本發(fā)明涉及生物信息數(shù)據(jù)處理領(lǐng)域，具體為一種基于肉牛腸型-宿主基因互作的靶向營(yíng)養(yǎng)源挖掘方法。
背景技術(shù)：
1、肉牛養(yǎng)殖是現(xiàn)代畜牧業(yè)的重要組成部分，也是人類獲取優(yōu)質(zhì)動(dòng)物蛋白的主要來(lái)源之一。在規(guī)模化養(yǎng)殖過(guò)程中，飼料轉(zhuǎn)化效率是決定養(yǎng)殖經(jīng)濟(jì)效益與資源利用率的核心指標(biāo)。隨著養(yǎng)殖產(chǎn)業(yè)向精細(xì)化方向發(fā)展，傳統(tǒng)的群體平均化飼喂模式忽略了肉牛個(gè)體在消化吸收能力與代謝特征上的差異，難以滿足現(xiàn)代養(yǎng)殖對(duì)生產(chǎn)性能最大化的需求?；诓煌瑏喨旱纳硖卣髌ヅ湎噙m應(yīng)的營(yíng)養(yǎng)方案，通過(guò)精準(zhǔn)調(diào)控提升肉牛的生長(zhǎng)性能，已成為飼料工程與動(dòng)物營(yíng)養(yǎng)領(lǐng)域的重要發(fā)展方向。
2、然而，現(xiàn)有的飼料營(yíng)養(yǎng)源開(kāi)發(fā)方法在實(shí)際應(yīng)用中存在明顯的技術(shù)局限。傳統(tǒng)的開(kāi)發(fā)模式主要依賴于大規(guī)模的動(dòng)物飼養(yǎng)試驗(yàn)，通過(guò)表型數(shù)據(jù)篩選有效成分，這種驗(yàn)證模式不僅周期長(zhǎng)、成本高，且由于缺乏對(duì)微觀作用機(jī)制的解析，篩選出的產(chǎn)品往往在不同遺傳背景的牛群中效果不穩(wěn)定。雖然高通量測(cè)序技術(shù)已被用于分析腸道微生物或宿主基因，但現(xiàn)有的分析方法主要基于單一維度的統(tǒng)計(jì)學(xué)關(guān)聯(lián)分析，即計(jì)算菌群豐度變化與表型數(shù)據(jù)的線性相關(guān)系數(shù)。這種基于統(tǒng)計(jì)學(xué)關(guān)聯(lián)的方法難以區(qū)分微生物與宿主之間的生物學(xué)因果關(guān)系與數(shù)值伴隨現(xiàn)象，容易引入虛假陽(yáng)性結(jié)果。更為關(guān)鍵的是，現(xiàn)有技術(shù)未能從分子物理層面驗(yàn)證微生物代謝產(chǎn)物是否具備與宿主細(xì)胞受體結(jié)合的空間結(jié)構(gòu)基礎(chǔ)，導(dǎo)致大量基于統(tǒng)計(jì)相關(guān)性篩選出的營(yíng)養(yǎng)物質(zhì)在實(shí)際應(yīng)用中因無(wú)法完成關(guān)鍵的分子信號(hào)轉(zhuǎn)導(dǎo)而失效，無(wú)法實(shí)現(xiàn)對(duì)宿主生長(zhǎng)性能的精準(zhǔn)調(diào)控。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于肉牛腸型-宿主基因互作的靶向營(yíng)養(yǎng)源挖掘方法，解決了上述背景技術(shù)的問(wèn)題。
