(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111671817.8 (22)申请日 2021.12.31 (71)申请人 武汉大学 地址 430000 湖北省武汉市武昌区珞珈山 (72)发明人 杜博　廖明辉　罗甫林　张乐飞　 (74)专利代理 机构 武汉智权专利代理事务所 (特殊普通 合伙) 42225 代理人 余浩 (51)Int.Cl. G16B 40/30(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种单细胞聚类方法、 装置、 设备及可读存 储介质 (57)摘要 本发明提供一种单细胞聚类方法、 装置、 设 备及可读存储介质。 该方法包括： 基于单细胞样 本点和簇中心的相似度构造分布Q和目标分布P； 基于分布 Q与目标分布P构造第一损失函数； 对样 本特征矩阵进行降维， 得到降维后的样本特征矩 阵； 将降维后的样本特征矩阵和连接矩阵传入低 通滤波图卷积模块， 得到概率矩阵； 基于目标分 布P和概率矩阵构造第二损失函数； 根据第一损 失函数和第二损失函数得到新的概率矩阵； 从新 的概率矩阵中获取单细胞样本点的聚类结果。 通 过本发明， 降维后的样本特征矩阵在低通滤波图 卷积模块传输的过程中同一簇类的特征表示变 得更光滑， 使得从新的概率矩阵中获取单细胞样 本点的聚类结果更好。 权利要求书2页 说明书10页 附图4页 CN 114334013 A 2022.04.12 CN 114334013 A 1.一种单细胞聚类方法， 其特 征在于， 所述单细胞聚类方法包括： 基于单细胞样本点和簇中心的相似度构造分布Q和目标分布P； 基于分布Q与目标分布P 构造第一损失函数； 对样本特 征矩阵进行降维， 得到降维后的样本特 征矩阵； 将降维后的样本特 征矩阵和连接矩阵传入低通滤波图卷积模块， 得到概 率矩阵； 基于目标分布P和概 率矩阵构造第二损失函数； 根据第一损失函数和第二损失函数 得到新的概 率矩阵； 从新的概 率矩阵中获取 单细胞样本点的聚类结果。 2.如权利要求1所述的单细胞聚类方法， 其特征在于， 在所述基于单细胞样本点和簇中 心的相似度构造分布Q和目标分布P的步骤之前， 还 包括： 获取样本特 征矩阵； 运用K最近邻分类算法对样本特 征矩阵进行构图， 得到连接矩阵； 将样本矩阵和连接矩阵传入初始图自编码器模块， 得到重构的样本特征矩阵以及重构 的连接矩阵； 根据样本特征矩阵、 连接矩阵、 重构的样本特征矩阵以及重构的连接矩阵对初始图自 编码器模块进行训练， 得到图自编码器模块； 将样本矩阵和连接矩阵传入图自编码器模块， 通过 K均值聚类得到 簇中心； 计算单细胞样本点和簇中心的相似度。 3.如权利要求2所述的单细胞聚类方法， 其特征在于， 所述根据样本特征矩阵、 连接矩 阵、 重构的样本特征矩阵以及重构的连接矩阵对初始图自编码器模块进行训练， 得到图自 编码器模块的步骤， 包括： 基于样本特 征矩阵和重构的样本特 征矩阵得到第三损失函数； 基于连接矩阵和重构的连接矩阵得到第四损失函数； 根据第三损失函数和第四损失函数对初始图自编码器模块进行训练， 得到图自编码器 模块。 4.如权利要求1所述的单细胞聚类方法， 其特征在于， 所述基于单细胞样本点和簇 中心 的相似度构造分布Q和目标分布P的步骤， 包括： 基于单细胞样本点和簇中心的相似度得到分布Q， 其中， Q＝[qie]， qie是单细胞样本点hi 和簇中心ue的相似度； 基于分布Q得到目标分布P， 其中， P＝[pie]， fe＝∑iqie， fe是簇别e的频 率， pie是单细胞样本点hi和簇中心ue的目标相似度。 5.如权利要求1所述的单细胞聚类方法， 其特征在于， 所述基于分布Q与目标分布P构造 第一损失函数的步骤， 包括： 构造第一损失函数Lclu为分布Q与目标分布P的KL散度， 其中， qie是单细胞样本点hi和簇中心ue的相似度， pie是单细胞 样本点hi和簇中心ue的目标相似度。权　利　要　求　书 1/2 页 2 CN 114334013 A 26.如权利要求1所述的单细胞聚类方法， 其特征在于， 所述对样本特征矩阵进行降维， 得到降维后的样本特 征矩阵的步骤， 包括： 使用全连接神经网络将n*d维的样本特征矩阵降维成n*m维的样本特征矩阵， 其中， Z(0) ＝ReLU(WX+b)， ReLU为非线性激活函数， W为权重矩阵， b为偏置项， X为样本矩阵， Z(0)为降维 后的样本特 征矩阵。 7.如权利要求1所述的单细胞聚类方法， 其特征在于， 所述将降维后的样本特征矩阵和 连接矩阵传入低通滤波图卷积模块， 得到概 率矩阵的步骤， 包括： 将降维后的样本特征矩阵和连接矩阵传入低 通滤波图卷积模块进行传播， 传播公式如 下： 其中， Z(k)是第k层的样本特征矩阵， αk、 βk以及ωk是第k层超参数， Z(0)是降维后的样本 特征矩阵， A是连接矩阵， 是对样本 特征矩阵进行构图后的度矩阵加上一个N阶单位矩阵， IN是N阶单位矩阵， W1(k)和 是第k层的可 学习参数矩阵； 将传播中的最后一层输入全连接层， 再经过softmax层得到概率矩阵Z， 其中， Z＝ softmax(W(K+1)Z(K+1)+b(K+1))， Z(K+1)为传播中的最后 一层， b(K+1)为传播中的最后一层的偏置 项， W(K+1)为传播中的最后一层的可 学习参数矩阵。 8.一种单细胞聚类装置， 其特 征在于， 所述单细胞聚类装置包括： 第一构造模块， 用于基于单细胞样本点和簇中心的相似度构造分布Q和目标分布P； 第二构造模块， 用于基于分布Q与目标分布P 构造第一损失函数； 降维模块， 用于对样本特 征矩阵进行降维， 得到降维后的样本特 征矩阵； 传输模块， 用于将降维后的样本特征矩阵和连接矩阵传入低通滤波图卷积模块， 得到 概率矩阵； 第三构造模块， 用于基于目标分布P和概 率矩阵构造第二损失函数； 训练模块， 用于根据第一损失函数和第二损失函数 得到新的概 率矩阵； 获取模块， 用于从新的概 率矩阵中获取 单细胞样本点的聚类结果。 9.一种单细胞聚类设备， 其特征在于， 所述单细胞聚类设备包括处理器、 存储器、 以及 存储在所述存储器上并可被所述处理器执行的单细胞聚类程序， 其中所述单细胞聚类程序 被所述处 理器执行时， 实现如权利要求1至7中任一项所述的单细胞聚类方法的步骤。 10.一种可读存储介质， 其特征在于， 所述可读存储介质上存储有单细胞聚类程序， 其 中所述单细胞聚类程序被处理器执行时， 实现如权利要求 1至7中任一项 所述的单细胞聚类 方法的步骤。权　利　要　求　书 2/2 页 3 CN 114334013 A 3