CN113628686B - 评价营养素对肠道菌群作用的方法、系统、设备及介质 - Google Patents
评价营养素对肠道菌群作用的方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN113628686B CN113628686B CN202110871686.1A CN202110871686A CN113628686B CN 113628686 B CN113628686 B CN 113628686B CN 202110871686 A CN202110871686 A CN 202110871686A CN 113628686 B CN113628686 B CN 113628686B
- Authority
- CN
- China
- Prior art keywords
- nutrient
- fungus
- intestinal flora
- nutrients
- abundance
- 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
- G16B30/10—Sequence alignment; Homology search
-
- 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
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- 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
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
- G16B50/30—Data warehousing; Computing architectures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Bioethics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Nutrition Science (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Alternative & Traditional Medicine (AREA)
- Pharmacology & Pharmacy (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本申请涉及一种评价营养素对肠道菌群作用的方法、系统、设备及介质,其方法包括获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据;根据每种营养素对应的肠道菌群样本中各个菌类培养前后的丰度数据,判断每个菌类的变化是否满足显著性要求,若是,则将满足显著性要求的菌类筛选出来并作为对应营养素的目标菌;根据每种营养素的目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对对应的目标菌的影响度。本申请能够直观的评价多种营养素对肠菌的影响程度,能够为肠道菌群相关的慢病提供营养素的干预方案。
Description
技术领域
本申请涉及医疗健康技术领域,尤其是涉及一种评价营养素对肠道菌群作用的方法、系统、设备及介质。
背景技术
目前,NCBI、HMP等数据库上存在很多不同的疾病人群的肠道微生物使用某些营养素的干预数据。然而,不同的测序方法、序列处理工具、分析软件和参考数据库都会对最后分析的结果产生影响,同时,一个菌类使用不同的营养素的作用效果没有量化比较。但是很多和肠道关联的慢性疾病往往是多个菌类相互作用的结果,目前无法根据单一菌类来选择最佳的营养素来通过对肠道菌群的干预来改善慢性疾病。
发明内容
有鉴于此,本申请提供一种评价营养素对肠道菌群作用的方法、系统、设备及介质,用以解决现有技术中无法量化不同营养素对菌类的作用效果的技术问题。
为了解决上述问题,第一方面,本申请提供一种评价营养素对肠道菌群作用的方法,所述方法包括:
获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据;
根据每种营养素对应的肠道菌群样本中各个菌类培养前后的丰度数据,判断每个菌类的变化是否满足显著性要求,若是,则将满足显著性要求的菌类筛选出来并作为对应营养素的目标菌;
根据每种营养素的目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对对应的目标菌的影响度。
可选的,所述菌类表示为种、属、科、目、纲、门或界其中任一一种维度划分的肠道菌;获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据,包括:
采用16SrDNA基因测序法或者宏基因组测序法对每个肠道菌群样本进行测试,得到每个肠道菌群样本中各个菌类的丰度数据。
可选的,获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据之后,所述方法还包括:
比较每个肠道菌群样本培养前后各个菌类的丰度数据,得到对应菌类的丰度变化值;
根据菌类的丰度变化值的正负性,确定营养素对菌类生长的作用效果,作用效果包括促进生长或抑制生长。
可选的,所述根据每种营养素对应的肠道菌群样本中各个菌类培养前后的丰度数据,判断每个菌类的变化是否满足显著性要求,包括:
利用Wilcoxon秩和检验法统计每个菌类培养前后的丰度数据的理论均值差大于或等于实际的丰度变化值的概率,并作为对应菌类的显著性p值;
若菌类的显著性p值小于预设阈值,则确定菌类的变化满足显著性要求;
若菌类的显著性p值大于或等于预设阈值,则确定菌类的变化不满足显著性要求。
