[发明专利]单细胞类型检测方法、装置、设备和存储介质

说明书

本发明公开了一种单细胞类型检测方法、装置、设备和存储介质，所述方法包括：将参考数据输入表达熵模型，确定所述参考数据中每一类细胞包含的信息基因；所述参考数据包括N个单细胞中M个基因的表达谱数据集；所述表达熵模型通过训练所述参考数据得到；计算所述信息基因在所述每一类细胞中的出现概率；当接收到对待测单细胞进行检测获得的所述信息基因对应的表达量时，根据所述出现概率和所述表达量确定所述待测单细胞的细胞类型发明名称。本发明提升单细胞表达数据的分析效率和准确度，实现迅速准确检测细胞类型。

技术领域

本发明实施例涉及单细胞转录组测序数据分析领域，具体涉及一种单细胞类型检测方法、装置、设备和存储介质。

背景技术

在过去几年里，单细胞捕获技术有了明显的提高，科学家利用现有的技术可以捕获数十万甚至数百万的细胞。随之产生的巨大信息量给生物信息学分析带来了极大的机遇和挑战，其中对单细胞表达数据聚类是得到生物学结论至关重要的基础分析方法。如图1所示，为现有技术中单细胞分析方法流程图。现有的聚类方法在识别highly variably genes(高变异基因)时采用gini-index(基尼系数),dropout rates(流失率)，以及方差等方法，对基因表达量的描述有着严重的偏差；而在类群的marker gene(标记基因)选择上使用(主成分分析)pca score(seurat)和神经网络(scQuery)等方法，对所选基因的可解释性差，且需要运用生物学知识根据算法得到的marker gene(标记基因)对类群进行注释。最近，也有细胞分类算法产生(Seurat3,scmap等)，但其没有进行很好的假阳性控制且对细胞的分类从训练到预测需要大量的时间和内存。以上现有分析方法都对使用者的生物学背景和计算硬件提出了很高的要求。

随着单细胞转录组测序技术的不断发展，海量不同测序平台(Smart-seq2，10Xgenomics等)产生的数据之间如何进行整合；在可利用资源和时间受限的情况下如何准确快速的分析更多单细胞数据是现阶段急需解决的问题。

发明内容

本发明提供一种单细胞类型检测方法、装置、设备和存储介质，提升单细胞表达数据的分析效率和准确度，实现迅速准确检测细胞类型。

第一方面，本发明实施例提供了一种单细胞类型检测方法，包括：

将参考数据输入表达熵模型，确定所述参考数据中每一类细胞包含的信息基因；所述参考数据包括N个单细胞中M个基因的表达谱数据集；所述表达熵模型通过训练所述参考数据得到；

计算所述信息基因在所述每一类细胞中的出现概率；

当接收到对待测单细胞进行检测获得的所述信息基因对应的表达量时，根据所述出现概率和所述表达量确定所述待测单细胞的细胞类型。

进一步地，在将参考数据输入表达熵模型，确定所述参考数据中每一类细胞包含的信息基因之前，还包括：

将所述表达谱数据集标准化得到基因表达量数据集；

根据所述基因表达量数据集进行表达熵计算，生成第一表达熵数据集；所述表达熵为信使核糖核酸表达的离散程度；

根据所述第一表达熵数据集对所述表达熵模型进行训练，完成所述表达熵模型的构建。

进一步地，所述将参考数据输入表达熵模型，确定所述参考数据中每一类细胞包含的信息基因，包括：

将所述参考数据输入所述表达熵模型中，生成所述M个基因对应的第二表达熵数据集；

根据所述第一表达熵数据集和所述第二表达熵数据集进行基因筛选，确定所述参考数据中每一类细胞包含的信息基因。

进一步地，所述根据所述第一表达熵数据集对所述表达熵模型进行训练，完成所述表达熵模型的构建，包括：

根据所述基因表达量数据集获得所述M个基因的平均基因表达量；