[发明专利]基于scRNA-seq及动态时间规整的基因调控网络构建方法

说明书

本发明具体涉及基于scRNA‑seq及动态时间规整的基因调控网络构建方法，属于基因调控网络技术领域。该方法包括以下步骤：步骤1、基于单细胞数据的单细胞伪时间分析；步骤2、基于正负调控方式的双重DTW距离分析；步骤3、基于DTW距离的聚类分析以及GRN模块筛选；步骤4、基于DTW距离的基因间相似性矩阵构建；步骤5、通过随机置换检验，计算出基因与基因间网络连接度阈值C；步骤6、对GRN模块进行基因功能性分析；步骤7、pGRN网络的可视化得出GRN网络图。本发明方法的pGRN能够发现时间调控滞后的调控关系，同时处理时间滞后和时间伸缩的调控关系，为新的调控关系的发掘提供了途径。

技术领域

本发明具体涉及基于scRNA-seq及动态时间规整的基因调控网络构建方法，属于基因调控网络技术领域。

背景技术

基因调控网络(Gene Regulatory Network,GRN)对基因与基因之间调控关系进行系统性描述的重要方法,已被广泛应用于人类疾病、干细胞多能性及其改造、农作物育种等众多研究领域。在微观方面，GRN几乎参与了所有细胞的活动，包括细胞分裂、细胞信号传导、细胞代谢等活动。目前GRN的构建方法主要包括相关性模型、布尔模型、贝叶斯模型、常微分方程、信息论模型、神经网络模型等。上述方法主要针对基因表达芯片数据或者混合细胞转录组测序数据，尚未针对单细胞转录组测序数据(scRNA-seq)特征。随着单细胞转录组测序技术的发展及其相关数据的大量出现，开发针对单细胞转录组测序数据(scRNA-seq)的基因调控网络构建方法具有重要的应用价值。在过去几年，陆续有针对单细胞转录组测序数据(scRNA-seq)特征的基因调控网络方法出现，包括SingCellNet、SCNS、BTR、SCENIC、LEAP等。这些方法中，有的没有考虑单细胞转录组测序数据(scRNA-seq)伪时间信息，如SingCellNet、SCENIC、BTR，有的方法未能考虑时间滞后的调控关系，如LEAP之外的方法。考虑了时间滞后调控关系的LEAP方法，不能很好的处理有时间伸缩的调控关系，例如调控因子与其靶基因对应表达变化区段时间长度不同的调控关系。因此需要一种同时处理时间滞后和时间伸缩的调控关系的GRN新方法。

发明内容

本发明的目的是提供在一定程度上解决基因调控网络中时间滞后和时间伸缩问题的基于scRNA-seq及动态时间规整的基因调控网络构建方法。

为实现上述目的，本发明所用技术方案如下：

基于scRNA-seq及动态时间规整的基因调控网络构建方法，包括以下步骤：步骤1、基于单细胞数据的单细胞伪时间分析；步骤2、基于正负调控方式的双重DTW距离分析；步骤3、基于DTW距离的聚类分析以及GRN模块筛选；步骤4、基于DTW距离的基因间相似性矩阵构建；步骤5、通过随机置换检验，计算出基因与基因间网络连接度阈值C；步骤6、对GRN模块进行基因功能性分析；步骤7、pGRN网络的可视化得出GRN网络图。

进一步作为本发明的优选技术方案，步骤1的具体步骤如下：步骤1.1、分析单细胞转录组测序数据；步骤1.2、对于不同阶段的细胞赋予不同的伪时间值。

进一步作为本发明的优选技术方案，步骤2的具体步骤如下：步骤2.1、设有两组数组如下：

X_m＝(x₁，x2，x₃，…，x_m)

Y_m＝(y₁，y₂，y₃，…，y_m)

其中，数组X_m与Y_m均为时间序列数组；

步骤2.2、定义DTW(m,n)为X_m与Y_n之间最小的规整距离，通过如下动态规划算法：