精准营养基因匹配算法制造技术

本发明专利技术公开了精准营养基因匹配算法，包括以下步骤：S1.个体基因数据获取；S2.相关SNP位点的权重计算；S3.营养素代谢能力计算。该精准营养基因匹配算法，特征SNP是我们综合论文、奇云诺德数据库考量后选取的，针对某一营养素的SNP位点的权重和SNP间的关系等是根据奇云诺德数据库以及数据显著性计算得出，选取的SNP位点数量更多，且更具有针对性，更加全面，不同SNP的权重和SNP间的叠加关系是我们根据奇云诺德数据库中的位点和论文结论计算得出，对于描述营养素的吸收代谢能力更加准确，SNP指的是单核苷酸多态性位点，指在基因组水平上，由单个核苷酸变异导致的DNA序列多态性。

Precise gene matching algorithm for nutrition

【技术实现步骤摘要】
精准营养基因匹配算法
本专利技术涉及基因
，具体为精准营养基因匹配算法。
技术介绍
基因是遗传的基本单位，携带有遗传信息的DNA序列通过复制把遗传信息传递给下一代，并指导蛋白质表达这些遗传信息，从而调控生物的性状，基因检测是通过血液、体液等对DNA的碱基排列进行检测的技术，获取样本片断后，扩增其中的基因信息，并通过特定设备对扩增后的DNA分析进行信息监测分析，基因检测可以诊断遗传疾病、预测疾病风险和检测营养代谢能力等，营养基因组学是研究营养素和植物化学物质对机体基因的转录、翻译表达及代谢机理的科学，其中的个性营养是当前重要的研究方向，目前的营养需求量大多是针对群体而言的，未考虑个体之间的基因差异，人类基因组上的SNP位点是人体对营养需求及反应差异的重要分子基础，运用基因组学技术阐明与营养有关的SNP，并用来研究机体对营养需求的个体差异已成为热门领域，同时通过基因组成以及代谢型的鉴定，确定个体的营养需求量，也使得个性化营养成为可能。基因组营养学研究营养素和基因表达的相互影响，基因组营养学的关键作用之一在于探讨特殊基因多态性(SNP)和营养素个体化反应之间的联系，随着对人类单核苷酸多态性(SNP)认识的不断深入，其目标就是基于个体的基因型特征，预测其对营养素的反应，以提供个性化膳食营养建议，而非基于群体做出一般建议，最终达到基因干预的目的，营养基因组学的目的不是改变用于消费的各种食品以提高它们的营养成分，而是在于食用那些食品，如何让基因更好地适应，如何改变基因的作用和结构，同时，如何根据每个人自己的基因特点制定食谱，补充特定的营养成分，以弥补由于基因变异造成对健康的影响，有的还可以防止某些基因突变或改变基因的活动情况，从而达到预防疾病、延缓衰老、促进健康的目的。
技术实现思路
针对现有技术的不足，本专利技术提供了精准营养基因匹配算法，解决了当前基因型对应的营养素吸收代谢能力的匹配算法，参考的SNP位点少，多为一种营养素对应一个位点的问题。为实现上述目的，本专利技术提供如下技术方案：精准营养基因匹配算法，包括以下步骤：S1.个体基因数据获取；S2.相关SNP位点的权重计算；S3.营养素代谢能力计算。优选的，所述步骤S1中的基因数据SNP位点分型的获取使用了针对人群定制的ASAMD基因芯片。优选的，所述ASAMD基因芯片可检测出66万个有效的SNP位点分型结果。优选的，所述步骤S2和步骤S3可以选取针对儿童、青、中、老年人群中注重营养的人群的营养素解读项十七项，包括叶酸、钙、酒精、咖啡因、镁、乳糖、铁、维生素C、维生素D、维生素E、维生素A、维生素B12、维生素B2、维生素B6、Ω-3、Ω-6和麸质，以上17种营养素经科学证明，其吸收代谢能力很大程度上与基因分型相关。优选的，所述十七项营养素，挑选了超过30个SNP位点，这些位点在人群的全基因组相关性研究中与营养素的吸收代谢能力显著相关。优选的，所述一种营养素对应一个SNP位点的情况，可以直接使用SNP分型来划分营养素的吸收代谢能力。优选的，所述一种营养素对应多个SNP位点的情况，从分子机理、数据显著性和SNP分型方面考虑，给每个位点分配了不同的权重，最后根据位点和权重信息计算了该营养素的吸收代谢能力。有益效果如下：特征SNP是我们综合论文、奇云诺德数据库考量后选取的，针对某一营养素的SNP位点的权重和SNP间的关系等是根据奇云诺德数据库以及数据显著性计算得出，选取的SNP位点数量更多，且更具有针对性，更加全面，不同SNP的权重和SNP间的叠加关系是我们根据奇云诺德数据库中的位点和论文结论计算得出，对于描述营养素的吸收代谢能力更加准确。具体实施方式基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提供一种技术方案：精准营养基因匹配算法，包括以下步骤：S1.个体基因数据获取，基因数据SNP位点分型的获取使用了针对人群定制的ASAMD基因芯片，ASAMD基因芯片可检测出66万个有效的SNP位点分型结果；S2.相关SNP位点的权重计算；S3.营养素代谢能力计算，可以选取针对儿童、青、中、老年人群中注重营养的人群的营养素解读项十七项，包括叶酸、钙、酒精、咖啡因、镁、乳糖、铁、维生素C、维生素D、维生素E、维生素A、维生素B12、维生素B2、维生素B6、Ω-3、Ω-6和麸质，以上17种营养素经科学证明，其吸收代谢能力很大程度上与基因分型相关，十七项营养素，挑选了超过30个SNP位点，这些位点在人群的全基因组相关性研究中与营养素的吸收代谢能力显著相关，一种营养素对应一个SNP位点的情况，可以直接使用SNP分型来划分营养素的吸收代谢能力，一种营养素对应多个SNP位点的情况，从分子机理、数据显著性和SNP分型方面考虑，给每个位点分配了不同的权重，最后根据位点和权重信息计算了该营养素的吸收代谢能力，SNP指的是单核苷酸多态性位点，指在基因组水平上，由单个核苷酸变异导致的DNA序列多态性，是人类可遗传变异中最常见的一种，占人类基因组多态性90％以上，SNP的变异包括单个碱基的转换、颠换、插入和缺失，是一种丰富的遗传标记物，人类基因组中每1000个碱基中就有一个SNP，由于其数量多、分布广泛，因此SNP也成为了人类基因组计划应用的重要步骤，已有研究表明，很多肿瘤、免疫性疾病、遗传疾病、营养代谢等都与SNP相关，SNP的检测技术有NGS(新一代测序)、基因芯片检测和PCR检测等。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。尽管已经示出和描述了本专利技术的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本专利技术的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本专利技术的范围由所附权利要求及其等同物限定。本文档来自技高网...

【技术保护点】
1.精准营养基因匹配算法，其特征在于：包括以下步骤：/nS1.个体基因数据获取；/nS2.相关SNP位点的权重计算；/nS3.营养素代谢能力计算。/n

【技术特征摘要】
1.精准营养基因匹配算法，其特征在于：包括以下步骤：
S1.个体基因数据获取；
S2.相关SNP位点的权重计算；
S3.营养素代谢能力计算。


2.根据权利要求1所述的精准营养基因匹配算法，其特征在于：所述步骤S1中的基因数据SNP位点分型的获取使用了针对人群定制的ASAMD基因芯片。


3.根据权利要求2所述的精准营养基因匹配算法，其特征在于：所述ASAMD基因芯片可检测出66万个有效的SNP位点分型结果。


4.根据权利要求1所述的精准营养基因匹配算法，其特征在于：所述步骤S2和步骤S3可以选取针对儿童、青、中、老年人群中注重营养的人群的营养素解读项十七项，包括叶酸、钙、酒精、咖啡因、镁、乳糖、铁、维生素C、维生素D、维生素E、维生素A、维生素...

【专利技术属性】
技术研发人员：罗奇斌，申玉林，廖胜光，任毅，
申请(专利权)人：北京奇云诺德信息科技有限公司，
类型：发明
国别省市：北京;11