植物产品中感染的预测的制作方法

技术特征：
1.一种预测n个相似来源的植物产品的集合中感染的可能性的方法，其中n是大于10的整数，该方法包括：从植物产品的集合中选择m个植物产品的子集，其中m为大于1且小于n/2的整数；和对于子集的每个植物产品，确定一种或多种感染生物标志物的表达水平；至少基于子集的每个植物产品的一种或多种感染生物标志物的表达水平确定植物产品子集的生物标志物表达统计数据集；至少部分基于植物产品子集的生物标志物表达统计数据集预测植物产品的集合的感染可能性；和返回植物产品的集合中预测的感染可能性。2.权利要求1的方法，还包括确定所述子集的每个植物产品的一种或多种管家生物标志物的表达水平，其中至少基于所述子集的每个植物产品的一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水平确定植物产品子集的生物标志物表达统计数据集。3.权利要求2的方法，其中预测植物产品的集合中感染的可能性包括：将植物产品子集的生物标志物表达统计数据集输入机器学习感染预测模型，所述机器学习感染预测模型包括：至少部分地基于包括多个训练样品的训练数据集鉴定的多个参数，每个训练样品与相似来源的植物产品的回顾集合相关联并且包括：来自植物产品回顾集合的植物产品子集的生物标志物表达统计数据集，该生物标志物表达统计数据集基于植物产品子集的每个植物产品的一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水平；和植物产品的回顾集合中已知的感染率；和表示作为机器学习感染预测模型的输入接收的植物产品子集的生物标志物表达统计数据集与作为机器学习感染预测模型的输出生成的植物产品的集合的预测的感染可能性之间的关系的函数，基于植物产品子集的生物标志物表达统计数据集和至少基于训练数据集鉴定的多个参数。4.权利要求2的方法，其中基于子集的每个植物产品的一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水平确定植物产品子集的生物标志物表达统计数据集包括：对于植物产品子集的每个植物产品：基于一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水平确定一种或多种感染生物标志物的标准化表达水平；和基于一种或多种感染生物标志物的标准化表达水平确定一种或多种感染生物标志物的特征缩放表达水平；和基于子集中每个植物产品的一种或多种感染生物标志物的特征缩放表达水平确定植物产品子集的生物标志物表达统计数据集。5.权利要求4的方法，其中基于一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水平确定一种或多种感染生物标志物的标准化表达水平包括确定一种或多种感染生物标志物的表达水平与一种或多种管家生物标志物的表达水平的比率。
6.权利要求4的方法，其中基于一种或多种感染生物标志物的标准化表达水平确定一种或多种感染生物标志物的特征缩放表达水平包括执行一种或多种感染生物标志物的标准化表达水平的最小-最大标准化和对数转换中的至少一种。7.权利要求4的方法，其中基于子集中每个植物产品的一种或多种感染生物标志物的特征缩放表达水平确定植物产品子集的生物标志物表达统计数据集包括：确定一种或多种感染生物标志物的特征缩放表达水平的平均值、中位数、最小值、最大值、标准偏差、第5个百分位数、第10个百分位数、第15个百分位数、第20个百分位数、第25个百分位数、第50个百分位数、第75个百分位数、第80个百分位数、第90个百分位数、第95个百分位数和第99个百分位数中的至少一种；和对于植物产品子集的每个植物产品，确定一种或多种感染生物标志物中的至少一种的特征缩放表达水平与一种或多种感染生物标志物中的至少另一种的特征缩放表达水平的比率和一种或多种感染生物标志物中的至少一种的特征缩放表达水平与一种或多种感染生物标志物中的至少另一种的特征缩放表达水平的乘积中的至少一种。8.