CN114863994B - 污染评估方法、装置、电子设备及存储介质 - Google Patents
污染评估方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114863994B CN114863994B CN202210785147.0A CN202210785147A CN114863994B CN 114863994 B CN114863994 B CN 114863994B CN 202210785147 A CN202210785147 A CN 202210785147A CN 114863994 B CN114863994 B CN 114863994B
- Authority
- CN
- China
- Prior art keywords
- cell
- pollution
- evaluated
- sample
- sample matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000011159 matrix material Substances 0.000 claims abstract description 106
- 238000011156 evaluation Methods 0.000 claims abstract description 96
- 238000011109 contamination Methods 0.000 claims abstract description 89
- 238000005202 decontamination Methods 0.000 claims abstract description 37
- 230000003588 decontaminative effect Effects 0.000 claims abstract description 36
- 238000013210 evaluation model Methods 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 30
- 238000002372 labelling Methods 0.000 claims abstract description 17
- 108090000623 proteins and genes Proteins 0.000 claims description 69
- 230000014509 gene expression Effects 0.000 claims description 38
- 230000007613 environmental effect Effects 0.000 claims description 30
- 238000012163 sequencing technique Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 238000007477 logistic regression Methods 0.000 claims description 5
- 230000001413 cellular effect Effects 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 description 235
- 230000006870 function Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 230000002438 mitochondrial effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000003550 marker Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000356 contaminant Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003559 RNA-seq method Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000001640 apoptogenic effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000002510 keratinocyte Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012174 single-cell RNA sequencing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 108700026220 vif Genes Proteins 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Biotechnology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Physiology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种污染评估方法、装置、电子设备及存储介质。