[發(fā)明專利]基于單細(xì)胞Hi-C數(shù)據(jù)的細(xì)胞類型預(yù)測系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110362899.1
• 申請日: 2021-04-02
• 公開（公告）號: CN113160886B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 吳昊;周冰;董記華
• 申請（專利權(quán)）人: 山東大學(xué)
• 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(jì)南圣達(dá)知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 李圣梅

本公開提出了基于單細(xì)胞H?i?C數(shù)據(jù)的細(xì)胞類型預(yù)測系統(tǒng)，包括：數(shù)據(jù)預(yù)處理模塊，被配置為：對于單細(xì)胞H?i?C數(shù)據(jù)，將一條染色體按照預(yù)先設(shè)置的分辨率分成若干個(gè)不重疊的b?i?ns，然后對信息進(jìn)行匹配，構(gòu)成接觸矩陣；神經(jīng)網(wǎng)絡(luò)模塊，被配置為：對數(shù)據(jù)預(yù)處理模塊處理后的接觸矩陣進(jìn)行處理，輸出模型預(yù)測結(jié)果的四種細(xì)胞類型。該預(yù)測模型能夠應(yīng)用于對未知類型的細(xì)胞測序數(shù)據(jù)進(jìn)行細(xì)胞類型預(yù)測。

技術(shù)領(lǐng)域

本公開屬于計(jì)算機(jī)數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及基于單細(xì)胞Hi-C數(shù)據(jù)的細(xì)胞類型預(yù)測系統(tǒng)。

背景技術(shù)

本部分的陳述僅僅是提供了與本公開相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

最早，各種DNA測序技術(shù)由化學(xué)降解法、雙脫氧鏈終止法等傳統(tǒng)的測序方法發(fā)展而來，但是由于早期儀器技術(shù)的不發(fā)達(dá)而導(dǎo)致傳統(tǒng)的DNA測序技術(shù)存在一些缺陷：誤差過大、方法過于復(fù)雜且無法重復(fù)測定等。隨著人們對大規(guī)模基因組測序的需求提高，這些早期的DNA測序技術(shù)因無法做到對基因組的深度測序和重復(fù)測序而被慢慢淘汰。

為了實(shí)現(xiàn)大規(guī)模基因組的測序，研究人員研發(fā)了一種新的測序方法—Hi-C。Hi-C技術(shù)由已被廣泛應(yīng)用的3C、4C技術(shù)作為基礎(chǔ)，依靠高通量測序技術(shù)成功地揭示了細(xì)胞內(nèi)染色體間的互相作用信息，是一種功能強(qiáng)大，低成本且被廣泛應(yīng)用的方法。然而Hi-C技術(shù)存在一定的缺陷：須要輸入的細(xì)胞數(shù)量高達(dá)數(shù)百萬個(gè)，并且由于細(xì)胞之間基因組組織的變化，只能提供基因組構(gòu)象的總體平均值。

單細(xì)胞研究方法促進(jìn)了我們對細(xì)胞類型異質(zhì)性的理解，其中從傳統(tǒng)的?RNA-seq測序技術(shù)演變而來的單細(xì)胞RNA-seq技術(shù)已經(jīng)較為全面且被廣泛應(yīng)用了，從而單細(xì)胞技術(shù)在Hi-C測序技術(shù)上得以應(yīng)用。研究人員提出了一個(gè)新的測序方法——單細(xì)胞Hi-C技術(shù)，能夠使用單細(xì)胞Hi-C測序得到每個(gè)細(xì)胞詳細(xì)的實(shí)時(shí)表達(dá)譜。先前的Hi-C測序方法是從數(shù)百萬個(gè)細(xì)胞中平均地確定染色體構(gòu)造，單細(xì)胞Hi-C技術(shù)則是將其轉(zhuǎn)變?yōu)閺膯蝹€(gè)細(xì)胞中確定染色體和基因組結(jié)構(gòu)，并且具有檢測單個(gè)細(xì)胞中數(shù)千個(gè)同步染色質(zhì)相互作用的能力。一般而言，在用單細(xì)胞Hi-C技術(shù)檢測細(xì)胞的相互作用信息時(shí)，產(chǎn)生的相互作用圖譜很稀疏，但是這些互作用數(shù)據(jù)提供了有用的信息，有助于了解核基因組組織和染色體結(jié)構(gòu)中的細(xì)胞變異性。單細(xì)胞染色體構(gòu)造的簡要說明信息可能反映了它們的動態(tài)行為。在對單細(xì)胞染色體結(jié)構(gòu)的說明信息進(jìn)行分析時(shí)，這些數(shù)據(jù)提供了一定的可能性，而且單細(xì)胞技術(shù)具有捕獲細(xì)胞異質(zhì)性的能力。稀疏的單細(xì)胞Hi-C數(shù)據(jù)被數(shù)學(xué)計(jì)算方面的方法處理后，被用于分子生物學(xué)方向的研究人員進(jìn)一步地使用和分析，因此有關(guān)單細(xì)胞?Hi-C數(shù)據(jù)的計(jì)算分析方法對促進(jìn)生物學(xué)的研究是有必要的。

細(xì)胞類型預(yù)測是基因組學(xué)中細(xì)胞類型鑒定和藥物開發(fā)的關(guān)鍵，可以解決生物學(xué)實(shí)驗(yàn)中細(xì)胞分類的困難和耗時(shí)問題。

在以往的研究中，醫(yī)療上的各種細(xì)胞分類問題皆是采用圖像處理技術(shù)和模式識別等技術(shù)實(shí)現(xiàn)，例如對白細(xì)胞的分類和計(jì)數(shù)。而這些方法技術(shù)都是基于圖像層面的，這些方法都存在一些常見問題，細(xì)胞圖像的分割的精確與否，直接影響到特征提取和分類的準(zhǔn)確性。目前還未有在細(xì)胞染色體結(jié)構(gòu)層面的準(zhǔn)確的細(xì)胞分類方法，單細(xì)胞Hi-C技術(shù)能夠分辨單個(gè)染色體的構(gòu)象模型，并闡明染色體的相互作用以及基因組功能的受控機(jī)制，適用于稀少細(xì)胞以及處于特殊形態(tài)細(xì)胞的染色體功能構(gòu)象解析，現(xiàn)在仍缺乏基于單細(xì)胞Hi-C數(shù)據(jù)的方便準(zhǔn)確的細(xì)胞類型預(yù)測方法。

發(fā)明內(nèi)容

為克服上述現(xiàn)有技術(shù)的不足，本公開提供了基于單細(xì)胞Hi-C數(shù)據(jù)的細(xì)胞類型預(yù)測系統(tǒng)，能夠應(yīng)用于對未知類型的細(xì)胞測序數(shù)據(jù)進(jìn)行細(xì)胞類型預(yù)測。

為實(shí)現(xiàn)上述目的，本公開的一個(gè)或多個(gè)實(shí)施例提供了如下技術(shù)方案：

第一方面，公開了基于單細(xì)胞Hi-C數(shù)據(jù)的細(xì)胞類型預(yù)測系統(tǒng)，包括：

數(shù)據(jù)處理模塊，被配置為：對于單細(xì)胞Hi-C數(shù)據(jù)集，將細(xì)胞的每一條染色體按照預(yù)先設(shè)置的分辨率分成若干個(gè)不重疊的bins片段，然后根據(jù)數(shù)據(jù)中的序列對信息進(jìn)行匹配，從而每一個(gè)細(xì)胞的每一條染色體構(gòu)成一個(gè)接觸矩陣；