bioinfo-system-new 知识库与算法分析
Bayx Agent 分析 · 2026-07-13
一、核心分析模块一览
| 模块 | 代码行数 | 功能描述 |
|---|---|---|
| main.py | 2,590 | FastAPI 主入口，16个 router 注册 |
| pipeline_16s_router.py | 1,085 | 16S rRNA FASTQ 分析 |
| wgs_router.py | 1,127 | 全基因组测序分析 |
| array_router.py | ~11KB | 基因芯片分析 |
| cancer_screening_router.py | 802 | 癌症早筛 |
| pharmacogenomics_router.py | 902 | 药物基因组学 |
| immune_repertoire_router.py | 883 | 免疫 repertoire |
| pipeline_16s_v23/pipeline_runner.py | 780 | 16S v2.3 pipeline 编排器 |
二、16S Pipeline v2.3 分析流程
输入: FASTQ 文件（双端 R1/R2 或单端 SE）
7 步处理流程: 1. FASTQ 输入验证（双端/单端自动识别） 2. 序列处理：QC + 去噪 → ZOTU（使用 scikit-bio 真实处理） 3. 物种注释：k-mer + alignment 双模式（hybrid 方法，min_identity=0.80） 4. 多样性分析：Alpha（chao1/shannon/ACE/simpson/observed） + Beta（bray_curtis/jaccard/unifrac） 5. 健康评分：多维度综合评分 6. 代谢物预测 + 食物推荐 7. PDF 报告生成
新增 v2.3 模块: - 蛋白腐败代谢产物预测（对甲酚/吲哚/腐胺/尸胺/氨） - 肠道产气预测（氢气/甲烷/硫化氢/二氧化碳） - 综合评估结论生成器（健康建议/阶段目标/复查提醒）
三、知识库规模
| 分类 | 条目数 | 行号 |
|---|---|---|
| 核心菌属知识库（CORE_GENERA_DB） | 291+ 菌属 | 1-183 |
| 疾病风险模型 | ~233 种疾病 | 184-416 |
| 营养评估数据库 | ~64 种菌→营养映射 | 417-480 |
| 代谢物预测模型（METABOLITE_MODELS） | ~203 种代谢物 | 481-683 |
| 抗生素耐药基因数据库 | ~51 种 | 684-734 |
| 食物推荐数据库（USDA） | ~95 种食物 | 735-829 |
| 肠型判定规则 | 3 种肠型 | 830-851 |
知识库来源: 从真实报告（JQ93802325-孙玲娜.pdf）提取
四、物种分类层级
知识库涵盖完整分类层级：界 → 门 → 纲 → 目 → 科 → 属 → 种
核心菌属示例: - Prevotella（普雷沃氏菌属）: 植物性饮食相关，Prevotella 肠型主导 - Bacteroides（拟杆菌属）: 胆汁酸代谢，Bacteroides 肠型主导 - Faecalibacterium（粪杆菌属）: 最重要产丁酸菌，权重 3.0 - Bifidobacterium（双歧杆菌属）: 益生菌，权重 2.5 - Lactobacillus（乳杆菌属）: 产乳酸，调节情绪
五、多样性指数
Alpha 多样性: chao1, shannon, ACE, simpson, observed OTUs, goods_coverage, pd Beta 多样性: bray_curtis, jaccard, unifrac（加权/非加权）
六、代谢物预测类别
| 类别 | 代表代谢物 |
|---|---|
| 短链脂肪酸（SCFA） | 乙酸、丙酸、丁酸、戊酸 |
| 蛋白腐败产物 | 对甲酚、吲哚、腐胺、尸胺、氨 |
| 神经递质前体 | 5-HTP、GABA 前体、酪氨酸 |
| 维生素 | B1/B2/B6/B12/K、叶酸 |
| 肠道气体 | 氢气、甲烷、硫化氢、二氧化碳 |
| 胆汁酸 | 初级胆汁酸、继发性胆汁酸 |
七、PDF 报告结构
- 概述（样本信息、检测方法）
- 肠道菌群概况（总览+健康评分）
- 菌群结构分析（门级/属级分布）
- Alpha 多样性分析
- Beta 多样性分析（样本对比）
- 核心菌属详解
- 疾病风险评估
- 代谢物预测
- 营养评估
- 抗生素耐药风险
- 食物推荐
- 综合评估与健康建议
八、算法特点与局限性
优势
- 知识库来源于真实中国人肠道菌群检测报告
- 肠型分类基于 V4 区域（准确性高于 V3）
- 多层次代谢预测（SCFA + 腐败产物 + 神经递质 + 气体）
- 集成食物推荐（USDA 数据库）
局限性
- 物种注释 min_identity=0.80 可能导致种级鉴定不准确
- 知识库 291 菌属覆盖有限（约占肠道菌群 5%）
- 疾病风险预测基于关联规则，非机器学习模型
- 无统计显著性检验（p 值）
- PDF 报告依赖 ReportLab（字体跨平台问题）
九、技术债务
- 153 处裸
except:（已修复 routers + cache_service 部分） - 两个重复 pipeline 目录（pipeline_16s/ 和 pipeline_16s_v23/）
- qynode_pdf_engine.py 和 integration/report_generator.py 重复
- ai_diagnosis 服务在 Mars 上导致启动挂起（原因未明）