[go: up one dir, main page]

CN111161794B - 肠道微生物测序数据处理方法、装置、存储介质及处理器 - Google Patents

肠道微生物测序数据处理方法、装置、存储介质及处理器 Download PDF

Info

Publication number
CN111161794B
CN111161794B CN201811648980.0A CN201811648980A CN111161794B CN 111161794 B CN111161794 B CN 111161794B CN 201811648980 A CN201811648980 A CN 201811648980A CN 111161794 B CN111161794 B CN 111161794B
Authority
CN
China
Prior art keywords
intestinal
index
bacteria
beneficial
target object
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811648980.0A
Other languages
English (en)
Other versions
CN111161794A (zh
Inventor
张东亚
张陈陈
夏慧华
刘洋荧
薛文斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Digital Life Institute
Shenzhen Icarbonx Intelligent Digital Life Health Management Co ltd
Original Assignee
Shenzhen Digital Life Institute
Shenzhen Icarbonx Intelligent Digital Life Health Management Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Digital Life Institute, Shenzhen Icarbonx Intelligent Digital Life Health Management Co ltd filed Critical Shenzhen Digital Life Institute
Priority to CN201811648980.0A priority Critical patent/CN111161794B/zh
Priority to PCT/CN2019/129425 priority patent/WO2020140848A1/zh
Publication of CN111161794A publication Critical patent/CN111161794A/zh
Application granted granted Critical
Publication of CN111161794B publication Critical patent/CN111161794B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • Genetics & Genomics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Molecular Biology (AREA)
  • Bioethics (AREA)
  • Databases & Information Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本申请公开了一种肠道微生物测序数据处理方法、装置、存储介质及处理器。该方法包括：获取目标对象的肠道微生物菌群的测序数据；根据标准基因数据库对测序数据进行注释，得到注释结果；根据注释结果，对目标对象的肠道微生物菌群进行评估，获得目标对象的肠道微生物的菌群信息。通过本申请，解决了相关技术中尚未有采用宏基因组基因数据分析方法对肠道微生物菌群和对菌群的状态进行有效的分析的方法，以及尚不能实现通过采用宏基因组基因分析方法对个体肠道微生物进行全面、多元的分析，并满足个性化分析的需求的问题。

