-
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
IPC: G16B30/00 , G16B25/00 , G16B40/00 , G06F18/213 , G06F18/241
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。
-
公开(公告)号:CN116994245A
公开(公告)日:2023-11-03
申请号:CN202310961931.7
申请日:2023-08-02
Applicant: 厦门大学
IPC: G06V20/69 , G06V10/82 , G06V10/762 , G06V10/24 , G06N3/0455 , G06N3/0499 , G06N3/08 , G06T17/00
Abstract: 本发明公开了一种基于深度学习的空间转录组分析方法、装置及可读介质,通过构建实例分割神经网络并训练,得到细胞核分割模型,实例分割神经网络包括层次变换编码器和全连接解码器,细胞核图像输入细胞核分割模型,得到细胞核分割结果,并确定细胞的位置信息;获取由空间转录组学生成的核糖核酸分子的坐标,根据细胞核分割结果和核糖核酸分子的坐标将每个核糖核酸分子分配给与其距离最短的细胞,并形成单细胞表达矩阵;根据单细胞表达矩阵对细胞进行细胞类型注释,得到细胞类型,根据细胞类型和细胞的位置信息识别得到解剖区域;采用点云技术进行三维可视化,重建组织或器官表面轮廓,该方法能够快速且准确的进行细胞分割。
-