基于单细胞转录组的巨核细胞识别方法及系统

本申请属于机器学习，尤其涉及一种基于单细胞转录组的巨核细胞识别方法及系统。

背景技术：

1、巨核细胞（megakaryocyte，mk）是骨髓内产生血小板的大型多倍体细胞，常用pf4、itga2b、gp9、itgb3等少数经典标志物进行识别。然而，单一或少数经典标志物在复杂单细胞数据中存在特异性和敏感性不足的问题。例如，cd41/cd61亦可出现在造血祖/前体细胞、肥大细胞或其他细胞类型中；不同器官、不同发育阶段的巨核细胞又具有显著转录组差异，导致基于固定少数标志物的人工注释容易漏检、误检。

2、随着小鼠和人多组织单细胞图谱迅速积累，数据覆盖了胚胎期、新生期和成年期多种器官，但巨核细胞因数量稀少、细胞体积大、易破碎、组织来源广泛且转录状态多样，在通用注释流程中常被忽略或被归入血小板、髓系细胞、内皮相关细胞或未注释群体。传统组织学、免疫染色或人工筛选方式难以在百万级单细胞数据中系统发现跨器官、跨发育阶段的巨核细胞分布规律。

3、现有通用单细胞注释工具（例如基于参考数据集或基因集打分的自动注释方法）主要面向常见细胞类型，对罕见且功能异质的巨核细胞识别缺乏专门优化。单纯依赖经典四基因组合虽然可降低假阳性，但易牺牲真阳性率；而单纯放宽标志物阈值又可能引入大量非巨核细胞假阳性。

4、因此，亟需一种结合多器官巨核细胞标准基因集、监督学习模型的单细胞转录组巨核细胞识别系统。

技术实现思路

1、有鉴于此，本申请旨在提出一种基于单细胞转录组的巨核细胞识别方法及系统，以解决上述至少一个问题。

2、为达到上述目的，本申请的技术方案是这样实现的：

3、第一方面，本申请提供了一种基于单细胞转录组的巨核细胞识别方法，包括：

4、获取待测单细胞转录组表达矩阵并进行质量控制与数据预处理，提取预处理后数据中巨核细胞标准基因的表达信息，以生成待测细胞的特征向量；

5、根据调用预先训练好的机器学习分类模型，对每个待测细胞进行巨核细胞分类，并输出待测细胞的预测结果；其中，所述机器学习分类模型是将标注为巨核细胞与非巨核细胞的单细胞表达矩阵按预设比例划分为训练集和测试集进行训练测试得到的；

6、基于预先设定的双重判定策略，对模型输出的预测结果与预设的标准基因表达比例阈值作比较，以得到预测巨核细胞识别结果。

7、第二方面，基于同一发明构思，本申请还提供了一种基于单细胞转录组的巨核细胞识别系统，包括：

8、数据获取与处理模块，被配置为获取待测单细胞转录组表达矩阵并进行质量控制与数据预处理，提取预处理后数据中巨核细胞标准基因的表达信息，以生成待测细胞的特征向量；

9、模型预测模块，被配置为根据调用预先训练好的机器学习分类模型，对每个待测细胞进行巨核细胞分类，并输出待测细胞的预测结果；其中，所述机器学习分类模型是将标注为巨核细胞与非巨核细胞的单细胞表达矩阵按预设比例划分为训练集和测试集进行训练测试得到的；

10、判定识别模块，被配置为基于预先设定的双重判定策略，对模型输出的预测结果与预设的标准基因表达比例阈值作比较，以得到预测巨核细胞识别结果。

11、第三方面，基于同一发明构思，本申请还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的方法。

12、第四方面，基于同一发明构思，本申请还提供了一种非暂态计算机可读存储介质，其中，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如第一方面所述的方法。

13、相对于现有技术，本申请所述的基于单细胞转录组的巨核细胞识别方法及系统具有以下有益效果：

14、本申请所述的一种基于单细胞转录组的巨核细胞识别方法以多器官、多阶段巨核细胞真实转录组为训练基础，联合经典和新发现巨核细胞标志基因构建特征集，并采用线性支持向量机等监督学习模型进行分类，同时结合“模型判定为巨核细胞且表达不低于预设比例标准基因”的双重判定策略，以降低假阳性并提高稀有细胞识别能力，进而提升了对传统已知器官和既往未被充分认识器官中巨核细胞的识别准确性和可迁移性。

1.一种基于单细胞转录组的巨核细胞识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于：

3.根据权利要求2所述的方法，其特征在于：

4.根据权利要求2所述的方法 ，其特征在于：

5.根据权利要求4所述的方法，其特征在于，所述机器学习分类模型的构建方法包括：

6.根据权利要求5所述的方法，其特征在于：

7.根据权利要求1所述的方法，其特征在于，所述双重判定策略包括：

8.一种基于单细胞转录组的巨核细胞识别系统，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的方法。

10.一种非暂态计算机可读存储介质，其特征在于，其中，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行权利要求1-7任一项所述的方法。