一种基于金纳米粒子和机器学习算法的微生物鉴定方法

1.一种基于金纳米粒子和机器学习算法的微生物鉴定方法，其特征在于，包括以下步骤：步骤一：金纳米粒子的合成移液器吸取0.5mL、10mM的氯金酸溶液置于1.5mL的反应管中，然后移液器吸取0.5mL、OD600＝1的微生物悬浮液和0.05mL、1mM的氢氧化钠溶液加入反应管中，将反应管放入恒温金属浴中反应12小时后得到金纳米粒子；步骤二：对金纳米粒子的表征检测(一)利用光谱仪对金纳米粒子溶液的紫外-可见光谱进行测量，确定光谱最大吸收峰值对应的波长；(二)利用纳米粒度和电位仪对金纳米金粒子的粒径和表面电势进行测量；步骤三：利用表征数据构建机器学习分析数据集及分析模型将步骤二中对金纳米粒子表征的检测数据汇总构建机器分析数据集，数据集中包括数据612组，其中504组用于机器学习分析模型的建立，108组用于学习分析模型的验证；步骤四：对步骤三中的数据集进行分析处理，获得机器学习分析结果利用R软件对步骤三中的108组数据进行主成分分析、线性判别分析、随机森林分析处理获得机器学习分析结果；步骤五：将分析结果可视化作图利用R软件对步骤四中的分析结果进行可视化作图；步骤六：将分析结果构建微生物聚类树并进行模型准确性评估利用R软件和步骤四中的分析结果来构建微生物聚类树，将得到的微生物聚类树与微生物进化树进行对比，实现对模型准确性的评估。 2.根据权利要求1所述的一种基于金纳米粒子和机器学习算法的微生物鉴定方法，其特征在于：所述步骤一中恒温金属浴的温度为37℃，反应过程在频率为500rpm条件下振荡。 3.根据权利要求1所述的一种基于金纳米粒子和机器学习算法的微生物鉴定方法，其特征在于：所述步骤四中利用R软件进行主成分分析、线性判别分析、随机森林分析处理时的步骤为：主成分分析：调用R包“vegan”和“rgl”实现分析，线性判别分析：调用R包“MSAA”实现分析，随机森林分析：调用R包“random forest”实现分析。 4.根据权利要求1所述的一种基于金纳米粒子和机器学习算法的微生物鉴定方法，其特征在于：所述步骤五中利用分析结果进行可视化作图时，调用R包“ggplot2”实现作图。 5.根据权利要求1所述的一种基于金纳米粒子和机器学习算法的微生物鉴定方法，其特征在于：所述步骤六中利用分析结果进行微生物聚类树构建时，调用R包“cluster”和“ape”实现分析，所述步骤六中微生物进化树是从NCBI收集微生物基因序列，并利用MEGA7.0软件构建而成。