多细胞生物依赖多种分化的细胞密切合作,共同完成复杂的生命活动。通过对单个细胞和细胞间的相互作用分析来揭示生物体内的活动,可以达到对细胞间差异的发现和对疾病进行精准治疗的目标。在对细胞中蕴含的信息进行研究时,会采用不同的技术进行研究与分析。随着单细胞研究投入的增加,单细胞相关技术大量涌现,积累了大量相关数据。然而,研究者们难以从海量的数据中获得有效的信息,提出快速高效的机器学习算法对单细胞相关技术的研究热点进行自动抽取和智能分析,已成为生物信息学领域亟待解决的问题之一。本文基于机器学习方法对2009年至2019年的单细胞技术研究论文进行了研究热点自动抽取。通过对抽取后的热点进行分析,对单细胞相关技术的研究趋势与发展方向进行了预测,希望能够为单细胞研究学者在开展相关研究时提供决策支持。本文首先从Pub Med中提取了与单细胞技术相关的论文全文和论文摘要数据集,构建了基于自然语言处理方法的研究热点抽取模型,分别对论文全文和论文摘要数据进行热点抽取。然后,对抽取后的热点结合Me SH数据库进行实体过滤,并从解刨学、化学品和药物、疾病三个角度对单细胞技术的研究热点进行分析。最后,基于DAVID工具对抽取后的热点进行基因分析,从疾病和基因的Pathway两方面对论文全文和论文摘要的数据进行了分析,将分析结果借助作图工具进行了可视化展示。该文工作取得的成果能够为生物医学相关研究人员提供数据支持和理论依据。