CN116168767B - 一种噬菌体的生长环境监测与评估方法及系统 - Google Patents
一种噬菌体的生长环境监测与评估方法及系统 Download PDFInfo
- Publication number
- CN116168767B CN116168767B CN202310455174.6A CN202310455174A CN116168767B CN 116168767 B CN116168767 B CN 116168767B CN 202310455174 A CN202310455174 A CN 202310455174A CN 116168767 B CN116168767 B CN 116168767B
- Authority
- CN
- China
- Prior art keywords
- phage
- index
- data information
- information
- growth environment
- 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
Classifications
-
- 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
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
- C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
- C12Q1/06—Quantitative determination
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biotechnology (AREA)
- Organic Chemistry (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioethics (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Databases & Information Systems (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Genetics & Genomics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Biochemistry (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Microbiology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Toxicology (AREA)
- Micro-Organisms Or Cultivation Processes Thereof (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明涉及一种噬菌体的生长环境监测与评估方法及系统，属于噬菌体生长监测技术领域，本发明通过对预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，预设噬菌体生长监测时段，并将噬菌体的繁衍指数结合噬菌体生长监测时段输入到数据库中；获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数；根据所述繁衍指数对当前噬菌体的生长环境进行动态调控。通过本方法能够根据噬菌体繁殖指数以及对应被寄生的细菌菌落的繁殖指数进行动态调控，使得当前生态环境中的噬菌体的数量与被寄生的细菌菌落的数量处于一个动态平衡的状态，有利于噬菌体的生长。
Description
技术领域
本发明涉及噬菌体生长监测技术领域，尤其涉及一种噬菌体的生长环境监测与评估方法及系统。
背景技术
噬菌体广泛存在于自然环境和人体，被认为是地球上数量最多的生命体，数量被估算为1031左右，但是被分离、鉴定和测序的噬菌体只有几万株。噬菌体也是生命科学研究的热门对象，基于噬菌体的研究发现了限制修饰酶、CRISPR-Cas系统等分子生物学工具。噬菌体在种植业、养殖业和食品加工业中有重要的应用价值。如，畜牧养殖业中抗生素的添加会带来细菌耐药性的严峻问题，而噬菌体可用于控制细菌感染，代替或减少抗生素的使用。在某一个生态环境中，生长环境对于噬菌体的生长有着重要的影响，针对于噬菌体的生长监测与评估是调控噬菌体的生长环境的重要依据，因此，亟需一种噬菌体的生长环境监测与评估方法来控制生态环境中的培养条件，以适应噬菌体的生长。
发明内容
本发明克服了现有技术的不足，提供了一种噬菌体的生长环境监测与评估方法及系统。
为达上述目的，本发明采用的技术方案为：
本发明第一方面提供了一种噬菌体的生长环境监测与评估方法，包括以下步骤：
获取噬菌体的历史生长环境数据信息，并通过对所述历史生长环境数据信息进行预处理，以预处理后的数据信息；
通过对所述预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，预设噬菌体生长监测时段，并将所述噬菌体的繁衍指数结合噬菌体生长监测时段输入到数据库中；
获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数；
根据所述繁衍指数对当前噬菌体的生长环境进行动态调控。