一种预测n个相似来源的植物产品的集合中感染的可能性的方法，其中n是大于10的整数，该方法包括：从植物产品的集合中选择m个植物产品的子集，其中m为大于2且小于n/2的整数；将子集的m个植物产品划分为p个子组，其中p为大于1且小于m的整数，且其中p个子组中的每一个包含该子集的植物产品中的至少1个；对于p个子组中的每一个，将来自该子组的每个植物产品的植物物质组合以形成汇集的植物物质组，其中p个汇集的植物物质组形成汇集的植物物质组的集合；对于p个汇集的植物物质组中的每一个，确定一种或多种感染生物标志物的表达水平；基于植物物质组集合的每个汇集的植物物质组的一种或多种感染生物标志物的表达水平，确定汇集的植物物质组集合的生物标志物表达统计数据集；至少部分基于汇集的植物物质组集合的生物标志物表达统计数据集，预测植物产品的集合中感染的可能性；和返回植物产品的集合中预测的感染可能性。9.权利要求8的方法，其进一步包括确定p个汇集的植物物质组中的每一个的一种或多种管家生物标志物的表达水平，其中汇集的植物物质组的集合的生物标志物表达统计数据集至少基于每个汇集的植物物质组的一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水平来确定。10.权利要求9的方法，其中基于所述子集的每个植物产品的一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水平来确定汇集的植物物质组集合的生物标志物的表达统计数据集包括：对于每个汇集的植物物质组：基于一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水平确定一种或多种感染生物标志物的标准化表达水平；和基于一种或多种感染生物标志物的标准化表达水平确定一种或多种感染生物标志物的特征缩放表达水平；和基于每个汇集的植物物质组的一种或多种感染生物标志物的特征缩放表达水平，确定
汇集的植物物质组的集合的生物标志物表达统计数据集。11.权利要求9的方法，其中预测植物产品的集合中感染的可能性包括：将汇集的植物物质组集合的生物标志物表达统计数据集输入机器学习感染预测模型，所述机器学习感染预测模型包括：至少部分地基于包括多个训练样品的训练数据集鉴定的多个参数，每个训练样品与相似来源的植物产品的回顾集合相关联并且包括：从植物产品回顾集合的植物产品子集形成的汇集植物物质组集合的生物标志物表达统计数据集，所述生物标志物表达统计数据集基于汇集植物物质组集合的每个汇集植物物质组的一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水平；和植物产品的回顾集合中已知的感染率；和表示作为机器学习感染预测模型的输入接收的汇集植物物质组集合的生物标志物表达统计数据集与作为机器学习感染预测模型的输出生成的植物产品的集合的预测感染可能性之间的关系的函数，基于汇集的植物物质组的集合的生物标志物表达统计数据集和至少基于训练数据集鉴定的多个参数。12.权利要求3或11的方法，其中机器学习感染预测模型选自二元逻辑回归模型、逻辑模型树、随机森林分类器、l2正则化、偏最小二乘法分类、朴素贝叶斯分类器、多变量样条、一个或多个神经网络和k最近邻分类。13.权利要求12的方法，其中机器学习感染预测模型包括k最近邻分类和随机森林分类器之一，并且其中机器学习感染预测模型预测植物产品的集合中感染的可能性大于至少5％的阈值，具有至少90％准确率、至少80％召回率和至少80％精确率之一。14.权利要求1-13中任一项的方法，其中一种或多种感染生物标志物选自表1。15.权利要求1-14中任一项的方法，其中一种或多种管家生物标志物选自表2。16.权利要求1-15中任一项的方法，其中一种或多种感染或一种或多种管家生物标志物的绝对表达水平使用真实浓度标准、内标或制备的已知浓度标准曲线来确定。17.权利要求1-16中任一项的方法，其中预测植物产品的集合中感染的可能性需要少于6小时。18.权利要求1-17中任一项的方法，其中感染包括真菌感染。19.权利要求1-18中任一项的方法，其中感染由一种或多种病原体引起，所述病原体选自炭疽菌属(colletotrichum)(即胶孢炭疽菌(c.gloeosporioides)、尖孢炭疽菌(c.acutatum))、溃疡病菌属(dothiorella)(即d.iberica、杨树溃疡病菌(d.gregaria)、d.aromatica)、葡萄座腔菌属(neofusicoccum)(即n.luteum、小新壳梭孢菌(n.parvum)、n.australe)、间座壳属(diaporthe)(即d.neotheicola、d.cinnamomi)、可可毛色二孢菌属(lasiodiplodia)(即l.pseudotheobromae、l.theobromae)、腐病菌属(diplodia)(即d.mutila、d.pseuodoseriata、d.seriata)和葡萄座腔菌科(botryosphaeria)(即b.dothidea)。20.权利要求1-19中任一项的方法，其中感染表现为茎端腐烂、霉或脉管/内部褐变。21.权利要求1-20中任一项的方法，其中植物产品已经被收获。22.权利要求1-21中任一项的方法，其中植物产品是未成熟的。
