CN114496088A - 一种棘球蚴病微生物标志物及其筛选方法和应用 - Google Patents
一种棘球蚴病微生物标志物及其筛选方法和应用 Download PDFInfo
- Publication number
- CN114496088A CN114496088A CN202210097872.9A CN202210097872A CN114496088A CN 114496088 A CN114496088 A CN 114496088A CN 202210097872 A CN202210097872 A CN 202210097872A CN 114496088 A CN114496088 A CN 114496088A
- Authority
- CN
- China
- Prior art keywords
- otu
- echinococcosis
- microbial
- screening method
- artificial sequence
- 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.)
- Granted
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
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6888—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Analytical Chemistry (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Biotechnology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Organic Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Bioethics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Immunology (AREA)
- Microbiology (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供了一种棘球蚴病微生物标志物及其筛选方法和应用，属于疾病诊断技术领域。本发明通过对健康人和棘球蚴病患者粪便中真菌组分进行ITS1区域测序，获得真菌的丰度，通过筛选运算找到特定种属的真菌作为微生物标志物，利用带类标的数据进行模型优化调参，提高模型的精确度和灵敏度，根据输出的风险值预测棘球蚴病发生概率，同时指示肠道微生物平衡状态。实验证明，本发明提供的棘球蚴病微生物标志物可有效用于构建棘球蚴病风险预测模型，且预测灵敏度高、特异性好，能在多样本中有效区分棘球蚴病患者和健康人，准确度为87.5％以上，为疾病研究奠定基础。
Description
技术领域
本发明属于疾病诊断技术领域，具体涉及一种棘球蚴病微生物标志物及其筛选方法和应用。
背景技术
棘球蚴病(hydatid disease)是棘球绦虫幼虫感染引起的一种严重影响人体健康和畜牧业发展的人兽共患寄生虫病，俗称包虫病(Echinococcosis)，属于世界卫生组织重点防治的寄生虫病。棘球蚴病主要有细粒棘球绦虫(Echinococcus granulosus)幼虫引起的细粒棘球蚴病(Cysticechinococcosis，CE)和多房棘球绦虫(E.multilocularis)幼虫引起的多房棘球蚴病(Alveolar echinococcosis，AE)。
棘球蚴病在感染早期无临床症状，通常在形成棘球蚴囊后才出现明显症状。目前，棘球蚴病的诊断通常采用超声检查，结合棘球蚴病特征性影像(CT、MRI)和流行病学调查作为诊断依据，缺乏特异性；对于2cm以内缺乏特征影像结构的小囊无法诊断，导致漏诊或误诊。只能在体内形成较大棘球蚴囊后才能识别，无法实现早期诊断。且易与肝囊肿、肝血管瘤等混淆，对操作人员的技术水平和临床经验依赖程度较高。
免疫学检测方法在早期诊断方面优于超声检查，但常与其他绦虫、吸虫有交叉反应，使得假阳性率较高。亟待研发敏感、特异的具有诊断价值的新方法。
基于特异性肠道微生物标志物的分子生物学方法已在多种疾病中被证明是敏感、特异、高效的检测方法，因此，开发一种特异性高、灵敏度检测效果好的微生物标志物对早期诊断棘球蚴病具有重要意义。然而目前还没有关于一套标准的检测棘球蚴病微生物标志物的报道。
发明内容
有鉴于此，本发明的目的在于提供一种棘球蚴病微生物标志物及其筛选方法和应用，具有检测灵敏度高、特异性强的特点。
本发明提供了一种棘球蚴病微生物标志物，包括以下OTU：OTU_45、OTU_743、OTU_35、OTU_792、OTU_2801、OTU_5413、OTU_10101、OTU_1888、OTU_75、OTU_241、OTU_415、OTU_3980、OTU_464、OTU_10400、OTU_547、OTU_210、OTU_730、OTU_9763、OTU_76、OTU_71、OTU_7868、OTU_12291、OTU_61、OTU_319、OTU_343、OTU_28、OTU_195、OTU_757、OTU_1、OTU_46、OTU_86、OTU_12127；
所述OTU_45、OTU_743、OTU_35、OTU_792、OTU_2801、OTU_5413、OTU_10101、OTU_1888、OTU_75、OTU_241、OTU_415、OTU_3980、OTU_464、OTU_10400、OTU_547、OTU_210、OTU_730、OTU_9763、OTU_76、OTU_71、OTU_7868、OTU_12291、OTU_61、OTU_319、OTU_343、OTU_28、OTU_195、OTU_757、OTU_1、OTU_46、OTU_86、OTU_12127对应的核苷酸序列依次如SEQ ID NO：1～SEQ ID NO：32所示。
本发明提供了所述棘球蚴病微生物标志物的筛选方法，包括以下步骤：
1)提取健康个体和棘球蚴病患者来源的粪便样本中真菌DNA；
2)分别以步骤1)中健康个体来源的真菌DNA和棘球蚴病患者来源的真菌DNA为模板，扩增并测定ITS1序列，计算97％相似性水平的OTU的丰度值；
3)用步骤2)中所述OTU的丰度值构建随机森林模型；
4)挑选最佳预测微生物数量的特定种属的OTU丰度值输入所述随机森林模型中训练，得到训练好的随机森林模型；
5)用步骤4)中训练好的随机森林模型进行测试，准确度不低于85％时，说明挑选最佳预测微生物数量的特定种属的OTU可以作为棘球蚴病微生物标志物。
优选的，步骤2)中计算97％相似性水平的OTU的丰度值的方法是将测序得到的ITS1序列，统计每个OUT对应的测序reads数目，得到OTU的丰度值，用BLAST法搜索匹配到Unite数据库，进行分类注释。
优选的，步骤4)中所述最佳预测微生物数量的确定方法是十折交叉验证法；
所述十折交叉验证法是计算逐步增加真菌变量个数的平均错误率，得到的最小错误率的OTU数量为最佳预测微生物数量。
优选的，所述最佳预测微生物数量为32。
优选的，步骤4)中挑选最佳预测微生物数量的特定种属的OTU丰度值是根据变量特征的重要性分数由高到低排序，选择重要性分数较高的32个特定种属的OTU丰度值。
优选的，步骤4)中所述训练时，还包括最优mtry参数的输入。
优选的，最优mtry参数的筛选方法为利用十折交叉验证方法进行网格搜索。