2、為實(shí)現(xiàn)以上目的，本發(fā)明通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：一種基于肉牛腸型-宿主基因互作的靶向營(yíng)養(yǎng)源挖掘方法，包括以下步驟：s1.獲取肉牛群體的腸道微生物組測(cè)序數(shù)據(jù)及血液轉(zhuǎn)錄組測(cè)序數(shù)據(jù)，根據(jù)腸道微生物組測(cè)序數(shù)據(jù)構(gòu)建菌群豐度矩陣并計(jì)算樣本間的微生態(tài)距離，將肉牛群體聚類劃分為不同的營(yíng)養(yǎng)關(guān)聯(lián)腸型并提取每一營(yíng)養(yǎng)關(guān)聯(lián)腸型的核心指示菌屬；將營(yíng)養(yǎng)關(guān)聯(lián)腸型作為分組標(biāo)簽對(duì)血液轉(zhuǎn)錄組測(cè)序數(shù)據(jù)構(gòu)建共表達(dá)網(wǎng)絡(luò)，篩選與特定營(yíng)養(yǎng)關(guān)聯(lián)腸型高度關(guān)聯(lián)的共表達(dá)特異性基因；s2.檢索微生物代謝通路數(shù)據(jù)庫(kù)中核心指示菌屬能夠合成的次級(jí)代謝產(chǎn)物，建立包含次級(jí)代謝產(chǎn)物化學(xué)結(jié)構(gòu)的配體分子數(shù)據(jù)集；獲取共表達(dá)特異性基因編碼蛋白的三維晶體結(jié)構(gòu)數(shù)據(jù)，提取蛋白活性結(jié)合位點(diǎn)的空間坐標(biāo)參數(shù)；s3.將配體分子數(shù)據(jù)集中的化學(xué)結(jié)構(gòu)映射至蛋白活性結(jié)合位點(diǎn)的空間坐標(biāo)參數(shù)范圍內(nèi)，執(zhí)行分子構(gòu)象搜索與吉布斯自由能計(jì)算，輸出結(jié)合能評(píng)分；根據(jù)結(jié)合能評(píng)分對(duì)配體分子數(shù)據(jù)集進(jìn)行親和力排序，選取結(jié)合能評(píng)分優(yōu)于預(yù)設(shè)閾值的代謝物分子確定為靶向調(diào)控共表達(dá)特異性基因的靶向效應(yīng)因子；s4.將靶向效應(yīng)因子作為檢索探針，在包含天然飼料原料成分及液質(zhì)聯(lián)用數(shù)據(jù)的特征庫(kù)中執(zhí)行遍歷匹配，篩選含有靶向效應(yīng)因子且含量滿足預(yù)設(shè)濃度的天然原料，生成針對(duì)營(yíng)養(yǎng)關(guān)聯(lián)腸型的靶向營(yíng)養(yǎng)源推薦列表。
3、進(jìn)一步地，獲取肉牛群體的腸道微生物組測(cè)序數(shù)據(jù)及血液轉(zhuǎn)錄組測(cè)序數(shù)據(jù)，根據(jù)腸道微生物組測(cè)序數(shù)據(jù)構(gòu)建菌群豐度矩陣并計(jì)算樣本間的微生態(tài)距離，將肉牛群體聚類劃分為不同的營(yíng)養(yǎng)關(guān)聯(lián)腸型并提取每一營(yíng)養(yǎng)關(guān)聯(lián)腸型的核心指示菌屬的具體過(guò)程如下：對(duì)腸道微生物組測(cè)序數(shù)據(jù)執(zhí)行序列降噪與特征聚類處理，生成包含物種分類信息的特征序列表，對(duì)特征序列表進(jìn)行累計(jì)和放縮歸一化計(jì)算，構(gòu)建反映物種在樣本中占比的菌群豐度矩陣；基于菌群豐度矩陣，通過(guò)詹森-香農(nóng)散度算法計(jì)算肉牛群體中樣本對(duì)之間的概率分布差異值，生成微生態(tài)距離矩陣，將微生態(tài)距離矩陣輸入圍繞中心點(diǎn)劃分聚類算法，通過(guò)計(jì)算輪廓系數(shù)確定最佳聚類數(shù)目，將肉牛群體劃分為營(yíng)養(yǎng)關(guān)聯(lián)腸型；遍歷營(yíng)養(yǎng)關(guān)聯(lián)腸型內(nèi)的樣本數(shù)據(jù)，計(jì)算菌屬在營(yíng)養(yǎng)關(guān)聯(lián)腸型中的出現(xiàn)頻率與平均相對(duì)豐度，將出現(xiàn)頻率與平均相對(duì)豐度均高于預(yù)設(shè)閾值的菌屬識(shí)別為核心指示菌屬。
