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！

龙图腾网获悉东北林业大学申请的专利一种基于多组学数据识别细胞通讯的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：CN119323992B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202411311555.8，技术领域涉及：G16B40/00；该发明授权一种基于多组学数据识别细胞通讯的方法是由章天骄;张祥;汪国华设计研发完成，并于2024-09-20向国家知识产权局提交的专利申请。

本一种基于多组学数据识别细胞通讯的方法在说明书摘要公布了：本发明提出了一种基于多组学数据识别细胞通讯的方法，通过以下步骤实现：步骤一，获取单细胞和空间转录组数据集。步骤二，对单细胞和空间转录组学数据集进行预处理。步骤三，构建深度神经网络模型。步骤四，将预处理后的单细胞和空间转录组学数据集对构建的深度神经网络模型进行训练。步骤五，将训练后的深度神经网络模型对待测数据进行细胞间通讯识别。本发明在多套单细胞和空间转录组学数据集上，可取得优秀的识别细胞间通讯的效果。通过与其它最新的细胞间通讯识别方法进行比较具有在多个评价指标上均表现出更优秀的性能。此外，在面对不同程度的噪声的情况下以及缺失的空间转录组数据集上，都取得了较高的稳定性和准确性。

本发明授权一种基于多组学数据识别细胞通讯的方法在权利要求书中公布了：1.一种基于多组学数据识别细胞通讯的方法，其特征在于：所述一种基于多组学数据识别细胞通讯的方法是通过以下步骤实现的： S1：获取单细胞和空间转录组学数据集，所述单细胞和空间转录组学数据集包括scRNA-seq数据与ST-seq数据组成的数据集； S2：对S1所述单细胞和空间转录组学数据集进行预处理，针对scRNA-seq数据，首先进行数据清洗，去除值全为0的细胞和基因，作为初步筛选步骤，随后，对筛选后的基因表达矩阵进行标准化，以减少数据偏差，提高分析精度，针对ST-seq数据，我们获取相应的空间坐标，然后构建相应的细胞邻接矩阵； S3：构建深度神经网络模型，所述深度神经网络模型包括编码器、变分推断模块、解码器和对抗正则化模块，编码器负责将输入的图数据编码到一个低维的潜在空间中，变分推断模块为编码器生成的嵌入引入了概率方法，解码器负责从潜在空间中的节点嵌入重构图的邻接矩阵或边的存在概率，对抗正则化模块提升模型对输入扰动和噪声的鲁棒性； S4：基于S2预处理后的单细胞和空间转录组学数据集对S3构建的深度神经网络模型进行训练； 所述的深度神经网络模型训练的步骤包括： S401：多层组织切片的对齐； S402：邻接矩阵的构建，所述邻接矩阵的构建为细胞水平间通讯邻接矩阵的构建或基因水平间通讯邻接矩阵的构建； S403：细胞通讯模型的构建，将GCN与VAE结合，构建一个基于VGAE的细胞通讯模型VGAE-CCI； 所述细胞通讯模型的构建步骤如下： a.将GCN与VAE结合，构建一个端到端的模型，从细胞通讯网络中同时学习图结构信息和潜在空间表示，从编码器的输出中，模型学习生成潜在变量z的分布，表达式如下： 其中，x为输入数据，表示正态分布，和是通过神经网络参数学习到的均值和标准差，表示后验分布描述了在给定输入x的条件下，潜在变量z的分布； b.引入概率方法使用重新参数化技巧，学习潜在分布的均值和方差，使梯度可以通过潜在变量z传递，表达式如下： z＝μφx+σφx⊙∈ 其中，是从标准正态分布中采样的噪声； c.利用内积解码器计算重构的邻接矩阵，表达式如下： 其中，是单位矩阵与各个节点的关系矩阵之和，σ是sigmoid函数，Z是潜在空间表示，Z受到来自先验高斯分布的对抗正则化模块的约束，ZT是Z的转置； S5：基于S4训练后的深度神经网络模型对待测数据进行细胞间通讯识别。

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东北林业大学，其通讯地址为：150040 黑龙江省哈尔滨市香坊区和兴路26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”。

以上内容由龙图腾AI智能生成。