买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于空间转录组学数据特征提取的空间域识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116189785B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310097081.0，技术领域涉及：G16B40/20；该发明授权基于空间转录组学数据特征提取的空间域识别方法是由贾松卫;崔议文;兰猛设计研发完成，并于2023-02-10向国家知识产权局提交的专利申请。

本基于空间转录组学数据特征提取的空间域识别方法在说明书摘要公布了：本发明公开了一种基于空间转录组学数据特征提取的空间域识别方法，主要解决现有技术对空间转录组数据特征提取存在过拟合及空间域识别精度低的问题。其实现方案为：对空间转录组中测量得到的基因表达数据和空间信息进行预处理；基于基因表达特征矩阵和空间信息构建基因相似性网络和空间邻域网络；对基因相似性网络和空间邻域网络进行数据增强；构建特征提取模型，并将增强的数据输入到模型中计算对比损失和重构损失；依据计算损失训练模型，将未增强的数据输入到训练好的模型中得到低维嵌入；对低维嵌入进行聚类完成对空间域识别。本发明避免了在特征提取过程中的过拟合，提高了空间域识别的准确性，可用于为探究生物发育及疾病治疗提供参考数据。

本发明授权基于空间转录组学数据特征提取的空间域识别方法在权利要求书中公布了：1.一种基于空间转录组学数据特征提取的空间域识别方法，其特征在于，包括如下步骤： 1使用空间转录组测序技术对所需组织切片中每一个像素点同时测量其基因表达值和空间位置坐标，得到包含像素点-基因表达矩阵和组织切片中每个像素点空间位置的空间转录组数据； 2对空间转录组数据的基因表达矩阵进行预处理： 2a删除空间转录组数据中基因表达值少于三个像素点的表达基因； 2b对删除后的数据进行数值归一化，使得各个细胞的计数和为所有细胞的中位数，再对归一化后的数据进行对数转换，并将其标准化为零均值和单位方差； 2c对标准化后的数据进行主成分分析PCA，提取前n个主成分，生成基因表达的特征矩阵X； 3构建空间邻域网络： 3a基于空间坐标信息计算组织切片中每个像素点之间在空间位置上的欧式距离d： 3b基于空间坐标计算的欧式距离d选取每个像素点的前k个最近邻，构建表征空间信息的邻接矩阵A； 3c将步骤2生成的基因表达特征矩阵X作为节点属性特征矩阵； 3d基于表征空间信息的邻接矩阵A和节点属性特征矩阵X，构成空间邻域网络G1A，X； 4构建基因表达相似性网络： 4a基于步骤2生成的基因表达特征矩阵X，计算组织切片中每个像素点基因表达值之间的欧式距离d′； 4b基于基因表达值计算的欧式距d′，选取每个像素点的前k个最近邻，构建表征基因表达相似性的邻接矩阵B； 4c基于表征基因表达相似性的邻接矩阵B和节点属性特征矩阵X，构成基因表达相似性网络G2B，X； 5数据增强： 5a对空间邻居网络中的边和节点属性特征依照符合伯努利分布的给定边遮掩概率pr和节点特征遮掩概率pm进行遮掩，得到增强后的空间邻居网络G1A1，X1； 5b对基因表达相似性网络中的边和节点属性特征依照符合伯努利分布的给定边遮掩概率pr′和节点特征遮掩概率pm′进行遮掩，得到增强后基因表达相似性网络G2B1，X2； 6构建由编码器f·分别与解码器h·和投影器g·级联组成的空间转录组数据的特征提取模型，并使用对比损失Lcon和重构损失Lrecon的加权和作为损失函数L； 7对空间转录组数据的特征提取模型进行训练： 7a将数据增强后的空间邻居网络G1A1，X1的邻接矩阵A1和节点属性特征矩阵X1以及基因表达相似性网络G2B1，X2的邻接矩阵B1和节点属性特征矩阵X2输入到空间转录组特征提取模型中，由编码器生成低维嵌入Z1和Z2，解码器生成重构基因表达特征矩阵和 7b计算低维嵌入Z1和Z2的对比损失和重构基因表达特征矩阵和与节点属性特征矩阵X的重构损失，依据计算得到的损失对编码器和解码器的网络参数进行更新，直到损失函数L收敛，得到训练好的空间转录组特征提取模型； 8将未进行数据增强的空间邻域网络的邻接矩阵A和节点属性特征矩阵X输入到7b中训练好的空间转录组特征提取模型中，得到包含空间信息和基因表达的联合低维嵌入Z； 9使用Leiden聚类算法对得到的联合低维嵌入Z进行聚类，在组织切片上得到具有一致性基因表达的区域，即空间域。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。