(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211390373.5 (22)申请日 2022.11.08 (71)申请人 广西爱生 生命科技有限公司 地址 530201 广西壮 族自治区自由贸易试 验区南宁片区盘歌路4号碧园大厦B座 2层 (72)发明人 陈晓春　钟莲　覃涛　叶朋朋　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 贾瑞华 (51)Int.Cl. G16B 20/30(2019.01) G06Q 10/04(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06K 9/62(2022.01) (54)发明名称 一种肠道年龄预测方法和系统 (57)摘要 本发明涉及一种肠道 年龄预测方法和系统。 本发明通过采用肠道年龄标志菌筛选模型， 基于 不同年龄的肠道菌群数据能够得到肠道年龄标 志菌的特征， 然后， 采用肠道年龄预测模型根据 这一肠道年龄标志菌的特征能够得到肠道年龄 预测值， 不仅能够提高肠道年龄预测的准确率， 该方法还具有特征性好， 普适性强等优点， 而且 肠道年龄 可反映人体生理健康状态， 在大健康领 域具有较强的应用价 值。 权利要求书2页 说明书12页 附图4页 CN 115527608 A 2022.12.27 CN 115527608 A 1.一种肠道年龄预测方法， 其特 征在于， 包括： 获取待测样本； 所述待测样本包括： 基因测序数据和年龄信息； 对所述待测样本进行预处理得到不同年龄的肠道菌群数据； 所述肠道菌群数据包括： 肠道菌群特 征和肠道菌群相对丰度； 将所述不同年龄的肠道菌群数据输入至肠道年龄标志菌筛选模型得到肠道年龄标志 菌的特征； 所述肠道年龄标志菌筛选模型为基于训练好的深度学习分类模 型构建的筛选模 型； 将所述肠道年龄标志菌的特征输入至肠道年龄预测模型得到肠道年龄预测值； 所述肠 道年龄预测模型为训练好的深度学习回归 模型。 2.根据权利要求1所述的肠道年龄预测方法， 其特征在于， 所述对所述待测样本进行预 处理得到肠道菌群数据， 具体包括： 获取所述待测样本 中不同年龄的属水平肠道菌群， 并计算所述属水平肠道菌群的相对 丰度； 所述属水平肠道菌群的相对丰度为所述属水平肠道菌群的绝对丰度占所述待测样本 中所有肠道菌群的绝对丰度的比例； 绝对丰度是指肠道菌群的数量； 筛除所述属水平肠道菌群中不符合相对丰度阈值范围的肠道菌群得到预处理肠道菌 群数据； 确定肠道菌群相对丰度； 所述肠道菌群相对丰度为所述预处理肠道菌群数据的相对丰 度占所述样本数据中剩余肠道菌群的相对丰度之和的比例； 筛除所述待测样本中肠道菌群相对丰度不符合所述相对丰度阈值范围的肠道菌群得 到所述肠道菌群数据。 3.根据权利要求1所述的肠道年龄预测方法， 其特征在于， 所述将所述肠道菌群数据输 入至肠道年龄标志菌 筛选模型得到肠道年龄标志菌的特 征， 之前还 包括： 构建深度学习分类模型； 所述深度学习分类模型包括： 输入层、 隐含层和输出层； 获取样本数据， 并对所述样本数据进行 预处理得到肠道菌群数据； 采用年龄间隔分类法基于所述肠道菌群数据生成标记数据； 采用所述标记数据训练所述深度学习分类模型 得到训练好的深度学习分类模型。 4.根据权利要求3所述的肠道年龄预测方法， 其特征在于， 所述采用年龄间隔分类法基 于所述肠道菌群数据生成标记数据， 具体包括： 按年龄间隔1岁、 3岁或5岁为标记划分所述样本数据得到初始标记数据； 将所述初始标记数据输入至所述深度 学习分类模型得到肠道年龄特征菌群， 并记录初 始标记数据的分类模型准确率； 基于所述肠道年龄特 征菌群利用机器学习计算每 个肠道年龄特 征菌的特 征权重； 将所述初始标记数据中的肠道年龄特 征菌群按特 征权重由高到低进行排序； 逐次剔除序列中特征权重居于末位的肠道年龄特征菌， 并进行i 次迭代， 依次将得到的 肠道年龄特征菌群数据集gi导入所述深度学习分类模型， 记录肠道年龄特征菌群数据集gi 的分类模型准确率， 对比初始标记数据的分类模型准确率与肠道年龄特征菌群数据集gi的 分类模型准确率， 绘制折线图并得到分类模型准确率差值， 根据分类模型准确率差值， 选取 分类模型准确率最高且肠道年龄特征菌数目最少的肠道年龄特征菌群数据集gi作为初始 标记数据的标志， 肠道年龄特征菌群数据集gi所含肠道年龄特征菌群作为1岁年龄间隔分权　利　要　求　书 1/2 页 2 CN 115527608 A 2类的肠道年龄特征菌群、 3岁年龄间隔分类的肠道年龄特征菌群或5岁年龄间隔分类的肠道 年龄特征菌群； 取1岁年龄间隔分类的肠道年龄特征菌群、 3岁年龄间隔分类的肠道年龄特征菌群和5 岁年龄间隔分类的肠道年龄特 征菌群的交集作为所述标记数据。 5.根据权利要求1所述的肠道年龄预测方法， 其特征在于， 所述将所述不同年龄的肠道 菌群数据输入至肠道年龄标志菌 筛选模型得到肠道年龄标志菌的特 征， 具体包括： 将所述不同年龄的肠道菌群数据输入至训练好的深度学习分类模型得到肠道年龄特 征菌的特 征权重和第一模型分类准确率； 基于所述肠道年龄特征菌的特征权重确定每个肠道年龄特征菌在所述肠道菌群数据 中的重要性； 依据所述重要性将肠道年龄特 征菌群进行降序排列得到 菌群序列； 剔除所述菌群序列中末位的肠道年龄特 征菌得到新的肠道年龄特 征菌群数据集； 将所述肠道年龄特征菌群数据集输入至所述训练好的深度学习分类模型得到第二模 型分类准确率； 返回执行“剔除所述菌群序列中末位的肠道年龄特征菌得到新的肠道年龄特征菌群数 据集”并进行i次迭代， 对比每次迭代过程中所述第一模型分类准确率和所述第二模型分类 准确率得到准确率差值； 基于所述准确率差值选取模型分类准确率最高且肠道年龄特征菌数量最少的肠道年 龄特征菌群作为所述肠道年龄标志菌群， 并将所述肠道年龄标志菌群输入至所述训练好的 深度学习分类模型 得到所述肠道年龄标志菌的特 征。 6.一种肠道年龄预测系统， 其特 征在于， 包括： 样本获取模块， 用于获取待测样本； 所述待测样本包括： 基因测序数据和年龄信息； 预处理模块， 用于对所述待测样本进行预处理得到不同年龄的肠道菌群数据； 所述肠 道菌群数据包括： 肠道菌群特 征和肠道菌群相对丰度； 特征权重确定模块， 用于将所述不同年龄的肠道菌群数据输入至肠道年龄标志菌筛选 模型得到肠道年龄标志菌的特征； 所述肠道年龄标志菌筛选模型为基于训练好的深度学习 分类模型构建的筛 选模型； 肠道年龄预测模块， 用于将所述肠道年龄标志菌的特征输入至肠道年龄预测模型得到 肠道年龄预测值； 所述肠道年龄预测模型为训练好的深度学习回归 模型。权　利　要　求　书 2/2 页 3 CN 115527608 A 3