CN113517025B - 一种病原体在线监测***及方法 - Google Patents

一种病原体在线监测***及方法 Download PDF

Info

Publication number
CN113517025B
CN113517025B CN202010280610.7A CN202010280610A CN113517025B CN 113517025 B CN113517025 B CN 113517025B CN 202010280610 A CN202010280610 A CN 202010280610A CN 113517025 B CN113517025 B CN 113517025B
Authority
CN
China
Prior art keywords
pathogen
detection result
detection
abnormal
abnormal information
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
CN202010280610.7A
Other languages
English (en)
Other versions
CN113517025A (zh
Inventor
夏涵
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.)
Yuguo Biotechnology Beijing Co ltd
Yuguo Zhizao Technology Beijing Co ltd
Yuguo Microcode Biotechnology Co ltd Of Xixian New Area
Original Assignee
Yuguo Biotechnology Beijing Co ltd
Yuguo Zhizao Technology Beijing Co ltd
Yuguo Microcode Biotechnology Co ltd Of Xixian New Area
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 Yuguo Biotechnology Beijing Co ltd, Yuguo Zhizao Technology Beijing Co ltd, Yuguo Microcode Biotechnology Co ltd Of Xixian New Area filed Critical Yuguo Biotechnology Beijing Co ltd
Priority to CN202010280610.7A priority Critical patent/CN113517025B/zh
Publication of CN113517025A publication Critical patent/CN113517025A/zh
Application granted granted Critical
Publication of CN113517025B publication Critical patent/CN113517025B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G16B30/10—Sequence alignment; Homology search
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6844—Nucleic acid amplification reactions
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6869—Methods for sequencing
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6888—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms
    • C12Q1/6895—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms for plants, fungi or algae
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/70—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving virus or bacteriophage
    • C12Q1/701—Specific hybridization probes
    • 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
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Physics & Mathematics (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Biotechnology (AREA)
  • Analytical Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Microbiology (AREA)
  • Molecular Biology (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Genetics & Genomics (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Virology (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Bioethics (AREA)
  • Artificial Intelligence (AREA)
  • Botany (AREA)
  • Mycology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

本发明提供了一种病原体在线监测***及方法，所述监测***包括：检测模块，用于对待检测样品中的若干个病原体进行检测，获取针对每个病原体的含量的检测结果；云端服务器，用于将检测模块所获取的检测结果实时地上传到云端进行存储，并将检测结果进行分析，以确定检测结果中是否含有异常信息；报警模块，用于根据云端服务器的分析处理，对检测模块所获取的检测结果中的异常信息进行报警。根据本发明的病原体在线监测***，通过检测模块获取病原体的检测结果，并实时地上传到云端进行存储和分析，可以实现病原体的在线监测，便于及时发现异常情况采取措施，避免在发现疫情爆发后再进行隔离，提高生物防御能力。

