典型文献
基于异构并行计算的单细胞测序数据聚类算法
文献摘要：
随着单细胞RNA测序技术的发展,目前单细胞测序通量由上千细胞发展到主流上万细胞的规模.基于单细胞RNA测序数据的细胞分型是研究细胞的重要问题之一,该问题主要运用无监督聚类方法.现有针对大规模单细胞测序数据的聚类方法通过简化细胞关系网络来降低时间复杂度,从而导致细胞分型准确度降低.而常见较高准确度的细胞分型方法无法处理大规模数据.为此,采用将k最近邻与细胞相似度阈值结合构建全新的细胞关系网络,并采用CPU+GPU异构并行计算提高运算速度,通过改进的马尔科夫聚类算法进行细胞聚类.通过在七个较大规模单细胞数据集上实验,发现该算法比现有主要算法具有更好的聚类准确度,从而适合基于主流单细胞测序技术数据的细胞分型.
文献关键词：
单细胞RNA测序;无监督聚类;并行计算;细胞分型
中图分类号：
作者姓名：
谢林娟;李荔瑄;张少强
作者机构：
天津师范大学 计算机与信息工程学院,天津 300387
文献出处：
引用格式：
[1]谢林娟;李荔瑄;张少强-.基于异构并行计算的单细胞测序数据聚类算法)[J].计算机工程与应用,2022(24):83-89
A类：
马尔科夫聚类
B类：
异构并行,并行计算,序数,数据聚类,聚类算法,上千,流上,上万,细胞分型,无监督聚类,聚类方法,关系网络,来降,时间复杂度,高准确度,分型方法,大规模数据,最近邻,相似度阈值,CPU+GPU,七个,单细胞测序技术,技术数据
AB值：
0.272779
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
