1.一种单细胞微小核糖核酸miRNA海绵网络推理方法，其特征在于，包括：

获取多个细胞中每个细胞各自对应的多个第一靶基因的表达谱数据、多个第二靶基因的表达谱数据、以及miRNA的表达谱数据；

根据预设的miRNA‑靶基因调控关系数据和所述每个细胞各自对应的多个第一靶基因的表达谱数据、多个第二靶基因的表达谱数据、以及miRNA的表达谱数据，确定所述每个细胞中的miRNA海绵竞争关系对；所述miRNA海绵竞争关系对是指竞争关系参数满足预设条件的第一靶基因和第二靶基因；

根据所述每个细胞中的miRNA海绵竞争关系对，确定所述每个细胞的miRNA海绵网络；

所述竞争关系参数包括：第一靶基因和第二靶基因之间的共享miRNA的显著性值、第一靶基因和第二靶基因之间的正相关系数的显著性值、以及第一靶基因和第二靶基因之间的敏感相关系数的显著性值；

所述根据预设的miRNA‑靶基因调控关系数据和所述每个细胞各自对应的多个第一靶基因的表达谱数据、多个第二靶基因的表达谱数据、以及miRNA的表达谱数据，确定所述每个细胞中的miRNA海绵竞争关系对，包括：根据预设的miRNA‑靶基因调控关系数据和所述每个细胞各自对应的多个第一靶基因的表达谱数据、多个第二靶基因的表达谱数据、以及miRNA的表达谱数据，确定所述每个细胞中任意一对第一靶基因和第二靶基因的共享miRNA的显著性值、所述正相关系数的显著性值、以及所述敏感相关系数的显著性值；

将所述每个细胞中任意两个共享miRNA的显著性值小于第一阈值、正相关系数的显著性值小于第二阈值、且敏感相关系数的显著性值小于第三阈值的第一靶基因和第二靶基因作为所述miRNA海绵竞争关系对；

针对所述多个细胞中任意一个第一细胞所对应的正相关系数的显著性值，所述根据预设的miRNA‑靶基因调控关系数据和所述每个细胞各自对应的多个第一靶基因的表达谱数据、多个第二靶基因的表达谱数据、以及miRNA的表达谱数据，确定所述每个细胞中任意一对第一靶基因和第二靶基因的共享miRNA的显著性值、所述正相关系数的显著性值、以及所述敏感相关系数的显著性值，包括：按照下述公式计算所述正相关系数的显著性值：

其中， 表示所述第一细胞的第一靶基因和第二靶基因之间的相关系数；c表示所述多个细胞的细胞个数；rxy表示去除所述第一细胞之前所述第一靶基因和所述第二靶基因的相关系数； 表示去除所述第一细胞之后所述第一靶基因和所述第二靶基因的相关系数；

其中， 表示归一化的 表示所述第一细胞内所有相关系数的均值； 表

示所述第一细胞内所有相关系数的标准差；

其中， 表示所述正相关系数的显著性值； 表示利用pnorm函数计算

标准正态分布随机数小于 的概率；

针对所述多个细胞中任意一个第一细胞所对应的敏感相关系数的显著性值，所述根据预设的miRNA‑靶基因调控关系数据和所述每个细胞各自对应的多个第一靶基因的表达谱数据、多个第二靶基因的表达谱数据、以及miRNA的表达谱数据，确定所述每个细胞中任意一对第一靶基因和第二靶基因的共享miRNA的显著性值、所述正相关系数的显著性值、以及所述敏感相关系数的显著性值，包括：按照下述公式计算所述敏感相关系数的显著性值：

其中， 表示在共享基因z的条件下，所述第一细胞的第一靶基因和第二靶基因之间的偏相关系数，所述基因z为miRNA；rxy|z表示去除所述第一细胞之前所述第一靶基因和所述第二靶基因的偏相关系数； 表示去除所述第一细胞之后所述第一靶基因和所述第二靶基因的偏相关系数；

其中， 表示在所述第一细胞中，第一靶基因和第二靶基因之间的敏感相关系数；

其中， 表示归一化的 表示所述第一细胞内所有敏感相关系数的均值；

表示第一细胞内所有敏感系数的标准差；

其中， 表示所述敏感相关系数的显著性值； 表示 的绝对值；

表示利用pnorm函数计算标准正态分布随机数小于 的概率。

2.根据权利要求1所述的方法，其特征在于，针对所述多个细胞中任意一个第一细胞所对应的共享miRNA的显著性值，所述根据预设的miRNA‑靶基因调控关系数据和所述每个细胞各自对应的多个第一靶基因的表达谱数据、多个第二靶基因的表达谱数据、以及miRNA的表达谱数据，确定所述每个细胞中任意一对第一靶基因和第二靶基因的共享miRNA的显著性值、所述正相关系数的显著性值、以及所述敏感相关系数的显著性值，包括：按照下述公式计算所述共享miRNA的显著性值：

其中，p表示所述共享miRNA的显著性值；N表示所述多个细胞对应的miRNA的表达谱数据中miRNA的个数；M表示所述多个细胞对应的miRNA的表达谱数据中，与所述第一细胞对应的第一靶基因相互作用的miRNA的个数；K表示所述多个细胞对应的miRNA的表达谱数据中，与所述第一细胞对应的第二靶基因相互作用的miRNA的个数；L表示表示所述第一细胞的第一靶基因和第二靶基因共享的miRNA的个数。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述多个细胞的miRNA海绵网络，得到所述多个细胞的miRNA海绵网络相似性矩阵；

根据所述多个细胞的miRNA海绵网络相似性矩阵，得到单细胞距离矩阵；

基于所述单细胞距离矩阵，利用层次聚类法对所述多个细胞进行层次聚类分析，得到多个类别的细胞。

4.根据权利要求1‑3任一项的方法，其特征在于，所述第一靶基因和所述第二靶基因为以下任意一种：长链非编码RNA、环状RNA、伪基因、以及信使RNA。

5.一种单细胞微小核糖核酸miRNA海绵网络推理装置，其特征在于，包括：获取模块和处理模块；

所述获取模块，用于获取多个细胞中每个细胞各自对应的多个第一靶基因的表达谱数据、多个第二靶基因的表达谱数据、以及miRNA的表达谱数据；

所述处理模块，用于根据预设的miRNA‑靶基因调控关系数据和所述每个细胞各自对应的多个第一靶基因的表达谱数据、多个第二靶基因的表达谱数据、以及miRNA的表达谱数据，确定所述每个细胞中的miRNA海绵竞争关系对；所述miRNA海绵竞争关系对是指竞争关系参数满足预设条件的第一靶基因和第二靶基因；根据所述每个细胞中的miRNA海绵竞争关系对，确定所述每个细胞的miRNA海绵网络；

所述竞争关系参数包括：所述第一靶基因和所述第二靶基因之间的共享miRNA的显著性值、所述第一靶基因和所述第二靶基因之间的正相关系数的显著性值、以及所述第一靶基因和所述第二靶基因之间的敏感相关系数的显著性值；所述处理模块，具体用于根据预设的miRNA‑靶基因调控关系数据和每个细胞各自对应的多个所述第一靶基因的表达谱数据、多个所述第二靶基因的表达谱数据、以及所述miRNA的表达谱数据，确定每个细胞中任意一对所述第一靶基因和所述第二靶基因的共享miRNA的显著性值、正相关系数的显著性值、以及敏感相关系数的显著性值；将每个细胞中任意两个共享miRNA的显著性值小于第一阈值、正相关系数的显著性值小于第二阈值、且敏感相关系数的显著性值小于第三阈值的第一靶基因和第二靶基因作为所述miRNA海绵竞争关系对；

针对所述多个细胞中任意一个第一细胞所对应的正相关系数的显著性值，所述处理模块，用于按照下述公式计算所述正相关系数的显著性值：其中， 表示所述第一细胞的第一靶基因和第二靶基因之间的相关系数；c表示所述多个细胞的细胞个数；rxy表示去除所述第一细胞之前所述第一靶基因和所述第二靶基因的相关系数； 表示去除所述第一细胞之后所述第一靶基因和所述第二靶基因的相关系数；

其中， 表示归一化的 表示所述第一细胞内所有相关系数的均值；

表示所述第一细胞内所有相关系数的标准差；

表示所述正相关系数的显著性值； 表示利用pnorm函数计算

标准正态分布随机数小于 的概率；

针对所述多个细胞中任意一个第一细胞所对应的敏感相关系数的显著性值，所述处理模块，用于按照下述公式计算所述敏感相关系数的显著性值：其中， 表示在共享基因z的条件下，所述第一细胞的第一靶基因和第二靶基因之间的偏相关系数，所述基因z为miRNA；rxy|z表示去除所述第一细胞之前所述第一靶基因和所述第二靶基因的偏相关系数； 表示去除所述第一细胞之后所述第一靶基因和所述第二靶基因的偏相关系数；

其中， 表示在所述第一细胞中，第一靶基因和第二靶基因之间的敏感相关系数；

其中， 表示归一化的 表示所述第一细胞内所有敏感相关系数的均值；

表示第一细胞内所有敏感系数的标准差；

其中， 表示所述敏感相关系数的显著性值； 表示 的绝对值；

表示利用pnorm函数计算标准正态分布随机数小于| 的概率。

6.一种电子设备，其特征在于，包括处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行机器可读指令，以执行权利要求1‑4任一项的方法。

7.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行权利要求1‑4任一项的方法。