基于宿主序列信息的下呼吸道感染概率预测系统及装置制造方法及图纸

本发明专利技术提供了一种基于宿主序列信息的下呼吸道感染概率预测系统及装置，涉及机器学习技术领域，系统主要包括数据采集模块、数据处理模块、结果生成模块：数据采集模块，包括第一采集单元，用于采集被测支气管肺泡灌洗液样本的RNA测序总序列；数据处理模块，包括宿主序列提取单元、判定模型单元、感染状态单元：宿主序列提取单元，用于从所述RNA测序总序列中提取被测宿主的基因序列；判定模型单元，存储第一判定模型；感染状态单元，基于被测宿主的基因序列，通过第一判定模型，预测被测宿主下呼吸道感染概率；结果生成模块，用于将上述预测结果外发。本申请基于宿主序列信息，通过机器学习模型进行计算，可快速有效地预测下呼吸道病原体感染情况。原体感染情况。原体感染情况。

【技术实现步骤摘要】
基于宿主序列信息的下呼吸道感染概率预测系统及装置


[0001]本专利技术涉及机器学习
，尤其是涉及一种基于宿主序列信息的下呼吸道感染概率预测系统及装置。

技术介绍

[0002]目前，机器学习技术发展迅速，通过原始数据样本训练模型进行特征识别，利用训练好的模型可以对大批量、复杂化的待测数据进行快速处理，得到较为准确的预测结果。
[0003]由于人体下呼吸道位置特殊，生物环境复杂，导致其可能感染的病原体种类繁多，同时还会伴随着常见菌群、宿主各种细胞等噪音信息，这就给感染状态判断、造成感染的病原体识别带来了更大的阻碍，如何对其进行快速、准确的判断及识别一直是下呼吸道病原体感染成因研究人员难以解决的课题。
[0004]针对这一课题，在现有技术中，往往采用基于二代测序的宏基因组技术（mNGS，metagenomic next generation sequencing）识别下呼吸道可能感染的病原体的种类及数量，具体是首先利用支气管肺泡灌洗液（BALF）冲洗肺泡回收下呼吸道样本，进行DNA和RNA提取并建库测序，再从中剔除宿主免疫细胞本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于宿主序列信息的下呼吸道感染概率预测系统，其特征在于，包括数据采集模块、数据处理模块、结果生成模块：所述数据采集模块，包括第一采集单元，用于采集被测支气管肺泡灌洗液样本的RNA测序总序列；所述数据处理模块，包括宿主序列提取单元、判定模型单元、感染状态单元：所述宿主序列提取单元，用于从所述RNA测序总序列中提取被测宿主的基因序列；所述判定模型单元，存储第一判定模型，该模型通过数据库中感染宿主与未感染宿主的标志基因进行训练；所述标志基因是指参与抗感染免疫反应的宿主基因；所述感染状态单元，基于被测宿主的基因序列，通过第一判定模型，预测被测宿主下呼吸道感染概率；所述结果生成模块，用于将上述预测结果外发。2.根据权利要求1所述的系统，其特征在于，所述第一采集单元的源数据制作过程包括：步骤a1、获取被测支气管肺泡灌洗液样本；步骤a2、提取样本中的总RNA;步骤a3、将总RNA片段化，通过随机引物反转录成cDNA后,在cDNA两端加上测序接头，得到RNA测序文库；步骤a4、将RNA测序文库定量处理，按比例稀释后再进行测序，得到源数据。3.根据权利要求1所述的系统，其特征在于，所述标志基因包括HBA2、HLA
‑
B、RP11
‑
867O8.9、S100P、OSM、PROK2、SPOCD1、TGM2、ALOX15B、CD40LG、PRSS33的任意一种组合。4.根据权利要求3所述的系统，其特征在于，所述标志基因的组合为HBA2、HLA
‑
B、RP11
‑
867O8.9、S100P、OSM、PROK2、SPOCD1、TGM2、ALOX15B、CD40LG及PRSS33。5.根据权利要求1所述的系统，其特征在于，所述宿主序列提取单元的具体提取过程包括：步骤b1、对RNA测序总序列进行质量控制筛选；步骤b2、通过RNA对比工具，将mNGS数据比对到人类基因组序列信息数据库的参考基因组上，得到宿主的基因序列；步骤b3、通过转录组定量工具，计算每个基因比对得到的读长数目；步骤b4、根据读长数目，筛选出高丰度基因的表达信息；步骤b5、计算高丰度基因在每百万读长中匹配的读长数目；步骤b6、对高丰度基因的表达信息数值进行标准化处理。6.根据权利要求5所述的系统，其特征在于，所述第一判定模型的训练方法包括：步骤c1、采集若干组已知感染宿主与非感染宿主的支气管肺泡灌洗液样本；分别提取其中的总RNA；将总RNA片段化后，通过随机引物反转录成cDNA后,...

【专利技术属性】
技术研发人员：邹晓辉，曹彬，
申请(专利权)人：中日友好医院中日友好临床医学研究所，
类型：发明
国别省市：