优选的，所述最优mtry参数为2。
本发明提供了所述棘球蚴病微生物标志物在构建检测棘球蚴病的预测模型中的应用。
本发明提供的棘球蚴病微生物标志物，包括32种特定种属的OUT序列。本发明通过对健康人和棘球蚴病患者粪便中真菌组分进行ITS1区域测序，获得真菌的丰度，通过筛选运算得到特定种属的真菌作为微生物标志物。本发明提供的棘球蚴病微生物标志物可有效用于构建棘球蚴病风险预测模型，且预测灵敏度高、特异性好，能在多样本中有效区分阳性结果(棘球蚴病患者)和阴性结果(健康人)，并且通过选择合适的真菌OTU以及相应的输入变量数，配合优化的模型可以实现准确度87.5％(AUC＝0.95)，为疾病研究奠定基础。
附图说明
图1为本发明提供的基于棘球蚴病微生物标志物检测棘球蚴病的流程图；
图2为实施例3中随机森林模型筛选得到32个特征的重要性(Mean DecreaseAccuracy)图；
图3为实施例3中的特征个数与随机森林模型预测准确率直接的关系图；
图4为实施例4中不同模型随机拆分训练集和测试集，测试集得到的ROC曲线。
具体实施方式
本发明提供了一种棘球蚴病微生物标志物，包括以下OTU：OTU_45、OTU_743、OTU_35、OTU_792、OTU_2801、OTU_5413、OTU_10101、OTU_1888、OTU_75、OTU_241、OTU_415、OTU_3980、OTU_464、OTU_10400、OTU_547、OTU_210、OTU_730、OTU_9763、OTU_76、OTU_71、OTU_7868、OTU_12291、OTU_61、OTU_319、OTU_343、OTU_28、OTU_195、OTU_757、OTU_1、OTU_46、OTU_86、OTU_12127。具体对应的微生物种类和序列见表1。
表1棘球蚴病微生物标志物
注：NA:表示未注释；No_blast_hit：表示在Unite数据库未比对到相同序列。
本发明提供了所述棘球蚴病微生物标志物的筛选方法，包括以下步骤：
1)提取健康个体和棘球蚴病患者来源的粪便样本中真菌DNA；
2)分别以步骤1)中健康个体来源的真菌DNA和棘球蚴病患者来源的真菌DNA为模板，扩增并测定ITS1序列，计算97％相似性水平的OTU的丰度值；
3)用步骤2)中所述OTU的丰度值构建随机森林模型；
4)挑选最佳预测微生物数量的特定种属的OTU丰度值输入所述随机森林模型中训练，得到训练好的随机森林模型；
5)用步骤4)中训练好的随机森林模型进行测试，准确度不低于85％时，说明挑选最佳预测微生物数量的特定种属的OTU可以作为棘球蚴病微生物标志物。
本发明提取健康个体和棘球蚴病患者来源的粪便样本中真菌DNA。
在本发明中，真菌DNA的提取方法优选用提取粪便真菌DNA试剂盒完成，具体操作参照说明书即可。所述健康个体和棘球蚴病患者来源的粪便样本优选分别不低于50份。
得到真菌DNA后，本发明分别以步骤1)中健康个体来源的真菌DNA和棘球蚴病患者来源的真菌DNA为模板，扩增并测定ITS1序列，计算97％相似性水平的OTU的丰度值。
在本发明中，所述扩增ITS1序列的引物优选为ITS5-1737F和ITS2-2043R，ITS5-1737F的核苷酸序列为GGAAGTAAAAGTCGTAACAAGG(SEQ ID NO:33)，ITS2-2043R的核苷酸序列为GCTGCGTTCTTCATCGATGC(SEQ ID NO:34)。所述扩增的反应条件优选为98℃预热1min；98℃变性10s，50℃退火30s，72℃延伸30s，共30个循环；72℃保持5min.。所述扩增的反应体系优选为上下游引物各2μM，DNA模板2ng，PCR反应混合物15μL(New England Biolabs)。所述测定ITS1序列的方法优选二代测序完成。在本发明实施例中，测定ITS1序列委托诺禾致源公司完成。
在本发明中，计算97％相似性水平的OTU的丰度值的方法优选是将测序得到的ITS1序列进行每个OUT测序reads的统计，得到OTU的丰度值。，用BLAST法搜索匹配到Unite数据库，进行分类注释。
在本发明实施例中，匹配找到12472个OTU的真菌属种。
在本发明中，所述最佳预测微生物数量的确定方法优选是十折交叉验证法。所述十折交叉验证法是计算逐步增加真菌变量个数的平均错误率，得到的最小错误率的OTU数量为最佳预测微生物数量。在本发明实施例中，所述最佳预测微生物数量优选为32。
在本发明中，挑选最佳预测微生物数量的特定种属的OTU丰度值优选是根据每个OTU的重要性分数由高到低排序，选择重要性分数较高的32个特定种属的OTU丰度值。
在本发明中，所述训练时，优选还包括最优mtry参数的输入。最优mtry参数的筛选方法为利用十折交叉验证方法进行网格搜索。在本发明实施例中，所述最优mtry参数为2。
在本发明中，在进行测试时，准确度不低于85％，说明所得随机森林模型为最优随机森林模型，存储模型，用于后续未知样品棘球蚴病风险预测。当风险值小于0.5的判定为健康人，超过0.5的判定为棘球蚴病的高风险人群，建议进行超声波检查确诊；对已知患有棘球蚴病的患者而言，该测试可给临床医生一个肠道真菌的基本情况，可用于后续辅助制定治疗方案。
本发明提供了所述棘球蚴病微生物标志物在制备检测棘球蚴病的预测模型中的应用中的应用。
在本发明中，所述检测棘球蚴病的预测模型中的应用中，棘球蚴病微生物标志物作为阳性标准品。
下面结合实施例对本发明提供的一种棘球蚴病微生物标志物及其筛选方法和应用进行详细的说明，但是不能把它们理解为对本发明保护范围的限定。
实施例1
临床粪便样品的采集及真菌DNA数据获取
(1)从医院收集63例棘球蚴病人和42例对照健康人的粪便样品，用提取粪便真菌DNA的试剂盒对棘球蚴病人和对照健康人的粪便样品提取DNA，进而对其ITS1区域进行二代测序，得到肠道菌群的ITS1测序数据；
(2)根据ITS1数据用BLAST法搜索匹配Unite数据库(https://unite.ut.ee)，得到每个OTU丰度值。本次匹配找到12472个OTU的真菌；
实施例2
模型算法的挑选及参数优化
本发明通过大量的筛选与匹配，获得最优随机森林模型(Random Forest)，具体方法如下：
运用机器学习挑选模型算法。随机森林利用多个决策树的分类器，其输出的类别是由个别树输出的类别的众数而定。本发明的样本数据的病例都已在临床确诊，带有已分类好的标签，因此将在有监督的机器学习分类模型中进行探索选择。分别将所有样本的真菌OTU丰度值作为输入数据，样本的诊断结果作为输出分类标签。具有按照以下步骤进行算法构建：
(1)将实施例1所得所有数据随机分成70％的训练集(n＝73)和30％的测试集(n＝32)；
(2)构建机器学习分类器。用训练集中所有12472个97％相似性水平的OTU的丰度值作为输入数据训练，得到随机森林模型。
(3)交叉验证调参。利用Caret软件包中的‘train’函数对mtry参数利用十折交叉法(method＝‘cv’，repeat＝5)进行网格搜索(search＝‘grid’)，得到最优mtry参数573。
(4)得到初步的随机森林模型，用于后续变量特征的重要性判断。
实施例3
特定种属的真菌OTU挑选及参数优化
(1)计算随机森林模型得到的训练集变量特征的重要性(Mean DecreaseAccuracy)分数(见图2)，根据该分数进行由高到低排序。
利用randomForest软件包中的rfcv和repeat函数，利用十折交叉验证(重复5次)，计算逐步增加真菌变量个数(按照变量重要性排序)的平均错误率(见图3)，找到最小错误率的真菌OTU数量。结果显示，输入特征变量32个特定种属的真菌丰度时错误率最低。
