CN114446396A - 肠道菌群移植的群组配型方法、系统、设备及存储介质 - Google Patents

Abstract

本发明涉及肠道菌群移植技术领域，公开了一种肠道菌群移植的群组配型方法、系统、设备及存储介质，所述方法包括：获取肠道菌群的数据样本集；所述数据样本集包括待配型的受体和供体数据；对所述数据样本集进行聚类分析，得到若干菌群聚类簇；从每个菌群聚类簇内选择若干受体，并计算距离若干所述受体最近的供体，组成受体和供体的配型对。本发明无需标注训练数据，大大节约了成本，而且通过聚类方法能够得到形状不规则的聚类簇，不需要事先给定聚类簇数量，方便快捷，而且通过簇内计算，能够大大提高配型效率。

Description

肠道菌群移植的群组配型方法、系统、设备及存储介质

技术领域

本发明涉及肠道菌群移植技术领域，特别是涉及一种肠道菌群移植的群组配型方法、系统、计算机设备及可读存储介质。

背景技术

粪菌移植(Human Microbiota Transplantation，HMT或FMT)，又称为肠道菌群移植，其定义是健康人类粪便中的功能菌群，移植到患者胃肠道内，重新建立新的肠道菌群，实现肠道及肠道外疾病的治疗。

在进行肠道菌群移植时，需要对供体和受体的数据进行精准配型。目前的精准配型方法大都基于有监督学习(supervised learning)，通过一定训练数据去训练生产AI匹配模型，然后通过AI匹配模型进行精准配型，然而，基于有监督学习的方法，为了生成AI匹配模型，需要大量的训练数据去训练，而训练数据有需要高水平和实践经验丰富的相关科研人员去标注，成本较高。并且目前的精准配型方法是单个受体跟所有供体进行匹配，效率低下。

因此，现有技术还有待进一步提升和改进。

发明内容

本发明要解决的技术问题是：通过无监督学习方法，克服现有有监督学习方法在肠道菌群移植的精准配型时因需人工标注所导致的成本较高、以及只能实现单个受体与供体间匹配的技术问题。