23.权利要求1-22中任一项的方法，其中植物产品不呈现可见的感染症状。24.权利要求1-23中任一项的方法，其中植物产品包括鳄梨、石榴、柿子、苹果、梨、葡萄、柑橘类水果、木瓜、樱桃、甜瓜、番石榴、芒果或核果。25.权利要求1-24中任一项的方法，其中确定植物产品的生物标志物的表达水平包括从植物产品的外果皮、中果皮和内果皮中的一种或多种提取材料，并且对提取的材料进行生物标志物分析以确定生物标志物的表达水平。26.权利要求1-25中任一项的方法，其中每种生物标志物是小分子，并且每种生物标志物的表达水平包括相应小分子的定量的量。27.权利要求1-26中任一项的方法，其中每种生物标志物是基因，并且每种生物标志物的表达水平包括与基因相关的rna序列的表达水平。28.权利要求27的方法，其中与基因相关的rna序列的表达水平包括与基因相关的rna序列的拷贝数。29.权利要求1-28中任一项的方法，其中一种或多种生物标志物的表达水平通过进行一种或多种选自以下的分析来确定：qpcr、pcr、rt-pcr、核糖核酸(rna)测序(rna-seq)、tag-seq、使用测序的转座酶可及染色质测定(atac-seq)、cytof/scop、e-ms/abseq、mirna-seq、cite-seq、质谱(ms)、气相色谱串联质谱(gc-ms)、综合二维气相色谱(gcxgc)、固相微萃取(spme)串联gcxgc(spme-gcxgc)、基质辅助激光解吸/电离(maldi)和maldi-tof。30.权利要求1-29中任一项的方法，其中返回预测的感染可能性包括将预测的感染可能性自动呈现给查看用户。31.权利要求1-30中任一项的方法，其还包括基于预测的感染可能性鉴定处于感染风险中的相似来源的植物产品的集合中一个或多个植物产品。32.权利要求1-31中任一项的方法，其还包括基于预测的感染可能性为相似来源的植物产品的集合提供一定剂量的抗微生物剂或开具一定剂量的抗微生物处理。33.权利要求1-32中任一项的方法，还包括基于预测的感染可能性选择性地收获相似来源的植物产品的集合。34.权利要求1-33中任一项的方法，还包括基于预测的感染可能性确定相似来源的植物产品的集合的质量保证。35.权利要求1-34中任一项的方法，还包括基于预测的感染可能性为相似来源的植物产品的集合鉴定消费者和地理目的地中的至少一个。36.权利要求1-35中任一项的方法，还包括基于预测的感染可能性对相似来源的植物产品的集合停止或开具乙烯处理。37.权利要求36的方法，其中乙烯处理包括应用外源乙烯、应用乙烯阻断剂或应用乙烯抑制剂。38.权利要求1-37中任一项的方法，其还包括基于预测的感染率来鉴定用于相似来源的植物产品的集合的一个或多个储存条件，所述储存条件包括储存温度和储存湿度中的至少一个。39.权利要求1-38中任一项的方法，还包括基于预测的感染可能性向相似来源的植物产品的集合提供收获后处理。40.权利要求33-39中任一项的方法，其中所述方法还包括基于预测的感染可能性向用
户提供指令，所述指令指示用户执行权利要求33-39中任一项的一个或多个步骤。41.一种存储计算机程序指令的非暂时性计算机可读存储介质，当由计算机处理器执行时，其使计算机处理器：通过以下方式预测n个相似来源的植物产品的集合中感染的可能性，其中n是大于10的整数：从植物产品的集合中选择m个植物产品的子集，其中m为大于1且小于n/2的整数；对于子集的每个植物产品，确定一种或多种感染生物标志物的表达水平；基于子集的每个植物产品的一种或多种感染生物标志物的表达水平确定植物产品子集的生物标志物表达统计数据集；至少部分基于植物产品子集的生物标志物表达统计数据集，预测植物产品的集合的感染可能性；和返回植物产品的集合中预测的感染可能性。