单细胞转录组测序(scRNA-seq)是近年来一项突破性的技术,其在单细胞分辨率下测定RNA水平并推断基因表达谱,为全面揭示细胞之间基因表达的差异性提供了有力工具。基于单细胞的生命科学研究为探究重大疾病的起因、发展和治疗提供更可靠的科学依据。通过基于转录组相似性的无监督聚类来定义细胞类型已经成为scRNA-seq最强大的应用之一。然而,由于从单个细胞获得的RNA初始量较低,scRNA-seq数据通常显示出较高的噪声水平和过多的零值。区别于真实基因表达的“假”的零计数值被定义为dropout。如果不重视这一固有噪声,其必然会破坏潜在的生物信号并妨碍下游分析。因此需要针对越来越大且高维稀疏的scRNA-seq数据提出一种可扩展的去噪方法。另一方面,目前大部分的研究其特征学习和聚类任务是相互独立的,然而这种通过分步得到的聚类结果通常是次优的。本文针对以上问题,首先对scRNA-seq数据进行预处理工作以保证数据质量,包括细胞过滤、基因过滤及归一化等。然后对scRNA-seq数据的分布作出合理假设,采用零膨胀负二项分布模型(ZINB)来刻画scRNA-seq数据的生成过程。接着基于该假设提出自编码器模型的专用目标损失,以无监督的方式学习基因特异性分布参数,在实现降维的同时捕获底层真正的数据流形,从而去除dropout噪声的影响。在此基础上进一步结合深度嵌入聚类(DEC)算法,将ZINB损失与聚类损失进行集成,旨在改进嵌入表示的同时优化聚类分配,并保留模型去噪的优势。本文对自动编码器设置不同的瓶颈层大小以进行对比,并通过多次试验选择最佳的聚类数目k。最后本文应用模拟与真实数据集,通过与现有方法对比,全面评估模型性能。实验结果表明,本文模型能够更好地解释数据中的非线性关系,有效地表征过度分散和零膨胀的scRNA-seq数据,证实其对于dropout噪声具有鲁棒性,且能够改善聚类分析,增强生物发现。