进一步地，本发明的一个较佳实施例中，获取噬菌体的历史生长环境数据信息，并通过对所述历史生长环境数据信息进行预处理，以预处理后的数据信息，具体包括以下步骤：
获取噬菌体的历史生长环境数据信息，并通过z-score公式对所述历史生长环境数据信息进行标准化，以获取标准化后的历史生长环境数据信息；
通过LOF算法使用欧式距离计算出每个所述标准化后的历史生长环境数据信息的局部离群因子值；
判断所述局部离群因子值是否大于预设离群因子值；
若所述局部离群因子值大于预设离群因子值，则剔除局部离群因子值大于预设离群因子值的所述标准化后的历史生长环境数据信息，生成预处理后的数据信息。
进一步地，本发明的一个较佳实施例中，通过对所述预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，具体包括以下步骤：
通过大数据网络获取当前噬菌体种群的最适繁殖环境数据信息，并根据所述最适繁殖环境数据信息中各环境指标的相关性获取用于适合繁殖判断的评价指标；
根据所述预处理后的数据信息以及所述用于适合繁殖判断的评价指标生成各个环境指标的指标值；
根据所述各个环境指标的指标值计算得到各个历史生长环境的指标得分值；
将历史生长环境的指标得分值作为当前噬菌体的繁衍指数进行输出。
进一步地，本发明的一个较佳实施例中，预设噬菌体生长监测时段，并将所述噬菌体的繁衍指数结合噬菌体生长监测时段输入到数据库中，具体包括：
预设噬菌体生长监测时段，并构建数据库，将所述噬菌体的繁衍指数按照所述噬菌体生长监测时段进行数据分类，以获取基于时间序列的噬菌体繁衍指数；
根据所述基于时间序列的噬菌体繁衍指数构建基于时间序列的噬菌体繁衍指数曲线，并将所述基于时间序列的噬菌体繁衍指数曲线存储于所述数据库中。
进一步地，本发明的一个较佳实施例中，获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数，具体包括以下步骤：
获取当前噬菌体在预设时间之内的生长环境数据信息，并将所述当前噬菌体在预设时间之内的生长环境数据信息导入到所述数据库中进行匹配；
通过匹配后，获取当前噬菌体在预设时间之内的生长环境数据信息与数据库中的样本数据的匹配度，获取匹配度大于预设匹配度的样本数据对应的繁殖指数；
通过大数据获取预设时间段之内的环境变化数据信息，若所述环境变化数据信息在预设环境变化数据阈值范围之内，将所述匹配度大于预设匹配度的样本数据对应的繁殖指数作为最终的噬菌体繁殖指数进行输出；
若所述环境变化数据信息不在预设环境变化数据阈值范围之内，将所述环境变化数据信息输入到所述数据库中，以获取多个繁殖指数，获取最小的繁殖指数作为最终的噬菌体繁殖指数进行输出。
进一步地，本发明的一个较佳实施例中，根据所述繁衍指数对当前噬菌体的生长环境进行动态调控，具体包括以下步骤：
获取当前噬菌体生长环境的样本数据，并通过对所述样本数据进行细菌样本的鉴定，通过鉴定之后，获取当前噬菌体生长环境的菌落信息，通过大数据网络获取所述菌落信息中当前噬菌体种群所寄生的细菌种群信息；
计算所述细菌种群信息在最适生长环境信息之下的繁衍指数，根据所述繁衍指数预估当前噬菌体种群所寄生的细菌种群信息的变化数量信息，并基于当前噬菌体繁衍指数预估噬菌体的变化数量信息；
计算所述当前噬菌体种群所寄生的细菌种群信息的变化数量信息与噬菌体的变化数量信息之间的差值，若所述差值大于预设差值，则将噬菌体繁殖指数作为环境调控基准，根据所述环境调控基准对当前噬菌体的生长环境进行动态调控；
若所述差值不大于预设差值，则将细菌种群信息在最适生长环境信息之下的繁衍指数作为调控基准，根据所述环境调控基准对当前噬菌体的生长环境进行动态调控，直至调整到所述差值大于预设差值。
本发明第二方面提供了一种噬菌体的生长环境监测与评估系统，所述评估系统包括存储器以及处理器，所述存储器中包括噬菌体的生长环境监测与评估方法程序，所述噬菌体的生长环境监测与评估方法程序被处理器执行时，实现如下步骤：
获取噬菌体的历史生长环境数据信息，并通过对所述历史生长环境数据信息进行预处理，以预处理后的数据信息；
通过对所述预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，预设噬菌体生长监测时段，并将所述噬菌体的繁衍指数结合噬菌体生长监测时段输入到数据库中；
获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数；
根据所述繁衍指数对当前噬菌体的生长环境进行动态调控。
在本实施例中，通过对所述预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，具体包括以下步骤：
通过大数据网络获取当前噬菌体种群的最适繁殖环境数据信息，并根据所述最适繁殖环境数据信息中各环境指标的相关性获取用于适合繁殖判断的评价指标；
根据所述预处理后的数据信息以及所述用于适合繁殖判断的评价指标生成各个环境指标的指标值；
根据所述各个环境指标的指标值计算得到各个历史生长环境的指标得分值；
将历史生长环境的指标得分值作为当前噬菌体的繁衍指数进行输出。
在本实施例中，获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数，具体包括以下步骤：
获取当前噬菌体在预设时间之内的生长环境数据信息，并将所述当前噬菌体在预设时间之内的生长环境数据信息导入到所述数据库中进行匹配；
通过匹配后，获取当前噬菌体在预设时间之内的生长环境数据信息与数据库中的样本数据的匹配度，获取匹配度大于预设匹配度的样本数据对应的繁殖指数；
通过大数据获取预设时间段之内的环境变化数据信息，若所述环境变化数据信息在预设环境变化数据阈值范围之内，将所述匹配度大于预设匹配度的样本数据对应的繁殖指数作为最终的噬菌体繁殖指数进行输出；