Description

肠道微生物测序数据处理方法、装置、存储介质及处理器
技术领域
本申请涉及基因测序数据分析领域，具体而言，涉及一种肠道微生物测序数据的处理方法、装置、存储介质及处理器。
背景技术
随着人类微生物组计划(HMP)和人类肠道宏基因组学(MateHIT)项目的开展，越来越多的研究表明，人体的生理代谢和生长发育不仅受自身基因控制，有许多现象，如对疾病的易感性、药物反应等，无法全部用人体基因的差异来解释。这是因为，人体内生活着大量微生物，它们的组成和活动与人的生长发育、生老病死息息相关。
16S rRNA(Small subunit ribosomal RNA)基因是对原核微生物进行系统进化分类研究时最常用的分子标记物(Biomarker)，广泛应用于微生物生态学研究中。近些年来随着高通量测序技术及数据分析方法等的不断进步，大量基于16S rRNA基因的研究使得微生物生态学研究得到了快速的发展，在肠道微生物研究方面也得到广泛的应用，然而使用16SrRNA基因数据分析法也存在诸多问题，比如水平基因转移、多拷贝的异质性、基因扩增效率的差异、数据分析方法的选择等，这些问题都影响了微生物群落组成和多样性分析时的准确性。
宏基因组(Metagenome)，又称“元基因组”，是指某个特定环境中全部微小生物遗传物质的总和。宏基因组的测序方法以特定环境中的整个微生物群落作为研究的对象，不需要对微生物进行分离培养，而是提取环境微生物总DNA进行研究，采用新一代高通量测序技术对环境微生物样本的DNA直接测序。由于基因宏基因组研究微生物生态的优越性使得越来越多的研究采用宏基因组基因分析方法研究微生物生态。然而，目前尚未有采用宏基因组基因数据分析方法对肠道微生物菌群和对菌群的状态进行有效的分析的方法，尚不能实现通过采用宏基因组基因分析方法对个体肠道微生物进行全面、多元的分析，并满足个性化分析的需求。
发明内容
本申请提供一种肠道微生物测序数据处理方法、装置、存储介质及处理器，以解决相关技术中尚未有采用宏基因组基因数据分析方法对肠道微生物菌群和对菌群的状态进行有效的分析的方法，以及尚不能实现通过采用宏基因组基因分析方法对个体肠道微生物进行全面、多元的分析，并满足个性化分析的需求的问题。
根据本申请的一个方面，提供了一种肠道微生物测序数据处理方法。该方法包括：获取目标对象的肠道微生物菌群的测序数据；根据标准基因数据库对所述测序数据进行注释，得到注释结果；根据所述注释结果，对所述目标对象的肠道微生物菌群进行评估，获得所述目标对象的肠道微生物的菌群信息。
可选的，所述目标对象的肠道微生物的菌群信息包括肠道微生物的种类信息和各种所述肠道微生物的物种相对丰度，其中，所述物种相对丰度为所述测序数据中所属物种的目标基因的相对丰度的加和，每个所述目标基因的相对丰度根据所述注释结果获得。
可选的，在所述性能分析涉及多样性分析的情况下，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道微生物的多样性指数，确定所述多样性指数在参考人群中的位置；在所述性能分析涉及有益菌分析和/或有害菌分析的情况下，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道微生物中有益菌指数和/或有害菌指数，确定所述有益菌指数和/或有害菌指数在参考人群中的位置；在所述性能分析涉及疾病预测分析的情况下，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道疾病指数，确定所述肠道疾病指数在参考人群中的位置。
可选的，所述多样性指数按照如下方法计算：在所述目标对象的肠道微生物中，计算每种肠道微生物的所述物种相对丰度与所述物种相对丰度的对数的乘积；将所有所述肠道微生物计算得到的乘积进行加和，得到所述多样性指数；所述肠道疾病指数通过以下方法计算：统计第一类微生物的物种相对丰度均值X1和第二类微生物的物种相对丰度均值X2，所述X1与所述X2的差值即为所述肠道疾病指数；其中，第一类微生物指在患有特定疾病的人群中的物种相对丰度值相对健康人群中的物种相对丰度值大于第一预设标准的肠道微生物的组合；第二类微生物指在健康人群中的物种相对丰度值相对患有特定疾病的人群中的物种相对丰度值大于第二预设标准的肠道微生物的组合。
可选的，在所述性能分析涉及多样性分析，且基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，计算得到所述目标对象的肠道微生物的多样性指数的情况下，还包括将所述目标对象的肠道微生物的多样性指数导入所述参考人群的数据库以用于下一次性能分析步骤中；在所述性能分析涉及有益菌分析和/或有害菌分析，且基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，计算得到所述目标对象的肠道微生物中有益菌指数和/或有害菌指数的情况下，还包括将所述目标对象的肠道微生物中有益菌指数和/或有害菌指数导入所述参考人群的数据库以用于下一次性能分析步骤中；在所述性能分析涉及疾病预测分析，且基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，计算得到所述目标对象的肠道疾病指数的情况下，还包括将所述目标对象的肠道疾病指数导入所述参考人群的数据库以用于下一次性能分析步骤中。
根据本申请的另一方面，提供了一种肠道微生物测序数据处理装置。该装置包括：第一获取模块，用于获取目标对象的肠道微生物菌群的测序数据；注释模块，用于根据标准基因数据库对所述测序数据进行注释，得到注释结果；第二获取模块，根据所述注释结果，对所述目标对象的肠道微生物菌群进行评估，获得所述目标对象的肠道微生物的菌群信息。
可选的，所述目标对象的肠道微生物的菌群信息包括肠道微生物的种类信息和各种所述肠道微生物的物种相对丰度，其中，所述物种相对丰度为所述测序数据中所属物种的目标基因的相对丰度的加和，每个所述目标基因的相对丰度根据所述注释结果获得。
可选的，所述装置还包括：性能分析模块，用于基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，所述性能分析涉及如下至少之一：多样性分析、有益菌分析、有害菌分析及疾病预测分析。
可选的，在所述性能分析涉及多样性分析的情况下，所述性能分析模块还包括：第一计算模块，用于计算所述目标对象的肠道微生物的多样性指数；第一位置确定模块，用于确定所述多样性指数在参考人群中的位置；在所述性能分析涉及有益菌分析和/或有害菌分析的情况下，所述性能分析模块还包括：第二计算模块，用于计算所述目标对象的肠道微生物中有益菌指数和/或有害菌指数；第二位置确定模块，用于确定所述有益菌指数和/或有害菌指数在参考人群中的位置；在所述性能分析涉及疾病预测分析的情况下，所述性能分析模块还包括：第三计算模块，用于计算所述目标对象的肠道疾病指数；第三位置确定模块，用于确定所述肠道疾病指数在参考人群中的位置。
可选的，所述第一计算模块包括：乘积单元，用于在所述目标对象的肠道微生物中，计算每种肠道微生物的所述物种相对丰度与所述物种相对丰度的对数的乘积；加和单元，用于将所有所述肠道微生物计算得到的乘积进行加和，得到所述多样性指数；所述第三计算模块包括：统计单元，用于统计第一类微生物的物种相对丰度均值X1和第二类微生物的物种相对丰度均值X2，差值计算单元，用于计算所述X1与所述X2的差值，得到所述肠道疾病指数，其中，所述第一类微生物指在患有特定疾病的人群中的物种相对丰度值相对健康人群中的物种相对丰度值大于第一预设标准的肠道微生物的组合；所述第二类微生物指在健康人群中的物种相对丰度值相对患有特定疾病的人群中的物种相对丰度值大于第二预设标准的肠道微生物的组合。
可选的，在所述性能分析涉及多样性分析，且所述第一计算模块计算得到所述目标对象的肠道微生物的多样性指数的情况下，所述性能分析模块还包括：第一导入模块，用于将所述目标对象的肠道微生物的多样性指数导入所述参考人群的数据库以用于下一次性能分析步骤中；在所述性能分析涉及有益菌分析和/或有害菌分析，且所述第二计算模块计算得到所述目标对象的肠道微生物中有益菌指数和/或有害菌指数的情况下，所述性能分析模块还包括：第二导入模块，用于将所述目标对象的肠道微生物中有益菌指数和/或有害菌指数导入所述参考人群的数据库以用于下一次性能分析步骤中；在所述性能分析涉及疾病预测分析，且所述第三计算模块计算得到所述目标对象的肠道疾病指数的情况下，所述性能分析模块还包括：第三导入模块，用于将所述目标对象的肠道疾病指数导入所述参考人群的数据库以用于下一次性能分析步骤中。
根据本申请的另一方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序执行上述任意一项所述的肠道微生物测序数据处理方法。
根据本申请的另一方面，提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任意一项所述的肠道微生物测序数据处理方法。
