一种质谱流式细胞术数据全自动预处理方法及其装置与流程

本技术涉及生物信息学数据处理，尤其涉及一种质谱流式细胞术数据全自动预处理方法及其装置。

背景技术：

1、质谱流式细胞术是一种结合了流式细胞检测的高通量能力与质谱高分辨率的单细胞分析技术。其利用重金属同位素等进行标记，通过飞行时间等质谱检测手段，能够在单细胞层面同时获取大量的高维参数信息，被广泛应用于复杂微环境的深度解析等分析场景中。然而，在检测过程中获取的原始数据往往会混入大量的非目标事件信号，例如仪器检测环节产生的异常伪影、多个目标在检测器中融合形成的粘连体信号、以及检测样本环境中的低质量杂质和活性受损目标等。

2、为了从原始的高维海量数据中提取出高质量的单细胞目标，通常需要对数据进行门控筛选预处理。传统的数据处理方式大多依赖人工在特定维度的二维散点图上圈定区域来筛选目标。随着数据维度的急剧增加，逐渐发展出多种自动化数据处理方法。这些现有的自动化手段主要包括：通过对高维空间中的数据分布进行参数化建模分析，或者通过寻找一维或多维空间内的特定密度分布特征来进行阈值切割，以及借助神经网络构建预先训练的数据筛选模型，以期实现目标事件的自动化分离。

3、但是，上述自动化预处理手段在实际应用中存在诸多局限性。一方面，现有的参数化混合建模方法往往将多维度的特征信息直接压缩转换，忽略了不同检测维度和物理特征之间的语义独立属性，导致边界判定模糊；另一方面，基于常规密度特征的切割手段通常仅适用于简单的轴对齐分布，难以应对多维空间中复杂的、非线性的粘连体与目标体融合边界；此外，采用深度学习的方法高度依赖于庞大的带标签样本集，且模型本身的非透明性导致其在严密的数据分析场景下缺乏可追溯性。同时，常规的归一化和聚类算法在面对粘连杂质比例较高的数据时，极易因密度边界不清而发生目标群体的错误合并或过度分割。

4、综上，现有的数据预处理手段难以在无标注的前提下，兼顾处理过程的可解释性与多源异质特征的有效综合分析。在面对形态各异、边界复杂的数据时，现有技术往往缺乏基于数据自身分布质量进行自适应评估的能力，容易导致多维特征被机械式地割裂或粗暴融合，进而造成高质量单细胞目标筛选的准确度与稳定性不足，难以满足高维生物信息学数据的高效、可靠处理需求。

技术实现思路

1、第一方面，本技术提供一种质谱流式细胞术数据全自动预处理方法，包括：

2、获取质谱流式细胞术原始数据，提取所述原始数据中各个事件的至少两个物理通道维度的信号特征以构建特征空间；

3、在所述特征空间中，通过分层概率融合模型计算各个所述事件的单细胞概率分数，包括：

4、第一层级校准步骤：基于所述特征空间中各个所述事件的信号特征，计算各个所述事件在多个不同评估维度下的原始判定信号，并将所述原始判定信号分别校准映射至统一的概率区间，得到对应于各个所述事件的多个独立的概率信号；

5、第二层级语义步骤：将各个所述事件对应的所述多个独立的概率信号，按照预设的语义属性进行分组融合，生成用于表征所述事件的状态的多个中间特征；

6、第三层级决策步骤：基于所述特征空间中事件的分布质量指标确定自适应权重，并利用所述自适应权重对所述多个中间特征进行非线性组合映射，输出各个所述事件的连续单细胞概率分数；

7、基于各个所述事件的所述连续单细胞概率分数，从所述原始数据中分离出单细胞目标事件，输出预处理后的单细胞数据集。

8、在可选的实施方式中，所述提取所述原始数据中各个事件的至少两个物理通道维度的信号特征以构建特征空间，包括：

9、获取原始的dna含量信号和事件长度信号；

10、基于预设的协因子，对所述原始的dna含量信号和事件长度信号执行反双曲正弦变换，以在低信号区域保持线性分辨率并在高信号区域压缩动态范围；

11、对反双曲正弦变换后的所述事件长度信号叠加预设区间的均匀分布随机抖动，以消除离散整数值在密度估计中产生的伪影，并基于处理后的所述dna含量信号和所述事件长度信号构建二维的特征空间。

12、在可选的实施方式中，在所述第一层级校准步骤中，所述多个不同评估维度下的原始判定信号包括：聚类信号、方向混合信号、密度信号、等高线信号、方向信号以及象限信号；

13、所述将所述原始判定信号分别校准映射至统一的概率区间，具体为：

14、通过锚定sigmoid函数将各所述原始判定信号分别映射至[0,1]区间，得到对应的六个独立的概率信号；所述六个独立的概率信号分别为：聚类概率信号、方向混合概率信号、密度概率信号、等高线概率信号、方向概率信号以及象限概率信号；

15、在所述第二层级语义步骤中，所述多个中间特征包括：隶属度特征、位置特征以及方向安全特征；将各个所述事件对应的所述多个独立的概率信号，按照预设的语义属性进行分组融合，包括：

