本發(fā)明涉及生物信息學(xué)以及生物大數(shù)據(jù)分析領(lǐng)域，更具體地，涉及一種對食用轉(zhuǎn)基因作物哺乳動物健康水平的分級方法及評估系統(tǒng)，特別是涉及基于大數(shù)據(jù)分析和python語言的一種(通過攝入轉(zhuǎn)基因作物的哺乳動物的生理指標(biāo)變化來)評估哺乳動物食用轉(zhuǎn)基因作物后的健康水平并對之分級的方法及系統(tǒng)。

背景技術(shù)：

1、轉(zhuǎn)基因作物因其增強(qiáng)的抗逆能力和更高的產(chǎn)量，在全球糧食危機(jī)中顯示出巨大的潛力，為確保轉(zhuǎn)基因(gm)作物的高質(zhì)量大規(guī)模應(yīng)用，針對其營養(yǎng)價值和毒理學(xué)安全全面的評估至關(guān)重要。在各種轉(zhuǎn)基因作物中，轉(zhuǎn)基因玉米(例如dbn9936和ruifeng 125/bt玉米)可增加16.4％的產(chǎn)量，轉(zhuǎn)基因水稻(例如ipa1-pro10)可增加15.9％的產(chǎn)量，轉(zhuǎn)基因大豆(例如ric1a/2a)可增加20％以上的產(chǎn)量。上述三種轉(zhuǎn)基因作物在作為主食和飼料方面具有重要作用，當(dāng)這些轉(zhuǎn)基因作物被用作哺乳動物和人類的食品供應(yīng)時，人們對這些轉(zhuǎn)基因作物及其副產(chǎn)品安全性(尤其是對人類和動物健康的影響)仍存在擔(dān)憂。

2、目前評估食用轉(zhuǎn)基因作物哺乳動物健康的主要方法是利用模式哺乳動物進(jìn)行毒理學(xué)實(shí)驗(yàn)。如13周轉(zhuǎn)基因作物喂養(yǎng)大鼠或小鼠實(shí)驗(yàn)，52周轉(zhuǎn)基因作物喂養(yǎng)食蟹猴實(shí)驗(yàn)。實(shí)驗(yàn)的基本流程包括檢測哺乳生物生理指標(biāo)，如紅細(xì)胞濃度(rbc)、血清總膽固醇濃度等，方差分析各生理指標(biāo)，判斷實(shí)驗(yàn)組與對照組方差分析后各生理指標(biāo)的差異顯著性等步驟，操作復(fù)雜且時間成本高；并且現(xiàn)有獨(dú)立的毒理學(xué)實(shí)驗(yàn)并未對被檢測的生理指標(biāo)進(jìn)行系統(tǒng)性的歸類，同時只能得出食用轉(zhuǎn)基因玉米、水稻和大豆對哺乳動物的整體健康沒有不良影響的定性結(jié)論；并且由于研究對象，檢測方法等實(shí)驗(yàn)設(shè)計的不同，以及實(shí)驗(yàn)數(shù)據(jù)樣本量有限，故單個研究的結(jié)論具有一定局限性[http://doi.org/10.1016/j.fct.2009.06.014；http://doi.org/10.1016/j.yrtph.2021.105091；http://doi.org/10.1021/acs.jafc.2c07142]。

3、綜上，現(xiàn)有評估食用轉(zhuǎn)基因作物哺乳動物健康的主要方法存在操作復(fù)雜，時間成本高和由實(shí)驗(yàn)設(shè)計和樣本量有限帶來的局限性，以及無法系統(tǒng)、定量評估等問題。在轉(zhuǎn)基因作物大規(guī)模商業(yè)化種植前存在對食用其對哺乳動物整體健康狀況自動化、綜合、系統(tǒng)且定量評估的需求。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有利用單個毒理學(xué)實(shí)驗(yàn)對哺乳動物食用轉(zhuǎn)基因作物后整體健康水平評估的局限性，以及滿足對轉(zhuǎn)基因作物食用安全性評估的需求，本發(fā)明解決了現(xiàn)有單個毒理學(xué)實(shí)驗(yàn)評估中由實(shí)驗(yàn)?zāi)Ｊ絼游镞x擇、組別設(shè)計和樣本重復(fù)量有限等帶來的局限性，以及無法多指標(biāo)定量評估的問題，提供了一個基于大數(shù)據(jù)分析和以python語言為底盤的綜合定量評估食用轉(zhuǎn)基因作物的哺乳動物健康水平的可視化系統(tǒng)。