通过本申请，采用以下步骤：获取目标对象的肠道微生物菌群的测序数据；根据标准基因数据库对所述测序数据进行注释，得到注释结果；根据所述注释结果，对所述目标对象的肠道微生物菌群进行评估，获得所述目标对象的肠道微生物的菌群信息，解决了相关技术中未有采用宏基因组基因数据分析方法对肠道微生物菌群和对菌群的状态进行有效的分析的方法的技术问题。
也即，通过标准基因数据库对所述测序数据进行注释，并依据注释结果对所述目标对象的肠道微生物菌群进行评估，以获得所述目标对象的肠道微生物的菌群信息，进而达到了对肠道微生物菌群和对菌群的状态进行有效的分析的技术效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例提供的肠道微生物测序数据的处理方法的流程图一；
图2是根据本申请实施例提供的肠道微生物测序数据的处理方法的流程图二；
图3是根据本申请实施例提供的肠道微生物测序数据的处理装置的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于描述，以下对本申请实施例涉及的部分名词或术语进行说明：
标准基因数据库，即含有大量的基因序列以及各基因序列对应的基因和/或物种信息的数据库，标准基因数据库包括但不限于IGC、KO、COG、SEED subsystems、KEGG等数据库。
目标基因：本申请中在计算物种相对丰度时，按照测序数据中所属物种的目标基因的相对丰度进行加和得到，此处的目标基因指所属微生物的特异基因，该特异基因仅在该微生物中存在，或该特异基因经人工矫正后仅与该物种对应。
注释，即将获得的序列信息在标准基因数据库中进行比对，得到各序列信息对应的基因，及该基因的功能和生物来源信息。
有益菌：一般是指在人体肠胃生长的，与人体健康具有正相关性的细菌，在本申请中，在无特别说明的情况下，有益菌既可以为一具体的符合上述定义的菌种名称，也可为多个具体的符合上述定义的菌种名称的集合。
有害菌：一般是指在人体肠胃生长的，与人体健康具有负相关性的细菌，例如：食源性致病菌、机会致病菌等；在本申请中，在无特别说明的情况下，有害菌既可以为一具体的符合上述定义的菌种名称，也可为多个具体的符合上述定义的菌种名称的集合。
食源性致病菌：一般是指可能引起食物中毒或以食品为传播媒介的致病性细菌。
机会致病菌：一般是指在正常情况下对人体健康无害，但是在人体肠道有益菌受损而下降的情况下，引发多种疾病的细菌，亦被称为“两面派致病菌”。
根据本申请的实施例，提供了一种肠道微生物测序数据的处理方法。
图1是根据本申请实施例的肠道微生物测序数据的处理方法的流程图一。如图1所示，该方法包括以下步骤：
步骤S102，获取目标对象的肠道微生物菌群的测序数据；
步骤S104，根据标准基因数据库对所述测序数据进行注释，得到注释结果；
步骤S106，根据所述注释结果，对所述目标对象的肠道微生物菌群进行评估，获得所述目标对象的肠道微生物的菌群信息。
本申请实施例提供的肠道微生物测序数据的处理方法，通过获取目标对象的肠道微生物菌群的测序数据；根据标准基因数据库对所述测序数据进行注释，得到注释结果；根据所述注释结果，对所述目标对象的肠道微生物菌群进行评估，获得所述目标对象的肠道微生物的菌群信息，解决了相关技术中未有采用宏基因组基因数据分析方法对肠道微生物菌群和对菌群的状态进行有效的分析的方法的技术问题。
也即，通过标准基因数据库对所述测序数据进行注释，并依据注释结果对所述目标对象的肠道微生物菌群进行评估，以获得所述目标对象的肠道微生物的菌群信息，进而达到了对肠道微生物菌群和对菌群的状态进行有效的分析的技术效果。
需要说明的是：上述所获得所述目标对象的肠道微生物的菌群信息包括肠道微生物的种类信息和各类所述肠道微生物的物种相对丰度，其中，该物种相对丰度为所述测序数据中所属物种的目标基因的相对丰度的加和，每个所述目标基因的相对丰度根据所述注释结果获得。
进一步地，在获得所述目标对象的肠道微生物的菌群信息之后，本申请实施例提供的肠道微生物测序数据的处理方法还包括：基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，其中，所述性能分析涉及如下至少之一：多样性分析、有益菌分析、有害菌分析及疾病预测分析。
也即，本申请实施例提供的肠道微生物测序数据的处理方法，通过在获得所述目标对象的肠道微生物的菌群信息之后，还基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，解决了相关技术中尚不能实现通过采用宏基因组基因分析方法对个体肠道微生物进行全面、多元的分析，并满足个性化分析的需求的技术问题。实现了对个体肠道微生物进行全面、多元的分析，并满足个性化分析需求的技术效果。
针对上述性能分析涉及多样性分析的情况，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道微生物的多样性指数，确定所述多样性指数在参考人群中的位置。
其中，在一个可选的示例中，所述多样性指数按照如下方法计算：在所述目标对象的肠道微生物中，计算每种肠道微生物的所述物种相对丰度与所述物种相对丰度的对数的乘积；将所有所述肠道微生物计算得到的乘积进行加和，得到所述多样性指数。
针对“对所述目标对象的肠道微生物的进行多样性分析”举例示意：
首先，计算目标对象的肠道微生物的多样性指数，
即，Shannon Index＝∑Pi×InPi，其中，Pi为第i个物种的相对丰度。
其次，确定所述多样性指数在参考人群中的位置，即，将参考人群的多样性指数(100、200、300、1000或更多个健康人群的肠道微生物检测结果的多样性指数)按照从小到大的顺序进行排序，确定参考人群中多样性指数小于目标对象的多样性指数的人数(id)，通过计算id与参考人群总人数(sd)的比例确定目标对象的多样性指数在参考人群中的位置
以某种预设的测试标准为例，若a(例如：0)≤cd<b(例如：0.25)，则认为目标对象的肠道微生物菌群的多样性指数处于较低水平，此时，目标对象的肠道微生物菌群的种类和组成不均衡(可能处于失衡状态)，肠道健康存在一定的隐患；若b(例如：0.25)≤cd<c(例如：0.75)，则认为目标对象的肠道微生物菌群的多样性指数处于中等水平，此时，目标对象的肠道微生物菌群的种类和组成比较均衡。若c(例如：0.75)≤cd<d(例如：1)，则认为目标对象的肠道微生物菌群的多样性指数处于较高水平，此时，目标对象的肠道微生物菌群的种类较多，菌群的组成丰富，菌群失调的风险相对较低，有益于肠道和身体健康。
此外，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析还可以包括：基于目标对象的多样性指数和该多样性指数在参考人群中的位置，确定目标对象的肠道微生物的多样性得分，其多样性得分可以按照如下方法计算：
在目标对象的肠道微生物菌群的多样性指数处于较低水平的情况下，多样性得分＝第一参数(例如：80)*多样性指数+第二参数(例如：40)；
在目标对象的肠道微生物菌群的多样性指数处于中等水平的情况下，多样性得分＝第三参数(例如：40)*多样性指数+第四参数(例如：50)；
在目标对象的肠道微生物菌群的多样性指数处于较高水平的情况下，多样性得分＝第五参数(例如：80)*多样性指数+第六参数(例如：20)。
需要说明的是：上述预设的测试标准中的参数数据，可以基于应用场景适应性替换，本申请不做具体限定。
最后需要说明的是，肠道微生物菌群的多样性指数是指人体的肠道微生物的丰富程度和复杂程度，常被称为“肠道健康的放大镜”，用于反映看不见的健康问题。多样性指数在一定的范围内越高，则表明微生物菌群生态系统越稳定，越不容易被外界因素(如不规律饮食)所干扰；反之，多样性指数在一定的范围内越低，则表明肠道微生物菌群越容易被外界环境所影响从而导致菌群结构失衡，并由此引发一系列的肠道相关的健康问题，如胃肠道紊乱等。
针对上述性能分析涉及有益菌分析的情况，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道微生物中有益菌指数，确定所述有益菌指数在参考人群中的位置，其中，在一个可选的示例中，将有益菌的相对丰度作为该目标对象的肠道微生物中每个有益菌的有益菌指数。
针对“对所述目标对象的肠道微生物的进行有益菌分析”举例示意：
首先，计算目标对象的肠道微生物的有益菌指数，即将每个有益菌的相对丰度作为该目标对象肠道中该有益菌的有益菌指数。
其次，确定所述每个有益菌的有益菌指数在参考人群中的位置，以有益菌a为例，将参考人群肠道内有益菌a的有益菌指数(100、200、300、1000或更多个健康人群的肠道微生物检测结果中有益菌a的有益菌指数)按照从小到大的顺序进行排序，确定参考人群中有益菌指数小于目标对象肠道内有益菌a的有益菌指数的人数(ip)，通过计算ip与参考人群总人数(sp)的比例确定目标对象肠道内有益菌a的有益菌指数在参考人群中的位置
