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！

龙图腾网获悉哈尔滨工程大学申请的专利一种基于图自动编码器的scRNA-seq数据特征学习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：CN119400249B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411423822.0，技术领域涉及：G16B40/00；该发明授权一种基于图自动编码器的scRNA-seq数据特征学习方法是由徐丽;白静玉;吴尤;倪惠莉;王璐设计研发完成，并于2024-10-12向国家知识产权局提交的专利申请。

本一种基于图自动编码器的scRNA-seq数据特征学习方法在说明书摘要公布了：一种基于图自动编码器的scRNA‑seq数据特征学习方法，它属于生物信息技术领域。本发明解决了传统自编码器模型忽视了scRNA‑seq数据中的细胞之间的关联关系以及难以捕获到scRNA‑seq数据的有效特征表示的问题。本发明从图自动编码器的角度提供一种能够处理大规模数据集且具有高度可扩展性的scRNAseq数据特征学习方法，以根据单个细胞的基因表达谱将特征重新学习并重构表达矩阵，能够捕捉到scRNA‑seq数据中的细胞之间的关联关系以及捕获到scRNA‑seq数据的有效特征表示，得到的矩阵可再进行降维、聚类等生物学分析，可以得到更好的聚类精度及更准确丰富的生物学信息，可以获得更好的下游分析效果。本发明方法可以用于获取scRNA‑seq数据特征。

本发明授权一种基于图自动编码器的scRNA-seq数据特征学习方法在权利要求书中公布了：1.一种基于图自动编码器的scRNA-seq数据特征学习方法，其特征在于，所述方法具体包括以下步骤： 步骤一、利用原始的scRNA-seq数据构造scRNA-seq数据矩阵，所述原始的scRNA-seq数据为细胞中基因的表达量数据； 并对构造的scRNA-seq数据矩阵进行预处理，得到预处理后的数据矩阵Y； 步骤二、获得预处理后的数据矩阵Y中每个基因的特征，利用获得的基因特征和随机森林模型从数据矩阵Y中筛选出特征重要性得分高于阈值的基因； 所述随机森林模型的训练过程为： 步骤1、获取scRNA-seq训练数据集，利用步骤一的方法对获取的训练数据集进行处理后，得到预处理后的训练数据矩阵； 步骤2、获得预处理后的训练数据矩阵中每个基因的特征，即对于任意一个基因，该基因的特征为该基因在预处理后训练数据矩阵中对应的表达量组成的向量； 步骤3、利用预处理后的训练数据矩阵和各个基因的特征对随机森林模型进行训练，训练过程采用的是交叉验证策略； 随机森林模型通过投票或取平均的方式来输出训练数据集中每个基因的特征重要性得分； 步骤三、根据步骤二中筛选出的基因在原始scRNA-seq数据中对应的表达量数据来建图； 所述步骤三采用第一种方式或第二种方式来实现： 第一种方式： 步骤三一、根据原始scRNA-seq数据，分别获得步骤二中筛选出的每个基因的特征，再根据获得的基因特征计算欧几里得距离矩阵D，其中，矩阵D中第i行第j列的元素为Di,j，Di,j代表筛选出的第i个基因的特征与筛选出的第j个基因的特征的欧几里得距离； 步骤三二、从矩阵D的第i行中选取出K个值最小的元素，将选取出的元素所对应的基因作为第i个基因的邻接节点，并在第i个基因与第i个基因的每个邻接节点之间分别添加一条边； 遍历矩阵D中的每行后，得到KNN图的全部边，将每个基因分别作为KNN图的一个节点，即得到KNN图的节点集合ν和边集ε，获得建图结果； 第二种方式： 步骤三一、根据原始scRNA-seq数据，分别获得步骤二中筛选出的每个基因的特征，再根据获得的基因特征计算矩阵P，其中，矩阵P中第i行第j列的元素为Pi,j，Pi,j代表筛选出的第i个基因的特征与筛选出的第j个基因的特征的皮尔逊相关系数； 步骤三二、从矩阵P的第i行中选取出K个值最小的元素，将选取出的元素所对应的基因作为第i个基因的邻接节点，并在第i个基因与第i个基因的每个邻接节点之间分别添加一条边； 遍历矩阵P中的每行后，得到PKNN图的全部边，将每个基因分别作为PKNN图的一个节点，即得到PKNN图的节点集合ν和边集ε，获得建图结果； 步骤四、将建图结果作为图自动编码器的输入，通过图自动编码器的编码模块输出筛选出的基因的最终特征表示； 步骤五、对筛选出的基因的最终特征表示进行降维处理，将降维处理结果作为原始scRNA-seq数据的特征。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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。