CN113626442B - 一种高效率生物信息数据处理方法及*** - Google Patents
一种高效率生物信息数据处理方法及*** Download PDFInfo
- Publication number
- CN113626442B CN113626442B CN202110983816.0A CN202110983816A CN113626442B CN 113626442 B CN113626442 B CN 113626442B CN 202110983816 A CN202110983816 A CN 202110983816A CN 113626442 B CN113626442 B CN 113626442B
- Authority
- CN
- China
- Prior art keywords
- intestinal
- substance sample
- intestinal substance
- microorganism
- storage
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 230000000968 intestinal effect Effects 0.000 claims abstract description 203
- 239000000126 substance Substances 0.000 claims abstract description 140
- 244000005700 microbiome Species 0.000 claims abstract description 112
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 230000008859 change Effects 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000003860 storage Methods 0.000 claims description 65
- 238000005070 sampling Methods 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 24
- 230000004083 survival effect Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 7
- 239000003550 marker Substances 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 210000001035 gastrointestinal tract Anatomy 0.000 description 12
- 230000000813 microbial effect Effects 0.000 description 12
- 230000015654 memory Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 210000000936 intestine Anatomy 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 235000013361 beverage Nutrition 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006798 recombination Effects 0.000 description 4
- 238000005215 recombination Methods 0.000 description 4
- 210000002784 stomach Anatomy 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000003935 denaturing gradient gel electrophoresis Methods 0.000 description 2
- 230000002496 gastric effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000010234 longitudinal analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000011550 stock solution Substances 0.000 description 2
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 206010017815 Gastric perforation Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000034158 bleeding Diseases 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 201000006549 dyspepsia Diseases 0.000 description 1
