本发明涉及分子生物学领域，尤其涉及一种针对单细胞转录组数据的降噪声算法。
背景技术：
单细胞转录组数据测量的是每一个细胞中基因的表达量，并由此鉴定出不同类型细胞的区别。单细胞技术可以揭示同一组织中细胞的多样性，因此已经被广泛应用于很多基础生物医学领域的研究中，比如组织发育和癌症等。然而由于每个细胞中所含的RNA数量有限，这使得单细胞转录组数据中往往较传统转录组数据含有更多的技术噪声。技术噪声的存在会极大的影响数据的解读和细胞类型的判定。
针对广泛存在的技术噪音，目前主要依靠人工判定的方法，去除受噪声影响大的基因。由于表达量低的基因往往受噪声影响比较大，这部分基因通常被除去。同时，在不同细胞间表达量波动小的基因可以被认为对细胞分类无贡献，这部分基因通常也可以被除去。然而，这种方法受研究者主观因素影响很大，并有可能将真正的差异表达基因去除掉，从而引起数据信息损失。
针对单细胞转录组数据的自动去噪算法还比较少。Bo Ding最近提出了一种算法通过建立RNA浓度与转录组数据FPKM数值之间的回归模型，降低噪声水平。但是这种方法并不能有效的降低那些低表达基因的噪声水平，并可能引起更多的偏差，因为相对于低表达水平的基因，它们的FPKM值并不能反映其真实RNA浓度。
因此，本领域的技术人员致力于开发一种针对单细胞转录组数据的降噪声算法，摒除了人为因素的干扰，从而提高了数据处理效率，降低了信息丢失的可能性。
技术实现要素：
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何去除单细胞转录组数据中的技术噪声。
为实现上述目的，本发明提供了一种针对单细胞转录组数据的降噪声算法，包括：
步骤1、计算每一个基因的平均表达水平μ和方差σ2；
步骤2、μ和σ2被配置为有以下关系：σ2＝a0μ2+a1μ；
步骤3、通过使用回归模型建立μ和σ2之间的关系，从而估计a0，a1的值。基于估计的a0，a1和每一个基因的平均表达水平，噪声的方差水平σ02用a0μ2+a1μ来估计；
步骤4、建立数据读数筛选准则；
步骤5、输出的结果中只包含高可靠的基因表达数值。
进一步地，所述步骤2中，使用通用线性(GLM)回归模型来计算公式中的系数a0和a1。
进一步地，所述数据读数筛选准则包括：
(1)对于一个基因，基于μ和σ02计算95％置信区间，如果该区间包括零点，则该基因被认为噪声污染基因；
(2)如果一个基因，其表达水平方差σ2<σ02，则该基因被认为噪声污染基因；
(3)对于一个基因在某一个细胞中的表达量读数x，如果x<σ0，则认为该数值的信号噪声比<1，此时x被设为0。
本发明的优点是可以全自动的判定数据的可靠性，从而找出受噪声影响的大基因表达值读数。这个过程基于统计最优化原则，摒除了人为因素的干扰，从而提高了数据处理效率，降低了信息丢失的可能性。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的算法运行流程图。
具体实施方式
以下结合具体实施步骤和附图，对本发明作进一步的详细说明。实施本发明的过程、条件、实验方法等，除以下专门提及的内容之外，均为本领域的普遍知识和公知常识，对于本领域公知的一些技术特征未进行描述，本发明没有特别限制内容。
本发明提出了一种针对单细胞转录组数据的降噪声算法，包括：
步骤1、计算每一个基因的平均表达水平和表达水平方差；
步骤2、建立平均表达水平和方差之间的回归模型；
步骤3、利用建立的回归模型，估计噪声的方差；
步骤4、利用自定义的准则，对数据进行筛选，去除受噪声影响大的读数。
参照图1，具体实施步骤包括：
步骤1、计算每一个基因的平均表达水平μ和方差σ2；
步骤2、μ和σ2有以下关系：σ2＝a0μ2+a1μ，使用通用线性(GLM)回归模型来计算公式中的系数a0和a1；
步骤3、已知a0，a1和μ，噪声的方差水平σ02可以用a0μ2+a1μ来估计；
步骤4、建立可靠数据读数筛选准则：(1)对于一个基因，基于μ和σ02计算95％置信区间，如果该区间包括零点，则该基因被认为噪声污染基因；(2)如果一个基因，其表达水平方差σ2<σ02，则该基因被认为噪声污染基因；(3)对于一个基因在某一个细胞中的表达量读数x，如果x<σ0，这认为该数值的信号噪声比<1，此时x被设为0；
步骤5、输出的结果中只包含高可靠的基因表达数值。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。