一种预测克雷伯氏菌属对头孢西丁敏感性的系统及方法

    公开(公告)号:CN115862730B

    公开(公告)日:2023-06-02

    申请号:CN202310065401.4

    申请日:2023-02-06

    Abstract: 本发明一种预测克雷伯氏菌属对头孢西丁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ramA、sul1、KPC‑1、DHA‑1、bleomycin resistance determinant基因分别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头孢西丁敏感性的预测的准确率约94.7%。

    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:CN115798574B

    公开(公告)日:2023-06-02

    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%。

    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。

    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:CN114496085A

    公开(公告)日:2022-05-13

    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