CN110444254B - 一种菌群标记物的检测方法、检测系统及终端 - Google Patents
一种菌群标记物的检测方法、检测系统及终端 Download PDFInfo
- Publication number
- CN110444254B CN110444254B CN201910609866.5A CN201910609866A CN110444254B CN 110444254 B CN110444254 B CN 110444254B CN 201910609866 A CN201910609866 A CN 201910609866A CN 110444254 B CN110444254 B CN 110444254B
- Authority
- CN
- China
- Prior art keywords
- strain classification
- classification units
- different
- flora
- similarity
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
Abstract
本申请适用于生物技术领域,提供一种菌群标记物的检测方法、检测系统及终端,其中方法包括:获取菌群样本数据;根据所述菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,并得到对应的相似度矩阵;根据所述样本类标、所述不同菌种所属的菌种分类单元的丰度及所述相似度矩阵,通过广义套索回归算法模型,得到与设定拟合效果相对应的目标回归系数向量;将所述目标回归系数向量中非零系数元素对应的菌种分类单元确定为目标菌群标记物,提升筛选出的菌群标记物的有效性。
Description
技术领域
本申请属于生物技术领域,尤其涉及一种菌群标记物的检测方法、检测系统及终端。
背景技术
近年来,随着DNA测序技术的迅猛发展,DNA测序成本也逐年降低,我们可以更方便的通过基因层面的信息,来探索人类的健康状态。但是基因层面的数据维度往往十分庞大,分析起来较为困难,在做机器学习预测的时候,容易出现维数灾难。因此在海量的基因数据的特征中,寻找到有意义特征就十分重要。
菌群结构十分复杂,检测有效的菌群标记物,对于我们探索菌群的结构,以及菌群对于人类健康的影响,具有非常重要的意义。
现有技术中在筛选有效的菌群标记物时,通过利用菌群的聚类信息来实现,但通常只利用菌群的局部信息,处理过程中造成信息丢失,不能全面的反映菌群之间的复杂联系,降低筛选出的菌群标记物的有效性。
发明内容
有鉴于此,本申请实施例提供了一种菌群标记物的检测方法、检测系统及终端,以解决现有技术中筛选有效的菌群标记物时,只利用菌群的局部信息,处理过程中造成信息丢失,不能全面的反映菌群之间的复杂联系,降低筛选出的菌群标记物的有效性的问题。
本申请实施例的第一方面提供了一种菌群标记物的检测方法,包括:
获取菌群样本数据,所述菌群样本数据中包括:样本类标、样本中不同菌种所属的菌种分类单元的丰度及所述菌种分类单元的代表序列;
根据所述菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,并得到对应的相似度矩阵;
根据所述样本类标、所述不同菌种所属的菌种分类单元的丰度及所述相似度矩阵,通过广义套索回归算法模型,得到与设定拟合效果相对应的目标回归系数向量;
将所述目标回归系数向量中非零系数元素对应的菌种分类单元确定为目标菌群标记物。
本申请实施例的第二方面提供了一种菌群标记物的检测系统,包括:
第一获取模块,用于获取菌群样本数据,所述菌群样本数据中包括:样本类标、样本中不同菌种所属的菌种分类单元的丰度及所述菌种分类单元的代表序列;
第二获取模块,用于根据所述菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,并得到对应的相似度矩阵;
第三获取模块,用于根据所述样本类标、所述不同菌种所属的菌种分类单元的丰度及所述相似度矩阵,通过广义套索回归算法模型,得到与设定拟合效果相对应的目标回归系数向量;
确定模块,用于将所述目标回归系数向量中非零系数元素对应的菌种分类单元确定为目标菌群标记物。
本申请实施例的第三方面提供了一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
本申请的第五方面提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被一个或多个处理器执行时实现如上述第一方面所述方法的步骤。
由上可见,本申请实施例,通过获取菌群样本数据,根据菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,得到相似度矩阵,根据样本类标、不同菌种所属的菌种分类单元的丰度及所述相似度矩阵,通过广义套索回归算法模型,得到与设定拟合效果相对应的目标回归系数向量,将目标回归系数向量中非零系数元素对应的菌种分类单元确定为目标菌群标记物,整个过程从高维的菌群数据中提取出菌群标记物,利用了系统发育信息,可以全面的反映菌群之间的复杂联系,提升筛选出的菌群标记物的有效性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种菌群标记物的检测方法的流程图一;
