1.预测生物斑迹离体时间的方法,其特征在于:所述方法包括如下步骤:对生物体已知离体时间的不同离体时间生物斑迹样本进行测序获得所述样本的基因序列数据和/或所述样本的微生物序列数据,对所述基因序列数据和/或所述微生物序列数据进行数据分析得到所述样本的数据分析结果;使用循环神经网络对所述已知离体时间和数据分析结果进行提取,获得对所述离体时间预测有效的样本基因特征变量和/或样本的微生物otus特征变量;使用pca从所述基因特征变量和或所述otus特征变量中筛选出对所述离体时间预测更有效的重要基因特征变量和/或重要otus特征变量,基于所述重要基因特征变和/或重要otus特征变量获得对离体时间预测有效的重要基因和/或重要otus;提取所述重要基因的序列数据和/或所述重要otus的丰度数据,基于所述重要基因的序列数据和/或所述重要otus的丰度数据,使用lightgbm模型训练获得预测生物斑迹离体时间的模型,使用所述模型预测待预测生物斑迹样本的离体时间。
2.根据权利要求1所述的方法,其特征在于:所述生物斑迹样本为唾液样本或血液样本。
3.根据权利要求1或2所述的方法,其特征在于:所述测序为16sdna v4区的扩增子测序或转录组测序;所述样本的数据分析结果为所述样本的微生物的otu相对丰度信息或所述样本的基因序列信息和基因表达fpkm信息。
4.根据权利要求1-3中任一权利要求所述的方法,其特征在于:所述预测生物斑迹离体时间的模型的获得基于深度学习计算平台paddlepaddle1.8.3和机器学习计算工具sklearn.0.24.2实现。
5.预测生物斑迹离体时间的装置,其特征在于:
6.根据权利要求5所述的装置,其特征在于:所述生物斑迹样本为唾液样本或血液样本。
7.根据权利要求5或6所述的装置,其特征在于:所述基因序列数据为转录组测序数据;所述微生物序列数据为16sdna v4区的扩增子测序数据;所述数据分析结果为所述样本的微生物的otu相对丰度信息或所述样本的基因序列信息和基因表达fpkm信息。
8.一种存储有计算机程序的计算机可读存储介质,所述计算机程序使计算机建立如权利要求1-4中任一权利要求所述的方法的步骤或所述计算机程序使计算机建立如权利要求5-7中任一权利要求所述装置的模块。
9.存储有计算机程序的计算机可读存储介质,所述计算机程序使计算机执行如权利要求1-4中任一权利要求所述的方法的步骤或所述计算机程序使计算机执行如权利要求5-7中任一权利要求所述装置的模块的步骤。