检测系统具体实施例的结构方框图；
[0067] 图2为本发明肠道菌群的检测方法具体实施例一的流程图；
[0068] 图3为本发明所采用的取样装置具体实施例的剖视图及其局部放大图；
[0069] 图4为图3所示实施例的立体结构图；
[0070] 图5为图3所示实施例的收集容器和瓶塞装在一起的立体结构图；
[0071 ] 图6为图5的立体分解图。
[0072] 附图标记
[0073] 801 采集装置 802 分析处理装置
[0074] 803 存储装置 804 数据处理装置
[0075] 805 取样装置 806 输出装置
[0076] 901 采集步骤 902 分析处理步骤
[0077] 903 存储步骤 904 数据处理步骤
[0078] S 便携式取样装置10 取样部件
[0079] 11 手持部 12 取样部
[0080] 121 凸起部 13 过渡部
[0081] 131 外圆锥部 14 延长联接杆部
[0082] 19 下端面 20 收集组件
[0083] 21 固定座 211 中空腔
[0084] 212 下联接部 213 上联接部
[0085] 218 下空腔 219 内圆锥部
[0086] 22 收集容器 30 瓶塞
[0087] 31 塞入部 32 盖合部
[0088] 33 拨动部 221 上端面
【具体实施方式】
[0089] 为了更充分理解本发明的技术内容，下面结合具体实施例对本发明的技术方案进 一步介绍和说明，但不局限于此。
[0090] 如图1所示，本发明肠道菌群的检测系统，包括：用于采集肠道菌群信息的采集装 置801 ;对采集到的肠道菌群信息进行放大处理以获得每次个体检测时的肠道菌群数据的 分析处理装置802 ;用于存储肠道菌群数据的存储装置803 ;用于将每次采集个体的肠道菌 群数据与存储装置803中的肠道菌群总数据进行比较的数据处理装置804。其中，采集装置 801设有输出端与分析处理装置802连接并将采集结果传输至分析处理装置802,分析处理 装置802设有输出端与存储装置803连接并将处理结果发送至存储装置803,数据处理装置 804分别与分析处理装置802、存储装置803连接并对二者的相关联数据进行比较判断。
[0091] 还包括用于收集含有肠道菌群的样本的取样装置805和用于将数据处理装置804 的比较结果进行显示或打印的输出装置806 (比如显示器或打印机）。其中的采集装置801 为标本采集装置。
[0092] 如图2所示，本发明一种肠道菌群的检测方法的实施例一，包括以下步骤：
[0093] 用于采集肠道菌群信息的采集步骤901 ;
[0094] 对采集到的肠道菌群信息进行放大处理以获得每次个体检测时的肠道菌群数据 的分析处理步骤902 ;
[0095] 用于存储肠道菌群数据的存储步骤903 ;
[0096] 用于将每次采集个体的肠道菌群数据与存储装置中的肠道菌群总数据进行比较 的数据处理步骤904。
[0097] 其中，分析处理步骤902是利用基因检测技术包括但不限于测序技术，PCR技术， 对肠道标本（包括但不限于粪便）进行核酸提取检测，获得供生物信息学分析的核酸信息。 核酸信息包括但不限于PCR定量结果、核酸序列信息等，如数量不等的以下序列若干条：
[0098] TAGGGAATCTTCCACAATGGACGCAAGTCTGATGGAGCAACGCCGCGTGAGTGAAGAAGGGTTTCGG CTCGTAAAGCTCTGTTGTTGGTGAAGAAGGACAGGGGTAGTAACTGACCTTTGTTTGACGGTAATCAATTAGAAA GTCACGGCTAACTACGTGCCAGCAGCCGCGGTAATACGTAGGTGGCAAGCGTTGTCCGGATTTATTGGGCGTAAA GCGAGTGCAGGCGGCTCGATAAGTCTGATGTGAAAGCCTTCGGCTCAACCGGAGAATTGCATCAGAAACTGTCGA GCTTGAGTACAGAAGAGGAGAGTGGAAC 〇
[0099] 分析处理步骤是利用基因检测平台，对肠道样品进行核酸提取检测的数据产出步 骤；数据产出步骤进行核酸信息的预处理，包括但不限于以下的相似性聚类法和/或序列 拼接法：
[0100] 相似性聚类法，将相似度为85% -99%的多条核酸序列挑选出来作为一个类群， 并选择一条核酸序列代表该类群，其序列的丰度就是该类群中的全部核酸序列数目；
[0101] 序列拼接法，根据序列字符串的相似性，依次将首尾相连的任意两条序列连接起 来，直至成为无法延伸的长片段，构成这条长片段的所有原始序列全长除以长片段的长度 就可以得到该字符片段在标本中的丰度。
[0102] 根据预处理（又可称之为数据预处理步骤）获得可供在数据库进行检索的各种变 量，这些变量包括但不限于以下三类：
[0103] -、微生物物种的相对丰度：根据序列或长片段所对应的丰度信息和微生物物种 信息，对应得到每个物种的丰度，由公式
算出；其中，^表示第i个物种的 相对丰度；8;表不第i个物种的丰度，a 1<是对应同一个物种的多条序列或长片段丰度之和； η表示全部物种数目为η;
[0104] 二、微生物功能的相对丰度：利用生物信息学算法，可将序列或长片段上的基因序 列或不完整的基因序列预测出来，再将这些基因序列和已知的生物学基因功能数据库进行 同源性比对，可以得到每个基因序列对应的微生物功能，类似于微生物相对丰度的计算方 法，得到微生物功能的相对丰度；
[0105] 三、微生物多样性：根据微生物物种的相对丰度或微生物功能的相对丰度，计算生 态学中常用的α多样性和β多样性。
[0106] 其中的肠道菌群总数据包括有微生物数据和宿主表型数据：
[0107] 微生物数据：将每个标本进行微生物数据采集和数据预处理，从而得到微生物物 种的相对丰度、微生物功能的相对丰度的变量，这些变量构成了数据库中的微生物数据部 分；
[0108] 宿主表型数据：将与肠道相关的人体健康状态分成几大系统进行分别表征，包括 但不限于肠道系统、营养系统、代谢系统和免疫系统，每种系统的健康检查数据将被直接收 录成宿主表型数据；
[0109] 为了从微生物角度去描述宿主的健康状况，还将以特定的宿主表型作为因变量， 前述的微生物数据作为自变量，来进行关联分析或回归分析，以此找到与特定宿主表型有 关联的微生物数据；
[0110] 以上的宿主表型数据和微生物数据，都会在数据库中进行人群统计分析，从而得 到这些数据指标在数据库人群中的分布范围，人群是指健康人群和某类患病人群。
[0111] 其中的数据库的数据表征及记录方式如下：
[0112] 宿主表型数据记为H = Qi1, h2，…，hk]，由健康体检数据得到，共有k项。
[0113] 微生物数据记为M= [HI1, m2，…，HI1]，由第二步数据预处理系统得到，共有1项。
[0114] 与宿主表型相关的微生物指标记为A = [ai，a2，…，aq]，共有q项。根据我们定 义，微生物指标A是通过H和M的统计分析得到，使用的统计方法包括但不限于关联分析、 回归分析等。从函数关系上看，A = g(M)，表示A是将微生物数据M按照一定规则进行映射 而得到，该映射记为函数g。此函数定义为广义的，泛指各种多对一的映射关系，包括但不限 于连续函数、分段函数等。
[0115] 为了得到宿主表型预测值，包括但不限于疾病趋势、健康状态、饮食建议等，我们 可综合宿主表型数据H和微生物指标A，通过数学模型计算得到新的宿主表型预测值P = f(A，H)，其中f函数代表数学模型，包括但不限于贝叶斯模型、神经网络模型、支持向量机 模型等。此外，f函数允许缺失数据（missing data)，包括但不限于H数据的不完整。数据 库中每份标本的存储信息为：T = [H，M，A，P]。我们数据库中有N份标本，则数据库中全部 标本的以上信息分别记为：ITJn= [{HJ' {MJN，㈧广，仍广]，其中i = 1，2,…，N表示每 份标本。
[0116] 其中，采集个体的数据与数据库（即肠道菌群总数据）的比较过程（又可以称 之为检索过程）如下：对于一份检测标本，先通过数据预处理步骤得到全新的微生物数据 M test，此外还尽可能获取该标本的宿主表型数据Htast。
[0117] 有以下两种方法进行检测标本的宿主表型分析：方法一，模型预测法：根据数据 库中已建立的函数模型g和f，输入检测标本的M test和H test，可以得到检测标本的宿主表型 预测值Ptest= f(g(Mtast)，Htast)。Ptest就是由数据库检索给出的宿主表型智能预测值。方 法二，比较预测法：根据距离函数d，包括但不限于欧式距离、绝对距离、马氏距离等，在数 据库中检索计算Hiin 1 = 1,2, ...Nd(Mte^M1)t3当i = ik时，得到CKMtestJ1)的最小值，则取Hlk 作为检测标本的宿主表型非智能预测值。
[0118