技術(shù)特征：

1.單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)輔助ad分析分類的方法，其特征在于包括以下步驟：

2.根據(jù)權(quán)利要求1所述的單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)輔助ad分析分類的方法，其特征在于所述數(shù)據(jù)質(zhì)量控制方法包括：

3.根據(jù)權(quán)利要求1所述的單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)輔助ad分析分類的方法，其特征在于所述使用cellranger軟件對(duì)原始測(cè)序數(shù)據(jù)fastq文件進(jìn)行處理，生成基因表達(dá)矩陣；

4.根據(jù)權(quán)利要求1所述的單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)輔助ad分析分類的方法，其特征在于所述消除不同樣本間的技術(shù)偏差采用的方法包括：

5.根據(jù)權(quán)利要求1所述的單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)輔助ad分析分類的方法，其特征在于所述識(shí)別出ad患者和健康對(duì)照間顯著差異的基因方法構(gòu)建：

6.單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)輔助ad分析分類的模型構(gòu)建，其特征在于包括以下步驟：

7.根據(jù)權(quán)利要求6所述的單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)輔助ad分析分類的方法，其特征在于所述模型訓(xùn)練、優(yōu)化模型參數(shù)方法包括：

技術(shù)總結(jié)
本發(fā)明涉及單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)輔助AD分析分類的方法。從AD患者和年齡匹配的健康對(duì)照中獲取腦組織樣本，使用細(xì)胞分離技術(shù)對(duì)腦組織進(jìn)行處理；然后采用高通量單細(xì)胞轉(zhuǎn)錄組測(cè)序平臺(tái)對(duì)分離出的單細(xì)胞進(jìn)行測(cè)序，進(jìn)行數(shù)據(jù)質(zhì)量控制，去除低質(zhì)量細(xì)胞和低表達(dá)基因；對(duì)基因表達(dá)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，使用Log2轉(zhuǎn)換和Z?score標(biāo)準(zhǔn)化，消除不同樣本間的技術(shù)偏差；使用主成分分析PCA、t?SNE、UMAP的降維算法對(duì)高維數(shù)據(jù)進(jìn)行降維處理；利用包括DESeq2、EdgeR的差異表達(dá)分析識(shí)別出AD患者和健康對(duì)照間顯著差異的基因；采用GSEA進(jìn)行基因集富集分析和采用包括KEGG、GO進(jìn)行通路分析，確定與AD相關(guān)的關(guān)鍵基因通路和生物過程；將新樣本的單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)輸入訓(xùn)練好的分類模型，進(jìn)行AD分類預(yù)測(cè)。

技術(shù)研發(fā)人員：史宇晨,劉睿菲,孔慧梅,于倩,吳湘杰,胡靜
受保護(hù)的技術(shù)使用者：金華職業(yè)技術(shù)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6