基于生成对抗网络和对比学习框架的空间转录组学细胞类型反卷积方法

本发明公开一种基于生成对抗网络和对比学习框架的空间转录组学细胞类型反卷积方法，所述方法包括：首先通过使用组织学图像和空间位置信息来增强基因表达矩阵；然后结合GraphSAGE和自监督对比学习来优化空间转录组学数据的特征表示，重构出高质量空间基因表达数据；使用变分自动编码器提取单细胞RNA测序数据基因表达特征，同时利用判别器优化生成样本的质量，以实现高效的特征提取和准确的基因表达重构；最后，通过对比学习和基于低秩表示的映射矩阵学习，将单细胞RNA测序数据映射到空间点中，从而预测每个点的细胞类型。该模型综合考虑单细胞RNA测序和空间转录组学数据中的多模态信息，通过构建和优化映射矩阵，从而实现对每个空间点的细胞类型预测。