基于DAE的单细胞RNA测序数据聚类研究

摘要：

传统数据降维方法处理单细胞RNA测序数据存在特征提取能力较差、聚类精度较低等问题,有必要引入深度学习方法以提高对复杂数据特征的提取能力.在对数据不进行任何人工筛选的条件下,利用DAE提取表达能力更强的数据特征,分别以K?means和DBSCAN聚类作为DAE的顶层设置形成DAE+K?means和DAE+DBSCAN组合模型,将这两种深度学习组合模型在Deng数据集上与传统聚类模型SC3进行对比.与SC3的0.73聚类精度相比,DAE+K?means和DAE+DBSCAN的聚类精度分别达到0.93和0.97,分别提高了0.2和0.24.实验结果表明,DAE在单细胞聚类领域具有广阔的应用前景.

关键词：单细胞聚类、深度自动编码器、深度学习、K-means聚类、DBSCAN聚类、结果分析

所属期刊栏目：43

分类号：TN919⁃34;TP391

资助基金：国家自然科学基金;山东省自然科学基金

在线出版日期：2020-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：144-148