【技术实现步骤摘要】
本专利技术涉及一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法及系统，属于微生物测定和检验的。
技术介绍
1、人体微生物和环境微生物分别在维持人体健康和生物地球化学循环中起着至关重要的作用。微生物群落是许多微生物的集合体，其中绝大部分的微生物(超过99％)是不可通过传统培养方法进行培养的。为了充分揭示微生物群落中微生物的作用，高通量测序技术被用来获取微生物群落的序列信息。目前已经建立了基于微生物宏基因组数据的统计分析流程，实现了对微生物组大数据快速有效的处理，解析出微生物群落的物种组成和功能组成以及不同组之间的差异菌。
2、在自然环境中，微生物并不是以分离的个体形式存在，而是通过直接或间接的相互作用形成复杂的共发生网络。微生物之间的相互作用包括互利共生、共栖、寄生、捕食、偏害共栖和竞争等类型，相互作用会对参与者产生正向、负向和中性三种影响。同样地，环境影响群落的组成，因此微生物-环境之间也存在着密切的交互。微生物体积小、数量大、代谢旺盛、繁殖迅速，造成微生物群落在组成和功能上极高的复杂度，然而，在生态系统中直接探究这些不同的相互作用类型非常困难。高通量测序数据包含大量种群信息，具有模拟微生物共生关系的极大优势。但是现有的微生物组宏基因组学数据的统计分析流程不能很好的模拟微生物之间的关系，以及微生物群落的变化。而网络可以很好地描述微生物之间以及群落整体的关系。将网络分析与宏基因组测序技术相结合，对于发现微生物群落的构建过程和群落的稳定维持中所必须的微生物关系，推断各种相互关系对宿主健康影响等提供了丰富的研究手段。
3、对复杂网络的定性和定量特征的认识和理解是网络时代中一个重要而又具有挑战性的课题。作为复杂网络中一个重要特性,模块结构(或称社团结构)是一个重要而又普遍存在的结构特性。准确挖掘和分析模块结构对理解复杂网络的演化、结构和动态性都有着理论和实践的意义。模块结构作为生物复杂网络中的功能模块组织形式，在生命科学领域中有着重要的意义。人们虽然提出很多有效的算法来分析功能模块,但是这些方法在算法层面和生物网络解释度上都存在一定的缺陷。
4、以往的研究主要依赖统计方法，通过比较不同研究队列和对照组之间的微生物丰度，以帮助识别存在显著差异的微生物.然而，没有微生物是独立存在的，每一个微生物都与其他微生物密切相互关联，形成了一个良好平衡的生态网络。这个网络通过相互共生和合作代谢来创造更好的生存条件，或者相互作用以规避宿主的免疫监测。微生物组广泛关联研究(mwas)主要采用每个单个微生物的差异丰度分析，以识别在疾病群中分布明显不同的特征性微生物。然而，这种方法通常忽视了微生物之间复杂的相互作用，从而导致相对较低的准确性，无法真实反映生态网络内的微生物相互关系。
5、为了解决这个问题，已经开发了多种基于网络的方法，用于探索微生态系统内的组成和相互作用。如netshift，netmoss，metagenonets，netcomi等，从高通量测序数据构建、分析和比较微生物关联网络。然而，大多数这些网络分析方法需要一个对照组，并且无法识别总体微生物相互作用网络中的子网络和中心细菌。
6、因此，面对这些问题,需要有针对性地研究并提出功能模块挖掘方法。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法；
2、本专利技术还提供了一种非对照人群依赖的微生物网络分析的功能模块的挖掘系统。
3、本专利技术揭示菌群中非随机的物种共发生模式，使物种间的直接互作或生态位共享特征得到较好的重现，从而理解微生物群落的组建机制、微生态系统的结构和功能以及挖掘微生态系统的关键群落和关键群落中的驱动菌。
4、本专利技术的技术方案如下：
5、一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，包括步骤如下：
6、(1)数据准备：通过微生物组学数据，得到细菌的相对丰度、样本的分组信息；
7、(2)构建微生物共生网络(关联网络)：微生物共生网络是一种图，包括两个基本的元素：点(节点)和边；把微生态系统抽象化为一个网络，将细菌的每个物种作为微生物共生网络的一个点，将细菌与细菌的相互作用关系作为微生物共生网络的一条边；
8、(3)分析微生物共生网络，包括：
9、3.1基于拓扑结构的差异性分析微生物共生网络，包括：
10、3.1.1微生物共生网络全局指标的直接数值比较，包括描述微生物共生网络的规模、凝聚性、连通度；
11、3.1.2通过kolmogorov-smirnov test(ks检验)比较微生物共生网络中各点特征的整体分布；
12、3.2寻找微生物共生网络的关键菌，包括：
13、3.2.1划分微生物共生网络的子群(模块)，包括：通过随机游走的社团划分算法，将构建的微生物共生网络进行划分，划分成不同的子网络，也就是将微生物群落划分为不同的子群；
