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！

龙图腾网获悉郑州大学申请的专利一种基于非线性深度自编码器的空间转录组空间域划分方法及系统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：CN116525003B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310488410.4，技术领域涉及：G16B25/00；该发明授权一种基于非线性深度自编码器的空间转录组空间域划分方法及系统是由彭有梅;黄津津;付小倩;张壮丽;李建波;杨洋;王修霞;张艳;刘尚坤;谢银峰;王娅蓉设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本一种基于非线性深度自编码器的空间转录组空间域划分方法及系统在说明书摘要公布了：本发明公开了一种基于非线性深度自编码器的空间转录组空间域划分方法及系统，涉及生物信息学技术领域，包括以下步骤：步骤一、对空间转录数据处理得到增强基因表达谱以及邻接矩阵；步骤二、利用噪声函数使增强基因表达谱产生干扰噪声并与增强基因表达谱共用邻接矩阵；步骤三、构建非线性深度自编码器模型，并进行模型训练；步骤四、构建自适应神经网络并嵌入非线性深度自编码器中用于处理批次效应；步骤五、将正样本数据输入到训练好的非线性深度自编码器模型中以得到潜在嵌入特征，并进行聚类以生成聚类标签；本发明有效提高了空间转录组数据空间域划分的精度，有效克服了批次效应，适用于多种空间转录组平台。

本发明授权一种基于非线性深度自编码器的空间转录组空间域划分方法及系统在权利要求书中公布了：1.一种基于非线性深度自编码器的空间转录组空间域划分方法，其特征在于：包括以下步骤： 步骤一、将获取到的待分类的空间转录组数据基于基因表达谱、空间位置数据以及组织学图像进行基因表达增强，并生成增强基因表达谱，同时利用空间位置数据生成邻接矩阵，将得到的增强基因表达谱和邻接矩阵作为正样本数据； 步骤二、利用噪声函数使增强基因表达谱产生干扰噪声以作为训练数据，并与增强基因表达谱共用邻接矩阵； 步骤三、构建非线性深度自编码器模型，并使用所述步骤二中的训练数据对该非线性深度自编码器模型进行训练； 所述非线性深度自编码器包含构建的编码器、图自编码器和解码器；具体为： 1构建编码器：编码器由多个全连接层组成，全连接层个数及维度可由用户定义； 2构建图自编码器：图自编码器以图神经网络为基础，用户自定义图神经网络类型，图自编码器包含两层图神经网络，对细胞邻居节点的空间信息进行嵌入，利用后验概率获得潜在表示，其表示方式如下： ； 其中后验概率解决方案如下： ； 式中：N表示细胞或者类细胞节点的个数，A表示邻接矩阵，表示正态分布，代表邻接矩阵的均值，是各节点向量间的方差；两层图神经网络GNN均被定义为: ； 式中：共享相同权重但是不共享权重是正则化预处理后的邻接矩阵； 3构建解码器：解码器由多个全连接层组成，解码器对编码器及图自编码器生成的串联潜在表示进行解码，全连接层个数及维度可由用户定义； 步骤四、构建自适应神经网络，并将其嵌入所述步骤三中的非线性深度自编码器模型中，用于对多批次数据的处理；构建过程为： 1多批次数据的预处理：首先定义表示第m批次空间转录组数据的邻接矩阵，使用表示第m批次空间转录组数据的基因表达矩阵，创建块对角矩阵A并连接基因表达矩阵X，如下所示： 其中m表示待处理的空间转录组数据的个数； 2构建自适应神经网络，通过自适应神经网络来将不同批次的基因表达数据映射至相同的特征空间，使不同批次的数据在空间上尽可能接近，自适应神经网络包括特征提取器、域分类器和标签分类器，其中特征提取器与标签分类器共用非线性深度自编码器中的编码器与解码器部分，均由联合线性层和图形神经网络组成；域分类器则由联合线性层组成，隐藏层层数可由用户定义，在域分类器前添加梯度反转层，通过梯度反转层与解码器连接； 步骤五、将所述正样本数据输入到训练好的非线性深度自编码器模型中以得到潜在嵌入特征，并对所述潜在嵌入特征进行聚类以生成聚类标签，用于空间域的划分。

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郑州大学，其通讯地址为：450000 河南省郑州市大学路40号郑州大学医药科学研究院；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。