买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京市疾病预防控制中心

摘要：本发明涉及一种志贺氏菌与致泻大肠埃希氏菌的区分鉴定方法，包括菌株培养、菌株样品处理、采集菌株的基质辅助激光解吸飞行时间质谱（MALDITOF‑MS）谱图，并利用模型分析，对志贺氏菌与致泻大肠埃希氏菌进行区分鉴定。本发明的鉴定方法准确、可靠，能够快速实现志贺氏菌与致泻大肠埃希氏菌的菌属或菌种的精确分类，具有极高的应用价值。

主权项：1.一种非诊断目的的志贺氏菌与致泻大肠埃希氏菌的区分鉴定方法，其特征在于，所述方法包括菌株培养、菌株样品处理、采集菌株的基质辅助激光解吸飞行时间质谱谱图，利用模型分析，对志贺氏菌与致泻大肠埃希氏菌进行区分鉴定；所述模型分析为，采用机器学习模型对志贺氏菌与致泻大肠埃希氏菌进行精准菌种区分；所述机器学习模型包括模拟Lasso回归模型、模拟岭回归模型或XGBoost模型；所述模拟Lasso回归模型是使用Python中的Scikit-learn库，在逻辑回归模型基础上，通过设置penalty='l1'和solver='saga'来模拟Lasso回归的特性，通过最大化似然函数并加入L1正则化项的损失函数来调整模型参数，L1正则化项的损失函数形式如公式（I）： （I）其中，yi是样本i的真实标签，是模型预测的标签概率，wj是第j个特征的系数，是正则化强度参数，n是样本数量，m是模型中的特征数量；将逻辑回归模型封装在OneVsRestClassifier中，每个类别菌株都有一个独立的二分类模型，预测各类别菌株的存在或缺失；所述模拟岭回归模型是使用Python中的Scikit-learn库，在逻辑回归模型基础上，通过设置penalty='l2'和solver='lbfgs'模拟岭回归的特性，并通过最小化带有L2范数惩罚的损失函数来控制模型复杂度和防止过拟合；其损失函数形式如公式（II）： （II）其中，yi是样本i的真实标签，是模型预测的标签概率，wj是第j个特征的系数，是正则化强度参数，n是样本数量，m是模型中的特征数量；将逻辑回归模型封装在OneVsRestClassifier中；在训练过程中，限制迭代次数，确保模型能在有限的迭代次数内收敛；所述XGBoost模型，是对XGBoost算法的学习率、决策树最大深度以及决策树数量进行优化，确定XGBoost模型的超参数值，learning_rate为0.1，max_depth为3，n_estimators为200。

全文数据：

权利要求：

百度查询： 北京市疾病预防控制中心 一种志贺氏菌与致泻大肠埃希氏菌的区分鉴定方法