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！

龙图腾网恭喜西安电子科技大学申请的专利基于互近邻的单细胞转录组批次矫正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：CN116312792B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202310372606.7，技术领域涉及：G16B30/00；该发明授权基于互近邻的单细胞转录组批次矫正方法是由高琳;梁涛;许晗;胡宇轩设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本基于互近邻的单细胞转录组批次矫正方法在说明书摘要公布了：本发明公开了一种基于互近邻单细胞转录组批次矫正方法，主要解决现有基于互近邻批次矫正方搜索到的MNN对数量少，矫正效果差的问题。其实现方案为：对单细胞转录组数据的基因特征进行筛选，筛选出高表达的基因；构建由编码器和解码器组成的自编码器，使用单细胞转录组数据筛选出高表达的基因对该编码器与解码器进行交叉训练；使用训练好的自编码器提取单细胞转录组数据筛选出高表达基因的特征，获得单细胞低维嵌入无批次信息数据；在单细胞低维嵌入无批次信息数据中搜索互近邻对，并利用其计算出一个矫正向量；使用矫正向量对数据进行批次矫正；本发明搜索到的MNN对多，批次矫正效果好，可用于生物信息学实验中对单细胞转录组数据的预处理。

本发明授权基于互近邻的单细胞转录组批次矫正方法在权利要求书中公布了：1.一种基于互近邻单细胞转录组批次矫正方法，其特征在于，包括如下步骤： 1使用单细胞转录组测序技术对样本中的每一个细胞测量其基因表达值，产生多批次单细胞转录组数据； 2对单细胞转录组数据中的基因进行特征选择，即从数据的基因中筛选出方差最大的前2000个基因作为高表达基因； 3构建一个由编码器和解码器组成自编码器； 4构建自编码器的损失函数： 4a从每个批次数据中随机抽取一个细胞构成训练样本集x： x＝x1，x2，…，xi，…，xm，其中xi表示来自第i个批次的细胞数据，i取值范围为1到m，m为批次数量； 4b每次给自编码器输入一个训练样本集，自编码器中的编码器将xi编码成低维嵌入无批次信息zi_bio和批次噪声zi_nio： zbio＝z1_bio，z2_bio，…，zi_bio，…，zm_bio， znio＝z1_nio，z2_nio，…，zi_nio，…，zm_nio； 其中，zi_nio使用one-hot-vector表示，维度为批次数量m；zi_nio的维度为1和0，即第i个维度为1，其他维度都是0； 4c将从编码器获得的zbio和znio作为解码器部分的输入，通过解码器将zbio还原成原始维度的数据称为原始伪细胞； 4d根据原始样本集x和伪细胞计算自编码器的重构损失： 4e对从编码器获得的zbio添加随机噪声znio_ran，并将zbio和znio_ran输入到解码器中，得到随机噪声伪细胞再把输入到编码器中，获得去除随机噪声后的低维嵌入无批次信息zbio_c； 4f利用zbio和zbio_c计算自编码器的内容损失：Lc＝||zbio-zbio_c||； 4g根据自编码器的重构损失Lr和自编码器的内容损失Lc，构建自编码器损失函数为 5使用m个批次单细胞转录组数据对自编码器中编码器与解码器进行交叉训练，直到损失函数L收敛为止，得到训练好的自编码器； 6将m个批次单细胞转录组数据输入到训练好的自编码器进行特征提取和初步批次矫正，得到低维嵌入无批次信息数据集Z＝Z1，Z2，…，Zi，…，Zm，其中Zi表示第i个批次数据经过编码器特征提取后的维嵌入无批次信息数据； 7对低维嵌入无批次信息数据集Z进行迭代矫正： 7a选取数据集Z中细胞数量最多的一个批次数据作为参考数据集Zref； 7b在剩余的数据集Z-Zref中选择细胞数量最多的数据集Zmax； 7c在所述Zref和所述Zmax之间搜索互近邻MNN对xref，xmax，利用搜索到的MNN对计算矫正向量V，并将Zmax中所有数据加上向量V，完成Zmax的矫正； 7d将矫正之后的Zmax与Zref合并作为新的参考数据集，并将Zmax从剩余批次数据集中删除； 7e重复7b-7d直到把所有数据集合并到参考数据集中得到矫正后的低维嵌入无批次信息数据集Z′＝Z′ 1，Z′ 2，…，Z′ i，…，Z′ m，其中Z′ i表示第i个批次数据矫正之后的结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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”。