可选的,所述根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对每种目标菌的影响度,包括:
根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,利用LDA 算法,计算对应目标菌培养前后的丰度数据的投影数据;
根据目标菌培养前后的丰度数据的投影数据,计算对应目标菌的投影均值差异;
根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,计算对应目标菌的丰度均值差异;
将每种营养素对应的肠道菌群样本中,每种目标菌的丰度均值差异和对应的投影均值差异的算数平均数作为对应营养素对对应目标菌的影响度。
可选的,目标菌表征为肠道菌;确定每种营养素对每种目标菌的影响度之后,还包括:
将每种肠道菌受到营养素作用的影响度进行排序,生成每种肠道菌的营养素干预方案,营养素干预方案包括肠道菌编号、营养素类型、作用效果和影响度。
可选的,所述确定每种营养素对每种目标菌的影响度之后,所述方法还包括:
根据多种不同目标营养对对应目标菌的影响度,并生成多个营养素-菌的映射关系表,每个营养素-菌的映射关系表记录的信息包括营养素编号、作用的菌类类别、作用效果、显著性p值以及影响度;
根据多种肠道菌的营养素干预方案和多个营养素-菌的映射关系表,生成多种营养素对肠道菌群作用的数据库。
第二方面,本申请提供的一种评价营养素对肠道菌群作用的系统,所述系统包括:
获取数据模块,用于获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据;
显著性判断模块,用于根据每种营养素对应的肠道菌群样本中各个菌类培养前后的丰度数据,判断每个菌类的变化是否满足显著性要求,若是,则将满足显著性要求的菌类筛选出来并作为对应营养素的目标菌;
影响度确定模块,用于根据每种营养素的目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对对应的目标菌的影响度。
第三方面,本申请提供的一种计算机设备,采用如下的技术方案:
一种计算机设备,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所述评价营养素对肠道菌群作用的方法的步骤。
第四方面,本申请提供的一种计算机可读存储介质,采用如下的技术方案:
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所述评价营养素对肠道菌群作用的方法的步骤。
采用上述实施例的有益效果是:通过获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据,便于单独研究每种营养素对肠道菌群的作用效果;通过对各个菌类变化的显著性判断,从而将满足显著性要求的菌类筛选出来并作为对应营养素的目标菌,有助于提高营养素对菌类影响度分析的准确性;根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,确定每种营养素对每种目标菌的影响度,从而直观的评价多种营养素对肠菌的影响程度,能够为肠道菌群相关的慢病提供营养素的干预方案。
附图说明
图1为本申请提供的评价营养素对肠道菌群作用的系统的应用场景示意图;
图2为本申请提供的评价营养素对肠道菌群作用的方法一实施例的方法流程图;
图3为本申请提供的评价营养素对肠道菌群作用的方法另一实施例的方法流程图;
图4为本申请提供的评价营养素对肠道菌群作用的方法步骤S202一实施例的方法流程图;
图5为本申请提供的评价营养素对肠道菌群作用的方法步骤S203一实施例的方法流程图;
图6为本申请提供的某种肠道菌受多种营养素干预的指标示意图;
图7为本申请提供的一营养素-菌的映射表的示意图;
图8为本申请提供的评价营养素对肠道菌群作用的系统一实施例的原理框图;
图9为本申请提供的计算机设备一实施例的原理框图。
具体实施方式
下面结合附图来具体描述本申请的优选实施例,其中,附图构成本申请一部分,并与本申请的实施例一起用于阐释本申请的原理,并非用于限定本申请的范围。
在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请提供了一种评价营养素对肠道菌群作用的方法、系统、设备及介质,以下分别进行详细说明。
图1为本申请实施例所提供的评价营养素对肠道菌群作用的系统的场景示意图,该系统可以包括服务器100,服务器100中集成有评价营养素对肠道菌群作用的系统,如图1中的服务器。
本申请实施例中服务器100主要用于:
获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据;
根据每种营养素对应的肠道菌群样本中各个菌类培养前后的丰度数据,判断每个菌类的变化是否满足显著性要求,若是,则将满足显著性要求的菌类筛选出来并作为对应营养素的目标菌;
根据每种营养素的目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对对应的目标菌的影响度。
本申请实施例中,该服务器100可以是独立的服务器,也可以是服务器组成的服务器网络或服务器集群,例如,本申请实施例中所描述的服务器100,其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中,云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。
