[發(fā)明專利]一種基于擬靶向代謝組學(xué)深度指紋實(shí)現(xiàn)細(xì)菌分類與鑒定的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110997102.5
• 申請(qǐng)日: 2021-08-27
• 公開(kāi)（公告）號(hào): CN113744808A
• 公開(kāi)（公告）日: 2021-12-03
• 發(fā)明（設(shè)計(jì)）人: 吳清平;馮穎;丁郁;韋獻(xiàn)虎;張友雄;陳謀通;張菊梅;楊小娟;陳玲;代京莎;楊寧;陳惠元
• 申請(qǐng)（專利權(quán)）人: 廣東省科學(xué)院微生物研究所（廣東省微生物分析檢測(cè)中心）
• 主分類號(hào): G16B40/00
• 分類號(hào): G16B40/00;G16B50/00;G06T7/13;G06T7/00;G06N3/08;G06N3/04;G06K9/62;G01N30/86
• 代理公司: 廣州科粵專利商標(biāo)代理有限公司 44001
• 代理人: 劉明星;朱聰聰

1.一種基于擬靶向代謝組學(xué)輪廓和深度學(xué)習(xí)實(shí)現(xiàn)細(xì)菌分類與鑒定的方法，其特征在于，對(duì)待鑒別的樣品進(jìn)行前處理，對(duì)處理后的樣品進(jìn)行代謝輪廓的采集，采集的數(shù)據(jù)經(jīng)過(guò)歸一化處理后，利用處理后的圖譜進(jìn)行細(xì)菌的鑒別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，具體步驟如下：

1)樣品前處理；

2)擬靶向方法的建立

使用高分辨質(zhì)譜采集質(zhì)量控制(QC)樣品的一級(jí)和二級(jí)信息，經(jīng)處理后，導(dǎo)出代謝物的母離子和子離子列表，生成具有SRM或者M(jìn)RM通道的超高效液相色譜/三重四級(jí)桿質(zhì)譜采集方法；質(zhì)量控制(QC)樣品是通過(guò)混合所有樣品的等份上清液來(lái)制備的；

3)代謝輪廓的收集

用建立的超高效液相色譜/三重四級(jí)桿質(zhì)譜采集方法進(jìn)行實(shí)際待測(cè)樣本的高覆蓋代謝組學(xué)分析采集代謝輪廓質(zhì)譜圖譜；

4)代謝輪廓圖譜的預(yù)處理

對(duì)質(zhì)譜數(shù)據(jù)進(jìn)行峰的檢測(cè)、提取、對(duì)齊和積分后進(jìn)行缺失值的填充和歸一化處理后進(jìn)行后續(xù)的數(shù)據(jù)分析；

5)細(xì)菌的鑒別

通過(guò)機(jī)器學(xué)習(xí)算法對(duì)已知分類的代謝輪廓圖譜數(shù)據(jù)進(jìn)行訓(xùn)練，建立細(xì)菌鑒定數(shù)據(jù)庫(kù)，將新的數(shù)據(jù)代入庫(kù)中進(jìn)行測(cè)試鑒定。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟1)的樣品前處理是將生長(zhǎng)至OD₆₀₀值達(dá)到0.6±0.05的菌液或者臨床感染標(biāo)本，離心收集，冷PBS溶液洗滌兩次后，液氮淬滅代謝反應(yīng)，加入冷提取液超聲破碎后，收集上清液用于LC/MS分析，所述的冷提取液包括按體積比乙腈：甲醇：水＝2：2：1，含同位素標(biāo)記內(nèi)標(biāo)混合物；質(zhì)量控制(QC)樣品是通過(guò)混合所有樣品的等份上清液來(lái)制備的。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟2)中，所述的高分辨質(zhì)譜包括TOF,Orbitrap,FT-ICR-MS。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟2)中,超高效液相色譜/三重四級(jí)桿質(zhì)譜采集方法包括MRM、SRM。

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟3)中,采集時(shí)間共12min。

7.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟3)中,流動(dòng)相條件：0～1.0min,1％B；1.0～8.0min,1％～99％B；8.0～10.0min,99％B；10.0～10.1min,99％～1％B；10.1～12min,1％B，其中流動(dòng)相A為0.1％甲酸水溶液，流動(dòng)相B可以為乙腈或甲醇。

8.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟4)中,數(shù)據(jù)的缺失值填充方法包括選取某個(gè)固定值/默認(rèn)值填充缺失值，填充均值，填充中位數(shù)，填充眾數(shù)，填充KNN數(shù)據(jù)，填充模型預(yù)測(cè)的值。

9.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟4)中,數(shù)據(jù)的歸一化包括內(nèi)標(biāo)歸一、QC歸一、四分位歸一、log轉(zhuǎn)換、Auto scaling、Pareto scaling等方法中的一種或者多種。

10.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟5)中,機(jī)器學(xué)習(xí)算法包括PCA-DFA、PCA-SVM、CNN(ResNet、DenseNet)、VAE-CNN、VAE-ANN。