基于MALDI-TOFMS联合LSTM的大肠埃希菌菌株水平鉴定方法技术

本发明专利技术公开一种基于MALDI

【技术实现步骤摘要】
基于MALDI
‑
TOF MS联合LSTM的大肠埃希菌菌株水平鉴定方法


[0001]本专利技术涉及微生物检验
，具体讲是一种基于MALDI
‑
TOF MS联合LSTM的大肠埃希菌菌株水平鉴定方法。

技术介绍

[0002]基质辅助激光解吸电离飞行时间质谱(MALDI
‑
TOF MS)可通过激光器照射样品与基质在靶板表面形成的共晶体薄膜，将激光能量从基质转移至样品，使样品发生解吸，再经飞行时间质量分析器检测获得样品的准确分子量。MALDI的样品电离化过程温和，大分子样品通常只带上1个单位电荷，图谱易于解析。采用MALDI
‑
TOF MS技术检测微生物的菌体全蛋白，可获得特异性蛋白质指纹图谱，图谱特征峰为菌体高表达蛋白质。这些蛋白质多为保守核糖体蛋白，其与微生物种属密切相关。通过将蛋白指纹图谱与菌种标准图谱比对，即可获得菌种类别，因此MALDI
‑
TOF MS常被用于微生物鉴定，具有快速、准确等诸多优点。
[0003]目前，MALDI
‑
TOF MS已广泛应用于实验室、临床微生物的快速鉴定，并取得了较好的效果。然而，MALDI
‑
TOF MS是基于微生物蛋白质表型的鉴定方法，对于异种近缘微生物以及同种微生物的亚种、菌株等蛋白表达相似度高的微生物尚无法做出准确鉴定。
[0004]深度学习算法可通过计算数据的统计相关性和非线性特征映射关系，深入发掘数据内在联系，实现对细微差异的区分。长短期记忆(LSTM)神经网络的神经元由输入门、遗忘门、输出门三部分组成，这些门用于更新或丢弃历史信息，使LSTM具备长期记忆能力，适合处理长时间、长序列的预测问题。
[0005]大肠埃希菌是一种常见微生物，一部分大肠埃希菌菌株属于人体正常菌群，另一部分则属于临床病原微生物，因此有必要对大肠埃希菌进行亚种甚至菌株水平的鉴别。另一方面，大肠埃希菌是院内感染的常见病原菌之一，菌株水平的鉴定可用于感染溯源，有助于控制院内感染风险。传统的MALDI
‑
TOF MS技术尚无法对大肠埃希菌进行菌株水平鉴定。

技术实现思路

[0006]本专利技术旨在至少部分地克服现有技术中存在的上述和/或其他潜在的问题：提供一种操作简单，速度快、通量高的基于MALDI
‑
TOF MS联合LSTM的大肠埃希菌菌株水平鉴定方法。
[0007]本专利技术的技术方案如下：一种基于MALDI
‑
TOF MS联合LSTM的大肠埃希菌菌株水平鉴定方法，包括以下步骤：
[0008]1)分离、纯化得多株大肠埃希菌菌株；
[0009]2)对步骤1)中每种大肠埃希菌菌株采集多张MALDI
‑
TOF MS图谱建立图谱数据集；
[0010]3)采用LSTM模型对步骤2)建立的图谱数据集进行特征提取和分类训练；
[0011]4)采用精确度、准确度、召回率对LSTM模型训练结果进行评估；采用混淆矩阵和总识别率对LSTM模型预测结果进行评估；
[0012]5)通过步骤4)评估合格的模型对大肠埃希菌进行菌株水平的鉴定。
[0013]较佳地，步骤2)中图谱数据中最强谱峰信噪比大于10，采用hotelling t2检验，同种菌株图谱数据差异小于5％。
[0014]较佳地，所述LSTM模型采用Tensorflow v2.0框架实现，所述LSTM模型包含LSTM层、全连层和Dropout层。LSTM层激活函数为ReLU，参数为128；全连层激活函数为ReLU，参数为64；Dropout层参数为0.3。
[0015]较佳地，所述LSTM模型的训练损失函数为Categorical crossentropy，优化器为Adam。
[0016]本专利技术的有益效果是：本研究通过将LSTM算法应用于大肠埃希菌菌株MALDI
‑
TOF MS图谱的鉴定工作，考察LSTM对长序列图谱的识别能力，建立一种基于MALDI
‑
TOF MS联合LSTM的大肠埃希菌菌株水平鉴别方法，具有操作简单，速度快、通量高等优势，通过建立大规模图谱数据库结合人工神经网络算法可实现大肠埃希菌菌株水平的精确鉴定。
附图说明
[0017]图1为实施例中48种大肠埃希菌MALDI
‑
TOF MS典型图谱。
[0018]图2为实施例中菌株MALDI
‑
TOF MS图谱PCA降维结果。
[0019]图3为实施例中LSTM模型训练结果；其中A：模型损失曲线；B：模型准确度曲线；C：模型精确度曲线；D：模型召回率曲线。
[0020]图4为实施例中模型评估的混淆矩阵。
具体实施方式
[0021]下面用具体实施例对本专利技术做进一步详细说明，但本专利技术不仅局限于以下具体实施例。
[0022]实施例
[0023]从临床生物样品中分离、纯化得大肠埃希菌菌株48株，菌株均经实验室生化鉴定方法和16S测序鉴定为大肠埃希菌。
[0024]培养基、试剂与仪器
[0025]胰蛋白胨大豆琼脂(Tryptic Soy Agar,TSA)培养基平板购自德国Merck Millipore公司；α
‑
氰基
‑4‑
羟基肉桂酸(α
‑
Cyano
‑4‑
hydroxycinnamic acid,CHCA)购自美国Sigma
‑
Aldrich公司。
[0026]仪器4800plus型MALDI
‑
TOF MS质谱仪购自美国Absciex公司，DRP
‑
9272电热恒温微生物培养箱购自上海森信实验仪器有限公司。
[0027]MALDI
‑
TOF MS检测
[0028]将分离、纯化得大肠埃希菌菌株48株分别接种于TSA培养基平板上培养24h，取培养24h的菌株菌落样品适量，涂布于靶板上，每孔滴加1μL CHCA基质溶液，待干燥后置于MALDI
‑
TOF MS仪内，采用线性扫描模式，激光强度为3500，质量扫描范围为0～12000Da的条件采集图谱。每种菌株点样40个样品点，每个样品点采集20张图谱，合计采集800张图谱。图谱中最强谱峰信噪比应大于10，采用hotelling t2检验，同种菌株图谱差异应小于5％。
[0029]图谱数据集准备
[0030]将采集获得的38400张菌株MALDI
‑
TOF MS图谱进行编号和整理，录入数据库。从每
种菌株MALDI
‑
TOF MS图谱中选取50％作为训练集，其余50％作为测试集。
[0031]模型训练
[0032]LSTM模型采用Tensorflow v2.0框架实现，模型包含LSTM层、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1. 一种基于MALDI
‑
TOF MS联合LSTM的大肠埃希菌菌株水平鉴定方法，其特征在于，包括以下步骤：1）分离、纯化得多株大肠埃希菌菌株；2）对步骤1）中每种大肠埃希菌菌株采集多张MALDI
‑
TOF MS图谱建立图谱数据集；3）采用LSTM模型对步骤2）建立的图谱数据集进行特征提取和分类训练；4）采用精确度、准确度、召回率对LSTM模型训练结果进行评估；采用混淆矩阵和总识别率对LSTM模型预测结果进行评估；5）通过步骤4）评估合格的模型对大肠埃希菌进行菌株水平的鉴定。2. 根据权利要求1所述的基于MALDI
‑
TOF MS联合LSTM的大肠埃希菌菌...

【专利技术属性】
技术研发人员：张谢，宋毓飞，许泽平，许丰，毛琦淇，
申请(专利权)人：宁波市医疗中心李惠利医院，
类型：发明
国别省市：