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！

龙图腾网获悉东北林业大学申请的专利基于数据插值和细胞类型反卷积进行空间域识别的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：CN120748500B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202510749187.3，技术领域涉及：G16B40/00；该发明授权基于数据插值和细胞类型反卷积进行空间域识别的方法是由章天骄;李盛赫;汪国华设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本基于数据插值和细胞类型反卷积进行空间域识别的方法在说明书摘要公布了：本发明提出基于数据插值和细胞类型反卷积进行空间域识别的方法，属于生物信息学技术领域，本发明为解决传统方法在低分辨率空间转录组数据中无法利用相邻点间空隙信息和未能充分整合细胞类型在组织空间结构层面的先验信息的问题，包括：获取空间转录组数据集及单细胞RNA测序数据集，并对获取的数据集进行数据预处理。对预处理后的空间转录组数据进行数据插值，并结合单细胞RNA测序数据进行细胞类型的反卷积。构建基于图卷积网络的深度学习模型。使用自监督对比学习策略，根据细胞类型反卷积后的空间转录组数据的基因表达信息、空间位置信息以及细胞类型信息训练深度学习模型。基于训练后的模型对待测数据进行空间域识别。

本发明授权基于数据插值和细胞类型反卷积进行空间域识别的方法在权利要求书中公布了：1.基于数据插值和细胞类型反卷积进行空间域识别的方法，其特征在于，包括： 步骤1：获取空间转录组数据集及单细胞RNA测序数据集，并对获取的数据集进行数据预处理； 步骤2：对预处理后的空间转录组数据进行数据插值并结合单细胞RNA测序数据进行细胞类型反卷积； 步骤2具体包括： 步骤2.1：对预处理后的空间转录组数据中的原始基因表达数据按照水平方向逐行划分，并在每一行中依据对角线进行分割，在中心点、左顶点和右顶点之间划分出完整的空隙区域； 步骤2.2：基于划分后各区域空隙区域的基因表达数据的原始空间坐标数据，计算对应空隙区域的质心坐标，将质心坐标作为空隙区域空间坐标； 步骤2.3：基于原始基因表达数据和与其对应的细胞的空间位置信息，根据邻域插值法对划分的空隙区域进行基因表达数据插值； 步骤2.4：结合预处理后的单细胞RNA测序数据对插值后的基因表达数据进行细胞类型反卷积，为每个基因表达数据采样点推断其细胞组成； 空隙区域的质心坐标的计算公式为： 公式1和2中，为分割后各区域内点的坐标，为区域内点的总数； 基因表达数据插值的表达式为： 公式3中，为空间坐标处的基因表达，为根据空间距离等加权因子计算得到的系数，为邻域内其他点的基因表达值； 步骤3：构建基于图卷积网络的深度学习模型； 步骤3中构建的基于图卷积网络的深度学习模型包括： 空间邻接图构建模块、基因表达随机图构建模块、编码器-解码器模块以及自监督对比学习模块； 所述空间邻接图构建模块用于在根据细胞类型反卷积后的基因表达数据构建加权邻接图，获取基因表达数据之间的空间距离信息和细胞类型相似性度量； 所述基因表达随机图构建模块通过在根据加权邻接图生成的原始邻域图G=V,E中添加扰动，生成基因表达随机图G'=V',E' 所述基于GCN的编码器模块用于对原始邻域图G=V,E和基因表达随机图G'=V',E'中的基因表达数据进行建模； 所述自监督学习对比模块用于根据原始邻域图G=V,E和基因表达随机图G'=V',E'生成正负样本对来优化节点表示，对深度学习模型进行训练； 步骤4：将细胞类型反卷积后的空间转录组数据的基因表达数据输入深度学习模型，使用自监督对比学习策略，根据细胞类型反卷积得到的细胞类型信息结合空间转录组数据的基因表达信息和空间位置信息训练深度学习模型； 步骤5：基于训练后的模型对待测数据进行空间域识别。

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东北林业大学，其通讯地址为：150040 黑龙江省哈尔滨市香坊区和兴路26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。