为了解决上述技术问题，第一方面，本发明提供了一种肠道菌群移植的群组配型方法，所述方法包括：

获取肠道菌群的数据样本集；所述数据样本集包括待配型的受体和供体数据；

对所述数据样本集进行聚类分析，得到若干菌群聚类簇；

从每个菌群聚类簇内选择若干受体，并计算距离若干所述受体最近的供体，组成受体和供体的配型对。

进一步地，所述通过对所述数据样本集进行聚类分析，得到若干菌群聚类簇的步骤包括：

通过DBSCAN算法对所述数据样本集进行聚类分析，得到若干菌群聚类簇。

进一步地，所述通过DBSCAN算法对所述数据样本集进行聚类分析，得到若干菌群聚类簇的步骤包括：

确定所述数据样本集中每个数据点的EPS邻域；

统计每个数据点的EPS邻域内数据点数目，并将所述数据点数目超过密度阈值的数据点作为核心点；

将所述核心点中多个密度可达的核心点组成菌群聚类簇。

进一步地，所述从每个菌群聚类簇内选择若干受体，并计算距离至少一个所述受体最近且等数量的供体的步骤包括：

在每个菌群聚类簇内，根据闵可夫斯基距离，计算若干所述受体距离最近的供体，组成若干一对一的配型对。

第二方面，本发明提供了一种肠道菌群移植的群组配型系统，所述系统包括：

数据采集模块，用于获取肠道菌群的数据样本集；所述数据样本集包括待配型的受体和供体数据；

聚类分析模块，用于对所述数据采集模块所获取的所述数据样本集进行聚类分析，得到若干菌群聚类簇；

群组配型模块，用于从每个菌群聚类簇内选择若干受体，并计算距离若干所述受体最近的供体，组成受体和供体的配型对。

进一步地，所述聚类分析模块采用DBSCAN算法对所述数据样本集进行聚类分析，得到若干菌群聚类簇。

进一步地，所述聚类分析模块包括：

邻域确定模块，用于确定所述数据样本集中每个数据点的EPS邻域；

筛选模块，用于统计每个数据点的EPS邻域内数据点数目，并将所述数据点数目超过密度阈值的数据点作为核心点；

聚类模块，用于将所述核心点中多个密度可达的核心点组成菌群聚类簇。

进一步地，所述群组配型模块还用于在每个菌群聚类簇内，根据闵可夫斯基距离，计算若干所述受体距离最近的供体，组成若干一对一的配型对。

第三方面，本发明提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在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上述方法的步骤。

第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

本发明实施例一种肠道菌群移植的群组配型方法、系统、计算机设备及可读存储介质，通过采用无监督学习方法和DBSCAN基于密度的聚类方法，对菌群数据进行聚类分析，得到菌群聚类簇，通过菌群聚类内的距离计算，得到准确的配型对。与现有技术相比，其有益效果在于：无需标注训练数据，大大节约了成本，而且通过聚类方法能够得到形状不规则的聚类簇，不需要事先给定聚类簇数量，方便快捷，而且通过簇内计算，能够大大提高配型效率。

附图说明

图1是本发明实施例中肠道菌群移植的群组配型方法的应用场景示意图；

图2是本发明实施例中肠道菌群移植的群组配型方法的流程图；

图3是图2中步骤S200的具体流程图；

图4是本发明实施例中肠道菌群移植的群组配型系统的组成框图；

图5是图4中聚类分析模块的组成框图；

图6是本发明实施例中计算机设备的示意图。。

具体实施方式

为了使本申请的目的、技术方案和有益效果更加清楚明白，下面结合附图及实施例，对本发明作进一步详细说明，显然，以下所描述的实施例是本发明实施例的一部分，仅用于说明本发明，但不用来限制本发明的范围。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供的肠道菌群移植的群组配型方法，可以应用于如图1所示的终端或服务器上。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，本发明实施例优选实施例的一种肠道菌群移植的群组配型方法，所述方法包括步骤：

S100、获取肠道菌群的数据样本集；所述数据样本集包括待配型的受体和供体数据。

其中，为了实现对受体和供体的精准配型，本实施例首先获取肠道菌群，组成数据样本集，而为了减少疾病传播的风险，菌群需要严格筛选，必须排除任何可能通过菌群移植传播的疾病，尽量通过血清学以及粪便检测，筛查排除可能的感染源。

数据样本集可以通过现有肠道菌群数据库获取，也可以通过集中采样获取。当然，为了实现数据样本集的有效性，可以通过策略学习的神经网络模型，先对数据样本集进行学习训练，择优选择高效的样本数据，排除无效或低效样本，便于提升后续配型的精确度。

S200、对所述数据样本集进行聚类分析，得到若干菌群聚类簇。

其中，为了避免人工标注训练数据的繁琐，本实施例利用无监督学习中基于密度的聚类算法对数据样本集进行聚类分析，优选采用DBSCAN算法(Density-Based SpatialClustering of Applications with Noise)，DBSCAN算法属于具有噪声的基于密度的聚类算法，参见图3，本实施例采用对数据样本集进行聚类分析以得到若干菌群聚类簇的过程具体如下步骤：

S201、确定所述数据样本集中每个数据点的EPS邻域；

S202、统计每个数据点的EPS邻域内数据点数目，并将所述数据点数目超过密度阈值的数据点作为核心点；

S203、将所述核心点中多个密度可达的核心点组成菌群聚类簇。

首先，通过DBSCAN算法，预先设定数据样本集的对应参数，即半径EPS和密度阈值MinPts，根据半径EPS可以确定数据样本集中每个数据点的EPS邻域，即：以每个数据点为圆心，以eps为半径画圆圈，该圆圈即为数据点的EPS邻域。