以某种预设的测试标准为例，若a(例如：0)≤cp<b(例如：0.25)，则认为目标对象肠道内有益菌a的有益菌指数处于较低水平；若b(例如：0.25)≤cp<c(例如：0.75)，则认为目标对象肠道内有益菌a的有益菌指数处于中等水平。若c(例如：0.75)≤cp<d(例如：1)，则认为目标对象肠道内有益菌a的有益菌指数处于较高水平。
此外，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析还可以包括：基于目标对象的有益菌指数和该有益菌指数在参考人群中的位置，确定目标对象的肠道微生物的有益菌得分，其有益菌得分可以按照如下方法计算：
在目标对象肠道内某个有益菌的有益菌指数处于较低水平的情况下，该有益菌的有益菌得分＝第一参数(例如：80)*该有益菌的有益菌指数+第二参数(例如：40)；
在目标对象肠道内某个有益菌的有益菌指数处于适中水平的情况下，该有益菌的有益菌得分＝第三参数(例如：40)*该有益菌的有益菌指数+第四参数(例如：20)；
在目标对象肠道内某个有益菌的有益菌指数处于较高水平的情况下，该有益菌的有益菌得分＝第五参数(例如：80)*该有益菌的有益菌指数+第六参数(例如：20)。
需要说明的是：上述预设的测试标准中的参数数据，可以基于应用场景适应性替换，本申请不做具体限定。
还需要说明的是：上述“对所述目标对象的肠道微生物的进行有益菌分析”中，可进行有益菌分析的有益菌种类至少包括以下26种，详情见表1。
表1待进行有益菌指数分析的有益菌种类
针对上述性能分析涉及有害菌分析的情况，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道微生物中有害菌指数，确定所述有害菌指数在参考人群中的位置，其中，在一个可选的示例中，将有害菌的相对丰度作为该目标对象的肠道微生物中有害菌指数。
针对“对所述目标对象的肠道微生物的进行有害菌分析”举例示意：
首先，计算目标对象的肠道微生物的有害菌指数，即将每个有害菌的相对丰度作为该目标对象肠道中该有害菌的有害菌指数。
其次，确定所述每个有害菌的有害菌指数在参考人群中的位置，以有害菌b为例，将参考人群肠道内有害菌b的的有害菌指数(100、200、300、1000或更多个健康人群的肠道微生物检测结果中有害菌b的有害菌指数)按照从小到大顺序进行排序，确定参考人群中有害菌指数小于目标对象肠道内有害菌b的有害菌指数的人数(io)，通过计算ip与参考人群总人数(so)的比例确定目标对象肠道内有害菌b的有害菌指数在参考人群中的位置
以某种预设的测试标准为例，若a(例如：0)≤co<b(例如：0.25)，则认为目标对象肠道内有害菌b的有害菌指数处于较低水平；若b(例如：0.25)≤co<c(例如：0.75)，则认为目标对象肠道内有害菌b的有害菌指数处于中等水平。若c(例如：0.75)≤co<d(例如：1)，则认为目标对象肠道内有害菌b的有害菌指数处于较高水平。
此外，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析还可以包括：基于目标对象的有害菌指数和该有害菌指数在参考人群中的位置，确定目标对象的肠道微生物的有害菌得分，其有害菌得分可以按照如下方法计算：
在目标对象肠道内某个有害菌的有害菌指数处于较低水平的情况下，该有害菌的有害菌得分＝第一参数(例如：80)*该有害菌的有害菌指数+第二参数(例如：40)；
在目标对象肠道内某个有害菌的有害菌指数处于适中水平的情况下，该有害菌的有害菌得分＝第三参数(例如：40)*该有害菌的有害菌指数+第四参数(例如：20)；
在目标对象肠道内某个有害菌的有害菌指数处于较高水平的情况下，该有害菌的有害菌得分＝第五参数(例如：80)*该有害菌的有害菌指数+第六参数(例如：20)。
需要说明的是：上述预设的测试标准中的参数数据，可以基于应用场景适应性替换，本申请不做具体限定。
还需要说明的是：上述“对所述目标对象的肠道微生物的进行有害菌分析”中，可进行有害菌分析的有害菌种类至少包括以下29种(9种食源性致病菌，20种机会性致病菌)，详情见表2和表3。
表2待进行有害菌指数分析的食源性致病菌种类
Foodborne pathogens(食源性致病菌)
1 Campylobacter coli(大肠弯曲杆菌)
2 Campylobacter jejuni(空肠弯曲杆菌)
3 Clostridium botulinum(肉毒杆菌)
4 Clostridium perfringens(产气荚膜梭状芽胞杆菌)
5 Cronobacter turicensis(苏黎世克罗诺罗杆菌)
6 Staphylococcus aureus(金黄色葡萄球菌)
7 Vibrio cholerae(霍乱弧菌)
8 Shigella(志贺氏菌)
9 Salmonella(沙门菌属)
表3待进行有害菌指数分析的机会性致病菌种类
针对上述性能分析涉及疾病预测分析的情况，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道疾病指数，确定所述肠道疾病指数在参考人群中的位置。
其中，在一个可选的示例中，所述肠道疾病指数通过以下方法计算：统计第一类微生物的物种相对丰度均值X1和第二类微生物的物种相对丰度均值X2，所述X1与所述X2的差值即为所述肠道疾病指数；其中，第一类微生物指在患有特定疾病的人群中的物种相对丰度值相对健康人群中的物种相对丰度值大于第一预设标准的肠道微生物的组合；第二类微生物指在健康人群中的物种相对丰度值相对患有特定疾病的人群中的物种相对丰度值大于第二预设标准的肠道微生物的组合。
具体的，第一类微生物指在患有特定疾病的人群中的物种相对丰度值相对健康人群中的物种相对丰度值高于第一预设值的肠道微生物的组合，如果假设在患有特定疾病的人群中的物种相对丰度值为a1，健康人群中的物种相对丰度值为a2，则此处“相对”的涵义可以是a1/a2，也可以是(a1-a2)/a2。当其指a1/a2时，所述第一预设值可为200％、300％、400％、500％、600％、700％、800％、900％、1000％或更高的值；当其指(a1-a2)/a2时，所述第一预设值可为20％、30％、40％、50％、60％、70％、80％、90％、100％或更高的值。第二类微生物指在健康人群中的物种相对丰度值相对患有特定疾病的人群中的物种相对丰度值高于第二预设值的肠道微生物的组合，类似地，如果假设在健康人群中的物种相对丰度值为b1，在患有特定疾病的人群中的物种相对丰度值为b2，则此处“相对”的涵义可以是b1/b2，也可以是(b1-b2)/b2。当其指b1/b2时，所述第二预设值可为200％、300％、400％、500％、600％、700％、800％、900％、1000％或更高的值；当其指(b1-b2)/b2时，所述第二预设值可为20％、30％、40％、50％、600％、70％、80％、90％、100％或更高的值。
针对“对所述目标对象的肠道微生物的进行疾病预测分析”举例示意：
首先，计算目标对象的肠道微生物的肠道疾病指数，即，疾病指数Disease Index＝某种疾病case中富集的物种相对丰度均值-该疾病对应的control中富集的物种相对丰度均值。
其次，确定所述肠道疾病指数在参考人群中的位置，即，将参考人群的肠道疾病指数(100、200、300、1000或更多个健康人群的肠道微生物检测结果的肠道疾病指数)按照从小到大的顺序进行排序，确定参考人群中肠道疾病指数小于目标对象的肠道疾病指数的人数(iD)，通过计算id与参考人群总人数(sD)的比例确定目标对象的肠道疾病指数在参考人群中的位置
以某种预设的测试标准为例，若a(例如：0)≤cD<b(例如：0.25)，则认为目标对象的肠道微生物菌群的肠道疾病指数处于较低水平；若b(例如：0.25)≤cD<c(例如：0.75)，则认为目标对象的肠道微生物菌群的肠道疾病指数处于中等水平。若c(例如：0.75)≤cD<d(例如：1)，则认为目标对象的肠道微生物菌群的肠道疾病指数处于较高水平。
此外，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析还可以包括：基于目标对象的肠道疾病指数和该肠道疾病指数在参考人群中的位置，确定目标对象的肠道微生物的肠道疾病得分，其肠道疾病得分可以按照如下方法计算：
在目标对象的肠道微生物菌群的肠道疾病指数处于较低水平的情况下，肠道疾病得分＝第一参数(例如：80)*肠道疾病指数+第二参数(例如：40)；
在目标对象的肠道微生物菌群的肠道疾病指数处于中等水平的情况下，肠道疾病得分＝第三参数(例如：40)*肠道疾病指数+第四参数(例如：20)；
在目标对象的肠道微生物菌群的肠道疾病指数处于较高水平的情况下，肠道疾病得分＝第五参数(例如：80)*肠道疾病指数+第六参数(例如：20)。
需要说明的是：上述预设的测试标准中的参数数据，可以基于应用场景适应性替换，本申请不做具体限定。
还需要说明的是：上述“对所述目标对象的肠道微生物的进行疾病预测分析”中，可进行肠道疾病分析的疾病种类至少包括以下6种，详情见表4。
