System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及医学模型,尤其涉及一种基于肠道微生物的t2dm预测模型的确定方法及装置。
技术介绍
1、肠道微生物是指人体肠道内存在的所有微生物的总和。肠道微生物的组成受到多种因素影响,t2dm(二型糖尿病)病人的肠道微生物群落和正常人有所不同,肠道微生物的数量、种类和功能变化与t2dm的发生和发展有关,因此可基于肠道微生物的数据对t2dm的发生进行预测,理论上也可以基于肠道微生物对t2dm患者进行分类。
2、当前,针对t2dm的预测模型在肠道微生物分析中的应用越来越受到关注。其中,肠道微生物数据分析常用的预测模型有:支持向量机模型(svm)、随机森林模型(rf)和神经网络模型(nn)等。但是,实践过程中发现,一旦使用不合适的预测模型对t2dm患者体内的肠道微生物数据进行分析,就会容易导致对t2dm患者的病因预测错误的情况发生。可见,提出一种提高t2dm预测模型的筛选准确性的技术方案显得尤为重要。
技术实现思路
1、本专利技术提供了一种基于肠道微生物的t2dm预测模型的确定方法及装置,能够提高目标预测模型的筛选准确性,从而有利于通过筛选出的目标预测模型提高待预测样本的t2dm病因的预测准确性。
2、为了解决上述技术问题,本专利技术第一方面公开了一种基于肠道微生物的t2dm预测模型的确定方法,所述方法包括:
3、获取预先确定出的多个测试样本,每个所述测试样本均包括对应的测试样本信息,所述测试样本信息包括相应测试样本的样本实际情况及相应测试样本的肠道微
4、对于训练好的多个t2dm预测模型中的每个所述t2dm预测模型,将每个所述测试样本的肠道微生物中所有所述微生物的第一相对丰度输入至该t2dm预测模型中进行预测,得到该t2dm预测模型针对每个所述测试样本的样本预测情况;
5、对于每个所述t2dm预测模型,将该t2dm预测模型针对每个所述测试样本的样本预测情况及该测试样本的样本实际情况进行比较,得到该t2dm预测模型针对该测试样本的比较结果;
6、对于每个所述t2dm预测模型,根据该t2dm预测模型针对所有所述测试样本的比较结果,确定该t2dm预测模型的模型预测结果;
7、从所有所述t2dm预测模型中筛选出所述模型预测结果满足预设模型筛选条件的其中一个,作为待预测样本的目标预测模型,所述待预测样本为携带t2dm的样本,且所述目标预测模型用于计算所述预测样本的肠道微生物贡献值,并根据所述待预测样本的肠道微生物贡献值预测所述待预测样本的t2dm病因,以及对所述待预测样本的t2dm病因进行分类,还用于根据分类后的所述t2dm病因生成针对所述待预测样本的治疗策略。
8、作为一种可选的实施方式,在本专利技术第一方面中,所述模型预测结果均用于表示相应t2dm预测模型的预测效果,且每个所述t2dm预测模型的模型预测结果包括每个所述t2dm预测模型的第一类预测参数及每个所述t2dm预测模型的第二类预测参数;
9、以及,所述从所有所述t2dm预测模型中筛选出所述模型预测结果满足预设模型筛选条件的其中一个,作为待预测样本的目标预测模型,包括:
10、从所有所述t2dm预测模型中筛选出所述第一类预测参数满足预设预测条件的其中一个,作为备选预测模型;
11、根据所述备选预测模型的第二类预测参数,对所述备选预测模型进行校验,得到所述备选预测模型的校验结果;
12、当所述备选预测模型的校验结果表示所述备选预测模型校验通过时,将所述备选预测模型确定为待预测样本的目标预测模型;
13、当所述备选预测模型的校验结果表示所述备选预测模型校验不通过时,触发执行所述的从所有所述t2dm预测模型中筛选出所述第一类预测参数满足预设预测条件的其中一个,作为备选预测模型的操作,以及触发执行所述的根据所述备选预测模型的第二类预测参数,对所述备选预测模型进行校验,得到所述备选预测模型的校验结果的操作。
14、作为一种可选的实施方式,在本专利技术第一方面中,所述第一类预测参数包括相应t2dm预测模型的真阳性率数据及相应t2dm预测模型的假阳性率数据;
15、以及,所述从所有所述t2dm预测模型中筛选出所述第一类预测参数满足预设预测条件的其中一个,作为备选预测模型,包括:
16、对于每个所述t2dm预测模型,对该t2dm预测模型的真阳性率数据以及该t2dm预测模型的假阳性率数据进行曲线拟合,得到该t2dm预测模型的关系曲线;
17、对于每个所述t2dm预测模型,根据该t2dm预测模型的关系曲线,计算该t2dm预测模型的关系曲线的曲线下面积,得到该t2dm预测模型对应的曲线下面积;
18、从所有所述t2dm预测模型中筛选出所述对应的曲线下面积最大的其中一个,作为备选预测模型。
19、作为一种可选的实施方式,在本专利技术第一方面中,获取每个所述测试样本的每个所述微生物的类别;
20、根据所有所述微生物的类别,对所有所述微生物进行分组,得到多个微生物组,同一所述微生物组内的所有微生物均对应相同的类别;
21、对于每个所述微生物组,从该微生物组内的所有微生物中筛选出所述第一相对丰度小于或等于第一预设相对丰度的所有微生物,作为该微生物组的所有目标微生物;
22、对于每个所述微生物组,根据该微生物组的所有目标微生物,判断该微生物组的所有目标微生物是否满足预设删除条件;
23、若判断出该微生物组的所有目标微生物满足所述预设删除条件,则删除该微生物组内的所有目标微生物。
24、作为一种可选的实施方式,在本专利技术第一方面中,所述对于每个所述微生物组,根据该微生物组的所有目标微生物,判断该微生物组的所有目标微生物是否满足预设删除条件,包括:
25、获取每个所述微生物组的目标微生物数量以及所有所述测试样本的总数量;
26、对于每个所述微生物组,根据该微生物组的目标微生物数量以及所有所述测试样本的总数量,计算该微生物组的目标被测概率,所述目标被测概率用于表示相应微生物组中的所有目标微生物被检测到的概率;
27、对于每个所述微生物组,判断该微生物组的目标被测概率是否大于或等于预设概率;
28、若判断出该微生物组的目标被测概率大于或等于所述预设概率,则确定该微生物组的所有目标微生物满足预设删除条件;
29、若判断出该微生物组的目标被测概率小于所述预设概率,则确定该微生物组的所有目标微生物不满足所述预设删除条件。
30、作为一种可选的实施方式,在本专利技术第一方面中,在所述从所有所述t2dm预测模型中筛选出所述模型预测结果满足预设模型筛选条件的其中一个,作为待预测样本的目标预测模型之后,所述方法还包括:
31、获取所述待预测样本的样本信息,所述待预测样本的样本信息包括所述待预测样本的肠道微生物内所有微生物中每个所述微生本文档来自技高网...
【技术保护点】
1.一种基于肠道微生物的T2DM预测模型的确定方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于肠道微生物的T2DM预测模型的确定方法,其特征在于,所述模型预测结果均用于表示相应T2DM预测模型的预测效果,且每个所述T2DM预测模型的模型预测结果包括每个所述T2DM预测模型的第一类预测参数及每个所述T2DM预测模型的第二类预测参数;
3.根据权利要求2所述的基于肠道微生物的T2DM预测模型的确定方法,其特征在于,所述第一类预测参数包括相应T2DM预测模型的真阳性率数据及相应T2DM预测模型的假阳性率数据;
4.根据权利要求1-3任一项所述的基于肠道微生物的T2DM预测模型的确定方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的基于肠道微生物的T2DM预测模型的确定方法,其特征在于,所述对于每个所述微生物组,根据该微生物组的所有目标微生物,判断该微生物组的所有目标微生物是否满足预设删除条件,包括:
6.根据权利要求4所述的基于肠道微生物的T2DM预测模型的确定方法,其特征在于,在所述从所有所述T2DM
7.根据权利要求1、2、3或5所述的基于肠道微生物的T2DM预测模型的确定方法,其特征在于,在所述对于训练好的多个T2DM预测模型中的每个所述T2DM预测模型,将每个所述测试样本的肠道微生物中所有所述微生物的第一相对丰度输入至该T2DM预测模型中进行预测,得到该T2DM预测模型针对每个所述测试样本的样本预测情况之前,所述方法还包括:
8.一种基于肠道微生物的T2DM预测模型的确定装置,其特征在于,所述装置包括:
9.一种基于肠道微生物的T2DM预测模型的确定装置,其特征在于,所述装置包括:
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-7任一项所述的基于肠道微生物的T2DM预测模型的确定方法。
...【技术特征摘要】
1.一种基于肠道微生物的t2dm预测模型的确定方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于肠道微生物的t2dm预测模型的确定方法,其特征在于,所述模型预测结果均用于表示相应t2dm预测模型的预测效果,且每个所述t2dm预测模型的模型预测结果包括每个所述t2dm预测模型的第一类预测参数及每个所述t2dm预测模型的第二类预测参数;
3.根据权利要求2所述的基于肠道微生物的t2dm预测模型的确定方法,其特征在于,所述第一类预测参数包括相应t2dm预测模型的真阳性率数据及相应t2dm预测模型的假阳性率数据;
4.根据权利要求1-3任一项所述的基于肠道微生物的t2dm预测模型的确定方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的基于肠道微生物的t2dm预测模型的确定方法,其特征在于,所述对于每个所述微生物组,根据该微生物组的所有目标微生物,判断该微生物组的所有目标微生物是否满足预设删除条件,包括:
6.根据权利要求4所述的基...
【专利技术属性】
技术研发人员:叶永根,邓文蔚,
申请(专利权)人:觅码基因健康科技广州有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。