融合基因本体和神经网络的单细胞测序数据降维方法

摘要

本发明提供了一种融合基因本体和神经网络的单细胞测序数据降维方法。首先，提取基因本体术语作为深层生物信息先验知识；接着，提取细胞之间的Must‑Link约束作为细胞层面上的先验知识；然后，将上述两种先验知识与自编码器模型结合，提出simGOAE模型；最后，根据simGOAE模型对单细胞测序数据进行训练降维。本发明提出的simGOAE模型不仅能适应大样本数据集的训练，还能更好地挖掘细胞的生物信息，实现更好的单细胞测序数据降维效果。