一种基于图表示学习的基因调控网络推断方法及系统

本发明涉及一种基于图表示学习的基因调控网络推断方法及系统，该方法包括：通过单细胞RNA测序数据构建基因调控网络数据集，将已知相互作用的基因对作为正样本，未知相互作用的基因对作为负样本，并随机划分为训练集、验证集和测试集；将训练集中的先验基因调控网络和基因表达谱输入到预构建的基因调控网络推断模型中进行迭代训练，得到基因对预测值；构建包含图对比学习正则项的损失函数，计算预测值与真实值之间的损失值来更新模型参数，当训练轮次达到阈值时，输出模型训练参数，并加载到模型中，对未知相互作用的基因对进行调控关系预测。本发明解决了传统生物实验成本高和现有计算模型精度低的问题，提高了基因调控网络的推断精度。