可以理解的是,本申请实施例中所使用的终端200可以是既包括接收和发射硬件的设备,即具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端200可以是台式机、便携式电脑、网络服务器、掌上电脑(Personal Digital Assistant,PDA)、移动手机、平板电脑、无线终端设备、通信设备、嵌入式设备等,本实施例不限定终端200的类型。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本申请方案一种应用场景,并不构成对本申请方案应用场景的限定,其他的应用环境还可以包括比图1中所示更多或更少的终端,例如图1中仅示出2个终端,可以理解的,该评价营养素对肠道菌群作用的系统还可以包括一个或多个其他终端,具体此处不作限定。
另外,参照图1所示,该评价营养素对肠道菌群作用的系统还可以包括存储器200,用于存储数据,如每个肠道菌群样本培养前后各个菌类的丰度数据、每种营养素对每种目标菌的影响度等数据。
需要说明的是,图1所示的评价营养素对肠道菌群作用的系统的场景示意图仅仅是一个示例,本申请实施例描述的评价营养素对肠道菌群作用的系统以及场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着评价营养素对肠道菌群作用的系统的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
参照图2为本申请提供的评价营养素对肠道菌群作用的方法一种实施例的方法流程图,该评价营养素对肠道菌群作用的方法包括下述步骤:
S201、获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据;
S202、根据每种营养素对应的肠道菌群样本中各个菌类培养前后的丰度数据,判断每个菌类的变化是否满足显著性要求,若是,则将满足显著性要求的菌类筛选出来并作为对应营养素的目标菌;
S203、根据每种营养素的目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对对应的目标菌的影响度。
在本实施例中,肠道菌群样本可以采用健康人的粪便样本;多种营养素可以包括膳食补充剂、天然提取物、药食同源、中草药等营养素。需要说明的是,一般生物的分类方式有七类,分别是种、属、科、目、纲、门、界;在本实施例中,菌类表示为种、属、科、目、纲、门或界其中任一一种维度划分的肠道菌,因此菌类可以是菌属,也可以是菌种或菌科等其他维度划分的肠道菌。
在本实施例中,前期通过实验将多个肠道菌群样本和对照样本进行体外模拟肠道培养,并分别添加单一营养素;将培养前后的肠道菌群样本进行测试,获取肠道菌群样本中各个菌类培养前后的丰度数据,需要说明的是,丰度数据是指肠道菌群样本中每个菌类的相对含量;此外,本实施例中的菌类、目标菌均表征肠道菌或肠菌。
本实施例通过获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据,便于单独研究每种营养素对肠道菌群的作用效果;通过对各个菌类变化的显著性判断,从而将满足显著性要求的菌类筛选出来并作为对应营养素的目标菌,有助于提高营养素对菌类影响度分析的准确性;根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,确定每种营养素对每种目标菌的影响度,从而直观的评价多种营养素对肠菌的影响程度,能够为肠道菌群相关的慢病提供营养素的干预方案。
在一实施例中,步骤S201即获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据,包括:
采用16SrDNA基因测序法或者宏基因组测序法对每个肠道菌群样本进行测试,得到每种营养素对每个肠道菌群样本培养前后各个菌类的丰度数据。
在本实施例中,采用16SrDNA基因测序,因为细菌中含有3种rDNA序列,分别为23S、16S和5S,其中16 SrDNA由于其核苷酸数目适中信息量大、具有高度稳定性、易于提取和分析,是细菌系统分类学研究中最常用的分子钟。16SrDNA是编码原核生物核糖体小亚基rDNA(16SrDNA)的DNA序列,长度约为1540bp,存在于所有细菌染色体基因组中。16SrDNA分子序列中包含9个可变和10个恒定区,保守序列区域反映了生物物种间的亲缘关系,而高变异序列区域则能体现物种间的差异。通过PCR扩增16 SrDNA并进行测序,在本实施例中,可以采用二代DNA测序/三代DNA测序对肠道菌群样本的16 SrDNA中某几个片段或全部片段进行测序,需要说明的是,16 SrDNA由V1到V9一共9个片段组成;进一步地,将测序得到的16 SrDNA序列在GOLD和RDP数据库进行菌的不同分类比对和丰度计算,从而得到肠道菌群样本培养前后各个菌类的丰度数据。此外,本实施例还可以采用二代DNA测序/三代DNA测序对肠道菌群样本的宏基因组进行测序,来获得肠道菌群样本培养前后各个菌类的丰度数据。
在一实施例中,参照图3为本申请提供的评价营养素对肠道菌群作用的方法步骤S201之后一种实施例的方法流程图,具体地,该步骤S201之后,本实施例的评价营养素对肠道菌群作用的方法还包括:
S301、比较每个肠道菌群样本培养前后各个菌的丰度数据,得到对应菌类的丰度变化值;
S302、根据菌类的丰度变化值的正负性,确定营养素对菌类生长的作用效果,作用效果包括促进生长或抑制生长。
具体地,将每个肠道菌群样本培养前后同种菌类的丰度数据相减,得到菌类的丰度变化值,该丰度变化值包括差值的符号和绝对值,从而可以反映出营养素对菌类培养作用的变化趋势。
进一步地,若菌类的丰度变化值的符号为正,则营养素对菌类生长的作用效果为促进;若菌类的丰度变化值的符号为负,则营养素对菌类生长的作用效果为抑制,从而可以将每种营养素培养得到的各个菌类划分为促进生长菌和抑制生长菌。
在一实施例中,参照图4为本申请提供的步骤S202一种实施例的方法流程图,该步骤S202包括下述步骤:
S401、利用Wilcoxon秩和检验法统计每个菌类培养前后的丰度数据的理论均值差大于或等于实际的丰度变化值的概率,并作为对应菌类的显著性p值;
