[发明专利]一种基于细胞表型的药物相关性、作用靶点及药效融合图网络分析方法

权利要求书

1.一种基于细胞表型的药物相关性、作用靶点及药效融合图网络分析方法，其特征在于包括如下步骤：

S1：使用药物合集与对应配对的基因敲除合集分别对样本细胞的基因表达进行扰动处理，测量得到各自的基因表达图谱；

S2：采集扰动处理后的细胞图像，得到药物处理图像合集与对应的基因敲除图像合集，并设置未扰动的对照组细胞，采集对应的对照图像合集；

S3：使用所述药物处理图像合集、基因敲除图像合集、对照图像合集提取对应的单细胞图像合集；

S4：使用所述步骤S1至S3获取的数据训练模型，并获取损失函数，具体包括如下：

（1）使用测量得到的基因表达图谱与蛋白质互作网络训练得到孪生网络，并依据输出的差异确认损失函数；

（2）使用所述单细胞图像合集作为输入训练多编码-自动编码器一，并对不同的空间变换设置不同的编码器，并依据变分推断确认损失函数；

（3）对所述单细胞图像合集进行细胞状态分类，并根据将所述多编码-自动编码器一的输出映射于所述细胞状态分类中，以细胞状态分类的标签损失确认损失函数；

S5：根据所述步骤S4获取的损失函数定义总损失函数；

S6：依据所述总损失函数优化整个模型，直至损失函数收敛。

2.如权利要求1所述的一种基于细胞表型的药物相关性、作用靶点及药效分析融合图网络，其特征在于：每种所述基因表达图谱作为一个若干维的向量，向量维度与对应的蛋白质互作网络的节点数量相等。

3.如权利要求1所述的一种基于细胞表型的药物相关性、作用靶点及药效分析融合图网络，其特征在于：所述自动编码器一输入的大小为对应单细胞图像的大小，卷积层和全连接层混合构建，输出为隐含向量的长度，所有所述编码器均输出到同一个隐含空间。

4.如权利要求1所述的一种基于细胞表型的药物相关性、作用靶点及药效分析融合图网络，其特征在于：所述自动编码器一对应还设有解码器，并通过解码器重建单细胞原图。

5.如权利要求1所述的一种基于细胞表型的药物相关性、作用靶点及药效分析融合图网络，其特征在于：所述步骤S3提取对应的单细胞图像合集的方法包括如下：

S31：对所述药物处理图像合集、基因敲除图像合集、对照图像合集作为原图像组进行仿射、放大变换，得到对应的新图像组，并对原图像组和新图像组分别标记得到原掩码组、新掩码组；

S32：利用所述步骤S31中的新图像组和新掩码训练细胞掩码识别网络并得到训练完成的第一网络模型，利用所述步骤S31中的新掩码组和原掩码组训练细胞掩码识别网络并得到训练完成的第二网络模型；

S33：分别优化第一网络模型和第二网络模型，得到优化后的第一优化模型和第二优化模型；

S34：使用第一优化模型计算出待分割细胞图像，即所述药物处理图像合集、基因敲除图像合集、对照图像合集的对应掩码，使用第二优化模型计算出待分割细胞图像的掩码，再以掩码为种子点，为前景，实现对细胞的精准分割，得到对应的单个细胞掩码；

S35：将所述单个细胞掩码转换为对应的单个细胞图像。

6.如权利要求1所述的一种基于细胞表型的药物相关性、作用靶点及药效分析融合图网络，其特征在于：所述细胞状态分类方法包括如下步骤：

h1：获取一组明场图像组及对应的荧光图像组，提取对应的单细胞图像，得到单个细胞明场图像集合和对应的单个细胞荧光图像集合；

h2：通过单个细胞荧光图像集合对单个细胞明场图像集合活细胞进行标记，制作单个细胞明场图像的细胞状态标签，得到训练集；

h3：使用所述训练集训练多编码-自动编码器二；

h4：利用训练完成的多编码-自动编码二对单个细胞明场图像集合和单个细胞荧光图像集合进行过滤，提取隐藏特征；

h5：构建多层感知机，并用根据所述隐藏特征训练集训练多层感知机，得到训练完成之后的多层感知机；

h6：将所述多编码-自动编码器一中输出的隐藏特征输入训练完成之后的多层感知机中，得到细胞的细胞状态分类。

7.如权利要求6所述的一种基于细胞表型的药物相关性、作用靶点及药效分析融合图网络，其特征在于：所述细胞状态分类方法的感知机在所述步骤S1之前预先训练完成，并在所述步骤S4时直接使用所述感知机进行细胞状态分类。