1.一种基于Transformer模型预测的单细胞RNA测序数据聚类方法，其特征在于所述方法包括如下步骤：步骤1）获取单细胞RNA测序数据：

从公共数据库获取公开的单细胞RNA测序数据集；

步骤2）数据预处理：

步骤21）对于步骤1）获取到的单细胞RNA测序数据，使用R包Seurat中的SCTransform函数对其进行预处理；

步骤22）将经过SCTransform处理后的Seurat对象中的标准化表达数据保存到新的CSV文件中；

步骤3）基于PCA和K-means的细胞簇类识别：步骤31）从步骤2）预处理后的基因表达矩阵中加载数据；

步骤32）确定要进行降维的目标维度集合，针对每个维度值，依次对基因表达矩阵进行PCA降维，将高维的基因表达数据转换为低维的特征空间；

步骤33）在降维的数据上分别应用K-means聚类算法，将细胞样本划分为预先定义K值的簇；

步骤34）将每个维度下得到的聚类结果整合；

步骤4）基于加权集成的元聚类方法处理：

步骤41）计算细胞权重；

步骤42）计算加权簇间相似度；

步骤43）基于加权簇间相似度矩阵进行聚类；

步骤44）通过投票方案确定最终结果；

步骤5）计算投票置信度划分训练集：

步骤51）每个细胞根据在多次聚类中被分配到的簇，进行投票；

步骤52）根据每个簇类的得票数，得出每个细胞在各个簇类上的置信度，拥有最高置信度的簇类被指定为细胞的所属簇类；

步骤53）对每个簇类中的细胞对应的置信度进行排序，并将置信度高的前30%的细胞提取出作为Transformer模型的训练集；

步骤6）引入基于Transformer模型的训练和预测：步骤61）将每个簇中置信度高的前30%的细胞以及每个簇类包含的所有细胞分别作为训练集和验证集；

步骤62）构建Transformer模型，并使用训练集数据对构建的Transformer模型进行训练；

步骤63）使用训练好的Transformer模型对预处理过的基因表达矩阵进行处理，对每个细胞样本进行聚类标签的预测，同时，将预测结果保存为一个新的聚类标签结果，供后续的数据分析和应用使用。

2.根据权利要求1所述的基于Transformer模型预测的单细胞RNA测序数据聚类方法，其特征在于所述步骤41）的具体步骤如下：步骤411）将每个降维维度下的聚类结果转换为共定位相似性矩阵步骤412）根据单细胞对之间的聚类结果一致性，将共定位相似性矩阵

3.根据权利要求1所述的基于Transformer模型预测的单细胞RNA测序数据聚类方法，其特征在于所述步骤42）的具体步骤如下：步骤421）根据权重矩阵

步骤422）计算加权簇间相似度：给定两个簇

4.根据权利要求1所述的基于Transformer模型预测的单细胞RNA测序数据聚类方法，其特征在于所述步骤43）中，采用"ward.D"的层次聚类方法对得到的相似度矩阵进行聚类。

5.根据权利要求1所述的基于Transformer模型预测的单细胞RNA测序数据聚类方法，其特征在于所述步骤44）中，根据步骤43）的聚类结果重组多个降维维度下的聚类结果，并通过投票方案确定每个细胞的所属簇类结果。