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;安徽皖垦种业股份有限公司申请的专利一种基于多子空间对比学习的单细胞多组学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：CN120977402B 。

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：202511493626.5，技术领域涉及：G16B40/00；该发明授权一种基于多子空间对比学习的单细胞多组学聚类方法是由丁云;蒋杨振;侯明扬;王龙平;陈军;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。

本一种基于多子空间对比学习的单细胞多组学聚类方法在说明书摘要公布了：本发明公开了一种基于多子空间对比学习的单细胞多组学聚类方法，包括：基于自动编码器对于不同组学的转录组以及染色质可及性进行重要个性特征提取；采用多子空间对比学习提取以充分挖掘转录组和染色质可及性的共性特征，有效揭示组学数据间的深层次关联；采用针对特定组学染色质可及性以及转录组的自动编码器来重构数据，以更好的去噪和重构符合组学信息的特征；将特定组学的个性信息以及多个组学的共性信息进行融合，获得更有利聚类的共嵌入。本发明能够弥补单空间对比的不足，为单细胞多组学数据的融合与聚类构建一个更全面、信息量更大的表示。

本发明授权一种基于多子空间对比学习的单细胞多组学聚类方法在权利要求书中公布了：1.一种基于多子空间对比学习的单细胞多组学聚类方法，其特征在于，包括以下步骤： S1、基于自动编码器对于不同组学的转录组以及染色质可及性进行重要个性特征提取； S2、采用多子空间对比学习提取以充分挖掘转录组和染色质可及性的共性特征，有效揭示组学数据间的深层次关联； S3：采用针对特定组学染色质可及性以及转录组的自动编码器来重构数据，以更好的去噪和重构符合组学信息的特征； S4：将所述S3的特定组学的个性信息以及所述S2的多个组学的共性信息进行融合，获得更有利聚类的共嵌入； 所述S2进一步包括： S2.1、定义两个视图u和r，从特征角度出发，将视图u和视图r分别输入到多个子空间编码器MSEncoder中，以生成多个子空间的节点嵌入； S2.2、为了使多子空间对比学习捕获的特征更加具有多样性，关注更重要的节点信息，充分利用图结构获得的度信息，将图结构信息集成到注意力机制中，以增强特征表示的区分性； 为计算每个子空间内节点的嵌入表示，将值嵌入V广播到每个子空间为，得到p个子空间的节点嵌入，表示式为： ； ； 其中，l表示第l个子空间，p表示子空间的数量，，和分别是视图u和视图r中第i个子空间的节点嵌入，视图U和视图R分别是通过多个子空间编码器得到的特征表示，且分别为视图u和视图r中相同组学的共同特征，Att表示“注意力权重矩阵”，N是样本数，d表示嵌入空间的维度； S2.3、通过计算和跨子空间的节点嵌入之间的互信息最大化以及子空间内的互信息最小化，分别作为各自的子空间对比损失函数； S2.4、子空间对比学习的最终目标函数是互信息最大化目标和互信息最小化目标的加权和，公式化表达为： 此式中，Lcontra表示子空间对比损失，θ'和φ分别是视图u和视图r分支中的编码器的参数，γ是平衡空间内和空间间目标的影响的权重系数，MI˙为互信息量，k表示第k个子空间，和分别表示视图u中第k和l个子空间的节点嵌入，表示视图r中第k个子空间的节点嵌入； S2.5、将视图U和视图R进行训练拼接，最终得到潜在特征表示。

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;安徽皖垦种业股份有限公司，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。