若所述环境变化数据信息不在预设环境变化数据阈值范围之内，将所述环境变化数据信息输入到所述数据库中，以获取多个繁殖指数，获取最小的繁殖指数作为最终的噬菌体繁殖指数进行输出。
在本实施例中，根据所述繁衍指数对当前噬菌体的生长环境进行动态调控，具体包括以下步骤：
获取当前噬菌体生长环境的样本数据，并通过对所述样本数据进行细菌样本的鉴定，通过鉴定之后，获取当前噬菌体生长环境的菌落信息，通过大数据网络获取所述菌落信息中当前噬菌体种群所寄生的细菌种群信息；
计算所述细菌种群信息在最适生长环境信息之下的繁衍指数，根据所述繁衍指数预估当前噬菌体种群所寄生的细菌种群信息的变化数量信息，并基于当前噬菌体繁衍指数预估噬菌体的变化数量信息；
计算所述当前噬菌体种群所寄生的细菌种群信息的变化数量信息与噬菌体的变化数量信息之间的差值，若所述差值大于预设差值，则将噬菌体繁殖指数作为环境调控基准，根据所述环境调控基准对当前噬菌体的生长环境进行动态调控；
若所述差值不大于预设差值，则将细菌种群信息在最适生长环境信息之下的繁衍指数作为调控基准，根据所述环境调控基准对当前噬菌体的生长环境进行动态调控，直至调整到所述差值大于预设差值。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
本发明通过获取噬菌体的历史生长环境数据信息，并通过对所述历史生长环境数据信息进行预处理，以预处理后的数据信息；通过对所述预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，预设噬菌体生长监测时段，并将所述噬菌体的繁衍指数结合噬菌体生长监测时段输入到数据库中；获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数；根据所述繁衍指数对当前噬菌体的生长环境进行动态调控。通过本方法能够根据噬菌体繁殖指数以及对应被寄生的细菌菌落的繁殖指数进行动态调控，使得当前生态环境中的噬菌体的数量与被寄生的细菌菌落的数量处于一个动态平衡的状态，有利于噬菌体的生长。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。
图1示出了一种噬菌体的生长环境监测与评估方法的整体方法流程图；
图2示出了一种噬菌体的生长环境监测与评估方法的第一方法流程图；
图3示出了一种噬菌体的生长环境监测与评估方法的第二方法流程图；
图4示出了一种噬菌体的生长环境监测与评估系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示，本发明第一方面提供了一种噬菌体的生长环境监测与评估方法，包括以下步骤：
S102:获取噬菌体的历史生长环境数据信息，并通过对所述历史生长环境数据信息进行预处理，以预处理后的数据信息；
S104:通过对所述预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，预设噬菌体生长监测时段，并将所述噬菌体的繁衍指数结合噬菌体生长监测时段输入到数据库中；
S106:获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数；
S108:根据所述繁衍指数对当前噬菌体的生长环境进行动态调控。
需要说明的是，通过本方法能够根据噬菌体繁殖指数以及对应被寄生的细菌菌落的繁殖指数进行动态调控，使得当前生态环境中的噬菌体的数量与被寄生的细菌菌落的数量处于一个动态平衡的状态，有利于噬菌体的生长。
进一步地，本发明的一个较佳实施例中，获取噬菌体的历史生长环境数据信息，并通过对所述历史生长环境数据信息进行预处理，以预处理后的数据信息，具体包括以下步骤：
获取噬菌体的历史生长环境数据信息，并通过z-score公式对所述历史生长环境数据信息进行标准化，以获取标准化后的历史生长环境数据信息；
通过LOF算法使用欧式距离计算出每个所述标准化后的历史生长环境数据信息的局部离群因子值；
判断所述局部离群因子值是否大于预设离群因子值；
若所述局部离群因子值大于预设离群因子值，则剔除局部离群因子值大于预设离群因子值的所述标准化后的历史生长环境数据信息，生成预处理后的数据信息。
需要说明的是，通过z-score公式对所述历史生长环境数据信息进行标准化，降低后续数据处理的复杂度，当局部离群因子值大于1时是，说明对应的标准化后的历史生长环境数据信息为离群数据，通过本方法能够有效地提高评估系统的运行速度。
进一步地，本发明的一个较佳实施例中，通过对所述预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，具体包括以下步骤：
通过大数据网络获取当前噬菌体种群的最适繁殖环境数据信息，并根据所述最适繁殖环境数据信息中各环境指标的相关性获取用于适合繁殖判断的评价指标；
根据所述预处理后的数据信息以及所述用于适合繁殖判断的评价指标生成各个环境指标的指标值；
根据所述各个环境指标的指标值计算得到各个历史生长环境的指标得分值；
将历史生长环境的指标得分值作为当前噬菌体的繁衍指数进行输出。
需要说明的是，指标得分值越高代表噬菌体的繁衍指数越高，亦代表噬菌体的在该生长环境中的繁殖能力强。其中，最适繁殖环境数据信息包括温度、湿度、有机物养分浓度等数据。
进一步地，本发明的一个较佳实施例中，预设噬菌体生长监测时段，并将所述噬菌体的繁衍指数结合噬菌体生长监测时段输入到数据库中，具体包括：
预设噬菌体生长监测时段，并构建数据库，将所述噬菌体的繁衍指数按照所述噬菌体生长监测时段进行数据分类，以获取基于时间序列的噬菌体繁衍指数；