42.权利要求41的非暂时性计算机可读存储介质，其中预测感染的可能性还包括确定子集的每个植物产品的一种或多种管家生物标志物的表达水平，其中至少基于所述子集的每个植物产品的一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水平确定植物产品子集的生物标志物表达统计数据集。43.权利要求42的非暂时性计算机可读存储介质，其中预测植物产品的集合中感染的可能性包括：将植物产品子集的生物标志物表达统计数据集输入机器学习感染预测模型，所述机器学习感染预测模型包括：至少部分地基于包括多个训练样品的训练数据集鉴定的多个参数，每个训练样品与相似来源的植物产品的回顾集合相关联并且包括：来自植物产品回顾集合的植物产品子集的生物标志物表达统计数据集，所述生物标志物表达统计数据集基于植物产品子集的每个植物产品的一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水平；和植物产品的回顾集合中已知的感染率；和表示作为机器学习感染预测模型的输入接收的植物产品子集的生物标志物表达统计数据集与作为机器学习感染预测模型的输出生成的植物产品的集合的预测的感染可能性之间的关系的函数，基于植物产品子集的生物标志物表达统计数据集和至少基于训练数据集鉴定的多个参数。44.权利要求43的非暂时性计算机可读存储介质，其中机器学习感染预测模型选自二元逻辑回归模型、逻辑模型树、随机森林分类器、l2正则化、偏最小二乘法分类、朴素贝叶斯分类器、多变量样条、一个或多个神经网络和k最近邻分类。45.权利要求44的非暂时性计算机可读存储介质，其中机器学习感染预测模型包括k最近邻分类和随机森林分类器之一，并且其中机器学习感染预测模型预测植物产品的集合中感染的可能性大于至少5％的阈值，具有至少90％的准确率、至少80％的召回率和至少80％的精确率之一。46.权利要求42-45中任一项的非暂时性计算机可读存储介质，其中基于子集的每个植物产品的一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水
平确定植物产品子集的生物标志物表达统计数据集包括：对于植物产品子集的每个植物产品：基于一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水平确定一种或多种感染生物标志物的标准化表达水平；和基于一种或多种感染生物标志物的标准化表达水平确定一种或多种感染生物标志物的特征缩放表达水平；和基于子集中每个植物产品的一种或多种感染生物标志物的特征缩放表达水平确定植物产品子集的生物标志物表达统计数据集。47.权利要求46的非暂时性计算机可读存储介质，其中基于一种或多种感染生物标志物的表达水平和一种或多种管家生物标志物的表达水平确定一种或多种感染生物标志物的标准化表达水平包括确定一种或多种感染生物标志物的表达水平与一种或多种管家生物标志物的表达水平的比率。48.权利要求46的非暂时性计算机可读存储介质，其中基于一种或多种感染生物标志物的标准化表达水平确定一种或多种感染生物标志物的特征缩放表达水平包括执行一种或多种感染生物标志物的标准化表达水平的最小-最大标准化和对数转换中的至少一种。49.权利要求46的非暂时性计算机可读存储介质，其中基于子集中每个植物产品的一种或多种感染生物标志物的特征缩放表达水平确定植物产品子集的生物标志物表达统计数据集包括：确定一种或多种感染生物标志物的特征缩放表达水平的平均值、中位数、最小值、最大值、标准偏差、第5个百分位数、第10个百分位数、第15个百分位数、第20个百分位数、第25个百分位数、第50个百分位数、第75个百分位数、第80个百分位数、第90个百分位数、第95个百分位数和第99个百分位数中的至少一种；和对于植物产品子集的每个植物产品，确定一种或多种感染生物标志物中的至少一种的特征缩放表达水平与一种或多种感染生物标志物中的至少另一种的特征缩放表达水平的比率和一种或多种感染生物标志物中的至少一种的特征缩放表达水平与一种或多种感染生物标志物中的至少另一种的特征缩放表达水平的乘积中的至少一种。50.权利要求42-49中任一项的非暂时性计算机可读存储介质，其中预测植物产品的集合中感染的可能性需要少于6小时。51.