16、将所述聚类概率信号与所述方向混合概率信号融合，生成所述隶属度特征；

17、将所述密度概率信号与所述等高线概率信号融合，生成所述位置特征；

18、将所述方向概率信号与所述象限概率信号融合，生成所述方向安全特征。

19、在可选的实施方式中，所述将各个所述事件对应的所述多个独立的概率信号，按照预设的语义属性进行分组融合的具体计算逻辑包括：

20、所述隶属度特征的计算方式为：基于自适应加权系数对所述聚类概率信号和所述方向混合概率信号进行几何平均融合；和/或，

21、所述位置特征的计算方式为：计算所述密度概率信号与所述等高线概率信号的几何平均值，以实现软逻辑与门判定；和/或，

22、所述方向安全特征的计算方式为：取所述方向概率信号与所述象限概率信号中的最小值，并基于表征样本污染程度的严重度指数对其施加指数调制，其中所述严重度指数基于二聚体方向及碎片方向上的肩峰比和碎片比自适应确定。

23、在可选的实施方式中，在所述第三层级决策步骤中，基于所述特征空间中事件的分布质量指标确定自适应权重，并利用所述自适应权重对所述多个中间特征进行非线性组合映射，包括：

24、基于特征空间中的事件分布统计特征，计算所述原始数据的污染度、核心质量以及置信度作为所述分布质量指标；

25、基于所述分布质量指标计算对应的隶属度权重、位置权重和方向安全权重；其中，核心质量越高则位置权重越大；污染度越高则方向安全权重越大；

26、对所述隶属度特征、所述位置特征以及所述方向安全特征分别进行logit变换后，采用归一化后的所述隶属度权重、位置权重和方向安全权重进行线性组合并加上自适应偏置，再经sigmoid函数映射输出所述连续单细胞概率分数；

27、当所述多个中间特征的逐事件标准差超过预设的冲突阈值时，启动冲突检测机制，通过平滑门控函数将该事件的连续单细胞概率分数拉向中间不确定值。

28、在可选的实施方式中，所述聚类信号的获取过程依赖于方向感知重采样聚类策略，具体包括：

29、在特征空间中运行密度聚类以识别单细胞主聚类，并在所述单细胞主聚类内部拟合二组分高斯混合模型，以得到相应的两个组分；

30、若所述两个组分之间的分离度达到预设触发阈值，则判定存在结构性融合，触发方向感知功率衰减重采样，包括：估计二聚体方向向量，计算每个事件到单细胞密度峰位置在所述二聚体方向上的正向投影距离；基于所述正向投影距离和自适应衰减尺度参数，按功率衰减函数计算保留概率，并对各事件执行伯努利采样，以在二聚体方向上选择性稀释事件密度；

31、在重采样后的数据云上重新运行密度聚类，得到各事件的所述聚类信号。

32、在可选的实施方式中，所述在特征空间中运行密度聚类以识别单细胞主聚类，包括：

33、基于初始最小聚类规模和初始最小样本数运行密度聚类，并计算主聚类占全部事件的比例；

34、若所述比例未达到目标阈值，则启动自适应参数放松迭代：在最大尝试次数内，基于预设的衰减系数逐次成比例降低所述最小聚类规模和所述最小样本数，并在参数不低于预设绝对硬下限的约束下重新运行密度聚类；

35、当所述比例达到所述目标阈值时终止迭代，或在达到最大尝试次数后，选取所有尝试中主聚类占比最大的结果作为最终的单细胞主聚类。

36、在可选的实施方式中，所述功率衰减函数为：

37、s=1/[1+(dhi/τ)p]；

38、其中，s为基础衰减值；dhi为正向投影距离；τ为自适应衰减尺度参数；p为预设衰减指数；

39、优选地，所述自适应衰减尺度参数τ的确定方法为：以单细胞密度峰为中心选取预设比例的事件作为核心区域，取该核心区域中正向投影子集的第90百分位数作为所述自适应衰减尺度参数τ。

40、在可选的实施方式中，所述基于各个所述事件的所述连续单细胞概率分数，从所述原始数据中分离出单细胞目标事件，包括：

41、采用评分加权密度门控方法对所述连续单细胞概率分数进行空间重评分，利用nadaraya-watson核回归在二维空间中基于空间一致性进行局部平均；

42、在剥离极高分尖峰成分后，在剩余评分的一维密度分布曲线上，从分布高分端向低分端搜索密度曲线斜率由负转正的第一个连续谷底点作为分离阈值；

43、利用所述分离阈值并结合连通域分析，分离出单细胞目标事件。

44、在可选的实施方式中，所述提取所述原始数据中各个事件的至少两个物理通道维度的信号特征以构建特征空间之前，还包括微球去除步骤：

45、针对铈-140微球校准通道，基于所述铈-140微球校准通道的信号的分布计算离群形状度量；当所述离群形状度量达到预设条件时，以所述铈-140微球校准通道的信号的高百分位数作为自适应阈值，将信号高于所述自适应阈值的事件筛选为微球候选事件；当所述离群形状度量未达到预设条件时，判定所述原始数据中不存在显著微球群体而不予去除微球；

46、并利用包含ir191与ir193的dna含量信号对所述微球候选事件进行确认，当微球候选事件的dna含量信号低于预设低百分位阈值时，判定所述微球候选事件为微球并予以删除。

47、在可选的实施方式中，所述质谱流式细胞术数据全自动预处理方法还包括三层递进伪影去除步骤：

48、第一层：基于事件长度信号进行极值检测，并基于包含ir191与ir193的dna含量信号在变换域的比率计算稳健z-score以检测比率异常，据此筛选异常事件；

49、第二层：按采集时序对事件分段，基于各段的事件长度信号与dna含量信号的统计量，利用变点检测算法识别偏离整体分布的突变段落，将落入其中的事件标记为异常；

50、第三层：对第一层与第二层所标记的事件，基于事件长度、dna含量信号、活力及微球通道等多个质控通道信号分别计算稳健z-score，统计各事件中超过阈值的通道数目，将超过预设数目者标注为经多通道确认的高置信伪影；所述伪影去除步骤最终去除的事件为第一层与第二层所标记事件的并集。

51、在可选的实施方式中，在输出预处理后的单细胞数据集之后，还包括：

52、提取的所述信号特征还包括活力标记通道信号；对所述活力标记通道信号通过核密度估计的峰检测判断分布形态，当呈双峰分布时，利用二组分高斯混合模型中两个组分的交叉点作为自适应谷底阈值以去除死细胞；当呈单峰分布时，依次尝试百分位、拐点以及峰值加多倍绝对中位差作为回退阈值策略；

53、基于包含预设四个层级的树形层级分类结构，为原始数据中的每一个事件分配唯一的最终分类标签；

54、优选地，所述最终分类标签包括单细胞、双联体、碎片、微球、伪影和死细胞中的至少一个。

55、第二方面，本技术提供一种质谱流式细胞术数据全自动预处理装置，包括：

56、提取模块，用于获取质谱流式细胞术原始数据，提取所述原始数据中各个事件的至少两个物理通道维度的信号特征以构建特征空间；

57、计算模块，用于在所述特征空间中，通过分层概率融合模型计算各个所述事件的单细胞概率分数，包括：

58、第一层级校准步骤：基于所述特征空间中各个所述事件的信号特征，计算各个所述事件在多个不同评估维度下的原始判定信号，并将所述原始判定信号分别校准映射至统一的概率区间，得到对应于各个所述事件的多个独立的概率信号；

59、第二层级语义步骤：将各个所述事件对应的所述多个独立的概率信号，按照预设的语义属性进行分组融合，生成用于表征所述事件的状态的多个中间特征；

60、第三层级决策步骤：基于所述特征空间中事件的分布质量指标确定自适应权重，并利用所述自适应权重对所述多个中间特征进行非线性组合映射，输出各个所述事件的连续单细胞概率分数；

61、输出模块，用于基于各个所述事件的所述连续单细胞概率分数，从所述原始数据中分离出单细胞目标事件，输出预处理后的单细胞数据集。

62、第三方面，本技术提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施前述实施方式中任一项所述的质谱流式细胞术数据全自动预处理方法。

63、第四方面，本技术提供一种计算机存储介质，其存储有计算机程序，所述计算机程序在处理器上执行时，实施根据前述实施方式中任一项所述的质谱流式细胞术数据全自动预处理方法。

64、本技术实施例所提供的全自动与处理方法实现了质谱流式细胞术数据的全自动、无监督处理，有效规避了人工干预带来的主观性、不可重复以及耗时低效等问题。通过建立分层概率融合架构，整个处理流程具有高度的透明性和可解释性，有效克服了现有深度学习算法存在的黑箱缺陷，且无需依赖大规模人工标注数据集，大幅提升了数据处理的标准化水平和自动化效率。

65、在第一层级校准和第二层级语义处理中，将多个不同评估维度的原始判定信号映射至统一概率区间，并严格按照预设的语义属性进行分组融合，显著改善了传统参数化混合模型将多维信息压缩为单一概率导致的边界模糊问题。这种处理方式完整保留了不同物理和评估维度的独立语义信息，使得系统能够精准区分事件在多维空间中是因为距离偏远还是方向偏离而产生的边界模糊，从而更加细致、准确地表征复杂目标事件的真实物理状态。

66、在第三层级决策处理中，利用特征空间中事件的分布质量指标来动态确定自适应权重，并据此对中间特征进行非线性组合映射，赋予了该方法极强的动态适应能力。面对具有高比例异质杂质或复杂非轴对齐边界的数据，动态加权机制能够智能适应不同样本的数据质量波动，突破了传统一维密度阈值切割无法处理非线性边界的局限。最终输出的连续单细胞概率分数具有极高的可靠性，显著提升了从海量高维异质噪声中分离出高质量单细胞目标事件的准确度与鲁棒性。