2021103628991基于单细胞Hi-C数据的细胞类型预测系统.pdf

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN113160886B
(45)授权公告日2023.04.07
(21)申请号202110362899.1G06N3/0464(2023.01)
(22)申请日2021.04.02G06N3/048(2023.01)
G06F18/214(2023.01)
(65)同一申请的已公布的文献号G06F18/23213(2023.01)
申请公布号CN113160886AG06F18/24(2023.01)
(43)申请公布日2021.07.23(56)对比文件
(73)专利权人山东大学CN110957009A,2020.04.03
地址250101山东省济南市高新区舜华路CN111564183A,2020.08.21
1500号审查员白立鹏

(72)发明人吴昊周冰董记华
(74)专利代理机构济南圣达知识产权代理有限
公司37221
专利代理师李圣梅
(51)Int.Cl.
G16B20/30(2019.01)
G16B40/00(2019.01)权利要求书2页说明书6页附图3页
(54)发明名称
基于单细胞Hi-C数据的细胞类型预测系统
(57)摘要
本公开提出了基于单细胞Hi‑C数据的细胞
类型预测系统，包括：数据预处理模块，被配置
为：对于单细胞Hi‑C数据，将一条染色体按照预
先设置的分辨率分成若干个不重叠的bins，然
后对信息进行匹配，构成接触矩阵；神经网络模
块，被配置为：对数据预处理模块处理后的接触
矩阵进行处理，输出模型预测结果的四种细胞类
型。该预测模型能够应用于对未知类型的细胞测
序数据进行细胞类型预测。
CN113160886B
CN113160886B权利要求书1/2页

1.基于单细胞Hi‑C数据的细胞类型预测系统，其特征是，包括：
数据处理模块，被配置为：对于单细胞Hi‑C数据集，将细胞的每一条染色体按照预先设
置的分辨率分成若干个不重叠的bins片段，然后根据数据中的序列对信息进行匹配，从而
每一个细胞的每一条染色体构成一个接触矩阵；
神经网络模块，被配置为：对数据预处理模块处理后的接触矩阵输入至模型进行训练，
直至模型训练完成，用训练完的模型根据输入样本来输出预测结果的细胞类型；
所述神经网络模块，包括输入层、两个隐藏层和一个输出层；
其中输入层用于接受神经网络模型的输入即单细胞Hi‑C接触矩阵；
其中输出层产生神经网络模型的输出，该输出为大小是一行四列的向量，其中值最大
为第几列表示预测结果为第几类；
其中隐藏层被用于学习数据集的特征信息，通过训练和修改模型的参数来最终完成学
习任务；
所述神经网络模块中，ReLU激活函数用于隐藏层解决深度神经网络的非线性问题，
Sigmoid激活函数用于输出模型预测结果的细胞类型。
2.如权利要求1所述的基于单细胞Hi‑C数据的细胞类型预测系统，其特征是，所述数据
处理模块，还包括：将每一个染色体的Hi‑C接触矩阵整合成为单细胞Hi‑C矩阵，该矩阵的行
是细胞，列为表示一个细胞所有特征信息的接触信息。
3.如权利要求1所述的基于单细胞Hi‑C数据的细胞类型预测系统，其特征是，单细胞
Hi‑C数据集中，根据细胞质量文件中的指标筛选符合一定条件的细胞，以确保单细胞Hi‑C
数据中的细胞均为有效且可用。
4.如权利要求1所述的基于单细胞Hi‑C数据的细胞类型预测系统，其特征是，数据处理
模块针对单细胞Hi‑C数据处理时，包括：
首先，给定一条已知长度的染色体，按照预设的分辨率分成n段，每一段记做一个seg，
即每一个seg长度为r；
其次，根据相互作用对文件中每一个read对的信息，统计并构造每条染色体的接触矩
阵；
最后，由接触矩阵经过卷积平滑和重启随机游走处理产生矩阵Q。
5.如权利要求1所述的基于单细胞Hi‑C数据的细胞类型预测系统，其特征是，构造每条
染色体的接触矩阵时，每一个read都有开始位和结束位，根据其开始位和结束位的平均值
确定对应的seg，统计每一对seg对应的read对的数量；
根据染色体中得到的seg之间相互作用程度，每一条染色体的Hi‑C数据构造接触矩阵，
其中矩阵元素表示染色体两个对应的seg之间支持相互作用的read对数量。
6.如权利要求1所述的基于单细胞Hi‑C数据的细胞类型预测系统，其特征是，所述数据
处理模块，还包括：
对每一条染色体的接触矩阵用一个卷积核遍历一遍，对于每一个矩阵元素用其周围元
素的平均值来表示以实现平滑操作；
其次使用随机游走方法结合全局信息和局部信息；
最后在保证特征信息不丢失的基础上，用PCA技术降低细胞样本的维度。
7.基于单细胞Hi‑C数据的细胞类型预测装置，基于服务器实现，其特征是，所述服务器

2
CN113160886B权利要求