(2)输入样本的32个特定种属的OTU丰度值，构建随机森林模型，模型十折交叉验证方法(cv)进行网格搜索(grid)进行mtry参数优化，得到mtry参数为2。
由图3可知，输入变量个数和组合会产生不同的错误率，优选出最适的输入变量与模型搭配，即采用32种属菌作为输入对象可以在较高预测准确度的条件下降低对微生物标志物检测方法的要求，采用ITS1测序即可以实现。
(3)所述微生物标志物包括32种属OTU的组合(表1)。
表1 32种微生物标志物
注：NA:表示未注释；No_blast_hit：表示在Unite数据库未比对到相同序列。
实施例4
最优模型构建及测试
(1)输入实施例3中获得的种属菌特征值和mtry参数，获得最优随机森林模型。存储模型，用于后续测量数据的棘球蚴病风险预测；
(2)模型评价：用测试集输入上述模型，进行敏感性和特异性测试；做ROC曲线，计算测试集的平均受试者曲线的曲线下方面积(ROC-AUC)和95％置信区间曲线(图4)：
(3)风险值输出：学习训练完的算法模型输入实验得到的测试数据，得到在0(对照)和1(患棘球蚴病)之间的概率，最终将1(患疾病)概率值确认为风险值，小于0.5的判定为健康人，超过0.5的判定为棘球蚴病的高风险人群，建议进行超声波检查确诊；如患有棘球蚴病，也可给临床医生一个肠道真菌的基本情况判断，供其参考。32个测试者的真实患病情况和风险值见表2。
由表2可知，本发明的棘球蚴病微生物标志物可有效用于构建棘球蚴病风险预测模型，且预测灵敏度高、特异性好，能在多样本中有效区分阳性结果(棘球蚴病患者)和阴性结果(健康人)，为诊断提供有效数据。实际情况中，多数预测模型的准确度很难达到100％，而本发明通过选择合适的真菌OTU以及相应的输入变量数，配合优化的模型可以实现准确度87.5％(AUC＝0.95)，为疾病研究奠定基础。
表2 32个测试集人员的真实患病情况和风险值
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
序列表
<110> 中国农业科学院兰州兽医研究所
<120> 一种棘球蚴病微生物标志物及其筛选方法和应用
<160> 34
<170> SIPOSequenceListing 1.0
<210> 1
<211> 335
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 1
tacagaattg agtacagaaa cgagctttat ttgcaagaat aaggctcgtt ttgttttttt 60
atatccctcc ttacttcttt ttatctctta aaattaggca tttccaaata ttttgcttaa 120
ttttgcctgc aaaataattt tgagttagaa aatgattgat ataaaaggta taaccaagag 180
cttcggctcc ctgcaggtgc ttaagggcat cgacctgcat attgacaagg gcgaggtggt 240
aagtatcgtc ggaccgagtg gtgccggcaa gaccactctt ctccagatta tcggtaccct 300
cgacaagcca gatagtggca gcattgaggt ggatg 335
<210> 2
<211> 211
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 2
aagtcgtaac aaggtctccg ttggtgaacc agcggaggga tcattaccga gtttacaact 60
cccaaacccc tgtgaacata ccattatcgt tgcctcggcg gtgcccgctt cggcggcccg 120
ccagaggact caaacccttg aatttttata ttatcttctg agtacatgat taaatcaatc 180
aaaactttca acaacggatc tcttggctct g 211
<210> 3
<211> 333
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 3
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattataga aatataattt 60
ttcgttgctt tgcgaggaga cactatactg ctggaccagc gcttaattgc gcggtttggt 120
gggtctctgt agctcagtag cactattaca cacagtggag atttttataa ttctttgcat 180
gcttctttgg gctgcttcgg cggcccagga gtgacaaaca caaacaattt tgtaatttta 240
tgaactagtc aaaaccagaa ttccaggaag atttatcttt ttgtaatatt aaaacaaata 300
ttaaaacttt caacaacgga tctcttggtt ctc 333
<210> 4
<211> 234
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 4
aagtcgtaac aaggtctccg ttggtgaacc agcggaggga tcattactga gtgtaaaaac 60
tcccaaacca ctgtgaacat accatgttgc ttcggcggtt cccgtcctgt cctgcctcac 120
cgcgagccag gccgggccgc cgccggagga cccaaactct tgtctttata gtgactttct 180
gagtggcata agcaaaataa atcaaaactt tcagcaacgg atctcttggt tctg 234
<210> 5
<211> 197
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 5
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattagtga ttgcctttat 60
aggcttaact atatccacat acacctgtga actgttctac cacttgacgc aagtcgagtg 120
tttttacaaa caatgtgtaa tgaacgtcgt tttattataa caaaataaaa ctttcaacaa 180
cggatctcgt ggctctc 197
<210> 6
<211> 319
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 6
tgtaatgaac ggagttttgc tcatggttgt ggctgcggcg gtgctcgcct gcggctatct 60
gggctacggc cgctggctgg ccaacaagtg gggcgttgac aaagaggccc tcacgccggc 120
caagcgcatg aaggacggca agagcttctc gcccgtctcc gccttcaccg cgttctcgca 180
ccagttcagc tcgatctgcg gtgccggccc tgttacgggt acgatcgtcg ccatggcctt 240
cggctggctt cccgtcgtgc tctgggtcct cgtcggcggc atcttctttg gcgccgtcca 300
