[发明专利]一种细胞亚型智能判定方法

说明书

本发明公开了一种细胞亚型智能判定方法，根据确定好细胞类型的单细胞数据，建立含有多种细胞类型的数据库，并对数据库内的单细胞数据进行细胞类型分类；根据确定好细胞类型的单细胞数据，通过基因表达情况进行计算，得到每个细胞类型的特征表达打分模型；然后将新的细胞数据导入到特征表达打分模型进行识别打分，则得到新的细胞的基因表达情况；将得到新的细胞的基因表达情况于收录在含有多种细胞类型的数据库内的单细胞数据进行对比，则得到新的细胞的细胞类型，完成对新的细胞的分类；构建了一个完善的数据库，通过特征表达打分模型，能够自动化的对输入的数据进行识别打分，然后判定出不同细胞类型，从而能够精确的去判断细胞类型。

技术领域

本发明涉及细胞分类技术领域，具体为一种细胞亚型智能判定方法。

背景技术

随着人工智能技术的成熟，机器学习的应用范围越来越广泛，例如数据挖掘、自然语言处理、DNA序列预测等等。在生物学研究领域，大量的识别和分类生物特征，对于研究人员来说工作量十分巨大。而在生物特征中对于细胞特征的分析既基础又重要。

目前，对细胞的分析主要靠研究人员人眼观察进行分类识别，观察大量的样本数据很容易因疲劳而导致误差；或者，也利用一些常用的细胞染色方法对细胞进行分类识别，但是染色反应局限于细胞自身的特性，导致不同的细胞有可能呈现同样或者相近的颜色，不利于研究。例如，在疾病诊断时，病理图像经过染色后，医生会根据染色后的图像判断细胞是否发生病变等医学问题。但在医生观察病理图像时，很容易因工作压力、视觉疲劳等各种问题导致诊断结果出错，我们对此做出改进，提出一种细胞亚型智能判定方法。

发明内容

为了解决上述技术问题，本发明提供了如下的技术方案：

提供一种细胞亚型智能判定方法，包括以下几个步骤：

步骤1，根据确定好细胞类型的单细胞数据来建立含有多种细胞类型的数据库，并对数据库内的单细胞数据进行细胞类型分类；

步骤2、根据确定好细胞类型的单细胞数据，通过基因表达情况进行计算，得到每个细胞类型的特征表达打分模型；

步骤3、将新的细胞数据导入到特征表达打分模型进行识别打分，则得到新细胞的基因表达情况；

步骤4、将得到新细胞的基因表达情况与收录了含有多种细胞类型的数据库内的单细胞数据进行对比，则得到新细胞基因表达信息对比情况；

步骤5、基于新细胞基因表达信息对比情况，判断新细胞的细胞类型，从而完成对新的细胞的分类。

作为本发明的一种优选技术方案，所述的得到每个细胞类型的特征表达打分模型的方法，是采用cell blast的算法得到，得到每个细胞类型的特征表达矩阵，具体过程为，找到鉴定好细胞类型的数据，拿到细胞类型的鉴定结果生成数据集，选择合适的vargenes进行model训练、无监督降维并拟合成DIRECTi模型，然后进行函数内部自动数据标化和聚类并把细胞投影到cell embedding space上，进行降维和可视评估相同细胞类型的聚类情况，即相同细胞类型没有聚集在一起的数据会被弃用，根据原始样本情况进行批次矫正；评估相关信息重复训练多个模型，其中每个模型有自己随机的seed，并和原始的参考数据集合并为一个cell_blast database，最后加载合适的待测数据集。算法会通过潜在空间中基于欧几里德距离的有效最近邻搜索来得到待测数据集的初始匹配结果。

作为本发明的一种优选技术方案，所述的将新的细胞数据导入到特征表达打分模型进行识别打分的方法是，将新的细胞数据在多个模型中的结果进行合并，并且对p值进行过滤，得到一个python dist key是细胞名查询的结果，该结果会给出当前细胞在潜在空间里的命中次数，当前预测细胞类型在空间中的总值以及预测结果的p值并综合测试结果给出最终的细胞类型预测结果。

作为本发明的一种优选技术方案，当得到新的细胞的细胞类型后，则对新输入的细胞数据进行一个细胞注释。