2、根據(jù)本發(fā)明第一方面，提供了一種對食用轉(zhuǎn)基因作物哺乳動物健康水平的分級方法，包括以下步驟：

3、(1)將食用轉(zhuǎn)基因作物后哺乳動物生理指標(biāo)根據(jù)轉(zhuǎn)基因作物的植物類型p和哺乳動物的動物類型a進(jìn)行篩選，得到用于初始化的數(shù)組aa,p,n，包含n＝1,2,…n個指標(biāo)；對每一個生理指標(biāo)aa,p,n，建立包含密度函數(shù)權(quán)重的高斯混合分布；對每一個生理指標(biāo)aa,p,n進(jìn)行期望最大優(yōu)化，以此得到生理指標(biāo)aa,p,n的混合概率密度分布；

4、(2)定義安全評估分?jǐn)?shù)等級，將混合概率密度95％雙尾檢驗(yàn)概率區(qū)間定義為評分健康區(qū)間，完成評分系統(tǒng)初始化；

5、(3)建立評估食用轉(zhuǎn)基因作物哺乳動物健康的算法模塊，包括：基于生理指標(biāo)體系創(chuàng)建生理指標(biāo)體系初始化文件，設(shè)置生理指標(biāo)體系層級關(guān)系；建立三級得分的初始化分?jǐn)?shù)存儲輸出結(jié)構(gòu)體，得到對應(yīng)轉(zhuǎn)基因作物的植物類型p和哺乳動物的動物類型a的輸入數(shù)組，與生理指標(biāo)層級進(jìn)行匹配，清洗為輸入數(shù)據(jù)結(jié)構(gòu)ia,p；對食用轉(zhuǎn)基因作物后哺乳動物整體健康進(jìn)行打分，并進(jìn)一步根據(jù)得分對健康水平進(jìn)行分級。

6、優(yōu)選地，所述密度函數(shù)權(quán)重的高斯混合分布的建立方法，包括：

7、定義控制組k概率密度函數(shù)pdf為，

8、

9、實(shí)驗(yàn)組gm的pdf為，

10、

11、

12、其中，

13、j為aa,p,n指標(biāo)中第j組記錄，j＝1,2,…ja,p,n；

14、μ為記錄j對應(yīng)組別的均值；

15、σ為記錄j對應(yīng)組別的方差；

16、θ為記錄對應(yīng)正態(tài)分布參數(shù)包括μ和σ；

17、x為數(shù)據(jù)組別類型，為控制組k或?qū)嶒?yàn)組gm；

18、ρa(bǔ),p,n,j為選入與篩除控制密度函數(shù)，

19、

20、存在選取的權(quán)重為，

21、

22、其中，

23、為記錄j的組別x密度權(quán)重歸一化權(quán)重，滿足1；

24、記錄j對應(yīng)組別x樣本密度權(quán)重根據(jù)實(shí)驗(yàn)樣本量計算，定義為：

25、

26、滿足其中：為記錄j對應(yīng)組別x的樣本數(shù)量。

27、優(yōu)選地，步驟(1)中，對每一個生理指標(biāo)aa,p,n進(jìn)行期望最大優(yōu)化具體為：針對ρa(bǔ),p,n,j在全域組合，共種組合內(nèi)，求得全域最優(yōu)，即對數(shù)似然最??；

28、

29、s.t.

30、

31、其中，

32、組別x的混合分布的均值和方差分別為，

33、

34、

35、最大期望似然函數(shù)定義為，

36、

37、

38、優(yōu)選地，步驟(1)中，aa,p,n的混合概率密度分布具體為：

39、以期望似然函數(shù)數(shù)值最優(yōu)解其最優(yōu)調(diào)控組合為最優(yōu)的混合分布參數(shù)得到生理指標(biāo)aa,p,n的混合概率分布。

