一种基于自注意力网络和对比学习的单细胞测序数据聚类方法

本发明公开了一种基于自注意力网络和对比学习的单细胞测序数据聚类方法，该方法首先通过主成分分析对细胞表达矩阵进行降维，构建聚合细胞集和对比学习样本细胞集。其次将细胞表达矩阵和聚合细胞集输入到特征提取组件中，使用自注意力神经网络学习每个细胞的降维特征，并为每个细胞构建正样本对。然后基于正样本对，使用细胞级和聚类级两个对比学习模块分别对降维特征进行训练优化。最后使用Leiden算法对优化后的降维特征进行聚类。本发明在特征学习的过程中能够利用到细胞之间的关系来聚合特征，使学习到的细胞特征更有利于提升聚类效果。