- 238000011066 ex-situ storage Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 206010022694 intestinal perforation Diseases 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000006041 probiotic Substances 0.000 description 1
- 230000000529 probiotic effect Effects 0.000 description 1
- 235000018291 probiotics Nutrition 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 208000018556 stomach disease Diseases 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/219—Managing data history or versioning
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明适用于计算机领域，提供了一种高效率生物信息数据处理方法及***，通过对标记的肠道物质样品内含有的微生物种类和微生物数量进行分析，并将分析数据与肠道物质样品标记对应储存在数据库中；等到数据累积到一定程度的时候，调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，根据比较结果对肠道微生物生态变化进行预测，并将预测信息反馈给客户端。客户端根据预测信息进一步推断肠道物质及周围环境的变化趋势。能够对数据进行全流程的跟踪，使得数据之间具备前后对照关系，自动化的录入数据、反馈信息，降低人力劳动量，使得数据处理速度更加高效。
Description
技术领域
本发明属于计算机领域，尤其涉及一种高效率生物信息数据处理方法及***。
背景技术
生物信息是反映生物运动状态和方式的信息，计算机科学与基因组技术的发展，生物信息的概念又成为了基因的计算机数据库、数据处理、生物***的计算机分析与软件设计等含义，属于生物信息学或计算生物学的内容，形成了另外一种概念。生物信息作为计算机与生物的交叉学科，也受到大家的关注。
肠胃不好的病人，通常是在病发的中后期才能够强烈的感觉到肠胃的不适，在前期通常被误以为是拉肚子或者不消化等情况，这使得肠胃病一旦并发，就会造成肠胃穿孔或者是肠胃出血等严重情况。对于肠胃的研究也开始得到关注，现在市面上也涌现出一些对于肠胃消化有帮助的食品和饮料，如益生菌类饮料，助消化类饮料或者肠胃养护类饮料等，这些食品和饮料都是通过对肠道内部微生物进行分析后推出的产品。
在对肠道微生物的研究分析过程中，会产生大量的数据需要进行记录和处理，现有对肠道微生物数据的研究分析采用人为记录或者人为录入方式，各种微生物数据信息之间的关联性不强，数据的重组应用和数据来源的追踪不易，使得数据处理的效率较低，耗费较多人力。
发明内容
本发明实施例提供一种高效率生物信息数据处理方法及***，旨在解决现有对肠道微生物的研究分析数据进行人为记录或者人为录入的方式，使得各种微生物数据信息之间的关联性不强，数据的重组应用和数据来源的追踪不易，而对于肠道物质中微生物的变化分析需要跨越较长时段，使得数据处理利用的效率较低，耗费较多人力的问题。
本发明实施例是这样实现的，一方面，一种高效率生物信息数据处理方法包括：
获取肠道物质样品，对肠道物质样品进行标记储存；所述标记至少包括肠道物质取样时间和肠道物质取样位置；
对标记的肠道物质样品内含有的微生物种类和微生物数量进行分析；
将分析数据与肠道物质样品标记对应储存在数据库中；
调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，得到比较结果；
根据比较结果对肠道微生物生态变化进行预测，并将预测信息反馈给客户端。
作为本发明的一种改进方案：所述获取肠道物质样品，对肠道物质样品进行标记储存具体包括：
调用肠道物质样品所需的采样设备清单和采集肠道物质样品操作步骤，对肠道物质进行采样；
对采样所得的肠道物质样品进行分类储存，并对分类储存的肠道物质样品进行有序标记；
对肠道物质样品的储存环境进行监控，将储存环境维持在适合肠道微生物生存或者能够在规定时间内储存肠道微生物的储存条件值。
作为本发明的又一种改进方案：所述方法还包括：
判断肠道物质样品的储存时间是否大于有效时间值；
当肠道物质样品的储存时间大于有效时间值时，向客户端发送肠道物质样品销毁信息；
当肠道物质样品的储存时间不大于有效时间值时，进一步判断储存环境是否符合储存条件值；
当储存环境符合储存条件值时，说明储存的肠道物质样品可以继续使用；
当储存环境不符合储存条件值时，向客户端发送肠道物质样品销毁信息。
作为本发明的进一步方案：所述调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，得到比较结果具体包括：
调用同一取样位置不同时间点的肠道物质样品分析数据；
按照时间顺序将肠道物质样品分析所得的微生物种类数量统计在微生物种类走势图上；
在保持当前肠道内部环境变化趋势下，根据微生物种类走势图，预测取样位置处的肠道微生物未来数量；
将预测的肠道微生物未来数量发送给客户端。
作为本发明的再进一步方案：所述调用同一取样位置不同时间点的肠道物质样品分析数据之后，所述方法还包括：
按照时间顺序将肠道物质样品分析所得的同一微生物种类的数量统计在微生物数量走势图上；
根据微生物数量走势图，预测该种微生物在未来会达到的数量值；
