人体微生态与消化系统疾病关联算法研究与应用

There is a strong correlation between human microecology and many diseases, such as digestive system diseases, immune system diseases, metabolic system diseases and so on. The interaction of some bacterial flora, virus and plasmids in the harmful bacteria in microecology, which affect the normal operation of the human digestive system and cause disease. So, it is of great significance to accurately identify the distribution, structure and dynamic function of bacteria, viruses and plasmids in patients. However, identification of virus infection in human cells and plasmids with virulence factors based on metagenomics data lack effective algorithms. At the same time, algorithms that can accurately identify abundance differences in microbial flora, viruses, and plasmids between patients and healthy controls, as well as differential analysis of metabolic functions, need further study. This project will further explore the relationship between human microecology and digestive system diseases through the recognition algorithm of virus and plasmid effective design; optimization of microbial abundance difference algorithm; building effective for metabolic network topology analysis; feature subset selection and voting method improved decision tree classifier, improve screening algorithm accuracy.

人体微生态与消化系统疾病、免疫系统疾病、代谢系统疾病等多种重大慢性疾病间有强相关性。微生态中某些细菌菌群、病毒以及有害细菌中的质粒相互作用，影响人体消化系统的正常运行，从而导致疾病。所以，精确鉴定出疾病患者体内微生物中菌群、病毒、质粒的种类分布、结构组成及其动态功能变化具有重要的意义。然而在宏基因组数据中，还缺乏对侵入人体细胞的病毒和带有毒力因子的质粒的有效识别算法。同时，能精确鉴定疾病患者与健康对照组之间微生物菌群、病毒、质粒丰度差异的算法，以及代谢功能差异分析还需要深入研究。本项目通过设计有效的病毒、质粒的识别算法；优化微生物丰度显著性差异算法；构建有效的便于拓扑分析的代谢网络；改进分类器中决策树的特征子集选择法则和投票法，提高筛查算法准确度，深入探讨人体微生态与消化系统疾病之间的关联性。

由于肿瘤微环境的异质性和复杂性，传统的肿瘤分类方法已经无法满足精准医学时代下肿瘤治疗的需求，复杂的肿瘤免疫微环境鉴别对病理提出了更高层次的要求，微生物群在诱导宿主免疫系统发挥重要作用，深入研究人体微生态与癌症患者肿瘤免疫微环境相互作用机制，对癌症的发生机制和影响肿瘤的生物标记物有更加深刻地认识。在本项目中，围绕肿瘤组织中的浸润细菌、病毒与浸润免疫细胞以及免疫相关基因三个方面研究肿瘤免疫亚型，实现了三个方面因素对胃肠癌肿瘤样本的免疫亚型进行分类预测的目的，促进和改善癌症的筛查和诊断手段；在基于基因表达谱估计免疫细胞比例方面，利用将粒子群算法（PSO）嵌入支持向量回归（SVR）算法对表达谱进行反卷积，提供了有较高准确性的估计免疫细胞比例的算法，对于分析腺瘤组织中的免疫细胞与组织微生物对肝癌的发生、发展的促进以及相互影响机制具有重要的意义；引入混合概率模型、零膨胀模型结合改进的负二项混合概率分布模型，提高微生物丰度和丰度差异性算法的准确性；通过网络算法，对高维数据有效降维，提高基于高维数据的预测结直肠癌的准确率，建立肿瘤多模态数据融合数学模型，探究不同肿瘤亚型的生物特征的差异性；构建人体肠道代谢关联网络模型，筛选与分析肠道菌群之间的协同作用与宿主的关系,找出疾病患者肠道内的核心致病菌群；提出新型药物-通路的搜索算法，探究通路对特定疾病的影响。上述成果对深入了解人体微生态与肿瘤免疫微环境相互作用机制、鉴定生物标记物提供重要的理论和工具。. 在本项目资助下，研究团队共发表学术论文19篇，授权国家发明专利2项，登记软件著作权1项。.