[发明专利]一种单细胞的转录因子调控网络预测方法及装置

权利要求书

1.一种单细胞的转录因子调控网络预测方法，其特征在于，所述转录因子调控网络预测方法包括：

获取scATAC-seq数据，其中，所述scATAC-seq数据包括峰值区域-细胞矩阵；

对所述峰值区域-细胞矩阵进行初始化处理，分别得到表征转录因子之间的调控关系的初始邻接矩阵，以及表征每个转录因子的特征信息的初始特征矩阵；

将所述初始邻接矩阵和所述初始特征矩阵输入至预先训练好的转录因子调控网络预测模型中，得到与所述初始邻接矩阵相对应的邻接矩阵预测结果。

2.根据权利要求1所述的转录因子调控网络预测方法，其特征在于，按照如下方式确定所述初始邻接矩阵中每个元素的取值：

当所述初始邻接矩阵中的位置(i,j)和(j,i)处的取值为A时，A表示TF_i和TF_j之间存在基因调控关系，其中，当TF_i的启动子区域开放且含有TF_j的基序时，TF_i和TF_j之间存在基因调控关系；

当所述初始邻接矩阵中的位置(i,j)和(j,i)处的取值为B时，B表示TF_i和TF_j之间不存在基因调控关系。

3.根据权利要求1所述的转录因子调控网络预测方法，其特征在于，按照如下方式确定所述初始特征矩阵中每个元素的取值：

将各个转录因子在单个细胞中的调控潜能得分作为所述初始特征矩阵中每个元素的取值。

4.根据权利要求3所述的转录因子调控网络预测方法，其特征在于，通过以下公式计算每个转录因子的调控潜能得分：

其中，S表示每个转录因子的调控潜能得分，k表示每个转录因子启动子区域的开放位置的数量，Δi表示每个转录因子中的各个结合位点和转录起始位点之间的距离。

5.根据权利要求1所述的转录因子调控网络预测方法，其特征在于，通过以下步骤训练所述转录因子调控网络预测模型：

获取初始邻接矩阵样本和初始特征矩阵样本，以及与所述初始邻接矩阵样本对应的最终邻接矩阵结果；

基于链路预测算法，通过所述初始邻接矩阵样本和所述初始特征矩阵样本对构建好的神经网络模型进行训练，以得到训练好的转录因子调控网络预测模型。

6.根据权利要求5所述的转录因子调控网络预测方法，其特征在于，通过以下步骤对所述神经网络模型进行训练：

将所述初始邻接矩阵样本和所述初始特征矩阵样本输入至所述神经网络模型的第一层图神经网络中，通过学习得到所述初始邻接矩阵样本的特征分布信息；

将所述初始邻接矩阵样本的特征分布信息输入至所述神经网络模型的第二层图神经网络中，通过学习得到所述初始邻接矩阵样本的特征分布均值和特征分布方差；

将得到的特征分布均值和特征分布方差经过所述神经网络模型的合成以及采样后得到特征分布向量；

将得到的特征分布向量进行处理，得到特征分布向量内积；

将确定出的特征分布向量内积输入至所述神经网络模型的S型函数中，输出最终邻接矩阵结果；

当训练损失收敛且验证集准确率开始降低时，利用早停法确定所述神经网络模型的训练完成。

7.根据权利要求1所述的转录因子调控网络预测方法，其特征在于，所述转录因子调控网络预测模型为变分图自编码器。

8.一种单细胞的转录因子调控网络预测装置，其特征在于，所述转录因子调控网络预测装置包括：

数据获取模块，用于获取scATAC-seq数据，其中，所述scATAC-seq数据包括峰值区域-细胞矩阵；

矩阵处理模块，用于对所述峰值区域-细胞矩阵进行初始化处理，分别得到表征转录因子之间的调控关系的初始邻接矩阵，以及表征每个转录因子的特征信息的初始特征矩阵；

网络预测模块，用于将所述初始邻接矩阵和所述初始特征矩阵输入至预先训练好的转录因子调控网络预测模型中，得到与所述初始邻接矩阵相对应的邻接矩阵预测结果。