该方法包括：在待评估细胞的污染信息满足评估条件的情况下，获取所述待评估细胞的细胞样本矩阵；基于所述待评估细胞的细胞样本矩阵确定细胞污染分值；将所述细胞污染分值输入至训练完成的污染评估模型，得到污染评估结果，其中，所述污染评估模型由训练数据集中细胞样本的样本分值以及所述细胞样本的样本分值对应的标注结果，进行训练而得到；基于所述污染评估结果判断是否对所述细胞样本矩阵进行去污处理。上述技术方案，通过污染评估模型可以得到准确的污染评估结果，从而根据准确的污染评估结果实现合理去污。
Description
技术领域
本发明涉及细胞测序技术领域，尤其涉及一种污染评估方法、装置、电子设备及存储介质。
背景技术
单细胞RNA测序作为一款可以以单个细胞的分辨率研究复杂生物***的工作，而基于微孔的单细胞测序平台能够以较小的成本研究大量的细胞，从而目前已被广泛使用。
但这种基于微孔的单细胞转录组测序技术也在遭受着环境污染所带来的挑战。环境RNA可能来源于凋亡的细胞、大尺寸细胞入孔破裂等一些情况。当环境RNA进入微孔后，捕获的barcode开始出现环境基因表达的情况。尤其在分群后，发现某些高特异性的经典标记基因泛表达在各个细胞群中，严重影响了通过标记基因进行人工注释。
在实现本发明的过程中，发明人发现现有技术中存在以下技术问题：在去污染过程中，即使是基本没有污染的样本（存在doublet）或多或少都存在一些打分偏高的细胞被定义成污染。但在实际的科研中，可能这些污染并不足以影响后续的人工注释和下游分析，反而因为强行去污染导致样本之间某些生物学意义遭到了破坏，存在去污染不合理的问题。
发明内容
本发明提供了一种污染评估方法、装置、电子设备及存储介质，以解决去污染不合理的问题。
根据本发明的一方面，提供了一种污染评估方法，包括：
在待评估细胞的污染信息满足评估条件的情况下，获取所述待评估细胞的细胞样本矩阵；
基于所述待评估细胞的细胞样本矩阵确定细胞污染分值；
将所述细胞污染分值输入至训练完成的污染评估模型，得到污染评估结果，其中，所述污染评估模型由训练数据集中细胞样本的样本分值以及所述细胞样本的样本分值对应的标注结果，进行训练而得到；
基于所述污染评估结果判断是否对所述细胞样本矩阵进行去污染处理。
根据本发明的另一方面，提供了一种污染评估装置，包括：
样本矩阵获取模块，用于在待评估细胞的污染信息满足评估条件的情况下，获取所述待评估细胞的细胞样本矩阵；
污染分值确定模块，用于基于所述待评估细胞的细胞样本矩阵确定细胞污染分值；
评估结果确定模块，用于将所述细胞污染分值输入至训练完成的污染评估模型，得到污染评估结果，其中，所述污染评估模型由训练数据集中细胞样本的样本分值以及所述细胞样本的样本分值对应的标注结果，进行训练而得到；
去污处理模块，用于基于所述污染评估结果判断是否对所述细胞样本矩阵进行去污染处理。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的污染评估方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的污染评估方法。
本发明实施例的技术方案，通过在待评估细胞的污染信息满足评估条件的情况下，根据待评估细胞的细胞样本矩阵确定细胞污染分值，实现对待评估细胞的打分；进一步的，将细胞污染分值输入至训练完成的污染评估模型，得到准确的污染评估结果，从而根据准确的污染评估结果实现合理去污。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种污染评估方法的流程图；
图2是根据本发明实施例二提供的一种污染评估方法的流程图；
图3是根据本发明实施例二提供的一种污染评估方法的流程示意图；
图4是根据本发明实施例三提供的一种污染评估方法的流程图；
图5是根据本发明实施例三提供的一种细胞类型注释的流程示意图；
图6是根据本发明实施例四提供的一种污染评估装置的结构示意图；
