一种基于集成学习策略的单细胞转录组数据集成分类算法

吉林大学学报(理学版) ›› 2021, Vol. 59 ›› Issue (5): 1252-1255.

一种基于集成学习策略的单细胞转录组数据集成分类算法

刘桂锋¹, 于绍楠¹, 崔璐²

1. 吉林大学中日联谊医院放射线科, 长春 130033; 2. 吉林大学中日联谊医院医疗保险管理部, 长春 130033

收稿日期:2021-05-18 出版日期:2021-09-26 发布日期:2021-09-26
通讯作者: 崔璐 E-mail:cuilu@jlu.edu.cn

An Ensemble Classification Algorithm for Single Cell Transcriptome Data Based on Ensemble Learning Strategy

LIU Guifeng¹, YU Shaonan¹, CUI Lu²

1. Department of Radiology, China-Japan Union Hospital of Jilin University, Changchun 130033, China;
2. Department of Medical Insurance, China-Japan Union Hospital of Jilin University, Changchun 130033, China

Received:2021-05-18 Online:2021-09-26 Published:2021-09-26

摘要/Abstract

摘要： 针对单细胞转录组数据上细胞分类准确率较低的问题, 提出一种新的细胞集成分类算法. 该方法能充分利用不同分类模型的优点, 降低单细胞数据的分类误差. 分别在慢性粒细胞白血病单细胞测序数据和三阴性乳腺癌单细胞测序数据两个不同数据集上进行实验验证, 实验结果表明，由集成算法划分的细胞分类更清晰准确, 验证了该算法的有效性.

关键词: 单细胞转录组, 集成分类模型, k-近邻算法, 支持向量机

Abstract: Aiming at the problem of low accuracy of the cell classification of single cell transcriptome data, we proposed a novel cell ensemble classification algorithm. The algorithm could make full use of advantages of different classification models and reduce the classification error of single cell data. The experimental results on a chronic myeloid leukemia data and a triple-negative breast cancer data show that the cell classification based on the ensemble algorithm is more clear and accurate, which verifies the effectiveness of the proposed algorithm.

Key words: single cell transcriptome, ensemble classification model, k-nearest neighbor algorithm, support vector machine

中图分类号:

TP751

刘桂锋, 于绍楠, 崔璐. 一种基于集成学习策略的单细胞转录组数据集成分类算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1252-1255.

LIU Guifeng, YU Shaonan, CUI Lu. An Ensemble Classification Algorithm for Single Cell Transcriptome Data Based on Ensemble Learning Strategy[J]. Journal of Jilin University Science Edition, 2021, 59(5): 1252-1255.

[1]	聂逯松, 常方圆, 常学智, 刘畅, 金有为, 刘国晟, 付加胜, 韩霄松. 一种新型的自适应多核学习算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1212-1218.
[2]	刘颖, 杜星秋, 温东欣, 唐伟宁, 张洪明. 基于TLSmote-SVM的非均衡用户窃漏电诊断算法[J]. 吉林大学学报(理学版), 2021, 59(1): 136-142.
[3]	杨健, 杨超宇, 李慧宗. 基于二维离散小波的生成图像鉴别方法[J]. 吉林大学学报(理学版), 2019, 57(3): 619-626.
[4]	朱超平, 任继平. 基于智能优化算法的物联网异构数据融合方法[J]. 吉林大学学报(理学版), 2019, 57(3): 627-632.
[5]	周水生, 姚丹. 一种改进的LSTSVM增量学习算法[J]. 吉林大学学报(理学版), 2018, 56(4): 909-916.
[6]	杨永强, 李淑红. 最小二乘支持向量机的点云数据孔洞修补算法[J]. 吉林大学学报(理学版), 2018, 56(3): 692-696.
[7]	徐中宇, 苏明玉, 姚庆安. 基于改进PSO算法的混合核SVM算法[J]. 吉林大学学报(理学版), 2018, 56(3): 625-630.
[8]	周水生, 周艳玲, 姚丹, 王保军. 基于QR分解的稀疏LSSVM算法[J]. 吉林大学学报(理学版), 2018, 56(2): 347-354.
[9]	郭凯文, 潘宏亮, 侯阿临. 基于特征选择和聚类的分类算法[J]. 吉林大学学报(理学版), 2018, 56(2): 395-398.
[10]	赵玉兰, 苑全德, 孟祥萍. 基于稀疏编码和机器学习的多姿态人脸识别算法[J]. 吉林大学学报(理学版), 2018, 56(2): 340-346.
[11]	刘颖, 张丽娟, 韩亚男, 庞丽艳, 王帅. 基于粒子群协同优化算法的供应链金融信用风险评价模型[J]. 吉林大学学报(理学版), 2018, 56(1): 119-125.
[12]	杨琦. 融合Morlet小波与GA优化多模态核的轴承故障检测算法[J]. 吉林大学学报(理学版), 2018, 56(1): 101-108.
[13]	刘颖, 王丽敏, 姜建华, 赵成丽, 张池军, 孙铁铮. 基于离群点剔除的SVM信用风险评价方法[J]. 吉林大学学报(理学版), 2016, 54(06): 1395-1400.
[14]	邓江洪, 赵领. 多特征筛选与支持向量机相融合的图像分类模型[J]. 吉林大学学报(理学版), 2016, 54(04): 862-866.
[15]	李家伟. 基于证据理论和支持向量机的风机故障智能诊断[J]. 吉林大学学报(理学版), 2016, 54(03): 609-612.