[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

说明书

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，涉及微生物技术领域；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，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。慢性肾病风险预测模型的构建方法，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。本发明通过检测微生物标志物的丰度可预测慢性肾病的阳性概率，其预测精确度高，灵敏性好，可作为慢性肾病的辅助诊断手段，并指导肠道菌群环境改善方向。

技术领域

本发明属于微生物技术领域，具体涉及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。

背景技术

新社会的发展带来人们的生活方式的变化，在快节奏的生活中使得人们容易忽视自身的健康，降低了对于一些早期“隐性”的慢性病警惕，比如慢性肾脏疾病(Chronickidney disease，CKD)。目前，CKD发病率在急剧增加，其致死率也会随着肾功能下降而增加，已然成为严重影响国人健康的重要公共卫生问题，急需有效并且可普及的预防治疗手段与技术。CKD往往不容易早期发现，甚至漏诊，其原因有三：一是CKD可以完全没有症状或症状不明显；二是，人们防未病的意识浅薄与部分医生缺乏足够的经验；三是目前检查肾功能的各种方法都存在一定局限性，缺乏早期敏感指标，不能更早期地对慢性肾病进行诊断。因此，迫切需要新的CKD诊断或筛查方法，以提高该人群的早期诊断率和预后效果。

近几年，大量的科研工作发现慢性肾功能衰竭患者容易出现胃肠功能和肠道微生态的紊乱；一方面，慢性肾功能衰竭患者常出现肠道蠕动功能下降，容易使蛋白质和氨基酸等营养物质在肠道内潴留；另一方面，慢性肾脏病患者结肠中的肠道菌群的数量、结构、功能均发生明显改变，表现为益生菌减少不能产生粘膜屏障保护因子，如产丁酸盐菌群(Faecalibacterium prausnitzii、Eubacterium等梭菌属)减少而致病菌增加产生了多种粘膜屏障损伤因子和致炎症因子。慢性肾脏病肠道菌群发生紊乱后，其代谢产物(尿毒症毒素)是疾病进展的重要因素。中国农业大学任发政院士及其团队发现并验证了肠道菌群对毒素累积和肾脏疾病表型的影响，揭示了患者肠道菌群失调与代谢紊乱和肾病临床表型之间的关系。鉴于CKD患者的肠道中的菌群含量在不同阶段(阶段1-5)表现的含量是不同的，肠道菌群的丰度变化可以作为判断是否患病的重要指标。这些指标或许可作为慢性肾病的微生物标志物，通过检测微生物标志物作为辅助诊断，以提高人群的早期诊断率和预后效果。

随着肠道菌群相关研究的增加，已产生了海量的微生物测序数据。随机森林算法作为机器学习的一大分支经常被用来构建疾病的分类模型与筛选核心的标志物，比如2020年《Advanced Science》上发表的一项研究就基于随机森林获得的5个OTU作为非侵入性标志物，模型很好地区分了患者与对照，但这项研究并没有具体到具体的物种水平。事实上菌种级别的16S片段的序列是非常接近的，会存在区分不清的情况，尽管属分类及以上的细分则较为准确，但是不精确的注释使大多数标志物适用于16S测序上，在宏基因组或者其他定量菌类丰度的方法上的通用性不强。同时，由于领域内的研究队列之间的独立性以及地域性，导致了当前一些疾病研究中存在着预测方法准确度低、模型算法单一以及模型适用性局限等问题。此外，CN109943636A公开了一种结直肠癌的微生物标志物，其成果展示了机器学习Xgboost算法在基于菌群丰度的疾病预测模型中的优越性；CN113736896A也应用了Xgboost算法，获得了遗传性血管性水肿疾病预测模型，其成果也展示了该方法在微生物丰度数据中的适用性、可行性。但在慢性肾病中，目前并没有基于物种丰度信息的Xgboost模型。综上所述，基于随机森林与XGBoost算法相结合构建一种特异性好、灵敏度高的混合机器学习模型，并能指示肠道细菌含量平衡状态、指导肠道菌群调节的慢性肾病微生物标志物具有重要意义。

发明内容