权利要求42-50中任一项的非暂时性计算机可读存储介质，其中感染包括真菌感染。52.权利要求42-51中任一项的非暂时性计算机可读存储介质，其中感染由一种或多种病原体引起，所述病原体选自炭疽菌属(colletotrichum)(即胶孢炭疽菌(c.gloeosporioides)、尖孢炭疽菌(c.acutatum))、溃疡病菌属(dothiorella)(即d.iberica、杨树溃疡病菌(d.gregaria)、d.aromatica)、葡萄座腔菌属(neofusicoccum)(即n.luteum、小新壳梭孢菌(n.parvum)、n.australe)、间座壳属(diaporthe)(即d.neotheicola、d.cinnamomi)、可可毛色二孢菌属(lasiodiplodia)(即l.pseudotheobromae、l.theobromae)、腐病菌属(diplodia)(即d.mutila、d.pseuodoseriata、d.seriata)和葡萄座腔菌科(botryosphaeria)(即b.dothidea)。53.权利要求42-52中任一项的非暂时性计算机可读存储介质，其中感染表现为茎端腐
烂、霉或脉管/内部褐变。54.权利要求42-53中任一项的非暂时性计算机可读存储介质，其中植物产品已经被收获。55.权利要求42-54中任一项的非暂时性计算机可读存储介质，其中植物产品是未成熟的。56.权利要求42-55中任一项的非暂时性计算机可读存储介质，其中植物产品不呈现可见的感染症状。57.权利要求42-56中任一项的非暂时性计算机可读存储介质，其中一种或多种感染生物标志物选自表1。58.权利要求42-57中任一项的非暂时性计算机可读存储介质，其中一种或多种管家生物标志物选自表2。59.权利要求42-58中任一项的非暂时性计算机可读存储介质，其中植物产品包括鳄梨、石榴、柿子、苹果、梨、葡萄、柑橘类水果、木瓜、樱桃、甜瓜、番石榴、芒果或核果。60.权利要求42-59中任一项的非暂时性计算机可读存储介质，其中确定植物产品的生物标志物的表达水平包括从植物产品的外果皮和中果皮中的一种或多种中提取材料，并对提取的材料进行生物标志物分析以确定生物标志物的表达水平。61.权利要求42-60中任一项的非暂时性计算机可读存储介质，其中每种生物标志物是小分子，并且生物标志物的表达水平包括相应小分子的定量的量。62.权利要求42-61中任一项的非暂时性计算机可读存储介质，其中每种生物标志物是基因，并且生物标志物的表达水平包括与基因相关的rna序列的表达水平。63.权利要求62的非暂时性计算机可读存储介质，其中与基因相关的rna序列的表达水平包括与基因相关的rna序列的拷贝数。64.权利要求42-63中任一项的非暂时性计算机可读存储介质，其中一种或多种生物标志物的表达水平通过进行一种或多种选自以下的分析来确定：qpcr、pcr、rt-pcr、核糖核酸(rna)测序(rna-seq)、tag-seq、使用测序的转座酶可及染色质测定(atac-seq)、cytof/scop、e-ms/abseq、mirna-seq、cite-seq、质谱(ms)、气相色谱串联质谱(gc-ms)、综合二维气相色谱(gcxgc)、固相微萃取(spme)串联gcxgc(spme-gcxgc)、基质辅助激光解吸/电离(maldi)和maldi-tof。65.权利要求42-64中任一项的非暂时性计算机可读存储介质，其中返回预测的感染可能性包括将预测的感染可能性自动呈现给查看用户。66.权利要求42-65中任一项的非暂时性计算机可读存储介质，其中存储的计算机程序指令在由计算机处理器执行时还使计算机处理器返回基于预测的感染可能性鉴定处于感染风险的相似来源的植物产品的集合中一个或多个植物产品的指令。67.权利要求42-66中任一项的非暂时性计算机可读存储介质，其中存储的计算机程序指令在由计算机处理器执行时还使计算机处理器返回基于预测的感染可能性为相似来源的植物产品的集合提供抗微生物处理或开具抗微生物处理的指令。68.权利要求42-67中任一项的非暂时性计算机可读存储介质，其中存储的计算机程序指令在由计算机处理器执行时还使计算机处理器返回基于预测的感染可能性选择性地收获相似来源的植物产品的集合的指令。
