一种基于特征解耦的单细胞空间转录组细胞定位与类型反卷积算法

本发明提出了一种基于特征解耦的单细胞空间转录组细胞定位与类型反卷积算法，利用深度学习技术进行单细胞伪空间重建和空间转录组细胞类型解卷积。该算法结合了特征解耦和跨域迁移学习方法，具体包括：编码器解耦特征、特征迁移、单细胞伪空间预测和空间转录组细胞类型组成预测。本发明首次将跨域迁移学习应用于同时预测单细胞伪空间和空间转录组细胞类型组成，通过使用基因转录谱数据构建模型。该实施例中，预测的单细胞空间的成对细胞距离与真实空间的成对细胞距离之间的皮尔逊相关系数达0.75，预测的空间转录组细胞类型组成与真实的细胞类型组成的皮尔逊相关系数达0.79，成功实现了对单细胞伪空间和空间转录组细胞类型组成的高效预测，这为解开细胞异质性领域提供了新的思路和方法。