1. 研究目的与意义（文献综述）

微生物组是指一个特定环境或生态系统中全部微生物及其遗传信息，微生物是生命发展过程中重要的生物资源，人的正常生命活动离不开微生物，微生物组研究得到学术界广泛关注。2007年，美国国家卫生研究院（nit）启动人类微生物群系计划（hmp：human microbiome project），2016年，美国宣布启动“国家微生物组计划”；2017年底，中国科学院启动微生物组计划；微生物组研究已成为各国科学家关注的研究热点。

近年来，利用新一代高通量测序技术，能在较短时间内产出大规模微生物组序列数据，数据量以超越摩尔定律的幅度飞速增长。国内外生物信息领域学者通过对微生物组序列大数据分析，旨在获取具有明确生物学意义的有价值信息。生命从何而来的问题一直困扰着全球的科学家，微生物组序列数据分析是进化分类学中重要的技术手段。多年来，国内外研究学者在微生物的进化分类领域进行了一系列深入研究。16s序列作为分子指标成为微生物进化分类的强有力工具，具备种类少，含量大，分子大小适中，稳定性高、多拷贝、多信息，长度适中的特征，在结构和功能上具有高度的保守性，故常用来标记生物进化距离和亲缘关系。目前美国卫生研究院已对2000种占真细菌总数的50%以上的真细菌的16s序列进行了测序，不同菌属的16s序列同源性为70%~95%，根据同源性则可基本判定真细菌是否为同一菌属。研究发现，由于所有种类细菌中至少有一个16s基因拷贝，且16s基因拷贝序列并一定完全相同，若不同细菌中有两个16s基因序列同源性不高于97%，则可判定他们属于不同的菌种。通过对16s序列的序列比对、同源性分析，可以计算不同菌属和菌种在遗传进化方面的距离，从而判定其遗传关系的远近，绘出进化树，从而达到对微生物进行分类的目的。由于不同区域具备不同的保守性，进化速率难以测定。利用16s序列数据集，进行进化分类分析一直是生物信息领域的难题。

微生物组16s序列数据集为大规模数据，且微生物组序列为非欧式高维空间数据，数据降维成为微生物组序列大数据分析的关键技术。现有的维数约简方法中，pca、ipca方法对具有线性结构的数据集处理效果很好，小波、傅里叶变换处理图像的结果也很好。然而这些方法皆忽略了数据的几何结构，缺乏几何上的直观解释。流形学习很好地解决了这个问题，得到学术界广泛关注。流形学习于2000年《science》杂志提出，成为信息科学领域研究热点。近年来，许多国内外研究学者对流形学习展开了深入研究。

2. 研究的基本内容与方案

本次毕业设计研究的基本内容包括两方面：一方面，通过对公开的微生物16s序列参考数据集进行流形建模，16s序列有高度保守区又有可变区，高度保守区反应了物种之间的亲缘关系，可变区反应了物种之间的差异。利用微生物16s序列不同区域数据集，进行聚类分析，再采用流形学习方法投影到低维空间，提取数据空间关键特征，从而分析微生物进化过程中16s序列不同区域的进化趋势差异和进化方向上的偏向。另一方面，利用人体多部位的微生物采样数据，应用到第一部分内容的流形模型，对人体多部位的微生物进行分类，发现微生物在人体多部位之间迁移的规律。

本次毕业设计的研究目标为：分析16s序列的不同区域的进化趋势差异和进化方向上的偏向;将人体多部位的微生物采样数据应用于流形模型，聚类分析各部位微生物物种，发现微生物在人体多部位之间迁移的规律。

本次毕业设计拟采用的技术方案为：使用常用的生物序列数据库，利用blast工具进行微生物基因序列比对，获得微生物基因序列的相似性，确定微生物之间的亲缘关系；结合usearch工具进行聚类分析；同时研究运用流形学习方法，构建流形学习模型，根据参考数据集训练模型，设计算法解决该模型，并分析算法稳定性与复杂度，不断改进算法以适应于实际需求。接着，对聚类结果进行降维处理，获取16s序列不同区域在密度等方面的明显差异。最后，将人体多部位的微生物采样数据应用到上述模型中，获取各部位微生物序列之间的相似性和差异性，从而获得微生物之间的亲缘关系。基于两微生物亲缘关系近则为同一来源的假设，针对个体不同部位的微生物亲缘关系，运用投票机制，判断人体中多部位中的微生物是否发生迁移，从而发现微生物在人体多部位之间的迁移规律。

3. 研究计划与安排

4. 参考文献（12篇以上）

[1] tenenbaum jb, de silva v and langford jc. aglobal geometric framework for nonlinear dimensionality reduction. science290(5500):2319-2323. 2000

[2] roweis st and saul lk. nonlineardimensionality reduction by locally linear embedding. science 290(5500):2323-2326.2000

[3]xingpeng jiang, xiaohua hu, tingting he. time series analysis of microbiomedata regularized by local linear manifold. 2015ieee international conference on bioinformatics and biomedicine (bibm), 11/2015