40、優(yōu)選地，所述對食用轉(zhuǎn)基因作物后哺乳動物整體健康進(jìn)行打分，包括：

41、(1)對ia,p中每一個變量n，計算其累積概率密度函數(shù)cdf：

42、對pdf其cdf為，

43、

44、(2)對由子級構(gòu)成且直接可測量變量進(jìn)行多項式回歸擬合，確定權(quán)重；

45、(3)對第i個變量及其所有子級變量m＝1…m，分別取等長隨機(jī)數(shù)，依據(jù)：

46、

47、其中，

48、αml為對應(yīng)變量擬合常數(shù)系數(shù)；

49、const.為擬合常數(shù)；

50、ε為極小數(shù)；

51、由此得到變量的權(quán)重矩陣

52、(4)對虛擬變量維度等權(quán)混合下含子級m＝1…m，獲得虛擬變量分布；等權(quán)混合符合依據(jù)，

53、

54、對每一組上級維度與總分，根據(jù)混合分布或擬合加權(quán)，給出得分s；將得分進(jìn)行轉(zhuǎn)換：

55、

56、(5)根據(jù)得分對健康水平進(jìn)行分級，當(dāng)o處于80～100定義為健康狀態(tài)佳，當(dāng)o處于60～79定義為健康狀態(tài)良好，當(dāng)o處于6～59定義為亞健康狀態(tài)，當(dāng)o處于0～5定義為高風(fēng)險不健康狀態(tài)。

57、根據(jù)本發(fā)明另一方面，提供了一種對食用轉(zhuǎn)基因作物哺乳動物健康水平的評估系統(tǒng)，包括：

58、食用轉(zhuǎn)基因作物后哺乳動物生理指標(biāo)優(yōu)化模塊：用于將食用轉(zhuǎn)基因作物后哺乳動物生理指標(biāo)根據(jù)轉(zhuǎn)基因作物的植物類型p和哺乳動物的動物類型a進(jìn)行篩選，得到用于初始化的數(shù)組aa,p,n，包含n＝1,2,…n個指標(biāo)；對每一個生理指標(biāo)aa,p,n，建立包含密度函數(shù)權(quán)重的高斯混合分布；對每一個生理指標(biāo)aa,p,n進(jìn)行期望最大優(yōu)化，以此得到生理指標(biāo)aa,p,n的混合概率密度分布；

59、評分系統(tǒng)初始化模塊：用于定義安全評估分?jǐn)?shù)等級，將混合概率密度95％雙尾檢驗(yàn)概率區(qū)間定義為評分健康區(qū)間，完成評分系統(tǒng)初始化；

60、評估食用轉(zhuǎn)基因作物哺乳動物健康的算法建立模塊：用于基于生理指標(biāo)體系創(chuàng)建生理指標(biāo)體系初始化文件，設(shè)置生理指標(biāo)體系層級關(guān)系；建立三級得分的初始化分?jǐn)?shù)存儲輸出結(jié)構(gòu)體，得到對應(yīng)轉(zhuǎn)基因作物的植物類型p和哺乳動物的動物類型a的輸入數(shù)組，與生理指標(biāo)層級進(jìn)行匹配，清洗為輸入數(shù)據(jù)結(jié)構(gòu)ia,p；對食用轉(zhuǎn)基因作物后哺乳動物整體健康進(jìn)行打分，并進(jìn)一步根據(jù)得分對健康水平進(jìn)行分級。

61、優(yōu)選地，對每一個生理指標(biāo)aa,p,n進(jìn)行期望最大優(yōu)化具體為：針對ρa(bǔ),p,n,j在全域組合，共種組合內(nèi)，求得全域最優(yōu)，即對數(shù)似然最?。?/p>

62、

63、s.t.

64、

65、其中，

66、組別x的混合分布的均值和方差分別為，

67、

68、其中，

69、j為aa,p,n指標(biāo)中第j組記錄，j＝1,2,…ja,p,n；

70、μ為記錄j對應(yīng)組別的均值；

71、σ為記錄j對應(yīng)組別的方差；

72、θ為記錄對應(yīng)正態(tài)分布參數(shù)包括μ和σ；

73、x為數(shù)據(jù)組別類型，為控制組k或?qū)嶒?yàn)組gm；

74、ρa(bǔ),p,n,j為選入與篩除控制密度函數(shù)，

75、

76、存在選取的權(quán)重為，

77、

78、其中，

79、為記錄j的組別x密度權(quán)重歸一化權(quán)重，滿足1；

80、記錄j對應(yīng)組別x樣本密度權(quán)重根據(jù)實(shí)驗(yàn)樣本量計算，定義為：

81、

82、滿足其中：為記錄j對應(yīng)組別x的樣本數(shù)量。

83、總體而言，通過本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比，主要具備以下的技術(shù)優(yōu)點(diǎn)：

