[发明专利]基于单细胞Hi-C数据的细胞类型预测系统

权利要求书

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，所述服务器被配置为执行以下步骤：

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；

对处理后的接触矩阵输入至神经网络模型进行训练，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；

所述神经网络模型中，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。

8.如权利要求7所述的基于单细胞Hi-C数据的细胞类型预测装置，其特征是，所述神经网络模型，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。