CN110021350A - 一种基于多样性指数与时空关系的幂法则标度模型预测微生物群落结构变化的方法 - Google Patents

Abstract

本发明公开了一种预测和评估微生物结构的方法，具体指基于物种多样性指数与区域范围和时间尺度关系的幂法则标度模型预测微生物群落多样性在时间和空间尺度上分布变化的方法。通过对采样位点进行随机抽样排序，按照采样位点和采样时间顺序对物种丰度信息进行累积，计算累积时空下物种多样性指数，并通过幂法则标度模型构建数学模型。重复上述抽样拟合过程，利用模型的平均参数构建一套综合评估体系。该指标可全面、有效地监测或预测自然界中各类微生物生态群落的结构特征和分布规律，尤其适用于人体微生物菌群。根据特定菌群的结构随时空变化的规律，本发明可以为人体健康状况的评估以及菌群相关疾病的诊断和治疗提供可靠的定量指标和生态学基础。

Description

一种基于多样性指数与时空关系的幂法则标度模型预测微生 物群落结构变化的方法

技术领域

本发明涉及计算生物学和医学生态学领域，特别涉及一种评估微生物群落结构分布随时间和区域范围变化的方法，具体指一种基于物种多样性指数与时空关系的幂法则标度模型来监测微生物群落多样性在时间和空间尺度上结构和分布变化的方法。

背景技术

微生物物种繁多，数量庞大，是自然生态系统的重要组成之一，它们维系着生态系统的稳定，并在生态系统功能发挥中起着重要的作用。微生物群落的物种数会随着群落分布范围的扩大而增加，其增长速率反应了该群落的结构和空间分布特征。此外，一个区域内微生物群落的物种数会随着时间上下波动，这种时间动态体现了微生物群落对外界环境或干扰的响应程度。通过在时间和空间两个尺度对微生物群落的结构和分布变化进行检测，可以更全面的把握一个微生物群落的生态学特征，同时也可以测定或预测外界干扰对群落的影响。这些信息为人工干预微生物群落的分布奠定了基础，也为维护生态系统的稳定提供了可能。

随着测序和分析技术的发展，人体微生物菌群的重要性逐渐为人们所知。它们与人体互利共生，与人体的健康和疾病息息相关。人体微生物菌群是一个庞大复杂的生态系统。基于生态学角度，每个个体的微生物菌群均为一个独立的生态系统，口腔、呼吸道、肠道、皮肤和生殖道等局部群落组成了这一复杂的生态系统。具有同一属性的人群，其特定部位的菌群间也拥有相同的结构特征，这些菌群同样构成了一个完整的微生物生态群落。微生物菌群的稳定关系着宿主的健康，同时宿主的生活习惯、健康状况也直接或间接地影响着特定部位菌群的结构，如结肠癌、牙周炎、肥胖、细菌性阴道病及皮炎等疾病被称为“微生物菌群相关疾病”。人体共生菌菌群的结构特征以及时间动态可以在一定程度反应人体的健康或疾病发病的状况，可为人体的健康评估提供生态学视角，为疾病的预防、诊断和治疗提供可靠的理论依据。

现有监测微生物群落与时空关系(Species-Area-Time Relationship，SATR)的方法多从物种丰富度(Richness)或物种丰度(Abundance)着手，前者指一个群落中物种的数目，后者指一个群落中每个物种所拥有的个体数。虽然二者均是生态学的重要指标，却不能够全面的反应群落物种的结构特征，比如，它们菌忽视了群落中物种分布的均匀程度(均匀度)，即个体数目在种间的分配情况。此外，SATR并没有考察常典型物种或优势物种随时空变化的情况，而这些物种在维系群落结构稳定中起着非常重要的作用。上述局限性均限制了传统方法的应用范围，因此需要一个更为全面、综合的方法和评估体系来监测或预测时空尺度上微生物生态群落结构的分布变化特征。