表6待进行预测疾病分析的疾病类型
Microbiome risk of diseases
1 T2D(2型糖尿病)
2 Obese(肥胖)
3 CRC(结直肠癌)
4 CHD(冠心病)
5 RA(类风湿性关节炎)
6 NAFLD(非酒精性脂肪肝)
7 Gout(痛风)
8 IBD(炎症性肠病)
9 AD(阿尔茨海默症)
进一步地，图2是根据本申请实施例的肠道微生物测序数据的处理方法的流程图二。如图2所示，该肠道微生物测序数据的处理方法还包括以下步骤：
步骤S108a，在性能分析涉及多样性分析，且基于菌群信息对目标对象的肠道微生物的进行性能分析，计算得到目标对象的肠道微生物的多样性指数的情况下，将目标对象的肠道微生物的多样性指数导入参考人群的数据库以用于下一次性能分析步骤中；
步骤S108b，在性能分析涉及有益菌分析分析，且基于菌群信息对目标对象的肠道微生物的进行性能分析，计算得到目标对象的肠道微生物中有益菌指数的情况下，将目标对象的肠道微生物中有益菌指数导入参考人群的数据库以用于下一次性能分析步骤中；
步骤S108c，在性能分析涉及有害菌分析，且基于菌群信息对目标对象的肠道微生物的进行性能分析，计算得到目标对象的肠道微生物中有害菌指数的情况下，将目标对象的肠道微生物中有害菌指数导入参考人群的数据库以用于下一次性能分析步骤中；
步骤S108d，在性能分析涉及疾病预测分析，且基于菌群信息对目标对象的肠道微生物的进行性能分析，计算得到目标对象的肠道疾病指数的情况下，将目标对象的肠道疾病指数导入参考人群的数据库以用于下一次性能分析步骤中。
步骤S108e，在根据标准基因数据库对所述测序数据进行注释，得到注释结果的情况下，将目标对象的菌群信息(肠道微生物的种类信息和各种肠道微生物的物种相对丰度)导入参考人群的数据库以用于下一次性能分析步骤中。
也即，在对每个目标对象的肠道微生物菌群进行评估，获得所述目标对象的肠道微生物的菌群信息之后，还会将其评估结果(目标对象的肠道微生物的菌群信息，该菌群信息包括肠道微生物多样性信息，还可进一步包括各肠道微生物相对丰度信息等)添加至参考人群的数据库中，以便对每项指标的参考范围进行实时更新。
随着使用本申请肠道微生物测序数据的处理方法，进行肠道微生物健康状况评估的参与个体越来越多，数据库中存储的参考人群的规模将不断的扩大，进而使得肠道微生物健康状况评估的结果也会越来越准确，基于肠道微生物测序数据处理方法的肠道微生物健康状况评估的参考价值也越来越大。
最后，当数据库中存储的参考人群数达到一定的丰富程度的时候，本申请肠道微生物测序数据的处理方法还会根据待测个体的表型特征(包括性别，年龄，人种，身高、体重、饮食、居住区域等)选取相应的参考人群进行具体肠道微生物健康状况分析，进而获得更加精准、可靠的健康状况评估结果。
还需要说明的是：数据库中最初存储有目标数量个初始参考对象，其数据库具体记录有每个初始参考对象的表型信息(包括性别，年龄，人种，身高、体重、饮食、居住区域等)和肠道微生物健康状况评估信息(包括该初始参考对象的肠道微生物的多样性指数、有益菌指数、有害菌指数、肠道疾病指数等，还可进一步包括各肠道微生物相对丰度信息等)。
此外，还需要针对本申请肠道微生物测序数据的处理方法的步骤S102进行说明：
在一个可选的示例中，步骤S102获取目标对象的肠道微生物菌群的测序数据可以通过如下方式实现：
步骤A1，对目标对象的肠道微生物采样样本进行基因测序，获取目标对象的肠道微生物菌群的原始基因数据；
步骤A2，对该原始基因数据进行质量监控，即，将原始基因数据中的模糊碱基数量大于预设数值的基因序列剔除，以及将原始基因数据中的低质量基因序列剔除，其中，低质量基因序列为剔除低质量连续碱基后的基因序列长度小于一定数量的基因序列，其中，上述一定数量可以为3、4、5等自然数，该自然数可基于应用场景适应性调整；
步骤A3，将原始基因数据中的寄主基因序列剔除，得到目标对象的肠道微生物菌群的测序数据，其中，寄主基因序列为目标对象的基因序列。
此外，还需要针对本申请肠道微生物测序数据的处理方法的步骤S104进行说明：
在一个可选的示例中，步骤S104根据标准基因数据库对所述测序数据进行注释，得到注释结果可以通过如下方式实现：
步骤B1，将测序数据中的基因序列对比到标准基因数据库(例如：人肠道微生物宏基因组的整合基因集IGC)，确定测序数据中包含的每种基因序列的相对丰度(例如：确定测序数据对应的基因丰度文件，其中，该文件右侧一列为基因ID，左侧一列为右侧基因ID依次对应的基因相对丰度)；
步骤B2，基于标准基因数据库中记载的每种基因序列的注释信息(注释信息包含：每种基因序列所属物种)，和测序数据中包含的每种基因序列的相对丰度，确定测序数据中包含的每种物种的相对丰度，(例如：确定测序数据对应的物种丰度文件，其中，该文件右侧一列为物种ID，左侧一列为右侧物种ID依次对应的物种相对丰度)；
步骤B3，基于标准基因数据库中记载的每种基因序列的注释信息(注释信息包含：每种基因序列所属生物学功能)，和测序数据中包含的每种基因序列的相对丰度，确定测序数据中包含的每种生物学功能的相对丰度，(例如：确定测序数据对应的生物学功能丰度文件，其中，该文件右侧一列为生物学功能ID，左侧一列为右侧生物学功能ID依次对应的生物学功能相对丰度)。
综上所述，本申请实施提供的肠道微生物测序数据的处理方法实现了以下技术效果：
1、本申请通过宏基因组测序产出的数据进行分析，相比于传统的16SrRNA基因数据分析方法，能够检测出人体肠道微生物菌群更为全面的内容。
2、本申请提供的肠道微生物测序数据的处理方法，至少可以对9种重要疾病进行了预测。相比于其他检测分析技术，本申请提供的肠道微生物测序数据的处理方法对疾病的预测更加全面。
3、本技术方案能够获得被检测目标对象的肠道微生物多样性信息，包括肠道微生物的种类，各具体微生物的相对丰度和各个具体微生物的相对丰度在参考人群中的位置，有益菌、食源性致病菌和机会致病菌等的相对丰度及它们的相对丰度分别在人群中的位置，从而能够在肠道微生物整体和特定微生物进行全面评估被检人肠道微生物的状况，实现能够对肠道微生物进行全面、多元的分析，实现个性化分析。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种肠道微生物测序数据的处理装置，需要说明的是，本申请实施例的肠道微生物测序数据的处理装置可以用于执行本申请实施例所提供的用于肠道微生物测序数据的处理方法。以下对本申请实施例提供的肠道微生物测序数据的处理装置进行介绍。
图3是根据本申请实施例的肠道微生物测序数据的处理装置的示意图。如图3所示，该装置包括：第一获取模块31、注释模块33和第二获取模块35。
第一获取模块31，用于获取目标对象的肠道微生物菌群的测序数据；
注释模块33，用于根据标准基因数据库对所述测序数据进行注释，得到注释结果；
第二获取模块35，根据所述注释结果，对所述目标对象的肠道微生物菌群进行评估，获得所述目标对象的肠道微生物的菌群信息。
可选的，在本申请实施例提供的肠道微生物测序数据的处理装置中，所述目标对象的肠道微生物的菌群信息包括肠道微生物的种类信息和各种所述肠道微生物的物种相对丰度，其中，所述物种相对丰度为所述测序数据中所属物种的目标基因的相对丰度的加和，每个所述目标基因的相对丰度根据所述注释结果获得。
可选的，在本申请实施例提供的肠道微生物测序数据的处理装置中，所述装置还包括：性能分析模块，用于基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，所述性能分析涉及如下至少之一：多样性分析、有益菌分析、有害菌分析及疾病预测分析。
可选的，在本申请实施例提供的肠道微生物测序数据的处理装置中，在所述性能分析涉及多样性分析的情况下，所述性能分析模块还包括：第一计算模块，用于计算所述目标对象的肠道微生物的多样性指数；第一位置确定模块，用于确定所述多样性指数在参考人群中的位置；在所述性能分析涉及有益菌分析和/或有害菌分析的情况下，所述性能分析模块还包括：第二计算模块，用于计算所述目标对象的肠道微生物中有益菌指数和/或有害菌指数；第二位置确定模块，用于确定所述有益菌指数和/或有害菌指数在参考人群中的位置；在所述性能分析涉及疾病预测分析的情况下，所述性能分析模块还包括：第三计算模块，用于计算所述目标对象的肠道疾病指数；第三位置确定模块，用于确定所述肠道疾病指数在参考人群中的位置。
可选的，在本申请实施例提供的肠道微生物测序数据的处理装置中，所述第一计算模块包括：乘积单元，用于在所述目标对象的肠道微生物中，计算每种肠道微生物的所述物种相对丰度与所述物种相对丰度的对数的乘积；加和单元，用于将所有所述微生物计算得到的乘积进行加和，得到所述多样性指数；所述第三计算模块包括：统计单元，用于统计第一类微生物的物种相对丰度均值X1和第二类微生物的物种相对丰度均值X2，差值计算单元，用于计算所述X1与所述X2的差值，得到所述肠道疾病指数，其中，所述第一类微生物指在患有特定疾病的人群中的物种相对丰度值相对健康人群中的物种相对丰度值大于第一预设标准的肠道微生物的组合；所述第二类微生物指在健康人群中的物种相对丰度值相对患有特定疾病的人群中的物种相对丰度值大于第二预设标准的肠道微生物的组合。
