一种基于肠道菌群波动的膳食纤维推荐系统

本发明属于膳食纤维推荐，尤其涉及一种基于肠道菌群波动的膳食纤维推荐系统。

背景技术：

1、目前的研究已经表明，摄入足够的膳食纤维对于维持健康的肠道功能，预防多种慢性疾病以及促进全身健康具有重要意义。虽然膳食纤维与人类健康之间存在密切关系，但其具体机制和膳食摄入指导仍然面临挑战。现有研究膳食纤维和疾病之间关系的技术大致分为以下几类：流行病学研究，临床试验，细胞和动物实验，代谢组学和微生物组学，分子生物学和基因组学等研究。这些方法存在周期长，人力需求大，经费开销高等问题，并且在解决重大疾病膳食摄入搭配和辅助药物治疗方面的问题也存在局限性。

2、现有技术的基于机器学习的膳食摄入推荐系统。该系统主要是通过患者提供的基本信息(如：年龄、性别、体重、身高等)和健康问题(如：糖尿病、高血压等)，然后利用机器学习算法，结合大量的医学文献和临床研究，为患者提供一些建议的膳食计划。但目前的膳食推荐系统，未考虑到微生物群落波动对于病人个性化膳食建议的重要性，可能会导致不恰当的饮食种类加重病人体内的炎症反应，从而增加病人的痛苦和治疗周期。现有技术存在的技术问题：

3、1.微生物群落波动的忽视：该技术虽然可以提供针对性的膳食建议，但它完全忽略了微生物群落的波动对健康的影响。。微生物群落与膳食之间存在密切的相互作用关系，而且微生物群落的组成和功能与人体健康密切相关。

4、2.缺乏个性化：现有技术主要是基于大量人群生理生化指标变化的平均数据，它无法为个体提供最佳的膳食建议，因为每个人的微生物群落结构都是独特的。(本研究关注的微生物波动也是基于大数据群体来的，这一点是否不能很好地支持本研究呢。能否从膳食纤维角度出发，大致修改如下)

5、2.数据集的局限性：该技术主要依赖传统的医学文献和临床研究，而这些研究没有涵盖到近几年比较关注的微生物群落研究。另外，一些现有的疾病与微生物的数据库，例如hmdad和disbiome数据库由于收录的对照组并非全是健康人群，无法精准确定病人的微生物差异波动变化谱。本研究在收集证据集时，除了利用pubmed等文献库加入最新的研究，还设置了一系列的过滤条件，例如对照组统一为健康人群，疾病组无实用其他药物或者抗生素等。另外也整合了hmdad和disbiome数据库，并对疾病的名称进行了统一化，排除冗余信息的存在。

6、3.分析方法的局限性：现有技术主要使用传统的机器学习算法，而没有利用更先进的生物信息学方法来进行更为深入的数据分析。尤其是在计算基于微生物波动下的膳食纤维和疾病之间的相似性方面，本研究采用一种度量菌群波动相似性的生物分类层级加权叠加计算方法及系统，利用微生物多层级的特点，更准确地评估不同层级之间的相似性，为特定疾病人群摄入膳食纤维进行科学的理论指导和合理的饮食搭配。

技术实现思路

1、针对现有技术存在的问题，本发明提供了一种基于肠道菌群波动的膳食纤维推荐系统。

2、本发明是这样实现的，一种基于肠道菌群波动的膳食纤维推荐系统，所述基于肠道菌群波动的膳食纤维推荐系统，具体包括：

3、数据收集模块，在pubmed,medline，web of science,embase文献库中收集并提取膳食纤维和微生物之间的文献，通过设置一系列筛选标准和去重处理，提取膳食纤维干预下的微生物波动数据集；结合hmdad和disbiome数据库和pubmed文献库，挑选利用健康人群作为对照的各个疾病状态下产生的微生物波动的数据进行去重提取，最终得到人类疾病状态下的微生物波动证据集；

4、数据分析模块，采用度量菌群波动相似性的生物分类层级加权叠加算法，利用多层级的菌群信息揭示膳食纤维和疾病间的相似性，构建以微生物扰动为背景的膳食纤维和疾病之间的网络图谱；

5、膳食指导模块，根据网络图谱，精确地为不同的病人提供特定的膳食摄入指导。

6、进一步，数据收集模块中膳食纤维文献筛选标准：仅选择随机对照临床试验rct实验；健康人群作为研究对象；干扰条件为膳食纤维的摄入；对照组可以是正常饮食模式，或者安慰剂，或者低剂量的同等膳食纤维；测量的结果为微生物的波动。

7、进一步，数据收集模块中疾病文献筛选标准：健康人群作为对照组，疾病组作为实验组；两组内的饮食模式无太大差异，组间的身体体征等无显著性差异；疾病组无服用外用药物或经历洗脱期；最终测定结果为微生物的波动。

8、进一步，数据分析模块的网络中包含122种疾病，32种膳食纤维。

9、进一步，膳食指导模块中膳食纤维引入的菌群波动与疾病发生引入的菌群波动整体相反，菌群波动总相似度小于0且统计学显著，则该膳食纤维有助于疾病状态的改善；膳食纤维引入的菌群波动与疾病发生引入的菌群波动整体相似，菌群波动总相似度大于0且统计学显著，则该膳食纤维不利于疾病状态的改善。