发明内容

本发明的目的在于针对现有技术方法的不足，提供一种基于“物种多样性指数与时空关系”(Diversity-Area-Time Relationship，DATR)的幂法则标度模型来监测或预测微生物群落结构变化和分布规律的方法。DATR模型通过对SATR模型的扩展，突破了SATR模型的局限，可从多个群落结构层次和属性全面考察微生物生态群落随时间和空间范围的变化规律。该方法适用范围广，可用于监测或预测自然界中各类微生物生态群落的结构和分布。尤其适用于人体微生物菌群相关疾病的监测、诊断和干预，并为个体化医疗的诊断和预防提供可靠的理论基础。

为实现以上目的，本发明采用的技术方案为：

步骤【1】数据采集：在一定时间段内对特定微生物群落进行监测，在监测区域内选取多个采样位点，并在不同时间点对每个位点进行多次采样，获得一组不同位点在不同采样时间点下的微生物物种丰度信息数据。该数据可通过例如16s-rRNA标记的宏基因测序技术获得物种丰度信息。

步骤【2】数据处理：对物种丰度信息按照采样位点的顺序进行等概随机抽样排序，获得一组不同时空位点的微生物物种丰度信息数据，所得数据用于后续步骤，每次重排序的数据经计算拟合可获得一个DATR模型。

步骤【3】计算多样性指数(Hill numbers)：物种多样性作为群落结构的重要属性之一，它除了包含物种丰富度和丰度的信息外，还反应了群落全部个体数目在物种间分布的均匀程度。多样性指数中包括alpha和beta多样性，前者度量单个群落的多样性，后者度量群落间的差异。

首先，对重排序后的物种丰度数据按照采样位点进行累积，再按照采样时间顺序对每个累积采样位点下的累积物种丰度二次累积。利用Hill numbers多样性计算公式计算各累积采样位点下微生物群落的alpha物种多样性，公式(1)所示：

在该式中^qD表示q阶下的alpha累积物种多样性，S为各累积采样时空下微生物物种的数量，p_i代表各累积采样时空中每个物种的相对丰度(Relative Abundance)，q为多样性指数的阶数，在本发明中选取了4个多样性阶数：q＝0，1，2，3。当q＝0，2，3时alpha 累积物种多样性可由公式(1)获得。当q＝1时，公式(1)无法定义，故用公式(2) 进行计算：

接着，对重排序后的物种数据按照采样位点和采样时间的顺序依次计算beta 物种多样性，公式如下所示：

^qD_β＝^qD_γ/^qD_α (3)

其中，^qD_β表示物种的q阶下beta物种多样性。^qD_α表示q阶下的alpha物种多样性，计算公式如(1)(2)所示，其中p_i代表各采样时空位点中每个物种的相对丰度。^qD_γ为q 阶下gamma物种多样性，gamma物种多样性：

其中，p_i+代表各累积采样时空位点中每个物种对应的相对丰度。

当q＝0时，各物种的相对丰度并未参与计算，此时⁰D代表的是群落中物种的丰富度；当q＝1时，¹D相当于Shannon熵的指数，代表群落中典型或常见物种的alpha 物种多样性；当q＝2时，²D等于Simpson指数的倒数，此时物种的丰度在Hill numbers 的计算中占据重要的地位，所得结果代表群落中优势物种的多样性。

步骤【4】模型构建：基于幂法则标度(PL：Power Law Scaling Model)构建微生物群落DATR的数学模型，如(5)所示：

^qD＝cA^zT^w (5)

其中，^qD为步骤【3】所得的q阶物种多样性指数，A代表累积采样位点，T代表累积采样位点，c，z和w为模型参数。经对数转换，可得：

ln(^qD)＝ln(c)+zln(A)+wln(T) (6)

