基于深度学习模型的肿瘤Bulk样本RNA-seq测序数据反卷积方法

本发明涉及一种基于深度学习模型的肿瘤Bulk样本RNA‑seq测序数据反卷积方法，整合多个包含肿瘤细胞的scRNA‑seq数据集，进行细胞注释，构建scRNA‑seq参考数据集并生成伪Bulk RNA‑seq数据集；随后对两数据集进行标准化和基因筛选，并输入到两编码器中，提取深层潜在特征，将提取的特征反卷积为细胞比例和细胞特异性基因表达矩阵；通过误差反向传播算法和梯度下降方法对模型参数进行迭代，最终保存验证效果最佳的模型权重；本发明通过深度学习结合scRNA‑seq参考数据集的构建与注释，实现了数据的高效反卷积，采用随机采样生成伪Bulk数据进行训练，提高了模型的泛化能力和预测精度。