10、进一步，膳食指导模块中在特定的122种疾病状态下，建议食用的是具有显著性且呈现负相似性的膳食纤维；少摄入具有正相似性的膳食纤维。

11、本发明的另一目的在于提供一种基于肠道菌群波动的膳食纤维推荐系统的基于肠道菌群波动的膳食纤维推荐方法，该方法包括以下步骤：

12、步骤一，利用数据收集模块，在pubmed,medline,web of science,embase文献库中收集并提取膳食纤维和微生物之间的文献，通过设置一系列筛选标准和去重处理，提取膳食纤维干预下的微生物波动数据集；结合hmdad和disbiome数据库和pubmed文献库，挑选利用健康人群作为对照的各个疾病状态下产生的微生物波动的数据进行去重提取，最终得到人类疾病状态下的微生物波动证据集；

13、步骤二，利用数据分析模块，采用度量菌群波动相似性的生物分类层级加权叠加算法，利用多层级的菌群信息揭示膳食纤维和疾病间的相似性，构建以微生物扰动为背景的膳食纤维和疾病之间的网络图谱；

14、步骤三，利用膳食指导模块，根据网络图谱，精确地为不同的病人提供特定的膳食摄入指导。

15、本发明的另一目的在于提供一种基于肠道菌群波动的膳食纤维推荐系统为不同的病人提供特定的膳食纤维推荐的应用。

16、进一步，对于溃疡性结肠炎病人，不建议使用菊粉类的物质；可以使用axos，wg，rs2，walnut。

17、进一步，对于人群患病率比较高的疾病，如高血压，糖尿病(i型糖尿病，ii型糖尿病)，痛风，类风湿性关节炎，结肠炎等，我们推荐最适合食用和最不适合食用的膳食列表有:

18、

19、结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：

20、第一，本发明利用科研文献文本挖掘和统计分析，在多个文献库中收集膳食纤维摄入导致人体内菌群波动，疾病发生导致菌群波动的相关文献，旨在构建基于菌群波动相似性的膳食纤维与疾病的间接因果推断网络，解析复杂关系，为特定人群膳食摄入搭配和辅助药物治疗提供支持。

21、第二，本发明的网络利用现有文献库的证据信息，基于微生物波动模式构建了膳食纤维和疾病之间的网络，揭示了两者存在的复杂关系。为特定疾病状态下的膳食摄入提供了科学的理论指导和饮食搭配，也为辅助药物治疗疾病提供了强有力的证据支撑。

22、本发明的个性化的膳食指导有助于优化患者的营养摄入，维持肠道健康，减轻疾病症状，并改善治疗效果。同时，通过减少对不适当膳食纤维的摄入，还可以降低患者的不良反应风险。

23、第三，本发明的技术方案填补了国内外业内技术空白：

24、目前研究中构建饮食和疾病的网络大致有以下思路：基于饮食中富含的小分子物质的理化性质和化学结构，若具有相似的结构单元可推测其对该疾病会行使功能，例如inchi数据库。或通过食物中富含的小分子物质与对应的治疗药物作用的目标靶蛋白是否有重叠来判定为药物类似物，从而推测其对治疗疾病有治疗效果，例如nutrichem 2.0和foodisnet数据库。也有研究直接从文献中搜集作用的证据来构建食物和疾病之间的关联，例如nutrifd数据库。然而，这些数据库对饮食的定义范围比较笼统，缺乏对特定饮食种类的聚焦。此外，目前的研究往往从理化性质，基因表达，蛋白组学等角度进行分析，较少从微生物组的角度进行探讨。

25、本发明利用科研文献文本挖掘和统计分析，在多个文献库中聚焦于膳食纤维这类特定物质，并收集与其摄入导致人体内菌群波动的证据，以及疾病发生导致菌群波动的相关文献。从微生物菌群扰动角度确定膳食纤维和疾病之间的联系，并构建关联图谱，为特定病人的膳食搭配提供科学的理论指导，以帮助改善其微生物菌群的状态，并有助于疾病的管理和治疗。

26、第四，基于肠道菌群波动的膳食纤维推荐系统取得的显著技术进步包括以下几个方面：

27、1.数据收集和预处理：该系统在收集和提取关于膳食纤维和微生物之间关联的文献过程中，通过设置一系列筛选标准和去重处理，能够更加准确地获取膳食纤维干预下的微生物波动数据集。同时，结合hmdad和disbiome数据库以及pubmed文献库，该系统可以全面地收集各种疾病状态下的微生物波动数据，从而为后续分析提供可靠的数据来源。

28、2.深度分析和算法应用：该系统采用度量菌群波动相似性的生物分类层级加权叠加算法，能够从微生物分类水平上深入分析和量化不同疾病状态下微生物波动的相似性。这种算法的应用可以帮助系统更好地理解膳食纤维与肠道菌群及人体健康之间的复杂关系，为个体提供更加精准的膳食纤维摄入建议。

29、3.个性化膳食指导：根据上述分析结果，该系统能够为不同的病人提供特定的膳食摄入指导。这些指导基于网络图谱，能够更加准确地反映膳食纤维与不同疾病状态之间的关联。通过这种个性化的指导，系统可以帮助个体调整饮食以改善肠道菌群波动，从而促进肠道健康或辅助疾病治疗。

30、4.系统集成和自动化：该系统集成了数据收集、预处理、深度分析和个性化膳食指导等多个模块，能够自动化地完成一系列流程。这不仅可以提高工作效率，而且可以减少人为错误，提高推荐的准确性和可靠性。

31、这些显著的技术进步使得基于肠道菌群波动的膳食纤维推荐系统能够更加准确地为个体提供膳食纤维摄入建议，帮助他们改善肠道健康和辅助疾病治疗。