-
公开(公告)号：CN118800328B
公开(公告)日：2025-05-16
申请号：CN202411273907.5
申请日：2024-09-12
Applicant: 山东大学
Abstract: 本发明提出了一种基于异质图的空间多组学技术空间域识别方法及系统，属于生物信息学技术领域。方法包括：获取空间组学数据并进行数据预处理，得到基因表达数据；利用细胞的空间位置信息将预处理后的空间组学数据的组织图像按照细胞个数划分为多个子图像；基于提取的特征表示构建不同视角下的邻接矩阵；对每一个视角构建一组图编码器，得到图编码特征；基于注意力机制构建异质图；构建训练模型；将待识别的空间组学数据输入至训练后的模型获得多组学空间域信息。该方法能够有效整合和分析空间多组学数据，在多个视角探究空间组学数据，提高空间域识别的准确性和效率，为深入理解细胞间的空间功能关系提供了新的工具和视角。
-
公开(公告)号：CN118800328A
公开(公告)日：2024-10-18
申请号：CN202411273907.5
申请日：2024-09-12
Applicant: 山东大学
Abstract: 本发明提出了一种基于异质图的空间多组学技术空间域识别方法及系统，属于生物信息学技术领域。方法包括：获取空间组学数据并进行数据预处理，得到基因表达数据；利用细胞的空间位置信息将预处理后的空间组学数据的组织图像按照细胞个数划分为多个子图像；基于提取的特征表示构建不同视角下的邻接矩阵；对每一个视角构建一组图编码器，得到图编码特征；基于注意力机制构建异质图；构建训练模型；将待识别的空间组学数据输入至训练后的模型获得多组学空间域信息。该方法能够有效整合和分析空间多组学数据，在多个视角探究空间组学数据，提高空间域识别的准确性和效率，为深入理解细胞间的空间功能关系提供了新的工具和视角。
-
Patent Agency Ranking
公开(公告)号：CN118800320B
公开(公告)日：2024-11-15
申请号：CN202411287761.X
申请日：2024-09-14
Applicant: 山东大学
IPC: G16B20/00 , G16B40/30 , G06F18/22 , G06F18/23213
Abstract: 本发明提出了一种基于共识聚类的空间多组学技术空间域识别方法及系统，属于生物信息学技术领域，获取#imgabs0#个细胞的空间组学数据，采用#imgabs1#种空间域识别方法对空间组学数据进行识别，得到初步聚类结果；对于采用的#imgabs2#种空间域识别方法，计算任意两个方法的预测结果之间的修正兰德系数；基于计算的修正兰德系数获得#imgabs3#个相似性矩阵，对于每一个空间域识别方法获得的识别结果，将其转化为一个#imgabs4#的相似性矩阵能够有效结合共识聚类和空间组学特性，不仅可以提高空间域的识别精度，也能优化计算效率，对于推动空间组学以及相关生物医学研究具有重要的科学意义和应用价值。
-
公开(公告)号：CN117976057A
公开(公告)日：2024-05-03
申请号：CN202410125205.6
申请日：2024-01-29
Applicant: 山东大学
Abstract: 本发明提出了一种基于邻居对比学习的空间转录组空间域识别方法及系统，利用多头注意力机制生成多个空间转录组数据的增强视图，每个增强视图由与原始数据完全相同的节点和边缘组成，但两个节点之间具有不同的自适应边缘权重，避免了手工增强方式可能引起的对数据信息的破坏；采用邻居对比损失函数、零膨胀负二项分布损失函数和相似性约束损失函数对模型进行端到端的训练，更好地考虑到了原始样本中的生物学意义。
-
公开(公告)号：CN115732034A
公开(公告)日：2023-03-03
申请号：CN202211441816.9
申请日：2022-11-17
Applicant: 山东大学
Abstract: 本发明提出了一种空间转录组细胞表达模式的识别方法及系统，涉及生物信息学领域，对获取的空间转录组数据进行预处理，得到由图像特征、基因表达数据和邻接矩阵组成的正样本数据，属于同一个细胞的图像特征和基因表达数据存在对应关系；对正样本数据中图像特征和基因表达数据进行随机调整，得到负样本数据；构建图自编码器模型，用正样本数据和负样本数据对图自编码器模型进行训练；将待识别的样本数据输入到训练好的图自编码器模型中，得到最终识别的细胞类型；本发明构建图自编码器，充分利用空间转录组学中的多模态信息，实现空间转录组学的细胞模式识别，并改善扩展性和可操作性，提高组织切片中的细胞表达模式的识别精度和可靠性。
-
公开(公告)号：CN118800320A
公开(公告)日：2024-10-18
申请号：CN202411287761.X
申请日：2024-09-14
Applicant: 山东大学
IPC: G16B20/00 , G16B40/30 , G06F18/22 , G06F18/23213
Abstract: 本发明提出了一种基于共识聚类的空间多组学技术空间域识别方法及系统，属于生物信息学技术领域，获取#imgabs0#个细胞的空间组学数据，采用#imgabs1#种空间域识别方法对空间组学数据进行识别，得到初步聚类结果；对于采用的#imgabs2#种空间域识别方法，计算任意两个方法的预测结果之间的修正兰德系数；基于计算的修正兰德系数获得#imgabs3#个相似性矩阵，对于每一个空间域识别方法获得的识别结果，将其转化为一个#imgabs4#的相似性矩阵能够有效结合共识聚类和空间组学特性，不仅可以提高空间域的识别精度，也能优化计算效率，对于推动空间组学以及相关生物医学研究具有重要的科学意义和应用价值。
-
公开(公告)号：CN115985403A
公开(公告)日：2023-04-18
申请号：CN202211418640.5
申请日：2022-11-14
Applicant: 山东大学
IPC: G16B40/30 , G16B40/20 , G06F18/23 , G06F18/241 , G06F18/2415 , G06N3/047 , G06N3/08 , G06N3/0464
Abstract: 本发明提出了一种空间转录组的双重自监督聚类分析方法及系统，涉及生物信息学领域,对待分析的空间转录组数据进行预处理，得到由基因表达数据、细胞图像特征和邻接矩阵组成的样本数据；将样本数据输入到训练好的双重自监督模型中进行聚类，得到样本数据的聚类分布；依据聚类分布，得到细胞标签，作为最终识别的细胞类型；所述双重自监督，是线性自编码器的自我监督训练和构建全局目标分布监督图卷积神经网络编码器的训练；本发明通过线性自编码器的自我监督训练和构建全局目标分布监督图卷积神经网络编码器的训练，以双重自监督的方式，提高编码器的训练效果，实现对空间转录组细胞的高效准确分类识别。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
