1.一种基于矩阵分解的迭代分块矩阵补全的细胞类型分类方法,其特征在于:包括以下步骤,S1、获取单细胞测序数据,进行预处理,得到大小为m×n的基因表达矩阵M,计算基因表达矩阵M中每个基因出现的频次,并进行排序,获得排序后的基因表达矩阵P;
S2、将排序后的基因表达矩阵P按列进行切分,切分为k个相同大小的分块矩阵V,所得小矩阵的列为S3、对切分后的每个分块矩阵V使用低秩矩阵分解算法,将其分解为W和H两个矩阵的乘积;
S4、更新矩阵W和H,计算W和H的乘积矩阵与分块矩阵V的误差E;
S5、在误差E不小于设定阈值时,返回步骤S4;在误差E小于设定阈值时,将W和H的乘积矩阵作为分解获得的迭代矩阵,进入下一步骤S6;
S6、将分解获得的迭代矩阵和分块矩阵V进行比较,对分块矩阵V中的非零点保持不变,对零点确认是否为生物零点,保留生物零点不进行补全,在该零点不是生物零点时则为技术零点,对技术零点进行替换补全,获得除生物零点外补全后的分块基因表达矩阵;
S7、将步骤S6所得除生物零点外补全后的分块基因表达矩阵,拼接合成完整矩阵,即为补全后的完整基因表达矩阵;使用监督学习分类算法构建分类模型,输入的单细胞补全后的完整基因表达矩阵数据后,得到预测的细胞类型。
2.如权利要求1所述的基于矩阵分解的迭代分块矩阵补全的细胞类型分类方法,其特征在于:步骤S1中,获取单细胞样本数据,进行预处理,得到大小为m×n的基因表达矩阵,计算基因表达矩阵M中每个基因出现的频次,并进行排列,获得排序后的基因表达矩阵P,具体为,S11、获取单细胞样本数据,进行预处理,得到大小为m×n的基因表达矩阵;其中,预处理采用单细胞转录组数据分析处理工具CellRanger进行转化并对不均匀的数据再采用合成少数类过采样技术SMOTE算法过采样;
S12、计算基因表达矩阵M中每个基因出现的频次,出现频次高于设定阈值的基因即认为在单细胞RNA测序中被有效的测出,为高表达基因将基因表达矩阵按基因的频次从大到小进行排列,获得排序后的基因表达矩阵P。
3.如权利要求2所述的基于矩阵分解的迭代分块矩阵补全的细胞类型分类方法,其特征在于:步骤S12中,计算基因表达矩阵M中每个基因出现的频次为将所有细胞对应基因的表达量相加总和:其中,M
4.如权利要求1-3任一项所述的基于矩阵分解的迭代分块矩阵补全的细胞类型分类方法,其特征在于:步骤S4中,更新W和H,具体为:W和H的迭代更新公式如下:
其中,W
5.如权利要求1-3任一项所述的基于矩阵分解的迭代分块矩阵补全的细胞类型分类方法,其特征在于:步骤S6中,对零点确认是否为生物零点,在该零点为技术零点时进行替换补全;保留生物零点不进行补全,具体为,在分块矩阵V中非零点的个数小于设定阈值t时,判定该零点为生物零点,保留生物零点不进行补全;在矩阵中非零点的个数不小于设定阈值t时,判定该零点是技术零点,使用步骤S4得到的更新后的W和H的积进行补全,其中,设定阈值t的取值范围为大于0且不大于细胞总数m。
6.如权利要求1-3任一项所述的基于矩阵分解的迭代分块矩阵补全的细胞类型分类方法,其特征在于:步骤S6中,获得除生物零点外补全后的分块基因表达矩阵,具体为,其中,V(i,j)为原始分块矩阵的第i行第j列的数值,WH(i,j)为分解后的矩阵W和矩阵H的乘积矩阵的第i行第j列的数值,V′(i,j)为分块基因表达矩阵的第i行第j列的数值。
7.如权利要求1-3任一项所述的基于矩阵分解的迭代分块矩阵补全的细胞类型分类方法,其特征在于:步骤S7中,输入的单细胞补全后的完整基因表达矩阵数据后,得到预测的细胞类型,具体为,将单细胞补全后的完整基因表达矩阵数据输入构建的分类模型,匹配成功时,获得预测的细胞类型,且该预测的细胞类型为已知的细胞类型;匹配不成功时,则为新型未知的细胞类型或细胞亚型。
8.一种采用权利要求1-7任一项基于矩阵分解的迭代分块矩阵补全的细胞类型分类方法的系统,其特征在于:包括数据预处理模块、分块矩阵补全模块和分类模块,数据预处理模块,对获取的单细胞测序数据,进行预处理,得到大小为m×n的基因表达矩阵M,计算基因表达矩阵M中每个基因出现的频次,并进行排序,获得排序后的基因表达矩阵P;
分块矩阵补全模块,将排序后的基因表达矩阵P按列进行切分,切分为k个相同大小的分块矩阵V,对切分后的每个分块矩阵V使用低秩矩阵分解算法,将其分解为W和H两个矩阵的乘积,计算W和H的乘积矩阵与分块矩阵V的误差E,不断迭代更新W和H,直至误差E小于设定阈值时,将分解获得的迭代矩阵和和分块矩阵V进行比较,对分块矩阵V中的非零点保持不变,对零点确认是否为生物零点,保留生物零点不进行补全,在该零点不是生物零点时则为技术零点,对技术零点进行替换补全,获得除生物零点外补全后的分块基因表达矩阵;将所得除生物零点外补全后的分块基因表达矩阵,拼接合成完整矩阵,即为补全后的完整基因表达矩阵;
分类模块,使用监督学习分类算法构建分类模型,进而预测输入的单细胞补全后的完整基因表达矩阵数据的细胞类型。