一种基于双视图图神经网络的多阶段基因调控网络推断方法

本发明公开一种基于双视图图神经网络的多阶段基因调控网络推断方法，首先，给定单细胞基因表达数据，通过特征增强模块优化输入特征；随后，运用多阶段混合自监督预训练策略对网络进行预训练，此策略结合了基于GAT和Graph Transformer的掩码特征重建，以及包含同质视图与异质视图的对比学习，旨在捕获基因特征的深层表示并得到预训练模型。然后，在预训练模型基础上，通过多阶段监督微调策略进一步优化模型参数，该微调策略包括编码器与门控融合模块的初步联合微调、仅针对门控融合模块的细致微调、以及整体模型的端到端联合微调，最终运用解码器完成转录因子与目标基因间调控关系的精确预测。本发明提出的多阶段预训练与微调相结合的方法，以及双视图特征的动态融合，能够有效提升基因调控网络推断的准确性和鲁棒性。