4、進(jìn)一步地，將營(yíng)養(yǎng)關(guān)聯(lián)腸型作為分組標(biāo)簽對(duì)血液轉(zhuǎn)錄組測(cè)序數(shù)據(jù)構(gòu)建共表達(dá)網(wǎng)絡(luò)，篩選與特定營(yíng)養(yǎng)關(guān)聯(lián)腸型高度關(guān)聯(lián)的共表達(dá)特異性基因的具體過(guò)程如下：對(duì)血液轉(zhuǎn)錄組測(cè)序數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算基因表達(dá)量的相關(guān)系數(shù)矩陣，引入軟閾值功率參數(shù)將相關(guān)系數(shù)矩陣轉(zhuǎn)化為加權(quán)鄰接矩陣，進(jìn)一步計(jì)算反映基因連接緊密度的拓?fù)渲丿B矩陣；基于拓?fù)渲丿B矩陣通過(guò)層次聚類算法識(shí)別基因共表達(dá)模塊，計(jì)算基因共表達(dá)模塊的第一主成分作為模塊特征基因，計(jì)算模塊特征基因與作為二值化特征向量的營(yíng)養(yǎng)關(guān)聯(lián)腸型之間的相關(guān)性，篩選出相關(guān)性滿足預(yù)設(shè)顯著性標(biāo)準(zhǔn)的特異性模塊；在特異性模塊內(nèi)部計(jì)算基因與營(yíng)養(yǎng)關(guān)聯(lián)腸型的關(guān)聯(lián)顯著性，將關(guān)聯(lián)顯著性優(yōu)于篩選閾值的基因鎖定為共表達(dá)特異性基因。
5、進(jìn)一步地，檢索微生物代謝通路數(shù)據(jù)庫(kù)中核心指示菌屬能夠合成的次級(jí)代謝產(chǎn)物，建立包含次級(jí)代謝產(chǎn)物化學(xué)結(jié)構(gòu)的配體分子數(shù)據(jù)集的具體過(guò)程如下：將核心指示菌屬映射至微生物基因組數(shù)據(jù)庫(kù)，提取功能基因組信息并利用代謝通路數(shù)據(jù)庫(kù)重構(gòu)酶促反應(yīng)網(wǎng)絡(luò)，在酶促反應(yīng)網(wǎng)絡(luò)中追蹤底物與產(chǎn)物轉(zhuǎn)化路徑，識(shí)別位于代謝通路末端的次級(jí)代謝產(chǎn)物，剔除基礎(chǔ)生命活動(dòng)的初級(jí)代謝產(chǎn)物，生成潛在代謝物列表；檢索化學(xué)小分子結(jié)構(gòu)數(shù)據(jù)庫(kù)獲取潛在代謝物列表中次級(jí)代謝產(chǎn)物的化學(xué)結(jié)構(gòu)編碼文件，依據(jù)分子量上限及類藥性規(guī)則對(duì)化學(xué)結(jié)構(gòu)編碼文件進(jìn)行過(guò)濾，建立配體分子數(shù)據(jù)集。
6、進(jìn)一步地，獲取共表達(dá)特異性基因編碼蛋白的三維晶體結(jié)構(gòu)數(shù)據(jù)，提取蛋白活性結(jié)合位點(diǎn)的空間坐標(biāo)參數(shù)的具體過(guò)程如下：檢索生物大分子結(jié)構(gòu)數(shù)據(jù)庫(kù)，查詢與共表達(dá)特異性基因編碼序列匹配的蛋白質(zhì)晶體結(jié)構(gòu)文件，對(duì)蛋白質(zhì)晶體結(jié)構(gòu)文件進(jìn)行去水及電荷平衡預(yù)處理，利用幾何探針?biāo)惴⊕呙璧鞍妆砻妫R(shí)別具有特定體積特征的凹陷區(qū)域作為潛在活性結(jié)合位點(diǎn)；計(jì)算潛在活性結(jié)合位點(diǎn)的幾何中心坐標(biāo)，根據(jù)潛在活性結(jié)合位點(diǎn)的空間延展范圍設(shè)定三維空間限制參數(shù)，將幾何中心坐標(biāo)及三維空間限制參數(shù)組合輸出為蛋白活性結(jié)合位點(diǎn)的空間坐標(biāo)參數(shù)。
