一种基于跨域特征交叉迁移的单细胞转录反应预测算法

本发明提出了一种基于跨域特征交叉迁移的单细胞转录反应预测算法，利用深度学习技术进行药物筛选。该算法结合了特征解耦、跨域迁移学习和线性建模方法，具体包括：编码器解耦特征、特征交叉迁移、扰动状态建模和转录谱预测。本发明首次将跨域迁移学习应用于药物或基因扰动诱导的细胞反应预测领域，通过使用基因转录谱数据构建模型。该实施例中，预测的药物扰动转录谱与真实转录谱之间的全基因组决定系数达0.81，差异基因组决定系数达0.62，成功实现了对单细胞外部扰动反应的高效预测，这为肿瘤治疗领域提供了新的思路和方法，也为未来的药物研发提供了有益的借鉴。