的单细胞聚类方法，其特征在于，所述步骤2.2中，首先将ω_l初始化为其中G为高斯核函数的个数；然后通过迭代求解以下目标函数获得最优解：

约束条件：

L^TL＝I_C

其中，I_N是N×N的单位矩阵，I_c是C×C的单位矩阵，C为分类数，L是N×C的秩约束矩阵，β、γ和ρ均为非负的经验参数，表示矩阵的Frobenius范数，简称F-范数。