Description

一种病原体在线监测***及方法
技术领域
本发明涉及在线监测技术领域，特别涉及一种病原体在线监测***及方法。
背景技术
随着经济的高速发展，城市的数量与规模也大量激增，城市中越来越多的人口聚集折射出我国城市人口的健康问题的严峻性。
传染病防控也是城市人口健康安全防控体系中一大重要方面，其是指在公共卫生领域以国家各级疾病控制中心为主综合医疗***门和各级行政管理部门及社会各界力量对传染病的预防、治疗和疫情控制。传染病防控传染病预防的重点放在疾病侵袭人类之前，首先在我们周围的环境中调查传染病的存在，确定疫源地，通过严密的监测了解疾病的主要宿主和主要媒介。目前，业界基本认识和掌握了传染病的传播途径和方式、传播和流行的环节、传染病的病程变化等，发现和确认特定的病原体，还发现传染病具有流行病学特征，表现出流行性(散发、流行、大流行、暴发)、地区性、季节性、周期性等特点。同时通过不断认识每一种传染病的自然循环过程，找到这种过程中最薄弱的环节。而且现阶段针对新发和烈性传染病普遍缺乏有效的预防和治疗手段，多数为发现疫情爆发后再进行隔离，缺乏有效的监测和预警机制。
现场检测技术的开发和应用，对病原体实行实时检测，对于及时采取措施、防控疫情蔓延至关重要。因为生物安全威胁突发事件的表征可能多种多样，需要多角度、多层面的信息平台支撑，形成生物威胁突发事件信息综合分析的中心，整合各方面的信息，时地通知有关部门，并将分析结果、预警和提示信息及以便能作出有效的应对。及早识别生物威胁事件的情报信息预警***，因此建立并作出迅速有效的响应是国家生物防御能力建设的重要内容。
发明内容
本发明提供一种病原体在线监测***及方法，用以实现病原体的在线监测。
本发明提供一种病原体在线监测***，包括：
检测模块，用于对待检测样品中的若干个病原体进行检测，获取针对每个所述病原体的含量的检测结果；
云端服务器，用于将所述检测模块所获取的所述检测结果实时地上传到云端进行存储，并将所述检测结果进行分析，以确定所述检测结果中是否含有异常信息；
报警模块，用于根据所述云端服务器的分析处理，对所述检测模块所获取的所述检测结果中的异常信息进行报警。
进一步地，所述检测模块包括：
选择单元，用于选择对应于所述若干个病原体中的每个所述病原体的病原体特异性引物对，其中所述病原体特异性引物对能够介导从相应病原体的核酸病原体特异性靶标中扩展选定的已知长度多核苷酸扩展产物；
接触单元，用于在促进多核苷酸扩展产物扩展的条件下，在扩展步骤中将来自所述待检测样品中的核酸与若干个所述病原体特异性引物对在反应混合物中接触；
分离检测单元，用于在扩展步骤期间以预设间隔取出所述反应混合物的等分试样，并分离每个等分试样中的扩展产物，然后检测每个所述等分试样中的扩展产物，并对所检测到的所述扩展产物进行定量，根据所检测的所述扩展产物的含量确定所述待检测样品中存在的病原体的含量。
进一步地，所述分离检测单元分离的所述扩展产物采用宏基因组高通量测序方法进行分离，并且所述扩展产物通过包含可检测标记的核酸结合染料进行检测。
进一步地，所述可检测标记选自荧光标记、放射性标记、比色标记、磁性标记或酶标记。
进一步地，所述待检测样品包括动物的体液或组织，所述病原体包括病毒、细菌或原生动物。
进一步地，所述云端服务器包括分析模块和数据库模块，
所述数据库模块用于存储所述检测模块所获取的针对每个所述病原体的含量的所述检测结果，以及所述若干个病原体中的每个所述病原体含量的预设阈值；
所述分析模块用于将针对每个所述病原体的含量的所述检测结果与每个所述病原体的预设阈值进行比对，并根据比对结果确定所述检测结果中是否含有异常信息，其中，
在所述检测结果超过所述预设阈值时，则判断所述检测结果中含有异常信息，
在所述检测结果未超过所述预设阈值时，则判断所述检测结果中不含有异常信息。
进一步地，所述病原体在线监测***还包括预处理模块，用于对所述待检测样品进行预处理，并且所述预处理包括磁性选择、离心、沉降、和过滤中的一种或多种的组合。
进一步地，所述病原体在线监测***还包括：至少一个处理器和至少一个非瞬时处理器可读介质，所述非瞬时处理器可读介质存储处理器可执行指令或数据中的至少一种，并且所述处理器执行以下步骤：
对待检测样品中的若干个病原体进行检测，获取针对每个所述病原体的检测结果；
将所获取的所述检测结果实时地上传到云端进行存储，并将所述检测结果进行分析处理，以确定所述检测结果中是否含有异常信息；
根据所述云端服务器的分析处理，对所获取的所述监测结果中的异常信息进行报警。
进一步地，所述云端服务器，在对检验结果进行分析以确定所述检验结果中是否还有异常信息时执行以下步骤：
首先，获取P个已经确定是否含有异常信息的检测样本信息，每个样本信息中均含有检测模块所检测到的N种病原体含量的检测结果，以及确定的所述样本中是否含有异常信息，将P个样本的N种病原体含量的检测结果形成一个历史检测结果矩阵X，所述历史检测结果矩阵X行有P行N列，同时将P个样本所对应的是否含有异常信息形成异常结果向量Y，所述向量Y中行有P个值，每个值代表一个样本中是否存在异常信息，当检测样本含有异常信息时，所述样本对应的异常检验结果为1，当检测样本不含有异常信息时，所述样本对应的异常检验结果为0；
其次，对检测结果矩阵X和异常结果向量Y构建一个异常学习函数；
Figure BDA0002446437290000041
其中，f(X)为构建的异常学习函数，Yi为异常结果向量Y的第i个值，Xi,j为检测结果矩阵X的第i行第j列的值，λ0为需要求解的异常常数项，λj为需要求解的病原体系数，i＝1、2、3…P，j＝1、2、3…N；
然后，确定异常常数项λ0和病原体系数λj，具体确定方法如下：
令：
Figure BDA0002446437290000042
其中，
Figure BDA0002446437290000051
为异常学习函数f(X)对异常常数项λ0做偏导，
Figure BDA0002446437290000052
