[发明专利]一种慢性肾病微生物标志物的应用和风险预测模型及其构建方法

权利要求书

1.一种检测微生物标志物制剂在制备检测慢性肾病产品中的应用，其特征在于：所述微生物标志物包括普氏菌属、粪罗斯氏菌属、迟缓埃格特菌属和布劳特氏属菌属。

2.如权利要求1所述的应用，其特征在于：所述微生物标志物还包括直肠真杆菌属、凸腹真杆菌属、裂果胶毛螺菌属、二环瘤胃球菌属、哺乳型钌杆菌属、棒状戈登菌属、无害梭状芽孢杆菌属、活泼瘤胃球菌属、肠道罗斯拜瑞氏菌属、单形巨单胞菌属和扭链瘤胃球菌属中的任一种或两种以上的组合。

3.如权利要求2所述的应用，其特征在于：所述微生物标志物包括普氏菌属、粪罗斯氏菌属、迟缓埃格特菌属、布劳特氏属菌属、直肠真杆菌属、凸腹真杆菌属、裂果胶毛螺菌属、二环瘤胃球菌属、哺乳型钌杆菌属、棒状戈登菌属、无害梭状芽孢杆菌属、活泼瘤胃球菌属、肠道罗斯拜瑞氏菌属、单形巨单胞菌属和扭链瘤胃球菌属。

4.一种检测微生物标志物的制剂，其特征在于：所述检测微生物标志物制剂用于检测粪便样本中权利要求1-3任一项所述应用中所述的微生物标志物的丰度。

5.一种慢性肾病诊断的试剂盒，其特征在于：包括权利要求4所述的检测微生物标志物的制剂。

6.一种慢性肾病风险预测模型的构建方法，其特征在于，包括以下步骤：

S1，分别获取健康个体和慢性肾病患者的粪便样本中权利要求1-3任一项所述应用中所述的微生物标志物的丰度，构建样本集；

S2，将所述样本集输入机器学习模型，训练模型并测试，存储得到慢性肾病风险预测模型。

7.如权利要求6所述的慢性肾病风险预测模型的构建方法，其特征在于：步骤S1中，所述丰度的测定方法包括宏基因组测序、16S测序、18S测序、ITS测序和qPCR定量检测中的任一种或两种以上的组合。

8.如权利要求6所述的慢性肾病风险预测模型的构建方法，其特征在于：步骤S2中，所述机器学习模型为随机森林模型和/或XGBoost模型。

9.如权利要求6或8所述的慢性肾病风险预测模型的构建方法，其特征在于，步骤S2中，具体操作为：

(1)将所述样本集按照(6-8):(2-4)的比例划分为训练集和测试集；

(2)将所述训练集和测试集输入随机森林模型中进行训练和预测，得到第一预测结果；

(3)将所述训练集和测试集输入XGBoost模型中进行训练和预测，得到第二预测结果；

(4)将所述第一预测结果和第二预测结果输入组合模型中，得到分类预测结果，构建出慢性肾病风险预测模型；所述组合模型的预测结果计算公式如下：

AUC＝(AUC1*probability1+AUC2*probability2)/2

式中，AUC表示的是组合模型的AUC值，AUC1表示的是随机森林模型的内部测试AUC值，probability1则表示当前样本在随机森林模型中的预测概率值，AUC2表示的是XGBoost模型的内部测试AUC值，probability2则表示当前样本在XGBoost模型中的预测概率值。

10.一种慢性肾病风险预测模型，其特征在于：由权利要求6-9任一项所述的慢性肾病风险预测模型的构建方法构建而成。