[发明专利]一种基于拟靶向代谢组学深度指纹实现细菌分类与鉴定的方法

说明书

本发明公开了一种基于拟靶向代谢组学深度指纹实现细菌分类与鉴定的方法。对待鉴别的样品进行前处理，对处理后的样品进行代谢轮廓的采集，采集的数据经过归一化处理后，利用处理后的图谱进行细菌的鉴别。1、本方法只需要代谢物的提取过程，相比PCR技术，不需要等温扩增等步骤大大减少了检测时间，快速给出鉴别结果；2、本方法在采集方法和数据库建立成功后，不再需要高分辨质谱的参与，可以直接利用三重四级杆质谱，不但提高了数据质量和稳定性，而且降低了检测和仪器维护成本，更有利于大规模应用；3、代谢组与表型直接相关，加上质谱的高灵敏性，大大放大了菌株间的细微差异，可以更有效的实现菌株的鉴定和分类。

技术领域：

本发明涉及分析化学领域、代谢组学领域、深度学习领域以及细菌的分类与鉴定领域，涉及一种基于拟靶向代谢组学技术与深度学习技术结合实现菌种的鉴定与分类的新方法。

背景技术：

代谢组学以一种整体的形式在分析生物系统的化学多样性方面已被证实是一种有力的工具，且其与表型直接相关，能更灵敏的反应不同物种间的细微差异。常规的代谢组学分析策略主要有非靶向和靶向两种，前者一般使用高分辨质谱获得丰富的代谢物信息，但存在数据复杂、重复性差、线性范围窄等缺点；后者一般使用三重四极杆质谱，数据质量有很大提高，但通常只检测已知代谢物，覆盖度低。针对上述特点，拟靶向代谢组学的概念被提出，目前该方法已被延伸到液相色谱-质谱领域，该方法在建立之初，用高分辨质谱获取代谢物的离子对信息，而在实际样品分析时采用靶向的多反应检测(MRM)方式测量代谢物的丰度，方法覆盖度高、线性和重复性良好，且不需要标样来限定检测的代谢物。目前，高覆盖度的(半)定量代谢组学方法在生命科学各领域均受到重视，拟靶向方法将会起到越来越重要的作用。

自本世纪初以来，深度学习得到了迅速发展，如今在各个领域都展现出了最先进的表现。深度学习由大数据获取、并行和分布式计算能力以及复杂的训练算法发展而来，促进了图像识别、语音识别和自然语言处理等多个领域的重大进展。目前，在生物学领域的应用也越来越广泛，如生物标志物开发的中药领域、基因组学、转录组学、蛋白质组学、结构生物和化学。

食源性致病菌是危害人类健康的极其重要的问题，已确定的食源性疾病有250多种。。这些致病菌包括单核细胞增生李斯特菌、沙门氏菌、大肠埃希氏菌、金黄色葡萄球菌、肠球菌、小肠结肠炎耶尔森氏菌、蜡样芽孢杆菌等。食源性病原体可引起多种健康问题，例如重复性肠道感染、中枢神经系统疾病、关节炎、肾脏疾病和失明。开发灵敏、快速的方法来严格监测各种食源性致病菌是必要和紧迫的。这些致病菌中，部分遗传相关性较高的菌种，如志贺氏菌和大肠杆菌、苏云金芽孢杆菌和蜡状芽孢杆菌等，即使用MALDI-TOF-MS方法，也无法通过常规标准程序直接区分。此外，MALDI-TOF-MS方法分析样品所需的基板、仪器、仪器维护等均价格昂贵，大大增加了鉴定成本，不利于大规模应用。迄今为止，仍然缺乏对病原菌进行鉴定和分型的有效手段，需要新的稳健、快速和可靠的方法来检测病原体。

由于代谢组与表型直接相关，细微差异也可以显现出来，使其有望成为比MALDI-TOF-MS细菌鉴定和分类更有力的工具。已有研究报道，通过代谢组学模式识别筛选差异代谢物，建立了以生物标志物来进行病原体识别和快速检测的方法和通过代谢组学轮廓进行识别的两种有效方法，使得代谢组学技术可以成为食源性病原体和腐败微生物的检测与鉴定平台。然而，针对这两种方法，一方面筛选得到的生物标记物验证困难，对进一步用于鉴定的有效性评价也并未见报道；另一方面，以上分析方法都依赖于高分辨质谱，价格昂贵，维护成本高，使得其用于细菌鉴定和分类的成本大大提高，不利于其大规模应用。

发明内容：

本发明的目的是为了克服现有技术存在的缺陷，提供一种基于拟靶向代谢组学轮廓和深度学习实现细菌分类与鉴定的方法，其采用拟靶向代谢组学技术，用LC-QQQ-MS获取不同菌种的代谢轮廓，结合机器学习技术，实现细菌不同属，不同种，不同血清型以及耐药性菌株的识别和鉴定。

为了实现上述目的，本发明采用的技术方案如下：