公式(6)可用来评估PL-DATR模型中的各个参数。

步骤【5】评估体系：重复步骤【2】-【4】的计算拟合过程若干次(一般为 50次，若有条件也可增加抽样次数)，所得参数的均值构成最终该段时间内监测区域微生物群落物种多样性分布的DATR模型，根据模型参数可获得一套不同多样性阶数下的评估体系，评估体系如表1所示，具体包括：z_pl(diversity scaling parameter of area from PL)，即“幂法则标度空间参数”和w_pl(diversity scaling parameter of time from PL)，即“幂法则标度时间参数”。

在DATR评估体系中，当z_pl＞0时，表示微生物群落物种多样性随区域范围扩大呈增长趋势，当z_pl＜0时，表示物种多样性随区域范围扩大呈减少趋势。当w_pl＞0时，表示物种多样性随时间推移呈增长趋势，当w_pl＜0时，表示物种多样性随时间推移呈减少趋势。

表1.基于DATR模型监测或预测微生物群落结构变化的评估体系*

*z_pl或w_pl：diversity scaling parameter from PL，即“幂法则标度参数”

本发明的独特效用和优势在于：用物种多样性指数代替常规的物种丰富度(Abundance)和物种丰度(Richness)来探索微生物生态群落在特定时空尺度下的结构特征，突破了现有方法仅的局限，从多个层面反映了群落结构随时间和空间两个尺度变化的规律。本发明的监测范围不但包好现有方法涉及的群落物种丰度和丰度信息，还涵盖了常见物种、典型物种及高丰度物种多样性等多个群落结构。本发明适用范围广，可用于检测自然界中各类微生物生态群落物种结构或多样性的时空分布规律，尤其可用于人体微生物菌群的监测和预测，包括人体微生物菌群相关疾病的监测、诊断和干预，以及为个体话医疗的诊断和防御提供可靠的理论基础。

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：监测22名孕期女性生殖道微生物菌群近30周的结构变化

步骤【1】数据来源(Citation of the data source)：

该生殖道微生物菌群数据采自22名孕期在32-42周的女性。在孕期间，每隔四周进行一次采样，历时24周，在临盆期前，每隔两周进行一次采样。孕期女性的生殖道菌群作为一个独立完整的微生物生态系统，每一位女性为该系统中的一个区域群落，共22 个区域群落。原作者采用了16s-rRNA基因标记测序技术获得了肥胖人群肠道微生物菌群物种丰富度(Richness)和丰度(Abundance)的数据。

步骤【2】数据处理：对22个菌群群落进行随机等概抽样排序，获得一组不同时空位点的物种丰度信息数据，所得生殖道微生物菌群数据用于后续步骤，每次重排序的数据经计算拟合可获得一个DATR模型。

步骤【3】计算多样性指数：首先，对重排序后的生殖道菌群物种丰度数据按照重排序后的群落(采样位点)顺序进行累积，再按照采样时间顺序对每个累积采样位点下的累积物种丰度二次累积。利用Hill numbers多样性计算公式计算各累积采样位点下微生物群落的alpha物种多样性，公式(1)所示：

在该式中^qD_α表示q阶下的alpha累积物种多样性，S为各累积采样时空下生殖道菌群物种的数量，p_i代表各累积采样时空中每个物种的相对丰度(Relative Abundance)，q为多样性指数的阶数，在本发明中选取了4个多样性阶数：q＝0，1，2，3。当q＝0，2，3 时alpha累积物种多样性可由公式(1)获得。当q＝1时，公式(1)无法定义，故用公式(2)进行计算：

接着，对重排序后的物种数据按照采样位点和采样时间的顺序依次计算beta 物种多样性，公式如下所示：

^qD_β＝^qD_γ/^qD_α (3)

其中，^qD_β表示物种的q阶下beta物种多样性。^qD_α表示q阶下的alpha物种多样性，计算公式如(1)(2)所示，其中p_i代表各采样时空中每个物种的相对丰度。^qD_γ为q阶下gamma 物种多样性，gamma物种多样性：

其中，p_i+代表各累积采样时空中每个物种对应的相对丰度。

步骤【4】模型构建：基于幂法则标度(PL：Power Law Scaling Model)构建生殖道菌群DATR的数学模型，如(5)所示：

^qD＝cA^zT^w (5)

其中，^qD为步骤【3】所得的q阶物种多样性指数，A代表累积采样位点，T代表累积采样位点，c，z和w为模型参数。经对数转换，可得：

ln(^qD)＝ln(c)+zln(A)+wln(T) (6)

公式(6)可用来评估PL-DATR模型中的各个参数。

步骤【5】评估体系：重复步骤【2】-【4】的计算拟合过程100次，所得参数的均值构成最终该段时间内22名孕期女性组成的生殖道菌群物种多样性分布的DATR 模型，根据模型参数可获得一套不同q阶下的评估体系z_pl和w_pl。这里以alpha多样性为例示范评估体系的四项指标，其结果见表2。

表2.基于DATR模型监测或预测微生物群落结构变化的评估体系*

*z_pl或w_pl：diversity scaling parameter from PL，即“幂法则标度参数”。

Claims (7)

1.一种基于多样性指数与时空关系(Diversity-Area-Time Relationship，DATR)的幂法则标度模型监测或预测微生物群落结构变化的方法。

2.按照权利要求1所述的方法，其特征在于：该方法基于不同多样性阶数下DATR模型参数构成的评估体系，如表1所示：

表1.基于DATR模型监测或预测微生物群落结构变化的评估体系*

*z_pl或w_pl：diversity scaling parameter from PL，即“幂法则标度参数”。

3.按照权利要求2所示的不同多样性阶数下DATR模型参数构成的评估体系，其特征在于根据如下方法计算各评估体系：

(1)数据：在一定时间段内对特定微生物群落进行监测，在监测区域内选取多个采样位点，并在不同时间点对每个位点进行多次采样，获得一组不同位点在不同采样时间点下的微生物物种丰度信息数据；该数据可通过例如16s-rRNA标记的宏基因测序技术获得物种丰度信息；

(2)数据处理：按照采样位点的顺序对采样数据进行随机抽样排序，获得一组不同时空位点的微生物物种丰度信息数据，所得数据用于后续步骤，每次重排序的数据经计算拟合可获得一个DATR模型；

(3)计算多样性指数：重排序后的物种丰度数据首先按照采样位点进行累积，接着对每个累积采样位点下的累积物种丰度按照采样时间顺序再次累积；利用Hill numbers多样性分别计算公式计算不同多样性阶数下各累积采样时空的alpha累积物种多样性指数和beta多样性指数，通常选取4个多样性阶数(亦可超过4)，即q＝0，1，2，3；

(4)模型构建：根据幂法则标度模型(PL：Power Law Scaling Model)构建各多样性阶数下的PL-DATR模型，模型核心公式如下所示：

^qD＝cA^zT^w

其中，^qD代表步骤(3)中计算得到的阶数q对应的alpha或beta多样性指数，A代表累积采样位点，T代表累积采样位点，c，z和w为模型参数。

(5)评估体系：重复步骤(2)到(4)的计算拟合过程若干次(一般进行50次抽样便可获得大样本，如果条件许可可增加抽样次数)，所得参数的均值构成最终DATR数学模型，根据该模型参数可获得监测或预测该微生物群落物种结构和分布的评估体系，即表1所示，具体包括：z_pl(diversity scaling parameter of area from PL)，即“幂法则标度空间参数”和w_pl(diversity scaling parameter of time from PL)，即“幂法则标度时间参数”。

4.按照权利要求1-3所述的方法，其特征在于：该方法用于监测或预测自然界中各类微生物生态群落物种结构在一定时空范围内的变化规律。

5.按照权利要求4所述的应用，其特征在于：该方法用于人体微生物菌群结构的监测和预测。

6.按照权利要求5所述的应用，其特征在于：该方法用于人体微生物菌群相关疾病的个体化精准诊断和治疗。

7.按照权利要求4所述的应用，其特征在于：该方法为人体健康微生物菌群的监测和预测提供定量化指标。