本發(fā)明涉及生物信息學以及生物大數據分析領域，更具體地，涉及一種對食用轉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據分析和python語言的一種(通過攝入轉基因作物的哺乳動物的生理指標變化來)評估哺乳動物食用轉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：

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

2、目前評估食用轉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行毒理學實驗。如13周轉基因作物喂養(yǎng)大鼠或小鼠實驗，52周轉基因作物喂養(yǎng)食蟹猴實驗。實驗的基本流程包括檢測哺乳生物生理指標，如紅細胞濃度(rbc)、血清總膽固醇濃度等，方差分析各生理指標，判斷實驗組與對照組方差分析后各生理指標的差異顯著性等步驟，操作復雜且時間成本高；并且現(xiàn)有獨立的毒理學實驗并未對被檢測的生理指標進行系統(tǒng)性的歸類，同時只能得出食用轉基因玉米、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論；并且由于研究對象，檢測方法等實驗設計的不同，以及實驗數據樣本量有限，故單個研究的結論具有一定局限性[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)有評估食用轉基因作物哺乳動物健康的主要方法存在操作復雜，時間成本高和由實驗設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。

技術實現(xiàn)思路

1、為了克服現(xiàn)有利用單個毒理學實驗對哺乳動物食用轉基因作物后整體健康水平評估的局限性，以及滿足對轉基因作物食用安全性評估的需求，本發(fā)明解決了現(xiàn)有單個毒理學實驗評估中由實驗模式動物選擇、組別設計和樣本重復量有限等帶來的局限性，以及無法多指標定量評估的問題，提供了一個基于大數據分析和以python語言為底盤的綜合定量評估食用轉基因作物的哺乳動物健康水平的可視化系統(tǒng)。

2、根據本發(fā)明第一方面，提供了一種對食用轉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)將食用轉基因作物后哺乳動物生理指標根據轉基因作物的植物類型p和哺乳動物的動物類型a進行篩選，得到用于初始化的數組aa,p,n，包含n＝1,2,…n個指標；對每一個生理指標aa,p,n，建立包含密度函數權重的高斯混合分布；對每一個生理指標aa,p,n進行期望最大優(yōu)化，以此得到生理指標aa,p,n的混合概率密度分布；

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

5、(3)建立評估食用轉基因作物哺乳動物健康的算法模塊，包括：基于生理指標體系創(chuàng)建生理指標體系初始化文件，設置生理指標體系層級關系；建立三級得分的初始化分數存儲輸出結構體，得到對應轉基因作物的植物類型p和哺乳動物的動物類型a的輸入數組，與生理指標層級進行匹配，清洗為輸入數據結構ia,p；對食用轉基因作物后哺乳動物整體健康進行打分，并進一步根據得分對健康水平進行分級。

6、優(yōu)選地，所述密度函數權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pdf為，

8、

9、實驗組gm的pdf為，

10、

11、

12、其中，

13、j為aa,p,n指標中第j組記錄，j＝1,2,…ja,p,n；

14、μ為記錄j對應組別的均值；

15、σ為記錄j對應組別的方差；

16、θ為記錄對應正態(tài)分布參數包括μ和σ；

17、x為數據組別類型，為控制組k或實驗組gm；

18、ρa,p,n,j為選入與篩除控制密度函數，

19、

20、存在選取的權重為，

21、

22、其中，

23、為記錄j的組別x密度權重歸一化權重，滿足1；

24、記錄j對應組別x樣本密度權重根據實驗樣本量計算，定義為：

25、

26、滿足其中：為記錄j對應組別x的樣本數量。

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

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、以期望似然函數數值最優(yōu)解其最優(yōu)調控組合為最優(yōu)的混合分布參數得到生理指標aa,p,n的混合概率分布。