7、進(jìn)一步地，將配體分子數(shù)據(jù)集中的化學(xué)結(jié)構(gòu)映射至蛋白活性結(jié)合位點(diǎn)的空間坐標(biāo)參數(shù)范圍內(nèi)，執(zhí)行分子構(gòu)象搜索與吉布斯自由能計(jì)算，輸出結(jié)合能評(píng)分的具體過(guò)程如下：根據(jù)空間坐標(biāo)參數(shù)構(gòu)建三維親和力勢(shì)能格點(diǎn)矩陣，設(shè)定配體分子數(shù)據(jù)集中化學(xué)結(jié)構(gòu)的可旋轉(zhuǎn)化學(xué)鍵以保持分子柔性；通過(guò)全局優(yōu)化算法，在三維親和力勢(shì)能格點(diǎn)矩陣范圍內(nèi)對(duì)配體分子數(shù)據(jù)集中的化學(xué)結(jié)構(gòu)執(zhí)行半柔性構(gòu)象搜索，迭代計(jì)算配體與受體之間的范德華力、靜電相互作用力及氫鍵勢(shì)能，將迭代收斂后的最小能量值輸出為結(jié)合能評(píng)分。
8、進(jìn)一步地，根據(jù)結(jié)合能評(píng)分對(duì)配體分子數(shù)據(jù)集進(jìn)行親和力排序，選取結(jié)合能評(píng)分優(yōu)于預(yù)設(shè)閾值的代謝物分子確定為靶向調(diào)控共表達(dá)特異性基因的靶向效應(yīng)因子的具體過(guò)程如下：對(duì)構(gòu)象搜索產(chǎn)生的配體構(gòu)象進(jìn)行均方根偏差聚類分析，提取優(yōu)勢(shì)構(gòu)象簇的代表性結(jié)合模式；按照結(jié)合能評(píng)分?jǐn)?shù)值由低到高的順序?qū)ε潴w分子數(shù)據(jù)集進(jìn)行親和力排序，截取排名靠前且結(jié)合能評(píng)分低于預(yù)設(shè)能量閾值的候選分子；檢查候選分子與蛋白活性結(jié)合位點(diǎn)殘基的接觸情況，剔除存在空間位阻沖突的分子，將剩余分子確定為靶向效應(yīng)因子。
9、進(jìn)一步地，將靶向效應(yīng)因子作為檢索探針，在包含天然飼料原料成分及液質(zhì)聯(lián)用數(shù)據(jù)的特征庫(kù)中執(zhí)行遍歷匹配的具體過(guò)程如下：解析靶向效應(yīng)因子的化學(xué)結(jié)構(gòu)，預(yù)測(cè)靶向效應(yīng)因子在液相色譜-質(zhì)譜聯(lián)用檢測(cè)環(huán)境下的理論質(zhì)荷比及特征離子峰信息；遍歷包含天然飼料原料成分及液質(zhì)聯(lián)用數(shù)據(jù)的特征庫(kù)，檢索特征庫(kù)中各天然原料已知成分的二級(jí)質(zhì)譜信息；計(jì)算特征離子峰信息與二級(jí)質(zhì)譜圖譜數(shù)據(jù)之間的余弦相似度，將余弦相似度高于預(yù)設(shè)匹配標(biāo)準(zhǔn)的天然原料標(biāo)記為初步命中原料。
10、進(jìn)一步地，選含有靶向效應(yīng)因子且含量滿足預(yù)設(shè)濃度的天然原料，生成針對(duì)營(yíng)養(yǎng)關(guān)聯(lián)腸型的靶向營(yíng)養(yǎng)源推薦列表的具體過(guò)程如下：提取初步命中原料中對(duì)應(yīng)靶向效應(yīng)因子的色譜保留時(shí)間下的離子流峰面積，利用預(yù)置的標(biāo)準(zhǔn)曲線方程對(duì)離子流峰面積進(jìn)行積分運(yùn)算，計(jì)算靶向效應(yīng)因子在天然原料中的相對(duì)含量；將相對(duì)含量與預(yù)設(shè)濃度進(jìn)行數(shù)值比對(duì)，保留相對(duì)含量高于預(yù)設(shè)濃度的天然原料，獲取保留的天然原料的名稱、產(chǎn)地屬性及靶向效應(yīng)因子含量數(shù)據(jù)，按照含量高低順序生成靶向營(yíng)養(yǎng)源推薦列表。
11、本發(fā)明具有以下有益效果：
12、（1）一種基于肉牛腸型-宿主基因互作的靶向營(yíng)養(yǎng)源挖掘方法，通過(guò)構(gòu)建微生態(tài)與宿主基因的共表達(dá)耦合網(wǎng)絡(luò)，解決了現(xiàn)有技術(shù)因忽略樣本異質(zhì)性且僅依賴單一維度統(tǒng)計(jì)關(guān)聯(lián)導(dǎo)致靶點(diǎn)識(shí)別不精準(zhǔn)的問(wèn)題。本發(fā)明首先根據(jù)微生物組數(shù)據(jù)計(jì)算微生態(tài)距離并進(jìn)行聚類分型，將復(fù)雜的肉牛群體劃分為具有生物學(xué)共性的營(yíng)養(yǎng)關(guān)聯(lián)腸型，降低了微生態(tài)數(shù)據(jù)的背景噪聲；同時(shí)以營(yíng)養(yǎng)關(guān)聯(lián)腸型為分組標(biāo)簽構(gòu)建宿主基因共表達(dá)網(wǎng)絡(luò)，能夠精準(zhǔn)識(shí)別出在特定腸型環(huán)境下受到核心菌群驅(qū)動(dòng)的宿主特異性響應(yīng)基因。這種方法將微生物群落結(jié)構(gòu)與宿主基因表達(dá)網(wǎng)絡(luò)進(jìn)行了系統(tǒng)性耦合，提取了核心指示菌屬與共表達(dá)特異性基因，實(shí)現(xiàn)了從宏觀表型分類到微觀基因調(diào)控網(wǎng)絡(luò)的深度映射，確保了后續(xù)挖掘的代謝靶點(diǎn)具有明確的生物學(xué)互作基礎(chǔ)。
13、（2）一種基于肉牛腸型-宿主基因互作的靶向營(yíng)養(yǎng)源挖掘方法，通過(guò)引入分子構(gòu)象搜索與熱力學(xué)結(jié)合能計(jì)算，解決了現(xiàn)有技術(shù)缺乏物理層面有效性驗(yàn)證導(dǎo)致篩選結(jié)果假陽(yáng)性高及無(wú)法落地應(yīng)用的問(wèn)題。本發(fā)明不再單純依賴生物信息學(xué)的統(tǒng)計(jì)預(yù)測(cè)，而是提取宿主蛋白活性結(jié)合位點(diǎn)的空間坐標(biāo)參數(shù)，利用計(jì)算機(jī)模擬技術(shù)在原子水平上執(zhí)行分子構(gòu)象搜索與吉布斯自由能計(jì)算。這一過(guò)程從物理化學(xué)層面驗(yàn)證了代謝物與宿主受體之間的空間匹配度與結(jié)合親和力，有效剔除了雖然在統(tǒng)計(jì)上相關(guān)但物理上無(wú)法結(jié)合的無(wú)效分子。此外，通過(guò)將篩選出的靶向效應(yīng)因子與天然原料液質(zhì)聯(lián)用數(shù)據(jù)進(jìn)行遍歷匹配，直接輸出了含有有效成分且濃度滿足要求的天然原料方案，打通了從理論計(jì)算到飼料生產(chǎn)應(yīng)用的轉(zhuǎn)化路徑，顯著提高了新型營(yíng)養(yǎng)源開(kāi)發(fā)的成功率。
14、當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品并不一定需要同時(shí)達(dá)到以上所述的所有優(yōu)點(diǎn)。