其次，对每个数据点的EPS邻域内包含的数据点进行计数，统计每个数据点的EPS邻域内数据点数目。如果某个数据点在自身EPS邻域内数据点数目超过了密度阈值MinPts，那么将该数据点记为核心点Xi(i＝1，2，…N，N为正整数)。而如果某个数据点的EPS邻域内的数据点数目小于密度阈值且落在核心点的EPS邻域内，则称该数据点为边界点。既不是核心点又不是边界点的数据点，则记为噪声点。

再者，将核心点Xi的EPS邻域内的所有数据点，确定为核心点Xi的直接密度直达，如果核心点Xj由Xi密度直达。如果Xj由Xi密度直达，Xk由Xj密度直达，…Xn由Xk密度直达，那么Xn由Xi密度可达。如果Xi和Xj都可以由Xk密度可达，那么将Xi和Xj确定为密度相连。

最后，统计出这些核心点中多个密度可达的核心点确定为密度相连，将密度相连的点连接在一起，组成菌群聚类簇。

由于DBSCAN算法将簇定义为密度相连的点的最大集合，能够将足够高密度的区域划分为簇，并且在具有噪声的空间数据上能够发现任意形状的簇，因此，本实施例通过DBSCAN算法，可以从样本数据集中确定密度相连的供受体且是密度相连的点的最大集合，因此，本实施例的聚类分析可以找出形状不规则的簇，而且聚类时也无需实现给定簇的数量。

本实施例并不限于采用DBSCAN算法进行聚类分析，其他基于密度的聚类方法亦可。

S300、从每个菌群聚类簇内选择若干受体，并计算距离若干所述受体最近的供体，组成受体和供体的配型对。

在步骤S300中，本实施例从每个菌群聚类簇中可以同时选择若干受体，并在簇内，根据闵可夫斯基距离，计算跟若干受体距离最近的供体，组成若干一对一的配型对，然后输出。因此，本实施例可以同时输出多个受体和供体的配型对或配型结果，并且有是簇内计算，相当于进行了预选和筛选，因此，计算效率非常高。

本发明实施例通过采用无监督学习方法和DBSCAN基于密度的聚类方法，对菌群数据进行聚类分析，得到菌群聚类簇，通过菌群聚类内的距离计算，得到准确的配型对。由于该配型方法无需标注训练数据，大大节约了成本，而且通过聚类方法能够得到形状不规则的聚类簇，不需要事先给定聚类簇数量，方便快捷，而且通过簇内计算，能够大大提高配型效率。

需要说明的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。

在一个实施例中，基于同一发明构思，本发明提供了一种肠道菌群移植的群组配型系统，参见图4，该系统包括：

数据采集模块1，用于获取肠道菌群的数据样本集；所述数据样本集包括待配型的受体和供体数据；

聚类分析模块2，用于对所述数据采集模块所获取的所述数据样本集进行聚类分析，得到若干菌群聚类簇；

群组配型模块3，用于从每个菌群聚类簇内选择若干受体，并计算距离若干所述受体最近的供体，组成受体和供体的配型对。

在一个实施例中，聚类分析模块2采用DBSCAN算法对所述数据样本集进行聚类分析，得到若干菌群聚类簇。

在一个实施例中，参见图5，聚类分析模块2包括：邻域确定模块21、筛选模块22和聚类模块23，其中，

邻域确定模块21，用于确定所述数据样本集中每个数据点的EPS邻域；

筛选模块22，用于统计每个数据点的EPS邻域内数据点数目，并将所述数据点数目超过密度阈值的数据点作为核心点；

聚类模块23，用于将所述核心点中多个密度可达的核心点组成菌群聚类簇。

在一个实施例中，群组配型模块2还用于在每个菌群聚类簇内，根据闵可夫斯基距离，计算若干所述受体距离最近的供体，组成若干一对一的配型对。

本发明实施例通过各个模块对菌群数据进行聚类分析，得到菌群聚类簇，以及通过菌群聚类内的距离计算，可以得到准确的配型对。由于该配型系统无需标注训练数据，大大节约了成本，而且通过聚类方法能够得到形状不规则的聚类簇，不需要事先给定聚类簇数量，方便快捷，而且通过簇内计算，能够大大提高配型效率。

