[發明專利]基于單細胞Hi-C數據的細胞類型預測系統

有效

• 申請號: 202110362899.1
• 申請日: 2021-04-02
• 公開（公告）號: CN113160886B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 吳昊;周冰;董記華
• 申請（專利權）人: 山東大學
• 主分類號: G16B20/30
• 分類號: G16B20/30;G16B40/00;G06N3/0464;G06N3/048;G06F18/214;G06F18/23213;G06F18/24
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李圣梅

1.基于單細胞Hi-C數據的細胞類型預測系統，其特征是，包括：

數據處理模塊，被配置為：對于單細胞Hi-C數據集，將細胞的每一條染色體按照預先設置的分辨率分成若干個不重疊的bins片段，然后根據數據中的序列對信息進行匹配，從而每一個細胞的每一條染色體構成一個接觸矩陣；

神經網絡模塊，被配置為：對數據預處理模塊處理后的接觸矩陣輸入至模型進行訓練，直至模型訓練完成，用訓練完的模型根據輸入樣本來輸出預測結果的細胞類型；

所述神經網絡模塊，包括輸入層、兩個隱藏層和一個輸出層；

其中輸入層用于接受神經網絡模型的輸入即單細胞Hi-C接觸矩陣；

其中輸出層產生神經網絡模型的輸出，該輸出為大小是一行四列的向量，其中值最大為第幾列表示預測結果為第幾類；

其中隱藏層被用于學習數據集的特征信息，通過訓練和修改模型的參數來最終完成學習任務；

所述神經網絡模塊中，ReLU激活函數用于隱藏層解決深度神經網絡的非線性問題，Sigmoid激活函數用于輸出模型預測結果的細胞類型。

2.如權利要求1所述的基于單細胞Hi-C數據的細胞類型預測系統，其特征是，所述數據處理模塊，還包括：將每一個染色體的Hi-C接觸矩陣整合成為單細胞Hi-C矩陣，該矩陣的行是細胞，列為表示一個細胞所有特征信息的接觸信息。

3.如權利要求1所述的基于單細胞Hi-C數據的細胞類型預測系統，其特征是，單細胞Hi-C數據集中，根據細胞質量文件中的指標篩選符合一定條件的細胞，以確保單細胞Hi-C數據中的細胞均為有效且可用。

4.如權利要求1所述的基于單細胞Hi-C數據的細胞類型預測系統，其特征是，數據處理模塊針對單細胞Hi-C數據處理時，包括：

首先，給定一條已知長度的染色體，按照預設的分辨率分成n段，每一段記做一個seg，即每一個seg長度為r；

其次，根據相互作用對文件中每一個read對的信息，統計并構造每條染色體的接觸矩陣；

最后，由接觸矩陣經過卷積平滑和重啟隨機游走處理產生矩陣Q。

5.如權利要求1所述的基于單細胞Hi-C數據的細胞類型預測系統，其特征是，構造每條染色體的接觸矩陣時，每一個read都有開始位和結束位，根據其開始位和結束位的平均值確定對應的seg，統計每一對seg對應的read對的數量；

根據染色體中得到的seg之間相互作用程度，每一條染色體的Hi-C數據構造接觸矩陣，其中矩陣元素表示染色體兩個對應的seg之間支持相互作用的read對數量。

6.如權利要求1所述的基于單細胞Hi-C數據的細胞類型預測系統，其特征是，所述數據處理模塊，還包括：

對每一條染色體的接觸矩陣用一個卷積核遍歷一遍，對于每一個矩陣元素用其周圍元素的平均值來表示以實現平滑操作；

其次使用隨機游走方法結合全局信息和局部信息；

最后在保證特征信息不丟失的基礎上，用PCA技術降低細胞樣本的維度。

7.基于單細胞Hi-C數據的細胞類型預測裝置，基于服務器實現，其特征是，所述服務器被配置為執行以下步驟：

對于單細胞Hi-C數據，將一條染色體按照預先設置的分辨率分成若干個不重疊的bins，然后對信息進行匹配，構成接觸矩陣；

對處理后的接觸矩陣輸入至神經網絡模型進行訓練，直至模型訓練完成，用訓練完的模型根據輸入樣本來輸出預測結果的細胞類型；

所述神經網絡模型中，ReLU激活函數用于隱藏層解決深度神經網絡的非線性問題，Sigmoid激活函數用于輸出模型預測結果的細胞類型。

8.如權利要求7所述的基于單細胞Hi-C數據的細胞類型預測裝置，其特征是，所述神經網絡模型，包括輸入層、兩個隱藏層和一個輸出層；

其中輸入層用于接受神經網絡模型的輸入即單細胞Hi-C接觸矩陣；

其中輸出層產生神經網絡模型的輸出，該輸出為大小是一行四列的向量，其中值最大為第幾列表示預測結果為第幾類；

其中隱藏層被用于學習數據集的特征信息，通過訓練和修改模型的參數來最終完成學習任務。