cgacttcggc gccctgtac 319
<210> 7
<211> 202
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 7
aagtcgtaac aaggtctccg ttggtgaacc agcggaggga tcattagcga gtataactct 60
ctaaaaccat tgtgaacgaa cgaacccgtt gcttcggcgg acagctctgc tgccgccgga 120
agaacgcaaa ctcttgttat tattgtttct ctgagtactt aaacaatcgt taaaactttc 180
aacaacggat ctcttggttc cg 202
<210> 8
<211> 220
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 8
aagtcgtaac aaggtctccg taggtgaacc tgcggaggga tcattaccga gtgagggcct 60
ccggcccgac ctccaaccct ttgttgacca acacttgttg cctcgggggc gacccggcct 120
tcgcgccggg gtccccggcg gaccatctca actctgtatc tgtacgtcgg agtacttgat 180
gaatcaatca aaactttcaa caacggatct cttggttctg 220
<210> 9
<211> 236
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 9
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcactagtga ttaaatcgag 60
agcgtcttca ttgacctctc acccttcaca tccacataca cctgtgcacc gtttggctct 120
tataaaagac gcaagtctgc aatgagagtc atcaatttta tacatacccc agtcttatga 180
atgtaacagt tttaataaac ataataaaac ttttaacaac ggatctcttg gttctc 236
<210> 10
<211> 199
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 10
aagtcgtaac aaggtctccg ttggtgaacc agcggaggga tcattagcga gtttaactct 60
ctaaaaccat tgtgaacgaa ctgctaaacg ttgcttcggc gggacctccc gccgatagaa 120
cgcaaaactc tgtaattatt gtatctctga gtacactttt aataagttaa aactttcaac 180
aacggatctc ttggttctg 199
<210> 11
<211> 213
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 11
aagtcgtaac aaggtctccg ttggtgaacc agcggaggga tcattaaaga gttgcaaaac 60
tcccacaaac catcgcgaac gttacccgac gtcgttgctt cggcgggctc gcccgccggg 120
gggacgctac cagcaaactc ttgcagtcat tggcctctct gagtacgatt tttaaataag 180
tcaaaacttt caacaacgga tctcttggtt ctg 213
<210> 12
<211> 224
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 12
aagtcgtaac aaggtctccg ttggtgaacc agcggaggga tcattaccga gtttacaact 60
cccaaacccc tgtgaacata ccttaatgtt gcctcggcgg atcagcccgc gccccgtaaa 120
acgggacggc ccgccagagg acccctaaac tctgtttcta tatgtaactt ctgagtaaaa 180
ccataaataa atcaaaactt tcaacaacgg atctcttggt tctg 224
<210> 13
<211> 261
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 13
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattacagt attctattgc 60
ctgcgcttaa ttgcgcggcg ataaacctta cacaacgtgt ttttttatta tgaactatta 120
ctttggtctg gctaagaaat tagttgggcc agaggtgatt taaacttcaa ttttattgaa 180
ttgttatttt aatttttgtc aatttgttga ttaaattcaa aacaatcttc aaaactttca 240
acaacggatc tcttggttct c 261
<210> 14
<211> 222
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 14
aagtcgtaac aaggtctccg ttgtgaacca gcggagggat cattaccgag tttacaactc 60
ccaaacccct gtgaacatac caattgttgc ctcggcggat cagcccgctc ccggtaaagc 120
gggacggccc gccagaggac ccctaaactc tgtttctata tgtaacttct gggtaaaacc 180
ataaataaat caaaactttt aacaacggat ctcttggttc tg 222
<210> 15
<211> 198
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 15
aagtcgtaac aaggtctccg ttggtgaacc agcggaggga tcattagcga gtgtatagcg 60
ctcctcaccc tgtgtattta cctattgttc tccggggcgt tttgtccaaa agtgtcccgg 120
ccgaaaccat acgtctgaca gtgcatgtct gagcgaacca aactataaaa actttcaaca 180
acggatctct aggctctg 198
<210> 16
<211> 284
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 16
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattaaata atcaataatc 60
ttggcttgtc cattattatc tatttactgt gaactgtatt attatttgac atttgaggga 120
