[发明专利]基于谱聚类的染色质拓扑关联结构域预测方法及电子装置

权利要求书

1.一种基于谱聚类的染色质拓扑关联结构域预测方法，其特征在于，包括如下步骤：

S1：获取人类常见细胞系的Hi-C数据，并进行数据预处理；

S2：对于Hi-C数据中的每个位点，分别提取上下游交互频次数据作为该位点的特征向量；

S3：根据提取的特征向量，使用余弦相似度计算位点与位点之间的相似性，构建对应的相似性矩阵；

S4：基于相似性矩阵完成相似性无向图的构建，再使用聚类算法对位点进行分类；

S5：从聚类结果中提取TAD区域并进行筛选，预测TAD区域。

2.根据权利要求1所述的基于谱聚类的染色质拓扑关联结构域预测方法，其特征在于，所述S1具体包括：

S11：获取Hi-C数据并对该数据进行规范化以消除位点之间距离带来的数据噪声；

S12:对输入的Hi-C频次矩阵进行ln(x+1)处理，以减小Hi-C交互频次数据的动态范围，并进行数据平滑，使交互数据更符合高斯分布；并对每个频次加1，以避免出现负无穷大的值。

3.根据权利要求1所述的基于谱聚类的染色质拓扑关联结构域预测方法，其特征在于，所述步骤S2具体为：

S21：对于每个位点分别提取上下游2mb范围的染色质交互频次数据作为该位点的特征向量；对于没有足够的上/下游的位点，用上/下游的所有交互频次数据的平均值进行填充；

S22：将得到的特征向量拼接为特征矩阵。

4.根据权利要求1所述的基于谱聚类的染色质拓扑关联结构域预测方法，其特征在于，所述步骤S3具体为：

S31：根据任意两位点的特征向量，计算位点之间的余弦相似性，越大的余弦值表明两个向量方向越接近；余弦相似性计算如下：

其中，Cosine_ij表示位点i和位点j的特征向量余弦值；F_i和F_j分别表示位点i和位点j的特征向量；

S32：通过对余弦值进行数值变换，将位点之间的相似性范围变为[0,1]，得到相似性矩阵S；相似性矩阵计算公式为：

其中，S_ij为相似性矩阵S中的元素。

5.根据权利要求1所述的基于谱聚类的染色质拓扑关联结构域预测方法，其特征在于，所述步骤S4具体为：

S41：定义为无向图，其中顶点集V＝{v₁,v₂,…,v_n}表示位点，边集E表示位点与位点之间的相似性；图中的邻接关系表示对称的相似性矩阵中的邻接关系；

S42：由于顶点的度指与该顶点相关联的边的条数，则定义顶点v_i的度d(v_i)为：

其中，表示相似度矩阵，顶点v_i和顶点v_j之间的边的权重，也即两个顶点之间相似性；

度矩阵为对角矩阵，定义为：

S43：计算拉普拉斯矩阵，计算公式为：

对拉普拉斯矩阵进行规范化：

计算规范化的拉普拉斯矩阵中前k个特征值对应的特征向量u₁,…,u_k，将其组成矩阵U∈R^n×k，U＝[u₁,…,u_k]；

S44：在矩阵U上使用k-means算法，将顶点聚集到C₁,…,C_k，k个簇中。

6.根据权利要求1所述的基于谱聚类的染色质拓扑关联结构域预测方法，其特征在于，所述步骤S5具体为：

S51：定义TAD区域：TAD的最小尺寸为180kb，将矩阵对角线上同一簇的连续位点连接成段，将属于同一类别且大于180kb的片段预测为TAD，将小于180kb的片段定义为TAD边界；

S52：剔除假阳性区域：若一个TAD的域内平均交互频次低于整个染色体的平均交互频次，则该区域为被聚集在一起的“gap”区域，而非拓扑关联结构域区域，将这其从结果中剔除。

7.一种基于谱聚类的染色质拓扑关联结构域预测电子装置，其特征在于，包括处理器，存储器以及储存在存储器上的计算机程序，所述计算机程序在处理器上执行实现权利要求1至6任一项所述方法。