山东检验检疫局完成的国家质检总局科技计划项目“基于人工神经网络的细菌生化鉴定系统”课题成果解决了以往细菌鉴定方法存在的费时费力、低效率、使用不灵活、算法缺陷等诸多问题,为进一步在人工神经网络算法基础上开发更全面的鉴定系统提供了理论基础和技术手段。 “基于人工神经网络的细菌生化鉴定系统”课题利用人工神经网络建立了新的细菌分类算法,结合计算机图像识别和可视化分析技术开发了细菌生化鉴定系统,并在以16S rRNA基因序列、脂肪酸组成、蛋白质组成为指标等方面建立人工神经网络用于细菌分类和鉴定进行了探索性研究。 “该课题在细菌分类算法、结果自动判读以及细菌鉴定多指标结合方面具有创新性。鉴定委员会一致认为,课题成果达到国际领先水平。”今年3月,在国家质检总局科技司委托召开的科研项目鉴定会上,专家对该课题给予了高度评价。 刻苦钻研建立细菌分类新算法 传统的细菌鉴定依靠生理生化表型特征的测定,然后查找手册、标准获得鉴定结果。细菌表型特征不稳定,容易受培养物的接种量、接种时期、培养条件等内外因素的影响,极易导致鉴定结果的错误。与表型相比,细菌基因型较为稳定,也成为细菌鉴定的主要方法之一。但是基因型通常只能根据特征基因完成特定种的鉴定或根据16S rRNA序列比对完成细菌属的水平以上的分类。随着计算机技术的发展,用计算机程序来分析细菌鉴定产生的大量数据成为可能。细菌鉴定结果通常采用“数值分类”方法来处理,现有的商业化细菌生化鉴定系统都是采用这种算法。可是,这种算法存在一些弊端:一是其理论基础是“贝叶斯理论”,需要满足各指标之间是“独立事件”,而实际上有些指标之间是“联锁”的。二是一个分类单元只能对应一种特征组合的菌,而实际上一种菌往往具有多种特征组合。三是商业化的鉴定系统只能单独处理生化结果、16S rRNA基因序列或脂肪酸组成等同一数据结构的指标,无法对这些不同数据结构的数据进行综合分析。 该成果发表在国际专业期刊《Journal of Microbiological Methods》(SCI收录,影响因子:2.161)上。这是细菌分类算法研究的一项重要进展,也标志着该研究成果跻身国际水平。该期刊的审稿专家评价到:“该研究的贡献在于整合了生化结果的算法。”“这种方法会吸引读者并对其提供帮助”。新算法具有如下优点:一是不受“贝叶斯理论”要求各鉴定指标之间 “独立事件”的限制。二是一个分类单元可以对应多种不同特征组合的菌。三是不仅可以处理概率分类矩阵,还可以处理其他类型的分类矩阵,例如:多态基因的二值矩阵、脂肪酸或蛋白质组成的百分数矩阵等。四是轻松实现批处理。只要将鉴定指标的结果构造成输入矩阵,在普通的家用或办公计算机上,只需不到一秒的时间就可以完成几百株菌的鉴定计算。 攻坚克难开发多功能鉴定软件 仅仅有了算法还不能解决细菌鉴定的实际问题,需要以高质量的细菌分类数据库和软件编程来实现算法。为此,课题组千方百计搜寻并开展实验获得细菌分类数据,自学MATLAB软件编程语言。经过多年努力,课题组终于在人工神经网络算法基础上,在MATLAB软件环境中编写了多个可以独立运行的软件界面来实现诸多细菌鉴定的功能:自动读取并分析生化鉴定卡的实验结果照片,三维可视化显示鉴定结果,建立了庞大的分类数据库,编程自动从genbank下载核酸序列组成本地数据库,生化鉴定结合16S rRNA序列比对进行综合分析,此外,还分别采用细菌脂肪酸组成数据(数据发表在《微生物学报》)和蛋白质组成数据(数据发表在SCI收录期刊《Current Microbiology》)建立人工神经网络用于细菌分类。相关软件申请了软件专利“一种基于人工神经网络的细菌生化鉴定系统”(申请号:201310173410.1)。 传统的生化鉴定是微生物分类的基准方法,但是由于菌株性状不稳定或培养基质量问题往往导致实验结果不理想。分子鉴定虽然相比传统生化鉴定准确,但是16S rDNA数据库中细菌种类还不完全,16S rDNA全长序列所包含的信息还不足以将细菌鉴定到种的水平。该课题开发的鉴定系统将生化鉴定与分子鉴定相结合,充分发挥了传统生化鉴定和分子鉴定两种技术的优点,并且分别建立了利用脂肪酸和蛋白质数据对细菌进行分类的人工神经网络,随着细菌脂肪酸和蛋白质数据的积累,日后也会将这两个指标引入鉴定系统。 开拓创新显现广阔应用前景 长期以来,细菌鉴定存在很多困难。该课题所开发的细菌鉴定系统的本质是把标准菌株生化试验结果、权威细菌鉴定手册等资料中的细菌生化鉴定特征以神经网络计算的方法表现出来,靠传统生化试验或商业化的鉴定卡获得生化结果,尝试多指标,鉴定过程通过人工神经网络计算实现,避免了人为判断带来的误差和错误,增强了其鉴定的可靠性,从而为细菌鉴定工作提供了灵活、方便和有效的方法,并且为进一步开发功能更为全面的细菌鉴定系统打下了基础。 该课题的相关成果引起微生物学专业人士的广泛关注。据统计,《人工神经网络细菌鉴定算法》一文发表后的最初两个月内,在国际专业期刊网站ScienceDirect的下载或浏览次数就达到109次。课题组选取基本功能的人工神经网络细菌鉴定系统转化为英文版本,在MATLAB交流中心(http://www.mathworks.com)提供下载。自上传文件以来,累计下载已达数百次。该交流中心用户多为欧美发达国家理工学科的研究人员,人工神经网络细菌鉴定系统在该交流中心的持续稳定下载标志着这一工具受到了广泛关注,扩大了该鉴定系统在专业领域内的影响。 课题组将这种方法用于水产品中分离的致病菌的鉴定,成功鉴定了进口冻带鱼中分离的非O1群霍乱弧菌、养殖大菱鲆的爱德华氏菌病和出血病的病原、进口龙虾中的麦氏弧菌等。鉴定系统应用后,反响良好,用户一致认为这是一种方便、快速、准确和低成本的鉴定方法。随着细菌分类数据的积累、分类指标的多样化,相信人工神经网络用于细菌鉴定的方法会日益完善,这种方法会在日常检测以及细菌调查等领域发挥重大作用,呈现出巨大的社会效益和经济效益。 |