tgttccaatg ttataaggat agacattgga aatgttaacc gagtcataat caggtttagg 180
cctggtatcc tattattatt taccaaatga attcagaatt aatattgtaa catagaccta 240
aaaaatctat aaaacaactt ttaacaacgg atctcttggt tctc 284
<210> 17
<211> 225
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 17
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattaacga atcaaacaag 60
ttcatcttgt tctgatcctg tgcaccttat gtagtcccaa agccttcacg ggcggcggtt 120
gactacgtct acctcacacc ttaaagtatg ttaacgaatg taatcatggt cttgacagat 180
cctaaaaagt taatacaact ttcgacaacg gatctcttgg ctctc 225
<210> 18
<211> 144
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 18
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattatgaa ttataattat 60
ttgtgaattt accacaacaa acatcaatca tacaatcaat gattaaaata ttaaaaactt 120
tcaacaacgg atctcttggt tctc 144
<210> 19
<211> 261
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 19
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattaaaag aattggagtg 60
actaaccgtc ctccgacttc caaccctctg ttgttataac taccttgttg ctttggcggg 120
accgttcggt cctccgagcg caccagtctt cggacaggtg agcgcccgcc agagtccaac 180
caaactcttg tttttaacca gtcgtctgag tataaaattt taattaaatt aaaactttca 240
acaacggatc tcttggttct c 261
<210> 20
<211> 213
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 20
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattaatga attgtaggac 60
gctcttttta gaggtccgac cctttcattt ccttacactg tgcacacact tctttttaca 120
cacatctttt aacactatag tataagaatg taccagtctc ttaattgagc ataaataaaa 180
acaaaacttt cagcaacgga tctcttggct ctc 213
<210> 21
<211> 251
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 21
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattaccga gtgagggccc 60
tttgggtcca acctcccacc cgtgtttatt ttaccttgtt gcttcggcgg gcccgccttt 120
actggccgcc ggggggccca cgcccccggg cccgcgcccg ccgaagacac ctccgaactc 180
tgtctgaaga ttgaagtctg agtgaaaata taaattattt aaaactttca acaatggatc 240
tcttggttct c 251
<210> 22
<211> 216
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 22
aagtcgtaac aaggtctccg ttggtgaacc agcggaggga tcattaccga gtttacaact 60
cccaaacccc tgtgaacata ccaattgttg cctcggcgga tcagcccgct cccggtaaaa 120
cgggacggcc cgccagagga cccctaaact ctgtttctat atgtaacttc tgagtaaaac 180
cataaataaa tcaaaacttt caacaacagg atgata 216
<210> 23
<211> 193
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 23
aagtcgtaac aaggtctccg taggtgaacc tgcggaggga tcattattga atggtcttct 60
gaccttcaac cctttaaacc tgtggaagca aaaatgtgct ttggcgctcc ggcgccatat 120
taatgcaaaa tagtttttgt gtctgaatca tatacaaaca ttaaaacttt caacaaagga 180
tctcttggct ctc 193
<210> 24
<211> 225
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 24
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattatcgt ggggcttcgg 60
ccctaacgag atagcaccct tgccttttta gtaccttctg ttgcctcggc gtctgcttca 120
cggcggcgcc aacggggcca aacaaacaaa taaactcttt tatcatgaat tagtctgaaa 180
caaaaacaaa agttaaaact ttcaacaacg gatctcttgg ttctg 225
<210> 25
<211> 213
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 25
aagtcgtaac aaggtctccg ttggtgaacc agcggaggga tcattatcga gttttcaact 60
cccaaaccct atgtgaactt accacaccgt tgcttcggcg cgcgctcgcc gccgccgagg 120
acgttaaact ctgtcttgta taagcatttc tgagtggccg caaggcaaaa aacaaatgaa 180
tcaaaacttt caacaacgga tctcttggtt ctg 213
<210> 26
<211> 254
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 26