69.权利要求42-68中任一项的非暂时性计算机可读存储介质，其中存储的计算机程序指令在由计算机处理器执行时还使计算机处理器基于预测的感染可能性确定相似来源的植物产品的集合的质量保证。70.权利要求42-69中任一项的非暂时性计算机可读存储介质，其中存储的计算机程序指令在由计算机处理器执行时还使计算机处理器基于预测的感染可能性鉴定相似来源的植物产品的集合的消费者和地理目的地中的至少一个。71.权利要求42-70中任一项的非暂时性计算机可读存储介质，其中存储的计算机程序指令在由计算机处理器执行时还使计算机处理器返回基于预测的感染可能性停止或开具对相似来源的植物产品的集合乙烯处理的指令。72.权利要求71的非暂时性计算机可读存储介质，其中乙烯处理包括应用乙烯阻断剂或抑制剂。73.权利要求42-72中任一项的非暂时性计算机可读存储介质，其中存储的计算机程序指令在由计算机处理器执行时还使计算机处理器基于预测的感染率鉴定用于相似来源的植物产品的集合的一个或多个储存条件，所述储存条件包括储存温度和储存湿度中的至少一个。74.权利要求42-73中任一项的非暂时性计算机可读存储介质，其中存储的计算机程序指令在由计算机处理器执行时还使计算机处理器返回基于预测的感染可能性向相似来源的植物产品的集合提供收获后处理的指令。75.权利要求42-74中任一项的非暂时性计算机可读存储介质，其中存储的计算机程序指令在由计算机处理器执行时还使计算机处理器基于预测的感染可能性向用户提供指令，所述指令指示用户执行权利要求68-74中任一项的一个或多个步骤。76.一种鉴定植物产品中潜伏感染的方法，所述方法包括：通过一个或多个计算机获得描述植物产品中一种或多种感染生物标志物的表达水平的数据；通过一个或多个计算机将获得的数据编码成用于输入机器学习模型的数据结构；通过一个或多个计算机将编码的数据结构作为输入提供给机器学习模型，所述机器学习模型已被训练以基于处理编码的数据结构生成指示植物产品具有潜伏感染的可能性的输出数据；通过一个或多个计算机获得指示植物产品具有潜伏感染的可能性的生成的输出数据；通过一个或多个计算机并基于生成的输出数据确定植物产品具有潜伏感染；和通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染。77.权利要求76的方法，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：通过一个或多个计算机并基于输出数据确定对一个或多个其他相似来源的植物产品开具抗微生物处理。78.权利要求76的方法，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：通过一个或多个计算机并基于输出数据对一个或多个其他相似来源的植物产品施用抗微生物处理。
79.权利要求76的方法，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：通过一个或多个计算机并基于输出数据确定运输一个或多个其他相似来源的植物产品的车辆将被改程到不同的目的地。80.权利要求76的方法，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：通过一个或多个计算机并基于输出数据生成警报消息，当由用户设备处理时，所述警报消息使用户设备输出通知用户设备的用户车辆将被改程到不同的目的地的警报；和通过一个或多个计算机将生成的警报传输到用户设备。81.权利要求76的方法，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：基于输出数据并基于输出数据生成警报消息，当由用户设备处理时，所述警报消息使用户设备输出通知用户设备的用户一个或多个其他相似来源的植物产品的警报；和通过一个或多个计算机将警报消息传输到用户设备。82.权利要求76的方法，其中描述植物产品中一种或多种感染生物标志物的表达水平的数据包含一种或多种变体的列表，其中一种或多种变体描述植物产品的读数序列和健康植物产品的参考基因组之间的差异。83.权利要求76的方法，其中机器学习模型包括二元逻辑回归模型、逻辑模型树、随机森林分类器、l2正则化、偏最小二乘中的一种或多种。84.权利要求76的方法，其中植物产品不包括任何可见的感染迹象。85.权利要求76的方法，所述方法还包括：通过一个或多个计算机从植物产品的集合中选择m个植物产品的子集，其中m是大于1且小于n/2的整数；和对于子集的每个植物产品，通过一个或多个计算机确定一种或多种感染生物标志物的表达水平；其中通过一个或多个计算机获得描述植物产品中一种或多种生物标志物的表达水平的数据包括：通过一个或多个计算机并对于子集的每个植物产品，获得描述一种或多种感染生物标志物的确定的表达水平的数据；其中通过一个或多个计算机将获得的数据编码成用于输入机器学习模型的数据结构包括：通过一个或多个计算机将获得的描述一种或多种感染生物标志物的确定的表达水平的数据编码成用于输入机器学习模型的一种或多种数据结构。86.一种用于鉴定植物产品中的潜伏感染的系统，包括：一个或多个计算机和一个或多个存储指令的存储设备，当通过一个或多个计算机执行时，所述指令可操作以使一个或多个计算机执行包括以下操作的操作：通过一个或多个计算机获得描述植物产品中一种或多种感染生物标志物的表达水平的数据；通过一个或多个计算机将获得的数据编码成用于输入机器学习模型的数据结构；
通过一个或多个计算机将编码的数据结构作为输入提供给机器学习模型，所述机器学习模型已被训练以基于处理编码的数据结构生成指示植物产品具有潜伏感染的可能性的输出数据；通过一个或多个计算机获得指示植物产品具有潜伏感染的可能性的生成的输出数据；通过一个或多个计算机并基于生成的输出数据确定植物产品具有潜伏感染；和通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染。87.权利要求86的系统，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：通过一个或多个计算机并基于输出数据确定对一个或多个其他相似来源的植物产品开具抗微生物处理。88.权利要求86的系统，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：通过一个或多个计算机并基于输出数据对一个或多个其他相似来源的植物产品施用抗微生物处理。89.权利要求86的系统，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：通过一个或多个计算机并基于输出数据确定运输一个或多个其他相似来源的植物产品的车辆将被改程到不同的目的地。90.权利要求86的系统，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：通过一个或多个计算机并基于输出数据生成警报消息，当由用户设备处理时，所述警报消息使用户设备输出通知用户设备的用户车辆将被改程到不同的目的地的警报；和通过一个或多个计算机将生成的警报传输到用户设备。91.权利要求86的系统，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：基于输出数据并基于输出数据生成警报消息，当由用户设备处理时，所述警报消息使用户设备输出通知用户设备的用户一个或多个其他相似来源的植物产品的警报；和通过一个或多个计算机将警报消息传输到用户设备。92.权利要求86的系统，其中描述植物产品中一种或多种感染生物标志物的表达水平的数据包含一种或多种变体的列表，其中一种或多种变体描述植物产品的读数序列和健康植物产品的参考基因组之间的差异。93.权利要求86的系统，其中机器学习模型包括二元逻辑回归模型、逻辑模型树、随机森林分类器、l2正则化、偏最小二乘中的一种或多种。94.权利要求86的系统，其中植物产品不包括任何可见的感染迹象。95.权利要求86的系统，操作还包括：通过一个或多个计算机从植物产品的集合中选择m个植物产品的子集，其中m是大于1且小于n/2的整数；和对于子集的每个植物产品，通过一个或多个计算机确定一种或多种感染生物标志物的表达水平；
其中通过一个或多个计算机获得描述植物产品中一种或多种生物标志物的表达水平的数据包括：通过一个或多个计算机并对于子集的每个植物产品，获得描述一种或多种感染生物标志物的确定的表达水平的数据；其中通过一个或多个计算机将获得的数据编码成用于输入机器学习模型的数据结构包括：通过一个或多个计算机将获得的描述一种或多种感染生物标志物的确定的表达水平的数据编码成用于输入机器学习模型的一种或多种数据结构。96.一种存储软件的非暂时性计算机可读介质，所述软件包括可通过一个或多个计算机执行的指令，所述指令在这种执行时使一个或多个计算机执行包括以下的操作：通过一个或多个计算机获得描述植物产品中一种或多种感染生物标志物的表达水平的数据；通过一个或多个计算机将获得的数据编码成用于输入机器学习模型的数据结构；通过一个或多个计算机将编码的数据结构作为输入提供给机器学习模型，所述机器学习模型已被训练以基于处理编码的数据结构生成指示植物产品具有潜伏感染的可能性的输出数据；通过一个或多个计算机获得指示植物产品具有潜伏感染的可能性的生成的输出数据；通过一个或多个计算机并基于生成的输出数据确定植物产品具有潜伏感染；和通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染。97.权利要求96的计算机可读介质，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：通过一个或多个计算机并基于输出数据确定对一个或多个其他相似来源的植物产品开具抗微生物处理。98.权利要求96的计算机可读介质，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：通过一个或多个计算机并基于输出数据对一个或多个其他相似来源的植物产品施用抗微生物处理。99.权利要求96的计算机可读介质，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：通过一个或多个计算机并基于输出数据确定运输一个或多个其他相似来源的植物产品的车辆将被改程到不同的目的地。100.权利要求96的计算机可读介质，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：通过一个或多个计算机并基于输出数据生成警报消息，当由用户设备处理时，所述警报消息使用户设备输出通知用户设备的用户车辆将被改程到不同的目的地的警报；和通过一个或多个计算机将生成的警报传输到用户设备。101.权利要求96的计算机可读介质，其中通过一个或多个计算机执行一种或多种操作以减轻植物产品中的潜伏感染包括：基于输出数据并基于输出数据生成警报消息，当由用户设备处理时，所述警报消息使
用户设备输出通知用户设备的用户一个或多个其他相似来源的植物产品的警报；和通过一个或多个计算机将警报消息传输到用户设备。102.权利要求96的计算机可读介质，其中描述植物产品中一种或多种感染生物标志物的表达水平的数据包含一种或多种变体的列表，其中一种或多种变体描述植物产品的读数序列和健康植物产品的参考基因组之间的差异。103.权利要求96的计算机可读介质，其中机器学习模型包括二元逻辑回归模型、逻辑模型树、随机森林分类器、l2正则化、偏最小二乘中的一种或多种。104.权利要求96的计算机可读介质，其中植物产品不包括任何可见的感染迹象。105.权利要求96的计算机可读介质，操作还包括：通过一个或多个计算机从植物产品的集合中选择m个植物产品的子集，其中m是大于1且小于n/2的整数；和对于子集的每个植物产品，通过一个或多个计算机确定一种或多种感染生物标志物的表达水平；其中通过一个或多个计算机获得描述植物产品中一种或多种生物标志物的表达水平的数据包括：通过一个或多个计算机并对于子集的每个植物产品，获得描述一种或多种感染生物标志物的确定的表达水平的数据；其中通过一个或多个计算机将获得的数据编码成用于输入机器学习模型的数据结构包括：通过一个或多个计算机将获得的描述一种或多种感染生物标志物的确定的表达水平的数据编码成用于输入机器学习模型的一种或多种数据结构。

技术总结
公开了一种用于预测相似来源的植物产品的集合中感染的可能性的方法。从植物产品的集合中选择植物产品的子集。对于子集中的每个植物产品，确定一种或多种感染生物标志物的表达水平，以及任选地确定一种或多种管家生物标志物的表达水平。基于子集中的每个植物产品的确定的一种或多种感染生物标志物的表达水平和任选地一种或多种管家生物标志物的表达水平确定植物产品子集的生物标志物表达统计数据集。然后至少部分地基于植物产品子集的确定的生物标志物表达统计数据集来预测植物产品的集合中感染的可能性。集合中感染的可能性。


技术研发人员：C
受保护的技术使用者：阿比尔技术公司
技术研发日：2020.11.05
技术公布日：2022/7/28