[發明專利]一種基于血清中脂溶性代謝物因子的腸道健康狀態診斷模型的建立方法及其應用

在審

• 申請號: 201910794032.6
• 申請日: 2019-08-27
• 公開（公告）號: CN110376315A
• 公開（公告）日: 2019-10-25
• 發明（設計）人: 戴旭東;林凱
• 申請（專利權）人: 中精普康（北京）醫藥科技有限公司
• 主分類號: G01N30/02
• 分類號: G01N30/02;G01N30/72;G01N30/86;G06N3/08;G06K9/62
• 代理公司: 北京金宏來專利代理事務所(特殊普通合伙) 11641
• 代理人: 許振強

1.一種血清中脂溶性代謝物因子在構建腸道健康狀態診斷模型中的應用，其特征在于：該診斷模型采用前饋反向傳播神經網絡算法來建立模型，通過對由脂溶性代謝物因子構成的10個單元個數和最大300個訓練周期遍歷執行后，從而選取最優的隱藏層單元個數和訓練周期，建立診斷模型，確定出聯合因子：

聯合因子＝h1×7.96+h2×(-15.17)+ε2×2.42

h1＝i1×2.37+i2×1.79+i3×(-2.57)+i4×(-3.12)+i5×3.83+i6×(-1.67)+i7×(-0.9)+i8×2.61+i9×(-3.82)+i10×(-5.94)+ε1×4.06

h2＝i1×(-6.36)+i2×(-1.35)+i3×(-4.34)+i4×7.39+i5×(-0.5)+i6×5.27+i7×0.78+i8×4.63+i9×0.87+i10×(-0.31)+ε1×(-0.24)

其中，i1、i2、i3、i4、i5、i6、i7、i8、i9、i10分別代表10個脂溶性代謝物因子的峰度與內標峰度的比值，ε1和ε2代表2個隱藏層單元，它們的取值是模型從線性到非線性的漸進轉變進程中，由模型自動迭代擬合計算出最優值。

2.根據權利要求1所述的一種血清中脂溶性代謝物因子在構建腸道健康狀態診斷模型中的應用，其特征在于：所述聯合因子截斷值為0.396。

3.根據權利要求1所述的一種血清中脂溶性代謝物因子在構建腸道健康狀態診斷模型中的應用，其特征在于：10個所述脂溶性代謝物因子包括Acetylcarnitine DL，RFA446，alanine，Orn，RFA447，coenzymeA_neg，choline，RFA449，uridine，lysine。

4.一種權利要求1所述的腸道健康狀態診斷模型，其特征在于：該模型用于評估腸道的健康狀態、腸道的腫瘤風險、腸道的癌前病變、指導腸道健康干預手段的選擇，或者觀測腸道健康干預后的效果。

5.一種構建腸道健康狀態診斷模型中脂溶性代謝物因子的篩選方法，其特征在于：包括如下步驟：

(1)建立同時檢測人血清中110種脂溶性代謝物含量的液相-串聯質譜聯用檢測方法：

對血清樣本中的200余種脂溶性代謝物進行靶向定量分析，建立血清中小分子化合物的液相-串聯質譜聯用定量篩選方法，篩選出峰形較好的110種脂溶性代謝物，并對其在血清中的含量進行相對定量檢測，其檢測結果以峰面積的形式呈現；

(2)進行血清靶向脂溶性代謝物代謝組學研究：

使用R語言軟件進行多維數據處理，采用ANOVA分析各組血清中脂溶性代謝物含量的差異，以p<0.01為具有統計學意義，并采用人工智能的模式識別技術對不同組的數據計算之間比例關系，選取差異大的特征項，最后用隨機森林模型和模式識別技術進一步優選出10個差異脂溶性代謝物，作為構建腸道健康狀態診斷模型的脂溶性代謝物因子。

6.根據權利要求5所述的一種構建腸道健康狀態診斷模型中脂溶性代謝物因子的篩選方法，其特征在于：步驟(2)中多維數據分析及差異性變量分析的過程具體如下：

首先對血清脂溶性代謝物的血清樣本數據隨機1000次，每次抽樣50％的樣本數據，通過ANOVA模型中的變量顯著差異性分析找到P值小于0.01的脂溶性代謝物后，對P值小于0.01的其余的脂溶性代謝物，分別計算非健康人群和健康人群的血清中各脂溶性代謝物含量的均值比率，其中比率絕對值大于1.2的差異脂溶性代謝物作為初選的特征變量，初選出88個特征變量；

對初選的88個特征變量進行進一步優化，首先對血清脂溶性代謝物血清樣本數據進行抽樣，每次抽樣50％的樣本數據進行遞歸特征刪減法和帶有多重交叉驗證的隨機森林模型獲得最佳特征變量組合，共隨機抽樣1000次后得到了1000個帶有重要度的特征變量的組合，隨后按照重要度從1到20選取對應每個重要度中出現變量頻次大于50次的變量；最終選出共10個變量作為優選變量，即10個脂溶性代謝物因子。