【摘要】：在工業(yè)和醫(yī)學領域，細菌都是一種重要微生物，而研究其生長曲線特征對了解和利用微生物具有重要的指導意義。生長曲線的分析通常是利用數(shù)學模型來擬合細菌生長，估算出細菌的各種生長參數(shù)，并以此研究微生物的生長規(guī)律。研究發(fā)現(xiàn)，即使有些菌株的生長趨勢相似，不同的菌株間也存在著生長差異，因此在分析過程中需要改進已有的數(shù)學模型或者開發(fā)出新模型，進一步優(yōu)化分析方法，篩選并獲得有意義的生物學相關性的差異。
此外，由于近幾年人工智能的發(fā)展，使得機器學習算法被廣泛應用于科學研究的多個領域，特別是生物學范疇的多個研究方向。在此背景下，本文利用機器學習中的聚類分析算法，初步探究了作為模式微生物的大腸桿菌(Escherichia coli)及其基因組變異菌株在不同培養(yǎng)基條件下生長曲線聚類分析的可行性。首先，本文基于兩個變量，收集了一系列的生長曲線。變量一是菌株的基因組長度。本文選擇了基因組長度遞減的一系列的變異菌株，用來探究基因組變化對菌株生長模式的影響。變量二是培養(yǎng)菌株的培養(yǎng)基。
本文用三種不同成分的培養(yǎng)基，分析不同培養(yǎng)基對細菌生長模式的影響。然后本文通過Logistic模型分別擬合了每種培養(yǎng)基條件下不同長度基因組細菌的生長曲線，并分析模型擬合中得到的各參數(shù)的生物學意義。由于Logistic模型對大腸桿菌生長曲線衰亡期的擬合度程度不佳，為此本研究改進了Logistic模型。通過引入衰減率這一新參數(shù)，使其更好了擬合了大腸桿菌實際的生長曲線。與原始Logistic模型相比，改進后的模型擬合生長曲線有更好的擬合優(yōu)度以及更低的殘差平方和。利用該改進后的Logistic模型分析基因組長度遞減的大腸桿菌生長曲線的數(shù)據(jù)發(fā)現(xiàn)了衰減率和大腸桿菌基因組長度之間具有負相關性。該發(fā)現(xiàn)對研究不同長度基因組細菌的生長模式提供了新模型擬合的方法論。
此外，為了驗證不依賴細菌生長模型的聚類分析的可行性，本研究首次對大腸桿菌生長曲線使用了時間序列聚類分析，并且使用動態(tài)時間規(guī)整算法(DTW)和導數(shù)動態(tài)時間規(guī)整算法(DDTW)計算大腸桿菌生長曲線之間的相似度。根據(jù)相似度執(zhí)行自下而上的層次聚類。在此基礎上，研究中綜合使用四種常用的聚類評價指標評價聚類結(jié)果來選擇出最優(yōu)的聚類結(jié)果。結(jié)果表明，培養(yǎng)基相同的生長曲線可以有效地劃分到相同的簇。另外，為了使聚類評價指標選擇的最優(yōu)聚類結(jié)果更加符合生長曲線的實際生物學特征，本研究中還提出一個新的評價標準。
根據(jù)這一新標準，獲得的聚類結(jié)果具有更高的準確性。生長曲線的合理聚類表明，DTW和DDTW結(jié)合層次聚類算法可用于大腸桿菌細菌生長分析。聚類結(jié)果表明，培養(yǎng)基確定了大腸桿菌的某些特定生長模式。與基因組相比，培養(yǎng)基對大腸桿菌生長曲線的影響具有更高的優(yōu)先級。本研究呈現(xiàn)了聚類方法用于細菌生長曲線聚類的可行性，為分析其他細菌生長曲線提供了技術(shù)參考。
相關新聞推薦
2、藜麥和藍靛果酵母菌株篩選、培養(yǎng)、計數(shù)及混菌液態(tài)發(fā)酵工藝優(yōu)化（四）
3、基于可培養(yǎng)技術(shù)的古象牙病害微生物分離鑒定與抑菌劑篩選評價（三）