[发明专利]一种大肠杆菌β-内酰胺类获得性耐药表型预测复合方法

说明书

一种大肠杆菌β‑内酰胺类获得性耐药表型预测复合方法，解决了现有预测耐药表型的工具一般通过对氨基酸序列进行一系列计算，而且计算需要多软件、多系统平台进行，用户友好度不佳，对于非生物学或非信息学的研究人员来说，现有的方法具有很强的技术壁垒的问题，其包括预处理和预测与识别，所述预处理包括步骤：提取目标耐药基因构件训练集；去除非获得性耐药相关基因；随机过程切割数据；预加重和平稳性控制；LPCC特征系数/灰度关联；本发明结构新颖，构思巧妙，模型构建于R包和JavaWeb网页中，并加入数据库更新策略，提高效用价值。

技术领域

本发明涉及公共卫生和医疗健康领域，具体为一种大肠杆菌β-内酰胺类获得性耐药表型预测复合方法。

背景技术

来自人类和食品类动物的细菌抗生素耐药性(AMR)对人类健康造成了巨大的威胁，耐药基因在环境中的传播具有很大的复杂性。鉴定对某些抗生素耐药或敏感的菌株对于耐药病原体至关重要。通常，实验室通过纸片扩散法或最小抑菌浓度(MIC)法测定药物敏感性，而通过聚合酶链式反应(PCR)或微阵列杂交(DNAMicroarrayHybridization)鉴定耐药特异性标记不仅可以体现表型结果，由于通常有多个不同的基因可能可以赋予对同个或多个特定抗菌剂的耐药性，因此对于流行病学研究也很有较大的帮助。随着DNA测序产量长度、深度的增加和成本的降低，全基因组测序(WGS)可能成为常规监测耐药谱和识别新出现耐药的替代方法。

当前细菌耐药表型的进化和演变不断加快，一定尺度下区域未来的耐药性发展态势将对公共卫生政策和抗生素治疗方案带来持续的影响，因此预测耐药表型、提早做出预判已经迫在眉睫，现有预测耐药表型的工具一般通过对氨基酸序列进行一系列计算，而且计算需要多软件、多系统平台进行，用户友好度不佳，对于非生物学或非信息学的研究人员来说，现有的方法具有很强的技术壁垒。

发明内容

针对上述情况，为克服现有技术的缺陷，本发明提供一种大肠杆菌β-内酰胺类获得性耐药表型预测复合方法，有效的解决了现有预测耐药表型的工具一般通过对氨基酸序列进行一系列计算，而且计算需要多软件、多系统平台进行，用户友好度不佳，对于非生物学或非信息学的研究人员来说，现有的方法具有很强的技术壁垒的问题。

为实现上述目的，本发明提供如下技术方案：本发明包括预处理和预测与识别，所述预处理包括步骤：1)提取目标耐药基因构件训练集；

2)去除非获得性耐药相关基因；

3)随机过程切割数据；

4)预加重和平稳性控制；

5)LPCC特征系数/灰度关联；

所述预测与识别包括如下步骤：1)采用ANN算法、HMM算法或ANN-HMM混合算法进行计算；

2)综合评估与比较；

3)输出模型。