一种基于深度学习的单细胞RNA测序细胞类型注释方法及系统

本发明涉及生物信息学技术领域，尤其涉及一种基于深度学习的单细胞RNA测序细胞类型注释方法及系统。其技术方案包括：整合scRNA‑seq、表观遗传及蛋白质组数据，通过跨模态对齐映射到共享特征空间；动态调整相似度阈值生成细胞动态关系图；设计混合网络架构，结合动态图神经网络提取局部拓扑特征与轻量级Transformer捕捉全局基因交互；利用跨模态对比学习进行自监督预训练生成通用细胞表征；通过适配器模块迁移学习适配目标数据，结合动态焦点损失监督微调；基于差分隐私与同态加密实现联邦学习安全聚合，在保护隐私的同时提升模型泛化性。本发明通过整合scRNA‑seq、表观遗传数据及蛋白质组数据，多模态数据相互补充，能更精准地刻画细胞特征，显著提升注释准确性。