[发明专利]一种降低单细胞转录组数据中技术噪声的方法

权利要求书

1.一种降低单细胞转录组数据中技术噪声的方法，其特征在于，包括以下步骤：

步骤一，根据单细胞转录组数据获取每个基因表达的平均方差；

步骤二，根据所述每个基因表达的平均方差构建卡方分布模型并使用所述卡方分布模型计算多个候选阈值；

步骤三，计算使用每个所述候选阈值时所得到的有效特征向量的个数；

步骤四，基于所述有效特征向量的个数判定基因滤除的最优阈值；

步骤五，基于所述最优阈值进行基因滤除；

其中，所述步骤二中，所述使用所述卡方分布模型计算多个候选阈值包括：将所述平均方差作为均值构建所述卡方分布模型，并使用所述卡方分布模型的不同分位数计算所述多个候选阈值；由所述平均方差σ₀²和所述卡方分布模型按照如下公式计算候选阈值T(α)：

T(α)＝σ₀²F^-1(α)

其中F^-1是所述卡方分布模型的逆累计分布函数，所述候选阈值所对应的卡方分布分位数α选取[0.5,0.6,0.7,0.8,0.9,0.99,0.999,0.9999]，其中α＝0.5对应于平均方差σ₀²；

所述步骤三包括：基于Tracy-Widom分布模型并利用特征值分解计算每个所述候选阈值的所述有效特征向量的个数，其中Tracy-Widom分布模型简称为TW分布模型； 将每个所述候选阈值对应的特征值按降序排列，基于所述TW分布模型对每个所述特征值计算对应的似然值，所述似然值大于预设值的特征值的数目即为所述候选阈值的所述有效特征向量的个数；

所述步骤四中判定所述最优阈值包括：在所述多个候选阈值中，选取有效特征向量个数最多并且保留基因数最少的候选阈值为所述最优阈值，具体 包括：当所述多个候选阈值中至少两个候选阈值的所述有效特征向量的个数相同且均为最多个数时，选取所述至少两个候选阈值中保留基因数最少的候选阈值作为最优阈值。

2.如权利要求1所述的降低单细胞转录组数据中技术噪声的方法，其特征在于，所述步骤一中获取所述每个基因表达的平均方差包括：

根据所述单细胞转录组数据计算每个基因的平均表达水平μ和平均方差σ²；

将所有基因按照相应的所述平均表达水平μ划分成不同的区块，针对每个所述区块建立线性回归模型并预测所述平均方差。

3.如权利要求2所述的降低单细胞转录组数据中技术噪声的方法，其特征在于，

所述每个基因的平均表达水平μ和所述平均方差σ²的关系由以下公式表示：σ²/μ²＝a₀+a₁/μ；

所述建立线性回归模型包括：针对属于每个所述区块的基因使用线性回归模型计算所述公式中的系数a₀和a₁。

4.如权利要求3所述的降低单细胞转录组数据中技术噪声的方法，其特征在于，所述预测所述平均方差包括：使用已知的所述每个基因的平均表达水平μ和计算得到的所述线性回归模型的所述系数a₀和a₁，计算每个基因表达的所述平均方差σ₀²。