根据所述基于时间序列的噬菌体繁衍指数构建基于时间序列的噬菌体繁衍指数曲线，并将所述基于时间序列的噬菌体繁衍指数曲线存储于所述数据库中。
如图2所示，进一步地，本发明的一个较佳实施例中，获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数，具体包括以下步骤：
S202:获取当前噬菌体在预设时间之内的生长环境数据信息，并将所述当前噬菌体在预设时间之内的生长环境数据信息导入到所述数据库中进行匹配；
S204:通过匹配后，获取当前噬菌体在预设时间之内的生长环境数据信息与数据库中的样本数据的匹配度，获取匹配度大于预设匹配度的样本数据对应的繁殖指数；
S206:通过大数据获取预设时间段之内的环境变化数据信息，若所述环境变化数据信息在预设环境变化数据阈值范围之内，将所述匹配度大于预设匹配度的样本数据对应的繁殖指数作为最终的噬菌体繁殖指数进行输出；
S208:若所述环境变化数据信息不在预设环境变化数据阈值范围之内，将所述环境变化数据信息输入到所述数据库中，以获取多个繁殖指数，获取最小的繁殖指数作为最终的噬菌体繁殖指数进行输出。
需要说明的是，在本实施例中，通过大数据来获取预设时间段之内的环境变化数据信息，从而根据该数据来进行预测噬菌体繁殖指数，当环境变化数据信息不在预设环境变化数据阈值范围之内时，说明环境变化数据突然发生很大的急剧变化，如某个城市的温度在一定时间之内受到冷空气的影响。此时，就需要获取最小的繁殖指数作为最终的噬菌体繁殖指数进行输出。
如图3所示，进一步地，本发明的一个较佳实施例中，根据所述繁衍指数对当前噬菌体的生长环境进行动态调控，具体包括以下步骤：
S302:获取当前噬菌体生长环境的样本数据，并通过对所述样本数据进行细菌样本的鉴定，通过鉴定之后，获取当前噬菌体生长环境的菌落信息，通过大数据网络获取所述菌落信息中当前噬菌体种群所寄生的细菌种群信息；
S304:计算所述细菌种群信息在最适生长环境信息之下的繁衍指数，根据所述繁衍指数预估当前噬菌体种群所寄生的细菌种群信息的变化数量信息，并基于当前噬菌体繁衍指数预估噬菌体的变化数量信息；
S306:计算所述当前噬菌体种群所寄生的细菌种群信息的变化数量信息与噬菌体的变化数量信息之间的差值，若所述差值大于预设差值，则将噬菌体繁殖指数作为环境调控基准，根据所述环境调控基准对当前噬菌体的生长环境进行动态调控；
S308:若所述差值不大于预设差值，则将细菌种群信息在最适生长环境信息之下的繁衍指数作为调控基准，根据所述环境调控基准对当前噬菌体的生长环境进行动态调控，直至调整到所述差值大于预设差值。
需要说明的是，计算所述细菌种群信息在最适生长环境信息之下的繁衍指数时，该计算方法与本实施例中的噬菌体繁殖指数的计算方式相同，当所述差值大于预设差值，说明当前噬菌体种群所寄生的细菌种群信息的变化数量信息要大于噬菌体的变化数量信息，在一个生态环境中，由于噬菌体需要寄生于细菌中，此时，当当前噬菌体种群所寄生的细菌种群信息的变化数量信息不断发生变化时，以噬菌体繁殖指数作为环境调控基准，能够将进一步提高噬菌体的繁殖数量。当噬菌体种群所寄生的细菌种群信息不再发生变化时，由于寄生的关系，噬菌体的繁殖亦会受到阻碍，此时细菌种群信息在最适生长环境信息之下的繁衍指数作为调控基准，首先先调控细菌菌落的数量，使得噬菌体首先具有一个适合寄生的环境，进而来提高噬菌体的繁殖数量。
如图4所示，本发明第二方面提供了一种噬菌体的生长环境监测与评估系统4，所述评估系统包括存储器41以及处理器62，所述存储器41中包括噬菌体的生长环境监测与评估方法程序，所述噬菌体的生长环境监测与评估方法程序被处理器执行时，实现如下步骤：
获取噬菌体的历史生长环境数据信息，并通过对所述历史生长环境数据信息进行预处理，以预处理后的数据信息；
通过对所述预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，预设噬菌体生长监测时段，并将所述噬菌体的繁衍指数结合噬菌体生长监测时段输入到数据库中；
获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数；
根据所述繁衍指数对当前噬菌体的生长环境进行动态调控。
需要说明的是，通过本方法能够根据噬菌体繁殖指数以及对应被寄生的细菌菌落的繁殖指数进行动态调控，使得当前生态环境中的噬菌体的数量与被寄生的细菌菌落的数量处于一个动态平衡的状态，有利于噬菌体的生长。
在本实施例中，通过对所述预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，具体包括以下步骤：
通过大数据网络获取当前噬菌体种群的最适繁殖环境数据信息，并根据所述最适繁殖环境数据信息中各环境指标的相关性获取用于适合繁殖判断的评价指标；
根据所述预处理后的数据信息以及所述用于适合繁殖判断的评价指标生成各个环境指标的指标值；
根据所述各个环境指标的指标值计算得到各个历史生长环境的指标得分值；
将历史生长环境的指标得分值作为当前噬菌体的繁衍指数进行输出。
需要说明的是，指标得分值越高代表噬菌体的繁衍指数越高，亦代表噬菌体的在该生长环境中的繁殖能力强。其中，最适繁殖环境数据信息包括温度、湿度、有机物养分浓度等数据。
在本实施例中，获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数，具体包括以下步骤：
获取当前噬菌体在预设时间之内的生长环境数据信息，并将所述当前噬菌体在预设时间之内的生长环境数据信息导入到所述数据库中进行匹配；