将预测的微生物名称和对应的未来数量值反馈给客户端。
作为本发明的优化方案：所述调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，得到比较结果具体包括：
调用同一取样时间点不同位置的肠道物质样品分析数据；
按照指定的取样位置顺序将微生物种类和每种微生物的数量统计在位置差异走势图上；
根据位置差异走势图，分析得出每种微生物最适合生存的位置以及微生物分布变化情况。
作为本发明的又一种方案：所述根据比较结果对肠道微生物生态变化进行预测，并将预测信息反馈给客户端之后，所述方法还包括：
获取采样位置的肠道环境因素；
结合肠道微生物生态变化情况，分析得出主要影响因素；
将主要影响因素以及肠道养护建议反馈给客户端。
另一方面，一种高效率生物信息数据处理***包括：
采集端，用于获取肠道物质样品，并对肠道物质样品进行标记储存；所述标记至少包括肠道物质取样时间和肠道物质取样位置；
分析端，用于对标记的肠道物质样品内含有的微生物种类和微生物数量进行分析；
储存模块，用于将分析数据与肠道物质样品标记对应储存在数据库中；
比较模块，用于调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，得到比较结果；
预测模块，用于根据比较结果对肠道微生物生态变化进行预测，并将预测信息反馈给客户端。
本发明的有益效果：通过对标记的肠道物质样品内含有的微生物种类和微生物数量进行分析，并将分析数据与肠道物质样品标记对应储存在数据库中；等到数据累积到一定程度的时候，调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，根据比较结果对肠道微生物生态变化进行预测，并将预测信息反馈给客户端。客户端根据预测信息进一步推断肠道微生物及肠道内部环境的变化趋势，进一步推测检测者的身体健康状况。该方法和***能够对肠道微生物信息数据进行全流程的跟踪，使得数据之间具备前后对照关系，自动化的录入数据、反馈信息，降低人力劳动量，使得数据处理速度更加高效。解决了现有对肠道微生物数据的研究分析采用人为记录或者人为录入方式效率低的问题，还解决了各种微生物数据信息之间的关联性不强，数据的重组应用和数据来源的追踪不易，使得数据处理的效率较低，耗费较多人力的问题。
附图说明
图1是一种高效率生物信息数据处理方法运行环境示意图；
图2是一种高效率生物信息数据处理方法主流程图；
图3是一种高效率生物信息数据处理方法中肠道物质样品储存监控流程图；
图4是一种高效率生物信息数据处理方法中历史数据纵向分析流程图；
图5是一种高效率生物信息数据处理***内部结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明通过对标记的肠道物质样品内含有的微生物种类和微生物数量进行分析，并将分析数据与肠道物质样品标记对应储存在数据库中；等到数据累积到一定程度的时候，调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，根据比较结果对肠道微生物生态变化进行预测，并将预测信息反馈给客户端。客户端根据预测信息进一步推断肠道微生物及肠道内部环境的变化趋势，进一步推测检测者的身体健康状况。该方法和***能够对肠道微生物信息数据进行全流程的跟踪，使得数据之间具备前后对照关系，自动化的录入数据、反馈信息，降低人力劳动量，使得数据处理速度更加高效。解决了现有对肠道微生物数据的研究分析采用人为记录或者人为录入方式效率低的问题，还解决了各种微生物数据信息之间的关联性不强，数据的重组应用和数据来源的追踪不易，使得数据处理的效率较低，耗费较多人力的问题。
图1示出了本发明实施例的一种高效率生物信息数据处理方法运行环境示意图，其中采集端100采集肠道物质样品，为了研究肠道不同位置处以及同一位置处不同时间段的微生物分布情况，需要对肠道进行不同位置不同时间点的多次采集，将肠道物质样品一部分进行储存，另一部分转移到分析端200进行进一步的分析，将肠道物质样品储存信息和对肠道物质样品中含有的微生物信息分析数据传送到集成模块中，集成模块将数据储存在数据库1中，集成模块中的各个模块对储存的肠道物质样品数据以及肠道物质样品中分析所得的微生物的生物信息数据进行处理，并将处理结果反馈给客户端2，客户端2根据反馈所得的肠道微生物变化情况深入研究肠道内部环境的改变。
图2示出了本发明实施例的一种高效率生物信息数据处理方法主流程图，所述方法包括：
步骤S10：获取肠道物质样品，对肠道物质样品进行标记储存。所述标记至少包括肠道物质取样时间和肠道物质取样位置。采集端100对肠道物质进行采集，所述采集端100包括采集工具、盛装工具、储存液等。另外采集肠道物质样品时一般会对同一位置的肠道物质进行多次取样，得到多份样品，其中一些样品被用作分析使用，另外一些样品储存起来，留作备用。
步骤S11：对标记的肠道物质样品内含有的微生物种类和微生物数量进行分析。在分析端200对肠道物质样品用变性梯度凝胶电泳（PCR-DGGE）的方法进行微生物菌群多样性分析，得到微生物的种类和微生物数量。
步骤S12：将分析数据与肠道物质样品标记对应储存在数据库中。
步骤S13：调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，得到比较结果。所述纵向比较是指跨越较长时间段，对时间段内的所有数据进行比较分析，或者跨越多个位置，对多个位置的肠道物质样品对应的肠道物质样品分析数据进行分析。
