革兰氏阳性菌阳性血培养分离胶及化学试剂前处理方法

    公开(公告)号:CN107022596A

    公开(公告)日:2017-08-08

    申请号:CN201710414325.8

    申请日:2017-06-05

    CPC classification number: C12Q1/04 G01N2333/195

    Abstract: 一种革兰氏阳性菌阳性血培养分离胶及化学试剂前处理方法,抽取3.5ml血培养阳性液至3.5ml分离胶管中;把分离胶管放置到离心机中,离心机在4000g的离心力的作用下离心10min;在勿碰触分离胶管中的分离胶的表面菌膜的条件下对血培养阳性液进行吸弃上清;用1ml无菌双蒸水反复吹吸分离胶表面的菌膜5‑10次,以此来让菌膜悬浮在无菌双蒸水中形成菌悬液;获得的菌悬液通过化学试剂处理后进行直接MALDI‑TOF质谱鉴定,有效避免了现有技术中整个过程耗时长的缺陷。

    一种基因数据处理方法、装置、存储介质及电子设备

    公开(公告)号:CN118212987A

    公开(公告)日:2024-06-18

    申请号:CN202410628294.6

    申请日:2024-05-21

    Abstract: 本发明提供了一种基因数据处理方法、装置、存储介质及电子设备,涉及基因技术领域,该方法包括:获取待测样本的测序数据;对测序数据进行预处理,获得目标测序数据;将目标测序数据与物种数据库进行比对,获得目标物种序列数据集,对目标物种序列数据集进行序列组装,获得组装结果;对组装结果进行基因预测,获得基因预测结果;对各个基因预测结果进行去冗余处理,得到各个非冗余基因序列;将每个非冗余基因序列与耐药基因数据库进行比对,获得每个非冗余基因序列对应的注释结果;基于每个非冗余基因序列对应的注释结果在各个非冗余基因序列中确定出耐药基因序列。应用本发明实施例提供的方法,能够准确地确定出耐药基因序列。

    宏基因组病原识别的AI推荐方法、装置、设备及介质

    公开(公告)号:CN117238380A

    公开(公告)日:2023-12-15

    申请号:CN202311520926.9

    申请日:2023-11-15

    Abstract: 本申请公开了宏基因组病原识别的AI推荐方法、装置、设备及介质,涉及宏基因组病原技术领域,该方法包括:获取样本数据和样本数据的基因特征信息;将样本数据输入至推荐模型,在通过推荐模型的优化目标函数,得到与基因特征信息匹配度最高的模型参数后,基于样本数据、基因特征信息和模型参数对推荐模型进行训练,输出推荐结果,该推荐模型的模型算法为包括二阶导数的高维算法。由此,通过包含二阶导数的高维算法,能够避免当样本的数据集较为庞大,或,模型结构较为复杂时出现的可扩展性较差的问题,同时提升了宏基因组病原识别的人工智能推荐的准确度和灵敏度。

    一种预测克雷伯氏菌属对美罗培南敏感性的系统及方法

    公开(公告)号:CN115798574A

    公开(公告)日:2023-03-14

    申请号:CN202310065167.5

    申请日:2023-02-06

    Abstract: 本发明一种预测克雷伯氏菌属对美罗培南敏感性的系统及方法属于生物信息技术领域。所述系统包括:计算机可读存储介质,其上存储有计算机程序;所述计算机程序被处理器执行时实现一种Exp(‑k)幂值计算方法;所述Exp(‑k)幂值计算方法按下述计算步骤计算:S1:按下述公式I计算k值:公式I:;S2:求取以自然常数e为底数、以‑k为指数的Exp(‑k)幂值;其中C1‑C5分别为mphA、marA、Klebsiella pneumoniae KpnE、KPC‑1、floR基因在待预测的克雷伯氏菌属菌株中的拷贝数。采用本发明的预测方法和预测系统进行克雷伯氏菌属对美罗培南敏感性的预测的准确率约99.4%。

    病原微生物宏基因组生信分析参考品及其制备方法和应用

    公开(公告)号:CN114496085B

    公开(公告)日:2022-07-05

    申请号:CN202210392556.4

    申请日:2022-04-15

    Abstract: 本发明涉及一种病原微生物宏基因组生信分析参考品及其制备方法和应用,属于基因检测技术领域。该方法包括以下步骤:建立丰度分布模型:收集临床样本的宏基因组检测数据,建立自变量为测序序列数目因变量为相对丰度的高斯回归模型;标准化高通量测序数据生成:获取参考基因组序列,模拟生成每种微生物物种预定读长和预定测序错误率的高通量序列数据;Gamma‑泊松分布模型:以Gamma‑泊松分布模型拟合临床样本的宏基因组检测数据;参考品制备:以Gamma‑泊松分布模型随机产生一组模拟样本序列数据,并从标准化高通量测序数据中随机挑选相同数目的测序数据,即得。采用该方法得到的生信分析参考品,可全面地评估生物信息分析流程的灵敏度、特异度、召回率和准确性。

Patent Agency Ranking