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattaaaga aatgattggg 60
ggagcccgcc tgcgcttagc tgcgcggtgg cgctccgcct cttacacaca gtggagtaat 120
tacttattct tgggctgggc gaaagtccag ctcgccaaac acaaacaact attttctatt 180
atacagtgtc atcaaatctg cttacgcagt aaccaaaata ttcaaaactt tcaacaacgg 240
atctcttggt tctc 254
<210> 27
<211> 241
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 27
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcactagtga ttaaatcgag 60
agcgtcttaa ttgacctctc acccttcaca tccacataca ccctgtgaat cgtttggctt 120
ttcattaata gagcgcaagc tcgacaagtg aaaagtcatc atttatacat accccagtct 180
tatgaatgta acagttttaa taaacataat aaaactttta acaacggatc tcttggttct 240
c 241
<210> 28
<211> 250
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 28
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattaccga gtgagggccc 60
tctgggtcca acctcccacc cgtgtttatt taccacgttg cttcggcggg cccgccttaa 120
ctggccgccg gggggctcac gcccccgggc ccgcgcccgc cgaagacacc cccgaactct 180
gcctgaagat tgtcgtctga gtgaaaatat aaattattta aaactttcaa caacggatct 240
cttggttctc 250
<210> 29
<211> 223
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 29
aagtcgtaac aaggtctccg ttggtgaacc agcggaggga tcattaccga gtttacaact 60
cccaaacccc tgtgaacata ccaattgttg cctcggcgga tcagcccgct cccggtaaaa 120
cgggacggcc cgccagagga cccctaaact ctgtttctat atgtaacttc tgagtaaaac 180
cataaataaa tcaaaacttt caacaacgga tctcttggtt ctg 223
<210> 30
<211> 218
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 30
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattaccta gagtttgcag 60
acttcggtct gctacctctt acccatgtct tttgagtacc ttcgtttcct cggcgggtcc 120
gcccgccggt tggacaacat tcaaaccctt tgcagttgca atcagcgtct gaaaaaacat 180
aatagttaca actttcaaca acggatctct tggttctg 218
<210> 31
<211> 193
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 31
aagtcgtaac aaggtttccg taggtgaacc tgcggaagga tcattagtga ttgacctccg 60
ggtcttaata actataatct tctacctctg tgaaccgttg gtcttcggac cgattcttat 120
aacaaacatc tgtgtaatga acgtaaccta tattaatcat ataaaacttt taacaacgga 180
tctcttggct ctc 193
<210> 32
<211> 223
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 32
aagtcgtaac aaggtcttcg ttggtgaacc agcggaggga tcattaccga gtttacaact 60
cccaaacccc tgtgaacaca ccaattgttg cctcggcgga tcagcccgct cccggtaaag 120
cgggacggcc cgccagagga cccctaaact ctgtttctat aagtaacttc tgagtaaaac 180
cataaataaa tccaaacttt caacaacgga tctcttggtt ctg 223
<210> 33
<211> 22
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 33
ggaagtaaaa gtcgtaacaa gg 22
<210> 34
<211> 20
<212> DNA
<213> 人工序列(Artificial Sequence)
<400> 34
gctgcgttct tcatcgatgc 20
Claims (10)
1.一种棘球蚴病微生物标志物，其特征在于，包括以下OTU：OTU_45、OTU_743、OTU_35、OTU_792、OTU_2801、OTU_5413、OTU_10101、OTU_1888、OTU_75、OTU_241、OTU_415、OTU_3980、OTU_464、OTU_10400、OTU_547、OTU_210、OTU_730、OTU_9763、OTU_76、OTU_71、OTU_7868、OTU_12291、OTU_61、OTU_319、OTU_343、OTU_28、OTU_195、OTU_757、OTU_1、OTU_46、OTU_86和OTU_12127；
所述OTU_45、OTU_743、OTU_35、OTU_792、OTU_2801、OTU_5413、OTU_10101、OTU_1888、OTU_75、OTU_241、OTU_415、OTU_3980、OTU_464、OTU_10400、OTU_547、OTU_210、OTU_730、OTU_9763、OTU_76、OTU_71、OTU_7868、OTU_12291、OTU_61、OTU_319、OTU_343、OTU_28、OTU_195、OTU_757、OTU_1、OTU_46、OTU_86和OTU_12127对应的核苷酸序列依次如SEQ ID NO：1～SEQ ID NO：32所示。
2.权利要求1所述棘球蚴病微生物标志物的筛选方法，其特征在于，包括以下步骤：
1)提取健康个体和棘球蚴病患者来源的粪便样本中真菌DNA；
