[发明专利]肠道菌群移植配型的数据处理方法、系统、设备及介质

说明书

本发明涉及生物医学技术领域，尤其涉及一种肠道菌群移植配型的数据处理方法、系统、设备及介质，包括：获取供体和受体的待处理菌群数据的近邻点，再根据近邻点和约束条件获得数据的重构权重矩阵，最后利用重构权重矩阵获得降维后的菌群数据，降维过程简单，解决了现有的肠道菌群移植配型方法在进行肠道菌群移植时，不仅计算效率低下，而且通常采用线性降维方法对数据进行降维，此方式无法建模原始菌群数据中复杂的非线性关系的问题。本发明通过无监督的非线性降维方法保持了原始菌群数据局部的线性特征，不仅降低了计算复杂度，提高了后续菌群匹配效率，而且无需标签数据，降低了成本。

技术领域

本发明涉及生物医学技术领域，尤其涉及一种肠道菌群移植配型的数据处理方法、系统、设备及介质。

背景技术

菌群移植指将健康供体的肠道菌群，移植到患者胃肠道内，通过重建患者正常功能的肠道菌群以实现其肠道及肠道外疾病的治疗，其中，在进行肠道菌群移植时，需要对供体和受体的肠道菌群数据进行精准配型。

目前，现有的肠道菌群移植配型方法多是利用原始的肠道菌群数据直接进行匹配计算，没有对原始的肠道菌群数据进行处理，然而，用于移植配型的原始菌群数据由于涉及基因组、代谢组等多组学数据的整合，其维度一般较高，直接进行匹配计算不仅消耗大量计算资源，而且效率低下，存在大量冗余计算。

另外，现有的研究中存在采用有监督学习对肠道菌群数据进行降维，但是，其需要大量的标注数据，成本太高，而现有的无监督学习的数据降维方法虽然无需使用标签，但通常为线性降维，无法建模原始菌群数据中复杂的非线性关系。

发明内容

本发明提供了一种肠道菌群移植配型的数据处理方法、系统、设备及介质，解决的技术问题是，现有的肠道菌群移植配型方法在进行肠道菌群移植时，不仅计算效率低下，而且通常采用线性降维方法对数据进行降维，此方式无法建模原始菌群数据中复杂的非线性关系。

为解决以上技术问题，本发明提供了一种肠道菌群移植配型的数据处理方法、系统、设备及介质。

第一方面，本发明提供了一种肠道菌群移植配型的数据处理方法，所述方法包括以下步骤：

采集供体和受体的原始菌群数据，得到对应的原始菌群数据集；

分别从供体和受体的原始菌群数据集中选取一原始菌群数据，将其作为供体和受体的待处理菌群数据；

在所述原始菌群数据集中查找所述待处理菌群数据的K个近邻点构成近邻数据集；

基于所述近邻数据集，通过最小化重构代价函数，计算得到重构权重；

根据重构权重以及嵌入价值函数，计算得到待处理菌群数据的低维菌群数据。

在进一步的实施方案中，采用欧氏距离，在所述原始菌群数据集中查找所述待处理菌群数据的K个近邻点构成近邻数据集。

在进一步的实施方案中，所述在所述原始菌群数据集中查找所述待处理菌群数据的K个近邻点构成近邻数据集的步骤包括：

以预设的递增规则依次选取不同的近邻点数，对选取的近邻点数，利用最近邻法得到对应的近邻点矩阵，计算近邻点矩阵的马氏距离，并根据马氏距离计算相似度系数，计算相似度系数均值，判断各近邻点数对应的相似度系数均值，选取相似度系数均值最大的近邻点数作为最优近邻点数。

在进一步的实施方案中，所述相似度系数计算公式为：

式中，α_mn表示相似度系数，b_mn表示近邻点矩阵中两个样本点之间的马氏距离，β表示近邻点矩阵中所有样本点马氏距离的平均值。

在进一步的实施方案中，所述重构代价函数的计算公式为：