摘要
本发明涉及一种基于宿主‑菌群共代谢模型识别疾病微生物‑代谢物组合标志物的方法,包括以下步骤:微生物组数据的处理:饮食约束条件的设定;确定每个个体肠道微生物的分类组成,将每种微生物丰度映射到人类微生物基因组规模代谢模型上,并构建个体化菌群代谢网络模型;对构建好的菌群代谢网络模型进行代谢流的模拟;将构建的菌群代谢网络模型与宿主代谢网络模型整合,预测系统整体的代谢流和代谢物变化;基于随机森林机器学习算法建立疾病分类器识别微生物‑代谢物组合标志物。本发明以代谢网络建模和代谢流模拟的方式还原人体与肠道菌群之间复杂的代谢过程,具有非侵入性特点,显著降低了时间和经济成本,同时在精确性上展现出较大优势。
技术关键词
代谢网络模型
识别疾病
标志物
样本
机器学习算法
随机森林
覆盖率
序列
分类器
分箱
分析方法
数据
健康对照
细胞破裂
取样工具
预测系统
规模
策略
固体颗粒
系统为您推荐了相关专利信息
设备识别方法
采集用电设备
稳态
轨迹
设备运行状态
磁悬浮
冷却节能控制系统
平行六面体
历史运行故障数据
节能控制方法
数据输入模块
核苷酸
存储模块
构建预测模型
试剂盒