图2是本申请实施例提供的一种菌群标记物的检测方法的流程图二;
图3是本申请实施例提供的一种菌群标记物的检测系统的结构图;
图4是本申请实施例提供的一种终端的结构图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
具体实现中,本申请实施例中描述的终端包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是,在某些实施例中,所述设备并非便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中,描述了包括显示器和触摸敏感表面的终端。然而,应当理解的是,终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
终端支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样,终端的公共物理架构(例如,触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
应理解,本实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
参见图1,图1是本申请实施例提供的一种菌群标记物的检测方法的流程图一。如图1所示,一种菌群标记物的检测方法,该方法包括以下步骤:
步骤101,获取菌群样本数据。
其中,该菌群样本数据中包括:样本类标、样本中不同菌种所属的菌种分类单元的丰度及所述菌种分类单元的代表序列。
获取输入的菌群样本数据,该样本数据中包括样本类标,该样本类标为用于标识一个样本的类型的标签,例如可以表示健康或疾病、肥胖或瘦等。例如样本类标为“健康”,则表示该样本类标所标识的样本中的数据为一个健康身体状况下的菌群数据,当样本类标为“健康”时也为同理。
样本中不同菌种所属的菌种分类单元的丰度,具体可以理解为:一个样本中会包含许多菌,不同的菌对应有不同的菌种分类单元,该丰度指的是一个样本中包含的菌在不同的菌种分类单元中的数量的多少。例如,健康的人体内的菌可能会对应于某种菌种的分布数量较多,其他菌种的分布数量较少,而生病的人则分布状况相反或相差很大。
具体地,菌种分类单元(Operation Taxonomy Unit,OTU)的划分,通常是将16SrRNA序列相似度为97%以上的细菌划分到同一个菌种分类单元。
步骤102,根据所述菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,并得到对应的相似度矩阵。
作为一可选的实施方式,其中,根据所述菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,并得到对应的相似度矩阵,包括:
将所述菌种分类单元的代表序列作为输入,生成以不同的所述菌种分类单元为叶子节点的系统发育树;基于所述系统发育树,分别计算不同菌种分类单元与其他菌种分类单元之间的相似度,得到所述相似度矩阵。
该将所述菌种分类单元的代表序列作为输入,生成以不同的所述菌种分类单元为叶子节点的系统发育树在实现过程中,可以是:使用系统发育树生成软件(包括但不限于QIIME或者fasttree等)将菌种分类单元的代表序列作为输入,生成系统发育树。
其中,可选地,所述基于所述系统发育树,分别计算不同菌种分类单元与其他菌种分类单元之间的相似度,包括:
分别获取所述系统发育树中不同菌种分类单元所对应的叶子节点到根节点的第一路径长度;分别获取所述系统发育树中不同菌种分类单元与其他菌种分类单元所对应的叶子节点到根节点的路径的相交部分的第二路径长度;根据所述第二路径长度与所述第一路径长度的比值,得到不同菌种分类单元与其他菌种分类单元之间的相似度。
在具体实现时,根据系统发育树的枝长(可以看作是图论中的有向图的边长),对于每一菌种分类单元,计算它们与其他菌种分类单元的叶子节点到根节点的路径的相交部分的长度与它们自身叶子节点到根节点的路径长度的比值,作为它们与其他菌种分类单元之间的相似度。计算完所有的菌种分类单元所对应节点与其他节点之间的相似度之后,我们将所有的结果保存在一个矩阵里,得到相似度矩阵。
步骤103,根据所述样本类标、所述不同菌种所属的菌种分类单元的丰度及所述相似度矩阵,通过广义套索回归算法模型,得到与设定拟合效果相对应的目标回归系数向量。
在具体实施时,该广义套索回归算法可选为广义套索回归Generalized Lasso中的融合广义套索回归fused lasso算法。
该设定拟合效果为最佳的拟合效果。与该设定拟合效果对应的有一个回归系数向量,在当拟合效果最佳时,则确定对应的该回归系数向量为目标回归系数向量。
步骤104,将所述目标回归系数向量中非零系数元素对应的菌种分类单元确定为目标菌群标记物。
具体地,稳定的菌群标记物,可以作为医生在诊断,治疗疾病时的一种辅助手段,本步骤中,该目标菌群标记物为菌种分类单元,具体为菌群样本数据中所有的菌种分类单元中与目标回归系数向量中非零系数元素对应的菌种分类单元。
其中,菌群样本数据中所包含的所有菌种分类单元会按照设定顺序进行排序。回归系数向量中所包含的系数元素的数量与菌群样本数据中所包含的所有菌种分类单元的总数量相同。回归系数向量中所包含的系数元素的排列顺序与菌群样本数据中所包含的所有菌种分类单元的排列顺序具有系数元素与菌种分类单元间的一一对应关系。
