多组学数据分析方法、系统、电子设备和存储介质与流程

本发明涉及生物信息学与人工智能交叉应用，尤其涉及一种多组学数据分析方法、系统、电子设备和存储介质。

背景技术：

1、多组学数据分析通常涉及空间转录组、单细胞组学、基因组学和蛋白组学等多种复杂数据类型。在实际分析场景中，研究人员往往需要在多种编程语言和命令行工具之间频繁切换，反复手动选择预处理、聚类、空间域识别等算法，并耗费大量时间整理参数配置与结果文件。

2、然而，现有的多组学数据分析工作流存在诸多局限性：分析方法的选择高度依赖研究人员的人工经验，且不同算法在输入要求、输出格式和评价指标上差异巨大，导致多个算法产生的结果难以比较，缺乏统一且可复核的共识合并路径，准确性较差；尽管近年来引入了ai辅助工具，但ai在自动生成分析步骤时容易产生参数幻觉，其规划的执行路径往往具有不确定性，可复现性较差；最后，现有的桌面端可视化界面通常与底层实际运行脱节，缺少一致的可审计运行记录。

技术实现思路

1、本发明提供一种多组学数据分析方法、系统、电子设备和存储介质，用以解决现有技术中的多组学数据分析方法的准确性和可复现性差的缺陷。

2、本发明提供一种多组学数据分析方法，包括：

3、基于多组学数据的分析请求和元信息，以及已注册的多个分析技能，生成运行计划，所述运行计划包括多个候选分析成员；

4、执行所述运行计划，得到每个所述候选分析成员的成员产物，每个所述成员产物包括所述多组学数据的每个观测对象的输出标签；

5、基于第一筛选规则，从所有所述候选分析成员中确定多个目标分析成员，所述第一筛选规则是基于每个所述候选分析成员的各所述输出标签的最大类别占比确定的，所述最大类别占比为属于数量最多的单一类别的所述输出标签的数量与所述观测对象的总数量的比值；

6、基于第二筛选规则，从所有所述目标分析成员中确定多个基础分析成员，所述第二筛选规则包括基于每个所述目标分析成员的一致性指标和质量指标确定复合评分，基于所述复合评分对所有所述目标分析成员进行筛选；

7、基于所有所述基础分析成员的各所述输出标签，生成所述多组学数据的分析结果。

8、在一些实施例中，所述基于所有所述基础分析成员的各所述输出标签，生成所述多组学数据的分析结果，包括：

9、对每个所述基础分析成员的各所述输出标签进行对齐处理，得到对齐后的输出标签；

10、调用确定性共识算子，基于所述对齐后的输出标签，生成所述多组学数据的分析结果。

11、在一些实施例中，所述调用确定性共识算子，基于所述对齐后的输出标签，生成所述多组学数据的分析结果，包括：

12、统计所述基础分析成员的总数量；

13、在确定所述总数量大于预设数量阈值的情况下，调用确定性共识算子，基于所述对齐后的输出标签确定共识标签，生成所述分析结果；

14、其中，所述确定性共识算子为逐观测对象众数共识、按成员复合评分加权的多数共识或潜类别分析共识中的任意一种。

15、在一些实施例中，所述基于多组学数据的分析请求和元信息，以及已注册的多个分析技能，生成运行计划，包括：

16、将所述分析请求与多个所述分析技能进行匹配，得到匹配结果；

17、若匹配成功，则根据所述匹配结果，确定目标分析技能；

18、获取所述目标分析技能的必要数据前提和注册信息，所述注册信息包括技能说明、方法集合和参数约束；

19、基于所述元信息，检查所述多组学数据是否满足所述必要数据前提，若满足，则将所述分析请求、所述元信息和所述目标分析技能的注册信息输入至预训练的规划模型；

20、由所述规划模型基于所述分析请求和所述元信息，在所述注册信息的约束下推荐多个候选分析方法和相应的多个关键参数，输出所述运行计划。

21、在一些实施例中，所述根据所述匹配结果，确定目标分析技能，包括：

22、若根据所述匹配结果确定多个所述分析技能中存在唯一匹配的分析技能，则将所述唯一匹配的分析技能确定为所述目标分析技能；

23、若根据所述匹配结果确定多个所述分析技能中存在多个匹配的分析技能，则基于多个所述匹配的分析技能生成结构化预检问题，将所述结构化预检问题发送至用户端，接收所述用户端发送的确认信息，基于所述确认信息，从多个所述匹配的分析技能中确定所述目标分析技能。