图7是实现本发明实施例的污染评估方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种污染评估方法的流程图，本实施例可适用于自动对细胞污染情况进行评估的情况，该方法可以由污染评估装置来执行，该污染评估装置可以采用硬件和/或软件的形式实现，该污染评估装置可配置于终端和/或服务器中。如图1所示，该方法包括：
S110、在待评估细胞的污染信息满足评估条件的情况下，获取所述待评估细胞的细胞样本矩阵。
在本发明实施例中，待评估细胞是指待进行污染评估的细胞组织样本，细胞组织样本中可以包括一个或多个细胞，在此不做限定。可选的，待评估细胞可以为进行基因测序的细胞组织样本，例如，待评估细胞可以为进行RNA测序的单细胞。
需要说明的是，由于各待评估细胞的污染情况不同，统一进行污染评估可能对污染评估结果带来影响。例如，针对细胞大面积污染的情况，现有的污染处理方法对细胞大面积污染的敏感性不强，无法确定待评估细胞的污染情况。因此，在污染评估前，可以先对待评估细胞进行污染信息的判断，筛选出符合评估条件的待评估细胞，以提高评估结果的可靠性。
在本发明实施例中，细胞样本矩阵是指待评估细胞的基因测序矩阵，可以用于表征待评估细胞中不同空间位置处基因分布情况。在本实施例中，细胞样本矩阵可以是经过预处理的样本矩阵，也可以是初始样本矩阵，在此不做限定。
具体地，通过测序仪器对细胞组织样本进行测序，从测序得到的原始数据R1和R2文件中，R1的每条序列都包含了需要提取的细胞标签（barcode）、分子唯一标识符（UMI）等信息，R2中的每条序列与R1相对应，用于同基因组进行比对定量工作，最终构建得到表征组织样本中不同细胞基因表达水平的表达矩阵。
在上述实施例的基础上，所述获取所述待评估细胞的细胞样本矩阵，包括：获取待评估细胞的初始样本矩阵；对所述待评估细胞的初始样本矩阵进行双细胞去除处理，得到细胞样本矩阵。
其中，初始样本矩阵是指未经预处理的基因测序矩阵。双细胞去除处理为一种细胞预处理操作，通过双细胞去除处理可以减少双细胞对待评估细胞造成的干扰。可选的，双细胞去除处理是指对细胞样本矩阵进行doublets处理。
示例性地，在得到初始的基因测序矩阵之后，可以将随机抽样的单个细胞转录组进行线性组合，生成模拟的doublets，用于鉴定和移除初始样本矩阵中实际存在的doublets，从而减少双细胞造成的干扰。
在一些实施例中，预处理方法还可以包括：根据待评估细胞的线粒体含量、基因含量以及UMI（独特分子标识符）含量中的一项或多项对待评估细胞进行筛选，以剔除不符合评估标准的细胞，提高待评估细胞的质量。
示例性地，若待评估细胞的线粒体含量超过预设线粒体含量阈值，则确定当前待评估细胞不符合评估标准；若待评估细胞的线粒体含量小于预设线粒体含量阈值，则确定当前待评估细胞符合评估标准，其中，预设线粒体含量阈值可以根据实验确定，具体数值在此不做限定。或者，若待评估细胞的基因含量小于预设基因含量阈值，则确定当前待评估细胞不符合评估标准；若待评估细胞的基因含量超过预设基因含量阈值，则确定当前待评估细胞符合评估标准，其中，预设基因含量阈值可以根据实验确定，具体数值在此不做限定。或者，若待评估细胞的UMI含量小于预设UMI含量阈值，则确定当前待评估细胞不符合评估标准；若待评估细胞的UMI含量超过预设UMI含量阈值，则确定当前待评估细胞符合评估标准，其中，预设UMI含量阈值可以根据实验确定，具体数值在此不做限定。
S120、基于所述待评估细胞的细胞样本矩阵确定细胞污染分值。
其中，细胞污染分值是指待评估细胞的污染评分，可以用于表征待评估细胞的污染程度。
具体地，对待评估细胞的细胞样本矩阵进行解析，得到基因表达信息。其中，基因表达信息是指待评估细胞中各基因的表达分布信息，可以包括但不限于细胞本身表达信息和污染基因表达信息，例如，基因表达信息可以为细胞的高表达基因、低表达基因等。进一步的，可以基于细胞本身表达信息和污染基因表达信息确定细胞污染分值。
示例性地，待评估细胞可以包括细胞群A和细胞群B，若细胞群B中的特异性表达基因叠加在细胞群A的基因表达分布上，则可以认为细胞群B中的表达基因为污染。进一步的，可根据细胞群B中的表达基因叠加在细胞群A的基因表达分布上的比例确定细胞污染分值。
S130、将所述细胞污染分值输入至训练完成的污染评估模型，得到污染评估结果，其中，所述污染评估模型由训练数据集中细胞样本的样本分值以及所述细胞样本的样本分值对应的标注结果，进行训练而得到。
其中，污染评估模型是指预先训练完成的神经网络模型。
具体地，神经网络模型可以预先通过大量训练数据集中的细胞样本的样本分值以及细胞样本的样本分值对应的标注结果进行训练得到。在所训练的神经网络模型中，会对细胞样本的样本分值进行分类，得到预测分类结果，并基于预测分类结果和样本分值对应的标注结果对神经网络模型中的模型参数进行训练，并通过不断调整模型参数，使得模型的预测分类结果与样本分值对应的标注结果之间的距离偏差逐渐减小并趋于稳定。
S140、基于所述污染评估结果判断是否对所述细胞样本矩阵进行去污染处理。
