一种基于可解释深度学习的测序数据特征基因提取方法

    公开(公告)号:CN117877585A

    公开(公告)日:2024-04-12

    申请号:CN202410064040.6

    申请日:2024-01-17

    Applicant: 厦门大学

    Abstract: 一种基于可解释深度学习的测序数据特征基因提取方法,本方法使用可解释深度学习在分类决策过程中对决策起重要作用的特征基因进行提取,使用基因作为输入,对于目标细胞/spot(空间转录组中的测量单位)类型进行分类任务。并且在分类过程中计算基因特征的梯度值作为基因对于目标细胞/spot类型的分类的重要程度(显著性),并依此进行排序。取显著性排名靠前的基因作为特征基因签名,并循环直至排名稳定。稳定的特征基因签名可以用于分析患者预后、分析细胞功能等。该方法适用于基于下一代测序的空间转录组学和单细胞转录组学等转录组数据,具有广泛的适用性。

    一种组织切片的空间转录组原位测序方法

    公开(公告)号:CN119432990A

    公开(公告)日:2025-02-14

    申请号:CN202411881341.4

    申请日:2024-12-19

    Applicant: 厦门大学

    Abstract: 一种组织切片的空间转录组原位测序方法,涉及基因测序领域,包括:1)原位捕获mRNA;2)逆转录得cDNA;3)去组织保留cDNA;4)cDNA探针杂交;5)原位扩增;6)荧光探针解码测序;7)清洗探针,多轮测序。本发明原位捕获RNA并逆转录为cDNA,实现核酸印迹转移,去除背景干扰,解决RNA降解问题,允许多轮杂交增检测通量。核酸序列共价结合玻片,防信号点移位脱落。用DNA编码挂锁探针识别基因,扩增放大信号,测序解码揭示基因表达。清洗探针后,换探针杂交扩增,提高通量,减少空间拥挤和荧光信号拥挤。

Patent Agency Ranking