为异常学习函数f(X)对病原体系数λj做偏导，利用如上表达式，可以形成N+1个方程组，且方程组中含有异常常数项λ0和N个病原体系数λj共计N+1个未知量，则通过求解所述方程组，则能得到异常常数项λ0和N个病原体系数λj；
最后，云端服务器确定根据检测模块所获取的所述检测结果确定是否含有异常信息；
Figure BDA0002446437290000053
其中，P为结果确定值，Kj为检测模块所获取的第j个病原体的含量的检测结果，且当
Figure BDA0002446437290000054
时，检测模块所获取的所述检测结果没有含有异常信息，若
Figure BDA0002446437290000055
时检测模块所获取的所述检测结果中含有异常信息，则所述警报模块进行异常信息报警。
本发明实施例提供的一种病原体在线监测***，具有以下有益效果：通过检测模块获取病原体的检测结果，并实时地上传到云端进行存储和分析，可以实现病原体的在线监测，便于及时发现异常情况采取措施，避免在发现疫情爆发后再进行隔离，提高生物防御能力。
本发明还提供一种病原体在线监测方法，所述在线监测方法执行以下步骤：
步骤1：对待检测样品中的若干个病原体进行检测，获取针对每个所述病原体的检测结果；
步骤2：将所获取的所述检测结果实时地上传到云端进行存储，并将所述检测结果进行分析处理，以确定所述检测结果中是否含有异常信息；
步骤3：根据所述云端服务器的分析处理，对所获取的所述监测结果中的异常信息进行报警。
本发明实施例提供的一种病原体在线监测方法，具有以下有益效果：获取病原体的检测结果，并实时地上传到云端进行存储和分析，可以实现病原体的在线监测，便于及时发现异常情况采取措施，避免在发现疫情爆发后再进行隔离，提高生物防御能力。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种病原体在线监测***的框图；
图2为本发明实施例中一种病原体在线监测方法的流程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种病原体在线监测***，如图1所示，包括：
检测模块101，用于对待检测样品中的若干个病原体进行检测，获取针对每个所述病原体的含量的检测结果；
云端服务器102，用于将所述检测模块101所获取的所述检测结果实时地上传到云端进行存储，并将所述检测结果进行分析，以确定所述检测结果中是否含有异常信息；
报警模块103，用于根据所述云端服务器102的分析处理，对所述检测模块101所获取的所述检测结果中的异常信息进行报警。
上述技术方案的工作原理为：检测模块101对待检测样品中的若干个病原体进行检测，获取针对每个病原体的含量的检测结果；云端服务器102将检测模块101所获取的检测结果实时地上传到云端进行存储，并将检测结果进行分析，以确定检测结果中是否含有异常信息；报警模块103根据云端服务器的分析处理，对检测模块所获取的检测结果中的异常信息进行报警。
其中，所述报警模块103可通过蜂鸣器、短信提醒、微信提醒，通知疫情防控部门的技术人员及时处理异常情况。
上述技术方案的有益效果为：通过检测模块获取病原体的检测结果，并实时地上传到云端进行存储和分析，可以实现病原体的在线监测，便于及时发现异常情况采取措施，避免在发现疫情爆发后再进行隔离，提高生物防御能力。
在一个实施例中，所述检测模块包括：
选择单元，用于选择对应于所述若干个病原体中的每个所述病原体的病原体特异性引物对，其中所述病原体特异性引物对能够介导从相应病原体的核酸病原体特异性靶标中扩展选定的已知长度多核苷酸扩展产物；
接触单元，用于在促进多核苷酸扩展产物扩展的条件下，在扩展步骤中将来自所述待检测样品中的核酸与若干个所述病原体特异性引物对在反应混合物中接触；
分离检测单元，用于在扩展步骤期间以预设间隔取出所述反应混合物的等分试样，并分离每个等分试样中的扩展产物，然后检测每个所述等分试样中的扩展产物，并对所检测到的所述扩展产物进行定量，根据所检测的所述扩展产物的含量确定所述待检测样品中存在的病原体的含量。
上述技术方案的工作原理为：选择单元选择对应于若干个病原体中的每个病原体的病原体特异性引物对，其中病原体特异性引物对能够介导从相应病原体的核酸病原体特异性靶标中扩展选定的已知长度多核苷酸扩展产物；接触单元在促进多核苷酸扩展产物扩展的条件下，在扩展步骤中将来自待检测样品中的核酸与若干个病原体特异性引物对在反应混合物中接触；分离检测单元在扩展步骤期间以预设间隔取出反应混合物的等分试样，并分离每个等分试样中的扩展产物，然后检测每个等分试样中的扩展产物，并对所检测到的扩展产物进行定量，根据所检测的扩展产物的含量确定待检测样品中存在的病原体的含量。
其中，每对引物对应于相应病原体的特异性核酸序列，并且通过拆分部分扩展混合物来检测扩展产物，从而测定扩展产物是否存在及含量。其中，扩展产物是指多核苷酸，它是扩展反应中产生的特定多核苷酸的拷贝，扩展产物可以是DNA或RNA，并可以是双链或单链。
进一步地，扩增方式包括但不限于：聚合酶链式反应(PCR)、连接酶链式反应(LCR)、转录扩展、自持续序列扩展、基于核酸的序列扩展。
上述技术方案的有益效果为：借助于选择单元、接触单元和分离检测单元，检测模块可以根据所检测的扩展产物的含量确定待检测样品中存在的病原体的含量，进而监测疾病的出现及发展。
在一个实施例中，所述分离检测单元分离的所述扩展产物采用宏基因组高通量测序方法进行分离，并且所述扩展产物通过包含可检测标记的核酸结合染料进行检测。
上述技术方案的工作原理为：采用宏基因组高通量测序技术的DNA测序仪分离所述分离检测单元分离的所述扩展产物，示例性地，所述DNA测序仪为Illumina公司二代测序平台Miniseq仪器，将分离检测单元分离的所有扩展产物混合，每个扩展产物约为1ng即可，一共20个扩展产物，然后用Illumina公司二代测序平台Miniseq仪器测序，要求数据量为5Gb以上，该步骤运行时间大约为24小时。Miniseq测序仪具有高准确性、高通量、高灵敏度和低运行成本等优势，可以同时完成传统基因组学研究(测序和注释)以及功能基因组学(基因表达及调控、基因功能、蛋白/核酸相互作用)研究。相对于传统测序的96道毛细管测序，高通量测序一次实验可以读取40万到400万条序列。读取长度根据平台不同从25bp到450bp，不同的测序平台在一次实验中，可以读取1G到14G不等的碱基数，这样庞大的测序能力是传统测序仪所不能比拟的。
上述技术方案的有益效果为：通过宏基因组高通量测序方法，可以实现扩展产物的分离，通过包含可检测标记的核酸结合染料，实现扩展产物的检测。
在一个实施例中，所述可检测标记选自荧光标记、放射性标记、比色标记、磁性标记或酶标记。
上述技术方案的工作原理为：可利用不同类型的信号特征，包括：荧光、散射光、光偏振、无线电波、粒度、磁场、化学发光和放射性。作为一个示例，所述可检测标记为荧光标记，荧光标记可以是嵌入或结合扩展的核酸分子从而发出信号的标记或染料。
上述技术方案的有益效果为：与标记核苷酸相比，标记荧光、放射性、比色、磁性或酶，可以降低成本。
在一个实施例中，所述待检测样品包括动物的体液或组织，所述病原体包括病毒、细菌或原生动物。
上述技术方案的工作原理为：所述待检测样品来源于哺乳动物，例如人类。另外，所述待检测样品可以来源于脊椎动物。
所述待检测样品包括：尿液、血液、皮肤、血浆、血清、唾液、创伤组织、创伤渗出物、活组织检查物、粪便、实体组织等。所述待检测样品来源于：呼吸道、泌尿生殖道、生殖道、中枢神经***等。
需要说明的是，所述待检测样品可以来源于植物。并且所述待检测样品还可通过从环境中的空气或水，或与环境接触的表面获得。
作为示例，所述病原体包括巨细胞病毒、人多瘤病毒、人疱疹病毒、、黄曲霉、灰绿曲霉、黑曲霉、总状毛霉A、总状毛霉B、乳卵孢霉、扩展青霉、娄地青霉、指状青霉、黑根霉等。
上述技术方案的有益效果为：提供了待检测样品的来源，本发明的病原体在线监测***实现不同来源的多种病原体的在线监测。
在一个实施例中，所述云端服务器包括分析模块和数据库模块，
所述数据库模块用于存储所述检测模块所获取的针对每个所述病原体的含量的所述检测结果，以及所述若干个病原体中的每个所述病原体含量的预设阈值；
所述分析模块用于将针对每个所述病原体的含量的所述检测结果与每个所述病原体的预设阈值进行比对，并根据比对结果确定所述检测结果中是否含有异常信息，其中，
在所述检测结果超过所述预设阈值时，则判断所述检测结果中含有异常信息，
在所述检测结果未超过所述预设阈值时，则判断所述检测结果中不含有异常信息。
上述技术方案的工作原理为：数据库模块存储检测模块所获取的针对每个病原体的含量的检测结果，以及若干个病原体中的每个病原体含量的预设阈值；分析模块将针对每个所述病原体的含量的检测结果与每个病原体的预设阈值进行比对，并根据比对结果确定检测结果中是否含有异常信息。
上述技术方案的有益效果为：借助数据库模块和分析模块，可以实现检测结果的存储和比对，便于及时发现检测结果中的异常信息，并进行报警。
在一个实施例中，所述病原体在线监测***还包括预处理模块104，用于对所述待检测样品进行预处理，并且所述预处理包括磁性选择、离心、沉降、和过滤中的一种或多种的组合。
上述技术方案的工作原理为：磁性选择利用金属粒子的重力沉降原理；离心可以在机载心机中进行；沉降是利用重力的自然沉降；过滤可以在真空环境中使待处理样品在黑色聚碳酸酯薄膜上过滤。
上述技术方案的有益效果为：对所述待检测样品进行预处理后，便于对待检测样品进行检测，提高检测的效率和准确性。
在一个实施例中，所述病原体在线监测***还包括：至少一个处理器和至少一个非瞬时处理器可读介质，所述非瞬时处理器可读介质存储处理器可执行指令或数据中的至少一种，并且所述处理器执行以下步骤：
对待检测样品中的若干个病原体进行检测，获取针对每个所述病原体的检测结果；
将所获取的所述检测结果实时地上传到云端进行存储，并将所述检测结果进行分析处理，以确定所述检测结果中是否含有异常信息；
根据所述云端服务器的分析处理，对所获取的所述监测结果中的异常信息进行报警。
上述技术方案的工作原理为：非瞬时性处理器可读介质可以将信息存储在一个或多个数据结构中。数据结构可以采取各种形式，例如与关系数据库相关联的记录、数据库本身、查找表等。数据结构可以存储各种不同的信息或数据。非瞬时性处理器可读介质的示例包括但不限于以下：可记录型介质，诸如便携式磁盘和存储器、硬盘驱动器、CD/DVD ROM、数字磁带、计算机存储器；以及其他非瞬时性计算机可读存储介质。
处理器可以是任何逻辑处理单元，诸如一个或多个中央处理单元(CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、可编程逻辑控制器(PLC)、人工神经网络电路或***或任何其他逻辑部件。
上述技术方案的有益效果为：通过处理器和非瞬时处理器可读介质，有助于本发明的病原体在线监测***实现病原体的在线监测。
在一个实施例中，所述云端服务器，在对检验结果进行分析以确定所述检验结果中是否还有异常信息时执行以下步骤：
首先，获取P个已经确定是否含有异常信息的检测样本信息，每个样本信息中均含有检测模块所检测到的N种病原体含量的检测结果，以及确定的所述样本中是否含有异常信息，将P个样本的N种病原体含量的检测结果形成一个历史检测结果矩阵X，所述历史检测结果矩阵X行有P行N列，同时将P个样本所对应的是否含有异常信息形成异常结果向量Y，所述向量Y中行有P个值，每个值代表一个样本中是否存在异常信息，当检测样本含有异常信息时，所述样本对应的异常检验结果为1，当检测样本不含有异常信息时，所述样本对应的异常检验结果为0；
其次，对检测结果矩阵X和异常结果向量Y构建一个异常学习函数；
Figure BDA0002446437290000121
其中，f(X)为构建的异常学习函数，Yi为异常结果向量Y的第i个值，Xi,j为检测结果矩阵X的第i行第j列的值，λ0为需要求解的异常常数项，λj为需要求解的病原体系数，i＝1、2、3…P，j＝1、2、3…N；
Yi为异常结果向量Y的第i个值即为P个已经确定是否含有异常信息的检测样本中的第i个样本是否含有异常信息的值；
Xi,j为检测结果矩阵X的第i行第j列的值，即为P个已经确定是否含有异常信息的检测样本中的第i个样本的第j个病原体的含量的检测结果；
然后，确定异常常数项λ0和病原体系数λj，具体确定方法如下：
令：
Figure BDA0002446437290000131
其中，
Figure BDA0002446437290000132
为异常学习函数f(X)对异常常数项λ0做偏导，
Figure BDA0002446437290000133
为异常学习函数f(X)对病原体系数λj做偏导，利用如上表达式，可以形成N+1个方程组，且方程组中含有异常常数项λ0和N个病原体系数λj共计N+1个未知量，则通过求解所述方程组，则能得到异常常数项λ0和N个病原体系数λj；
最后，云端服务器确定根据检测模块所获取的所述检测结果确定是否含有异常信息；
Figure BDA0002446437290000134
其中，P为结果确定值，Kj为检测模块所获取的第j个病原体的含量的检测结果，且当
Figure BDA0002446437290000135
时，检测模块所获取的所述检测结果没有含有异常信息，若
Figure BDA0002446437290000136
时检测模块所获取的所述检测结果中含有异常信息，则所述警报模块进行异常信息报警。
上述技术方案的有益效果为：利用上述技术可以针对检测模块所获取的若干个病原体的检测结果确定待检测样品是否存在异常信息，在存在异常信息时进行报警，同时在确定是否存在异常信息时，并不是针对每个病原体进行单独判断，而使某个病原体的的含量达到了预设的阈值后才发出预警，而是将待检测样品中的所有病原体都作为一个整体进行判断，从而增强所述判断的综合性，避免出现若干病原体含量都很高，但是还未达到阈值的情况，使得所述监测到的异常结果更科学，同时在确定检测结果中是否含有异常信息时，不仅不需要人为的干预，并且在监测之前就可以通过已经确定是否含有异常信息的检测样本信息自主的学习得到一个检测模型，当获取到待检测样品的检测结果后，仅仅需要将检测结果代入模型则可以确定是否含有异常信息，从而大幅度提高了检测的效率。
本发明实施例还提供一种病原体在线监测方法，所述监测方法执行以下步骤：
步骤1：对待检测样品中的若干个病原体进行检测，获取针对每个所述病原体的检测结果；
步骤2：将所获取的所述检测结果实时地上传到云端进行存储，并将所述检测结果进行分析处理，以确定所述检测结果中是否含有异常信息；
步骤3：根据所述云端服务器的分析处理，对所获取的所述监测结果中的异常信息进行报警。
上述技术方案的工作原理为：对待检测样品中的病原体进行检测，获取针对每个病原体的检测结果；将检测结果实时地上传到云端进行存储，并将检测结果进行分析处理，确定检测结果中是否含有异常信息；根据云端服务器的分析处理，对监测结果中的异常信息进行报警。
上述技术方案的有益效果为：获取病原体的检测结果，并实时地上传到云端进行存储和分析，可以实现病原体的在线监测，便于及时发现异常情况采取措施，避免在发现疫情爆发后再进行隔离，提高生物防御能力。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种病原体在线监测***，其特征在于，包括：
检测模块，用于对待检测样品中的若干个病原体进行检测，获取针对每个所述病原体的含量的检测结果；
云端服务器，用于将所述检测模块所获取的所述检测结果实时地上传到云端进行存储，并将所述检测结果进行分析，以确定所述检测结果中是否含有异常信息；
报警模块，用于根据所述云端服务器的分析处理，对所述检测模块所获取的所述检测结果中的异常信息进行报警；
所述云端服务器，在对检验结果进行分析以确定所述检验结果中是否还有异常信息时执行以下步骤：
首先，获取
Figure 217251DEST_PATH_IMAGE001
个已经确定是否含有异常信息的检测样本信息，每个样本信息中均含有 检测模块所检测到的
Figure 291649DEST_PATH_IMAGE002
种病原体含量的检测结果，以及确定的所述样本中是否含有异常 信息，将
Figure 602544DEST_PATH_IMAGE001
个样本的
Figure 404278DEST_PATH_IMAGE002
种病原体含量的检测结果形成一个历史检测结果矩阵
Figure 484230DEST_PATH_IMAGE003
，所述历 史检测结果矩阵
Figure 962484DEST_PATH_IMAGE003
行有
Figure 760676DEST_PATH_IMAGE001
行
Figure 366101DEST_PATH_IMAGE002
列，同时将
Figure 566138DEST_PATH_IMAGE001
个样本所对应的是否含有异常信息形成异常 结果向量
Figure 825081DEST_PATH_IMAGE004
，所述向量
Figure 736667DEST_PATH_IMAGE004
中行有
Figure 739259DEST_PATH_IMAGE001
个值，每个值代表一个样本中是否存在异常信息，当检 测样本含有异常信息时，所述样本对应的异常检验结果为1，当检测样本不含有异常信息 时，所述样本对应的异常检验结果为0；
其次，对检测结果矩阵
Figure 669168DEST_PATH_IMAGE003
和异常结果向量
Figure 630171DEST_PATH_IMAGE004
构建一个异常学习函数；
Figure 527589DEST_PATH_IMAGE005
其中，
Figure 68292DEST_PATH_IMAGE006
为构建的异常学习函数，
Figure 242921DEST_PATH_IMAGE007
为异常结果向量
Figure 719033DEST_PATH_IMAGE004
的第
Figure 979113DEST_PATH_IMAGE008
个值，
Figure 323507DEST_PATH_IMAGE009
为检测结 果矩阵
Figure 990460DEST_PATH_IMAGE010
的第
Figure 293265DEST_PATH_IMAGE008
行第
Figure 384849DEST_PATH_IMAGE011
列的值，
Figure 64092DEST_PATH_IMAGE012
为需要求解的异常常数项，
Figure 72368DEST_PATH_IMAGE013
为需要求解的病原体系数，
Figure DEST_PATH_IMAGE015A
，
Figure DEST_PATH_IMAGE017A
；
然后，确定异常常数项
Figure 375436DEST_PATH_IMAGE012
和病原体系数
Figure 344529DEST_PATH_IMAGE013
，具体确定方法如下：
令：
Figure DEST_PATH_IMAGE019A
其中，
Figure 358621DEST_PATH_IMAGE020
为异常学习函数
Figure 96770DEST_PATH_IMAGE021
对异常常数项
Figure 741378DEST_PATH_IMAGE012
做偏导，
Figure 807554DEST_PATH_IMAGE022
为异常学习函数
Figure 563021DEST_PATH_IMAGE021
对病原体系数
Figure 890097DEST_PATH_IMAGE013
做偏导，利用如上表达式，可以形成
Figure 331705DEST_PATH_IMAGE023
个方程组，且方程组中含 有异常常数项
Figure 275390DEST_PATH_IMAGE012
和
Figure 444334DEST_PATH_IMAGE024
个病原体系数
Figure 157075DEST_PATH_IMAGE013
共计
Figure 2540DEST_PATH_IMAGE023
个未知量，则通过求解所述方程组，则 能得到异常常数项
Figure 433522DEST_PATH_IMAGE012
和
Figure 406157DEST_PATH_IMAGE024
个病原体系数
Figure 973405DEST_PATH_IMAGE013
；
最后，云端服务器确定根据检测模块所获取的所述检测结果确定是否含有异常信息；
Figure 865137DEST_PATH_IMAGE025
其中，
Figure 409513DEST_PATH_IMAGE001
为结果确定值，
Figure 310473DEST_PATH_IMAGE026
为检测模块所获取的第
Figure 342014DEST_PATH_IMAGE028
个病原体的含量的检测结果，且当
Figure 670227DEST_PATH_IMAGE029
时，检测模块所获取的所述检测结果没有含有异常信息，若
Figure 934856DEST_PATH_IMAGE030
时检测模块所获取的 所述检测结果中含有异常信息，则所述报警模块进行异常信息报警。
2.如权利要求1所述的病原体在线监测***，其特征在于，所述检测模块包括：
选择单元，用于选择对应于所述若干个病原体中的每个所述病原体的病原体特异性引物对，其中所述病原体特异性引物对能够介导从相应病原体的核酸病原体特异性靶标中扩展选定的已知长度多核苷酸扩展产物；
接触单元，用于在促进多核苷酸扩展产物扩展的条件下，在扩展步骤中将来自所述待检测样品中的核酸与若干个所述病原体特异性引物对在反应混合物中接触；
分离检测单元，用于在扩展步骤期间以预设间隔取出所述反应混合物的等分试样，并分离每个等分试样中的扩展产物，然后检测每个所述等分试样中的扩展产物，并对所检测到的所述扩展产物进行定量，根据所检测的所述扩展产物的含量确定所述待检测样品中存在的病原体的含量。
3.如权利要求2所述的病原体在线监测***，其特征在于，所述分离检测单元分离的所述扩展产物采用宏基因组高通量测序方法进行分离，并且所述扩展产物通过包含可检测标记的核酸结合染料进行检测。
4.如权利要求3所述的病原体在线监测***，其特征在于，所述可检测标记选自荧光标记、放射性标记、比色标记、磁性标记或酶标记。
5.权利要求1所述的原体在线监测***，其特征在于，所述待检测样品包括动物的体液或组织，所述病原体包括病毒、细菌或原生动物。
6.权利要求1所述的病原体在线监测***，其特征在于，所述云端服务器包括分析模块和数据库模块，
所述数据库模块用于存储所述检测模块所获取的针对每个所述病原体的含量的所述检测结果，以及所述若干个病原体中的每个所述病原体含量的预设阈值；
所述分析模块用于将针对每个所述病原体的含量的所述检测结果与每个所述病原体的预设阈值进行比对，并根据比对结果确定所述检测结果中是否含有异常信息，其中，
在所述检测结果超过所述预设阈值时，则判断所述检测结果中含有异常信息，
在所述检测结果未超过所述预设阈值时，则判断所述检测结果中不含有异常信息。
7.权利要求1所述的病原体在线监测***，其特征在于，所述病原体在线监测***还包括预处理模块，用于对所述待检测样品进行预处理，并且所述预处理包括磁性选择、离心、沉降、和过滤中的一种或多种的组合。
8.权利要求1所述的病原体在线监测***，其特征在于，所述病原体在线监测***还包括：至少一个处理器和至少一个非瞬时处理器可读介质，所述非瞬时处理器可读介质存储处理器可执行指令或数据中的至少一种，并且所述处理器执行以下步骤：
对待检测样品中的若干个病原体进行检测，获取针对每个所述病原体的检测结果；
将所获取的所述检测结果实时地上传到云端进行存储，并将所述检测结果进行分析处理，以确定所述检测结果中是否含有异常信息；
根据所述云端服务器的分析处理，对所获取的所述检测结果中的异常信息进行报警。
9.一种病原体在线监测方法，其特征在于，所述监测方法执行以下步骤：
步骤1：对待检测样品中的若干个病原体进行检测，获取针对每个所述病原体的检测结果；
步骤2：将所获取的所述检测结果实时地上传到云端进行存储，并将所述检测结果进行分析处理，以确定所述检测结果中是否含有异常信息；
步骤3：根据云端服务器的分析处理，对所获取的所述检测结果中的异常信息进行报警；
在对检验结果进行分析以确定所述检验结果中是否还有异常信息时执行以下步骤：
首先，获取
Figure 373927DEST_PATH_IMAGE001
个已经确定是否含有异常信息的检测样本信息，每个样本信息中均含有 检测模块所检测到的
Figure 915767DEST_PATH_IMAGE002
种病原体含量的检测结果，以及确定的所述样本中是否含有异常 信息，将
Figure 290248DEST_PATH_IMAGE001
个样本的
Figure 917538DEST_PATH_IMAGE002
种病原体含量的检测结果形成一个历史检测结果矩阵
Figure 786399DEST_PATH_IMAGE003
，所述历 史检测结果矩阵
Figure 917166DEST_PATH_IMAGE003
行有
Figure 462548DEST_PATH_IMAGE001
行
Figure 577135DEST_PATH_IMAGE002
列，同时将
Figure 92430DEST_PATH_IMAGE001
个样本所对应的是否含有异常信息形成异常 结果向量
Figure 733495DEST_PATH_IMAGE004
，所述向量
Figure 308833DEST_PATH_IMAGE004
中行有
Figure 786082DEST_PATH_IMAGE001
个值，每个值代表一个样本中是否存在异常信息，当检 测样本含有异常信息时，所述样本对应的异常检验结果为1，当检测样本不含有异常信息 时，所述样本对应的异常检验结果为0；
其次，对检测结果矩阵
Figure 370647DEST_PATH_IMAGE003
和异常结果向量
Figure 476006DEST_PATH_IMAGE004
构建一个异常学习函数；
Figure 113923DEST_PATH_IMAGE031
其中，
Figure 671944DEST_PATH_IMAGE006
为构建的异常学习函数，
Figure 794621DEST_PATH_IMAGE007
为异常结果向量
Figure 895432DEST_PATH_IMAGE004
的第
Figure 78151DEST_PATH_IMAGE008
个值，
Figure 513681DEST_PATH_IMAGE009
为检测结 果矩阵
Figure 440048DEST_PATH_IMAGE010
的第
Figure 254421DEST_PATH_IMAGE008
行第
Figure 748987DEST_PATH_IMAGE011
列的值，
Figure 281600DEST_PATH_IMAGE012
为需要求解的异常常数项，
Figure 637757DEST_PATH_IMAGE013
为需要求解的病原体系 数，
Figure DEST_PATH_IMAGE015AA
，
Figure DEST_PATH_IMAGE017AA
；
然后，确定异常常数项
Figure 165690DEST_PATH_IMAGE012
和病原体系数
Figure 690212DEST_PATH_IMAGE013
，具体确定方法如下：
令：
Figure DEST_PATH_IMAGE019AA
其中，
Figure 913383DEST_PATH_IMAGE020
为异常学习函数
Figure 542073DEST_PATH_IMAGE021
对异常常数项
Figure 596617DEST_PATH_IMAGE012
做偏导，
Figure DEST_PATH_IMAGE033AAAA
为异常学习函 数
Figure 229723DEST_PATH_IMAGE021
对病原体系数
Figure 595983DEST_PATH_IMAGE013
做偏导，利用如上表达式，可以形成
Figure 667844DEST_PATH_IMAGE023
个方程组，且方程组 中含有异常常数项
Figure 576894DEST_PATH_IMAGE012
和
Figure 318585DEST_PATH_IMAGE002
个病原体系数
Figure 313086DEST_PATH_IMAGE013
共计
Figure 537439DEST_PATH_IMAGE023
个未知量，则通过求解所述方程 组，则能得到异常常数项
Figure 300995DEST_PATH_IMAGE012
和
Figure 338221DEST_PATH_IMAGE002
个病原体系数
Figure 695385DEST_PATH_IMAGE013
；
最后，云端服务器确定根据检测模块所获取的所述检测结果确定是否含有异常信息；
Figure 109048DEST_PATH_IMAGE025
其中，
Figure 727112DEST_PATH_IMAGE001
为结果确定值，
Figure 325452DEST_PATH_IMAGE026
为检测模块所获取的第
Figure 28966DEST_PATH_IMAGE028
个病原体的含量的检测结果，且当
Figure 856107DEST_PATH_IMAGE029
时，检测模块所获取的所述检测结果没有含有异常信息，若
Figure 859836DEST_PATH_IMAGE030
时检测模块所获取 的所述检测结果中含有异常信息，则进行异常信息报警。
CN202010280610.7A 2020-04-10 2020-04-10 一种病原体在线监测***及方法 Active CN113517025B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010280610.7A CN113517025B (zh) 2020-04-10 2020-04-10 一种病原体在线监测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010280610.7A CN113517025B (zh) 2020-04-10 2020-04-10 一种病原体在线监测***及方法

Publications (2)

Publication Number Publication Date
CN113517025A CN113517025A (zh) 2021-10-19
CN113517025B true CN113517025B (zh) 2022-03-18

Family

ID=78060502

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010280610.7A Active CN113517025B (zh) 2020-04-10 2020-04-10 一种病原体在线监测***及方法

Country Status (1)

Country Link
CN (1) CN113517025B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114965414A (zh) * 2022-07-27 2022-08-30 深圳市博德致远生物技术有限公司 一种集成通讯模块的核酸检测设备
CN118275514A (zh) * 2024-06-03 2024-07-02 中国人民解放军南部战区总医院 一种基于场效应管检测病原体的方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110317864A (zh) * 2019-07-18 2019-10-11 江苏宏微特斯医药科技有限公司 一种通过宏转录组测序来检测病原体的方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2233284T3 (es) * 1999-02-17 2005-06-16 Pfizer Products Inc. Proteinas de fusion que comprenden portadores que pueden inducir una bdoble respuesta inmune.
ATE300179T1 (de) * 2001-03-05 2005-08-15 Faculte Univ Sciences Agronomiques Gembloux Biopestizid-zusammensetzungen
US7402389B2 (en) * 2004-02-24 2008-07-22 The Translational Genomics Research Institute (Tgen) Compositions and methods for prognosis of cancers
US20070134652A1 (en) * 2005-11-09 2007-06-14 Primera Biosystems, Inc. Multiplexed quantitative detection of pathogens
CN105844116B (zh) * 2016-03-18 2018-02-27 广州市锐博生物科技有限公司 测序数据的处理方法和处理装置
CN109407629B (zh) * 2018-09-11 2021-02-02 广州市赛特检测有限公司 一种病原体在线监测***及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110317864A (zh) * 2019-07-18 2019-10-11 江苏宏微特斯医药科技有限公司 一种通过宏转录组测序来检测病原体的方法

Also Published As

Publication number Publication date
CN113517025A (zh) 2021-10-19

Similar Documents

Publication Publication Date Title
US11597974B2 (en) Transposition of native chromatin for personal epigenomics
JP6681337B2 (ja) 敗血症の発症を予測するための装置、キット及び方法
Morrison et al. Rapid and sensitive quantification of Borrelia burgdorferi-infected mouse tissues by continuous fluorescent monitoring of PCR
CN113160882B (zh) 一种基于三代测序的病原微生物宏基因组检测方法
CN113517025B (zh) 一种病原体在线监测***及方法
JP2008518626A (ja) 血中で宿主遺伝子発現バイオマーカーを使用する感染症臨床表現型及びその他の生理学的状態の診断及び予後
JP2000342299A (ja) 遺伝子発現データの解析方法および解析装置
CN108319813A (zh) 循环肿瘤dna拷贝数变异的检测方法和装置
Li et al. Rapid detection of Brucella spp. and elimination of carryover using multiple cross displacement amplification coupled with nanoparticles-based lateral flow biosensor
WO2022170909A1 (zh) 药物敏感预测方法、电子设备及计算机可读存储介质
JP2016165286A (ja) 転写物測定値数が減少した、遺伝子発現プロファイリング
Valdes et al. Application of metagenomic sequencing in the diagnosis of infectious uveitis
CN116179664A (zh) 基于内参确定微生物的高通量检测方法和***及试剂盒
US20170191111A1 (en) Detecting an analyte in a flash and glow reaction
CN110277139B (zh) 一种基于互联网的微生物限度检查***及方法
US11149319B2 (en) Systems and methods for detecting cells using engineered transduction particles
CN114574565A (zh) 通过宏基因组测序确定环境样本中存在预定物种的方法
JP5406219B2 (ja) 血液培養物中の血液の量を決定するためのシステムおよび方法
Zhu et al. Integrated analysis of patterns of DNA breaks reveals break formation mechanisms and their population distribution during replication stress
Budak et al. The investigation of Chlamydophila pneumoniae in patients with multiple sclerosis
EP3447472B1 (en) Method for estimating number of microparticles in sample
Pillai Molecular methods for microbial detection
Almansour et al. DEVELOPING NEW TECHNIQUES FOR DIAGNOSING INFECTIOUS DISEASES
JP5771652B2 (ja) 血液培養物中の血液の量を決定するためのシステムおよび方法
Steck Viable but nonculturable bacteria

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