[發明專利]一種針對單細胞轉錄組數據的降噪聲算法

在審

• 申請號: 201611014369.3
• 申請日: 2016-11-18
• 公開（公告）號: CN106777870A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 鄒欣
• 申請（專利權）人: 鄒欣;上正大(上海)基因生物工程有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 上海旭誠知識產權代理有限公司31220
• 代理人: 鄭立

技術領域

本發明涉及分子生物學領域，尤其涉及一種針對單細胞轉錄組數據的降噪聲算法。

背景技術

單細胞轉錄組數據測量的是每一個細胞中基因的表達量，并由此鑒定出不同類型細胞的區別。單細胞技術可以揭示同一組織中細胞的多樣性，因此已經被廣泛應用于很多基礎生物醫學領域的研究中，比如組織發育和癌癥等。然而由于每個細胞中所含的RNA數量有限，這使得單細胞轉錄組數據中往往較傳統轉錄組數據含有更多的技術噪聲。技術噪聲的存在會極大的影響數據的解讀和細胞類型的判定。

針對廣泛存在的技術噪音，目前主要依靠人工判定的方法，去除受噪聲影響大的基因。由于表達量低的基因往往受噪聲影響比較大，這部分基因通常被除去。同時，在不同細胞間表達量波動小的基因可以被認為對細胞分類無貢獻，這部分基因通常也可以被除去。然而，這種方法受研究者主觀因素影響很大，并有可能將真正的差異表達基因去除掉，從而引起數據信息損失。

針對單細胞轉錄組數據的自動去噪算法還比較少。Bo Ding最近提出了一種算法通過建立RNA濃度與轉錄組數據FPKM數值之間的回歸模型，降低噪聲水平。但是這種方法并不能有效的降低那些低表達基因的噪聲水平，并可能引起更多的偏差，因為相對于低表達水平的基因，它們的FPKM值并不能反映其真實RNA濃度。

因此，本領域的技術人員致力于開發一種針對單細胞轉錄組數據的降噪聲算法，摒除了人為因素的干擾，從而提高了數據處理效率，降低了信息丟失的可能性。

發明內容

有鑒于現有技術的上述缺陷，本發明所要解決的技術問題是如何去除單細胞轉錄組數據中的技術噪聲。

為實現上述目的，本發明提供了一種針對單細胞轉錄組數據的降噪聲算法，包括：

步驟1、計算每一個基因的平均表達水平μ和方差σ²；

步驟2、μ和σ²被配置為有以下關系：σ²＝a₀μ²+a₁μ；

步驟3、通過使用回歸模型建立μ和σ²之間的關系，從而估計a₀，a₁的值。基于估計的a₀，a₁和每一個基因的平均表達水平，噪聲的方差水平σ₀²用a₀μ²+a₁μ來估計；

步驟4、建立數據讀數篩選準則；

步驟5、輸出的結果中只包含高可靠的基因表達數值。

進一步地，所述步驟2中，使用通用線性(GLM)回歸模型來計算公式中的系數a₀和a₁。

進一步地，所述數據讀數篩選準則包括：

(1)對于一個基因，基于μ和σ₀²計算95％置信區間，如果該區間包括零點，則該基因被認為噪聲污染基因；

(2)如果一個基因，其表達水平方差σ²<σ₀²，則該基因被認為噪聲污染基因；

(3)對于一個基因在某一個細胞中的表達量讀數x，如果x<σ₀，則認為該數值的信號噪聲比<1，此時x被設為0。

本發明的優點是可以全自動的判定數據的可靠性，從而找出受噪聲影響的大基因表達值讀數。這個過程基于統計最優化原則，摒除了人為因素的干擾，從而提高了數據處理效率，降低了信息丟失的可能性。

以下將結合附圖對本發明的構思、具體結構及產生的技術效果作進一步說明，以充分地了解本發明的目的、特征和效果。

附圖說明

圖1是本發明的一個較佳實施例的算法運行流程圖。

具體實施方式

以下結合具體實施步驟和附圖，對本發明作進一步的詳細說明。實施本發明的過程、條件、實驗方法等，除以下專門提及的內容之外，均為本領域的普遍知識和公知常識，對于本領域公知的一些技術特征未進行描述，本發明沒有特別限制內容。

本發明提出了一種針對單細胞轉錄組數據的降噪聲算法，包括：

步驟1、計算每一個基因的平均表達水平和表達水平方差；

步驟2、建立平均表達水平和方差之間的回歸模型；

步驟3、利用建立的回歸模型，估計噪聲的方差；

步驟4、利用自定義的準則，對數據進行篩選，去除受噪聲影響大的讀數。