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】
本专利技术涉及口腔医学,具体涉及一种基于口腔微生物组检测数据的神经精神症状鉴别方法。
技术介绍
1、人工智能已在疾病鉴别领域展示出重要潜力,其特点在于可通过人工智能学习程序自行训练从数据中获得鉴别能力。因此,这种鉴定具有鉴别性质的特征并建立相关数据是开发人工智能工具的重点。目前,市面上尚无技术人员开发神经精神症状疾病鉴别人工智能系统。
技术实现思路
1、本专利技术提供一种基于口腔微生物组检测数据的神经精神症状鉴别方法,解决了现有技术不能鉴别神经精神症状的技术问题。
2、本专利技术提供的基础方案为:一种基于口腔微生物组检测数据的神经精神症状鉴别方法,包括步骤:
3、s1、招募无神经精神症状和有神经精神症状的受试者,前者记为non-nps组,后者记为nps组;
4、s2、建立口腔微生物组non-nps组的数据集与nps组的数据集;
5、s3、将数据集输入到sklearn.ensemble.xgbclassifier程序,利用xgboost算法程序进行训练,得到神经精神症状鉴别人工智能模型;
6、s4、通过神经精神症状鉴别人工智能模型区分非神经精神症状和神经精神症状。
7、进一步,在s2中,采用16s rrna方法用trimmomatic v0.33软件对测序得到的rawreads进行过滤,然后使用cutadapt 1.9.1软件进行引物序列的识别与去除,得到不包含引物序列的clean reads,使用usearch
8、进一步,在s2中,dada2通过去重复,以100%相似度聚类获得单碱基精度的代表序列,然后使用asvs构建类otu,获得受试者口腔微生物的相对丰度值。
9、本专利技术的工作原理及优点在于:在本方案中,口腔微生物组的数据集是通过16srrna测序获得的受试者口腔微生物的相对丰度数据,共获得3237个特征,通过递归特征消除交叉验证确定最优的特征数量,从而提高模型的性能、可靠性及可解释性,利用xgboost算法程序训练,得到具备区分非神经精神症状和神经精神症状能力的人工智能模型,这样通过对有神经精神症状受试者(nps组)和无神经精神症状受试者(non-nps组)的口腔微生物组进行最优的特征数量的筛选,并通过最优特征的组成数据训练得到基于口腔微生物组检测数据的神经精神症状鉴别人工智能模型,提供了一种全新的神经精神症状疾病鉴别工具,能够鉴别神经精神症状,有助于神经精神症状疾病鉴别
的发展。
【技术保护点】
1.一种基于口腔微生物组检测数据的神经精神症状鉴别方法,其特征在于,包括步骤:
2.如权利要求1所述的一种基于口腔微生物组检测数据的神经精神症状鉴别方法,其特征在于,在S2中,采用16S rRNA方法用Trimmomatic v0.33软件对测序得到的Raw Reads进行过滤,然后使用cutadapt 1.9.1软件进行引物序列的识别与去除,得到不包含引物序列的Clean Reads,使用USEARCH v10软件通过overlap对每个样品的Clean Reads进行拼接并进行质控、嵌合体过滤,获得高质量的Clean Data。
3.如权利要求2所述的一种基于口腔微生物组检测数据的神经精神症状鉴别方法,其特征在于,在S2中,DADA2通过去重复,以100%相似度聚类获得单碱基精度的代表序列,然后使用ASVs构建类OTU,获得受试者口腔微生物的相对丰度值。
4.如权利要求3所述的一种基于口腔微生物组检测数据的神经精神症状鉴别方法,其特征在于,在S2中,口腔微生物组的数据集是通过16S rRNA测序获得的受试者口腔微生物的相对丰度数据,共获得3
...【技术特征摘要】
1.一种基于口腔微生物组检测数据的神经精神症状鉴别方法,其特征在于,包括步骤:
2.如权利要求1所述的一种基于口腔微生物组检测数据的神经精神症状鉴别方法,其特征在于,在s2中,采用16s rrna方法用trimmomatic v0.33软件对测序得到的raw reads进行过滤,然后使用cutadapt 1.9.1软件进行引物序列的识别与去除,得到不包含引物序列的clean reads,使用usearch v10软件通过overlap对每个样品的clean reads进行拼接并进行质控、嵌合体过滤,获得高质量...
【专利技术属性】
技术研发人员:杨冰,刘萍,阴倩羽,罗羽,
申请(专利权)人:重庆医科大学附属口腔医院,
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。