买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳微伴医学检验实验室;珠海碳云智能科技有限公司

摘要：本申请公开了一种基于多层神经网络的菌群丰度预测方法及系统，运用于微生物和计算机科学的交叉技术领域，其方法包括：获取预设菌种在第一标准品溶液对应的实验数据；将实验数据输入神经网络模型进行训练，得到浓度预测模型；将第二信号值输入至浓度预测模型，计算得到未知浓度样品溶液对应的第二浓度值；根据第二浓度值配置第二标准品溶液，将第二标准品溶液和未知浓度样品溶液同时进行上机实验；将总DNA测量数据和实验数据输入组合模型进行训练，得到丰度预测模型；通过丰度预测模型与第二浓度值输出预设菌种在未知样品溶液的菌丰度；本申请通过多层神经网络模型对菌群丰度进行预测，具有较高的预测精度和速度，能够快速准确地分析菌群丰度。

主权项：1.一种基于多层神经网络的菌群丰度预测方法，其特征在于，包括：获取预设菌种在不同浓度的第一标准品溶液对应的实验数据，其中实验数据包括第一信号值、第一浓度值和菌种数量；获取未知浓度样品溶液对应的第二信号值；将所述实验数据输入神经网络模型进行训练，得到浓度预测模型；将所述第二信号值输入至所述浓度预测模型，计算得到未知浓度样品溶液对应的第二浓度值；根据所述第二浓度值配置第二标准品溶液，将所述第二标准品溶液和所述未知浓度样品溶液同时进行上机实验，判断信号过程是否一致；若信号判断为一致，则获取所述第二标准品溶液的总DNA测量数据；将所述总DNA测量数据和所述实验数据输入组合模型进行训练，得到丰度预测模型；通过所述丰度预测模型与所述第二浓度值输出预设菌种在未知样品溶液的菌丰度；在将所述实验数据输入神经网络模型进行训练，得到浓度预测模型的步骤中，具体包括下述步骤：针对预设菌种的m×n个第一标准品溶液，通过实验获取梯度A＝{a1,a2,…,am}和第一信号值C＝{C1,C2,…,Cm}；基于{A，C}输入神经网络模型进行训练，得到所述浓度预测模型；在根据所述第二浓度值配置第二标准品溶液，将所述第二标准品溶液和所述未知浓度样品溶液同时进行上机实验，判断信号过程是否一致，若信号判断为一致，则获取所述第二标准品溶液的总DNA测量数据的步骤中，具体包括下述步骤：将所述第二标准品溶液和所述未知浓度样品溶液同时进行QPCR测量，得到一组对照曲线；将未知浓度样品溶液与第二标准品溶液的曲线进行对比，得到两者的距离关系；根据距离关系和浓度换算关系计算未知浓度样品溶液的浓度；将未知浓度样品溶液的浓度和所述浓度预测模型输出的浓度绘制散点图，判断QPCR信号过程是否一致，即判断所述浓度预测模型是否有效；若在散点图中两者呈现线性关系，则判断所述浓度预测模型输出的浓度是准确的，使用Qubit设备对第二标准品溶液进行总DNA测量，得到包括总DNA信号和总DNA数量的总DNA测量数据；在通过所述丰度预测模型与所述第二浓度值输出预设菌种在未知样品溶液的菌丰度的步骤中，具体包括下述步骤：设定预设菌种为d个菌种，采用QPCR设备测量d个菌种在未知样品溶液的信号值{c1,c2,…,dd}；采用Qubit设备测量总DNA的信号值b；通过所述丰度预测模型计算得到预设菌种在未知样品溶液中的群落结构信息，包括菌种数量{α1,α2,…,αd,αd+1}和未知浓度样品溶液对应的第二浓度值{α′1,α′2,…α′d,α′d+1}，其中d+1为剩余的未知菌种；根据菌种浓度α和所述总DNA测量数据中的总DNA浓度t的比值进行计算，得到预设菌种在未知样品溶液的菌丰度为

全文数据：

权利要求：

百度查询： 深圳微伴医学检验实验室 珠海碳云智能科技有限公司 一种基于多层神经网络的菌群丰度预测方法及系统