基于DAE的单细胞RNA测序数据聚类研究

作者：何慧茹; 李晓峰; 张鑫; 柳楠

来源：现代电子技术, 2020, 43(24): 144-148.

DOI：10.16652/j.issn.1004-373x.2020.24.036

• 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

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。

• 单位
  山东建筑大学