步骤S14：根据比较结果对肠道微生物生态变化进行预测，并将预测信息反馈给客户端。对肠道物质中微生物生态变化的预测其实就是对微生物周围肠道健康状况的预测。
在本实施例的一种情况中，所述获取肠道物质样品，对肠道物质样品进行标记储存具体包括：
步骤S100：调用肠道物质样品所需的采样设备清单和采集肠道物质样品操作步骤，对肠道物质进行采样。所述采集设备清单指肠道微生物采集、储存所需的耗材和储存液等设备和耗材清单，其中储存管和采集勺均为无菌产品，最大程度减少了耗材中微生物及微生物残留DNA对样品的污染。
步骤S101：对采样所得的肠道物质样品进行分类储存，并对分类储存的肠道物质样品进行有序标记。
步骤S102：对肠道物质样品的储存环境进行监控，将储存环境维持在适合肠道微生物生存或者能够在规定时间内储存肠道微生物的储存条件值。有时可在常温条件下储存肠道物质样品。有时把肠道物质样品直接浸入储存液中，为了保护样品中的微生物，就需要在-20℃和-80℃下储存肠道物质样品储存液，而且在储存和运输过程中应避免样品反复冻融。
图3示出了本发明实施例的一种高效率生物信息数据处理方法中肠道物质样品储存监控流程图，所述方法还包括：
步骤S20：判断肠道物质样品的储存时间是否大于有效时间值。一般浸入储存液中的肠道物质样品在低温下储存，储存有效期限为10天左右，10天后，微生物活性降低，在低温下数量会逐渐减少，失去原本样品的真实信息，不能再次被使用。
步骤S21：当肠道物质样品的储存时间大于有效时间值时，向客户端发送肠道物质样品销毁信息。
步骤S22：当肠道物质样品的储存时间不大于有效时间值时，进一步判断储存环境是否符合储存条件值。有些样品需要在常温下储存，有些则需要低温储存，对于这些储存条件是否稳定，需要进行密切关注，防止储存中的样品由于环境改变发生变化，使得其显示出的样品数据与原始样品数据不符。
步骤S23：当储存环境符合储存条件值时，说明储存的肠道物质样品可以继续使用。
步骤S24：当储存环境不符合储存条件值时，向客户端发送肠道物质样品销毁信息。
图4示出了本发明实施例的一种高效率生物信息数据处理方法中历史数据纵向分析流程图，所述调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，得到比较结果具体包括：
步骤S40：调用同一取样位置不同时间点的肠道物质样品分析数据。
步骤S41：按照时间顺序将肠道物质样品分析所得的微生物种类数量统计在微生物种类走势图上。
步骤S42：在保持当前肠道内部环境变化趋势下，根据微生物种类走势图，预测取样位置处的肠道微生物未来数量。从微生物种类走势图中能够得出微生物种类随时间变化的情况，随着当前肠道内部环境的持续改变，预测微生物的演替，这种演替可能是向好的发展，也可能是不好的发展。
步骤S43：将预测的肠道微生物未来数量发送给客户端。客户端根据预测结果推断未来肠道内部环境的变化，指导客户端的使用者对肠道内部环境及时做出养护和治疗。
在本实施例的一种情况中，所述调用同一取样位置不同时间点的肠道物质样品分析数据之后，所述方法还包括：
步骤S50：按照时间顺序将肠道物质样品分析所得的同一微生物种类的数量统计在微生物数量走势图上。
步骤S51：根据微生物数量走势图，预测该种微生物在未来会达到的数量值。
步骤S52：将预测的微生物名称和对应的未来数量值反馈给客户端。单一微生物随时间衰减的斜率可以用来衡量微生物群落的生存情况，比如对温度敏感的微生物，肠道内部环境温度变化幅度较大的时候，这类微生物可能就会消失或者数量骤减等。因此分析单一微生物的数量变化，也能对肠道内部环境变化的具体原因进行分析，使得分析更加具体和有针对性。
在本实施例的另一种情况中，所述调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，得到比较结果具体包括：
步骤S60：调用同一取样时间点不同位置的肠道物质样品分析数据。
步骤S61：按照指定的取样位置顺序将微生物种类和每种微生物的数量统计在位置差异走势图上。
步骤S62：根据位置差异走势图，分析得出每种微生物最适合生存的位置以及微生物分布变化情况。肠道物质所在位置变化会引起肠道微生物的变化，能够根据微生物的变化情况推断出微生物适合生存的环境条件，有针对性的培养微生物；或者在不适合微生物生存的肠道内部局部位置处创造适合微生物生存的环境条件，以便于具有积极作用的微生物异地发挥作用。
在本发明实施例的一种情况中，所述根据比较结果对肠道微生物生态变化进行预测，并将预测信息反馈给客户端之后，所述方法还包括：
步骤S70：获取采样位置的肠道环境因素。
步骤S71：结合肠道微生物生态变化情况，分析得出主要影响因素。
步骤S72：将主要影响因素以及肠道养护建议反馈给客户端。随着温度的升高/降低，微生物的生存也随之变化；对微生物的演替与肠道内部环境因子之间的关系进一步分析，微生物群落的多样性与肠道内的物理、化学特性可能也有关。
图5示出了本发明实施例的一种高效率生物信息数据处理***内部结构示意图，所述***包括：
采集端100，用于获取肠道物质样品，并对肠道物质样品进行标记储存。所述标记至少包括肠道物质取样时间和肠道物质取样位置。
分析端200，用于对标记的肠道物质样品内含有的微生物种类和微生物数量进行分析。
储存模块300，用于将分析数据与肠道物质样品标记对应储存在数据库中。
比较模块400，用于调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，得到比较结果。
预测模块500，用于根据比较结果对肠道微生物生态变化进行预测，并将预测信息反馈给客户端。