2)分别以步骤1)中健康个体来源的真菌DNA和棘球蚴病患者来源的真菌DNA为模板，扩增并测定ITS1序列，计算97％相似性水平的OTU的丰度值；
3)用步骤2)中所述OTU的丰度值构建随机森林模型；
4)挑选最佳预测微生物数量的特定种属的OTU丰度值输入所述随机森林模型中训练，得到训练好的随机森林模型；
5)用步骤4)中训练好的随机森林模型进行测试，准确度不低于85％时，说明挑选最佳预测微生物数量的特定种属的OTU可以作为棘球蚴病微生物标志物。
3.根据权利要求2所述筛选方法，其特征在于，步骤2)中计算97％相似性水平的OTU的丰度值的方法是将测序得到的ITS1序列，统计每个OUT的测序reads数量，得到OTU的丰度值；用BLAST法搜索匹配到Unite数据库，进行分类注释。
4.根据权利要求2所述筛选方法，其特征在于，步骤4)中所述最佳预测微生物数量的确定方法是十折交叉验证法；
所述十折交叉验证法是计算逐步增加真菌变量个数的平均错误率，得到的最小错误率的OTU数量为最佳预测微生物数量。
5.根据权利要求4所述所述筛选方法，其特征在于，所述最佳预测微生物数量为32。
6.根据权利要求5所述所述筛选方法，其特征在于，步骤4)中挑选最佳预测微生物数量的特定种属的OTU丰度值是根据变量特征的重要性分数由高到低排序，选择重要性分数较高的32个特定种属的OTU丰度值。
7.根据权利要求2所述所述筛选方法，其特征在于，步骤4)中所述训练时，还包括最优mtry参数的输入。
8.根据权利要求7所述所述筛选方法，其特征在于，最优mtry参数的筛选方法为利用十折交叉验证方法进行网格搜索。
9.根据权利要求7或8所述所述筛选方法，其特征在于，所述最优mtry参数为2。
10.权利要求1所述棘球蚴病微生物标志物在构建检测棘球蚴病的预测模型中的应用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210097872.9A CN114496088B (zh) | 2022-01-27 | 2022-01-27 | 一种棘球蚴病微生物标志物及其筛选方法和应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210097872.9A CN114496088B (zh) | 2022-01-27 | 2022-01-27 | 一种棘球蚴病微生物标志物及其筛选方法和应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114496088A true CN114496088A (zh) | 2022-05-13 |
| CN114496088B CN114496088B (zh) | 2023-06-20 |
Family
ID=81476181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210097872.9A Active CN114496088B (zh) | 2022-01-27 | 2022-01-27 | 一种棘球蚴病微生物标志物及其筛选方法和应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114496088B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115881229A (zh) * | 2022-12-16 | 2023-03-31 | 迪辅乐生物(上海)有限公司 | 基于肠道微生物信息的过敏预测模型构建方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106754930A (zh) * | 2017-01-16 | 2017-05-31 | 中国农业科学院兰州兽医研究所 | 棘球蚴病检测的血清miRNA生物标志物及其应用 |
| CN110423804A (zh) * | 2019-08-12 | 2019-11-08 | 中国福利会国际和平妇幼保健院 | 一种筛查稽留流产风险的生物标志物集合及筛查方法 |
| US20200011873A1 (en) * | 2017-03-17 | 2020-01-09 | Second Genome, Inc. | Leveraging sequence-based fecal microbial community survey data to identify a composite biomarker for colorectal cancer |
| WO2020078378A1 (en) * | 2018-10-16 | 2020-04-23 | Coyote Diagnostics Lab (Beijing) Co., Ltd. | Methods and systems for profiling microbes |
| CN111243676A (zh) * | 2020-03-10 | 2020-06-05 | 南京农业大学 | 一种基于高通量测序数据的枯萎病发病预测模型及应用 |
| CN112330731A (zh) * | 2020-11-30 | 2021-02-05 | 深圳开立生物医疗科技股份有限公司 | 图像处理装置、方法、设备、超声系统及可读存储介质 |
| CN113227468A (zh) * | 2018-11-21 | 2021-08-06 | 卡里乌斯公司 | 感染性疾病的检测和预测 |
| CN113817837A (zh) * | 2020-06-18 | 2021-12-21 | 中国疾病预防控制中心寄生虫病预防控制所(国家热带病研究中心) | 一段来源于细粒棘球绦虫的游离dna序列及其应用 |
-
2022
- 2022-01-27 CN CN202210097872.9A patent/CN114496088B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106754930A (zh) * | 2017-01-16 | 2017-05-31 | 中国农业科学院兰州兽医研究所 | 棘球蚴病检测的血清miRNA生物标志物及其应用 |
| US20200011873A1 (en) * | 2017-03-17 | 2020-01-09 | Second Genome, Inc. | Leveraging sequence-based fecal microbial community survey data to identify a composite biomarker for colorectal cancer |
| WO2020078378A1 (en) * | 2018-10-16 | 2020-04-23 | Coyote Diagnostics Lab (Beijing) Co., Ltd. | Methods and systems for profiling microbes |
| CN113227468A (zh) * | 2018-11-21 | 2021-08-06 | 卡里乌斯公司 | 感染性疾病的检测和预测 |
| CN110423804A (zh) * | 2019-08-12 | 2019-11-08 | 中国福利会国际和平妇幼保健院 | 一种筛查稽留流产风险的生物标志物集合及筛查方法 |
| CN111243676A (zh) * | 2020-03-10 | 2020-06-05 | 南京农业大学 | 一种基于高通量测序数据的枯萎病发病预测模型及应用 |
| CN113817837A (zh) * | 2020-06-18 | 2021-12-21 | 中国疾病预防控制中心寄生虫病预防控制所(国家热带病研究中心) | 一段来源于细粒棘球绦虫的游离dna序列及其应用 |
| CN112330731A (zh) * | 2020-11-30 | 2021-02-05 | 深圳开立生物医疗科技股份有限公司 | 图像处理装置、方法、设备、超声系统及可读存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| JIANLING BAO 等: "Echinococcu Granulosus Infection Results in an Increase in Eisenbergiella and Parabacteroides Genera in the Gut of Mice" * |
| ZACHARY A.NOEL 等: "Non-target impacts of fungicide disturbance on phyllosphere yeasts in different crop species and Management Systems" * |
| 张飞燕;金洁;马玉华;陈佳琪;谢丽分;张晓迪;邬继文;吕龙宝;: "野生树鼩实验动物化过程中粪便菌群的多样性及组成" * |
| 胡丹丹;王凝;钟秀琴;王家海;延宁;阳爱国;蒋忠荣;郭莉;邓世金;达瓦次仁;孔维淑;刘天宇;周旋;谢跃;古小彬;杨光友;: "青藏高原细粒棘球绦虫的分子鉴定与遗传变异分析" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115881229A (zh) * | 2022-12-16 | 2023-03-31 | 迪辅乐生物(上海)有限公司 | 基于肠道微生物信息的过敏预测模型构建方法 |
| CN115881229B (zh) * | 2022-12-16 | 2024-01-09 | 迪辅乐生物(上海)有限公司 | 基于肠道微生物信息的过敏预测模型构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114496088B (zh) | 2023-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Witcomb et al. | A longitudinal study of the role of Dichelobacter nodosus and Fusobacterium necrophorum load in initiation and severity of footrot in sheep | |
| Bermingham et al. | Genetics of tuberculosis in Irish Holstein-Friesian dairy herds | |
| WO2015018308A1 (en) | Biomarkers for colorectal cancer | |
| Yadav et al. | Pathogenic ‘Bison-type’Mycobacterium avium subspecies paratuberculosis genotype characterized from riverine buffalo (Bubalus bubalis) in North India | |
| CN108345768B (zh) | 一种确定婴幼儿肠道菌群成熟度的方法和标志物组合 | |
| Sanglard et al. | Investigating the relationship between vaginal microbiota and host genetics and their impact on immune response and farrowing traits in commercial gilts | |
| CN114496088B (zh) | 一种棘球蚴病微生物标志物及其筛选方法和应用 | |
| CN111816321A (zh) | 基于法定诊断标准智能识别传染病的系统、设备及存储介质 | |
| Bermingham et al. | Genetic correlations between measures of Mycobacterium bovis infection and economically important traits in Irish Holstein-Friesian dairy cows | |
| CN110643721A (zh) | 一种检测结直肠癌指示菌的试剂盒 | |
| CN110111841A (zh) | 模型及其构建方法 | |
| Begg et al. | Paratuberculosis in sheep. | |
| CN113539476A (zh) | 基于人工智能的胃内窥活检拉曼图像辅助诊断方法和系统 | |
| Zeweld | Cultural and molecular detection of zoonotic tuberculosis and its public health impacts in selected districts of Tigray region, Ethiopia | |
| CN112501280B (zh) | 一种基于高通量测序的泡型包虫高灵敏度检测方法 | |
| CN111261222B (zh) | 口腔微生物群落检测模型的构建方法 | |
| Ansari-Lari et al. | Association of Mycobacterium avium subspecies paratuberculosis infection with milk production and calving interval in Iranian Holsteins | |
| CN106987633A (zh) | 一种检测结直肠癌血清分泌型lncRNAs的引物和试剂盒 | |
| CN107858416A (zh) | 用于子宫内膜异位症检测的生物标志物组合及其应用 | |
| CN112708686B (zh) | 肠道菌群在神经损伤检测中的应用 | |
| CN115148364A (zh) | 基于外周血ctDNA水平预测DLBCL初治患者预后的装置及计算机可读存储介质 | |
| CN108707665B (zh) | 用于鼻咽癌诊断的标志物 | |
| CN111020038B (zh) | 用于诊断心脏瓣膜钙化的肠道微生物、引物组及应用 | |
| Nosrati et al. | High prevalence of Toxoplasma gondii infection in ovine aborted fetuses in Gilan Province, Iran: Molecular detection and genotype characterization | |
| Babić et al. | Comparison of Cytology and Cultural Examination and Intradermal Test Results in Atopic Dogs with Evidence of Malassezia Pachydermatis. |
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 |