[发明专利]细胞功能注释方法、装置、设备及介质在审

专利信息
申请号: 202210094184.7 申请日: 2022-01-26
公开(公告)号: CN114496099A 公开(公告)日: 2022-05-13
发明(设计)人: 沈荣波;姚建华 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G16B50/10 分类号: G16B50/10;G16B40/00;G16B20/30;G16B25/10
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 李文静
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 细胞 功能 注释 方法 装置 设备 介质
【权利要求书】:

1.一种细胞功能注释方法,其特征在于,所述方法包括:

获取组织样本的测序数据,所述测序数据中包含各个测序点的基因表达数据以及空间位置数据,所述测序点对应至少一个细胞;

基于所述测序数据生成所述组织样本的基因测序矩阵,所述基因测序矩阵用于表征所述组织样本中不同空间位置处的基因分布情况;

基于所述基因测序矩阵,通过深度学习方式进行细胞功能注释,得到细胞功能注释结果。

2.根据权利要求1所述的方法,其特征在于,所述基于所述测序数据生成所述组织样本的基因测序矩阵,包括:

对所述基因表达数据以及所述空间位置数据进行数据对齐;

基于数据对齐后的所述基因表达数据以及所述空间位置数据,生成基因对应的基因分布矩阵,所述基因分布矩阵用于表征不同空间位置上所述基因的基因表达量;

基于不同基因对应的所述基因分布矩阵,生成所述基因测序矩阵,所述基因测序矩阵为三维矩阵。

3.根据权利要求2所述的方法,其特征在于,所述对所述基因表达数据以及所述空间位置数据进行数据对齐之后,所述方法还包括:

基于数据对齐后的所述基因表达数据以及所述空间位置数据,过滤所述测序点中的异常测序点。

4.根据权利要求3所述的方法,其特征在于,所述基于数据对齐后的所述基因表达数据以及所述空间位置数据,过滤所述测序点中的异常测序点,包括:

基于数据对齐后的所述基因表达数据以及所述空间位置数据,确定各个细胞的转录本数量和基因表达量;

将所述转录本数量不属于数量区间,或,基因表达量不属于表达量区间的细胞确定为异常细胞;

过滤所述异常细胞对应的所述异常测序点。

5.根据权利要求2所述的方法,其特征在于,所述基于不同基因对应的所述基因分布矩阵,生成所述基因测序矩阵,包括:

对各个所述基因分布矩阵中的所述基因表达量进行归一化处理,得到归一化基因分布矩阵;

对所述归一化基因分布矩阵进行三维拼接,得到所述基因测序矩阵。

6.根据权利要求2所述的方法,其特征在于,所述基于不同基因对应的所述基因分布矩阵,生成所述基因测序矩阵之后,所述方法还包括:

基于所述基因测序矩阵,确定高表达且高可变基因;

基于所述高表达且高可变基因对所述基因测序矩阵进行降维处理,其中,降维处理后的所述基因测序矩阵中包含所述高表达且高可变基因对应的所述基因分布矩阵。

7.根据权利要求6所述的方法,其特征在于,所述基于所述基因测序矩阵,确定高表达且高可变基因,包括:

基于所述基因测序矩阵,确定各个基因的平均表达强度以及可变性方差,所述平均表达强度基于基因总表达量和测序点数量确定得到,所述可变性方差用于表征不同测序点处同一基因的基因表达量差异;

基于所述平均表达强度和所述可变性方差确定所述高表达且高可变基因。

8.根据权利要求1至7任一所述的方法,其特征在于,所述基于所述基因测序矩阵,通过深度学习方式进行细胞功能注释,得到细胞功能注释结果,包括:

将所述基因测序矩阵输入功能分割模型,得到所述功能分割模型输出的功能分割结果,所述功能分割模型通过深度学习方式训练得到,所述功能分割结果中包含所述测序点对应的所述细胞功能注释结果。

9.根据权利要求8所述的方法,其特征在于,所述方法还包括:

基于标准功能分区图,生成训练样本对应的功能分割掩膜,所述标准功能分区图对应的标准样本与所述训练样本属于同一组织类型,所述功能分割掩膜包含所述训练样本中各个样本测序点对应的细胞功能注释;

获取所述训练样本的样本测序数据;

基于所述样本测序数据生成所述训练样本的样本基因测序矩阵;

将所述样本基因测序矩阵输入所述功能分割模型,得到所述功能分割模型输出的功能分割预测结果;

将所述功能分割掩膜作为所述功能分割预测结果的监督,训练所述功能分割模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210094184.7/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top