需要说明的是，通过污染评估模型预测得到待评估细胞的污染评估结果之后，本发明实施例，可以根据污染评估结果判断是否对细胞样本矩阵进行去污染处理，实现合理去污。
具体地，在污染评估结果为污染的情况下，对细胞样本矩阵进行去污染处理，可以得到去污样本矩阵，为后续的细胞测序工作提供消除污染的样本矩阵，其中，去污样本矩阵是指消除污染的细胞样本矩阵。在污染评估结果为正常的情况下，则不对细胞样本矩阵进行去污染处理，可以避免强行去污导致细胞破坏的情况发生。
在一些实施例中，污染评估结果中还可以包括污染的细胞类型以及造成污染的环境基因。
本发明实施例的技术方案，通过在待评估细胞的污染信息满足评估条件的情况下，根据待评估细胞的细胞样本矩阵确定细胞污染分值，实现对待评估细胞的打分；进一步的，将细胞污染分值输入至训练完成的污染评估模型，得到准确的污染评估结果，从而根据准确的污染评估结果实现合理去污。
实施例二
图2为本发明实施例二提供的一种污染评估方法的流程图，本实施例在上述实施例的基础上，对污染评估模型的训练步骤进行介绍。可选的，所述污染评估模型通过如下步骤预先训练得到：针对属于污染样本的细胞样本矩阵、及属于正常样本的实体的细胞样本矩阵，将所述污染样本和所述正常样本的样本分值、以及所述污染样本和所述正常样本的样本分值对应的标注结果作为一组污染评估样本；基于多组所述污染评估样本对原始评估模型进行训练，得到所述污染评估模型，其中，所述污染评估模型包括逻辑回归网络。
如图2所示，该方法包括：
S210、针对属于污染样本的细胞样本矩阵、及属于正常样本的实体的细胞样本矩阵，将所述污染样本或所述正常样本的样本分值、以及所述污染样本或所述正常样本的样本分值对应的标注结果作为一组污染评估样本。
S220、基于多组所述污染评估样本对原始评估模型进行训练，得到所述污染评估模型，其中，所述污染评估模型包括逻辑回归网络。
S230、在待评估细胞的污染信息满足评估条件的情况下，获取所述待评估细胞的细胞样本矩阵。
S240、基于所述待评估细胞的细胞样本矩阵确定细胞污染分值。
S250、将所述细胞污染分值输入至训练完成的污染评估模型，得到污染评估结果。
S260、基于所述污染评估结果判断是否对所述细胞样本矩阵进行去污染处理。
在本发明实施例中，污染评估模型的训练数据集可以包括污染样本和正常样本的样本分值，其中，污染样本是指存在污染的细胞样本，正常样本是指不存在污染或者污染可以忽略的细胞样本。样本分值对应的标注结果是指细胞样本的样本分值的标签，用于对模型训练过成进行监督。需要说明的是，逻辑回归网络为二分类模型，可以根据样本分值对细胞样本进行分类，即将细胞样本分为正常和污染两种类型，以便判断是否进行去污染处理。
具体地，原始评估模型的激活函数可以为阶跃函数（Sigmoid），损失函数可以为对数损失函数，可以将多组污染评估样本输入至原始评估模型，根据该对数损失函数，不断优化原始评估模型的模型参数，使对数损失函数的损失函数值逐渐变小，当损失函数值无明显变化时，认为原始评估模型的模型参数达到最优，即污染评估模型完成训练。训练完成的污染评估模型可以用于对未评估的细胞样本进行污染评估，以判断细胞样本的污染情况。
示例性地，图3为本发明实施例提供的一种污染评估方法的流程图，可以对单样本矩阵（即初始样本矩阵）进行doublets处理，得到去除doublets干扰的细胞样本矩阵；进一步的，对细胞样本矩阵进行打分，得到细胞污染分值，然后将细胞污染分值输入至训练完成的污染评估模型，预测待评估细胞的污染情况；在污染评估结果为污染的情况下，对细胞样本矩阵进行去污染处理，得到去污样本矩阵，为后续细胞测序工作提供消除污染的样本矩阵；在污染评估结果为正常的情况下，则不对细胞样本矩阵进行去污染处理，保留原始的细胞样本矩阵，可以避免强行去污导致细胞破坏的情况发生。其中，后续细胞测序工作可以包括但不限于下游质控、整合矩阵、标准化、中心化、降维分群、细胞类型注释等，在此不做限定。
本发明实施例的技术方案，将多组污染评估样本输入至原始评估模型，根据对数损失函数，不断优化原始评估模型的模型参数，使对数损失函数的损失函数值逐渐变小，当损失函数值无明显变化时，认为原始评估模型的模型参数达到最优，即污染评估模型完成训练。训练完成的污染评估模型可以用于对未评估的细胞样本进行二分类的污染评估，以判断待评估细胞的污染情况，从而根据污染评估结果实现合理去污。
实施例三
图4为本发明实施例三提供的一种污染评估方法的流程图，本实施例在上述实施例的基础上，增加了新的技术特征。可选的，在获取待评估的细胞样本矩阵之前，所述方法还包括：基于环境基因信息判断所述待评估细胞是否满足评估条件，若所述环境基因信息中的各基因存在预先收集的注释信息，则确定待评估细胞的污染信息不满足评估条件，若所述环境基因信息中的各基因不存在预先收集的注释信息，则确定待评估细胞的污染信息满足评估条件。
如图4所示，该方法包括：
S310、基于环境基因信息判断待评估细胞是否满足评估条件。
S320、在待评估细胞的污染信息满足评估条件的情况下，获取所述待评估细胞的细胞样本矩阵。
S330、基于所述待评估细胞的细胞样本矩阵确定细胞污染分值。
S340、将所述细胞污染分值输入至训练完成的污染评估模型，得到污染评估结果，其中，所述污染评估模型由训练数据集中细胞样本的样本分值以及所述细胞样本的样本分值对应的标注结果，进行训练而得到。
S350、基于所述污染评估结果判断是否对所述细胞样本矩阵进行去污染处理。
在本发明实施例中，环境基因信息是指待评估细胞中用于表征造成污染的环境基因信息。
可以理解的是，若待评估细胞出现大面积的污染，则必然某些细胞类型的基因成为了环境基因，并在大部分细胞中泛表达，因此，可以根据环境基因信息判断待评估细胞是否满足评估条件。
具体地，若环境基因信息中的各基因存在预先收集的注释信息，则确定待评估细胞的污染信息不满足评估条件，若环境基因信息中的各基因不存在预先收集的注释信息，则确定待评估细胞的污染信息满足评估条件。其中，预先收集的注释信息是指包含多种细胞类型的注释信息列表，可以用于判断待评估细胞是否满足评估条件。例如注释信息可以为预先收集的细胞类型的经典marker以及算法marker。
需要说明的是，若环境基因信息中的各基因存在预先收集的注释信息，表明该待评估细胞存在大面积污染的情况（例如细胞样本可能存在角质细胞大面积的污染），不满足评估条件。
在上述实施例的基础上，在基于环境基因信息判断所述待评估细胞是否满足评估条件之前，所述方法还包括：确定初始样本矩阵中每个基因的表达率；根据所述细胞样本矩阵中每个基因的表达率对基因进行排序，并根据排序结果选取预设数量的基因作为环境基因。
示例性地，如图5所示，计算初始样本矩阵中每个基因的dropout率(即表达率)，并根据各基因的dropout率进行排序，选取top20泛表达的基因作为环境基因，作为考察比对的范围。若top20基因中存在预先收集的经典marker或者算法marker，表明该待评估细胞存在大面积污染的情况。并且，在判断待评估细胞是否满足评估条件之后，可以生成注释记录文本，注释记录文本中可以包括环境基因的marker以及所对应的细胞类型。
本发明实施例的技术方案，通过判断环境基因信息中是否存在预先收集的注释信息，从而确定待评估细胞是否存在大范围污染的情况，提高了对存在大范围污染的细胞捕获的敏感性。
实施例四
图6为本发明实施例四提供的一种污染评估装置的结构示意图。如图6所示，该装置包括：
样本矩阵获取模块410，用于在待评估细胞的污染信息满足评估条件的情况下，获取所述待评估细胞的细胞样本矩阵；
污染分值确定模块420，用于基于所述待评估细胞的细胞样本矩阵确定细胞污染分值；
评估结果确定模块430，用于将所述细胞污染分值输入至训练完成的污染评估模型，得到污染评估结果，其中，所述污染评估模型由训练数据集中细胞样本的样本分值以及所述细胞样本的样本分值对应的标注结果，进行训练而得到；
去污处理模块440，用于基于所述污染评估结果判断是否对所述细胞样本矩阵进行去污染处理。
本发明实施例的技术方案，通过在待评估细胞的污染信息满足评估条件的情况下，根据待评估细胞的细胞样本矩阵确定细胞污染分值，实现对待评估细胞的打分；进一步的，将细胞污染分值输入至训练完成的污染评估模型，得到准确的污染评估结果，从而根据准确的污染评估结果实现合理去污。
在本公开实施例的一些可选的实现方式中，样本矩阵获取模块410，具体用于：
获取待评估细胞的初始样本矩阵；
对所述待评估细胞的初始样本矩阵进行双细胞去除处理，得到细胞样本矩阵。
在本公开实施例的一些可选的实现方式中，污染分值确定模块420，具体用于：
对所述待评估细胞的细胞样本矩阵进行解析，得到基因表达信息，其中，所述基因表达信息包括细胞本身表达信息和污染基因表达信息；
基于所述细胞本身表达信息和污染基因表达信息确定细胞污染分值。
在本公开实施例的一些可选的实现方式中，所述污染评估模型通过如下步骤预先训练得到：
针对属于污染样本的细胞样本矩阵、及属于正常样本的实体的细胞样本矩阵，将所述污染样本和所述正常样本的样本分值、以及所述污染样本和所述正常样本的样本分值对应的标注结果作为一组污染评估样本；
基于多组所述污染评估样本对原始评估模型进行训练，得到所述污染评估模型，其中，所述污染评估模型包括逻辑回归网络。
在本公开实施例的一些可选的实现方式中，所述装置还用于：
在所述污染评估结果为污染的情况下，对所述细胞样本矩阵进行去污染处理，得到去污样本矩阵。
在本公开实施例的一些可选的实现方式中，所述装置还用于：