24、在一些实施例中，所述执行所述运行计划，得到每个所述候选分析成员的成员产物，包括：

25、获取已注册的工作流模板，所述工作流模板用于定义所述候选分析成员的执行规则和所述成员产物的读取方式；

26、基于所述工作流模板，将所述运行计划转换为每个所述候选分析成员的工作流步骤；

27、并行执行多个所述工作流步骤，得到每个所述候选分析成员的成员产物。

28、在一些实施例中，所述工作流模板通过以下方式预先注册：

29、定义所述工作流模板的共识类型和来源属性，所述共识类型包括输出标签型共识，所述来源属性包括验证型路径和探索型路径；

30、为所述工作流模板注册至少一个来源条目，所述来源条目绑定成员技能、成员产物读取器、成员规划器和分析领域。

31、在一些实施例中，所述基于第一筛选规则，从所有所述候选分析成员中确定多个目标分析成员，包括：

32、将每个所述候选分析成员的各所述输出标签的最大类别占比与预设比例阈值进行比对；

33、从多个所述候选分析成员中剔除所述最大类别占比大于所述预设比例阈值的所述候选分析成员，得到多个目标分析成员。

34、在一些实施例中，所述基于第二筛选规则，从所有所述目标分析成员中确定多个基础分析成员，包括：

35、确定所述一致性指标的第一权重，并确定所述质量指标的第二权重；

36、基于所述第一权重和所述第二权重，对每个所述目标分析成员的所述一致性指标和所述质量指标进行加权求和，得到每个所述目标分析成员的复合评分；

37、基于所述复合评分和/或用户输入，从多个所述目标分析成员中筛选出多个基础分析成员。

38、在一些实施例中，在基于所有所述基础分析成员的各所述输出标签，生成所述多组学数据的分析结果之后，还包括：

39、生成所述多组学数据的分析记录，所述分析记录包括所述运行计划、每个所述目标分析成员的所述一致性指标、所述质量指标和所述复合评分，以及所述分析结果；

40、若所述分析结果包括统一类别的输出标签，则确定所述分析结果为验证型共识结果，将所述分析结果隔离写入验证型命名空间；

41、若所述分析结果不包括统一类别的输出标签，则确定所述分析结果为探索型综合结果，将所述分析结果隔离写入探索型命名空间。

42、本发明还提供一种多组学数据分析系统，包括：

43、计划生成模块，用于基于多组学数据的分析请求和元信息，以及已注册的多个分析技能，生成运行计划，所述运行计划包括多个候选分析成员；

44、执行模块，用于执行所述运行计划，得到每个所述候选分析成员的成员产物，每个所述成员产物包括所述多组学数据的每个观测对象的输出标签；

45、过滤模块，用于基于第一筛选规则，从所有所述候选分析成员中确定多个目标分析成员，所述第一筛选规则是基于每个所述候选分析成员的各所述输出标签的最大类别占比确定的，所述最大类别占比为属于数量最多的单一类别的所述输出标签的数量与所述观测对象的总数量的比值；

46、评分筛选模块，用于基于第二筛选规则，从所有所述目标分析成员中确定多个基础分析成员，所述第二筛选规则包括基于每个所述目标分析成员的一致性指标和质量指标确定复合评分，基于所述复合评分对所有所述目标分析成员进行筛选；

47、结果生成模块，用于基于所有所述基础分析成员的各所述输出标签，生成所述多组学数据的分析结果。

48、本发明还提供一种电子设备，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计算机程序时实现如上述任一种所述多组学数据分析方法。

49、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述多组学数据分析方法。

50、本发明提供的一种多组学数据分析方法、系统、电子设备和存储介质，通过基于多组学数据的分析请求和元信息，以及已注册的多个分析技能，生成运行计划，将智能规划限制在已注册的技能边界内，提高了运行计划的可控性；执行运行计划，得到每个候选分析成员的成员产物，提高了数据分析的执行效率；基于第一筛选规则，从所有候选分析成员中确定多个目标分析成员，第一筛选规则是基于每个候选分析成员的各输出标签的最大类别占比确定的；基于第二筛选规则，从所有目标分析成员中确定多个基础分析成员，第二筛选规则是根据每个目标分析成员的一致性指标和质量指标确定的复合评分进行筛选，确保了入选成员的高准确度和高可靠性；基于所有基础分析成员的各输出标签，生成分析结果，提高了数据分析的准确性和可复现性。