可选的，在本申请实施例提供的肠道微生物测序数据的处理装置中，在所述性能分析涉及多样性分析，且所述第一计算模块计算得到所述目标对象的肠道微生物的多样性指数的情况下，所述性能分析模块还包括：第一导入模块，用于将所述目标对象的肠道微生物的多样性指数导入所述参考人群的数据库以用于下一次性能分析步骤中；在所述性能分析涉及有益菌分析和/或有害菌分析，且所述第二计算模块计算得到所述目标对象的肠道微生物中有益菌指数和/或有害菌指数的情况下，所述性能分析模块还包括：第二导入模块，用于将所述目标对象的肠道微生物中有益菌指数和/或有害菌指数导入所述参考人群的数据库以用于下一次性能分析步骤中；在所述性能分析涉及疾病预测分析，且所述第三计算模块计算得到所述目标对象的肠道疾病指数的情况下，所述性能分析模块还包括：第三导入模块，用于将所述目标对象的肠道疾病指数导入所述参考人群的数据库以用于下一次性能分析步骤中。
本申请实施例提供的肠道微生物测序数据的处理装置，通过第一获取模块31获取目标对象的肠道微生物菌群的测序数据；注释模块33根据标准基因数据库对所述测序数据进行注释，得到注释结果；第二获取模块35，根据所述注释结果，对所述目标对象的肠道微生物菌群进行评估，获得所述目标对象的肠道微生物的菌群信息，解决了相关技术中未有采用宏基因组基因数据分析方法对肠道微生物菌群和对菌群的状态进行有效的分析的方法的技术问题。
也即，通过标准基因数据库对所述测序数据进行注释，并依据注释结果对所述目标对象的肠道微生物菌群进行评估，以获得所述目标对象的肠道微生物的菌群信息，进而达到了对肠道微生物菌群和对菌群的状态进行有效的分析的技术效果。
所述肠道微生物测序数据的处理装置包括处理器和存储器，上述第一获取模块31、注释模块33和第二获取模块35等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来对肠道微生物菌群和对菌群的状态进行有效的分析。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述肠道微生物测序数据的处理方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述肠道微生物测序数据的处理方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取目标对象的肠道微生物菌群的测序数据；根据标准基因数据库对所述测序数据进行注释，得到注释结果；根据所述注释结果，对所述目标对象的肠道微生物菌群进行评估，获得所述目标对象的肠道微生物的菌群信息。
可选的，所述目标对象的肠道微生物的菌群信息包括肠道微生物的种类信息和各种所述肠道微生物的物种相对丰度，其中，所述物种相对丰度为所述测序数据中所属物种的目标基因的相对丰度的加和，每个所述目标基因的相对丰度根据所述注释结果获得。
可选的，在所述性能分析涉及多样性分析的情况下，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道微生物的多样性指数，确定所述多样性指数在参考人群中的位置；在所述性能分析涉及有益菌分析和/或有害菌分析的情况下，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道微生物中有益菌指数和/或有害菌指数，确定所述有益菌指数和/或有害菌指数在参考人群中的位置；在所述性能分析涉及疾病预测分析的情况下，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道疾病指数，确定所述肠道疾病指数在参考人群中的位置。
可选的，所述多样性指数按照如下方法计算：在所述目标对象的肠道微生物中，计算每种肠道微生物的所述物种相对丰度与所述物种相对丰度的对数的乘积；将所有所述肠道微生物计算得到的乘积进行加和，得到所述多样性指数；所述肠道疾病指数通过以下方法计算：统计第一类微生物的物种相对丰度均值X1和第二类微生物的物种相对丰度均值X2，所述X1与所述X2的差值即为所述肠道疾病指数；其中，第一类微生物指在患有特定疾病的人群中的物种相对丰度值相对健康人群中的物种相对丰度值大于第一预设标准的肠道微生物的组合；第二类微生物指在健康人群中的物种相对丰度值相对患有特定疾病的人群中的物种相对丰度值大于第二预设标准的肠道微生物的组合。
可选的，在所述性能分析涉及多样性分析，且基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，计算得到所述目标对象的肠道微生物的多样性指数的情况下，还包括将所述目标对象的肠道微生物的多样性指数导入所述参考人群的数据库以用于下一次性能分析步骤中；在所述性能分析涉及有益菌分析和/或有害菌分析，且基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，计算得到所述目标对象的肠道微生物中有益菌指数和/或有害菌指数的情况下，还包括将所述目标对象的肠道微生物中有益菌指数和/或有害菌指数导入所述参考人群的数据库以用于下一次性能分析步骤中；在所述性能分析涉及疾病预测分析，且基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，计算得到所述目标对象的肠道疾病指数的情况下，还包括将所述目标对象的肠道疾病指数导入所述参考人群的数据库以用于下一次性能分析步骤中。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取目标对象的肠道微生物菌群的测序数据；根据标准基因数据库对所述测序数据进行注释，得到注释结果；根据所述注释结果，对所述目标对象的肠道微生物菌群进行评估，获得所述目标对象的肠道微生物的菌群信息。
可选的，所述目标对象的肠道微生物的菌群信息包括肠道微生物的种类信息和各种所述肠道微生物的物种相对丰度，其中，所述物种相对丰度为所述测序数据中所属物种的目标基因的相对丰度的加和，每个所述目标基因的相对丰度根据所述注释结果获得。
可选的，在所述性能分析涉及多样性分析的情况下，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道微生物的多样性指数，确定所述多样性指数在参考人群中的位置；在所述性能分析涉及有益菌分析和/或有害菌分析的情况下，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道微生物中有益菌指数和/或有害菌指数，确定所述有益菌指数和/或有害菌指数在参考人群中的位置；在所述性能分析涉及疾病预测分析的情况下，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道疾病指数，确定所述肠道疾病指数在参考人群中的位置。
可选的，所述多样性指数按照如下方法计算：在所述目标对象的肠道微生物中，计算每种肠道微生物的所述物种相对丰度与所述物种相对丰度的对数的乘积；将所有所述肠道微生物计算得到的乘积进行加和，得到所述多样性指数；所述肠道疾病指数通过以下方法计算：统计第一类微生物的物种相对丰度均值X1和第二类微生物的物种相对丰度均值X2，所述X1与所述X2的差值即为所述肠道疾病指数；其中，第一类微生物指在患有特定疾病的人群中的物种相对丰度值相对健康人群中的物种相对丰度值大于第一预设标准的肠道微生物的组合；第二类微生物指在健康人群中的物种相对丰度值相对患有特定疾病的人群中的物种相对丰度值大于第二预设标准的肠道微生物的组合。
可选的，在所述性能分析涉及多样性分析，且基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，计算得到所述目标对象的肠道微生物的多样性指数的情况下，还包括将所述目标对象的肠道微生物的多样性指数导入所述参考人群的数据库以用于下一次性能分析步骤中；在所述性能分析涉及有益菌分析和/或有害菌分析，且基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，计算得到所述目标对象的肠道微生物中有益菌指数和/或有害菌指数的情况下，还包括将所述目标对象的肠道微生物中有益菌指数和/或有害菌指数导入所述参考人群的数据库以用于下一次性能分析步骤中；在所述性能分析涉及疾病预测分析，且基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，计算得到所述目标对象的肠道疾病指数的情况下，还包括将所述目标对象的肠道疾病指数导入所述参考人群的数据库以用于下一次性能分析步骤中。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (8)

