一种基于自适应简化图卷积模型的无监督聚类方法

本发明提供了一种基于自适应简化图卷积模型的无监督聚类方法，用于识别单细胞RNA测序(scRNA‑seq)数据中的细胞亚群，涉及生物信息学和机器学习领域。我们将方法主要分为三个主要步骤：构建可信的细胞图、聚合邻近信息以及自适应确定最佳卷积层数。在第一步中，我们通过计算细胞之间的相似性或距离来构建细胞图。由于细胞亚群的多样性和高维度特性，我们采用简化图卷积方法来减少计算复杂度，同时保持图的结构特性。在第二步中，我们聚合邻近节点的信息，以捕获局部结构和细胞之间的潜在关联。在细胞图中，聚合邻近细胞的信息可以提高聚类的准确性。在第三步中，我们根据数据集的特性，自适应地选择最佳的卷积层数，以平衡模型复杂度和性能。