14、3.2.2根据微生物共生网络的拓扑性质包括凝聚性、稳定性、连通性，包括：选取凝聚性、稳定性、连通性最高，即描述微生物共生网络的规模的指标、描述微生物共生网络的凝聚性的指标、描述微生物共生网络的连通度的指标最高的对应的三个子网络作为模块，视为更重要的微生物子群；后续进行进一步的分析；
15、3.2.3寻找模块中的关键节点，包括：
16、选取节点度、接近中心性(closeness centrality)、介数中心性(betweennesscentrality)、特征向量中心性(eigenvector centrality)综合指标排名靠前的点为关键节点，模块中的关键节点包括：
17、①模块中的连接边数最高的一些节点；②处于模块中的中心地位的，也就是中心性最高的一些节点；中心性包括接近中心性、介数中心性、特征向量中心性；③连接节点、模块中心点和网络中心点，具体是指：根据点的模块内连接度zi和模块间连接度pi将模块中所有点归为四类：外围节点(peripherals)、连接节点(connectors)、模块中心点(modulehubs)和网路中心点(network hubs)；
18、(4)挖掘功能模块：将网络划分模块后，做模块与生理、代谢指标的相关性分析，挖掘重要模块的功能。
19、根据本专利技术优选的，步骤(2)中，细菌与细菌的相互作用关系是指细菌与细菌的显著性相关性关系，边的权重是指两种细菌的spearman相关性系数；
20、基于细菌的相对丰度，计算两种细菌的spearman相关性系数即spearman秩相关系数；
21、spearman秩相关系数计算如下：
22、
23、其中，ρ本文档来自技高网...
【技术保护点】
1.一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，其特征在于，包括步骤如下：
2.根据权利要求1所述的一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，其特征在于，步骤(2)中，细菌与细菌的相互作用关系是指细菌与细菌的显著性相关性关系，边的权重是指两种细菌的spearman相关性系数；
3.根据权利要求1所述的一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，其特征在于，步骤3.1.1中，通过比较微生物共生网络全局指标，来评估各组样本菌群之间相互作用关系的差异，包括：
4.根据权利要求1所述的一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，其特征在于，步骤3.1.2中，
5.根据权利要求1所述的一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，其特征在于，步骤3.2.1中，通过随机游走的社团划分算法，将构建的微生物共生网络划分成不同的子网络，包括：
6.根据权利要求1所述的一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，其特征在于，步骤3.2.3中，模块内连通度Zi和模块间连通
7.根据权利要求1-6任一所述的一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，其特征在于，步骤(4)中，通过WGCNA加权基因共表达网络分析方法挖掘功能模块，找到与生理、代谢指标相关的菌群。
8.一种非对照人群依赖的微生物网络分析的功能模块的挖掘系统，其特征在于，执行权利要求1-7任一所述的一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，包括数据准备单元、微生物共生网络构建单元、微生物共生网络分析单元及功能模块挖掘单元；
...【技术特征摘要】
1.一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，其特征在于，包括步骤如下：
2.根据权利要求1所述的一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，其特征在于，步骤(2)中，细菌与细菌的相互作用关系是指细菌与细菌的显著性相关性关系，边的权重是指两种细菌的spearman相关性系数；
3.根据权利要求1所述的一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，其特征在于，步骤3.1.1中，通过比较微生物共生网络全局指标，来评估各组样本菌群之间相互作用关系的差异，包括：
4.根据权利要求1所述的一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，其特征在于，步骤3.1.2中，
5.根据权利要求1所述的一种非对照人群依赖的微生物网络分析的功能模块的挖掘方法，其特...
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。