为了能够加载上述方法和***能够顺利运行，该***除了包括上述各种模块之外，还可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线、处理器和存储器等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述客户端或者***的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机以及***程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述客户端的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序（比如信息采集模板展示功能、产品信息发布功能等）等；存储数据区可存储根据泊位状态显示***的使用所创建的数据（比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（FlashCard）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种高效率生物信息数据处理方法，其特征在于，所述方法包括：
获取肠道物质样品，对肠道物质样品进行标记储存；所述标记至少包括肠道物质取样时间和肠道物质取样位置；
对标记的肠道物质样品内含有的微生物种类和微生物数量进行分析；
将分析数据与肠道物质样品标记对应储存在数据库中；
调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，得到比较结果；
根据比较结果对肠道微生物生态变化进行预测，并将预测信息反馈给客户端；
所述获取肠道物质样品，对肠道物质样品进行标记储存具体包括：
调用肠道物质样品所需的采样设备清单和采集肠道物质样品操作步骤，对肠道物质进行采样；
对采样所得的肠道物质样品进行分类储存，并对分类储存的肠道物质样品进行有序标记；
对肠道物质样品的储存环境进行监控，将储存环境维持在适合肠道微生物生存或者能够在规定时间内储存肠道微生物的储存条件值；
所述方法还包括：
判断肠道物质样品的储存时间是否大于有效时间值；
当肠道物质样品的储存时间大于有效时间值时，向客户端发送肠道物质样品销毁信息；
当肠道物质样品的储存时间不大于有效时间值时，进一步判断储存环境是否符合储存条件值；
当储存环境符合储存条件值时，说明储存的肠道物质样品可以继续使用；
当储存环境不符合储存条件值时，向客户端发送肠道物质样品销毁信息。
2.如权利要求1所述的高效率生物信息数据处理方法，其特征在于，所述调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，得到比较结果具体包括：
调用同一取样位置不同时间点的肠道物质样品分析数据；
按照时间顺序将肠道物质样品分析所得的微生物种类数量统计在微生物种类走势图上；
在保持当前肠道内部环境变化趋势下，根据微生物种类走势图，预测取样位置处的肠道微生物未来数量；
将预测的肠道微生物未来数量发送给客户端。
3.如权利要求2所述的高效率生物信息数据处理方法，其特征在于，所述调用同一取样位置不同时间点的肠道物质样品分析数据之后，所述方法还包括：
按照时间顺序将肠道物质样品分析所得的同一微生物种类的数量统计在微生物数量走势图上；
根据微生物数量走势图，预测该种微生物在未来会达到的数量值；
将预测的微生物名称和对应的未来数量值反馈给客户端。
4.如权利要求1所述的高效率生物信息数据处理方法，其特征在于，所述调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，得到比较结果具体包括：
调用同一取样时间点不同位置的肠道物质样品分析数据；
按照指定的取样位置顺序将微生物种类和每种微生物的数量统计在位置差异走势图上；
根据位置差异走势图，分析得出每种微生物最适合生存的位置以及微生物分布变化情况。
5.如权利要求1-4任一所述的高效率生物信息数据处理方法，其特征在于，所述根据比较结果对肠道微生物生态变化进行预测，并将预测信息反馈给客户端之后，所述方法还包括：
获取采样位置的肠道环境因素；
结合肠道微生物生态变化情况，分析得出主要影响因素；
将主要影响因素以及肠道养护建议反馈给客户端。
6.一种高效率生物信息数据处理***，其特征在于，所述***包括：
采集端，用于获取肠道物质样品，并对肠道物质样品进行标记储存；所述标记至少包括肠道物质取样时间和肠道物质取样位置；所述获取肠道物质样品，对肠道物质样品进行标记储存具体包括：调用肠道物质样品所需的采样设备清单和采集肠道物质样品操作步骤，对肠道物质进行采样；对采样所得的肠道物质样品进行分类储存，并对分类储存的肠道物质样品进行有序标记；对肠道物质样品的储存环境进行监控，将储存环境维持在适合肠道微生物生存或者能够在规定时间内储存肠道微生物的储存条件值；判断肠道物质样品的储存时间是否大于有效时间值；当肠道物质样品的储存时间大于有效时间值时，向客户端发送肠道物质样品销毁信息；当肠道物质样品的储存时间不大于有效时间值时，进一步判断储存环境是否符合储存条件值；当储存环境符合储存条件值时，说明储存的肠道物质样品可以继续使用；当储存环境不符合储存条件值时，向客户端发送肠道物质样品销毁信息；
分析端，用于对标记的肠道物质样品内含有的微生物种类和微生物数量进行分析；
储存模块，用于将分析数据与肠道物质样品标记对应储存在数据库中；
比较模块，用于调用数据库中储存的历史肠道物质样品分析数据在纵向上进行比较，得到比较结果；
