(19)國家知識產(chǎn)權(quán)局(12)發(fā)明專利地址510090廣東省廣州市越秀區(qū)東風(fēng)東公司44102(56)對比文件權(quán)利要求書3頁說明書7頁附圖1頁一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物(57)摘要本發(fā)明公開了一種融合單細胞轉(zhuǎn)錄組的空機可讀存儲介質(zhì)，包括以下步驟：S1.獲取公開的測序數(shù)據(jù)并進行預(yù)處理，將預(yù)處理后的單細胞S4.利用訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集對XGBoost分測序數(shù)據(jù)集進行分類，得到單細胞分類結(jié)果；S5.利用超圖分割對空間轉(zhuǎn)錄組數(shù)據(jù)聚類結(jié)果和單in算法對編碼結(jié)果進行聚類，得到空間轉(zhuǎn)錄組數(shù)據(jù)聚類結(jié)果21.一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方法，其特征在于，S4.利用訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集對XGBoost分類模型進行訓(xùn)練，空間轉(zhuǎn)錄組數(shù)據(jù)同源S5.利用超圖分割對空間轉(zhuǎn)錄組數(shù)據(jù)聚類結(jié)果和單細胞分類結(jié)果進行集成，具體步驟構(gòu)成超圖后，用MCLA算法將圖G分割成k個平衡的元簇類CM(p=1,2,…,k),每個元簇類被一個表征示例和元簇類間的關(guān)聯(lián)程度的m維指示向量表2.根據(jù)權(quán)利要求1所述的一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方3.根據(jù)權(quán)利要求1所述的一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方其中，編碼器將節(jié)點的歸一化的基因表達作為輸入，并通過聚合該節(jié)點鄰居的信息來x是節(jié)點i的歸一化表達式，L是編碼器的層數(shù)，h(k)為編碼器第k層輸出的節(jié)點3其中是第k個圖注意層輸出中節(jié)點i和節(jié)點j之間的邊權(quán)重，k∈{1,2,...,L-1};從節(jié)點i到其鄰居節(jié)點j的邊權(quán)重e)=Sigmoid(vS)(W?h(-1)+v(%(Wen(-1),其中vSk)和v(k是可訓(xùn)練的權(quán)重向量，Sigmoid表示sigmoid激活函數(shù)；為了使空間相似性權(quán)重具有可比性，通過softmax函數(shù)對其進行歸一化：,即第k個圖注意層輸出中節(jié)點i和節(jié)點j之間的邊權(quán)重；編碼器第L層不采用注意力機制，輸出為h()=σ(W?h(-1)),即最終輸出的節(jié)點向量；o(Zjes,att(-1)(Wkh(“)),節(jié)點i在解碼器最后一層的輸出n;°=σ(W?n;2);4.根據(jù)權(quán)利要求1所述的一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方率eta=0.7,迭代次數(shù)nround=20,節(jié)點分裂所需的最小損失函數(shù)下降值gamma=0.001,樹的最大深度max_depth=5,最小樣本權(quán)重的和min_child_weight=10。5.一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析系統(tǒng)，其特征在于，該系統(tǒng)包括：存儲器、處理器，所述存儲器中包括一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方法程序，所述一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方法程序被所述處理器執(zhí)行時實現(xiàn)如下步驟：S1.獲取公開的空間轉(zhuǎn)錄組數(shù)據(jù)并進行預(yù)處理；S2.利用STAGATE框架對預(yù)處理后的空間轉(zhuǎn)錄組數(shù)據(jù)進行編碼，使用Louvain算法對編碼結(jié)果進行聚類，得到空間轉(zhuǎn)錄組數(shù)據(jù)聚類結(jié)果；自動編碼器用于學(xué)習(xí)具有空間信息和基因表達的低維潛在向量，空間鄰居網(wǎng)絡(luò)SNN構(gòu)建的具體過程為：根據(jù)預(yù)定義的半徑r將空間信息轉(zhuǎn)換為無向鄰居網(wǎng)絡(luò)，定義A為SNN的鄰接矩陣，當(dāng)且僅當(dāng)節(jié)點i和節(jié)點j之間的歐幾里德距離小于r時，A?=1,A?;表示鄰接矩陣A的第i行，第j列元素；對于其他不同技術(shù)的空間轉(zhuǎn)錄組數(shù)據(jù)，則根據(jù)數(shù)據(jù)的具體分辨率選擇r,以每個節(jié)點為S3.獲取公開的單細胞RNA測序數(shù)據(jù)并進行預(yù)處理，將預(yù)處理后的單細胞RNA測序數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集；S4.利用訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集對XGBoost分類模型進行訓(xùn)練，空間轉(zhuǎn)錄組數(shù)據(jù)同源4S5.利用超圖分割對空間轉(zhuǎn)錄組數(shù)據(jù)聚類結(jié)果和單細胞分類結(jié)果進行集成，具體步驟類被一個表征示例和元簇類間的關(guān)聯(lián)程度的m維指示向量)所表5方法技術(shù)領(lǐng)域[0001]本發(fā)明涉及生物信息技術(shù)領(lǐng)域，更具體地，涉及一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方法、系統(tǒng)及計算機可讀存儲介質(zhì)。背景技術(shù)[0002]隨著生物信息學(xué)技術(shù)的快速發(fā)展，特別是轉(zhuǎn)錄組學(xué)和遺傳學(xué)的研究改變了人們對癌癥的認(rèn)識。單細胞RNA測序(scRNA-seq)技術(shù)的進展可以讓研究人員更清楚地了解腫瘤的細胞組成內(nèi)部結(jié)構(gòu)，通過scRNA-seq技術(shù)研究分析腫瘤相關(guān)細胞，并根據(jù)細胞的分子譜將細胞的類型劃分成更精細的細胞亞群。在scRNA-seq技術(shù)中，聚類分析技術(shù)極為關(guān)鍵?，F(xiàn)有的基于基因表達方法主要是用pearson相關(guān)系數(shù)、spearman相關(guān)系數(shù)等指標(biāo)進行分析。細胞亞群形成了復(fù)雜的生態(tài)系統(tǒng)，它們之間的相互作用會影響腫瘤進展和治療結(jié)果，但關(guān)于腫瘤相關(guān)細胞亞群相互作用的方式還沒研究透徹。scRNA-seq的缺陷在于對組織樣本進行處理的時候失去了組織的空間背景(即細胞環(huán)境),而空間轉(zhuǎn)錄組測序可以同時獲得細胞的空間位置信息和基因表達數(shù)據(jù)，更適合研究腫瘤基質(zhì)中的細胞相互作用和空間基因表達。[0003]目前空間轉(zhuǎn)錄組的技術(shù)主要有兩種：基于NGS技術(shù)的方法和基于成像的方法(包括基于ISS的和基于ISH的)。[0004]基于NGS技術(shù)的方法：2016年，空間轉(zhuǎn)錄組學(xué)(ST)技術(shù)被提出，以獲得空間分辨的全轉(zhuǎn)錄組信息。2018年底，ST技術(shù)被進一步開發(fā)為10xVisium。10xVisium檢測法在分辨率以及運行時間上都有改進。Slide-seq利用放置在載玻片上的隨機barcode(一種用于區(qū)分的子的技術(shù)——高分辨率空間轉(zhuǎn)錄組技術(shù)(HDST)。DBiT-seq可在組織中使用確定性barcode進行空間組測序，該方法基于微流體的方法將barcode傳遞到組織玻片的表面，以實現(xiàn)10μm像素大小的分辨率。Stereo-seq使用隨機barcodeDNA納米球沉積在陣列模式中，以實現(xiàn)納米級分辨率。Seq-scope已經(jīng)實現(xiàn)了亞細胞分辨率的空間barcode,可以用來可視化核和細胞質(zhì)轉(zhuǎn)錄。NanostringGeoMXDSP技術(shù)是將數(shù)據(jù)的捕獲放在了一個個圓形的感興趣區(qū)域(ROI)中，其將紫外線照射到ROI上，釋放可光裂解的基因標(biāo)簽以進行測序定量。在所有基于序短片段)。每個測序短片段(reads)的barcode用于繪制空間位置，而測序reads的其余部分被映射到基因組，以識別轉(zhuǎn)錄源，共同生成一個基因表達矩陣。[0005]基于ISH(原位雜交)和基于ISS(原位測序)的方法：[0006]上述兩類方法均是以圖像處理生成基因表達矩陣?；贗SH的方法是以ISH技術(shù)為基礎(chǔ)，通過互補熒光探針雜交檢測目標(biāo)序列。smFISH利用多條短的寡核苷酸探針來靶向同一mRNA轉(zhuǎn)錄本的不同區(qū)域。雖然smFISH具有高靈敏度和亞細胞空間分辨率，但由于標(biāo)準(zhǔn)顯微鏡中光譜重疊的固有限制，它一次只能針對幾個基因。seqFISH是一種多路smFISH方法，通過連續(xù)幾輪雜交、成像和探針剝離，多次檢測單個轉(zhuǎn)錄本，但既昂貴又耗時。為了彌補6seqFISH的大量耗時，MERFISH技術(shù)于2015年被發(fā)布。這種技術(shù)可以鑒定單個細胞中數(shù)千種RNA的拷貝數(shù)和空間定位。它利用組合標(biāo)簽、連續(xù)成像等技術(shù)來提高檢測通量，并通過二進制barcode來抵消單分子標(biāo)記和檢測錯誤。[0007]基于ISS的方法是直接讀出組織內(nèi)轉(zhuǎn)錄本的序列。BaristaSeq是一種基于缺口填充掛鎖的方法，其讀取長度增加到15個堿基。STARmap使用barcode通過添加第二個引物，針對掛鎖探針旁邊的位點，避免了逆轉(zhuǎn)錄(RT)步驟。這種方法避免了cDNA轉(zhuǎn)換的效率障礙，并通過增加第二個雜交步驟來降低噪音。前面所提到的方法都是基于對靶標(biāo)的先驗知識，而FISSEQ是一種非靶標(biāo)的方法，即捕獲所有種類的RNA,但非靶向擴增會導(dǎo)致光學(xué)擁擠和靈敏度降低。[0008]為了提高空間數(shù)據(jù)的精度，在空間轉(zhuǎn)錄技術(shù)沒有突破的情況下，整合多層面多維度的數(shù)據(jù)是一個可行的辦法，兩種或多種數(shù)據(jù)模態(tài)的計算集成可以更好地表征組織中的空間細胞類型組成和局部細胞狀態(tài)，比如將scRNA-seq數(shù)據(jù)與用空間轉(zhuǎn)錄組數(shù)據(jù)整合用于聚類分析，可以得到更精準(zhǔn)的分類結(jié)果。發(fā)明內(nèi)容[0009]本發(fā)明提供了一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方法、系統(tǒng)及計算機可讀存儲介質(zhì)，提高了空間轉(zhuǎn)錄數(shù)據(jù)的聚類精度及單細胞數(shù)據(jù)分類效果。[0010]本發(fā)明的首要目的是為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：[0011]本發(fā)明第一方面提供了一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解[0012]S1.獲取公開的空間轉(zhuǎn)錄組數(shù)據(jù)并進行預(yù)處理；對編碼結(jié)果進行聚類，得到空間轉(zhuǎn)錄組數(shù)據(jù)聚類結(jié)果；[0014]S3.獲取公開的單細胞RNA測序數(shù)據(jù)并進行預(yù)處理，將預(yù)處理后的單細胞RNA測序數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集；[0015]S4.利用訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集對XGBoost分類模型進行訓(xùn)練，空間轉(zhuǎn)錄組數(shù)據(jù)同源的單細胞測序數(shù)據(jù)集進行分類，得到單細胞分類結(jié)果；[0016]S5.利用超圖分割對空間轉(zhuǎn)錄組數(shù)據(jù)聚類結(jié)果和單細胞分類結(jié)果進行集成。[0017]進一步的，步驟S1中對公開的空間轉(zhuǎn)錄組數(shù)據(jù)并進行預(yù)處理包括：數(shù)據(jù)的歸一化、數(shù)據(jù)格式調(diào)整。間鄰居網(wǎng)絡(luò)用于，所述圖注意力編碼器用于學(xué)習(xí)具有空間信息和基因表達的低維潛在向量[0020]根據(jù)預(yù)定義的半徑r將空間信息轉(zhuǎn)換為無向鄰居網(wǎng)絡(luò)，定義A為SNN的鄰接矩陣，當(dāng)且僅當(dāng)節(jié)點i和節(jié)點j之間的歐幾里德距離小于r時，A?=1,A,;表示鄰接矩陣A的第i行，第j列元素；對于其他不同技術(shù)的空間轉(zhuǎn)錄組數(shù)據(jù)，則根據(jù)數(shù)據(jù)的具體分辨率選擇r,以每個節(jié)[0021]進一步的，圖注意力自動編碼器包括：編碼器、解碼器和圖注意層，圖注意力層嵌7息來生成節(jié)點向量spotembedding,編碼器中的圖注意力層D((Wkh(-1),其中%)和v(是可訓(xùn)練的權(quán)重向量，Sigmoid表示sigmoid激活函數(shù)；[0028]為了使空間相似性權(quán)重具有可比性，通過softmax函數(shù)對其進行歸一化：[0029]編碼器第L層不采用注意力機制，輸出為h()=σ(W?h(-1)),即最終輸出的節(jié)點向[0030]所述解碼器在倒數(shù)第k層重構(gòu)了節(jié)點i在第k-1層的embedding:h(k-1)=學(xué)習(xí)率eta=0.7,迭代次數(shù)nround=20,節(jié)點分裂所需的最小損失函數(shù)下降值gamma=0.001,樹的最大深度max_dept元簇類被一個表征示例和元簇類間的關(guān)聯(lián)程度的m維指示向量終聚類結(jié)果。8[0037]本發(fā)明第二方面提供了一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析系統(tǒng)，該系統(tǒng)包括：存儲器、處理器，所述存儲器中包括一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方法程序，所述一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方法程序被所述處理器執(zhí)行時實現(xiàn)如下步驟：[0038]S1.獲取公開的空間轉(zhuǎn)錄組數(shù)據(jù)并進行預(yù)處理；[0039]S2.利用STAGATE框架對預(yù)處理后的空間轉(zhuǎn)錄組數(shù)據(jù)進行編碼，使用Louvain算法對編碼結(jié)果進行聚類，得到空間轉(zhuǎn)錄組數(shù)據(jù)聚類結(jié)果；[0040]S3.獲取公開的單細胞RNA測序數(shù)據(jù)并進行預(yù)處理，將預(yù)處理后的單細胞RNA測序數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集；[0041]S4.利用訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集對XGBoost分類模型進行訓(xùn)練，空間轉(zhuǎn)錄組數(shù)據(jù)同源的單細胞測序數(shù)據(jù)集進行分類，得到單細胞分類結(jié)果；[0042]S5.利用超圖分割對空間轉(zhuǎn)錄組數(shù)據(jù)聚類結(jié)果和單細胞分類結(jié)果進行集成。[0043]本發(fā)明第三方面提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中包括融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方法程序，所述融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方法程序被處理器執(zhí)行時，實現(xiàn)所述的一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方法的步驟。[0045]本發(fā)明利用STAGATE轉(zhuǎn)錄組數(shù)據(jù)進行降維、分析與聚類，利用XGBoost對單細胞轉(zhuǎn)錄數(shù)據(jù)聚，提高了空間轉(zhuǎn)錄數(shù)據(jù)的聚類精度及單細胞數(shù)據(jù)分類效果，同時利用，超圖分割將兩個聚類結(jié)果集成起來，獲得精度更高的聚類結(jié)果。附圖說明[0046]圖1為本發(fā)明一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析方法流程[0047]圖2為本發(fā)明一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組織亞結(jié)構(gòu)解析系統(tǒng)框具體實施方式[0048]為了能夠更清楚地理解本發(fā)明的上述目的、特征和優(yōu)點，下面結(jié)合附圖和具體實施方式對本發(fā)明進行進一步的詳細描述。需要說明的是，在不沖突的情況下，本申請的實施例及實施例中的特征可以相互組合。[0049]在下面的描述中闡述了很多具體細節(jié)以便于充分理解本發(fā)明，但是，本發(fā)明還可以采用其他不同于在此描述的其他方式來實施，因此，本發(fā)明的保護范圍并不受下面公開的具體實施例的限制。[0051]如圖1所示，本發(fā)明第一方面提供了一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組[0052]S1.獲取公開的空間轉(zhuǎn)錄組數(shù)據(jù)并進行預(yù)處理；[0053]需要說明的是，對轉(zhuǎn)錄組數(shù)據(jù)進行預(yù)處理包括：數(shù)據(jù)的歸一化、數(shù)據(jù)格式調(diào)整。將9轉(zhuǎn)錄組數(shù)據(jù)進行歸一化(篩選高差異基因等)、將數(shù)據(jù)格式轉(zhuǎn)化為符合算法輸入數(shù)據(jù)的格在embedding.STAGATE首先基于節(jié)點的相對空間位置構(gòu)建空間鄰居網(wǎng)絡(luò)(SNN),然后通過圖注意力自動編碼器學(xué)習(xí)具有空間信息和基因表達的低維潛在embedding(表示一個物體的一個抽象的向量),每個節(jié)點的歸一化表達式先由編碼器轉(zhuǎn)換為d維潛在embedding,再通過息來生成節(jié)點向量spotembedding,編碼器中的圖注意力層[0060]x:是節(jié)點i的歸一化表達式，L[0065]為了使空間相似性權(quán)重具有可比性，通過softmax函數(shù)對其進行歸一化：量spotembedding;[0067]所述解碼器在倒數(shù)第k層重構(gòu)了節(jié)點i在第k-1層的embedding:),節(jié)點i在解碼器最后一層的輸出究9=σ(W?n②);[0069]損失函數(shù)為Z:=1|x?-h[0070]需要說明的是，本發(fā)明使用Louvain算法對編碼器輸出對比結(jié)果(即節(jié)點向量參數(shù)學(xué)習(xí)率eta=0.7,迭代次數(shù)nround=20,節(jié)點分裂所需的最小損失函數(shù)下降值gamma=型對空間轉(zhuǎn)錄組數(shù)據(jù)同源(同一樣本)的單細胞測序數(shù)據(jù)集進行分類，得到單細胞分類結(jié)元簇類被一個表征示例和元簇類間的關(guān)聯(lián)程度的m維指示向量[0079]如圖2所示，本發(fā)明第二方面提供了一種融合單細胞轉(zhuǎn)錄組的空間轉(zhuǎn)錄組生物組