基于环境基因信息判断所述待评估细胞是否满足评估条件，若所述环境基因信息中的各基因存在预先收集的注释信息，则确定待评估细胞的污染信息不满足评估条件，若所述环境基因信息中的各基因不存在预先收集的注释信息，则确定待评估细胞的污染信息满足评估条件。
在本公开实施例的一些可选的实现方式中，所述装置还用于：
确定初始样本矩阵中每个基因的表达率；
根据所述细胞样本矩阵中每个基因的表达率对基因进行排序，并根据排序结果选取预设数量的基因作为环境基因。
本发明实施例所提供的污染评估装置可执行本发明任意实施例所提供的污染评估方法，具备执行方法相应的功能模块和有益效果。
实施例五
图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在随机访问存储器（RAM）13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、只读存储器（ROM）12以及随机访问存储器（RAM）13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。
电子设备10中的多个部件连接至输入/输出（I/O）接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如污染评估方法，包括：
在待评估细胞的污染信息满足评估条件的情况下，获取所述待评估细胞的细胞样本矩阵；
基于所述待评估细胞的细胞样本矩阵确定细胞污染分值；
将所述细胞污染分值输入至训练完成的污染评估模型，得到污染评估结果，其中，所述污染评估模型由训练数据集中细胞样本的样本分值以及所述细胞样本的样本分值对应的标注结果，进行训练而得到；
基于所述污染评估结果判断是否对所述细胞样本矩阵进行去污处理。
在一些实施例中，污染评估方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由只读存储器（ROM）12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到随机访问存储器（RAM）13并由处理器11执行时，可以执行上文描述的污染评估方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行污染评估方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上***的***（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的***和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***（例如，作为数据服务器）、或者包括中间件部件的计算***（例如，应用服务器）、或者包括前端部件的计算***（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将***的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (9)
1.一种污染评估方法，其特征在于，包括：
在待评估细胞的污染信息满足评估条件的情况下，获取所述待评估细胞的细胞样本矩阵，所述细胞样本矩阵是指待评估细胞的基因测序矩阵；
基于所述待评估细胞的细胞样本矩阵确定细胞污染分值；
将所述细胞污染分值输入至训练完成的污染评估模型，得到污染评估结果，其中，所述污染评估模型由训练数据集中细胞样本的样本分值以及所述细胞样本的样本分值对应的标注结果，进行训练而得到；
基于所述污染评估结果判断是否对所述细胞样本矩阵进行去污染处理；
所述基于所述待评估细胞的细胞样本矩阵确定细胞污染分值，包括：
对所述待评估细胞的细胞样本矩阵进行解析，得到基因表达信息，其中，所述基因表达信息包括细胞本身表达信息和污染基因表达信息；
基于所述细胞本身表达信息和污染基因表达信息确定细胞污染分值。
2.根据权利要求1所述的方法，其特征在于，所述获取所述待评估细胞的细胞样本矩阵，包括：
获取待评估细胞的初始样本矩阵；
对所述待评估细胞的初始样本矩阵进行双细胞去除处理，得到细胞样本矩阵。
3.根据权利要求1所述的方法，其特征在于，所述污染评估模型通过如下步骤预先训练得到：
针对属于污染样本的细胞样本矩阵、及属于正常样本的实体的细胞样本矩阵，将所述污染样本和所述正常样本的样本分值、以及所述污染样本和所述正常样本的样本分值对应的标注结果作为一组污染评估样本；
基于多组所述污染评估样本对原始评估模型进行训练，得到所述污染评估模型，其中，所述污染评估模型包括逻辑回归网络。
4.根据权利要求1所述的方法，其特征在于，在得到污染评估结果之后，所述方法还包括：
在所述污染评估结果为污染的情况下，对所述细胞样本矩阵进行去污染处理，得到去污样本矩阵。
5.根据权利要求1所述的方法，其特征在于，在获取待评估的细胞样本矩阵之前，所述方法还包括：