预测模块，用于根据比较结果对肠道微生物生态变化进行预测，并将预测信息反馈给客户端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110983816.0A CN113626442B (zh) | 2021-08-25 | 2021-08-25 | 一种高效率生物信息数据处理方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110983816.0A CN113626442B (zh) | 2021-08-25 | 2021-08-25 | 一种高效率生物信息数据处理方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113626442A CN113626442A (zh) | 2021-11-09 |
| CN113626442B true CN113626442B (zh) | 2024-02-27 |
Family
ID=78387718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110983816.0A Active CN113626442B (zh) | 2021-08-25 | 2021-08-25 | 一种高效率生物信息数据处理方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113626442B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1862534A1 (en) * | 2006-06-02 | 2007-12-05 | Hitachi Plant Technologies, Ltd. | Microorganism separation system and method |
| KR20130059079A (ko) * | 2011-11-28 | 2013-06-05 | 한국식품연구원 | 미생물 성장 모델을 이용한 식품품질 예측 방법 |
| 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***及其方法和动态式数据库 |
| CN109706235A (zh) * | 2019-01-29 | 2019-05-03 | 广州康昕瑞基因健康科技有限公司 | 一种肠道微生物菌群的检测和分析方法及其*** |
| CN109738600A (zh) * | 2018-12-22 | 2019-05-10 | 河南农业大学 | 一种冷链肉制品微生物间歇性动态预测模型的构建方法 |
| CN110189827A (zh) * | 2019-05-24 | 2019-08-30 | 天益健康科学研究院（镇江）有限公司 | 一种获得肠道菌群测序报告的方法 |
| CN110196251A (zh) * | 2019-06-13 | 2019-09-03 | 六盘水市食品药品检验检测所 | 一种用于食品检测的采样***及方法 |
| CN111133519A (zh) * | 2017-08-16 | 2020-05-08 | 极诺生技股份有限公司 | 建立肠道菌数据库的方法和相关检测*** |
| CN112151118A (zh) * | 2020-08-11 | 2020-12-29 | 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 |
| CN112151117A (zh) * | 2020-08-11 | 2020-12-29 | 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 |
| CN113130074A (zh) * | 2021-03-17 | 2021-07-16 | 苏州思与健康科技有限公司 | 一种以肠道菌群特征为核心的健康评价方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9848760B2 (en) * | 2009-06-29 | 2017-12-26 | Gearbox, Llc | Devices for continual monitoring and introduction of gastrointestinal microbes |
| US9215997B2 (en) * | 2012-11-16 | 2015-12-22 | L. Zane Shuck | In vivo technology system for human gut research, diagnostics and treatment |
| US20190062813A1 (en) * | 2017-08-24 | 2019-02-28 | Himanshu S. Amin | Smart toilet |
| US11315686B2 (en) * | 2018-08-07 | 2022-04-26 | Vivante Health, Inc. | Individualized care management system based on digestive activity |
-
2021
- 2021-08-25 CN CN202110983816.0A patent/CN113626442B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1862534A1 (en) * | 2006-06-02 | 2007-12-05 | Hitachi Plant Technologies, Ltd. | Microorganism separation system and method |
| KR20130059079A (ko) * | 2011-11-28 | 2013-06-05 | 한국식품연구원 | 미생물 성장 모델을 이용한 식품품질 예측 방법 |
| 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***及其方法和动态式数据库 |
| CN111133519A (zh) * | 2017-08-16 | 2020-05-08 | 极诺生技股份有限公司 | 建立肠道菌数据库的方法和相关检测*** |
| CN109738600A (zh) * | 2018-12-22 | 2019-05-10 | 河南农业大学 | 一种冷链肉制品微生物间歇性动态预测模型的构建方法 |
| CN109706235A (zh) * | 2019-01-29 | 2019-05-03 | 广州康昕瑞基因健康科技有限公司 | 一种肠道微生物菌群的检测和分析方法及其*** |
| CN110189827A (zh) * | 2019-05-24 | 2019-08-30 | 天益健康科学研究院（镇江）有限公司 | 一种获得肠道菌群测序报告的方法 |
| CN110196251A (zh) * | 2019-06-13 | 2019-09-03 | 六盘水市食品药品检验检测所 | 一种用于食品检测的采样***及方法 |
| CN112151118A (zh) * | 2020-08-11 | 2020-12-29 | 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 |
| CN112151117A (zh) * | 2020-08-11 | 2020-12-29 | 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 |
| CN113130074A (zh) * | 2021-03-17 | 2021-07-16 | 苏州思与健康科技有限公司 | 一种以肠道菌群特征为核心的健康评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| 分子生物学技术在评估运动性胃肠综合征中的应用;宿继光, 张和平;中国临床康复(第28期);第237-239页 * |
| 大肠癌患者肠道菌群结构特征及驱动菌种鉴定研究;蔡平;戴晓宇;;现代实用医学(第05期);第68-70页 * |
| 大鼠死后肠道菌群演替规律;李欢;刘睿娜;张思若;袁璐;徐纪茹;;法医学杂志(第05期);第31-35页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113626442A (zh) | 2021-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Grewe et al. | Evidence of discrete yellowfin tuna (Thunnus albacares) populations demands rethink of management for this globally important resource | |
| Bessey et al. | Passive eDNA collection enhances aquatic biodiversity analysis | |
| Hyde et al. | Automated prediction of mastitis infection patterns in dairy herds using machine learning | |
| Weigel et al. | Predictive ability of direct genomic values for lifetime net merit of Holstein sires using selected subsets of single nucleotide polymorphism markers | |
| Cole et al. | Breeding and genetics symposium: Really big data: Processing and analysis of very large data sets | |
| Yang et al. | A Bayesian antedependence model for whole genome prediction | |
| US8923569B2 (en) | System for diagnosis of plant anomalies | |
| Schwartz et al. | Genetic and endocrine tools for carnivore surveys | |
| JP7515144B2 (ja) | デジタル病理学のためのスライドの画像を処理し、スライドの処理された画像を自動的に優先順位付けするためのシステムおよび方法 | |
| Zwald et al. | Genetic analysis of clinical mastitis data from on-farm management software using threshold models | |
| Rosa | Grand challenge in precision livestock farming | |
| Grigoletto et al. | Genetic parameters and genome-wide association studies for anti-müllerian hormone levels and antral follicle populations measured after estrus synchronization in Nellore cattle | |
| Guenay-Greunke et al. | Handling of targeted amplicon sequencing data focusing on index hopping and demultiplexing using a nested metabarcoding approach in ecology | |
| Biffani et al. | Predicting haplotype carriers from SNP genotypes in Bos taurus through linear discriminant analysis | |
| Roemeling et al. | Impact of lean interventions on time buffer reduction in a hospital setting | |
| Naik et al. | Will the future of knowledge work automation transform personalized medicine? | |
| CN113626442B (zh) | 一种高效率生物信息数据处理方法及*** | |
| Tabak et al. | CameraTrapDetectoR: automatically detect, classify, and count animals in camera trap images using artificial intelligence | |
| Green et al. | Identifying the future needs for long-term USDA efforts in agricultural animal genomics | |
| Singh et al. | Quantitative analysis of mass mortality events in salmon aquaculture shows increasing scale of fish loss events around the world | |
| Sommeria-Klein et al. | Inferring neutral biodiversity parameters using environmental DNA data sets | |
| CN116052848B (zh) | 一种医学成像质控的数据编码方法及*** | |
| Mota et al. | Benchmarking machine learning and parametric methods for genomic prediction of feed efficiency-related traits in Nellore cattle | |
| Segura et al. | Wavelet-based detection of transcriptional activity on a novel Staphylococcus aureus tiling microarray | |
| Marín et al. | Forecasting for some stochastic process models related to sow farm management |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240120 Address after: 518000, No.310, 3rd Floor, Port Building, Ocean Shipping Center, No. 59 Linhai Avenue, Nanshan Street, Qianhai Shenzhen Hong Kong Cooperation Zone, Shenzhen, Guangdong Province - G399 Applicant after: Shenzhen Qianhai hi tech international medical management Co.,Ltd. Country or region after: China Address before: 642157 No. 025, group 11, Yangliujing village, shiyanqiao Town, Longchang City, Neijiang City, Sichuan Province Applicant before: Li Chengliang Country or region before: China |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |