申请/专利权人：重庆大学

申请日：2024-02-06

公开（公告）日：2024-06-18

公开（公告）号：CN118212979A

主分类号：G16B20/00

分类号：G16B20/00;C12Q1/6851;G16B40/00

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本申请公开了一种基于机器学习的抗生素抗性基因灭活量化方法、系统，该方法利用机器学习拟合了抗性基因的序列信息、消毒工况和用定量聚合酶链反应测定的降解率以及用抗性转化活性测试测定的灭活率之间的相互关系，实现了对抗性基因在均相消毒工艺中降解率和灭活率的快速预测；并将降解率预测模型预测的抗性基因降解率作为灭活率预测模型的输入，实现两阶段模型的串联，并提供网页预测平台，开发了对抗性基因去除效果快速预测的实用工具，实现了在已知抗性基因序列信息和给定消毒工况下，对抗性基因去除效果快速准确的评估。

主权项：1.一种基于机器学习的抗生素抗性基因灭活量化方法，其特征在于，包括，S10，得到降解率预测的最优模型，包括以下步骤，S11：从已发表文献中收集利用qPCR技术测定均相消毒工艺下抗性基因降解率的研究；S12：从文献中收集已知或假设与抗性基因降解过程有关的参数，作为输入特征用以预测抗性基因降解率；S13：对数据集进行清洗处理，并对数据集进行划分，选取多种算法对模型进行训练，优化模型参数，去除不重要特征；S14：在同一算法的不同超参数搭配下，选取验证集上回归系数R2最高，均方根误差RMSE最小的超参数组合，作为该算法的最优模型；对于不同算法的最优模型，选取测试集上R2最高，RMSE最小的模型作为降解率预测的最优模型；S20，得到灭活率预测的最优模型，包括以下步骤，S21：从已发表文献中收集利用抗性转化活性测试测定均相消毒工艺下抗性基因灭活率的研究；S22：从文献中收集已知或假设与抗性基因灭活过程有关的参数，作为输入特征用以预测抗性基因灭活率；S23：对数据集进行清洗处理，并对数据集进行划分，选取多种算法对模型进行训练；S24：在同一算法的不同超参数搭配下，选取验证集上R2最高，RMSE最小的超参数组合，作为该算法的最优模型；对于不同算法的最优模型，选取测试集上R2最高，RMSE最小的模型作为失活率预测的最优模型；S30，所述将降解率预测模型与灭活率预测模型联用以对灭活率的预测阶段，包括以下步骤，S31：选取S14中的最佳降解率预测模型和S24中的最佳灭活率预测模型，用降解率预测模型的输出，即降解率的预测值，作为灭活率预测模型输入变量所需的降解率值，对抗性基因灭活率进行预测，从而实现降解率预测模型与灭活率预测模型的串联；S32：将S14中的最佳降解率预测模型和S24中的最佳灭活率预测模型串联并封装，并改写为网页端预测平台。

全文数据：

权利要求：

百度查询： 重庆大学 基于机器学习的抗生素抗性基因灭活量化方法、系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD