基于DAE的单细胞RNA测序数据聚类研究

• 作者: 何慧茹 张鑫 李晓峰 柳楠
• 来源期刊: 现代电子技术
• 关键词: 单细胞聚类 深度自动编码器 深度学习 K?means聚类 DBSCAN聚类 结果分析
• 年，卷（期）: 2020,（24）
• 所属期刊栏目: 前沿交叉科学
• 页码范围: 144-148
• 页数: 5页
• 分类号: TN919⁃34|TP391
• 语种: 中文
• DOI: 10.16652/j.issn.1004⁃373x.2020.24.036

摘要

传统数据降维方法处理单细胞RNA测序数据存在特征提取能力较差、聚类精度较低等问题,有必要引入深度学习方法以提高对复杂数据特征的提取能力.在对数据不进行任何人工筛选的条件下,利用DAE提取表达能力更强的数据特征,分别以K?means和DBSCAN聚类作为DAE的顶层设置形成DAE+K?means和DAE+DBSCAN组合模型,将这两种深度学习组合模型在Deng数据集上与传统聚类模型SC3进行对比.与SC3的0.73聚类精度相比,DAE+K?means和DAE+DBSCAN的聚类精度分别达到0.93和0.97,分别提高了0.2和0.24.实验结果表明,DAE在单细胞聚类领域具有广阔的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张鑫		124	1156	18.0	29.0
2	李晓峰		13	37	3.0	5.0
3	柳楠		8	15	2.0	3.0
4	何慧茹		2	0	0.0	0.0