本申请实施例,通过获取菌群样本数据,根据菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,得到相似度矩阵,根据样本类标、不同菌种所属的菌种分类单元的丰度及所述相似度矩阵,通过广义套索回归算法模型,得到与设定拟合效果相对应的目标回归系数向量,将目标回归系数向量中非零系数元素对应的菌种分类单元确定为目标菌群标记物,整个过程从高维的菌群数据中提取出菌群标记物,利用了系统发育信息,可以全面的反映菌群之间的复杂联系,提升筛选出的菌群标记物的有效性,大大降低了研究维度,可以使生物学家们把更多的精力放在菌群标记物上,更早的揭开菌群的神秘面纱。
本申请实施例中还提供了一种菌群标记物的检测方法的不同实施方式。
参见图2,图2是本申请实施例提供的一种菌群标记物的检测方法的流程图二。如图2所示,一种菌群标记物的检测方法,该方法包括以下步骤:
步骤201,获取菌群样本数据。
该菌群样本数据中包括:样本类标、样本中不同菌种所属的菌种分类单元的丰度及所述菌种分类单元的代表序列。
本步骤的实现过程与前述实施方式中的步骤101的实现过程相同,此处不再赘述。
步骤202,根据所述菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,并得到对应的相似度矩阵。
本步骤的实现过程与前述实施方式中的步骤102的实现过程相同,此处不再赘述。
作为一可选的实施方式,其中步骤103根据所述样本类标、所述不同菌种所属的菌种分类单元的丰度及所述相似度矩阵,通过广义套索回归算法模型,得到与设定拟合效果相对应的目标回归系数向量,包括:
步骤203,对所述样本类标作数值化处理。
通常情况下,样本类标为非数值类标,这里,需要对样本类标做数值化处理,例如(健康,疾病)分别映射为(0,1)。
步骤204,对所述样本中不同菌种所属的菌种分类单元的丰度作归一化处理。
具体地,菌群样本数据中包括多组样本,每一样本中均包括:样本类标、样本中不同菌种所属的菌种分类单元的丰度及所述菌种分类单元的代表序列。
该归一化处理具体是针对每一样本中的不同菌种所属的菌种分类单元的丰度进行归一化处理。以每一样本中的不同菌种所属的菌种分类单元的丰度作为归一化处理的对象。即,将一组样本中每一个菌种分类单元的丰度除以该样本中所有的菌种分类单元的丰度之和。
步骤205,将数值化后的所述样本类标及归一化后的所述丰度输入至所述广义套索回归算法模型中进行回归计算。
其中,归一化后的所述丰度为自变量,数值化后的所述样本类标为因变量,所述相似度矩阵与模型中设定回归系数向量的乘积的一范数为罚项。
该过程中,结合相似度矩阵与样本中不同菌种所属的菌种分类单元的丰度做一个fused Lasso回归。具体用样本中不同菌种所属的菌种分类单元的丰度作为自变量,菌群样本的样本类标作为因变量,相似度矩阵与广义套索回归算法中规定的回归系数向量的乘积的L-1范数(一范数)作为罚项。
步骤206,将回归计算中得到的符合设定拟合效果的回归系数向量确定为所述目标回归系数向量。
通过fused Lasso回归我们得到一组拟合效果最佳的系数,得到回归系数向量。
步骤207,将所述目标回归系数向量中非零系数元素对应的菌种分类单元确定为目标菌群标记物。
该目标回归系数向量中包括数值为零的矩阵元素及非零的矩阵元素,其中,该目标回归系数向量的各个元素与不同的菌种分类单元相对应。
根据目标回归系数向量,筛选出非零系数元素所对应的菌种分类单元,来作为我们最终想要的菌群标记物。
该过程,将系统发育信息与菌群样本数据进行结合,将他们代入fused-Lasso回归模型中,根据回归的结果筛选出具有代表意义的微生物菌群标记物。
本方法可以用于肠道菌群的标记物检测,可以为人类肠道疾病(包括炎症性肠病IBD等),甚至是二型糖尿病,肥胖(obesity)等慢性疾病的诊断和后续治疗提供参考。
结合一个具体例子对上述过程进行说明。
具体获取一个包含196个肥胖(obese)样本,61个瘦(lean)样本的公开菌群样本数据集(总共包含12363个菌种分类单元),其中的样本类标包含了肥胖和瘦两种,不同的样本具有不同的样本类标值。可以先将菌群样本数据中所包含的普及度(prevalence)低于10%的菌种分类单元删除,用剩下的菌种分类单元(278个)做后续的分析。先将菌群样本数据中的不同样本中菌种分类单元内的丰度做归一化处理,样本类标做数值化处理。利用菌种分类单元的代表序列生成系统发育树(用的是QIIME)。提取出菌种分类单元之间的发育相似度矩阵,与归一化及数值化处理后的相应数据,一起代入fused-Lasso回归模型,找出拟合效果最佳的回归系数向量,得到回归系数向量中非零系数元素对应的目标菌群标记物。
这里,将发育相似度矩阵与归一化及数值化处理后的相应数据一起代入fused-Lasso回归模型,并做了5折交叉验证。最终的结果筛选出了70个菌种分类单元,得到分类的平均AUC(接收者操作特征曲线线下面积)达到了0.74。还用了逻辑斯蒂(logistic)回归,对归一化及数值化处理后的相应数据也进行了5折交叉验证,而logistic回归的平均AUC仅仅为0.66。可以得知,本申请实施例中提供的菌群标记物的检测方法相较于传统的忽略系统发育信息的方法,能够更好的拟合模型,且说明我们筛选出来的菌种分类单元能够很好代表了菌群。
