买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉云南大学申请的专利一种单细胞RNA测序数据聚类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118675623B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410787672.5，技术领域涉及：G16B40/30；该发明授权一种单细胞RNA测序数据聚类方法是由闵文文;王震设计研发完成，并于2024-06-18向国家知识产权局提交的专利申请。

本一种单细胞RNA测序数据聚类方法在说明书摘要公布了：本发明涉及细胞聚类技术领域，公开了一种单细胞RNA测序数据聚类方法。本发明基于ZINB的自编码模块来提取单细胞RNA测序数据的内容信息，并通过ZINB解码重构基因表达矩阵以及数据分布；其次，利用图自编码模块捕获细胞之间的高阶结构信息，通过对细胞‑细胞图进行图卷积网络处理，提取细胞之间的结构信息；通过注意力融合机制将基于ZINB的自编码模块和图自编码模块进行逐层的融合嵌入，将基因表达信息的特征表示和结构信息有效地融合到同一个表示中，增强了聚类性能；最后，本发明采用自监督策略将基于ZINB的自编码模块和图自编码模块集成到一个统一的框架中，并有效地对这两个模块进行端到端的聚类训练和同步优化，从而提升了聚类性能。

本发明授权一种单细胞RNA测序数据聚类方法在权利要求书中公布了：1.一种单细胞RNA测序数据聚类方法，其特征在于，包括步骤：获取单细胞RNA测序数据，对所述单细胞RNA测序数据进行预处理，得到单细胞RNA基因表达矩阵X；根据所述单细胞RNA基因表达矩阵X，使用KNN方法构建细胞-细胞图邻接矩阵A；构建基于ZINB的自编码模块以及图自编码模块；将所述基于ZINB的自编码模块和图自编码模块通过注意力融合机制逐层连接，通过这种逐层嵌入的操作将基因表达信息的特征表示和细胞结构信息有效地融合到同一个表示中；通过自监督策略将基于ZINB的自编码模块和图自编码模块集成到一个统一的框架中，基于所述单细胞RNA基因表达矩阵X和细胞-细胞图邻接矩阵A对这两个模块进行端到端的聚类训练和同步优化，得到聚类预测模型；将待聚类的单细胞RNA测序数据进行处理后，得到待聚类的单细胞RNA基因表达矩阵X和细胞-细胞图邻接矩阵A，将其输入所述聚类预测模型，输出嵌入表示，根据所述嵌入表示得到预测的细胞类别并完成聚类；其中，构建基于ZINB的自编码模块包括步骤：自编码模块由相互对称的编码器和解码器构成，自编码模块的编码器共有L层，所述单细胞RNA基因表达矩阵X作为自编码模块的初始输入，第l层的输入为Hl-1，则其输出表示为：Hl＝φWlHl-1+bl，其中，φ为激活函数，Wl表示第l层的权重，bl表示第l层的偏执向量；在解码器的最后一层分别连接三个独立的全连接层，分别用来估计ZINB的三个参数：概率参数π，离散度参数θ和均值参数μ，从而实现将ZINB模型集成到自编码模块中；ZINB分布使用所述三个参数对单细胞RNA测序数据进行模拟，重构其数据分布： ZINBX|π,μ,θ＝πδ0X+1-πNBX|μ，θ；将基于ZINB的自编码模块最终的损失函数定义为ZINB分布的负对数似然估计： 构建图自编码模块的步骤包括：所述图自编码模块由若干层图卷积网络作为主干网络；所述图自编码模块共有L层，所述细胞-细胞图邻接矩阵A作为所述图自编码模块第1层的初始输入，第l层的输入为Zl-1，则其输出表示为：其中I为单位对角矩阵，为度矩阵，Ul-1表示第l-1层的权重，归一化邻接矩阵对Zl-1进行传播，得到新的表示Zl；所述构建图自编码模块的步骤进一步包括：使用如下两个重构误差作为图自编码模块的损失函数：其中通过内积操作将图自编码器模块最后一层的输出ZL转化为重构邻接矩阵将所述基于ZINB的自编码模块和图自编码模块通过注意力融合机制逐层连接，通过这种逐层嵌入的操作将基因表达信息的特征表示和细胞结构信息有效地融合到同一个表示中的步骤包括：将基于ZINB的自编码模块的输出和图自编码模块的输出通过一个注意力融合模块进行逐层的异质结构融合嵌入,得到一个集成了结构信息和内容信息的集成表示：Rl-1＝FattαHl-1+1-αZl-1其中，α是一个可调的权重参数，Fatt表示注意力融合操作；使用集成表示Rl-1作为图卷积网络的输入来学习高阶判别信息并生成新的表示通过自监督策略将基于ZINB的自编码模块和图自编码模块集成到一个统一的框架中，基于所述单细胞RNA基因表达矩阵X和细胞-细胞图邻接矩阵A对这两个模块进行端到端的聚类训练和同步优化，得到聚类预测模型的步骤包括：对基于ZINB的自编码模块的中间层输出执行k-means聚类得到一组初始的聚类中心其中k是聚类的簇数；使用Student'st分布计算嵌入表示和聚类中心之间的软分配，公式如下：其中hi是嵌入表示的第i个样本，λ表示Student'st分布的自由度，软分配qij∈Q，Q为软聚类分布；在软聚类分布Q的基础上，设定一个辅助的目标分布来监督软聚类分布的学习，通过学习目标分布的高置信度分配来改进聚类，使用软聚类频率来计算得到目标分布，其计算方法如下：其中是软聚类频率，目标分布pij∈P；使用软聚类分布Q和目标分布P分布之间的KL散度损失作为优化目标从而获得更高质量的聚类：采用目标分布P来监督图自编码模块的学习：其中，zij∈Zpre，通过上述两个损失函数，将优化目标集成到了一个目标分布P中，使得学习到的表示适合聚类任务。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人云南大学，其通讯地址为：650091 云南省昆明市五华区翠湖北路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。