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

42、對pdf其cdf為，

43、

44、(2)對由子級構成且直接可測量變量進行多項式回歸擬合，確定權重；

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

46、

47、其中，

48、αml為對應變量擬合常數系數；

49、const.為擬合常數；

50、ε為極小數；

51、由此得到變量的權重矩陣

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

53、

54、對每一組上級維度與總分，根據混合分布或擬合加權，給出得分s；將得分進行轉換：

55、

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

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

58、食用轉基因作物后哺乳動物生理指標優(yōu)化模塊：用于將食用轉基因作物后哺乳動物生理指標根據轉基因作物的植物類型p和哺乳動物的動物類型a進行篩選，得到用于初始化的數組aa,p,n，包含n＝1,2,…n個指標；對每一個生理指標aa,p,n，建立包含密度函數權重的高斯混合分布；對每一個生理指標aa,p,n進行期望最大優(yōu)化，以此得到生理指標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數等級，將混合概率密度95％雙尾檢驗概率區(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：用于基于生理指標體系創(chuàng)建生理指標體系初始化文件，設置生理指標體系層級關系；建立三級得分的初始化分數存儲輸出結構體，得到對應轉基因作物的植物類型p和哺乳動物的動物類型a的輸入數組，與生理指標層級進行匹配，清洗為輸入數據結構ia,p；對食用轉基因作物后哺乳動物整體健康進行打分，并進一步根據得分對健康水平進行分級。

61、優(yōu)選地，對每一個生理指標aa,p,n進行期望最大優(yōu)化具體為：針對ρa,p,n,j在全域組合，共種組合內，求得全域最優(yōu)，即對數似然最??；

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指標中第j組記錄，j＝1,2,…ja,p,n；

70、μ為記錄j對應組別的均值；

71、σ為記錄j對應組別的方差；

72、θ為記錄對應正態(tài)分布參數包括μ和σ；

73、x為數據組別類型，為控制組k或實驗組gm；

74、ρa,p,n,j為選入與篩除控制密度函數，

75、

76、存在選取的權重為，

77、

78、其中，

79、為記錄j的組別x密度權重歸一化權重，滿足1；

80、記錄j對應組別x樣本密度權重根據實驗樣本量計算，定義為：

81、

82、滿足其中：為記錄j對應組別x的樣本數量。

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

84、(1)本發(fā)明建立了一種哺乳動物食用轉基因作物飼料后的生理指標數據集、集成的健康維度和生理指標體系、針對有限配對數組的健康水平分級和評估方法及人機交互可視化系統(tǒng)，方法包括：篩選和集成6個維度中的26個生理指標數據；創(chuàng)建針對有限配對數組的數據預處理模塊，包含：獲得生理指標全域最優(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個生理指標的三級得分數據輸出結構體，創(chuàng)建輸入數據結構體，獲得單個生理指分值及其在對應維度下的權重，獲得6個維度的等權加權，得出健康分級；構建人機交互可視化模塊，得到可視化分級評估結果。本發(fā)明解決了單一毒理學實驗中選擇不同模式動物、組別差異、指標不完善和樣本量少且重復量有限等局限性，提供了一個整合基于單一實驗獲得的有限配對原始實驗數據進行多元化健康指標的分級算法和評估及人機交互可視化系統(tǒng)。

85、(2)本發(fā)明提供了一個基于不同小樣本原始實化健康指標綜合定量分級算法，解決現(xiàn)階段多元化健康指標綜合定量評估的核心問題。本發(fā)明提供了一個基于大數據分析和python語言的針對食用轉基因作物哺乳動物整體健康的全自動評估打分的人機交互可視化系統(tǒng)，解決了現(xiàn)有毒理學實驗操作復雜、時間成本高和由實驗設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化健康指標綜合定量分級算法和人機交互可視化系統(tǒng)可以快速、綜合、定量評價食用轉基因食物后哺乳動物健康狀態(tài)，具有重要應用價值。

相關知識

一種基于肥胖度的糖尿病風險評估系統(tǒng)及評估方法專利
電子病歷系統(tǒng)功能應用水平分級評價方法及標準（試行）
哺乳動物
幾種母乳喂養(yǎng)過程的評估方法
健康評估——神經系統(tǒng)評估.ppt
新版電子病歷系統(tǒng)應用水平分級評價標準及管理辦法正式發(fā)布
健康評估╱神經系統(tǒng)的評估.ppt
作為飲食增補劑的植物碳水化合物組合物的制作方法
基于貢獻度評估的健康醫(yī)療數據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)應用水平分級評價工作要求

網址: 一種對食用轉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