本申请实施例,通过获取菌群样本数据,根据菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,得到相似度矩阵,根据样本类标、不同菌种所属的菌种分类单元的丰度及所述相似度矩阵,通过广义套索回归算法模型,得到与设定拟合效果相对应的目标回归系数向量,将目标回归系数向量中非零系数元素对应的菌种分类单元确定为目标菌群标记物,整个过程从高维的菌群数据中提取出菌群标记物,利用了系统发育信息,可以全面的反映菌群之间的复杂联系,提升筛选出的菌群标记物的有效性。
参见图3,图3是本申请实施例提供的一种菌群标记物的检测系统的结构图,为了便于说明,仅示出了与本申请实施例相关的部分。
所述菌群标记物的检测系统300包括:第一获取模块301、第二获取模块302、第三获取模块303和确定模块304。
第一获取模块301,用于获取菌群样本数据,所述菌群样本数据中包括:样本类标、样本中不同菌种所属的菌种分类单元的丰度及所述菌种分类单元的代表序列;
第二获取模块302,用于根据所述菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,并得到对应的相似度矩阵;
第三获取模块303,用于根据所述样本类标、所述不同菌种所属的菌种分类单元的丰度及所述相似度矩阵,通过广义套索回归算法模型,得到与设定拟合效果相对应的目标回归系数向量;
确定模块304,用于将所述目标回归系数向量中非零系数元素对应的菌种分类单元确定为目标菌群标记物。
其中,所述第二获取模块302包括:
生成子模块,用于将所述菌种分类单元的代表序列作为输入,生成以不同的所述菌种分类单元为叶子节点的系统发育树;
计算子模块,用于基于所述系统发育树,分别计算不同菌种分类单元与其他菌种分类单元之间的相似度,得到所述相似度矩阵。
其中,计算子模块具体用于:
分别获取所述系统发育树中不同菌种分类单元所对应的叶子节点到根节点的第一路径长度;
分别获取所述系统发育树中不同菌种分类单元与其他菌种分类单元所对应的叶子节点到根节点的路径的相交部分的第二路径长度;
根据所述第二路径长度与所述第一路径长度的比值,得到不同菌种分类单元与其他菌种分类单元之间的相似度。
其中,所述第三获取模块303具体用于:
对所述样本类标作数值化处理;
对所述样本中不同菌种所属的菌种分类单元的丰度作归一化处理;
将数值化后的所述样本类标及归一化后的所述丰度输入至所述广义套索回归算法模型中进行回归计算;其中,归一化后的所述丰度为自变量,数值化后的所述样本类标为因变量,所述相似度矩阵与模型中设定回归系数的向量乘积的一范数为罚项;
将回归计算中得到的符合设定拟合效果的回归系数向量确定为所述目标回归系数向量。
本申请实施例提供的菌群标记物的检测系统能够实现上述菌群标记物的检测方法的实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
图4是本申请实施例提供的一种终端的结构图。如该图所示,该实施例的终端4包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。
示例性的,所述计算机程序42可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器41中,并由所述处理器40执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序42在所述终端4中的执行过程。例如,所述计算机程序42可以被分割成第一获取模块、第二获取模块、第三获取模块和确定模块,其中,第二获取模块被分割成生成子模块及计算子模块。各模块具体功能如下:
第一获取模块,用于获取菌群样本数据,所述菌群样本数据中包括:样本类标、样本中不同菌种所属的菌种分类单元的丰度及所述菌种分类单元的代表序列;
第二获取模块,用于根据所述菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,并得到对应的相似度矩阵;
第三获取模块,用于根据所述样本类标、所述不同菌种所属的菌种分类单元的丰度及所述相似度矩阵,通过广义套索回归算法模型,得到与设定拟合效果相对应的目标回归系数向量;
确定模块,用于将所述目标回归系数向量中非零系数元素对应的菌种分类单元确定为目标菌群标记物。
生成子模块,用于将所述菌种分类单元的代表序列作为输入,生成以不同的所述菌种分类单元为叶子节点的系统发育树;
计算子模块,用于基于所述系统发育树,分别计算不同菌种分类单元与其他菌种分类单元之间的相似度,得到所述相似度矩阵。
其中,计算子模块具体用于:
分别获取所述系统发育树中不同菌种分类单元所对应的叶子节点到根节点的第一路径长度;
分别获取所述系统发育树中不同菌种分类单元与其他菌种分类单元所对应的叶子节点到根节点的路径的相交部分的第二路径长度;
根据所述第二路径长度与所述第一路径长度的比值,得到不同菌种分类单元与其他菌种分类单元之间的相似度。
其中,所述第三获取模块具体用于:
对所述样本类标作数值化处理;
对所述样本中不同菌种所属的菌种分类单元的丰度作归一化处理;
将数值化后的所述样本类标及归一化后的所述丰度输入至所述广义套索回归算法模型中进行回归计算;其中,归一化后的所述丰度为自变量,数值化后的所述样本类标为因变量,所述相似度矩阵与模型中设定回归系数的向量乘积的一范数为罚项;
将回归计算中得到的符合设定拟合效果的回归系数向量确定为所述目标回归系数向量。
所述终端4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端4可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图4仅仅是终端4的示例,并不构成对终端4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端4的内部存储单元,例如终端4的硬盘或内存。所述存储器41也可以是所述终端4的外部存储设备,例如所述终端4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述终端4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的终端和方法,可以通过其它的方式实现。例如,以上所描述的终端实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种菌群标记物的检测方法,其特征在于,包括:
获取菌群样本数据,所述菌群样本数据中包括:样本类标、样本中不同菌种所属的菌种分类单元的丰度及所述菌种分类单元的代表序列;
根据所述菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,并得到对应的相似度矩阵;
根据所述样本类标、所述不同菌种所属的菌种分类单元的丰度及所述相似度矩阵,通过广义套索回归算法模型,得到与设定拟合效果相对应的目标回归系数向量;
将所述目标回归系数向量中非零系数元素对应的菌种分类单元确定为目标菌群标记物。
2.根据权利要求1所述的检测方法,其特征在于,所述根据所述菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,并得到对应的相似度矩阵,包括:
将所述菌种分类单元的代表序列作为输入,生成以不同的所述菌种分类单元为叶子节点的系统发育树;
基于所述系统发育树,分别计算不同菌种分类单元与其他菌种分类单元之间的相似度,得到所述相似度矩阵。
3.根据权利要求2所述的检测方法,其特征在于,所述基于所述系统发育树,分别计算不同菌种分类单元与其他菌种分类单元之间的相似度,包括:
分别获取所述系统发育树中不同菌种分类单元所对应的叶子节点到根节点的第一路径长度;
分别获取所述系统发育树中不同菌种分类单元与其他菌种分类单元所对应的叶子节点到根节点的路径的相交部分的第二路径长度;
根据所述第二路径长度与所述第一路径长度的比值,得到不同菌种分类单元与其他菌种分类单元之间的相似度。
4.根据权利要求1所述的检测方法,其特征在于,
所述根据所述样本类标、所述不同菌种所属的菌种分类单元的丰度及所述相似度矩阵,通过广义套索回归算法模型,得到与设定拟合效果相对应的目标回归系数向量,包括:
对所述样本类标作数值化处理;
对所述样本中不同菌种所属的菌种分类单元的丰度作归一化处理;
将数值化后的所述样本类标及归一化后的所述丰度输入至所述广义套索回归算法模型中进行回归计算;其中,归一化后的所述丰度为自变量,数值化后的所述样本类标为因变量,所述相似度矩阵与模型中设定回归系数向量的乘积的一范数为罚项;
将回归计算中得到的符合设定拟合效果的回归系数向量确定为所述目标回归系数向量。
5.一种菌群标记物的检测系统,其特征在于,包括:
第一获取模块,用于获取菌群样本数据,所述菌群样本数据中包括:样本类标、样本中不同菌种所属的菌种分类单元的丰度及所述菌种分类单元的代表序列;
第二获取模块,用于根据所述菌种分类单元的代表序列,采用系统发育树算法,获取不同的菌种分类单元之间的相似度,并得到对应的相似度矩阵;
第三获取模块,用于根据所述样本类标、所述不同菌种所属的菌种分类单元的丰度及所述相似度矩阵,通过广义套索回归算法模型,得到与设定拟合效果相对应的目标回归系数向量;
确定模块,用于将所述目标回归系数向量中非零系数元素对应的菌种分类单元确定为目标菌群标记物。
6.根据权利要求5所述的检测系统,其特征在于,所述第二获取模块包括:
生成子模块,用于将所述菌种分类单元的代表序列作为输入,生成以不同的所述菌种分类单元为叶子节点的系统发育树;
计算子模块,用于基于所述系统发育树,分别计算不同菌种分类单元与其他菌种分类单元之间的相似度,得到所述相似度矩阵。
7.根据权利要求6所述的检测系统,其特征在于,所述计算子模块具体用于:
分别获取所述系统发育树中不同菌种分类单元所对应的叶子节点到根节点的第一路径长度;
分别获取所述系统发育树中不同菌种分类单元与其他菌种分类单元所对应的叶子节点到根节点的路径的相交部分的第二路径长度;
根据所述第二路径长度与所述第一路径长度的比值,得到不同菌种分类单元与其他菌种分类单元之间的相似度。
8.根据权利要求5所述的检测系统,其特征在于,所述第三获取模块具体用于:
对所述样本类标作数值化处理;
对所述样本中不同菌种所属的菌种分类单元的丰度作归一化处理;
将数值化后的所述样本类标及归一化后的所述丰度输入至所述广义套索回归算法模型中进行回归计算;其中,归一化后的所述丰度为自变量,数值化后的所述样本类标为因变量,所述相似度矩阵与模型中设定回归系数向量的乘积的一范数为罚项;
将回归计算中得到的符合设定拟合效果的回归系数向量确定为所述目标回归系数向量。
9.一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910609866.5A CN110444254B (zh) | 2019-07-08 | 2019-07-08 | 一种菌群标记物的检测方法、检测系统及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910609866.5A CN110444254B (zh) | 2019-07-08 | 2019-07-08 | 一种菌群标记物的检测方法、检测系统及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110444254A CN110444254A (zh) | 2019-11-12 |
CN110444254B true CN110444254B (zh) | 2021-10-19 |
Family
ID=68429597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910609866.5A Active CN110444254B (zh) | 2019-07-08 | 2019-07-08 | 一种菌群标记物的检测方法、检测系统及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110444254B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111710364B (zh) * | 2020-05-08 | 2022-02-15 | 中国科学院深圳先进技术研究院 | 一种菌群标记物的获取方法、装置、终端及存储介质 |
CN113360846A (zh) * | 2021-06-01 | 2021-09-07 | 上海迪勤智能科技有限公司 | 获取空气菌落群数的在线式检测方法、介质及其电子设备 |
CN114093411B (zh) * | 2021-11-29 | 2022-08-09 | 中国人民解放军总医院 | 基于样本的微生物群体的进化关系和丰度信息的分析方法及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1879017A (zh) * | 2002-12-26 | 2006-12-13 | 梅索斯卡莱科技公司 | 用于提取生物学标记物的方法、组合物和试剂盒 |
CN107746874A (zh) * | 2017-11-06 | 2018-03-02 | 张猛 | 精神分裂症标志物 |
CN109593865A (zh) * | 2018-10-25 | 2019-04-09 | 华中科技大学鄂州工业技术研究院 | 海洋珊瑚菌群结构分析、基因挖掘方法及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0713183D0 (en) * | 2007-07-06 | 2007-08-15 | King S College London | Method |
US10190169B2 (en) * | 2013-06-20 | 2019-01-29 | Immunexpress Pty Ltd | Biomarker identification |
-
2019
- 2019-07-08 CN CN201910609866.5A patent/CN110444254B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1879017A (zh) * | 2002-12-26 | 2006-12-13 | 梅索斯卡莱科技公司 | 用于提取生物学标记物的方法、组合物和试剂盒 |
CN107746874A (zh) * | 2017-11-06 | 2018-03-02 | 张猛 | 精神分裂症标志物 |
CN109593865A (zh) * | 2018-10-25 | 2019-04-09 | 华中科技大学鄂州工业技术研究院 | 海洋珊瑚菌群结构分析、基因挖掘方法及设备 |
Non-Patent Citations (1)
Title |
---|
The Generalized LASSO;Volker Roth;《IEEE Transactions on Neural Networks》;20040206;第15卷(第1期);第16-28页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110444254A (zh) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mobadersany et al. | Predicting cancer outcomes from histology and genomics using convolutional networks | |
Kuo et al. | A hybrid metaheuristic and kernel intuitionistic fuzzy c-means algorithm for cluster analysis | |
CN110444254B (zh) | 一种菌群标记物的检测方法、检测系统及终端 | |
Pei et al. | Concept factorization with adaptive neighbors for document clustering | |
Li et al. | Boosting proportional hazards models using smoothing splines, with applications to high-dimensional microarray data | |
CN112016312B (zh) | 数据关系抽取方法、装置、电子设备及存储介质 | |
Alanis-Lobato et al. | Highlighting nonlinear patterns in population genetics datasets | |
Oh et al. | Biological impact of missing-value imputation on downstream analyses of gene expression profiles | |
CN112257578B (zh) | 人脸关键点检测方法、装置、电子设备及存储介质 | |
CN111710364B (zh) | 一种菌群标记物的获取方法、装置、终端及存储介质 | |
Hess et al. | Partitioned learning of deep Boltzmann machines for SNP data | |
US11164658B2 (en) | Identifying salient features for instances of data | |
Espinoza et al. | Applications of weighted association networks applied to compositional data in biology | |
Vasighizaker et al. | Discovering cell types using manifold learning and enhanced visualization of single-cell RNA-Seq data | |
Gyenesei et al. | Mining co-regulated gene profiles for the detection of functional associations in gene expression data | |
Sarkar et al. | Determination of k-mer density in a DNA sequence and subsequent cluster formation algorithm based on the application of electronic filter | |
Mohammadi et al. | Weakly supervised learning and interpretability for endometrial whole slide image diagnosis | |
CN116402166B (zh) | 一种预测模型的训练方法、装置、电子设备及存储介质 | |
Zhou et al. | ImputEHR: a visualization tool of imputation for the prediction of biomedical data | |
Bozkurt et al. | Mortality prediction of various cancer patients via relevant feature analysis and machine learning | |
JP2004535612A (ja) | 遺伝子発現データの管理システムおよび方法 | |
Carrieri et al. | Host phenotype prediction from differentially abundant microbes using rodeo | |
Shirley et al. | PISCES: a package for rapid quantitation and quality control of large scale mRNA-seq datasets | |
Bálint et al. | ContScout: sensitive detection and removal of contamination from annotated genomes | |
LeBlanc et al. | Microbiome subcommunity learning with logistic-tree normal latent Dirichlet allocation |
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 |