1.一种肠道微生物测序数据的处理方法，其特征在于，所述方法包括：
获取目标对象的肠道微生物菌群的测序数据；
根据标准基因数据库对所述测序数据进行注释，得到注释结果；
根据所述注释结果，对所述目标对象的肠道微生物菌群进行评估，获得所述目标对象的肠道微生物的菌群信息；
获得所述目标对象的肠道微生物的菌群信息之后，所述方法还包括：基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，所述性能分析涉及如下至少之一：有益菌分析、有害菌分析及疾病预测分析、多样性分析；
在所述性能分析涉及有益菌分析和/或有害菌分析的情况下，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道微生物中有益菌指数和/或有害菌指数，将每个有益菌的相对丰度作为所述目标对象肠道中该有益菌的有益菌指数，将每个有害菌的相对丰度作为所述目标对象肠道中该有害菌的有害菌指数，确定所述有益菌指数和/或有害菌指数在参考人群中的位置，根据所述有益菌指数和/或有害菌指数在所述参考人群中的位置计算所述目标对象的肠道微生物的有益菌得分和/或有害菌得分；在所述性能分析涉及疾病预测分析的情况下，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道疾病指数，确定所述肠道疾病指数在参考人群中的位置；
所述肠道疾病指数通过以下方法计算：统计第一类微生物的物种相对丰度均值X1和第二类微生物的物种相对丰度均值X2，所述X1与所述X2的差值即为所述肠道疾病指数；其中，第一类微生物指在患有特定疾病的人群中的物种相对丰度值相对健康人群中的物种相对丰度值大于第一预设标准的肠道微生物的组合；第二类微生物指在健康人群中的物种相对丰度值相对患有特定疾病的人群中的物种相对丰度值大于第二预设标准的肠道微生物的组合，其中，进行肠道疾病分析的疾病种类至少包括以下之一：2型糖尿病、肥胖、结直肠癌、冠心病、类风湿性关节炎、非酒精性脂肪肝、痛风、炎症性肠病、阿尔茨海默症；
在所述性能分析涉及所述多样性分析的情况下，基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析包括：计算所述目标对象的肠道微生物的多样性指数，确定所述多样性指数在参考人群中的位置；
所述多样性指数按照如下方法计算：在所述目标对象的肠道微生物中，计算每种肠道微生物的所述物种相对丰度与所述物种相对丰度的对数的乘积；将所有所述肠道微生物计算得到的乘积进行加和，得到所述多样性指数；
其中，确定所述有益菌指数和/或有害菌指数在参考人群中的位置，根据所述有益菌指数和/或有害菌指数在所述参考人群中的位置计算所述目标对象的肠道微生物的有益菌得分和/或有害菌得分包括：
进行有益菌分析的有益菌种类至少包括以下之一：双歧杆菌属、乳酸杆菌、乳酸乳球菌、肠系膜明串珠菌、嗜热链球菌、青春双岐杆菌、动物双歧杆菌、两歧双歧杆菌、短双歧杆菌、长双歧杆菌、嗜酸乳杆菌、干酪乳杆菌、卷曲乳杆菌、德氏乳杆菌、发酵乳杆菌、加氏乳杆菌、瑞士乳杆菌、约氏乳杆菌、副干酪乳杆菌、植物乳杆菌、罗伊氏乳杆菌、鼠李糖乳杆菌、唾液乳杆菌、产丁酸细菌SS3/4、柔嫩梭菌、多形拟杆菌，将所述参考人群肠道内有益菌的有益菌指数按照从小到大的顺序进行排序，确定所述参考人群中有益菌指数小于所述目标对象肠道内有益菌的有益菌指数的人数ip，通过计算ip与参考人群总人数sp的比例确定所述目标对象肠道内有益菌的有益菌指数在所述参考人群中的位置，若a≤cp<b，则认为所述目标对象肠道内有益菌的有益菌指数处于较低水平；若b≤cp<c则认为所述目标对象肠道内有益菌的有益菌指数处于中等水平；若c≤cp<d，则认为所述目标对象肠道内有益菌的有益菌指数处于较高水平；在所述目标对象肠道内某个有益菌的有益菌指数处于较低水平的情况下，该有益菌的有益菌得分＝第一参数*该有益菌的有益菌指数+第二参数；在所述目标对象肠道内某个有益菌的有益菌指数处于适中水平的情况下，该有益菌的有益菌得分＝第三参数*该有益菌的有益菌指数+第四参数；在所述目标对象肠道内某个有益菌的有益菌指数处于较高水平的情况下，该有益菌的有益菌得分＝第五参数*该有益菌的有益菌指数+第六参数；
进行有害菌分析的有害菌种类包括食源性致病菌和机会性致病菌，所述食源性致病菌至少包括以下之一：食源性致病菌、大肠弯曲杆菌、空肠弯曲杆菌、肉毒杆菌、产气荚膜梭状芽胞杆菌、苏黎世克罗诺罗杆菌、金黄色葡萄球菌、霍乱弧菌、志贺氏菌、沙门菌属，所述机会性致病菌至少包括以下之一：弧菌、变形杆菌数、耶尔森氏鼠菌、沙雷氏菌属、肺炎双球菌、酿脓链球菌、变异链球菌、屎肠球菌、产单核李斯特菌、脑膜炎奈瑟氏菌、肺炎克雷伯菌、艰难梭菌、炭疽杆菌、结核分枝杆菌、绿脓杆菌、鲍氏不动杆菌、流感嗜血杆菌、阴沟肠杆菌、具核梭杆菌、微小小单胞菌，将所述参考人群肠道内有害菌的有害菌指数按照从小到大顺序进行排序，确定所述参考人群中有害菌指数小于所述目标对象肠道内有害菌的有害菌指数的人数io，通过计算io与参考人群总人数so的比例确定所述目标对象肠道内有害菌的有害菌指数在所述参考人群中的位置若a≤co<b，则认为所述目标对象肠道内有害菌的有害菌指数处于较低水平；若b≤co<c，则认为所述目标对象肠道内有害菌的有害菌指数处于中等水平；若c≤co<d，则认为所述目标对象肠道内有害菌的有害菌指数处于较高水平；在所述目标对象肠道内某个有害菌的有害菌指数处于较低水平的情况下，该有害菌的有害菌得分＝第一参数*该有害菌的有害菌指数+第二参数；在所述目标对象肠道内某个有害菌的有害菌指数处于适中水平的情况下，该有害菌的有害菌得分＝第三参数*该有害菌的有害菌指数+第四参数；在所述目标对象肠道内某个有害菌的有害菌指数处于较高水平的情况下，该有害菌的有害菌得分＝第五参数*该有害菌的有害菌指数+第六参数。
2.根据权利要求1所述的方法，其特征在于，所述目标对象的肠道微生物的菌群信息包括肠道微生物的种类信息和各种所述肠道微生物的物种相对丰度，其中，所述物种相对丰度为所述测序数据中所属物种的目标基因的相对丰度的加和，每个所述目标基因的相对丰度根据所述注释结果获得。
3.根据权利要求2所述的方法，其特征在于，
在性能分析涉及多样性分析，且基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，计算得到所述目标对象的肠道微生物的多样性指数的情况下，还包括将所述目标对象的肠道微生物的多样性指数导入参考人群的数据库以用于下一次性能分析步骤中；
在性能分析涉及有益菌分析和/或有害菌分析，且基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，计算得到所述目标对象的肠道微生物中有益菌指数和/或有害菌指数的情况下，还包括将所述目标对象的肠道微生物中有益菌指数和/或有害菌指数导入所述参考人群的数据库以用于下一次性能分析步骤中；
在性能分析涉及疾病预测分析，且基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，计算得到所述目标对象的肠道疾病指数的情况下，还包括将所述目标对象的肠道疾病指数导入所述参考人群的数据库以用于下一次性能分析步骤中。
4.一种肠道微生物测序数据的处理装置，其特征在于，所述装置包括：
第一获取模块，用于获取目标对象的肠道微生物菌群的测序数据；
注释模块，用于根据标准基因数据库对所述测序数据进行注释，得到注释结果；
第二获取模块，用于根据所述注释结果，对所述目标对象的肠道微生物菌群进行评估，获得所述目标对象的肠道微生物的菌群信息；
所述装置还包括：性能分析模块，所述性能分析模块用于基于所述菌群信息对所述目标对象的肠道微生物的进行性能分析，所述性能分析涉及如下至少之一：有益菌分析、有害菌分析及疾病预测分析、多样性分析；
在所述性能分析涉及有益菌分析和/或有害菌分析的情况下，所述性能分析模块还包括：第二计算模块，用于计算所述目标对象的肠道微生物中有益菌指数和/或有害菌指数，将每个有益菌的相对丰度作为所述目标对象肠道中该有益菌的有益菌指数，将每个有害菌的相对丰度作为所述目标对象肠道中该有害菌的有害菌指数；第二位置确定模块，用于确定所述有益菌指数和/或有害菌指数在参考人群中的位置，根据所述有益菌指数和/或有害菌指数在所述参考人群中的位置计算所述目标对象的肠道微生物的有益菌得分和/或有害菌得分；
在所述性能分析涉及疾病预测分析的情况下，所述性能分析模块还包括：第三计算模块，用于计算所述目标对象的肠道疾病指数；第三位置确定模块，用于确定所述肠道疾病指数在参考人群中的位置；
所述第三计算模块包括：统计单元，用于统计第一类微生物的物种相对丰度均值X1和第二类微生物的物种相对丰度均值X2，差值计算单元，用于计算所述X1与所述X2的差值，得到所述肠道疾病指数，其中，所述第一类微生物指在患有特定疾病的人群中的物种相对丰度值相对健康人群中的物种相对丰度值大于第一预设标准的肠道微生物的组合；所述第二类微生物指在健康人群中的物种相对丰度值相对患有特定疾病的人群中的物种相对丰度值大于第二预设标准的肠道微生物的组合，其中，进行肠道疾病分析的疾病种类至少包括以下之一：2型糖尿病、肥胖、结直肠癌、冠心病、类风湿性关节炎、非酒精性脂肪肝、痛风、炎症性肠病、阿尔茨海默症；
在所述性能分析涉及多样性分析的情况下，所述性能分析模块还包括：第一计算模块，用于计算所述目标对象的肠道微生物的多样性指数；第一位置确定模块，用于确定所述多样性指数在参考人群中的位置；
所述第一计算模块包括：乘积单元，用于在所述目标对象的肠道微生物中，计算每种肠道微生物的所述物种相对丰度与所述物种相对丰度的对数的乘积；加和单元，用于将所有所述肠道微生物计算得到的乘积进行加和，得到所述多样性指数；
其中，进行有益菌分析的有益菌种类至少包括以下之一：双歧杆菌属、乳酸杆菌、乳酸乳球菌、肠系膜明串珠菌、嗜热链球菌、青春双岐杆菌、动物双歧杆菌、两歧双歧杆菌、短双歧杆菌、长双歧杆菌、嗜酸乳杆菌、干酪乳杆菌、卷曲乳杆菌、德氏乳杆菌、发酵乳杆菌、加氏乳杆菌、瑞士乳杆菌、约氏乳杆菌、副干酪乳杆菌、植物乳杆菌、罗伊氏乳杆菌、鼠李糖乳杆菌、唾液乳杆菌、产丁酸细菌SS3/4、柔嫩梭菌、多形拟杆菌，将所述参考人群肠道内有益菌的有益菌指数按照从小到大的顺序进行排序，确定所述参考人群中有益菌指数小于所述目标对象肠道内有益菌的有益菌指数的人数ip，通过计算ip与参考人群总人数sp的比例确定所述目标对象肠道内有益菌的有益菌指数在所述参考人群中的位置，若a≤cp<b，则认为所述目标对象肠道内有益菌的有益菌指数处于较低水平；若b≤cp<c则认为所述目标对象肠道内有益菌的有益菌指数处于中等水平；若c≤cp<d，则认为所述目标对象肠道内有益菌的有益菌指数处于较高水平；在所述目标对象肠道内某个有益菌的有益菌指数处于较低水平的情况下，该有益菌的有益菌得分＝第一参数*该有益菌的有益菌指数+第二参数；在所述目标对象肠道内某个有益菌的有益菌指数处于适中水平的情况下，该有益菌的有益菌得分＝第三参数*该有益菌的有益菌指数+第四参数；在所述目标对象肠道内某个有益菌的有益菌指数处于较高水平的情况下，该有益菌的有益菌得分＝第五参数*该有益菌的有益菌指数+第六参数；
其中，进行有害菌分析的有害菌种类包括食源性致病菌和机会性致病菌，所述食源性致病菌至少包括以下之一：食源性致病菌、大肠弯曲杆菌、空肠弯曲杆菌、肉毒杆菌、产气荚膜梭状芽胞杆菌、苏黎世克罗诺罗杆菌、金黄色葡萄球菌、霍乱弧菌、志贺氏菌、沙门菌属，所述机会性致病菌至少包括以下之一：弧菌、变形杆菌数、耶尔森氏鼠菌、沙雷氏菌属、肺炎双球菌、酿脓链球菌、变异链球菌、屎肠球菌、产单核李斯特菌、脑膜炎奈瑟氏菌、肺炎克雷伯菌、艰难梭菌、炭疽杆菌、结核分枝杆菌、绿脓杆菌、鲍氏不动杆菌、流感嗜血杆菌、阴沟肠杆菌、具核梭杆菌、微小小单胞菌，将所述参考人群肠道内有害菌的有害菌指数按照从小到大顺序进行排序，确定所述参考人群中有害菌指数小于所述目标对象肠道内有害菌的有害菌指数的人数io，通过计算io与参考人群总人数so的比例确定所述目标对象肠道内有害菌的有害菌指数在所述参考人群中的位置若a≤co<b，则认为所述目标对象肠道内有害菌的有害菌指数处于较低水平；若b≤co<c，则认为所述目标对象肠道内有害菌的有害菌指数处于中等水平；若c≤co<d，则认为所述目标对象肠道内有害菌的有害菌指数处于较高水平；在所述目标对象肠道内某个有害菌的有害菌指数处于较低水平的情况下，该有害菌的有害菌得分＝第一参数*该有害菌的有害菌指数+第二参数；在所述目标对象肠道内某个有害菌的有害菌指数处于适中水平的情况下，该有害菌的有害菌得分＝第三参数*该有害菌的有害菌指数+第四参数；在所述目标对象肠道内某个有害菌的有害菌指数处于较高水平的情况下，该有害菌的有害菌得分＝第五参数*该有害菌的有害菌指数+第六参数。
5.根据权利要求4所述的装置，其特征在于，所述目标对象的肠道微生物的菌群信息包括肠道微生物的种类信息和各种所述肠道微生物的物种相对丰度，其中，所述物种相对丰度为所述测序数据中所属物种的目标基因的相对丰度的加和，每个所述目标基因的相对丰度根据所述注释结果获得。
6.根据权利要求4所述的装置，其特征在于，性能分析模块还包括：
第一导入模块，用于在所述性能分析涉及多样性分析，且第一计算模块计算得到所述目标对象的肠道微生物的多样性指数的情况下，将所述目标对象的肠道微生物的多样性指数导入参考人群的数据库以用于下一次性能分析步骤中；
第二导入模块，用于在所述性能分析涉及有益菌分析和/或有害菌分析，且第二计算模块计算得到所述目标对象的肠道微生物中有益菌指数和/或有害菌指数的情况下，将所述目标对象的肠道微生物中有益菌指数和/或有害菌指数导入所述参考人群的数据库以用于下一次性能分析步骤中；
第三导入模块，用于在所述性能分析涉及疾病预测分析，且第三计算模块计算得到所述目标对象的肠道疾病指数的情况下，将所述目标对象的肠道疾病指数导入所述参考人群的数据库以用于下一次性能分析步骤中。
7.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至3中任意一项所述的肠道微生物测序数据的处理方法。
8.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至3中任意一项所述的肠道微生物测序数据的处理方法。
CN201811648980.0A 2018-12-30 2018-12-30 肠道微生物测序数据处理方法、装置、存储介质及处理器 Active CN111161794B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811648980.0A CN111161794B (zh) 2018-12-30 2018-12-30 肠道微生物测序数据处理方法、装置、存储介质及处理器
PCT/CN2019/129425 WO2020140848A1 (zh) 2018-12-30 2019-12-27 肠道微生物测序数据处理方法、装置、存储介质及处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811648980.0A CN111161794B (zh) 2018-12-30 2018-12-30 肠道微生物测序数据处理方法、装置、存储介质及处理器

