[發(fā)明專利]基于對(duì)抗自動(dòng)編碼器的單細(xì)胞RNA測(cè)序聚類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010723087.0
• 申請(qǐng)日: 2020-07-24
• 公開（公告）號(hào): CN111785329A
• 公開（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 郭延明;武與倫;肖延?xùn)|;老松楊
• 申請(qǐng)（專利權(quán)）人: 中國(guó)人民解放軍國(guó)防科技大學(xué)
• 主分類號(hào): G16B30/10
• 分類號(hào): G16B30/10;G16B30/20;G16B40/30;G06K9/62
• 代理公司: 北京風(fēng)雅頌專利代理有限公司 11403
• 代理人: 李博瀚

1.一種基于對(duì)抗自動(dòng)編碼器的單細(xì)胞RNA測(cè)序聚類方法，其特征在于，包括：

利用基于深度技術(shù)自動(dòng)編碼器方法的零膨脹負(fù)二項(xiàng)分布特定損失函數(shù)對(duì)輸入的數(shù)據(jù)進(jìn)行數(shù)據(jù)重建，得到無噪音數(shù)據(jù)，并構(gòu)建一個(gè)由編碼器，中間隱藏層和解碼器三部分構(gòu)成的自動(dòng)編碼器框架，利用自動(dòng)編碼器的中間隱藏層中學(xué)習(xí)到隱藏層特征向量；

利用對(duì)抗自編碼器對(duì)隱藏層特征向量的先驗(yàn)分布進(jìn)行約束，將隱藏層特征向量的聚合后驗(yàn)與先驗(yàn)分布進(jìn)行匹配；

使用負(fù)二項(xiàng)分布特定損失函數(shù)作為重建損失函數(shù)，并使用改進(jìn)深度嵌入聚類進(jìn)行聚類，計(jì)算聚類損失；

聯(lián)合優(yōu)化約束特征的重建損失和聚類損失，迭代地更新聚類標(biāo)簽分配。

2.根據(jù)權(quán)利要求1所述的基于對(duì)抗自動(dòng)編碼器的單細(xì)胞RNA測(cè)序聚類方法，其特征在于，所述利用基于深度技術(shù)自動(dòng)編碼器方法的零膨脹負(fù)二項(xiàng)式分布損失函數(shù)對(duì)輸入的數(shù)據(jù)進(jìn)行數(shù)據(jù)重建，得到無噪音數(shù)據(jù)包括，

通過負(fù)二項(xiàng)式分布的均值和離散度以及代表數(shù)據(jù)缺失概率的附加系數(shù)估算零膨脹負(fù)二項(xiàng)式分布損失函數(shù)：

ZINB(X|π,μ,θ)＝πδ₀(X)+(1-π)NB(X|μ,θ)

其中μ表示負(fù)二項(xiàng)式分布的均值，θ表示離散度，π表示數(shù)據(jù)缺失概率的附加系數(shù)，ZINB表示零膨脹負(fù)二項(xiàng)式分布損失函數(shù)；

將零膨脹負(fù)二項(xiàng)式分布損失函數(shù)作為重建損失函數(shù)對(duì)輸入的數(shù)據(jù)進(jìn)行數(shù)據(jù)重建，得到無噪音數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的基于對(duì)抗自動(dòng)編碼器的單細(xì)胞RNA測(cè)序聚類方法，其特征在于，所述利用對(duì)抗自編碼器對(duì)隱藏層特征向量的先驗(yàn)分布進(jìn)行約束包括：

在自動(dòng)編碼器的中間隱藏層頂部添加一個(gè)判別器，將自動(dòng)編碼器修改為對(duì)抗自編碼器；

將編碼器函數(shù)和解碼器函數(shù)分別定義為和其中Z表示隱藏層的特征，權(quán)重W_E和W_D分別是編碼器和解碼器中的待學(xué)習(xí)參數(shù)；

將自動(dòng)編碼器中間隱藏層的潛在特征和來自先驗(yàn)分布的一組相同維度大小的真實(shí)樣本輸入判別器，利用二進(jìn)制交叉熵?fù)p失來訓(xùn)練和更新參數(shù)，其中L_d代表判別器的損失函數(shù)：

將自動(dòng)編碼器作為生成器進(jìn)行訓(xùn)練，以混淆判別器，并讓判別器判斷編碼器生成的輸入樣本為真實(shí)樣本；

其中L_g代表判別器的損失函數(shù)，z_i表示真實(shí)樣本，D表示判別器，S_i表示自動(dòng)編碼器中間隱藏層的潛在特征。

4.根據(jù)權(quán)利要求3所述的基于對(duì)抗自動(dòng)編碼器的單細(xì)胞RNA測(cè)序聚類方法，其特征在于，在利用二進(jìn)制交叉熵?fù)p失來訓(xùn)練和更新參數(shù)之前，所述方法還包括：

將零均值高斯隨機(jī)噪聲添加到編碼器的每一層，使模型更健壯。

5.根據(jù)權(quán)利要求1所述的基于對(duì)抗自動(dòng)編碼器的單細(xì)胞RNA測(cè)序聚類方法，其特征在于，所述使用負(fù)二項(xiàng)分布特定損失函數(shù)作為重建損失函數(shù)，并使用IDEC進(jìn)行聚類，計(jì)算聚類損失包括：

將解碼器的最后一層替換為三個(gè)獨(dú)立的全連接層，且三個(gè)獨(dú)立的全連接層的維度與輸入數(shù)據(jù)相同，解碼器的架構(gòu)為：

D_e＝G_WD(H)

Φ＝sigmoid(W_πD_e)

Θ＝exp(W_θD_e)

其中，H表示瓶頸層的輸出，W_M，W_π和W_θ分別代表最后三個(gè)全連接層中的待學(xué)習(xí)參數(shù)，尺度因子sf是一個(gè)獨(dú)立的生物學(xué)變量，由原始數(shù)據(jù)的庫(kù)大小和細(xì)胞中位數(shù)計(jì)算得出；

ZINB分布的重建損失函數(shù)是ZINB分布的負(fù)對(duì)數(shù)變換

L_r＝-log(ZINB(X|π,μ,θ))

在輔助目標(biāo)分布P和樣本特征中軟聚類標(biāo)簽的分布Q之間的KL散度計(jì)算得到聚類損失，

6.根據(jù)權(quán)利要求1所述的基于對(duì)抗自動(dòng)編碼器的單細(xì)胞RNA測(cè)序聚類方法，其特征在于，所述包括：

聯(lián)合優(yōu)化約束特征的重建損失和聚類損失，迭代地更新聚類標(biāo)簽分配，

模型的目標(biāo)函數(shù)定義為

L₁＝L_r+L_g

相對(duì)于聚類中心μ_j和隱藏層特征樣本z_i的L_c的梯度計(jì)算如下

在聚類過程中，聚類中心μ_j通過以下方式更新