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！

龙图腾网获悉安徽大学申请的专利多空间自监督对比学习的空间转录组数据空间域识别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：CN120954500B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202511493764.3，技术领域涉及：G16B25/10；该发明授权多空间自监督对比学习的空间转录组数据空间域识别方法是由丁云;何锐;侯明扬;钟嘉成;戴殷强;郑春厚设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本多空间自监督对比学习的空间转录组数据空间域识别方法在说明书摘要公布了：本发明公开了多空间自监督对比学习的空间转录组数据空间域识别方法，包括：建模生成空间邻域图，保持图结构不变，打乱节点特征进行数据增强，作为增强图；基于图神经网络构建编码器，对融合了空间信息与基因信息的空间转录组数据进行提取得到潜在嵌入，送入多空间生成器以生成多组丰富的图特征表示；将图特征表示与潜在嵌入融合得到精炼的表示，通过解码器重构成基因表达矩阵，将对比学习损失和重建损失两者加和作为总目标函数；根据上述所得总目标函数，采用Adam优化器对网络参数进行更新，完成空间转录组空间域识别。本发明从全局和局部角度充分挖掘空间转录组数据，实现精确的空间域识别。

本发明授权多空间自监督对比学习的空间转录组数据空间域识别方法在权利要求书中公布了：1.多空间自监督对比学习的空间转录组数据空间域识别方法，其特征在于，包括以下步骤： S1、将空间转录组数据的基因表达和空间位置作为输入，进行数据标准化，再基于空间转录组数据的空间信息进行建模，生成空间邻域图，并将经数据标准化后的基因表达数据作为节点特征，针对该空间邻域图，保持图结构不变，打乱节点特征进行数据增强，作为增强图； S2、基于图神经网络构建编码器，对融合了空间信息与基因信息的空间转录组数据进行提取得到潜在嵌入，并将该潜在嵌入送入多空间生成器以生成多组丰富的图特征表示； S3、将由所述S2获取的图特征表示与潜在嵌入融合得到精炼的表示，并将该精炼表示通过解码器重构成基因表达矩阵，在该解码重构过程中将对比学习损失和重建损失两者加和作为总目标函数； S4、根据所述S3得到的总目标函数，采用Adam优化器对网络参数进行更新，以完成空间转录组空间域识别； 所述S3中，对比学习损失是指使用空间内和空间间的对比损失来学习多样化且信息丰富的表示，从而捕捉到图的重要全局信息； 对于空间内对比损失，寻求最大化每个组内两个视图表示之间的互信息MI，使得每个单独组的表示变得更具信息性，配对的表示为，则空间内对比损失公式化为： 其中，和分别为原始图和增强图中编码器的参数，k表示第k个空间； 对于空间间对比损失，约束同一视图中不同组之间的成对关系，以增强空间间的多样性，进一步的，使用基于互信息最小化的空间间对比损失以促使同一视图中的任意两个表示捕获给定图的不同特征，空间间对比关注视图内不同组之间的每对表示，即，则空间间对比损失公式化为： 结合空间内对比损失和空间间对比损失，得到最终对比损失函数为： 其中，表示对比损失，λ是一个平衡空间内对比损失和空间间对比损失影响的参数。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。

以上内容由龙图腾AI智能生成。