S402、若菌类的显著性p值小于预设阈值,则确定菌类的变化满足显著性要求;
S403、若菌类的显著性p值大于或等于预设阈值,则确定菌类的变化不满足显著性要求。
在本实施例中,显著性p值是指在一个概率模型中,统计两个样本均值差与实际观测数据相同,或甚至更大这一事件发生的概率。在本实施例中,同菌类的显著性p值比较的预设阈值采用经验值,具体可以为0.05,需要说明的是,显著性p值<0.05认为在菌类的变化差异明显有参考意义,且差值绝对值越大,对应营养素对菌类作用效果越明显,从而将满足显著性要求的菌类筛选出来并作为目标菌,以进一步分析营养素对目标菌的影响度。
在一实施例中,参照图5,步骤S203即根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对每种目标菌的影响度,包括:
S501、根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,利用LDA 算法,计算对应目标菌培养前后的丰度数据的投影数据;
S502、根据目标菌培养前后的丰度数据的投影数据,计算对应目标菌的投影均值差异;
S503、根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,计算对应目标菌的丰度均值差异;
S504、将每种营养素对应的肠道菌群样本中,每种目标菌的丰度均值差异和对应的投影均值差异的算数平均数作为对应营养素对对应目标菌的影响度。
在本实施例中,LDA 算法属于线性判别分析的分类算法,通过将每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据分别对直线进行投影,获取当类间差异尽可能大且类别内差异尽可能小时的数据投影,即对应每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据的投影数据,并以此求取对应目标菌的投影均值差异;根据每种目标菌的丰度均值差异和对应的投影均值差异的算数平均数得到LDA值,将该LDA值作为对应营养素对对应目标菌的影响度。
在一实施例中,目标菌表征为肠道菌,在步骤S203中确定每种营养素对每种目标菌的影响度之后,还包括:
将每种肠道菌受到营养素作用的影响度进行排序,生成每种肠道菌的营养素干预方案,营养素干预方案包括肠道菌编号、营养素类型、作用效果和影响度。
在本实施例中,参照图6,图6中表示某种肠道菌受不同型号的多糖的作用效果和影响度,可以将影响度进行排序,生成对应肠道菌的营养素干预方案,从而便于获取对应肠道菌促进或抑制效果最好的营养素;通过大量的试验和分析,可以得到多种肠道菌的营养素干预方案。
在一实施例中,在步骤S203中确定每种营养素对每种目标菌的影响度之后,本实施例的评价营养素对肠道菌群作用的方法还包括:
根据多种不同目标营养对对应目标菌的影响度,并生成多个营养素-菌的映射关系表,每个营养素-菌的映射关系表记录的信息包括营养素编号、作用的菌类类别、作用效果、显著性p值以及影响度;
根据多种肠道菌的营养素干预方案和多个营养素-菌的映射关系表,生成多种营养素对肠道菌群作用的数据库。
在本实施例中,参照图7,图7中表示编号为540的营养素作用的不同肠道菌,其中feature表示不同特征的菌类,enrich_group表示作用效果,Up表示促进生长,CTRL11表示抑制生长,LDA值表示影响度,p_value表示对应各个菌类的显著性p值,显著性p值越小,差异越明显;通过营养素-菌的映射关系表,可以知道对应营养素可以作用的肠道菌种类以及作用效果,从而有助于为肠道相关的慢性疾病的干预方案提供基础。
本实施例通过获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据,便于单独研究每种营养素对肠道菌群的作用效果;通过对各个菌类变化的显著性判断,从而将满足显著性要求的菌类筛选出来并作为对应营养素的目标菌,有助于提高营养素对菌类影响度分析的准确性;根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,确定每种营养素对每种目标菌的影响度,从而直观的评价多种营养素对肠菌的影响程度,能够为肠道菌群相关的慢病提供营养素的干预方案。
应理解,上述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。
本实施例还提供一种评价营养素对肠道菌群作用的系统,该评价营养素对肠道菌群作用的系统与上述实施例中评价营养素对肠道菌群作用的方法一一对应。如图8所示,该评价营养素对肠道菌群作用的系统包括获取数据模块801、显著性判断模块802和影响度确定模块803。各功能模块详细说明如下:
获取数据模块801,用于获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据;
显著性判断模块802,用于根据每种营养素对应的肠道菌群样本中各个菌类培养前后的丰度数据,判断每个菌类的变化是否满足显著性要求,若是,则满足显著性要求的菌类筛选出来并作为对应营养素的目标菌;
影响度确定模块803,用于根据每种营养素的目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对对应的目标菌的影响度。
关于评价营养素对肠道菌群作用的系统的具体限定可以参见上文中对于评价营养素对肠道菌群作用的方法的限定,在此不再赘述。上述评价营养素对肠道菌群作用的系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