通过匹配后，获取当前噬菌体在预设时间之内的生长环境数据信息与数据库中的样本数据的匹配度，获取匹配度大于预设匹配度的样本数据对应的繁殖指数；
通过大数据获取预设时间段之内的环境变化数据信息，若所述环境变化数据信息在预设环境变化数据阈值范围之内，将所述匹配度大于预设匹配度的样本数据对应的繁殖指数作为最终的噬菌体繁殖指数进行输出；
若所述环境变化数据信息不在预设环境变化数据阈值范围之内，将所述环境变化数据信息输入到所述数据库中，以获取多个繁殖指数，获取最小的繁殖指数作为最终的噬菌体繁殖指数进行输出。
需要说明的是，在本实施例中，通过大数据来获取预设时间段之内的环境变化数据信息，从而根据该数据来进行预测噬菌体繁殖指数，当环境变化数据信息不在预设环境变化数据阈值范围之内时，说明环境变化数据突然发生很大的急剧变化，如某个城市的温度在一定时间之内受到冷空气的影响。此时，就需要获取最小的繁殖指数作为最终的噬菌体繁殖指数进行输出。
在本实施例中，根据所述繁衍指数对当前噬菌体的生长环境进行动态调控，具体包括以下步骤：
获取当前噬菌体生长环境的样本数据，并通过对所述样本数据进行细菌样本的鉴定，通过鉴定之后，获取当前噬菌体生长环境的菌落信息，通过大数据网络获取所述菌落信息中当前噬菌体种群所寄生的细菌种群信息；
计算所述细菌种群信息在最适生长环境信息之下的繁衍指数，根据所述繁衍指数预估当前噬菌体种群所寄生的细菌种群信息的变化数量信息，并基于当前噬菌体繁衍指数预估噬菌体的变化数量信息；
计算所述当前噬菌体种群所寄生的细菌种群信息的变化数量信息与噬菌体的变化数量信息之间的差值，若所述差值大于预设差值，则将噬菌体繁殖指数作为环境调控基准，根据所述环境调控基准对当前噬菌体的生长环境进行动态调控；
若所述差值不大于预设差值，则将细菌种群信息在最适生长环境信息之下的繁衍指数作为调控基准，根据所述环境调控基准对当前噬菌体的生长环境进行动态调控，直至调整到所述差值大于预设差值。
需要说明的是，当所述差值大于预设差值，说明当前噬菌体种群所寄生的细菌种群信息的变化数量信息要大于噬菌体的变化数量信息，在一个生态环境中，由于噬菌体需要寄生于细菌中，此时，当当前噬菌体种群所寄生的细菌种群信息的变化数量信息不断发生变化时，以噬菌体繁殖指数作为环境调控基准，能够将进一步提高噬菌体的繁殖数量。当噬菌体种群所寄生的细菌种群信息不再发生变化时，由于寄生的关系，噬菌体的繁殖亦会受到阻碍，此时细菌种群信息在最适生长环境信息之下的繁衍指数作为调控基准，首先先调控细菌菌落的数量，使得噬菌体首先具有一个适合寄生的环境，进而来提高噬菌体的繁殖数量。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，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权利要求的保护范围为准。
Claims (8)
1.一种噬菌体的生长环境监测与评估方法，其特征在于，包括以下步骤：
获取噬菌体的历史生长环境数据信息，并通过对所述历史生长环境数据信息进行预处理，以预处理后的数据信息；
通过对所述预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，预设噬菌体生长监测时段，并将所述噬菌体的繁衍指数结合噬菌体生长监测时段输入到数据库中；
获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数；
根据所述繁衍指数对当前噬菌体的生长环境进行动态调控；
其中，根据所述繁衍指数对当前噬菌体的生长环境进行动态调控，具体包括以下步骤：
获取当前噬菌体生长环境的样本数据，并通过对所述样本数据进行细菌样本的鉴定，通过鉴定之后，获取当前噬菌体生长环境的菌落信息，通过大数据网络获取所述菌落信息中当前噬菌体种群所寄生的细菌种群信息；
计算所述细菌种群信息在最适生长环境信息之下的繁衍指数，根据所述繁衍指数预估当前噬菌体种群所寄生的细菌种群信息的变化数量信息，并基于当前噬菌体繁衍指数预估噬菌体的变化数量信息；
计算所述当前噬菌体种群所寄生的细菌种群信息的变化数量信息与噬菌体的变化数量信息之间的差值，若所述差值大于预设差值，则将噬菌体繁殖指数作为环境调控基准，根据所述环境调控基准对当前噬菌体的生长环境进行动态调控；
若所述差值不大于预设差值，则将细菌种群信息在最适生长环境信息之下的繁衍指数作为调控基准，根据所述环境调控基准对当前噬菌体的生长环境进行动态调控，直至调整到所述差值大于预设差值。
2.根据权利要求1所述的一种噬菌体的生长环境监测与评估方法，其特征在于，获取噬菌体的历史生长环境数据信息，并通过对所述历史生长环境数据信息进行预处理，以预处理后的数据信息，具体包括以下步骤：
获取噬菌体的历史生长环境数据信息，并通过z-score公式对所述历史生长环境数据信息进行标准化，以获取标准化后的历史生长环境数据信息；
通过LOF算法使用欧式距离计算出每个所述标准化后的历史生长环境数据信息的局部离群因子值；
判断所述局部离群因子值是否大于预设离群因子值；
若所述局部离群因子值大于预设离群因子值，则剔除局部离群因子值大于预设离群因子值的所述标准化后的历史生长环境数据信息，生成预处理后的数据信息。
3.根据权利要求1所述的一种噬菌体的生长环境监测与评估方法，其特征在于，通过对所述预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，具体包括以下步骤：
通过大数据网络获取当前噬菌体种群的最适繁殖环境数据信息，并根据所述最适繁殖环境数据信息中各环境指标的相关性获取用于适合繁殖判断的评价指标；
根据所述预处理后的数据信息以及所述用于适合繁殖判断的评价指标生成各个环境指标的指标值；
根据所述各个环境指标的指标值计算得到各个历史生长环境的指标得分值；
将历史生长环境的指标得分值作为当前噬菌体的繁衍指数进行输出。
4.根据权利要求1所述的一种噬菌体的生长环境监测与评估方法，其特征在于，预设噬菌体生长监测时段，并将所述噬菌体的繁衍指数结合噬菌体生长监测时段输入到数据库中，具体包括：
预设噬菌体生长监测时段，并构建数据库，将所述噬菌体的繁衍指数按照所述噬菌体生长监测时段进行数据分类，以获取基于时间序列的噬菌体繁衍指数；
根据所述基于时间序列的噬菌体繁衍指数构建基于时间序列的噬菌体繁衍指数曲线，并将所述基于时间序列的噬菌体繁衍指数曲线存储于所述数据库中。
5.根据权利要求1所述的一种噬菌体的生长环境监测与评估方法，其特征在于，获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数，具体包括以下步骤：
获取当前噬菌体在预设时间之内的生长环境数据信息，并将所述当前噬菌体在预设时间之内的生长环境数据信息导入到所述数据库中进行匹配；
通过匹配后，获取当前噬菌体在预设时间之内的生长环境数据信息与数据库中的样本数据的匹配度，获取匹配度大于预设匹配度的样本数据对应的繁殖指数；
通过大数据获取预设时间段之内的环境变化数据信息，若所述环境变化数据信息在预设环境变化数据阈值范围之内，将所述匹配度大于预设匹配度的样本数据对应的繁殖指数作为最终的噬菌体繁殖指数进行输出；
若所述环境变化数据信息不在预设环境变化数据阈值范围之内，将所述环境变化数据信息输入到所述数据库中，以获取多个繁殖指数，获取最小的繁殖指数作为最终的噬菌体繁殖指数进行输出。
6.一种噬菌体的生长环境监测与评估系统，其特征在于，所述评估系统包括存储器以及处理器，所述存储器中包括噬菌体的生长环境监测与评估方法程序，所述噬菌体的生长环境监测与评估方法程序被处理器执行时，实现如下步骤：
获取噬菌体的历史生长环境数据信息，并通过对所述历史生长环境数据信息进行预处理，以预处理后的数据信息；
通过对所述预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，预设噬菌体生长监测时段，并将所述噬菌体的繁衍指数结合噬菌体生长监测时段输入到数据库中；
获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数；
根据所述繁衍指数对当前噬菌体的生长环境进行动态调控；
根据所述繁衍指数对当前噬菌体的生长环境进行动态调控，具体包括以下步骤：
获取当前噬菌体生长环境的样本数据，并通过对所述样本数据进行细菌样本的鉴定，通过鉴定之后，获取当前噬菌体生长环境的菌落信息，通过大数据网络获取所述菌落信息中当前噬菌体种群所寄生的细菌种群信息；
计算所述细菌种群信息在最适生长环境信息之下的繁衍指数，根据所述繁衍指数预估当前噬菌体种群所寄生的细菌种群信息的变化数量信息，并基于当前噬菌体繁衍指数预估噬菌体的变化数量信息；
计算所述当前噬菌体种群所寄生的细菌种群信息的变化数量信息与噬菌体的变化数量信息之间的差值，若所述差值大于预设差值，则将噬菌体繁殖指数作为环境调控基准，根据所述环境调控基准对当前噬菌体的生长环境进行动态调控；
若所述差值不大于预设差值，则将细菌种群信息在最适生长环境信息之下的繁衍指数作为调控基准，根据所述环境调控基准对当前噬菌体的生长环境进行动态调控，直至调整到所述差值大于预设差值。
7.根据权利要求6所述的一种噬菌体的生长环境监测与评估系统，其特征在于，通过对所述预处理后的数据信息进行评估，以获取当前噬菌体的繁衍指数，具体包括以下步骤：
通过大数据网络获取当前噬菌体种群的最适繁殖环境数据信息，并根据所述最适繁殖环境数据信息中各环境指标的相关性获取用于适合繁殖判断的评价指标；
根据所述预处理后的数据信息以及所述用于适合繁殖判断的评价指标生成各个环境指标的指标值；
根据所述各个环境指标的指标值计算得到各个历史生长环境的指标得分值；
将历史生长环境的指标得分值作为当前噬菌体的繁衍指数进行输出。
8.根据权利要求6所述的一种噬菌体的生长环境监测与评估系统，其特征在于，获取当前噬菌体在预设时间之内的生长环境数据信息，并根据所述当前噬菌体在预设时间之内的生长环境数据信息以及数据库获取相应的繁衍指数，具体包括以下步骤：
获取当前噬菌体在预设时间之内的生长环境数据信息，并将所述当前噬菌体在预设时间之内的生长环境数据信息导入到所述数据库中进行匹配；
通过匹配后，获取当前噬菌体在预设时间之内的生长环境数据信息与数据库中的样本数据的匹配度，获取匹配度大于预设匹配度的样本数据对应的繁殖指数；
通过大数据获取预设时间段之内的环境变化数据信息，若所述环境变化数据信息在预设环境变化数据阈值范围之内，将所述匹配度大于预设匹配度的样本数据对应的繁殖指数作为最终的噬菌体繁殖指数进行输出；
若所述环境变化数据信息不在预设环境变化数据阈值范围之内，将所述环境变化数据信息输入到所述数据库中，以获取多个繁殖指数，获取最小的繁殖指数作为最终的噬菌体繁殖指数进行输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310455174.6A CN116168767B (zh) | 2023-04-25 | 2023-04-25 | 一种噬菌体的生长环境监测与评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310455174.6A CN116168767B (zh) | 2023-04-25 | 2023-04-25 | 一种噬菌体的生长环境监测与评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116168767A CN116168767A (zh) | 2023-05-26 |
| CN116168767B true CN116168767B (zh) | 2023-09-19 |
Family
ID=86411768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310455174.6A Active CN116168767B (zh) | 2023-04-25 | 2023-04-25 | 一种噬菌体的生长环境监测与评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116168767B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116661517B (zh) * | 2023-07-24 | 2023-09-29 | 山东三方化工集团有限公司 | 基于物联网的复合微生物肥料发酵温度智能调控系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130041703A (ko) * | 2011-10-17 | 2013-04-25 | 사단법인 한국온실작물연구소 | 가변형 인공 광원을 이용한 온실내 인삼재배 방법 및 시스템 |
| CN106978354A (zh) * | 2017-03-11 | 2017-07-25 | 云南绿辰生物科技开发有限公司 | 一种高纯度块菌菌种的培育方法 |
| EP3476928A1 (en) * | 2017-10-27 | 2019-05-01 | Envall Consulting AB | Detection of bacterial growth |
| CN112143710A (zh) * | 2020-09-11 | 2020-12-29 | 江苏汇先医药技术有限公司 | 一种重组k1f噬菌体及其构建方法、应用 |
| CN115662516A (zh) * | 2022-11-08 | 2023-01-31 | 华中科技大学 | 一种基于二代测序技术的高通量预测噬菌体宿主的分析方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030130798A1 (en) * | 2000-11-14 | 2003-07-10 | The Institute For Systems Biology | Multiparameter integration methods for the analysis of biological networks |
| US20090136917A1 (en) * | 2007-10-25 | 2009-05-28 | Szalay Aladar A | Systems and methods for viral therapy |
-
2023
- 2023-04-25 CN CN202310455174.6A patent/CN116168767B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130041703A (ko) * | 2011-10-17 | 2013-04-25 | 사단법인 한국온실작물연구소 | 가변형 인공 광원을 이용한 온실내 인삼재배 방법 및 시스템 |
| CN106978354A (zh) * | 2017-03-11 | 2017-07-25 | 云南绿辰生物科技开发有限公司 | 一种高纯度块菌菌种的培育方法 |
| EP3476928A1 (en) * | 2017-10-27 | 2019-05-01 | Envall Consulting AB | Detection of bacterial growth |
| CN112143710A (zh) * | 2020-09-11 | 2020-12-29 | 江苏汇先医药技术有限公司 | 一种重组k1f噬菌体及其构建方法、应用 |
| CN115662516A (zh) * | 2022-11-08 | 2023-01-31 | 华中科技大学 | 一种基于二代测序技术的高通量预测噬菌体宿主的分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| Environmental factors for phage-induced fermentation problems: Replication and adsorption of the Lactococcus lactis phage P008 as influenced by temperature and pH;Mareile Mu¨ ller-Merbach et.al;《Food Microbiology 24》;第695-702页 * |
| 基于深度学习的噬菌体-宿主相互作用预测方法研究;李梦露;《中国优秀硕士学位论文全文数据库基础科学辑》(第8期);第1-56页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116168767A (zh) | 2023-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bokulich et al. | Microbial biogeography of wine grapes is conditioned by cultivar, vintage, and climate | |
| Goberna et al. | Predicting microbial traits with phylogenies | |
| CN116168767B (zh) | 一种噬菌体的生长环境监测与评估方法及系统 | |
| Beyenal et al. | Quantifying biofilm structure: facts and fiction | |
| Baranyi et al. | A parallel study on bacterial growth and inactivation | |
| Narwani et al. | Ecological interactions and coexistence are predicted by gene expression similarity in freshwater green algae | |
| Pencheva et al. | InterCriteria analysis of genetic algorithm parameters in parameter identification | |
| Tian et al. | Transfer learning for neural network model in chlorophyll-a dynamics prediction | |
| Bespalov et al. | Discrete dynamical model of mechanisms determining the relations of biodiversity and stability at different levels of organization of living matter | |
| Okuda et al. | Virtual metagenome reconstruction from 16S rRNA gene sequences | |
| McKellar | Development of a dynamic continuous‐discrete‐continuous model describing the lag phase of individual bacterial cells | |
| Grover et al. | Dynamics of nitrogen-fixing cyanobacteria with heterocysts: a stoichiometric model | |
| CN114242156A (zh) | 海洋微塑料上致病性弧菌相对丰度的实时预测方法及系统 | |
| Rudolph et al. | Modeling yeast in suspension during laboratory and commercial fermentations to detect aberrant fermentation processes | |
| Malard et al. | Into the microbial niche | |
| Buyrukoğlu et al. | Correlation value determined to increase Salmonella prediction success of deep neural network for agricultural waters | |
| Lee et al. | Prediction of average daily gain of swine based on machine learning | |
| Sanyal et al. | Modified bacterial foraging optimization technique for vector quantization-based image compression | |
| Yücel et al. | An intelligent based prediction of microbial behaviour in beef | |
| Tarlak et al. | Application of a machine learning-based regression method to describe Listeria monocytogenes behaviour in milk. | |
| CN114357869A (zh) | 一种基于数据关系学习和预测的多目标优化代理模型设计方法及系统 | |
| CN114064396A (zh) | 一种kpi数据异常分数确定方法、异常检测方法及系统 | |
| Cole | Databases in modern food microbiology | |
| Hanai et al. | Application of knowledge information processing methods to biochemical engineering, biomedical and bioinformatics fields | |
| CN117171678B (zh) | 一种微生物修复过程中土壤微生物菌群调控方法及系统 |
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 |