基于环境基因信息判断所述待评估细胞是否满足评估条件，若所述环境基因信息中的各基因存在预先收集的注释信息，则确定待评估细胞的污染信息不满足评估条件，若所述环境基因信息中的各基因不存在预先收集的注释信息，则确定待评估细胞的污染信息满足评估条件。
6.根据权利要求5所述的方法，其特征在于，在基于环境基因信息判断所述待评估细胞是否满足评估条件之前，所述方法还包括：
确定初始样本矩阵中每个基因的表达率；
根据所述细胞样本矩阵中每个基因的表达率对基因进行排序，并根据排序结果选取预设数量的基因作为环境基因。
7.一种污染评估装置，其特征在于，包括：
样本矩阵获取模块，用于在待评估细胞的污染信息满足评估条件的情况下，获取所述待评估细胞的细胞样本矩阵，所述细胞样本矩阵是指待评估细胞的基因测序矩阵；
污染分值确定模块，用于基于所述待评估细胞的细胞样本矩阵确定细胞污染分值；
评估结果确定模块，用于将所述细胞污染分值输入至训练完成的污染评估模型，得到污染评估结果，其中，所述污染评估模型由训练数据集中细胞样本的样本分值以及所述细胞样本的样本分值对应的标注结果，进行训练而得到；
去污处理模块，用于基于所述污染评估结果判断是否对所述细胞样本矩阵进行去污染处理；
污染分值确定模块，具体用于：
对所述待评估细胞的细胞样本矩阵进行解析，得到基因表达信息，其中，所述基因表达信息包括细胞本身表达信息和污染基因表达信息；
基于所述细胞本身表达信息和污染基因表达信息确定细胞污染分值。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的污染评估方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的污染评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210785147.0A CN114863994B (zh) | 2022-07-06 | 2022-07-06 | 污染评估方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210785147.0A CN114863994B (zh) | 2022-07-06 | 2022-07-06 | 污染评估方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114863994A CN114863994A (zh) | 2022-08-05 |
| CN114863994B true CN114863994B (zh) | 2022-09-30 |
Family
ID=82626410
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210785147.0A Active CN114863994B (zh) | 2022-07-06 | 2022-07-06 | 污染评估方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114863994B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115691676A (zh) * | 2022-11-16 | 2023-02-03 | 北京昌平实验室 | 一种分析组织细胞成分的方法、装置及存储介质 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3009088B1 (fr) * | 2013-07-24 | 2016-11-25 | Assist Publique - Hopitaux De Marseille | Methode de detection de la contamination par un microbe d'un echantillon par analyse de spectres de masse |
| US20160177396A1 (en) * | 2014-12-22 | 2016-06-23 | Enzo Biochem, Inc. | Comprehensive and comparative flow cytometry-based methods for identifying the state of a biological system |
| ES2844799T3 (es) * | 2015-04-17 | 2021-07-22 | Merck Sharp & Dohme | Biomarcadores sanguíneos de sensibilidad tumoral a antagonistas de PD-1 |
