CN108095685B - 一种基于互作网络正负关系比值的分类技术及其用途 - Google Patents

一种基于互作网络正负关系比值的分类技术及其用途 Download PDF

Info

Publication number
CN108095685B
CN108095685B CN201611127036.1A CN201611127036A CN108095685B CN 108095685 B CN108095685 B CN 108095685B CN 201611127036 A CN201611127036 A CN 201611127036A CN 108095685 B CN108095685 B CN 108095685B
Authority
CN
China
Prior art keywords
flora
interaction
positive
ratio
negative
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611127036.1A
Other languages
English (en)
Other versions
CN108095685A (zh
Inventor
马占山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunming Institute of Zoology of CAS
Original Assignee
Kunming Institute of Zoology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kunming Institute of Zoology of CAS filed Critical Kunming Institute of Zoology of CAS
Priority to CN201611127036.1A priority Critical patent/CN108095685B/zh
Publication of CN108095685A publication Critical patent/CN108095685A/zh
Application granted granted Critical
Publication of CN108095685B publication Critical patent/CN108095685B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种基于互作网络正负关系比值(P/N比值)的分类技术及其在区分疾病相关菌群中的应用。基于菌群细菌物种组成及物种相对丰度，构建正常菌群和待测菌群的互作网络，并以给定的正常菌群互作网络的P/N比值作为基准，根据待测菌群互作网络的P/N比值对待测菌群进行分类判定。本发明主要针对一类被称之为“微生物菌群相关”的疾病，如消化道疾病、细菌性阴道病、牙周炎等疾病。发明人通过分析人体包括肠道、阴道、肺、口腔及皮肤多个部位的微生物菌群数据发现：疾病组和健康组微生物互作网络的正负作用关系数量的比值(即P/N比值)存在显著差异。基于本发明提供的分类技术能快速有效地对待测菌群进行分类判定。

Description

一种基于互作网络正负关系比值的分类技术及其用途
技术领域
本发明涉及计算生物学和医疗健康领域，具体涉及一种利用互作网络中正负关系比值(P/N比值)的分类技术及其在区分疾病相关菌群中的应用。
背景技术
人体各个部位都存在着大量的微生物，除少数病原菌外，绝大大多数的微生物与宿主互利共存，相互影响。自人类微生物宏基因组计划(Human Microbiome Project，HMP)于2008年启动至今，已有大量的研究显示人体微生物菌群与人体的健康状况和疾病有着紧密的联系，特别是例如肥胖、结肠癌、皮炎、细菌性阴道病及牙周炎等疾病与人体微生物菌群的关系更为密切，这些疾病被称为“微生物相关疾病”。这些疾病的病因大多较为复杂，疾病的发展进程不易察觉，缺乏较好的早期诊断指标和更为方便可靠的个性化诊断方法，因此寻找一种可以评估人体健康状况并可以同时运用于多种微生物相关疾病的个性化诊断方法是非常重要的。
人体微生物作为一个微观生态系统，利用生态学理论和手段对其进行研究是必不可少的。现有的研究大多从物种多样性角度来寻找疾病与健康人体微生物菌群的不同，然而，许多微生物相关疾病并未影响患者微生物菌群的生物多样性，因此患者与健康个体间多样性指标，如物种丰度、多样性指数等显著性常无差异。此外，基于多样性的生态学方法多着眼于物种个体数即丰度本身，忽略了菌群内物种间存在的相互作用关系，而物种间的相互作用对宿主体内环境的变化会有较为为灵敏的应变能力，因此传统的多样性指标无法广泛应用于多种疾病的诊断和人体健康状况的评估当中。
网络分析现早已出现在包含了基因组学、蛋白质组学、代谢组学等在内的计算生物学和生物信息学的多个领域当中，然而在微生物菌群研究中仍未得到广泛的应用。网络分析可通过微生物个体间的相互作用关系寻找它们之间可能存在的功能联系，该方法基于传统生态学分析中所用到的物种丰度，将物种间的互作关系纳入分析进行了拓展。现在已有一些研究成功地将网络分析应用于人体微生物菌群分析当中。传统的网络属性如网络密度等大多忽略了网络中节点和边的信息，在微生物菌群互作网络中，每一个节点代表一个物种或一个操作分类单元(operational taxonomic unit，OTU)，而边则代表了两个物种或OTU间的相互作用关系。在菌群互作网络中作用关系为负的边多表示两者间存在抵制或抑制作用，而作用关系为正的边多表示两者为协同关系，这些作用关系在菌群网络功能实现中存在较为重要的地位，而疾病的发生发展会影响网络功能的实现，因此导致网络中物种间相互作用关系的改变。
本发明提出并验证了一种通过检测人体菌群互作网络中正负作用关系比值的方法在评估人体健康状况及个体化诊断微生物相关疾病中的应用。通过监控人体菌群网络中正负关系比值这一属性的变化情况可以为评估人体健康状况和疾病发生风险提供更为有效的方法，也为个性化诊断微生物菌群相关疾病提供可靠的指标和技术支持。
发明内容
本发明的目的在于将人体微生物互作网络中正负作用关系比值应用于人体健康状况的评估及疾病的诊断中，为利用人体微生物监控人体健康状况、诊断疾病提供有效的指标和可靠的技术支持。
本发明的具体实施步骤为：
通过查找和筛选获取三组微生物菌群数据：McHardy等人2013年公开发表的HIV阳性和阴性者肠道的微生物菌群数据；Lazarevic等人2010年公开发表的吸烟者和不吸烟者的口腔唾液微生物菌群数据；Kong等人2012年公开发表的特应性皮炎患者和健康人的皮肤微生物菌群数据；Srinivasan等人2012年公开发表的细菌性阴道病患者和健康人阴道的微生物菌群数据，以及Fodor等人2012年公开发表的肺纤维化患者急性加重期和接受治疗后呼吸道的微生物菌群数据。以微生物物种丰度(即每个物种对应的测序内容)为基础，分别计算三组数据中疾病组和健康组各物种间的相关系数，选取p≤0.05相互作用关系，利用Cytoscape软件构建互作网络图。
利用本发明的分类技术，计算五组数据中疾病组和健康组特定部位菌群互作网络中正负边比值，发现二者间存在非常显著的差异。菌群互作网络正负边比值可以很好的将健康菌群和疾病菌群区分开来，为利用人体微生物监控人体健康状况提供了方法和指标，也为疾病的早期诊断和防治做出了一定贡献。
本发明的有益效果在于提供了一种基于互作网络中正负关系比值(P/N比值)用于区分疾病相关菌群的分类技术，该分类技术是基于人体微生物菌群和互作网络分析所得的菌群互作网络中的P/N比值。利用本发明能快速有效地对待测菌群进行分类判定，可提高以人体微生物菌群为检测手段的检测准确度和灵敏度，为以微生物菌群为基础的健康监控和疾病诊断方法的应用带来了可能。
附图说明
图1是本发明的实施流程。
图2是HIV阳性患者和HIV阴性对照的肠道菌群互作网络。
图2(A)是HIV阳性患者的肠道菌群互作网络。
图2(B)是HIV阴性对照的肠道菌群互作网络。
图3细BV患者与健康对照的阴道菌群互作网络。
图3(A)是BV病患者的阴道菌群互作网络。
图3(B)是健康对照的阴道菌群互作网络。
具体实施方式
下面结合具体实施例对本发明做进一步的说明，但并不局限于此。
