本技術涉及一種圖像處理，特別是涉及一種組織基因的表達圖譜生成方法及裝置。

背景技術：

1、復雜組織的研究不僅僅局限于對大量細胞的分子特征分析，更需要理解空間環(huán)境如何影響細胞狀態(tài)或功能。細胞的轉錄狀態(tài)可以通過基因調控網(wǎng)絡(gene?regulatorynetwork，grn)進行調節(jié)，這是一種反映轉錄因子(transcription?factors，tf)與其下游目標基因之間調控關系的集合。近年來，空間分辨轉錄組學(spatially?resolvedtranscriptomics，srt)技術的突破，使得在保留位置信息的同時進行轉錄組特征分析成為可能，從而為捕捉具有空間背景的轉錄狀態(tài)提供了前所未有的機會。

2、目前，現(xiàn)有srt數(shù)據(jù)空間域檢測計算方法大致可以分為概率模型和深度學習模型兩類，其中，概率方法包括隱馬爾可夫隨機場(hmrf)、bayesspace和spatialpca等，利用概率圖模型整合空間信息，深度學習方法包括spagcn、stagate、deepst和graphst等，則是利用圖卷積網(wǎng)絡及其衍生方法來捕獲由空間數(shù)據(jù)驅動的依賴關系。但是，這兩類模型是通過不同的方法處理空間域建模問題，分別側重于統(tǒng)計概率或神經(jīng)網(wǎng)絡的學習能力來理解數(shù)據(jù)中嵌入的空間上下文，依賴于預定義的圖結構，無法充分捕捉基因表達與空間上下文之間復雜且非線性的關系，也無法充分代表實際的生物學交互，大大降低基因表達數(shù)據(jù)與空間信息整合效果，因此，亟需一種組織基因的表達圖譜生成方法來解決上述問題。

技術實現(xiàn)思路

1、有鑒于此，本技術提供一種組織基因的表達圖譜生成方法及裝置，主要目的在于解決現(xiàn)有組織基因的表達圖譜生成有效性差的問題。

2、依據(jù)本技術一個方面，提供了一種組織基因的表達圖譜生成方法，包括：

3、獲取組織基因的多模態(tài)圖結構數(shù)據(jù)；

4、確定所述多模態(tài)圖結構數(shù)據(jù)的加權圖表示；

5、基于已完成模型訓練的神經(jīng)網(wǎng)絡模型對所述加權圖表示進行圖譜生成，得到所述組織基因的表達圖譜，所述神經(jīng)網(wǎng)絡模型中引入注意力機制，所述神經(jīng)網(wǎng)絡模型中各層注意力權重用于更新各層的拓撲結構信息。

6、進一步地，所述基于已完成模型訓練的神經(jīng)網(wǎng)絡模型對所述加權圖表示進行圖譜生成，得到所述組織基因的表達圖譜之前，所述方法還包括：

7、獲取基因表達訓練樣本，所述基因表達訓練樣本中包括標記圖表達、邊緣表達的圖表示樣本；

8、構建引入注意力機制的神經(jīng)網(wǎng)絡模型，所述神經(jīng)網(wǎng)絡模型中各層注意力權重中包含偏置項，所述偏置項為基于位置編碼與邊緣樣本進行確定的；

9、基于所述基因表達訓練樣本對所述神經(jīng)網(wǎng)絡模型進行模型訓練，得到完成模型訓練的神經(jīng)網(wǎng)絡模型。

10、進一步地，所述方法還包括：

11、獲取基因奇異矩陣，并基于奇異值分解算法對所述基因奇異矩陣的鄰接矩陣進行分解，生成位置編碼，所述鄰接矩陣為基于基因點位與鄰居基因點位確定的。

12、進一步地，所述基于所述基因表達訓練樣本對所述神經(jīng)網(wǎng)絡模型進行模型訓練之前，所述方法還包括：

13、獲取所述鄰接矩陣；

14、通過所述鄰接矩陣對所述表達樣本進行增強處理，得到增強后的表達樣本，以基于所述增強后的表達樣本進行模型訓練。

15、進一步地，所述得到所述組織基因的表達圖譜之后，所述方法還包括：

16、基于匹配不同聚類任務的預設分布確定用于聚類的分配概率，并基于歸一化算法確定所述分配概率的目標分配分布；

17、基于所述分配概率以及目標分配分布確定聚類損失函數(shù)，并基于所述聚類損失函數(shù)對聚類模型進行約束；

18、基于約束后的所述聚類模型對所述表達圖譜進行聚類處理，得到所述聚類任務的圖譜聚類結果。

19、進一步地，所述確定所述多模態(tài)圖結構數(shù)據(jù)的加權圖表示包括；

20、解析所述多模態(tài)圖結構數(shù)據(jù)中的基因點位以及鄰居基因點位，并基于所述基因點位與所述鄰居基因點位之間的空間距離，得到鄰接矩陣；

21、基于所述多模態(tài)圖結構數(shù)據(jù)中的基因表達數(shù)據(jù)以及所述鄰接矩陣確定所述加權圖表示。

22、進一步地，所述方法還包括：

23、基于所述表達圖譜中的轉錄表征數(shù)據(jù)構建鄰近網(wǎng)絡，并基于所述鄰近網(wǎng)絡進行空間識別處理，以識別所述組織基因的空間域；

24、并基于所述表達圖譜中的拓撲結構數(shù)據(jù)進行去噪處理，并基于去噪后的拓撲結構數(shù)據(jù)進行特異性識別，以確定特異性差異基因。

25、依據(jù)本技術另一個方面，提供了一種組織基因的表達圖譜生成裝置，包括：

26、獲取模塊，用于獲取組織基因的多模態(tài)圖結構數(shù)據(jù)；

27、確定模塊，用于確定所述多模態(tài)圖結構數(shù)據(jù)的加權圖表示；

28、生成模塊，用于基于已完成模型訓練的神經(jīng)網(wǎng)絡模型對所述加權圖表示進行圖譜生成，得到所述組織基因的表達圖譜，所述神經(jīng)網(wǎng)絡模型中引入注意力機制，所述神經(jīng)網(wǎng)絡模型中各層注意力權重用于更新各層的拓撲結構信息。

29、進一步地，所述裝置還包括：構建模塊，訓練模塊，

30、所述獲取模塊，還用于獲取基因表達訓練樣本，所述基因表達訓練樣本中包括標記圖表達、邊緣表達的圖表示樣本；

31、所述構建模塊，用于構建引入注意力機制的神經(jīng)網(wǎng)絡模型，所述神經(jīng)網(wǎng)絡模型中各層注意力權重中包含偏置項，所述偏置項為基于位置編碼與邊緣樣本進行確定的；

32、所述訓練模塊，用于基于所述基因表達訓練樣本對所述神經(jīng)網(wǎng)絡模型進行模型訓練，得到完成模型訓練的神經(jīng)網(wǎng)絡模型。

33、進一步地，所述生成模塊，還用于獲取基因奇異矩陣，并基于奇異值分解算法對所述基因奇異矩陣的鄰接矩陣進行分解，生成位置編碼，所述鄰接矩陣為基于基因點位與鄰居基因點位確定的。

34、進一步地，

35、所述獲取模塊，還用于獲取所述鄰接矩陣；通過所述鄰接矩陣對所述表達樣本進行增強處理，得到增強后的表達樣本，以基于所述增強后的表達樣本進行模型訓練。

36、進一步地，所述裝置還包括：

37、所述確定模塊，還用于基于匹配不同聚類任務的預設分布確定用于聚類的分配概率，并基于歸一化算法確定所述分配概率的目標分配分布；基于所述分配概率以及目標分配分布確定聚類損失函數(shù)，并基于所述聚類損失函數(shù)對聚類模型進行約束；基于約束后的所述聚類模型對所述表達圖譜進行聚類處理，得到所述聚類任務的圖譜聚類結果。

38、進一步地，所述確定模塊，還用于解析所述多模態(tài)圖結構數(shù)據(jù)中的基因點位以及鄰居基因點位，并基于所述基因點位與所述鄰居基因點位之間的空間距離，得到鄰接矩陣；基于所述多模態(tài)圖結構數(shù)據(jù)中的基因表達數(shù)據(jù)以及所述鄰接矩陣確定所述加權圖表示。

39、進一步地，所述裝置還包括：

40、處理模塊，用于基于所述表達圖譜中的轉錄表征數(shù)據(jù)構建鄰近網(wǎng)絡，并基于所述鄰近網(wǎng)絡進行空間識別處理，以識別所述組織基因的空間域；基于所述表達圖譜中的拓撲結構數(shù)據(jù)進行去噪處理，并基于去噪后的拓撲結構數(shù)據(jù)進行特異性識別，以確定特異性差異基因。

41、根據(jù)本技術的又一方面，提供了一種存儲介質，所述存儲介質中存儲有至少一可執(zhí)行指令，所述可執(zhí)行指令使處理器執(zhí)行如上述組織基因的表達圖譜生成方法對應的操作。

42、根據(jù)本技術的再一方面，提供了一種終端，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信；

43、所述存儲器用于存放至少一可執(zhí)行指令，所述可執(zhí)行指令使所述處理器執(zhí)行上述組織基因的表達圖譜生成方法對應的操作。

44、借由上述技術方案，本技術實施例提供的技術方案至少具有下列優(yōu)點：

45、本技術提供了一種組織基因的表達圖譜生成方法及裝置，與現(xiàn)有技術相比，本技術實施例通過獲取組織基因的多模態(tài)圖結構數(shù)據(jù)；確定所述多模態(tài)圖結構數(shù)據(jù)的加權圖表示；基于已完成模型訓練的神經(jīng)網(wǎng)絡模型對所述加權圖表示進行圖譜生成，得到所述組織基因的表達圖譜，所述神經(jīng)網(wǎng)絡模型中引入注意力機制，所述神經(jīng)網(wǎng)絡模型中各層注意力權重用于更新各層的拓撲結構信息，實現(xiàn)結合強化的自注意力機制，實現(xiàn)迭代演化圖表征的拓撲結構信息和轉錄信號表征的目的，并通過用全局自注意力替代圖卷積，能夠集成全局信息和空間局部信息，從而提高空間功能域的檢測能力，提高基因表達數(shù)據(jù)與空間信息整合效果。

46、上述說明僅是本技術技術方案的概述，為了能夠更清楚了解本技術的技術手段，而可依照說明書的內容予以實施，并且為了讓本技術的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本技術的具體實施方式。