CN114898800B - 一种预测肺炎克雷伯菌对头孢曲松敏感性的方法及系统 - Google Patents

一种预测肺炎克雷伯菌对头孢曲松敏感性的方法及系统 Download PDF

Info

Publication number
CN114898800B
CN114898800B CN202210823391.1A CN202210823391A CN114898800B CN 114898800 B CN114898800 B CN 114898800B CN 202210823391 A CN202210823391 A CN 202210823391A CN 114898800 B CN114898800 B CN 114898800B
Authority
CN
China
Prior art keywords
gene
klebsiella pneumoniae
predicted
ceftriaxone
copy number
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
Application number
CN202210823391.1A
Other languages
English (en)
Other versions
CN114898800A (zh
Inventor
杨启文
喻玮
郑瑜
陈璟
王珺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Jieyi Biotechnology Co ltd
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Original Assignee
Hangzhou Jieyi Biotechnology Co ltd
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Jieyi Biotechnology Co ltd, Peking Union Medical College Hospital Chinese Academy of Medical Sciences filed Critical Hangzhou Jieyi Biotechnology Co ltd
Priority to CN202210823391.1A priority Critical patent/CN114898800B/zh
Publication of CN114898800A publication Critical patent/CN114898800A/zh
Application granted granted Critical
Publication of CN114898800B publication Critical patent/CN114898800B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/10—Ploidy or copy number detection
    • 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
    • C12Q1/689—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms for bacteria
    • 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
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • 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
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers
    • 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
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/30—Against vector-borne diseases, e.g. mosquito-borne, fly-borne, tick-borne or waterborne diseases whose impact is exacerbated by climate change

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biotechnology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Medical Informatics (AREA)
  • Organic Chemistry (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Zoology (AREA)
  • Genetics & Genomics (AREA)
  • Wood Science & Technology (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioethics (AREA)
  • Databases & Information Systems (AREA)
  • Biochemistry (AREA)
  • Microbiology (AREA)
  • Immunology (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明“一种预测肺炎克雷伯菌对头孢曲松敏感性的方法及系统”属于分子生物技术领域。所述方法的特征是，按下述公式I计算h(x)值：公式I：

Description

一种预测肺炎克雷伯菌对头孢曲松敏感性的方法及系统
技术领域
本发明属于分子生物技术领域，具体涉及一种预测肺炎克雷伯菌对头孢曲松敏感性的方法及系统。
背景技术
抗生素类药物曾是人类对抗诸多疾病的一个“秘密武器”，19世纪末20世纪初，由于一系列抗生素的发现，人类寿命得以大大提高。近年来，抗生素的不断应用，逐渐出现药物滥用情况，使临床抗生素耐药性和不良反应不断增加，给全球经济带来沉重负担。有效控制抗生素在医疗方面的滥用是应对全球性的抗生素抗性问题的重要环节。
病原微生物是指可以侵犯人体，引起感染甚至传染病的微生物，或称病原体。主要包括细菌、病毒、真菌、寄生虫、支原体、衣原体、立克次氏体、螺旋体等。微生物样品种类繁多。肠道样本包括粪便、粘膜等，液体样本包括尿、血液、脑髓液、唾液、痰、肺泡灌洗液、羊水等，拭子样本包括口腔、生殖道、皮肤等，其他的包括组织、肝脏、眼部、胎盘等。
肺炎克雷伯菌（Klebsiella pneumoniae）在环境中广泛存在，易定植在患者的呼吸道和肠道，引起消化道、呼吸道、血液等多部位感染的常见条件致病菌，是引起人类肺炎的病原菌之一，也是院内常见耐药菌之一。超广谱β-内酰胺酶能够介导肺炎克雷伯菌对第三代头孢菌素类药物（如头孢曲松）的耐药。根据2020年全国细菌耐药监测报告，肺炎克雷伯菌对第三代头孢菌素的耐药率全国平均为31.1%。
头孢曲松（Ceftriaxone）是第三代头孢菌素类抗生素。氨基噻唑基侧链的存在增加了头孢曲松对β-内酰胺酶的抗性。与其他第三代头孢菌素一样，它对革兰氏阳性菌和革兰氏阴性菌具有广谱活性。头孢曲松有广谱、高效、耐酶、半衰期长、可透过血脑屏障等特点，可用于下呼吸道、泌尿生殖道感染及败血症、脑膜炎等疾病。
细菌药物敏感性试验，是目前国内、外临床和实验室最常用的细菌耐药性检测方法，有纸片法、琼脂稀释法、肉汤稀释法、浓度梯度法等，其中除纸片法外，其余方法均可以获得相对精确的药物最低抑菌浓度(minimum inhibitory concentration，MIC)。细菌药物敏感性试验首先需要获得纯培养物，对于难培养及非培养菌无法适用，且耗时较长，有时候难以满足目前临床重症、急症感染的快速诊断和对症治疗的需求。随着PCR技术、全基因组测序技术、微流控技术、VITEK-2 compact全自动细菌鉴定/药敏系统等新兴技术的推广，针对细菌耐药性检测新技术的探索逐渐深入，多种细菌耐药性检测新技术方法日益成熟。
病原微生物传统检测鉴定手段未能满足广覆盖、快速、准确的综合需求，感染病诊疗以经验性、指向性方法为主，临床医患迫切需要创新性的检测方法，更加全面、精准、快速的鉴定感染病原，辅助诊断与合理规范用药治疗，缩短疗程、减少病死率、降低医疗费用。VITEK-2 compact全自动细菌鉴定/药敏系统虽然简便快速，但其对菌株的鉴定/药敏评价准确率受样本状态及菌株的培养情况影响，且其使用成本较高。
因此，本领域亟需开发一种可快速准确、成本较低地预测肺炎克雷伯菌菌株对头孢曲松敏感性的方法及系统。
发明内容
针对本领域现有技术存在的上述不足和需求，本发明旨在提供一种预测肺炎克雷伯菌对头孢曲松敏感性的模型及方法。
本发明的技术方案如下：
一种预测肺炎克雷伯菌对头孢曲松敏感性的方法，其特征在于，按下述公式I计算h(x)值：
公式I：
Figure 100002_DEST_PATH_IMAGE001
；
其中，e为自然常数；
C1为sul1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C2为tet(A)基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C3为QnrS1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C4为AAC(6')-Ib-cr6基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C5为KPC-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C6为TEM-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数。
公式I中，e=2.718281828459045。
h(x)值＞0.5的预测结果为肺炎克雷伯菌对头孢曲松耐药，h(x)值＜0.5的预测结果为肺炎克雷伯菌对头孢曲松敏感，h(x)=0.5的预测结果为肺炎克雷伯菌对头孢曲松敏感性为中介。
sul1、tet(A)、QnrS1、AAC(6')-Ib-cr6、KPC-1、TEM-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数通过二代高通量测序方法得出。
基因在待预测的肺炎克雷伯菌菌株中的拷贝数=
Figure 435284DEST_PATH_IMAGE002
；
优选地，所述基因组contigs为SPAdes v3.13.0组装软件对测序结果组装获得的最长的contigs片段；
所述基因组contigs深度为SPAdes v3.13.0组装软件计算的基因组contigs的深度；
所述基因所在contigs深度指基因在各个具有该基因拷贝的contigs上的深度之和；
优选地，各个具有该基因拷贝的contigs使用blat（v.36）软件以及diamond（v2.0.4.142）软件对该基因的cds和蛋白序列进行CARD数据库的比对后注释得到；
优选地，基因在各个具有该基因拷贝的contigs上的深度通过SPAdes v3.13.0组装软件计算获得。
一种预测肺炎克雷伯菌对头孢曲松敏感性的系统，包括：计算单元；所述计算单元包括：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一种h(x)值计算方法；所述h(x)值计算方法按下述公式计算：
Figure 883583DEST_PATH_IMAGE003
其中，e为自然常数：
C1为sul1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C2为tet(A)基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C3为QnrS1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C4为AAC(6')-Ib-cr6基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C5为KPC-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C6为TEM-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数。
所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的系统还包括：结果输出单元；所述结果输出单元输出敏感结果S或耐药结果R或中介结果I；所述敏感结果S指待预测的肺炎克雷伯菌对头孢曲松敏感；所述耐药结果R指待预测的肺炎克雷伯菌对头孢曲松耐药；所述中介结果I指待预测的肺炎克雷伯菌对头孢曲松敏感性为中介；
h(x)值＞0.5时，结果输出单元输出耐药结果R；
h(x)值＜0.5时，结果输出单元输出敏感结果S；
h(x)值等于0.5时，结果输出单元输出中介结果I。
优选地，所述结果输出单元与计算单元之间由数据通路连通；
优选地，公式I中，e = 2.718281828459045。
计算单元计算得出的h(x)值经数据通路输送至结果输出单元。
所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的系统还包括：实验单元和数据输入单元；
实验单元与数据输入单元由数据通路连通；实验结果经数据通路输送至数据输入单元并转换成自变量数据；
所述数据输入单元与计算单元由数据通路连通；自变量数据经数据通路输送至计算单元。
所述自变量数据包括：C1、C2、C3、C4、C5、C6的数值；
优选地，所述实验结果包括：sul1基因、tet(A)基因、QnrS1基因、AAC(6')-Ib-cr6基因、KPC-1基因、TEM-1基因分别在待预测的肺炎克雷伯菌菌株中的拷贝数。
在本发明的一个方面，本发明提出了一种预测肺炎克雷伯对头孢曲松药物敏感性的方法。
在本发明中，将获得的微生物样本经过常规处理后，即可进行DNA提取等测序必要环节，经过生物信息学流程分析，得到样本中肺炎克雷伯菌模型相关特征的状态，将特征状态信息导入模型即可预测样本的药物敏感情况。相比传统方法，具有操作简便、检测时间短、物种鉴定准确等优势。
在本发明中，涉及的特征，即sul1基因、tet(A)基因、QnrS1基因、AAC(6')-Ib-cr6基因、KPC-1基因和TEM-1基因，是经过随机森林建模对特征排序、利用spearman相关分析方法对特征与药敏表型相关性分析、并综合考虑特征在数据集中的检出频率后确定的，详情情况如下表1。
Figure 115850DEST_PATH_IMAGE004
分类与预测模型对训练集进行预测而得出的准确率并不能很好地反映预测模型未来的性能，为了有效判断一个预测模型的性能表现，需要一组没有参与预测模型建立的数据集，并在该数据集上评价预测模型的准确率，这组独立的数据集称为测试集。模型预测效果评价方法包括F1-score、精确率(Precision)与召回率(Recall)和混淆矩阵。
本发明方法还具有如下优点：
本发明利用测试集对模型准确度进行评价，该方法的平均准确度为0.898、F1-score为0.885、召回得分为0.885。本发明一方面受操作人员等主观因素影响小，检测稳定性好；另一方面实现了快速、准确的鉴定感染病原并预测待测样本的药物敏感性，辅助诊断与合理规范用药治疗，而且通量高，降低了医疗费用。
具体实施方式
为了便于理解本发明，下面将在实施例中对本发明进行更全面的描述。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
以下实施例所用试剂，如非特别说明，均为市售可得。
生物材料的来源
本发明实验例使用的59例样本为临床血培养分离肺炎克雷伯菌的纯培养，来自中国医学科学院北京协和医院。
第1组实施例、本发明的耐药预测方法
本组实施例提供一种预测肺炎克雷伯菌对头孢曲松敏感性的方法，其特征在于，按下述公式I计算h(x)值：
公式I：
Figure DEST_PATH_IMAGE006A
其中，e为自然常数；
C1为sul1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C2为tet(A)基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C3为QnrS1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C4为AAC(6')-Ib-cr6基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C5为KPC-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C6为TEM-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数。
上述公式I中，e作为数学常数，是自然对数函数的底数，亦称自然常数、自然底数，或是欧拉数，它是一个无限不循环小数，其具有数学领域普通技术人员通常理解的常规技术含义，其取值约是：e = 2.71828182845904523536...。
在本发明的一些实施例中，公式I中的e的取值为2.718281828459045。
上述各基因均为本领域已报道的基因，具体如下：
sul1基因、tet(A)基因、QnrS1基因为“Co-occurrence of Klebsiella variicolaand Klebsiella pneumoniae Both Carrying blaKPC from a Respiratory IntensiveCare Unit Patient”一文记载的sul1、tet(A)、QnrS1基因。
AAC(6')-Ib-cr6基因为“Genomic Analysis of Multidrug-ResistantHypervirulent(Hypermucoviscous) Klebsiella pneumoniae Strain LackingtheHypermucoviscous Regulators (rmpA/rmpA2)”一文记载的AAC(6')-Ib-cr6基因。
KPC-1基因、TEM-1基因为“Novel Carbapenem-Hydrolyzing b-Lactamase, KPC-1, from aCarbapenem-Resistant Strain of Klebsiella pneumoniae”一文记载的KPC-1、TEM-1基因。
在一些具体的实施例中，h(x)值＞0.5的预测结果为肺炎克雷伯菌对头孢曲松耐药（R），h(x)值＜0.5的预测结果为肺炎克雷伯菌对头孢曲松敏感（S），h(x)=0.5的预测结果为肺炎克雷伯菌对头孢曲松敏感性为中介（I）。
在具体的实施例中，sul1基因、tet(A) 基因、QnrS1基因、AAC(6')-Ib-cr6基因、KPC-1基因、TEM-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数通过二代高通量测序方法得出。
在更具体的实施例中，
Figure 730633DEST_PATH_IMAGE007
；
优选地，所述基因组contigs为SPAdes v3.13.0组装软件对测序结果组装获得的最长的contigs片段；
所述基因组contigs深度为SPAdes v3.13.0组装软件计算的基因组contigs的深度；
所述基因所在contigs深度指基因在各个具有该基因拷贝的contigs上的深度之和；
优选地，各个具有该基因拷贝的contigs使用blat（v.36）软件以及diamond（v2.0.4.142）软件对该基因的cds和蛋白序列进行CARD数据库的比对后注释得到；
优选地，基因在各个具有该基因拷贝的contigs上的深度通过SPAdes v3.13.0组装软件计算获得。
二代高通量测序方法具有本领域技术人员熟知的常规技术含义，而采用二代高通量测序方法获得基因拷贝数是本领域技术人员熟知的常规技术手段。
在一些具体的实施例中，所述基因拷贝数计算的具体方法如下：
使用二代高通量测序方法对菌株进行测序。平均测序深度150x左右，对于肺炎克雷伯菌大概的测序量约为1G。利用SPAdes( v3.13.0)组装软件在组装过程中计算获得的contigs深度为标准，定义最长的contigs片段为基因组片段，使用prokka软件（1.14.6）对contigs进行基因预测，获得contigs上所有基因cds以及蛋白序列，分别使用blat（v.36）软件以及diamond（v2.0.4.142）软件对cds和蛋白序列进行CARD数据库的比对，相似度大于90%的序列为阳性序列，获得所有耐药基因的注释结果。contigs上所有基因的拷贝数按公式II计算如下：
公式II：
Figure 810584DEST_PATH_IMAGE008
如果一个基因在不同contigs或者同一contigs上有两个或两个以上的基因组拷贝，则最终基因拷贝数等于该基因所有计算拷贝数之和。计算方法示例如下：
假设KPC-1基因在所有contigs上只有一个拷贝，则KPC-1基因的拷贝数为：
Figure 836309DEST_PATH_IMAGE009
假设KPC-1基因在一个contigs上有2个拷贝，在其他contigs上没有拷贝，则KPC-1基因的拷贝数为：
Figure 992091DEST_PATH_IMAGE010
假设KPC-1基因在一个contig1、contig2上有1个拷贝，在其他contigs上没有拷贝，则KPC-1基因的拷贝数为：
Figure 394253DEST_PATH_IMAGE011
第2组实施例、本发明的耐药预测系统
本组实施例提供一种预测肺炎克雷伯菌对头孢曲松敏感性的系统。本组所有的实施例都具备如下共同特征：所述预测肺炎克雷伯菌对头孢曲松敏感性的系统包括：计算单元；所述计算单元包括：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一种h(x)值计算方法；所述h(x)值计算方法按下述公式I计算：
公式I：
Figure DEST_PATH_IMAGE013A
其中，e为自然常数；
C1为sul1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C2为tet(A)基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C3为QnrS1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C4为AAC(6')-Ib-cr6基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C5为KPC-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C6为TEM-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数。
在本发明的一些实施例中，公式I中的e的取值为2.718281828459045。
在进一步的实施例中，所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的系统还包括：结果输出单元；所述结果输出单元输出敏感结果或耐药结果；所述敏感结果指待预测的肺炎克雷伯菌对头孢曲松敏感；所述耐药结果指待预测的肺炎克雷伯菌对头孢曲松耐药；
h(x)值＞0.5时，结果输出单元输出耐药结果R；
h(x)值＜0.5时，结果输出单元输出敏感结果S；
h(x)值等于0.5时，结果输出单元输出中介结果I。
优选地，所述结果输出单元与计算单元之间由数据通路连通；
优选地，计算单元计算得出的h(x)值经数据通路输送至结果输出单元。
在更进一步的实施例中，所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的系统还包括：实验单元和数据输入单元；
实验单元与数据输入单元由数据通路连通；实验结果经数据通路输送至数据输入单元并转换成自变量数据；
所述数据输入单元与计算单元由数据通路连通；自变量数据经数据通路输送至计算单元；
优选地，所述自变量数据包括：C1、C2、C3、C4、C5、C6的数值；
优选地，所述实验结果包括：sul1基因、tet(A)基因、QnrS1基因、AAC(6')-Ib-cr6基因、KPC-1基因、TEM-1基因分别在待预测的肺炎克雷伯菌菌株中的拷贝数。
实验例、本发明的预测系统和预测方法的性能评价
采用59例临床样本对本发明的预测系统进行评价，59例临床样本的肉汤微量稀释法分类结果和模型预测结果对比如下表2所示。下表中S代表敏感，R代表耐药。
Figure 453345DEST_PATH_IMAGE014
测试结果数据生成混淆矩阵如下表3：
Figure 400704DEST_PATH_IMAGE015
假设TP（True Positive）表示真正例数量，FP（False Positive）表示假正例数量，FN（False Negative）表示假反例数量，TN（Ture Negative）表示真反例数量。精准度（precision）指被分类器判定正例中的正样本的比重。召回率指的是被预测为正例的占总的正例的比重。准确率(accuracy) 指的是分类器对整个样本判断正确的比重。F1-score是精确率和召回率的调和平均数，最大为1，最小为0。各指标计算结果如下：
Figure 295978DEST_PATH_IMAGE016
Figure 485520DEST_PATH_IMAGE017
Figure 946588DEST_PATH_IMAGE018
Figure DEST_PATH_IMAGE019
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (15)

1.一种预测肺炎克雷伯菌对头孢曲松敏感性的方法，其特征在于，按下述公式I计算h(x)值：
公式
Figure DEST_PATH_IMAGE001
其中，e为自然常数；
C1为sul1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C2为tet(A)基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C3为QnrS1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C4为AAC(6')-Ib-cr6基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C5为KPC-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C6为TEM-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数；
h(x)值＞0.5的预测结果为肺炎克雷伯菌对头孢曲松耐药，h(x)值＜0.5的预测结果为肺炎克雷伯菌对头孢曲松敏感，h(x)=0.5的预测结果为肺炎克雷伯菌对头孢曲松敏感性为中介。
2.根据权利要求1所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的方法，其特征在于，公式I中，e=2.718281828459045。
3.根据权利要求1所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的方法，其特征在于，sul1、tet(A)、QnrS1、AAC(6')-Ib-cr6、KPC-1、TEM-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数通过二代高通量测序方法得出。
4.根据权利要求3所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的方法，其特征在于，基因在待预测的肺炎克雷伯菌菌株中的拷贝数=
Figure DEST_PATH_IMAGE002
；
所述基因选自sul1、tet(A)、QnrS1、AAC(6')-Ib-cr6、KPC-1、TEM-1。
5.根据权利要求4所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的方法，其特征在于，所述基因组contigs为SPAdes v3.13.0组装软件对测序结果组装获得的最长的contigs片段；
所述基因组contigs深度为SPAdes v3.13.0组装软件计算的基因组contigs的深度；
所述基因所在contigs深度指基因在各个具有该基因拷贝的contigs上的深度之和。
6.根据权利要求5所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的方法，其特征在于，各个具有该基因拷贝的contigs使用blat（v.36）软件以及diamond（v2.0.4.142）软件对该基因的cds和蛋白序列进行CARD数据库的比对后注释得到。
7.根据权利要求5所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的方法，其特征在于，基因在各个具有该基因拷贝的contigs上的深度通过SPAdes v3.13.0组装软件计算获得。
8.一种预测肺炎克雷伯菌对头孢曲松敏感性的系统，包括：计算单元和结果输出单元；所述计算单元包括：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一种h(x)值计算方法；所述h(x)值计算方法按下述公式I计算：
公式
Figure DEST_PATH_IMAGE003
其中，e为自然常数：
C1为sul1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C2为tet(A)基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C3为QnrS1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C4为AAC(6')-Ib-cr6基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C5为KPC-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数，
C6为TEM-1基因在待预测的肺炎克雷伯菌菌株中的拷贝数；
h(x)值＞0.5时，结果输出单元输出耐药结果R；
h(x)值＜0.5时，结果输出单元输出敏感结果S；
h(x)值等于0.5时，结果输出单元输出中介结果I。
9.根据权利要求8所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的系统，其特征在于，所述结果输出单元输出敏感结果S或耐药结果R或中介结果I；所述敏感结果S指待预测的肺炎克雷伯菌对头孢曲松敏感；所述耐药结果R指待预测的肺炎克雷伯菌对头孢曲松耐药；所述中介结果I指待预测的肺炎克雷伯菌对头孢曲松敏感性为中介。
10.根据权利要求8所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的系统，其特征在于，所述结果输出单元与计算单元之间由数据通路连通。
11.根据权利要求8所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的系统，其特征在于，公式I中，e = 2.718281828459045。
12.根据权利要求8所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的系统，其特征在于，计算单元计算得出的h(x)值经数据通路输送至结果输出单元。
13.根据权利要求8-12任一所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的系统，其特征在于，还包括：实验单元和数据输入单元；
实验单元与数据输入单元由数据通路连通；实验结果经数据通路输送至数据输入单元并转换成自变量数据；
所述数据输入单元与计算单元由数据通路连通；自变量数据经数据通路输送至计算单元。
14.根据权利要求13所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的系统，其特征在于，所述自变量数据包括：C1、C2、C3、C4、C5、C6的数值。
15.根据权利要求13所述的一种预测肺炎克雷伯菌对头孢曲松敏感性的系统，其特征在于，所述实验结果包括：sul1基因、tet(A)基因、QnrS1基因、AAC(6')-Ib-cr6基因、KPC-1基因、TEM-1基因分别在待预测的肺炎克雷伯菌菌株中的拷贝数。
CN202210823391.1A 2022-07-14 2022-07-14 一种预测肺炎克雷伯菌对头孢曲松敏感性的方法及系统 Active CN114898800B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210823391.1A CN114898800B (zh) 2022-07-14 2022-07-14 一种预测肺炎克雷伯菌对头孢曲松敏感性的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210823391.1A CN114898800B (zh) 2022-07-14 2022-07-14 一种预测肺炎克雷伯菌对头孢曲松敏感性的方法及系统

Publications (2)

Publication Number Publication Date
CN114898800A CN114898800A (zh) 2022-08-12
CN114898800B true CN114898800B (zh) 2022-09-16

Family

ID=82729986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210823391.1A Active CN114898800B (zh) 2022-07-14 2022-07-14 一种预测肺炎克雷伯菌对头孢曲松敏感性的方法及系统

Country Status (1)

Country Link
CN (1) CN114898800B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115798574B (zh) * 2023-02-06 2023-06-02 中国医学科学院北京协和医院 一种预测克雷伯氏菌属对美罗培南敏感性的系统及方法
CN115798575B (zh) * 2023-02-06 2023-06-02 中国医学科学院北京协和医院 一种预测克雷伯氏菌属对头孢他啶敏感性的系统及方法
CN115862730B (zh) * 2023-02-06 2023-06-02 中国医学科学院北京协和医院 一种预测克雷伯氏菌属对头孢西丁敏感性的系统及方法
CN115938478B (zh) * 2023-02-06 2023-06-02 中国医学科学院北京协和医院 一种预测克雷伯氏菌属对阿米卡星敏感性的系统及方法
CN115798577B (zh) * 2023-02-06 2023-04-21 中国医学科学院北京协和医院 一种预测克雷伯氏菌属对左氧氟沙星敏感性的系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104169436A (zh) * 2011-12-01 2014-11-26 基因欧姆科技加拿大公司 革兰氏阴性菌中负责对碳青霉烯高水平抗性的kpc基因的扩增和检测的分子测定
CN104328174A (zh) * 2014-10-27 2015-02-04 中国人民解放军第四军医大学 一种检测鼠肺炎克雷伯氏菌的lamp引物、试剂盒及方法
WO2016045857A1 (en) * 2014-09-25 2016-03-31 Siemens Aktiengesellschaft Genetic testing for predicting resistance of klebsiella species against antimicrobial agents
CN107077534A (zh) * 2014-05-27 2017-08-18 奥普金公司 用于生成和分析耐药基因组概况的系统、装置和方法
WO2020243644A1 (en) * 2019-05-31 2020-12-03 Streck, Inc. Detection of antibiotic resistance genes

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3426800A1 (en) * 2016-03-07 2019-01-16 Opgen, Inc. Methods and systems for determining antibiotic susceptibility

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104169436A (zh) * 2011-12-01 2014-11-26 基因欧姆科技加拿大公司 革兰氏阴性菌中负责对碳青霉烯高水平抗性的kpc基因的扩增和检测的分子测定
CN107077534A (zh) * 2014-05-27 2017-08-18 奥普金公司 用于生成和分析耐药基因组概况的系统、装置和方法
WO2016045857A1 (en) * 2014-09-25 2016-03-31 Siemens Aktiengesellschaft Genetic testing for predicting resistance of klebsiella species against antimicrobial agents
CN108138219A (zh) * 2014-09-25 2018-06-08 阿雷斯遗传学有限公司 用于预测克雷伯菌属物种对抗微生物剂抗性的遗传测试
CN104328174A (zh) * 2014-10-27 2015-02-04 中国人民解放军第四军医大学 一种检测鼠肺炎克雷伯氏菌的lamp引物、试剂盒及方法
WO2020243644A1 (en) * 2019-05-31 2020-12-03 Streck, Inc. Detection of antibiotic resistance genes

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
肺炎克雷伯菌分离株的耐药性与毒力基因分布及相互关系研究;赵瑞珂等;《重庆医学》;20160720;第45卷(第20期);第2820-2823页 *

Also Published As

Publication number Publication date
CN114898800A (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN114898800B (zh) 一种预测肺炎克雷伯菌对头孢曲松敏感性的方法及系统
De Goffau et al. Human placenta has no microbiome but can contain potential pathogens
Dong et al. The microbial communities in male first catch urine are highly similar to those in paired urethral swab specimens
CN114898808B (zh) 一种预测肺炎克雷伯菌对头孢吡肟敏感性的方法及系统
WO2017013219A2 (en) Genetic testing for predicting resistance of gram-negative proteus against antimicrobial agents
JP2016518822A (ja) アセンブルされていない配列情報、確率論的方法、及び形質固有（ｔｒａｉｔ−ｓｐｅｃｉｆｉｃ）のデータベースカタログを用いた生物材料の特性解析
CN108271394A (zh) 用于预测沙门氏菌属物种对抗微生物剂的抗性的基因测试
Horiba et al. Next-generation sequencing to detect pathogens in pediatric febrile neutropenia: a single-center retrospective study of 112 cases
CN108513589A (zh) 用于预测假单胞菌属物种对抗微生物剂的抗性的基因测试
WO2022262491A1 (zh) 基于细菌16S rRNA基因序列的细菌"种"水平检测和分析方法
CN116189919B (zh) 一种微生物药敏的计算机分析方法、分析系统及其应用
Jordan Molecular diagnosis of neonatal sepsis
CN115798577B (zh) 一种预测克雷伯氏菌属对左氧氟沙星敏感性的系统及方法
CN115798575B (zh) 一种预测克雷伯氏菌属对头孢他啶敏感性的系统及方法
CN115798574B (zh) 一种预测克雷伯氏菌属对美罗培南敏感性的系统及方法
CN115798576B (zh) 一种预测克雷伯氏菌属对亚胺培南敏感性的系统及方法
CN115938478B (zh) 一种预测克雷伯氏菌属对阿米卡星敏感性的系统及方法
CN115862730B (zh) 一种预测克雷伯氏菌属对头孢西丁敏感性的系统及方法
CN115881213B (zh) 一种预测克雷伯氏菌属对哌拉西林-他唑巴坦敏感性的系统及方法
Zhang et al. Understanding etiology of community-acquired central nervous system infections using metagenomic next-generation sequencing
CN116110511A (zh) 一种预测肺炎克雷伯菌对厄他培南敏感性的系统及方法
CN116072241A (zh) 一种预测肺炎克雷伯菌对环丙沙星敏感性的系统及方法
McLaughlin et al. CUTIS-SEQ, a flexible bilocus sequence typing scheme that provides high resolution of Cutibacterium acnes strains across all subspecies
CN115976237B (zh) 鉴定气单胞菌的特异性新分子靶标及其快速检测方法
CN114045353B (zh) 与诺如病毒感染性腹泻相关的微生物标志物及其用途

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