实施例1：比较HIV阳性患者与阴性对照肠道菌群互作网络中正负作用关系比值
本发明的计算流程如附图图1所示
数据来源：
McHardy等人2013年公开发表的HIV阳性和阴性者肠道的微生物菌群数据，样本采自20名未接受过抗逆转录病毒治疗的HIV患者和20名健康人的肠道粘膜。从样本中提取出DNA后，利用通用扩增出16S rDNA片段。利用Illumina HiSeq 2000测序平台进行测序后，通过生物信息学分析得到以97％相似性为基准聚类的OTU表，其中每个OTU代表一个物种，每一个样本中该OTU的测序内容代表该OTU在该样本内的物种丰度。
构建肠道菌群互作网络：
以菌群细菌物种组成及物种相对丰度为基础，分别计算HIV阳性组和HIV阴性对照组肠道菌群内OTU间的Spearman相关系数R，选取p≤0.05相互作用关系，其中相关系数R＜0表示OTU间为负相互作用关系，R＞0表示OTU间为正相互作用关系。利用Cytoscape 2.8.3绘制两组肠道菌群的相互作用关系网络，实验结果如附图图2所示，图中的每一个圆形节点代表一个OTU，两点间连线代表OTU间的相互作用关系，黑色边代表两点间为负相互作用关系，即为负边，灰色边代表两点间为正相互作用关系，即为正边。附图图2(A)为HIV阳性患者的肠道菌群互作网络，附图图2(B)为阴性对照的菌群网络，可见HIV阳性组肠道菌群互作网络中虚线较HIV阴性组少，即表明与HIV阴性组相比，HIV阳性组肠道菌群互作网络内负相互作用关系较少。
计算肠道菌群互作网络的P/N比值：
依据R值大小对网络中的相互作用关系进行分析，结果如表1所示，HIV阳性患者的肠道菌群互作网络中负边(负相互作用关系)有250条，正边(正相互作用关系)有15816条，而阴性组负边有3414条，正边有28046条，不论正负边均多余阳性组。以上述网络分析的结果为基础，根据如下公式计算HIV阳性组和HIV阴性组菌群互作网络中的正负关系比值：
Figure GSB0000195647150000041
其中，P/N为菌群互作网络中正负边比值，p为互作网络中正相互作用关系，n为互作网络中负相互作用关系。HIV阳性组菌群互作网络中P/N值为63.3，阴性组为8.3，阳性组是阴性组的7.6倍，二者间存在显著的差异。
实施例2：比较吸烟者和不吸烟者的口腔菌群互作网络中正负作用关系的比值
本发明的计算流程如附图图1所示
数据来源：
Lazarevic等人2010年公开发表吸烟者和不吸烟者的口腔唾液微生物菌群数据，在29天内分别在三个时间点采集两名不吸烟个体和3名吸烟个体的口腔唾液样本。样本进行DNA提取后利用通用引物扩增出16S rDNA片段，通过Genome Sequencer FLX系统对序列进行测序，之后通过生物信息学分析得到以97％相似性为基准聚类的OTU表，其中每个OTU代表代表一个物种，每一个样本中该OTU的测序内容代表该OTU在该样本内的物种丰度。
构建口腔菌群互作网络：
以菌群细菌物种组成及物种相对丰度为基础，分别计算吸烟组和不吸烟组口腔菌群内OTU间的Spearman相关系数R，选取p≤0.05相互作用关系，其中相关系数R＜0表示OTU间为负相互作用关系，R＞0表示OTU间为正相互作用关系。利用Cytoscape 2.8.3绘制两组口腔菌群的相互作用关系网络。
计算口腔菌群互作网络的P/N比值：
依据R值大小对网络中的相互作用关系进行分析，结果如表1所示，不吸烟组的口腔唾液菌群互作网络中负边(负相互作用关系)245有条，正边(正相互作用关系)有1961条，而吸烟组的网络中负相互作用关系有642条，正相互作用关系有2236条，不论正负关系均高于不吸烟组。以上述网络分析的结果为基础，根据如下公式计算吸烟组和不吸烟组口腔唾液菌群互作网络中的正负边比值：
Figure GSB0000195647150000051
其中，P/N为菌群互作网络中正负边比值，p为互作网络中正相互作用关系，n为互作网络中负相互作用关系。吸烟组菌群互作网络中P/N值为3.5，不吸烟组为8.0，是吸烟组的2.3倍，二者间存在显著差异。
实施例3：比较特应性皮炎患者和健康人的皮肤菌群互作网络中正负边的比值
本发明的计算流程如附图图1所示
数据来源：
Kong等人2012年公开发表的特应性皮炎(Atopic dermatitis，AD)患者和健康人的皮肤微生物菌群数据，样本采自12名年龄在2-15岁之间的AD患者和11名健康人的皮肤样本。从样本中提取出DNA后，利用通用扩增出16S rDNA片段，经测序后，通过生物信息学分析得到以97％相似性为基准聚类的OTU表，其中每个OTU代表代表一个物种，每一个样本中该OTU的测序内容代表该OTU在该样本内的物种丰度。
构建皮肤菌群互作网络：
以菌群细菌物种组成及物种相对丰度为基础，分别计算AD组和健康组皮肤菌群内OTU间的Spearman相关系数R，选取p≤0.05相互作用关系，其中相关系数R＜0表示OTU间为负相互作用关系，R＞0表示OTU间为正相互作用关系。利用Cytoscape 2.8.3绘制两组皮肤菌群的相互作用关系网络。