| CN111587302B (zh) * | 2017-10-17 | 2023-09-01 | 哈佛学院院长等 | 用于检测体细胞结构变体的方法和*** |
| CN109785898B (zh) * | 2019-01-14 | 2021-03-16 | 清华大学 | 一种基于微生物网络评估环境污染风险的方法 |
| CN110334565A (zh) * | 2019-03-21 | 2019-10-15 | 江苏迪赛特医疗科技有限公司 | 一种显微镜病理照片的***病变细胞分类*** |
| US20230026559A1 (en) * | 2019-12-10 | 2023-01-26 | Novigenix Sa | Analysis of cell signatures for disease detection |
| CN115461473A (zh) * | 2020-02-20 | 2022-12-09 | 加利福尼亚大学董事会 | 空间分辨单细胞rna测序方法 |
| CN111583226B (zh) * | 2020-05-08 | 2023-06-30 | 上海杏脉信息科技有限公司 | 细胞病理感染评估方法、电子装置及存储介质 |
| CN113838531B (zh) * | 2021-09-19 | 2024-03-29 | 复旦大学 | 一种基于转录组数据和机器学习策略评估细胞衰老程度的方法 |
-
2022
- 2022-07-06 CN CN202210785147.0A patent/CN114863994B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114863994A (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109635292B (zh) | 基于机器学习算法的工单质检方法和装置 | |
| CN114863994B (zh) | 污染评估方法、装置、电子设备及存储介质 | |
| CN112711983B (zh) | 核型分析***、方法、电子设备及可读存储介质 | |
| CN111931809A (zh) | 数据的处理方法、装置、存储介质及电子设备 | |
| CN111639185B (zh) | 关系信息抽取方法、装置、电子设备和可读存储介质 | |
| CN111611386A (zh) | 文本分类方法和装置 | |
| CN114090601B (zh) | 一种数据筛选方法、装置、设备以及存储介质 | |
| CN114722198A (zh) | 产品分类编码确定方法、***及相关装置 | |
| CN114138968A (zh) | 一种网络热点的挖掘方法、装置、设备及存储介质 | |
| CN115831219B (zh) | 一种质量预测方法、装置、设备及存储介质 | |
| CN115186095B (zh) | 一种未成年人文本识别方法及装置 | |
| CN113612777B (zh) | 训练方法、流量分级方法、装置、电子设备以及存储介质 | |
| CN115131784B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN115579069A (zh) | scRNA-Seq细胞类型注释数据库的构建方法、装置及电子设备 | |
| CN116155541A (zh) | 面向网络安全应用的自动化机器学习平台以及方法 | |
| CN114255540A (zh) | 一种污损纸币的识别方法、装置、设备和存储介质 | |
| CN106934480A (zh) | 投保等级分析方法、服务器及终端 | |
| CN113505227B (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
| CN116541527B (zh) | 一种基于模型集成和数据扩充的公文分类方法 | |
| CN117574146B (zh) | 文本分类标注方法、装置、电子设备和存储介质 | |
| CN113378881B (zh) | 基于信息熵增益svm模型的指令集识别方法及装置 | |
| CN115761445A (zh) | 染色体分析模型的训练方法、装置、设备及介质 | |
| CN116071558A (zh) | 一种处理方法、装置和电子设备 | |
| CN114860616A (zh) | 一种代码检测方法、装置、设备和存储介质 | |
| CN114218384A (zh) | 语料分类方法、模型训练方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |