[发明专利]肠道菌群配型的多组学数据优化方法、系统、设备及介质

说明书

本发明提供了肠道菌群配型的多组学数据优化方法、系统、设备及介质，所述方法包括采集菌群移植供体与菌群移植受体的多组学数据；分别对所述菌群移植供体和菌群移植受体的多组学数据进行预处理，得到待配型多组学数据；构建自编码器，并根据所述自编码器对所述待配型多组学数据进行降维、压缩处理，得到多组学数据优化特征；本发明方法通过使用自编码器方法对肠道菌群移植配型的多组学数据进行高效优化，大幅减低数据维度和冗余度，且通过使用L1正则化，有效过滤噪声，提升多组学数据特征的价值和区分度的同时，也防止了过拟合，为下游配型提供高质量输入，有效提升配型效率和准确度，进而为肠道菌群移植的治疗效果提供可靠保障。

技术领域

本发明涉及生物医学技术领域，特别是涉及一种面向肠道菌群配型的多组学数据优化方法、系统、计算机设备及存储介质。

背景技术

肠道菌群移植是一种将健康人粪便中的功能菌群通过一定方式移植到患者肠道内，以调节肠道菌群失衡，恢复肠道菌群的多样性，对与肠道菌群失调有关疾病进行治疗的方式。在实际肠道菌群移植时，为了保证受体移植后的健康状况，需要对受体和供体的健康状况进行全面检查，如全面体检、肠菌检测以及血液检测等，再对采集到的供体数据和受体数据进行精准配型。目前，可用于对供体数据和受体数据进行精准配型的，最全面的大数据医学建模方法为多组学，主要包括基因组学(genomics)、转录组学(transcriptomics)、表观组学(epigenomics)、蛋白组学(proteomics)、代谢组学(metabolomics)、脂类组学(lipidomics)、免疫组学(immunomics)和糖组学(glycomics)等，其通过对每一类组学的特征进行整合分析，使人们更宏观地了解到供体和受体的身体健康全貌，理解生化机理，提供更全面的配型信息。

现有肠道菌群移植精准配型中使用多组学数据建模时，都是直接把多组学数据的原始特征作为输入进行配型分析，数据量非常庞大，导致计算效率非常低下。然而，实际多组学数据并不全是与肠道移植匹配度相关的数据，即原始数据存在大量的噪声和冗余，直接用作分析不仅降低处理效率，还影响分析的精准性。

因此，亟需提供一种能为肠道菌群移植精准配型提供高质量输入的多组学数据优化处理方法。

发明内容

本发明的目的是提供一种肠道菌群配型的多组学数据优化方法、系统、计算机设备及存储介质，通过采用深度学习自编码器对原始多组学数据进行特征降维、压缩和优化，使得处理后的特征表示具备显著性和可区分度，为肠道菌群配型提供高质量输入，有效提升下游肠道菌群移植匹配的计算效率和配型准确度，进而为肠道菌群移植的治疗效果提供可靠保障。

为了实现上述目的，有必要针对上述技术问题，提供了一种肠道菌群配型的多组学数据优化方法、系统、计算机设备及存储介质。

第一方面，本发明实施例提供了一种肠道菌群配型的多组学数据优化方法，所述方法包括以下步骤：

采集菌群移植供体与菌群移植受体的多组学数据；

分别对所述菌群移植供体和菌群移植受体的多组学数据进行预处理，得到待配型多组学数据；所述待配型多组学数据包括待配型供体多组学数据和待配型受体多组学数据；

构建自编码器，并根据所述自编码器对所述待配型多组学数据进行降维、压缩处理，得到多组学数据优化特征；所述自编码器包括编码器和解码器；所述多组学数据优化特征包括供体多组学数据优化特征和受体多组学数据优化特征。

进一步地，所述构建自编码器的步骤包括：

根据肠道菌群配型需求，构建菌群移植配型多组学数据集；

根据所述菌群移植配型多组学数据集，分别搭建所述待训练编码器和待训练解码器，并设定对应的损失函数；

根据所述损失函数，采用反向传播算法对所述待训练编码器和待训练解码器进行训练更新，得到所述自编码器。