计算皮肤菌群互作网络的P/N比值：
依据R值大小对网络中的相互作用关系进行分析，结果如表1所示，健康组的皮肤菌群互作网络中负边(负相互作用关系)有13条，正边(正相互作用关系)有60条，而AD组的菌群网络中负边(负相互作用关系)有4条，正边(正相互作用关系)有11条，不论正负作用关系均低于健康组。以上述网络分析的结果为基础，根据如下公式计算AD组和健康组皮肤菌群互作网络中的正负边比值：
Figure GSB0000195647150000052
其中，P/N为菌群互作网络中正负边比值，p为互作网络中正相互作用关系，n为互作网络中负相互作用关系。AD组菌群互作网络中P/N值为2.8，健康组为4.6，是AD组的1.6倍，二者间存在显著差异。
实施例4：比较细菌性阴道病患者与健康对照阴道菌群互作网络中正负边的比值
本发明的计算流程如附图图1所示
数据来源：
Srinivasan等人2012年公开发表的细菌性阴道病(Bacterial vaginosis，BV)患者和健康女性的阴道微生物菌群数据，样本采自98名BV患者和121名健康人的阴道样本。从样本中提取出DNA后，利用通用扩增出16S rDNA片段，经454FLX焦磷酸测序后，通过生物信息学分析得到以97％相似性为基准聚类的OTU表，其中每个OTU代表代表一个物种，每一个样本中该OTU的测序内容代表该OTU在该样本内的物种丰度。
构建阴道菌群互作网络：
以菌群细菌物种组成及物种相对丰度为基础，分别计算BV患者和健康人阴道菌群内OTU间的Spearman相关系数R，选取p≤0.05相互作用关系，其中相关系数R＜0表示OTU间为负相互作用关系，R＞0表示OTU间为正相互作用关系。利用Cytoscape 2.8.3绘制两组阴道菌群的相互作用关系网络，实验结果如附图图3所示，图中的每一个圆形节点代表一个OTU，两点间连线代表OTU间的相互作用关系，黑色边代表两点间为负相互作用关系，即为负边，灰色边代表两点间为正相互作用关系，即为正边。附图图3(A)为BV患者的阴道菌群互作网络，(B)为健康人阴道菌群互作网络，可见BV患者阴道菌群互作网络中负相互作用关系较健康女性多。
计算阴道菌群互作网络的P/N比值：
依据R值大小对网络中的相互作用关系进行分析，结果如表1所示，健康组的阴道菌群互作网络中负边(负相互作用关系)有5条，正边(正相互作用关系)有381条，而BV组的菌群网络中负边(负相互作用关系)有112条，正边(正相互作用关系)有605条，不论正负作用关系高于健康组。以上述网络分析的结果为基础，根据如下公式计算AD组和健康组皮肤菌群互作网络中的正负边比值：
Figure GSB0000195647150000061
其中，P/N为菌群互作网络中正负边比值，p为互作网络中正相互作用关系，n为互作网络中负相互作用关系。BV组菌群互作网络中P/N值为5.4，健康组为76.2，是BV组的14.1倍，二者间存在显著差异。
实施例5：比较肺纤维化患者急性加重期和经过治疗后的呼吸道内菌群互作网络中正负边比值比较
本发明的计算流程如附图图1所示
数据来源：
Fodor等人2012年公开发表的肺纤维化患者急性加重期和经过治疗后呼吸道内的痰液微生物菌群数据，样本采自23名肺纤维化患者病情急性加重期间和经过抗生素治疗后呼吸道内痰液样本。从样本中提取出DNA后，利用通用扩增出16S rDNA片段，通过454-FLXchemistry测序平台进行测序，经后续生物信息学分析得到以97％相似性为基准聚类的微生物操作分类单元(operational taxonomic unit，OTU)，其中每个OTU代表代表一个物种，每一个样本中该OTU的测序内容代表该OTU在该样本内的物种丰度。
构建呼吸道菌群互作网络：
以菌群细菌物种组成及物种相对丰度为基础，分别计算肺纤维化患者急性加重期和经过治疗后呼吸道内菌群内OTU间的Spearman相关系数R，选取p≤0.05相互作用关系，其中相关系数R＜0表示OTU间为负相互作用关系，R＞0表示OTU间为正相互作用关系。利用Cytoscape 2.8.3绘制两组呼吸道菌群的相互作用关系网络。
计算呼吸道菌群互作网络的P/N比值：
依据R值大小对网络中的相互作用关系进行分析，结果如表1所示，患者治疗后呼吸道菌群互作网络中负边(负相互作用关系)有21条，正边(正相互作用关系)有1380条，而患者急性加重期的菌群网络中负边(负相互作用关系)有46条，正边(正相互作用关系)有1695条，不论正负作用关系高于经抗生素治疗后的患者菌群网络。以上述网络分析的结果为基础，根据如下公式分别计算患者急性加重期和治疗后呼吸道菌群互作网络中的正负边比值：
Figure GSB0000195647150000071
其中，P/N为菌群互作网络中正负边比值，p为互作网络中正相互作用关系，n为互作网络中负相互作用关系。急性加重期菌群互作网络中P/N值为36.8，治疗后为65.7，是BV组的1.7倍，二者间存在显著差异。
表1.三组微生物菌群数据的网络属性
Figure GSB0000195647150000081

Claims (2)

1.一种基于互作网络中正负关系比值用于区分疾病相关菌群的分类装置，其特征在于，所述的互作网络正负关系比值的计算公式如下，
Figure FSB0000195647140000011
其中，P/N为互作网络中正负关系比值，p为互作网络中正相互作用关系的数量，n为互作网络中负相互作用关系的数量；
所述的分类装置，针对HIV感染相关肠道菌群、与吸烟相关的口腔菌群、特应性皮炎相关的皮肤菌群、细菌性阴道病相关的阴道菌群，肺纤维化相关的呼吸道内菌群，还包括如下步骤：
1)给定已知正常菌群样本，以及待测可能与疾病相关的菌群样本，基于16SrDNA标准DNA提取、扩增、测序及生物信息分析流程，获得每个样本菌群的细菌物种组成，及每个物种对应的测序读段数目；
2)通过生物信息学分析得到以97％相似性为基准聚类的OTU表，其中每个OTU代表一个物种，每一个样本中该OTU的测序内容代表该OTU在该样本内的物种丰度；
3)基于菌群细菌物种组成及物种丰度，计算各菌群内细菌物种间的相互作用关系，并构建正常菌群和待测菌群的互作网络；
4)统计各菌群互作网络中正相互作用关系的数量和负相互作用关系的数量，通过计算获得各网络的P/N比值；
5)以给定正常菌群互作网络的P/N比值作为基准，根据待测菌群互作网络的P/N比值对待测菌群进行分类判定。
2.根据权利要求1所述的一种基于互作网络中正负关系比值用于区分疾病相关菌群的分类装置，其特征在于：所述装置以任何软件和硬件形式实现其算法和功能。
CN201611127036.1A 2016-11-23 2016-11-23 一种基于互作网络正负关系比值的分类技术及其用途 Active CN108095685B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611127036.1A CN108095685B (zh) 2016-11-23 2016-11-23 一种基于互作网络正负关系比值的分类技术及其用途

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611127036.1A CN108095685B (zh) 2016-11-23 2016-11-23 一种基于互作网络正负关系比值的分类技术及其用途

Publications (2)

Publication Number Publication Date
CN108095685A CN108095685A (zh) 2018-06-01
CN108095685B true CN108095685B (zh) 2021-12-17

Family

ID=62206196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611127036.1A Active CN108095685B (zh) 2016-11-23 2016-11-23 一种基于互作网络正负关系比值的分类技术及其用途

Country Status (1)

Country Link
CN (1) CN108095685B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110804666B (zh) * 2018-08-06 2022-11-22 中国科学院青岛生物能源与过程研究所 一种基于共生菌群的皮肤亚健康和药物敏感性检测系统
CN109065168B (zh) * 2018-08-29 2021-09-14 昆明理工大学 一种基于时空聚类统计进行疾病风险评估的方法
CN109785898B (zh) * 2019-01-14 2021-03-16 清华大学 一种基于微生物网络评估环境污染风险的方法
CN109920473B (zh) * 2019-04-02 2021-02-12 中国科学院城市环境研究所 一种代谢组学标志物权重分析通用方法
CN110718271B (zh) * 2019-09-25 2022-02-01 君维安(武汉)生命科技有限公司 一种抑制结直肠癌致病菌的益生菌配方及其筛选方法
CN113122646A (zh) * 2020-01-15 2021-07-16 中国科学院昆明动物研究所 炎性肠病特异性肠道微生物检测靶标及其应用
CN112885407B (zh) * 2021-01-29 2022-02-22 杭州联川基因诊断技术有限公司 一种基于二代测序的微单倍型检测分型系统和方法
CN114943056B (zh) * 2022-07-25 2022-10-21 天津医科大学总医院 一种阴道微生态中细菌互作关系的数据处理方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102743420A (zh) * 2012-06-06 2012-10-24 上海交通大学 改善肠道菌群结构的方法及应用
CN104962620A (zh) * 2015-06-10 2015-10-07 宁波大学 一种基于微生物群落的生态健康评价方法
CN105368944A (zh) * 2015-11-23 2016-03-02 广州基迪奥生物科技有限公司 可检测疾病的生物标志物及其用途

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102743420A (zh) * 2012-06-06 2012-10-24 上海交通大学 改善肠道菌群结构的方法及应用
CN104962620A (zh) * 2015-06-10 2015-10-07 宁波大学 一种基于微生物群落的生态健康评价方法
CN105368944A (zh) * 2015-11-23 2016-03-02 广州基迪奥生物科技有限公司 可检测疾病的生物标志物及其用途

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Integrated network-diversity analyses suggest suppressive effect of Hodgkin’s lymphoma and slightly relieving effect of chemotherapy on human milk microbiome;Zhanshan Ma等;《Scientific Reports》;20160708;全文 *
土壤微生物生态网络的构建方法及其比较;顾静馨;《中国优秀硕士学位论文全文数据库 农业科技辑》;20160615;全文 *
生物网络分析及其在复杂疾病研究中的应用;陈钢;《中国优秀博士学位论文全文数据库 医药卫生科技辑》;20121215;全文 *

Also Published As

Publication number Publication date
CN108095685A (zh) 2018-06-01

Similar Documents

Publication Publication Date Title
CN108095685B (zh) 一种基于互作网络正负关系比值的分类技术及其用途
CN108078540B (zh) 一套可筛检疾病相关菌群的菌群互作网络标志物及其用途
Pechal et al. A large-scale survey of the postmortem human microbiome, and its potential to provide insight into the living health condition
Jo et al. Research techniques made simple: bacterial 16S ribosomal RNA gene sequencing in cutaneous research
Brubaker et al. The new world of the urinary microbiota in women
Jo et al. Diverse human skin fungal communities in children converge in adulthood
Adebayo et al. The urinary tract microbiome in older women exhibits host genetic and environmental influences
Fettweis et al. Species-level classification of the vaginal microbiome
JP2020532979A (ja) 微生物に関連する女性生殖器系関連状態の特徴解析のための方法及びシステム
CN114898800B (zh) 一种预测肺炎克雷伯菌对头孢曲松敏感性的方法及系统
Wani et al. Metagenomics and artificial intelligence in the context of human health
Carbonetto et al. Human microbiota of the argentine population-a pilot study
CN109266766A (zh) 肠道微生物作为胆管细胞癌诊断标志物的用途
Catozzi et al. Milk microbiota profiling on water buffalo with full-length 16S rRNA using nanopore sequencing
Karagöz et al. Taxonomic classification of metagenomic sequences from Relative Abundance Index profiles using deep learning
Lee et al. Comparative analysis of human facial skin microbiome between topical sites compared to entire face
CN110111841B (zh) 动脉粥样硬化的识别模型的构建方法
CN114045326A (zh) 一种腹泻型肠易激综合征肠道微生物标志物及其应用
CN113403409A (zh) 基于细菌16S rRNA基因序列的细菌“种”水平检测和分析方法
CN114657270B (zh) 一种基于肠道菌群的阿尔茨海默病生物标志物及其应用
CN115331737A (zh) 一种分析肠道菌群中致病菌和量化菌群地域特征的方法
WO2022253824A1 (en) Rna profiling of the microbiome and molecular inversion probes
CN114891904A (zh) 用于儿童asd诊断的母源肠道菌群标志物及其应用
CN114369673A (zh) 结直肠腺瘤生物标志物、试剂盒及生物标志物的筛选方法
CN113684242A (zh) 一种基于淋巴结微生物菌群的头颈癌预后生物标志物及其应用

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant