[发明专利]一种微生物组-代谢物组特征评价和分组的方法和系统

说明书

本发明提供了一种微生物组‑代谢物组特征评价和分组的方法和系统。该方法纳入代谢物特征数据、微生物特征数据、代谢组功能特征数据、微生物组功能特征数据作为输入数据，然后分析得到一系列关联对特征；预设相关性系数和显著性大小为阈值筛选各关联对特征，以筛选后的关联对为边，构建全局相关网络，计算网络节点特征的评价得分IIS；通过预设的IIS阈值，进一步筛选出枢纽特征；基于关系数据库，按照功能群对枢纽特征进行分组并确定关键功能群及其中关键的特征。该方法和系统可以识别各类疾病的代谢组‑微生物组中最为关键且具有系统生物学意义的特征以及这些特征的关联和分类情况，为研究各类疾病的双组学生物标志物提供新思路。

技术领域

本发明涉及生物信息处理技术领域，具体涉及一种微生物组-代谢物组特征评价和分组的方法和系统。

背景技术

代谢组和微生物组在人体中普遍存在相互作用。代谢图谱密切反映了微生物的组成和功能，代谢过程和表达同时又受到微生物组的反馈调控^[1]。目前，微生物组-代谢组特征评价和分组的方法多种多样，大部分为两个组学间的相关性分析和不同组别间的差异性分析。

相关性分析是指对2个或多个具备相关性的变量元素进行分析，从而衡量2个变量因素的相关密切程度。利用相关性分析进行关联变量的筛选是一种常用的科学研究策略。Pearson积相关是Karl Pearson定义的经典相关分析方法^[2]，它可以衡量两个数据集合是否在一条线上面，以此来衡量定距变量间的线性关系。Spearman秩相关^[3]是一种类似于Pearson积相关方法的非参数相关方法，通过利用单调方程评价两个统计变量的相关性。随着经典相关分析的广泛应用，在此基础上发展延伸出了很多的适用于不同数据类型的相关分析方法，比如SparCC^[4]和CCLasso^[5]，其是针对组分数据内部变量的相关性研究而产生的方法，它们能够更加精准的在该类数据集中找到关联对。最大信息系数(MIC)^[6]是一种非参数相关分析方法，用于衡量两个变量X和Y之间的线性或非线性关联的强度，常用于特征选择。

差异性分析是用于识别科学实验中实验组与对照组之间是否有差异以及差异是否显著的常用数据分析方法。差异性分析通常有三种方法，分别为方差分析(ANOVA)^[7]，T检验^[8]和卡方检验^[9]。ANOVA是用于两个及两个以上样本均数差别的显著性检验，通过分析研究不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。卡方检验通过统计样本的实际观测值与理论推断值之间的偏离程度来确定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。

虽然传统的方法促进了大量的代谢组-微生物组特征的鉴定和识别，对了解微生物和代谢对健康和疾病的影响具有一定的帮助。然而，这些研究结果的稳健性和可靠性仍存在一些问题有待解决。首先，通常的代谢组-微生物组研究可以得到大量显著差异和相关的特征，这使得无法准确确定可靠的特征，对后续进行特征研究造成一定的困难。其次，大部分研究都只关注单个分子标记物特征，忽略了代谢组-微生物组特征与功能的隶属关系，导致无法解释这些特征的系统生物学意义。另外，传统的差异分析过于强调实验组和对照组间的差异性，忽略了代谢组-微生物组特征的丰度变化情况，往往丰度变化明显的特征更为重要和关键。

因此，目前需要一种由差异性分析和相关分析得到的代谢组-微生物组特征组成的网络拓扑关系、代谢组-微生物组特征与功能的隶属关系以及代谢组-微生物组特征丰度组成的微生物组-代谢物组特征评价和分组的方法和系统来进一步识别各类疾病的代谢组-微生物组中更为关键且具有系统生物学意义的枢纽特征以及这些特征的分类情况，解决传统方法无法准确识别关键的代谢组-微生物组特征的问题，为研究各类疾病的生物标志物提供新思路新方法。

发明内容