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！

龙图腾网获悉中国科学院合肥物质科学研究院申请的专利一种基于主题模型的DNA甲基化测序数据反卷积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：CN119832995B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510305223.7，技术领域涉及：G16B40/20；该发明授权一种基于主题模型的DNA甲基化测序数据反卷积方法是由王宏志;孙晓君;张帆;谷红仓设计研发完成，并于2025-03-14向国家知识产权局提交的专利申请。

本一种基于主题模型的DNA甲基化测序数据反卷积方法在说明书摘要公布了：本发明公开了一种基于主题模型的DNA甲基化测序数据反卷积方法，属于细胞类型反卷积方法技术领域。本方法通过LDA算法构建两个狄利克雷分布，进而模拟样本与细胞类型，以及细胞类型和标记区域之间的分布关系，实现可靠的细胞类型组成预测。构建METRIC的目的是解决较高稀疏性的DNA甲基化测序数据可能带来的反卷积精度降低等问题，实现高效可靠的细胞类型反卷积。

本发明授权一种基于主题模型的DNA甲基化测序数据反卷积方法在权利要求书中公布了：1.一种基于主题模型的DNA甲基化测序数据反卷积方法，其特征在于，包括以下步骤： 步骤一、对训练集中样本进行预处理，获取样本在每个CpG位点的甲基化水平，结合样本的细胞类型分组鉴定差异甲基化区域及差异甲基化分数； 步骤二、筛选细胞类型特异性标记区域，计算标记区域的差异非甲基化指数；综合考虑所有组别的差异高甲基化和差异低甲基化区域的数量和差异分数，组内按照差异分数从大到小排序，提取每组内的前25个差异低甲基化区域作为标记区域，得到标记区域集T={T1,T2,…,Tt,..Ts},Tt1≤t≤s；利用wgbstools分析得到训练样本在每个标记区域的低甲基化reads占比分数U-score，然后，对于每一个细胞类型的特异性标记区域，其对应的相同细胞类型的样本的U-score乘以该标记的差异分数得到差异非甲基化指数训练矩阵； 步骤三、将样本视为文档，将细胞类型视为主题，将标记视为单词，利用隐含狄利克雷分配训练步骤二得到的矩阵，优化两个概率分布：样本~细胞类型分布和细胞类型~标记分布，设定推断样本和标记的细胞类型标签； 步骤四、对超参数α和β进行调优，训练预测训练集样本的细胞组分，训练完毕后，保存 METRIC模型和参数；步骤三中所构建的模型中的超参数α设置为auto，使其自适应数据和其 他参数选择最优的值，超参数β是一个TN的矩阵，其行与筛选得到的细胞类型特异性标记 区域集对应，列与训练集样本对应，在矩阵中初始值均为0.0001，然后，对于每一个细胞类 型的标记区域，其相同细胞类型样本的值设为100000；训练输出两个结果矩阵，一个是细胞 类型中的标志区域分布，其描述在K个细胞类型中标记区域的分布和权重，通过统计每个训 练得到的聚类簇中聚集的标记区域的特异性细胞类型来源，占比最大的特异性细胞类型就 是这个聚类簇的标签，训练中每个聚类簇中均是来自相同特异性细胞类型的标记，另外一 个是N个样本的K个细胞类型分布，描述在每个样本中，不同细胞类型的相对比例，对训练结 果中的两个输出进行评估，用熵值衡量每个组的细胞类型单一程度，综合选择熵值最小的 模型，训练后将训练好的METRIC模型和参数保存到文件中； 步骤五、使用步骤四中训练好的METRIC模型进行预测，使用不包括在训练集样本中的来自组织的测序样本，与白细胞样本按照已知比例混合构建模拟测试样本，提取步骤二中鉴定得到的细胞类型特异性的标记区域数据输入模型，即可得到与训练集样本包含的细胞类型数量一致的细胞类型组分比例。

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中国科学院合肥物质科学研究院，其通讯地址为：230031 安徽省合肥市蜀山湖路350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”。