基于锚点选择与图学习协同优化的单细胞多组学整合方法

本发明公开一种基于锚点选择与图学习协同优化的单细胞多组学整合方法，该方法对单细胞多组学数据使用K‑means方法生成簇中心作为初始化锚点，利用多视图子空间方法建立特异性组学锚图和共享锚图，设计图卷积网络和锚点学习协同优化的策略自适应地更新锚点，以更好地适应数据的多视图特征，使学习到的锚点精确代表组学信息；设计层次化图注意力模块，从共享锚图数据出发挖掘特征的复杂关系，以丰富得到的组学表示；共性融合补全模块中，利用共享高阶信息图表示对组学特异性锚图表示进行补全，对补全后的结果进行融合后进行聚类，得到最终的结果。本发明可以整合单细胞RNA数据与ATAC数据，在细胞类型注释等下游任务中，获得较好的结果。