Publications (2)

Publication Number Publication Date
CN111161794A CN111161794A (zh) 2020-05-15
CN111161794B true CN111161794B (zh) 2024-03-22

Family

ID=70555593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811648980.0A Active CN111161794B (zh) 2018-12-30 2018-12-30 肠道微生物测序数据处理方法、装置、存储介质及处理器

Country Status (2)

Country Link
CN (1) CN111161794B (zh)
WO (1) WO2020140848A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111870617B (zh) * 2019-11-04 2022-06-10 深圳碳云智能数字生命健康管理有限公司 肠道益生菌补剂配方的确定方法、装置、存储介质及处理器
CN112151117B (zh) * 2020-08-11 2023-02-03 康美华大基因技术有限公司 一种基于时间序列宏基因组数据的动态观测装置及其检测方法
CN112151118B (zh) * 2020-08-11 2022-06-28 康美华大基因技术有限公司 一种多时间序列肠道菌群数据分析流程控制方法
CN113355438B (zh) * 2021-06-02 2022-05-10 深圳吉因加医学检验实验室 一种血浆微生物物种多样性评估方法、装置和存储介质
CN113628714B (zh) * 2021-07-30 2022-04-19 美益添生物医药(武汉)有限公司 针对疾病的营养素干预方法、系统、设备及存储介质
CN114121167B (zh) * 2021-11-30 2022-07-01 深圳零一生命科技有限责任公司 一种微生物基因数据库的构建方法及系统
CN114446387A (zh) * 2021-12-31 2022-05-06 杭州拓宏生物科技有限公司 脂肪肝标志基因及其应用
CN117352057B (zh) * 2023-03-28 2024-05-10 广东弘元普康医疗科技有限公司 一种菌群分布状态的评估方法及相关装置
CN117789981B (zh) * 2023-12-26 2025-01-14 康美华大基因技术有限公司 一种脂肪肝风险预测方法、装置、系统及存储介质
CN118800336B (zh) * 2024-06-13 2025-01-17 广东弘元普康医疗科技有限公司 年龄评估方法、装置、电子设备及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046094A (zh) * 2015-08-26 2015-11-11 深圳谱元科技有限公司 肠道菌群的检测系统及其方法和动态式数据库
CN107463800A (zh) * 2017-07-19 2017-12-12 东莞博奥木华基因科技有限公司 一种肠道微生物信息分析方法及系统
CN108064263A (zh) * 2014-09-30 2018-05-22 深圳华大基因研究院 用于类风湿性关节炎的生物标记物及其用途
TWI629607B (zh) * 2017-08-15 2018-07-11 極諾生技股份有限公司 建立腸道菌數據庫的方法和相關檢測系統
CN108804875A (zh) * 2018-06-21 2018-11-13 中国科学院北京基因组研究所 一种利用宏基因组数据分析微生物群体功能的方法
CN108841974A (zh) * 2018-06-28 2018-11-20 北京水母科技有限公司 提取粪便样本16s rRNA在婴幼儿肠道微生态成熟度监测的方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050026188A1 (en) * 2003-05-30 2005-02-03 Van Kessel Andrew G. Methods of identifying, characterizing and comparing organism communities
US20130121968A1 (en) * 2011-10-03 2013-05-16 Atossa Genetics, Inc. Methods of combining metagenome and the metatranscriptome in multiplex profiles
US20180308569A1 (en) * 2017-04-25 2018-10-25 S Eric Luellen System or method for engaging patients, coordinating care, pharmacovigilance, analysis or maximizing safety or clinical outcomes
CN107058560A (zh) * 2017-05-04 2017-08-18 深圳市英马诺生物科技有限公司 自闭症生物标志物及其检测试剂盒、应用

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108064263A (zh) * 2014-09-30 2018-05-22 深圳华大基因研究院 用于类风湿性关节炎的生物标记物及其用途
CN105046094A (zh) * 2015-08-26 2015-11-11 深圳谱元科技有限公司 肠道菌群的检测系统及其方法和动态式数据库
CN107463800A (zh) * 2017-07-19 2017-12-12 东莞博奥木华基因科技有限公司 一种肠道微生物信息分析方法及系统
TWI629607B (zh) * 2017-08-15 2018-07-11 極諾生技股份有限公司 建立腸道菌數據庫的方法和相關檢測系統
CN108804875A (zh) * 2018-06-21 2018-11-13 中国科学院北京基因组研究所 一种利用宏基因组数据分析微生物群体功能的方法
CN108841974A (zh) * 2018-06-28 2018-11-20 北京水母科技有限公司 提取粪便样本16s rRNA在婴幼儿肠道微生态成熟度监测的方法

Also Published As

Publication number Publication date
WO2020140848A1 (zh) 2020-07-09
CN111161794A (zh) 2020-05-15

Similar Documents

Publication Publication Date Title
CN111161794B (zh) 肠道微生物测序数据处理方法、装置、存储介质及处理器
Poyet et al. A library of human gut bacterial isolates paired with longitudinal multiomics data enables mechanistic microbiome research
Xiao et al. Mining Lactobacillus and Bifidobacterium for organisms with long-term gut colonization potential
Zoetendal et al. High-throughput diversity and functionality analysis of the gastrointestinal tract microbiota
Wani et al. Metagenomics and artificial intelligence in the context of human health
Ventura et al. Microbial diversity in the human intestine and novel insights from metagenomics
Fang et al. Metagenomics-based, strain-level analysis of Escherichia coli from a time-series of microbiome samples from a Crohn's disease patient
Cottier et al. The transcriptional stress response of Candida albicans to weak organic acids
JP7634701B2 (ja) マイクロバイオームの機能に基づいて個別化された治療法および食事を設計するための方法およびシステム
Palud et al. New genes involved in mild stress response identified by transposon mutagenesis in Lactobacillus paracasei
Maurice et al. Quantifying the metabolic activities of human-associated microbial communities across multiple ecological scales
Stolaki et al. Microbial communities in a dynamic in vitro model for the human ileum resemble the human ileal microbiota
WO2020147557A1 (zh) 肠道微生物测序数据处理方法、装置、存储介质及处理器
Aires et al. Proteomics, human gut microbiota and probiotics
Rubiola et al. Comparison between full-length 16S rRNA metabarcoding and whole metagenome sequencing suggests the use of either is suitable for large-scale microbiome studies
Wu et al. Data-driven prediction of colonization outcomes for complex microbial communities
Yang et al. Beyond samples: a metric revealing more connections of gut microbiota between individuals
Simpson et al. Comparative microbial diversity in the gastrointestinal tracts of food animal species
Choi et al. Genome scale metabolic models and analysis for evaluating probiotic potentials
Mohamed et al. Taxonomy, sequence variance and functional profiling of the microbial community of long-ripened cheddar cheese using shotgun metagenomics
Kim et al. Differentiation of lacticaseibacillus zeae using pan-genome analysis and real-time pcr method targeting a unique gene
Posheva et al. Review on the NGS-based studies of microbiotas of artisanal and regional kinds of cheese with potential as functional foods: composition and functional analysis
Sahoo et al. Application of genomics, transcriptomics, and proteomics in probiotic research
AU2022216551B2 (en) Method and system for designing personalized therapeutics and diet based on functions of microbiome
Koduru et al. Systematic evaluation of genome-wide metabolic landscapes in lactic acid bacteria reveals diet-induced and strain-specific probiotic idiosyncrasies

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant