[发明专利]一种菌群标记物的获取方法、装置、终端及存储介质

说明书

本申请适用于生物技术领域，提供一种菌群标记物的获取方法、装置、终端及存储介质，其中方法包括：获取菌群样本数据，所述菌群样本数据包括N个菌种分类单元在M个菌群样本中的丰度，N及M为正整数；以N个菌种分类单元为叶子节点，以N个菌种分类单元中J个菌种分类单元的共同祖先为中间节点，生成系统发育树；按照由根节点至叶子节点的方向，利用贪心算法对所述系统发育树进行节点搜索，得到至少一个目标节点作为M个菌群样本的菌群标记物。该方案可以降低高维度菌群样本数据的计算复杂度，更高效地实现对目标菌群标记物的确定，减少计算量。

技术领域

本申请属于生物技术领域，尤其涉及一种菌群标记物的获取方法、装置、终端及存储介质。

背景技术

菌群基因检测是一种疾病检测手段，通过对人体中的菌群分布的样本检测，可以获知人体内菌群的结构，给予疾病趋势预警或找出复杂疾病的真实原因。

在实际应用中，由于菌群结构十分复杂，分析起来较为困难，在做机器学习预测的时候，容易出现维数灾难。因此筛选出有效的菌群标记物，对于我们探索菌群的结构，以及菌群对于人类健康的影响，具有非常重要的意义。

现有技术中，通常采用系统发育树对菌群数据进行特征分析。系统发育树是一种呈现不同物种或是同物种不同族群的个体之间亲缘关系的树状图。系统发育树的叶子节点，就是我们可以观测到的物种，在菌群数据里也就是指菌种分类单元，而系统发育树的非叶子节点(包括根节点)则是记录根据已有的系统发育树算法推测出来的下级节点的共同祖先。通过该系统发育树可以获知不同叶子节点所代表的菌种分类单元之间的系统发育距离。

在基于系统发育树筛选菌群标记物时，通常为基于系统发育距离来确定各菌种分类单元的菌群权重，将菌群权重较大的菌种分类单元作为更有效的菌群标记物。而这一有效的菌群标记物的筛选过程需要计算系统发育树中所有分支的权重才能实现不同菌种分类单元所在分支之间的权重比较，该过程计算量巨大，严重影响数据计算速度，无法高效的从高维的菌群数据中检测出稳定的菌群标记物。

发明内容

本申请实施例提供了一种菌群标记物的获取方法、装置、终端及存储介质，以解决现有技术基于系统发育树筛选菌群标记物时数据计算量巨大，数据计算速度效率较低的问题。

本申请实施例的第一方面提供了一种菌群标记物的获取方法，包括：

获取菌群样本数据，所述菌群样本数据包括N个菌种分类单元在M个菌群样本中的丰度，N及M为正整数；

以所述N个菌种分类单元为叶子节点，以所述N个菌种分类单元中J个菌种分类单元的共同祖先为中间节点，生成系统发育树，2≤J＜N；

按照由根节点至叶子节点的方向，利用贪心算法对所述系统发育树进行节点搜索，得到至少一个目标节点作为所述M个菌群样本的菌群标记物；

其中，所述至少一个目标节点包括目标中间节点和/或目标叶子节点，所述目标中间节点的得分数值大于所述目标中间节点的子节点的平均得分数值，所述目标叶子节点所在的节点搜索分支上，各个中间节点的得分数值均小于或等于各自的子节点的平均得分数值；所述系统发育树中每个非叶子节点的得分数值是根据所述每个非叶子节点对应的菌种分类单元在所述M个菌群样本中的丰度计算得到。

本申请实施例的第二方面提供了一种菌群标记物的获取装置，包括：

获取模块，用于获取菌群样本数据，所述菌群样本数据包括N个菌种分类单元在M个菌群样本中的丰度，N及M为正整数；

生成模块，用于以所述N个菌种分类单元为叶子节点，以所述N个菌种分类单元中J个菌种分类单元的共同祖先为中间节点，生成系统发育树，2≤J＜N；

搜索模块，用于按照由根节点至叶子节点的方向，利用贪心算法对所述系统发育树进行节点搜索，得到至少一个目标节点作为所述M个菌群样本的菌群标记物；