需要说明的是，上述肠道菌群移植的群组配型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。关于肠道菌群移植的群组配型系统的具体限定参见上文中对于肠道菌群移植的群组配型方法的限定，二者具有相同的功能和作用，在此不再赘述。

此外，本发明的实施例还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。

此外，本发明的实施例还提出一种计算机设备，参见图6，包括存储器601、处理器602以及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器602执行所述程序时实现上述方法的步骤。处理器602以及存储器601可以通过总线或者其他方式连接，图6中以通过总线连接为例。

存储器601作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中肠道菌群移植的群组配型系统对应的程序指令/模块。处理器602通过运行存储在存储器601中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述系统实施例中肠道菌群移植的群组配型系统。

存储器601可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据肠道菌群移植的群组配型系统的使用所创建的数据等。此外，存储器601可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器601可选包括相对于处理器602远程设置的存储器，这些远程存储器可以通过网络连接至肠道菌群移植的群组配型系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种肠道菌群移植的群组配型方法，其特征在于，所述方法包括：

获取肠道菌群的数据样本集；所述数据样本集包括待配型的受体和供体数据；

对所述数据样本集进行聚类分析，得到若干菌群聚类簇；

从每个菌群聚类簇内选择若干受体，并计算距离若干所述受体最近的供体，组成受体和供体的配型对。

2.根据权利要求1所述的肠道菌群移植的群组配型方法，其特征在于，所述通过对所述数据样本集进行聚类分析，得到若干菌群聚类簇的步骤包括：

通过DBSCAN算法对所述数据样本集进行聚类分析，得到若干菌群聚类簇。

3.根据权利要求2所述的肠道菌群移植的群组配型方法，其特征在于，所述通过DBSCAN算法对所述数据样本集进行聚类分析，得到若干菌群聚类簇的步骤包括：

确定所述数据样本集中每个数据点的EPS邻域；

统计每个数据点的EPS邻域内数据点数目，并将所述数据点数目超过密度阈值的数据点作为核心点；

将所述核心点中多个密度可达的核心点组成菌群聚类簇。

4.根据权利要求1所述的肠道菌群移植的群组配型方法，其特征在于，所述从每个菌群聚类簇内选择若干受体，并计算距离至少一个所述受体最近且等数量的供体的步骤包括：

在每个菌群聚类簇内，根据闵可夫斯基距离，计算若干所述受体距离最近的供体，组成若干一对一的配型对。

5.一种肠道菌群移植的群组配型系统，其特征在于，所述系统包括：

数据采集模块，用于获取肠道菌群的数据样本集；所述数据样本集包括待配型的受体和供体数据；

聚类分析模块，用于对所述数据采集模块所获取的所述数据样本集进行聚类分析，得到若干菌群聚类簇；

群组配型模块，用于从每个菌群聚类簇内选择若干受体，并计算距离若干所述受体最近的供体，组成受体和供体的配型对。

6.根据权利要求5所述的肠道菌群移植的群组配型系统，其特征在于，所述聚类分析模块采用DBSCAN算法对所述数据样本集进行聚类分析，得到若干菌群聚类簇。

7.根据权利要求6所述的肠道菌群移植的群组配型系统，其特征在于，所述聚类分析模块包括：

邻域确定模块，用于确定所述数据样本集中每个数据点的EPS邻域；

筛选模块，用于统计每个数据点的EPS邻域内数据点数目，并将所述数据点数目超过密度阈值的数据点作为核心点；

聚类模块，用于将所述核心点中多个密度可达的核心点组成菌群聚类簇。

8.根据权利要求5所述的肠道菌群移植的群组配型系统，其特征在于，所述群组配型模块还用于在每个菌群聚类簇内，根据闵可夫斯基距离，计算若干所述受体距离最近的供体，组成若干一对一的配型对。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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权利要求1至4中任一所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一所述方法的步骤。

Images