参照图9,本实施例还提供了一种计算机设备,该计算机设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该计算机设备包括处理器10、存储器20及显示器30。图9仅示出了计算机设备的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器20在一些实施例中可以是计算机设备的内部存储单元,例如计算机设备的硬盘或内存。存储器20在另一些实施例中也可以是计算机设备的外部存储设备,例如计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(SecureDigital, SD)卡,闪存卡(Flash Card)等。进一步地,存储器20还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器20用于存储安装于计算机设备的应用软件及各类数据,例如安装计算机设备的程序代码等。存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器20上存储有计算机程序40。
处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器20中存储的程序代码或处理数据,例如执行评价营养素对肠道菌群作用的方法等。
显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器30用于显示在计算机设备的信息以及用于显示可视化的用户界面。计算机设备的部件10-30通过系统总线相互通信。
在一实施例中,当处理器10执行存储器20中计算机程序40时实现以下步骤:
获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据;
根据每种营养素对应的肠道菌群样本中各个菌类培养前后的丰度数据,判断每个菌类的变化是否满足显著性要求,若是,则将满足显著性要求的菌类筛选出来并作为对应营养素的目标菌;
根据每种营养素的目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对对应的目标菌的影响度。
本实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据;
根据每种营养素对应的肠道菌群样本中各个菌类培养前后的丰度数据,判断每个菌类的变化是否满足显著性要求,若是,则将满足显著性要求的菌类筛选出来并作为对应营养素的目标菌;
根据每种营养素的目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对对应的目标菌的影响度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。
本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。
Claims (9)
1.一种评价营养素对肠道菌群作用的方法,其特征在于,所述方法包括:
获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据;
根据每种营养素对应的肠道菌群样本中各个菌类培养前后的丰度数据,判断每个菌类的变化是否满足显著性要求,若是,则将满足显著性要求的菌类筛选出来并作为对应营养素的目标菌;
根据每种营养素的目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对对应的目标菌的影响度;
所述根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对每种目标菌的影响度,包括:
根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,利用LDA 算法,计算对应目标菌培养前后的丰度数据的投影数据;
根据目标菌培养前后的丰度数据的投影数据,计算对应目标菌的投影均值差异;
根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,计算对应目标菌的丰度均值差异;
将每种营养素对应的肠道菌群样本中,每种目标菌的丰度均值差异和对应的投影均值差异的算数平均数作为对应营养素对对应目标菌的影响度。
2.根据权利要求1所述的评价营养素对肠道菌群作用的方法,其特征在于,所述菌类表示为种、属、科、目、纲、门或界其中任一一种维度划分的肠道菌;获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据,包括:
采用16SrDNA基因测序法或者宏基因组测序法对每个肠道菌群样本进行测试,得到每个肠道菌群样本中各个菌类的丰度数据。
3.根据权利要求1所述的评价营养素对肠道菌群作用的方法,其特征在于,获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据之后,所述方法还包括:
比较每个肠道菌群样本培养前后各个菌类的丰度数据,得到对应菌类的丰度变化值;
根据菌类的丰度变化值的正负性,确定营养素对菌类生长的作用效果,作用效果包括促进生长或抑制生长。
4.根据权利要求1所述的评价营养素对肠道菌群作用的方法,其特征在于,所述根据每种营养素对应的肠道菌群样本中各个菌类培养前后的丰度数据,判断每个菌类的变化是否满足显著性要求,包括:
利用Wilcoxon秩和检验法统计每个菌类培养前后的丰度数据的理论均值差大于或等于实际的丰度变化值的概率,并作为对应菌类的显著性p值;
若菌类的显著性p值小于预设阈值,则确定菌类的变化满足显著性要求;
若菌类的显著性p值大于或等于预设阈值,则确定菌类的变化不满足显著性要求。
5.根据权利要求1所述的评价营养素对肠道菌群作用的方法,其特征在于,目标菌表征为肠道菌;确定每种营养素对每种目标菌的影响度之后,还包括:
将每种肠道菌受到营养素作用的影响度进行排序,生成每种肠道菌的营养素干预方案,营养素干预方案包括肠道菌编号、营养素类型、作用效果和影响度。
6.根据权利要求5所述的评价营养素对肠道菌群作用的方法,其特征在于,所述确定每种营养素对每种目标菌的影响度之后,所述方法还包括:
根据多种不同目标营养对对应目标菌的影响度,并生成多个营养素-菌的映射关系表,每个营养素-菌的映射关系表记录的信息包括营养素编号、作用的菌类类别、作用效果、显著性p值以及影响度;
根据多种肠道菌的营养素干预方案和多个营养素-菌的映射关系表,生成多种营养素对肠道菌群作用的数据库。
7.一种评价营养素对肠道菌群作用的系统,其特征在于,所述系统包括:
获取数据模块,用于获取多种营养素分别单独对每个肠道菌群样本培养前后各个菌类的丰度数据;
显著性判断模块,用于根据每种营养素对应的肠道菌群样本中各个菌类培养前后的丰度数据,判断每个菌类的变化是否满足显著性要求,若是,则将满足显著性要求的菌类筛选出来并作为对应营养素的目标菌;
影响度确定模块,用于根据每种营养素的目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对对应的目标菌的影响度;
所述根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,并采用线性分析,确定每种营养素对每种目标菌的影响度,包括:
根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,利用LDA 算法,计算对应目标菌培养前后的丰度数据的投影数据;
根据目标菌培养前后的丰度数据的投影数据,计算对应目标菌的投影均值差异;
根据每种营养素对应的肠道菌群样本中目标菌培养前后的丰度数据,计算对应目标菌的丰度均值差异;
将每种营养素对应的肠道菌群样本中,每种目标菌的丰度均值差异和对应的投影均值差异的算数平均数作为对应营养素对对应目标菌的影响度。
8.一种计算机设备,其特征在于,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权利要求1至6任一项所述评价营养素对肠道菌群作用的方法的步骤。
9.一种计算机可读存储介质,其特征在于,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权利要求1至6任一项所述评价营养素对肠道菌群作用的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110871686.1A CN113628686B (zh) | 2021-07-30 | 2021-07-30 | 评价营养素对肠道菌群作用的方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110871686.1A CN113628686B (zh) | 2021-07-30 | 2021-07-30 | 评价营养素对肠道菌群作用的方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113628686A CN113628686A (zh) | 2021-11-09 |
CN113628686B true CN113628686B (zh) | 2023-03-24 |
Family
ID=78381738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110871686.1A Active CN113628686B (zh) | 2021-07-30 | 2021-07-30 | 评价营养素对肠道菌群作用的方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113628686B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2367587A1 (en) * | 1999-03-01 | 2000-09-08 | Hendrik Van Haeringen | Detection and quantification of micro-organisms using amplification and restriction enzyme analysis |
CN109706235A (zh) * | 2019-01-29 | 2019-05-03 | 广州康昕瑞基因健康科技有限公司 | 一种肠道微生物菌群的检测和分析方法及其系统 |
CN110093276B (zh) * | 2019-06-03 | 2023-06-13 | 新乡医学院 | 一种定向选择性分离肠道细菌的方法 |
-
2021
- 2021-07-30 CN CN202110871686.1A patent/CN113628686B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113628686A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dilthey et al. | Strain-level metagenomic assignment and compositional estimation for long reads with MetaMaps | |
Leff et al. | Consistent responses of soil microbial communities to elevated nutrient inputs in grasslands across the globe | |
Brooks et al. | Changes in vaginal community state types reflect major shifts in the microbiome | |
Touw et al. | Data mining in the Life Sciences with Random Forest: a walk in the park or lost in the jungle? | |
Ramasamy et al. | Key issues in conducting a meta-analysis of gene expression microarray datasets | |
Puth et al. | Effective use of Pearson's product–moment correlation coefficient | |
Kolde et al. | GOsummaries: an R package for visual functional annotation of experimental data | |
DeTomaso et al. | FastProject: a tool for low-dimensional analysis of single-cell RNA-Seq data | |
Guerra et al. | Meta-analysis and combining information in genetics and genomics | |
Foster et al. | Measuring the microbiome: perspectives on advances in DNA-based techniques for exploring microbial life | |
Heinken et al. | AGORA2: Large scale reconstruction of the microbiome highlights wide-spread drug-metabolising capacities | |
Liao et al. | tmap: an integrative framework based on topological data analysis for population-scale microbiome stratification and association studies | |
Chen et al. | Predicting the role of the human gut microbiome in constipation using machine-learning methods: a meta-analysis | |
Hunter-Zinck et al. | Measuring genetic variation in the multi-ethnic Million Veteran Program (MVP) | |
Isshiki et al. | Admixture and natural selection shaped genomes of an Austronesian-speaking population in the Solomon Islands | |
CN113628686B (zh) | 评价营养素对肠道菌群作用的方法、系统、设备及介质 | |
CN113628714B (zh) | 针对疾病的营养素干预方法、系统、设备及存储介质 | |
CN114974432A (zh) | 一种生物标志物的筛选方法及其相关应用 | |
Couch et al. | GAIL: An interactive webserver for inference and dynamic visualization of gene-gene associations based on gene ontology guided mining of biomedical literature | |
Parkinson et al. | Gene filtering strategies for machine learning guided biomarker discovery using neonatal sepsis RNA-seq data | |
Zhou et al. | Internal transcribed spacer sequencing and metatranscriptomics analysis reveal the fungal community composition, diversity related environment variables and roles during serofluid dish fermentation | |
Povoa et al. | A Multi-Learning Training Approach for distinguishing low and high risk cancer patients | |
Huang et al. | Computational strategies for the identification of a transcriptional biomarker panel to sense cellular growth states in Bacillus subtilis | |
Arulanandham et al. | Role of Data Science in Healthcare | |
Milanese | Advancing taxonomic annotation and profiling of microbial communities using marker genes |
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 |