84、(1)本發(fā)明建立了一種哺乳動物食用轉(zhuǎn)基因作物飼料后的生理指標(biāo)數(shù)據(jù)集、集成的健康維度和生理指標(biāo)體系、針對有限配對數(shù)組的健康水平分級和評估方法及人機(jī)交互可視化系統(tǒng)，方法包括：篩選和集成6個維度中的26個生理指標(biāo)數(shù)據(jù)；創(chuàng)建針對有限配對數(shù)組的數(shù)據(jù)預(yù)處理模塊，包含：獲得生理指標(biāo)全域最優(yōu)混合概率分布，確定健康區(qū)間；建立評估哺乳動物健康算法，包含：創(chuàng)建6個維度26個生理指標(biāo)的三級得分?jǐn)?shù)據(jù)輸出結(jié)構(gòu)體，創(chuàng)建輸入數(shù)據(jù)結(jié)構(gòu)體，獲得單個生理指分值及其在對應(yīng)維度下的權(quán)重，獲得6個維度的等權(quán)加權(quán)，得出健康分級；構(gòu)建人機(jī)交互可視化模塊，得到可視化分級評估結(jié)果。本發(fā)明解決了單一毒理學(xué)實(shí)驗(yàn)中選擇不同模式動物、組別差異、指標(biāo)不完善和樣本量少且重復(fù)量有限等局限性，提供了一個整合基于單一實(shí)驗(yàn)獲得的有限配對原始實(shí)驗(yàn)數(shù)據(jù)進(jìn)行多元化健康指標(biāo)的分級算法和評估及人機(jī)交互可視化系統(tǒng)。

85、(2)本發(fā)明提供了一個基于不同小樣本原始實(shí)化健康指標(biāo)綜合定量分級算法，解決現(xiàn)階段多元化健康指標(biāo)綜合定量評估的核心問題。本發(fā)明提供了一個基于大數(shù)據(jù)分析和python語言的針對食用轉(zhuǎn)基因作物哺乳動物整體健康的全自動評估打分的人機(jī)交互可視化系統(tǒng)，解決了現(xiàn)有毒理學(xué)實(shí)驗(yàn)操作復(fù)雜、時間成本高和由實(shí)驗(yàn)設(shè)計和樣本量有限帶來的局限性，以及無法系統(tǒng)、定量評估等問題，滿足了對食用轉(zhuǎn)基因作物哺乳動物整體健康定量評估的需求。

86、(3)本發(fā)明提供的基于不同小樣本原始實(shí)化健康指標(biāo)綜合定量分級算法和人機(jī)交互可視化系統(tǒng)可以快速、綜合、定量評價食用轉(zhuǎn)基因食物后哺乳動物健康狀態(tài)，具有重要應(yīng)用價值。

相關(guān)知識

一種基于肥胖度的糖尿病風(fēng)險評估系統(tǒng)及評估方法專利
電子病歷系統(tǒng)功能應(yīng)用水平分級評價方法及標(biāo)準(zhǔn)（試行）
哺乳動物
幾種母乳喂養(yǎng)過程的評估方法
健康評估——神經(jīng)系統(tǒng)評估.ppt
新版電子病歷系統(tǒng)應(yīng)用水平分級評價標(biāo)準(zhǔn)及管理辦法正式發(fā)布
健康評估╱神經(jīng)系統(tǒng)的評估.ppt
作為飲食增補(bǔ)劑的植物碳水化合物組合物的制作方法
基于貢獻(xiàn)度評估的健康醫(yī)療數(shù)據(jù)要素收益分配方法及系統(tǒng)
二級公立醫(yī)院績效考核電子病歷系統(tǒng)應(yīng)用水平分級評價工作要求

網(wǎng)址: 一種對食用轉(zhuǎn)基因作物哺乳動物健康水平的分級方法及評估系統(tǒng) http://m.u1s5d6.cn/newsview1248773.html