図面 (/)

技術 疾患関連マイクロバイオーム特徴解析プロセス

出願人 プソマーゲン, インコーポレイテッド
発明者 アプテ、ザッカリーリッチマン、ジェシカアルモナシド、ダニエルペドロソ、インティタピア、パズドゥマス、ビクトリアオルティズ、ロドリゴバルディビア、カタリーナアレグリア、ビクタービク、エリザベスエム.ヒッチフェルド、マウリーン
出願日 2018年7月27日 (2年6ヶ月経過) 出願番号 2020-509005
公開日 2020年10月29日 (3ヶ月経過) 公開番号 2020-530931
状態 未査定
技術分野 化合物または医薬の治療活性 蛋白脂質酵素含有:その他の医薬 突然変異または遺伝子工学 酵素、微生物を含む測定、試験 化粧料 微生物・酵素関連装置
主要キーワード 補足的特徴 相対荷重 改善領域 正則化法 機能態様 ネットワーク効果 規模調整 薬品供給装置
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2020年10月29日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (20)

課題・解決手段

1種類又は複数種類微生物関連状態特徴解析するための方法及び/又はシステムの実施形態は、対象群に関連する微生物データセットを決定すること;及び、マイクロバイオーム特徴解析モジュールセットを用いて解析技術を適用することにより前記微生物データセットに基づいて、1種類又は複数種類の微生物関連状態についての特徴解析プロセスを実施することを含み得る。

概要

背景

マイクロバイオームはある生物に伴う片利共生微生物相利共生性微生物、及び病原性微生物生態群集を含み得る。ヒトマイクロバイオームの特徴解析(characterization)は複雑な過程である。ヒトマイクロバイオームにはヒト細胞の10倍を超える微生物細胞が含まれるが、ヒトマイクロバイオームの特徴解析は、試料処理技術の限界遺伝的分析技術の限界、及び大量データ処理のためのリソースの限界等のために、未だに初期の段階にある。複数の健康状態についてのマイクロバイオーム集団役割が現在の知識から明確になっており、この知識はヒトの疾患発症における宿主の遺伝的因子と環境的因子の理解をますます高めるものとなっている。マイクロバイオームは多くの健康/疾患関連状態(例えば、出産準備、糖尿病自己免疫障害胃腸障害リウマチ性障害神経障害等)において少なくとも部分的な役割を果たすと考えられている。さらに、マイクロバイオームは、ヒト、植物、及び/又は動物の健康に対する環境因子の効果を媒介する可能性がある。対象の健康への影響にマイクロバイオームが深く関わっていることを考慮すると、マイクロバイオームの特徴解析、その特徴解析からの理解、及び共生バランス失調状態を改良するように構成されている治療法の作成に関して努力する必要がある。しかしながら、ヒトマイクロバイオームを分析し、且つ/又は得られた理解に基づいて治療手段を提供するための現行の方法とシステム(system:系)には、多くの疑問答えられずに残されている。

概要

1種類又は複数種類の微生物関連状態を特徴解析するための方法及び/又はシステムの実施形態は、対象群に関連する微生物データセットを決定すること;及び、マイクロバイオーム特徴解析モジュールセットを用いて解析技術を適用することにより前記微生物データセットに基づいて、1種類又は複数種類の微生物関連状態についての特徴解析プロセスを実施することを含み得る。

目的

しかしながら、ヒトマイクロバイオームを分析し、且つ/又は得られた理解に基づいて治療手段を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

一セット対象群に関連する一セットの試料群に基づいて微生物遺伝子配列を決定するように機能することができるシーケンシングステムを含む試料操作システム、ここで前記試料群は、微生物が関連する状態に関連する微生物核酸を含む;統計的検定次元削減法、及び人工知能アプローチのうちの2つ以上を含む一セットの解析技術群を適用するように機能することができる一セットのマイクロバイオーム特徴解析モジュール群、前記微生物遺伝子配列に基づいて一セットのマイクロバイオーム特徴群を決定するために、前記一セットの解析技術群のうちの第1の解析技術を適用するように機能することができる、第1マイクロバイオーム特徴解析モジュール、ここで前記一セットのマイクロバイオーム特徴群は、前記微生物関連状態に関連する、及び前記一セットのマイクロバイオーム特徴群に基づいて一セットの処理済みマイクロバイオーム特徴群を決定するために、前記一セットの解析技術群のうちの第2の解析技術を適用するように機能することができる、第2マイクロバイオーム特徴解析モジュール、ここで前記処理済みマイクロバイオーム特徴セットは、前記微生物関連状態の特徴解析を改善するように構成されている、を含む;及び前記処理済みマイクロバイオーム特徴セットに基づいて作成され、ユーザーについての前記微生物関連状態の特徴解析結果を決定するように機能することができる微生物関連状態のモデルを含む、微生物が関連する状態を特徴解析(characterization)するためのシステム。

請求項2

前記第1の解析技術が、t検定コルモゴロフ・スミルノフ検定、及び回帰モデルのうちの少なくとも1つを含む統計的検定を含み、前記第1マイクロバイオーム特徴解析モジュールは、前記微生物遺伝子配列に基づいて前記一セットのマイクロバイオーム特徴群を決定するために前記統計的検定を適用するように機能することができる、請求項1に記載のシステム。

請求項3

前記試料群が、腸、生殖器、口、皮膚、及びのうちの2つ以上を含む複数の採取部位から採取された多様部位試料(site−diversesamples)を含み、前記第1マイクロバイオーム特徴解析モジュールは、前記多様部位試料に基づいて前記一セットのマイクロバイオーム特徴群のうちの複数の第1のサブセットに属するマイクロバイオーム特徴を決定するために前記統計的検定を適用するように機能することができる、請求項1又は請求項2に記載のシステム、ここで、前記複数の第1のマイクロバイオーム特徴サブセットのうちの各マイクロバイオーム特徴サブセットは、前記複数の採取部位のうちの異なる採取部位に対応する。

請求項4

前記第2マイクロバイオーム特徴解析モジュールは、前記多様部位試料に基づいて前記一セットのマイクロバイオーム特徴群のうちの第2のサブセットに属するマイクロバイオーム特徴を決定するために追加の統計的検定を適用するように機能することができ、かつ前記微生物関連状態のモデルは、前記第1のマイクロバイオーム特徴サブセット及び前記第2のマイクロバイオーム特徴サブセットに基づいて作成される、請求項3に記載のシステム。

請求項5

前記第2マイクロバイオーム特徴解析モジュールは、前記マイクロバイオーム特徴セットを処理して前記処理済みマイクロバイオーム特徴セットにするために、特徴選択、特徴加重、及びウォームスタートのうちの少なくとも1つを実施するために前記第2の解析技術を適用するように機能することができる、請求項1又は請求項2に記載のシステム。

請求項6

前記微生物関連状態のモデルは、前記処理済みマイクロバイオーム特徴セットに基づいて作成され、かつ前記ユーザーについての光過敏性関連状態の特徴解析結果を決定するように機能することができる皮膚関連特徴解析モデルを含み、前記マイクロバイオーム特徴セットは、Alloprevotella(属)、Prevotellasp.WAL2039G(種)、Corynebacteriummastitidis(種)、Bacteroidaceae(科)、Blautia(属)、Bacteroides(属)、Desulfovibrio(属)、Clostridium(属)、Bacteroidesvulgatus(種)、Faecalibacteriumprausnitzii(種)、Blautiafaecis(種)、Alistipesputredinis(種)、Bacteroidessp.AR20(種)、Bacteroidessp.AR29(種)、Bacteroidesacidifaciens(種)、Dielma(属)、Slackia(属)、Eggerthella(属)、Adlercreutzia(属)、Paraprevotella(属)、Alistipes(属)、Holdemania(属)、Eisenbergiella(属)、Enterorhabdus(属)、Adlercreutziaequolifaciens(種)、Phascolarctobacteriumsuccinatutens(種)、Roseburiainulinivorans(種)、Phascolarctobacteriumsp.377(種)、Desulfovibriopiger(種)、Eggerthellasp.HGA1(種)、Lactonifactorlongoviformis(種)、Alistipessp.HGB5(種)、Holdemaniafiliformis(種)、Collinsellaintestinalis(種)、Neisseriamacacae(種)、Clostridiaceae(科)、Gemellasanguinis(種)、Bacteroidesfragilis(種)、Enterobacteriaceae(科)、Lachnospiraceae(科)、Pasteurellaceae(科)、Pasteurellales(目)、Enterobacteriales(目)、Sphingobacteriales(目)、Haemophilus(属)、Leuconostoc(属)、Brevundimonas(属)、Prevotellaoris(種)、Odoribacter(属)、Capnocytophaga(属)、Flavobacterium(属)、Pseudomonasbrenneri(種)、Flavobacteriumceti(種)、Brevundimonassp.FXJ8.080(種)、Ruminococcaceae(科)、Vibrionaceae(科)、Flavobacteriaceae(科)、Fusobacteriaceae(科)、Porphyromonadaceae(科)、Brevibacteriaceae(科)、Rhodobacteraceae(科)、Intrasporangiaceae(科)、Bifidobacteriaceae(科)、Sphingobacteriaceae(科)、Caulobacteraceae(科)、Campylobacteraceae(科)、Bacteroidia()、Fusobacteriia(綱)、Flavobacteriia(綱)、Bifidobacteriales(目)、Neisseriales(目)、Bacteroidales(目)、Rhodobacterales(目)、Flavobacteriales(目)、Vibrionales(目)、Fusobacteriales(目)、Caulobacterales(目)、Fusobacteria(門)、Actinobaculum(属)、Varibaculum(属)、Fusicatenibacter(属)、Brevibacterium(属)、Faecalibacterium(属)、Campylobacter(属)、Actinobacillus(属)、Porphyromonas(属)、Fusobacterium(属)、Chryseobacterium(属)、Megasphaera(属)、Rothia(属)、Neisseria(属)、Lactobacillussp.BL302(種)、Bacteroidesplebeius(種)、Corynebacteriumulcerans(種)、Varibaculumcambriense(種)、Blautiawexlerae(種)、Staphylococcussp.WB18−16(種)、Streptococcussp.oraltaxonG63(種)、Propionibacteriumacnes(種)、Anaerococcussp.9401487(種)、Haemophilusparainfluenzae(種)、Staphylococcusepidermidis(種)、Campylobacterureolyticus(種)、Janibactersp.M3−5(種)、Prevotellatimonensis(種)、Peptoniphilussp.DNF00840(種)、Finegoldiasp.S8F7(種)、Prevotelladisiens(種)、Porphyromonascatoniae(種)、Fusobacteriumperiodonticum(種)、感染症KEGG2)、特徴不明(PoorlyCharacterized)(KEGG2)、代謝疾患(KEGG2)、免疫系疾患(KEGG2)、細胞プロセス及びシグナル伝達(KEGG2)、制限酵素(KEGG3)、並びにヌクレオチド除去修復(KEGG3)のうちの少なくとも1つに関連する状態を含む、請求項1に記載のシステム。

請求項7

前記微生物関連状態のモデルは、前記処理済みマイクロバイオーム特徴セットに基づいて作成され、かつ前記ユーザーについての乾燥肌関連状態の特徴解析結果を決定するように機能することができる皮膚関連特徴解析モデルを含み、前記マイクロバイオーム特徴セットは、Corynebacteriaceae(科)、Bacilli(綱)、Lactobacillales(目)、Actinomycetales(目)、Firmicutes(門)、Corynebacterium(属)、Dermabacteraceae(科)、Lactobacillaceae(科)、Propionibacteriaceae(科)、Actinobacteria(綱)、Dermabacter(属)、Dialister(属)、Facklamia(属)、Lactobacillus(属)、Propionibacterium(属)、Corynebacteriumulcerans(種)、Facklamiahominis(種)、Corynebacteriumsp.(種)、Propionibacteriumsp.MSP09A(種)、Facklamiasp.1440−97(種)、Staphylococcussp.C9I2(種)、Anaerococcussp.9402080(種)、Corynebacteriumglucuronolyticum(種)、Dermabacterhominis(種)、Enterobacteriaceae(科)、Pseudomonadaceae(科)、Staphylococcaceae(科)、Gammaproteobacteria(綱)、Bacillales(目)、Enterobacteriales(目)、Bifidobacterium(属)、Pseudomonas(属)、Anaeroglobus(属)、Kluyvera(属)、Atopobium(属)、Staphylococcus(属)、Lactobacillussp.BL302(種)、Corynebacteriummastitidis(種)、Bifidobacteriumlongum(種)、Anaeroglobusgeminatus(種)、Anaerococcussp.S9PR−16(種)、Prevotellatimonensis(種)、Kluyverageorgiana(種)、Actinobaculum(属)、Finegoldia(属)、Cronobacter(属)、Acinetobactersp.WB22−23(種)、Anaerococcusoctavius(種)、Finegoldiasp.S9AA1−5(種)、Staphylococcussp.C−D−MA2(種)、Peptoniphilussp.7−2(種)、Cronobactersakazakii(種)、Pasteurellaceae(科)、Acidobacteriia(綱)、Sphingobacteriia(綱)、Sphingobacteriales(目)、Acidobacteria(門)、Porphyromonas(属)、Haemophilus(属)、Acinetobacter(属)、Anaerococcussp.8405254(種)、Sphingomonadaceae(科)、Sphingomonadales(目)、Kocuria(属)、Gemella(属)、Veillonellasp.CM60(種)、Lactobacillussp.7_1_47FAA(種)、Gemellasp.933−88(種)、Porphyromonascatoniae(種)、Haemophilusparainfluenzae(種)、Bacteroidessp.AR20(種)、Bacteroidesvulgatus(種)、Bacteroidessp.D22(種)、Dorealongicatena(種)、Parabacteroidesmerdae(種)、Bacteroidessp.AR29(種)、Dorea(属)、Collinsella(属)、Bacteroides(属)、Oscillospiraceae(科)、Ruminococcaceae(科)、Bacteroidaceae(科)、Verrucomicrobiaceae(科)、Coriobacteriaceae(科)、Clostridiales(目)、Bacteroidales(目)、Verrucomicrobiales(目)、Coriobacteriales(目)、Thermoanaerobacterales(目)、Clostridia(綱)、Bacteroidia(綱)、Verrucomicrobiae(綱)、Verrucomicrobia(門)、Bacteroidetes(門)、翻訳(KEGG2)、細胞プロセス及びシグナル伝達(KEGG2)、アミノ酸代謝(KEGG2)、細胞増殖及び細胞死(KEGG2)、複製及び修復(KEGG2)、他のアミノ酸の代謝(KEGG2)、神経変性疾患(KEGG2)、補因子及びビタミンの代謝(KEGG2)、輸送及び異化作用(KEGG2)、内分泌系(KEGG2)、免疫系疾患(KEGG2)、排出系(KEGG2)、酵素ファミリー(KEGG2)、膜輸送(KEGG2)、炭水化物代謝(KEGG2)、他の二次代謝物生合成(KEGG2)、テルペノイド及びポリケチドの代謝(KEGG2)、感染症(KEGG2)、遺伝情報処理(KEGG2)、神経系(KEGG2)、環境適応(KEGG2)、ヌクレオチド代謝(KEGG2)、シグナル伝達分子及び相互作用(KEGG2)、シグナル伝達(KEGG2)、無機イオンの輸送及び代謝(KEGG3)、染色体(KEGG3)、細胞周期カウロバクター属(KEGG3)、リボソーム生合成(KEGG3)、DNA複製タンパク質(KEGG3)、翻訳因子(KEGG3)、グリシンセリン及びトレオニンの代謝(KEGG3)、硫黄代謝(KEGG3)、他のイオン共役輸送体(KEGG3)、バリンロイシン、及びイソロイシンの生合成(KEGG3)、窒素代謝(KEGG3)、ペプチドグリカン生合成(KEGG3)、相同組換え(KEGG3)、ペルオキシソーム(KEGG3)、硫黄リレー系(KEGG3)、ペプチダーゼ(KEGG3)、プロテインキナーゼ(KEGG3)、ミスマッチ修復(KEGG3)、キシレン分解(KEGG3)、リボソーム(KEGG3)、RNAポリメラーゼ(KEGG3)、トリプトファン代謝(KEGG3)、ヒスチジン代謝(KEGG3)、ビタミン代謝(KEGG3)、細胞運動性及び分泌(KEGG3)、ピリミジン代謝(KEGG3)、細胞骨格タンパク質(KEGG3)、DNA複製(KEGG3)、アミノ糖及びヌクレオチド糖の代謝(KEGG3)、葉酸生合成(KEGG3)、光合成生物における炭素固定(KEGG3)、ホスファチジルイノシトールシグナル伝達系(KEGG3)、リシン分解(KEGG3)、セレン化合物代謝(KEGG3)、フルクトース及びマンノースの代謝(KEGG3)、イノシトールリン酸代謝(KEGG3)、タンパク質フォールディングとこれに関連するプロセッシング(KEGG3)、PPARシグナル伝達経路(KEGG3)、脂質代謝(KEGG3)、バリン、ロイシン、及びイソロイシンの分解(KEGG3)、グリオキシル酸及びジカルボン酸の代謝(KEGG3)、アルギニン及びプロリンの代謝(KEGG3)、リモネン及びピネンの分解(KEGG3)、D−アラニン代謝(KEGG3)、ポルフィリン及びクロロフィルの代謝(KEGG3)、C5分岐鎖二塩基酸代謝(KEGG3)、シャペロン及びフォールディング触媒(KEGG3)、脂肪酸代謝(KEGG3)、グルタチオン代謝(KEGG3)、ペントースリン酸経路(KEGG3)、ホスホトランスフェラーゼ系(PTS)(KEGG3)、パントテン酸及びCoAの生合成(KEGG3)、近位尿細管重炭酸塩再吸収(KEGG3)、ガラクトース代謝(KEGG3)、デンプン及びショ糖の代謝(KEGG3)、原発性免疫不全(KEGG3)、システイン及びメチオニンの代謝(KEGG3)、ユビキノン及び他のテルペノイド−キノンの生合成(KEGG3)、DNA修復及び組換えのタンパク質(KEGG3)、チロシン代謝(KEGG3)、フェニルアラニン、チロシン、及びトリプトファンの生合成(KEGG3)、アミノアシル−tRNA生合成(KEGG3)、アラニン、アスパラギン酸、及びグルタミン酸の代謝(KEGG3)、光合成(KEGG3)、他の輸送体(KEGG3)、ブタン酸代謝(KEGG3)、細菌性分泌系(KEGG3)、グリセロリン脂質代謝(KEGG3)、酸化的リン酸化(KEGG3)、I型真正糖尿病(KEGG3)、解糖糖新生(KEGG3)、光合成タンパク質(KEGG3)、輸送体(KEGG3)、テルペノイド骨格生合成(KEGG3)、不飽和脂肪酸の生合成(KEGG3)、シグナル伝達機構(KEGG3)、ケトン体の合成及び分解(KEGG3)、ヌクレオチド除去修復(KEGG3)、分泌系(KEGG3)、アルツハイマー病(KEGG3)、ゼアチン生合成(KEGG3)、II型真性糖尿病(KEGG3)、D−グルタミン及びD−グルタミン酸の代謝(KEGG3)、タウリン及びハイポタウリンの代謝(KEGG3)、グルタミン酸作動性シナプス(KEGG3)、植物−病原体相互作用(KEGG3)、ビタミンB6代謝(KEGG3)、クエン酸回路TCAサイクル)(KEGG3)、エチルベンゼン分解(KEGG3)、塩基除去修復(KEGG3)、複製、組換え、及び修復のタンパク質(KEGG3)、真核生物におけるリボソーム生合成(KEGG3)、アミノ安息香酸分解(KEGG3)、細菌運動性タンパク質(KEGG3)、アンサマイシン類の生合成(KEGG3)、イオンチャネル(KEGG3)、代謝(KEGG2)、特徴不明(PoorlyCharacterized)(KEGG2)、二次代謝物の生合成と生分解(KEGG3)、リポ酸代謝(KEGG3)、アミノ酸関連酵素(KEGG3)、翻訳タンパク質(KEGG3)、アスコルビン酸及びアルダル酸の代謝(KEGG3)、チアミン代謝(KEGG3)、機能未知(Functionunknown)(KEGG3)、グリコサミノグリカン分解(KEGG3)、その他(Others)(KEGG3)、ペントース及びグルクロン酸相互変換(KEGG3)、ビオチン代謝(KEGG3)、フェニルアラニン代謝(KEGG3)、スフィンゴ糖脂質生合成−ガングリオシリーズ(KEGG3)、ポア/イオンチャネル(Poresionchannels)(KEGG3)、膜及び細胞内構造分子(KEGG3)、プリン代謝(KEGG3)、葉酸による1炭素プール(KEGG3)、ホスホン酸及びホスフィン酸の代謝(KEGG3)、リソソーム(KEGG3)、薬物代謝−他の酵素(KEGG3)、ペニシリン及びセファロスポリンの生合成(KEGG3)、ハンチントン病(KEGG3)、ニコチン酸及びニコチンアミドの代謝(KEGG3)、薬物代謝−シトクロムP450(KEGG3)、リポ多糖生合成タンパク質(KEGG3)、シトクロムP450による生体外物質の代謝(KEGG3)、結核(KEGG3)、並びに多環式芳香族炭化水素分解(KEGG3)のうちの少なくとも1つに関連する状態を含む、請求項1に記載のシステム。

請求項8

前記微生物関連状態のモデルは、前記処理済みマイクロバイオーム特徴セットに基づいて作成され、かつ前記ユーザーについての頭皮関連状態の特徴解析結果を決定するように機能することができる皮膚関連特徴解析モデルを含み、前記マイクロバイオーム特徴セットは、Actinobacteria(綱)、Lactobacillales(目)、Actinomycetales(目)、Firmicutes(門)、Dermabacteraceae(科)、Lactobacillaceae(科)、Propionibacteriaceae(科)、Corynebacteriaceae(科)、Lactobacillus(属)、Corynebacterium(属)、Propionibacterium(属)、Dermabacter(属)、Eremococcus(属)、Corynebacteriumfreiburgense(種)、Eremoc(KEGG3)occuscoleocola(種)、Corynebacteriumsp.(種)、Staphylococcussp.C9I2(種)、Anaerococcussp.8405254(種)、Corynebacteriumglucuronolyticum(種)、Dermabacterhominis(種)、Coriobacteriaceae(科)、Enterobacteriaceae(科)、Staphylococcaceae(科)、Enterobacteriales(目)、Bacillales(目)、Bifidobacterium(属)、Staphylococcus(属)、Atopobium(属)、Megasphaera(属)、Corynebacteriummastitidis(種)、Streptococcussp.BS35a(種)、Finegoldiamagna(種)、Staphylococcusaureus(種)、Haemophilusinfluenzae(種)、Corynebacteriumsp.NML97−0186(種)、Streptococcussp.oraltaxonG59(種)、Dorea(属)、Roseburiasp.11SE39(種)、Dorealongicatena(種)、Prevotellaceae(科)、Veillonellaceae(科)、Oscillospiraceae(科)、Negativicutes(綱),Selenomonadales(目)、Finegoldia(属)、Oscillospira(属)、Intestinimonas(属)、Flavonifractor(属)、Prevotella(属)、Moryella(属)、Catenibacteriummitsuokai(種)、Collinsellaaerofaciens(種)、Peptoniphilussp.2002−2300004(種)、Corynebacteriumcanis(種)、Finegoldiasp.S9AA1−5(種)、Prevotellabuccalis(種)、Dialisterinvisus(種)、Moraxella(属)、Neisseria(属)、Neisseriamucosa(種)、Rikenellaceae(科)、補因子及びビタミンの代謝(KEGG2)、酵素ファミリー(KEGG2)、脂質代謝(KEGG2)、免疫系疾患(KEGG2)、解糖/糖新生(KEGG3)、原発性免疫不全(KEGG3)、ピルビン酸代謝(KEGG3)、輸送及び異化作用(KEGG2)、神経変性疾患(KEGG2)、内分泌系(KEGG2)、アミノ酸代謝(KEGG2)、細胞プロセス及びシグナル伝達(KEGG2)、シグナル伝達分子及び相互作用(KEGG2)、他のアミノ酸の代謝(KEGG2)、複製及び修復(KEGG2)、翻訳(KEGG2)、細胞増殖及び細胞死(KEGG2)、膜輸送(KEGG2)、他の二次代謝物の生合成(KEGG2)、テルペノイド及びポリケチドの代謝(KEGG2)、無機イオンの輸送及び代謝(KEGG3)、ビタミン代謝(KEGG3)、バリン、ロイシン、及びイソロイシンの生合成(KEGG3)、ペルオキシソーム(KEGG3)、リボソーム生合成(KEGG3)、セレン化合物代謝(KEGG3)、ヒスチジン代謝(KEGG3)、染色体(KEGG3)、硫黄代謝(KEGG3)、PPARシグナル伝達経路(KEGG3)、ポルフィリン及びクロロフィルの代謝(KEGG3)、ホスファチジルイノシトールシグナル伝達系(KEGG3)、イノシトールリン酸代謝(KEGG3)、硫黄リレー系(KEGG3)、グリシン、セリン及びトレオニンの代謝(KEGG3)、DNA複製タンパク質(KEGG3)、パントテン酸及びCoAの生合成(KEGG3)、翻訳因子(KEGG3)、タンパク質のフォールディング及び関連するプロセッシング(KEGG3)、II型真性糖尿病(KEGG3)、プロテインキナーゼ(KEGG3)、葉酸生合成(KEGG3)、リシン分解(KEGG3)、RNAポリメラーゼ(KEGG3)、D−アラニン代謝(KEGG3)、光合成生物における炭素固定(KEGG3)、窒素代謝(KEGG3)、グリセロリン脂質代謝(KEGG3)、アンサマイシン類の生合成(KEGG3)、バリン、ロイシン、及びイソロイシンの分解(KEGG3)、細胞骨格タンパク質(KEGG3)、ペプチダーゼ(KEGG3)、脂肪酸代謝(KEGG3)、細胞周期−カウロバクター属(KEGG3)、ホスホトランスフェラーゼ系(PTS)(KEGG3)、ピリミジン代謝(KEGG3)、アルツハイマー病(KEGG3)、ブタン酸代謝(KEGG3)、トリプトファン代謝(KEGG3)、シグナル伝達機構(KEGG3)、ペントースリン酸経路(KEGG3)、他のイオン共役輸送体(KEGG3)、相同組換え(KEGG3)、複製、組換え、及び修復のタンパク質(KEGG3)、キシレン分解(KEGG3)、ミスマッチ修復(KEGG3)、グリオキシル酸及びジカルボン酸の代謝(KEGG3)、アルギニン及びプロリンの代謝(KEGG3)、ペプチドグリカン生合成(KEGG3)、シャペロン及びフォールディング触媒(KEGG3)、I型真正糖尿病(KEGG3)、DNA複製(KEGG3)、細菌性分泌系(KEGG3)、チロシン代謝(KEGG3)、クエン酸回路(TCAサイクル)(KEGG3)、アミノ糖及びヌクレオチド糖の代謝(KEGG3)、リボソーム(KEGG3)、リモネン及びピネンの分解(KEGG3)、細胞運動性及び分泌(KEGG3)、タウリン及びハイポタウリンの代謝(KEGG3)、酸化的リン酸化(KEGG3)、フルクトース及びマンノースの代謝(KEGG3)、ビタミンB6代謝(KEGG3)、イオンチャネル(KEGG3)、ケトン体の合成及び分解(KEGG3)、他の輸送体(KEGG3)、ガラクトース代謝(KEGG3)、多環式芳香族炭化水素分解(KEGG3)、輸送体(KEGG3)、DNA修復及び組換えのタンパク質(KEGG3)、デンプン及びショ糖の代謝(KEGG3)、アラニン、アスパラギン酸、及びグルタミン酸の代謝(KEGG3)、真核生物におけるリボソーム生合成(KEGG3)、分泌系(KEGG3)、不飽和脂肪酸の生合成(KEGG3)、システイン及びメチオニンの代謝(KEGG3)、塩基除去修復(KEGG3)、アミノ安息香酸分解(KEGG3)、光合成(KEGG3)、光合成タンパク質(KEGG3)、ポアイオンチャネル(KEGG3)、脂質生合成タンパク質(KEGG3)、並びにD−グルタミン及びD−グルタミン酸の代謝(KEGG3)のうちの少なくとも1つに関連する状態を含む、請求項1に記載のシステム。

請求項9

ユーザーに関連する試料に由来する微生物核酸群に基づいて前記ユーザーについての微生物配列データセットを決定すること;及び前記微生物配列データセットと、一セットのマイクロバイオーム特徴群を決定するための、マイクロバイオーム特徴解析モジュールセットを用いた一セットの解析技術群の適用に基づいて作成される微生物関連状態のモデルとに基づいて、前記ユーザーについての微生物関連状態の特徴解析結果を決定することを含む方法であり、前記一セットの解析技術群が統計的検定、次元削減法、及び人工知能アプローチのうちの少なくとも1つを含み、前記マイクロバイオーム特徴解析モジュールセットは前記一セットの解析技術群のうちの第1の解析技術を適用するように機能することができる第1マイクロバイオーム特徴解析モジュール、及び前記一セットの解析技術群のうちの第2の解析技術を適用するように機能することができる第2マイクロバイオーム特徴解析モジュールを含む、微生物が関連する状態を特徴解析する(characterizing)ための方法。

請求項10

前記一セットのマイクロバイオーム特徴群を決定するための前記一セットの解析技術群の適用は、前記微生物配列データセットに基いて、初期セットに属するマイクロバイオーム特徴群を決定すること、及び前記一セットのマイクロバイオーム特徴解析モジュール群のうちの前記第1マイクロバイオーム特徴解析モジュールを用いて、前記一セットの初期マイクロバイオーム特徴群に対して次元削減法を適用して、前記一セットのマイクロバイオーム特徴群を決定すること、を含み、ここで前記次元削減法は、欠損値比率主成分分析、確率的主成分分析、行列因子分解法、成分混合モデル、及び特徴埋め込み法のうちの少なくとも1つを含む、請求項9に記載の方法。

請求項11

前記マイクロバイオーム特徴の初期セットを決定することは、前記一セットのマイクロバイオーム特徴解析モジュール群のうちの前記第2マイクロバイオーム特徴解析モジュールを用いて、前記微生物配列データセットに対して前記統計的検定を適用して、前記マイクロバイオーム特徴の初期セットを決定すること、を含み、ここで、前記統計的検定は、t検定、コルモゴロフ・スミルノフ検定、及び回帰モデルのうちの少なくとも1つを含む、請求項10に記載の方法。

請求項12

前記一セットの解析技術群の適用は、前記一セットのマイクロバイオーム特徴解析モジュール群のうちの前記第2マイクロバイオーム特徴解析モジュールを用いて、機械学習アプローチを適用して、前記一セットのマイクロバイオーム特徴群について関連度スコアを決定すること、を含み、ここで前記微生物関連状態は、前記一セットのマイクロバイオーム特徴群及び前記関連度スコアに基づいて作成される、請求項10に記載の方法。

請求項13

前記特徴解析結果を決定することが、前記微生物関連状態のモデル、前記ユーザー由来の前記試料、及び、前記一セットのマイクロバイオーム特徴群と薬品代謝との間の既知の関連性に基づいて、前記微生物関連状態に関連する薬品代謝特徴解析結果を決定することを含む、請求項10に記載の方法。

請求項14

前記ユーザーについての前記微生物関連状態の特徴解析結果を決定することが、腸、生殖器、口、皮膚、及び鼻のうちの2つ以上を含む複数の採取部位に対応する一セットの多様部位試料群を前記ユーザーから採取すること、ここで前記一セットの多様部位試料群は前記ユーザー由来の前記試料を含む;前記一セットの多様部位試料群及び前記微生物関連状態のモデルに基づいて一セットの部位別疾患性向メトリック群を決定すること、ここで前記一セットの部位別疾患性向メトリック群の中の各部位別疾患性向メトリックは、前記複数の採取部位のうちの異なる採取部位に対応し、かつ、前記微生物関連状態に関連する;及び前記一セットの部位別疾患性向メトリック群に基づいて前記ユーザーについての総合的疾患性向メトリックを決定すること、ここで前記総合的疾患性向メトリックは前記微生物関連状態に関連する、を含む、請求項9に記載の方法。

請求項15

前記一セットの多様部位試料群に基づいて前記複数の採取部位に関連する微生物データセットを決定することをさらに含み、前記総合的疾患性向メトリックの決定が、共分散メトリック及び相関メトリックのうちの少なくとも一方を前記微生物データセットに基づいて決定すること、ここで、前記共分散メトリック及び前記相関メトリックのうちの前記少なくとも一方は前記複数の採取部位に関連する;及び前記一セットの部位別疾患性向メトリック群並びに前記共分散メトリック及び前記相関メトリックのうちの前記少なくとも一方に基づいて前記ユーザーについての前記総合的疾患性向メトリックを決定すること、を含む、請求項14に記載の方法。

請求項16

前記マイクロバイオーム特徴群を決定するための前記一セットの解析技術群の適用の前の、(a)前記一セットの試料群のうちの第1の試料はずれ値に対応する第1の試料データを除外すること、ここで前記第1の試料はずれ値は、主成分分析、次元削減法、及び多変量解析法のうちの少なくとも1つにより決定される;(b)前記一セットの試料群のうちの第2の試料はずれ値に対応する第2の試料データを除外すること、ここで前記第2の試料はずれ値は、前記一セットのマイクロバイオーム特徴群についての対応データ品質に基づいて決定される;及び(c)マイクロバイオーム特徴の試料数閾値試料数条件を満たすことができないことに基づいて当該マイクロバイオーム特徴を前記一セットのマイクロバイオーム特徴群から除外すること、ここで前記試料数は前記マイクロバイオーム特徴についての高品質データに関連する試料の数に対応する、のうちの少なくとも1つによる前記微生物配列データセットのフィルタリングに基づいて、前記微生物関連状態のモデルが作成される、請求項9に記載の方法。

請求項17

前記ユーザーについて前記微生物関連状態の特徴解析結果を決定することが、一セットのユーザーマイクロバイオーム特徴群及び前記微生物関連状態のモデルに基づいて前記ユーザーについての光過敏性関連状態の皮膚関連特徴解析結果を決定することを含み、前記ユーザーマイクロバイオーム特徴セットは、Alloprevotella(属)、Prevotellasp.WAL2039G(種)、Corynebacteriummastitidis(種)、Bacteroidaceae(科)、Blautia(属)、Bacteroides(属)、Desulfovibrio(属)、Clostridium(属)、Bacteroidesvulgatus(種)、Faecalibacteriumprausnitzii(種)、Blautiafaecis(種)、Alistipesputredinis(種)、Bacteroidessp.AR20(種)、Bacteroidessp.AR29(種)、Bacteroidesacidifaciens(種)、Dielma(属)、Slackia(属)、Eggerthella(属)、Adlercreutzia(属)、Paraprevotella(属)、Alistipes(属)、Holdemania(属)、Eisenbergiella(属)、Enterorhabdus(属)、Adlercreutziaequolifaciens(種)、Phascolarctobacteriumsuccinatutens(種)、Roseburiainulinivorans(種)、Phascolarctobacteriumsp.377(種)、Desulfovibriopiger(種)、Eggerthellasp.HGA1(種)、Lactonifactorlongoviformis(種)、Alistipessp.HGB5(種)、Holdemaniafiliformis(種)、Collinsellaintestinalis(種)、Neisseriamacacae(種)、Clostridiaceae(科)、Gemellasanguinis(種)、Bacteroidesfragilis(種)、Enterobacteriaceae(科)、Lachnospiraceae(科)、Pasteurellaceae(科)、Pasteurellales(目)、Enterobacteriales(目)、Sphingobacteriales(目)、Haemophilus(属)、Leuconostoc(属)、Brevundimonas(属)、Prevotellaoris(種)、Odoribacter(属)、Capnocytophaga(属)、Flavobacterium(属)、Pseudomonasbrenneri(種)、Flavobacteriumceti(種)、Brevundimonassp.FXJ8.080(種)、Ruminococcaceae(科)、Vibrionaceae(科)、Flavobacteriaceae(科)、Fusobacteriaceae(科)、Porphyromonadaceae(科)、Brevibacteriaceae(科)、Rhodobacteraceae(科)、Intrasporangiaceae(科)、Bifidobacteriaceae(科)、Sphingobacteriaceae(科)、Caulobacteraceae(科)、Campylobacteraceae(科)、Bacteroidia(綱)、Fusobacteriia(綱)、Flavobacteriia(綱)、Bifidobacteriales(目)、Neisseriales(目)、Bacteroidales(目)、Rhodobacterales(目)、Flavobacteriales(目)、Vibrionales(目)、Fusobacteriales(目)、Caulobacterales(目)、Fusobacteria(門)、Actinobaculum(属)、Varibaculum(属)、Fusicatenibacter(属)、Brevibacterium(属)、Faecalibacterium(属)、Campylobacter(属)、Actinobacillus(属)、Porphyromonas(属)、Fusobacterium(属)、Chryseobacterium(属)、Megasphaera(属)、Rothia(属)、Neisseria(属)、Lactobacillussp.BL302(種)、Bacteroidesplebeius(種)、Corynebacteriumulcerans(種)、Varibaculumcambriense(種)、Blautiawexlerae(種)、Staphylococcussp.WB18−16(種)、Streptococcussp.oraltaxonG63(種)、Propionibacteriumacnes(種)、Anaerococcussp.9401487(種)、Haemophilusparainfluenzae(種)、Staphylococcusepidermidis(種)、Campylobacterureolyticus(種)、Janibactersp.M3−5(種)、Prevotellatimonensis(種)、Peptoniphilussp.DNF00840(種)、Finegoldiasp.S8F7(種)、Prevotelladisiens(種)、Porphyromonascatoniae(種)、Fusobacteriumperiodonticum(種)、感染症(KEGG2)、特徴不明(PoorlyCharacterized)(KEGG2)、代謝疾患(KEGG2)、免疫系疾患(KEGG2)、細胞プロセス及びシグナル伝達(KEGG2)、制限酵素(KEGG3)、並びにヌクレオチド除去修復(KEGG3)のうちの少なくとも1つに関連する特徴を含む、請求項9に記載の方法。

請求項18

前記ユーザーについて前記微生物関連状態の特徴解析結果を決定することが、一セットのユーザーマイクロバイオーム特徴群及び前記微生物関連状態のモデルに基づいて前記ユーザーについての乾燥肌関連状態の皮膚関連特徴解析結果を決定することを含み、前記一セットのユーザーマイクロバイオーム特徴群は、Corynebacteriaceae(科)、Bacilli(綱)、Lactobacillales(目)、Actinomycetales(目)、Firmicutes(門)、Corynebacterium(属)、Dermabacteraceae(科)、Lactobacillaceae(科)、Propionibacteriaceae(科)、Actinobacteria(綱)、Dermabacter(属)、Dialister(属)、Facklamia(属)、Lactobacillus(属)、Propionibacterium(属)、Corynebacteriumulcerans(種)、Facklamiahominis(種)、Corynebacteriumsp.(種)、Propionibacteriumsp.MSP09A(種)、Facklamiasp.1440−97(種)、Staphylococcussp.C9I2(種)、Anaerococcussp.9402080(種)、Corynebacteriumglucuronolyticum(種)、Dermabacterhominis(種)、Enterobacteriaceae(科)、Pseudomonadaceae(科)、Staphylococcaceae(科)、Gammaproteobacteria(綱)、Bacillales(目)、Enterobacteriales(目)、Bifidobacterium(属)、Pseudomonas(属)、Anaeroglobus(属)、Kluyvera(属)、Atopobium(属)、Staphylococcus(属)、Lactobacillussp.BL302(種)、Corynebacteriummastitidis(種)、Bifidobacteriumlongum(種)、Anaeroglobusgeminatus(種)、Anaerococcussp.S9PR−16(種)、Prevotellatimonensis(種)、Kluyverageorgiana(種)、Actinobaculum(属)、Finegoldia(属)、Cronobacter(属)、Acinetobactersp.WB22−23(種)、Anaerococcusoctavius(種)、Finegoldiasp.S9AA1−5(種)、Staphylococcussp.C−D−MA2(種)、Peptoniphilussp.7−2(種)、Cronobactersakazakii(種)、Pasteurellaceae(科)、Acidobacteriia(綱)、Sphingobacteriia(綱)、Sphingobacteriales(目)、Acidobacteria(門)、Porphyromonas(属)、Haemophilus(属)、Acinetobacter(属)、Anaerococcussp.8405254(種)、Sphingomonadaceae(科)、Sphingomonadales(目)、Kocuria(属)、Gemella(属)、Veillonellasp.CM60(種)、Lactobacillussp.7_1_47FAA(種)、Gemellasp.933−88(種)、Porphyromonascatoniae(種)、Haemophilusparainfluenzae(種)、Bacteroidessp.AR20(種)、Bacteroidesvulgatus(種)、Bacteroidessp.D22(種)、Dorealongicatena(種)、Parabacteroidesmerdae(種)、Bacteroidessp.AR29(種)、Dorea(属)、Collinsella(属)、Bacteroides(属)、Oscillospiraceae(科)、Ruminococcaceae(科)、Bacteroidaceae(科)、Verrucomicrobiaceae(科)、Coriobacteriaceae(科)、Clostridiales(目)、Bacteroidales(目)、Verrucomicrobiales(目)、Coriobacteriales(目)、Thermoanaerobacterales(目)、Clostridia(綱)、Bacteroidia(綱)、Verrucomicrobiae(綱)、Verrucomicrobia(門)、Bacteroidetes(門)、翻訳(KEGG2)、細胞プロセス及びシグナル伝達(KEGG2)、アミノ酸代謝(KEGG2)、細胞増殖及び細胞死(KEGG2)、複製及び修復(KEGG2)、他のアミノ酸の代謝(KEGG2)、神経変性疾患(KEGG2)、補因子及びビタミンの代謝(KEGG2)、輸送及び異化作用(KEGG2)、内分泌系(KEGG2)、免疫系疾患(KEGG2)、排出系(KEGG2)、酵素ファミリー(KEGG2)、膜輸送(KEGG2)、炭水化物代謝(KEGG2)、他の二次代謝物の生合成(KEGG2)、テルペノイド及びポリケチドの代謝(KEGG2)、感染症(KEGG2)、遺伝情報処理(KEGG2)、神経系(KEGG2)、環境適応(KEGG2)、ヌクレオチド代謝(KEGG2)、シグナル伝達分子及び相互作用(KEGG2)、シグナル伝達(KEGG2)、無機イオンの輸送及び代謝(KEGG3)、染色体(KEGG3)、細胞周期−カウロバクター属(KEGG3)、リボソーム生合成(KEGG3)、DNA複製タンパク質(KEGG3)、翻訳因子(KEGG3)、グリシン、セリン及びトレオニンの代謝(KEGG3)、硫黄代謝(KEGG3)、他のイオン共役輸送体(KEGG3)、バリン、ロイシン、及びイソロイシンの生合成(KEGG3)、窒素代謝(KEGG3)、ペプチドグリカン生合成(KEGG3)、相同組換え(KEGG3)、ペルオキシソーム(KEGG3)、硫黄リレー系(KEGG3)、ペプチダーゼ(KEGG3)、プロテインキナーゼ(KEGG3)、ミスマッチ修復(KEGG3)、キシレン分解(KEGG3)、リボソーム(KEGG3)、RNAポリメラーゼ(KEGG3)、トリプトファン代謝(KEGG3)、ヒスチジン代謝(KEGG3)、ビタミン代謝(KEGG3)、細胞運動性及び分泌(KEGG3)、ピリミジン代謝(KEGG3)、細胞骨格タンパク質(KEGG3)、DNA複製(KEGG3)、アミノ糖及びヌクレオチド糖の代謝(KEGG3)、葉酸生合成(KEGG3)、光合成生物における炭素固定(KEGG3)、ホスファチジルイノシトールシグナル伝達系(KEGG3)、リシン分解(KEGG3)、セレン化合物代謝(KEGG3)、フルクトース及びマンノースの代謝(KEGG3)、イノシトールリン酸代謝(KEGG3)、タンパク質フォールディングとこれに関連するプロセッシング(KEGG3)、PPARシグナル伝達経路(KEGG3)、脂質代謝(KEGG3)、バリン、ロイシン、及びイソロイシンの分解(KEGG3)、グリオキシル酸及びジカルボン酸の代謝(KEGG3)、アルギニン及びプロリンの代謝(KEGG3)、リモネン及びピネンの分解(KEGG3)、D−アラニン代謝(KEGG3)、ポルフィリン及びクロロフィルの代謝(KEGG3)、Cs分岐鎖二塩基酸代謝(KEGG3)、シャペロン及びフォールディング触媒(KEGG3)、脂肪酸代謝(KEGG3)、グルタチオン代謝(KEGG3)、ペントースリン酸経路(KEGG3)、ホスホトランスフェラーゼ系(PTS)(KEGG3)、パントテン酸及びCoAの生合成(KEGG3)、近位尿細管重炭酸塩再吸収(KEGG3)、ガラクトース代謝(KEGG3)、デンプン及びショ糖の代謝(KEGG3)、原発性免疫不全(KEGG3)、システイン及びメチオニンの代謝(KEGG3)、ユビキノン及び他のテルペノイド−キノンの生合成(KEGG3)、DNA修復及び組換えのタンパク質(KEGG3)、チロシン代謝(KEGG3)、フェニルアラニン、チロシン、及びトリプトファンの生合成(KEGG3)、アミノアシル−tRNA生合成(KEGG3)、アラニン、アスパラギン酸、及びグルタミン酸の代謝(KEGG3)、光合成(KEGG3)、他の輸送体(KEGG3)、ブタン酸代謝(KEGG3)、細菌性分泌系(KEGG3)、グリセロリン脂質代謝(KEGG3)、酸化的リン酸化(KEGG3)、I型真正糖尿病(KEGG3)、解糖/糖新生(KEGG3)、光合成タンパク質(KEGG3)、輸送体(KEGG3)、テルペノイド骨格生合成(KEGG3)、不飽和脂肪酸の生合成(KEGG3)、シグナル伝達機構(KEGG3)、ケトン体の合成及び分解(KEGG3)、ヌクレオチド除去修復(KEGG3)、分泌系(KEGG3)、アルツハイマー病(KEGG3)、ゼアチン生合成(KEGG3)、II型真性糖尿病(KEGG3)、D−グルタミン及びD−グルタミン酸の代謝(KEGG3)、タウリン及びハイポタウリンの代謝(KEGG3)、グルタミン酸作動性シナプス(KEGG3)、植物−病原体相互作用(KEGG3)、ビタミンB6代謝(KEGG3)、クエン酸回路(TCAサイクル)(KEGG3)、エチルベンゼン分解(KEGG3)、塩基除去修復(KEGG3)、複製、組換え、及び修復のタンパク質(KEGG3)、真核生物におけるリボソーム生合成(KEGG3)、アミノ安息香酸分解(KEGG3)、細菌運動性タンパク質(KEGG3)、アンサマイシン類の生合成(KEGG3)、イオンチャネル(KEGG3)、代謝(KEGG2)、特徴不明(PoorlyCharacterized)(KEGG2)、二次代謝物の生合成と生分解(KEGG3)、リポ酸代謝(KEGG3)、アミノ酸関連酵素(KEGG3)、翻訳タンパク質(KEGG3)、アスコルビン酸及びアルダル酸の代謝(KEGG3)、チアミン代謝(KEGG3)、機能未知(Functionunknown)(KEGG3)、グリコサミノグリカン分解(KEGG3)、その他(Others)(KEGG3)、ペントース及びグルクロン酸の相互変換(KEGG3)、ビオチン代謝(KEGG3)、フェニルアラニン代謝(KEGG3)、スフィンゴ糖脂質生合成−ガングリオシリーズ(KEGG3)、ポアイオンチャネル(Poresionchannels)(KEGG3)、膜及び細胞内構造分子(KEGG3)、プリン代謝(KEGG3)、葉酸による1炭素プール(KEGG3)、ホスホン酸及びホスフィン酸の代謝(KEGG3)、リソソーム(KEGG3)、薬物代謝−他の酵素(KEGG3)、ペニシリン及びセファロスポリンの生合成(KEGG3)、ハンチントン病(KEGG3)、ニコチン酸及びニコチンアミドの代謝(KEGG3)、薬物代謝−シトクロムP450(KEGG3)、リポ多糖生合成タンパク質(KEGG3)、シトクロムP450による生体外物質の代謝(KEGG3)、結核(KEGG3)、並びに多環式芳香族炭化水素分解(KEGG3)のうちの少なくとも1つに関連する特徴を含む、請求項9に記載の方法。

請求項19

前記ユーザーについて前記微生物関連状態の特徴解析結果を決定することが、一セットのユーザーマイクロバイオーム特徴群及び前記微生物関連状態のモデルに基づいて前記ユーザーについての頭皮関連状態の皮膚関連特徴解析結果を決定することを含み、前記一セットのユーザーマイクロバイオーム特徴群は、Actinobacteria(綱)、Lactobacillales(目)、Actinomycetales(目)、Firmicutes(門)、Dermabacteraceae(科)、Lactobacillaceae(科)、Propionibacteriaceae(科)、Corynebacteriaceae(科)、Lactobacillus(属)、Corynebacterium(属)、Propionibacterium(属)、Dermabacter(属)、Eremococcus(属)、Corynebacteriumfreiburgense(種)、Eremoc(KEGG3)occuscoleocola(種)、Corynebacteriumsp.(種)、Staphylococcussp.C9I2(種)、Anaerococcussp.8405254(種)、Corynebacteriumglucuronolyticum(種)、Dermabacterhominis(種)、Coriobacteriaceae(科)、Enterobacteriaceae(科)、Staphylococcaceae(科)、Enterobacteriales(目)、Bacillales(目)、Bifidobacterium(属)、Staphylococcus(属)、Atopobium(属)、Megasphaera(属)、Corynebacteriummastitidis(種)、Streptococcussp.BS35a(種)、Finegoldiamagna(種)、Staphylococcusaureus(種)、Haemophilusinfluenzae(種)、Corynebacteriumsp.NML97−0186(種)、Streptococcussp.oraltaxonG59(種)、Dorea(属)、Roseburiasp.11SE39(種)、Dorealongicatena(種)、Prevotellaceae(科)、Veillonellaceae(科)、Oscillospiraceae(科)、Negativicutes(綱),Selenomonadales(目)、Finegoldia(属)、Oscillospira(属)、Intestinimonas(属)、Flavonifractor(属)、Prevotella(属)、Moryella(属)、Catenibacteriummitsuokai(種)、Collinsellaaerofaciens(種)、Peptoniphilussp.2002−2300004(種)、Corynebacteriumcanis(種)、Finegoldiasp.S9AA1−5(種)、Prevotellabuccalis(種)、Dialisterinvisus(種)、Moraxella(属)、Neisseria(属)、Neisseriamucosa(種)、Rikenellaceae(科)、補因子及びビタミンの代謝(KEGG2)、酵素ファミリー(KEGG2)、脂質代謝(KEGG2)、免疫系疾患(KEGG2)、解糖/糖新生(KEGG3)、原発性免疫不全(KEGG3)、ピルビン酸代謝(KEGG3)、輸送及び異化作用(KEGG2)、神経変性疾患(KEGG2)、内分泌系(KEGG2)、アミノ酸代謝(KEGG2)、細胞プロセス及びシグナル伝達(KEGG2)、シグナル伝達分子及び相互作用(KEGG2)、他のアミノ酸の代謝(KEGG2)、複製及び修復(KEGG2)、翻訳(KEGG2)、細胞増殖及び細胞死(KEGG2)、膜輸送(KEGG2)、他の二次代謝物の生合成(KEGG2)、テルペノイド及びポリケチドの代謝(KEGG2)、無機イオンの輸送及び代謝(KEGG3)、ビタミン代謝(KEGG3)、バリン、ロイシン、及びイソロイシンの生合成(KEGG3)、ペルオキシソーム(KEGG3)、リボソーム生合成(KEGG3)、セレン化合物代謝(KEGG3)、ヒスチジン代謝(KEGG3)、染色体(KEGG3)、硫黄代謝(KEGG3)、PPARシグナル伝達経路(KEGG3)、ポルフィリン及びクロロフィルの代謝(KEGG3)、ホスファチジルイノシトールシグナル伝達系(KEGG3)、イノシトールリン酸代謝(KEGG3)、硫黄リレー系(KEGG3)、グリシン、セリン及びトレオニンの代謝(KEGG3)、DNA複製タンパク質(KEGG3)、パントテン酸及びCoAの生合成(KEGG3)、翻訳因子(KEGG3)、タンパク質のフォールディング及び関連するプロセッシング(KEGG3)、II型真性糖尿病(KEGG3)、プロテインキナーゼ(KEGG3)、葉酸生合成(KEGG3)、リシン分解(KEGG3)、RNAポリメラーゼ(KEGG3)、D−アラニン代謝(KEGG3)、光合成生物における炭素固定(KEGG3)、窒素代謝(KEGG3)、グリセロリン脂質代謝(KEGG3)、アンサマイシン類の生合成(KEGG3)、バリン、ロイシン、及びイソロイシンの分解(KEGG3)、細胞骨格タンパク質(KEGG3)、ペプチダーゼ(KEGG3)、脂肪酸代謝(KEGG3)、細胞周期−カウロバクター属(KEGG3)、ホスホトランスフェラーゼ系(PTS)(KEGG3)、ピリミジン代謝(KEGG3)、アルツハイマー病(KEGG3)、ブタン酸代謝(KEGG3)、トリプトファン代謝(KEGG3)、シグナル伝達機構(KEGG3)、ペントースリン酸経路(KEGG3)、他のイオン共役輸送体(KEGG3)、相同組換え(KEGG3)、複製、組換え、及び修復のタンパク質(KEGG3)、キシレン分解(KEGG3)、ミスマッチ修復(KEGG3)、グリオキシル酸及びジカルボン酸の代謝(KEGG3)、アルギニン及びプロリンの代謝(KEGG3)、ペプチドグリカン生合成(KEGG3)、シャペロン及びフォールディング触媒(KEGG3)、I型真正糖尿病(KEGG3)、DNA複製(KEGG3)、細菌性分泌系(KEGG3)、チロシン代謝(KEGG3)、クエン酸回路(TCAサイクル)(KEGG3)、アミノ糖及びヌクレオチド糖の代謝(KEGG3)、リボソーム(KEGG3)、リモネン及びピネンの分解(KEGG3)、細胞運動性及び分泌(KEGG3)、タウリン及びハイポタウリンの代謝(KEGG3)、酸化的リン酸化(KEGG3)、フルクトース及びマンノースの代謝(KEGG3)、ビタミンB6代謝(KEGG3)、イオンチャネル(KEGG3)、ケトン体の合成及び分解(KEGG3)、他の輸送体(KEGG3)、ガラクトース代謝(KEGG3)、多環式芳香族炭化水素分解(KEGG3)、輸送体(KEGG3)、DNA修復及び組換えのタンパク質(KEGG3)、デンプン及びショ糖の代謝(KEGG3)、アラニン、アスパラギン酸、及びグルタミン酸の代謝(KEGG3)、真核生物におけるリボソーム生合成(KEGG3)、分泌系(KEGG3)、不飽和脂肪酸の生合成(KEGG3)、システイン及びメチオニンの代謝(KEGG3)、塩基除去修復(KEGG3)、アミノ安息香酸分解(KEGG3)、光合成(KEGG3)、光合成タンパク質(KEGG3)、ポア/イオンチャネル(KEGG3)、脂質生合成タンパク質(KEGG3)、並びにD−グルタミン及びD−グルタミン酸の代謝(KEGG3)のうちの少なくとも1つに関連する特徴を含む、請求項9に記載の方法。

請求項20

前記微生物関連状態が皮膚関連状態を含み、前記特徴解析に基づいて前記皮膚関連状態について前記ユーザーに対してプロバイオティクス治療推進することをさらに含み、前記プロバイオティクス治療がCorynebacteriumulcerans、Facklamiahominis、Corynebacteriumsp.、Propionibacteriumsp.MSP09A、Facklamiasp.1440−97、Staphylococcussp.C9I2、Anaerococcussp.9402080、Corynebacteriumglucuronolyticum、Dermabacterhominis、Lactobacillussp.BL302、Corynebacteriummastitidis、Bifidobacteriumlongum、Anaeroglobusgeminatus、Anaerococcussp.S9PR−16、Prevotellatimonensis、Kluyverageorgiana、Acinetobactersp.WB22−23、Anaerococcusoctavius、Finegoldiasp.S9AA1−5、Staphylococcussp.C−D−MA2、Peptoniphilussp.7−2、Cronobactersakazakii、Anaerococcussp.8405254、Veillonellasp.CM60、Lactobacillussp.7_1_47FAA、Gemellasp.933−88、Porphyromonascatoniae、Haemophilusparainfluenzae、Bacteroidessp.AR20、Bacteroidesvulgatus、Bacteroidessp.D22、Dorealongicatena、Parabacteroidesmerdae、Bacteroidessp.AR29、Prevotellasp.WAL2039G、Faecalibacteriumprausnitzii、Blautiafaecis、Alistipesputredinis、Bacteroidesacidifaciens、Adlercreutziaequolifaciens、Phascolarctobacteriumsuccinatutens、Roseburiainulinivorans、Phascolarctobacteriumsp.377、Desulfovibriopiger、Eggerthellasp.HGA1、Lactonifactorlongoviformis、Alistipessp.HGB5、Holdemaniafiliformis、Collinsellaintestinalis、Neisseriamacacae、Gemellasanguinis、Bacteroidesfragilis、Prevotellaoris、Pseudomonasbrenneri、Flavobacteriumceti、Brevundimonassp.FXJ8.080、Bacteroidesplebeius、Varibaculumcambriense、Blautiawexlerae、Staphylococcussp.WB18−16、Streptococcussp.oraltaxonG63、Propionibacteriumacnes、Anaerococcussp.9401487、Staphylococcusepidermidis、Campylobacterureolyticus、Janibactersp.M3−5、Peptoniphilussp.DNF00840、Finegoldiasp.S8F7、Prevotelladisiens、Fusobacteriumperiodonticum、Corynebacteriumfreiburgense、Eremococcuscoleocola、Streptococcussp.BS35a、Finegoldiamagna、Staphylococcusaureus、Haemophilusinfluenzae、Corynebacteriumsp.NML97−0186、Streptococcussp.oraltaxonG59、Roseburiasp.11SE39、Catenibacteriummitsuokai、Collinsellaaerofaciens、Peptoniphilussp.2002−2300004、Corynebacteriumcanis、Prevotellabuccalis、Dialisterinvisus、及びNeisseriamucosaのうちのいずれか1つに関連する微生物に関連するものである、請求項9に記載の方法。

請求項21

一セットの対象群に関連する試料群に由来する微生物核酸群に基づいて、前記一セットの対象群に関連する微生物配列データセットを決定すること、ここで前記微生物核酸群は、微生物が関連する複数種類の状態に関連する;前記微生物配列データセットに基づいて、一セットのマイクロバイオーム特徴解析モジュール群を用いて、一セットの多状態マイクロバイオーム特徴群を決定すること、ここで前記一セットの多状態マイクロバイオーム特徴群のうちのそれぞれの多状態マイクロバイオーム特徴は、前記複数種類の微生物関連状態のうちの2つ以上の微生物関連状態に関連する;ユーザーに対して、前記一セットの多状態マイクロバイオーム特徴群及び前記ユーザー由来の試料に基づいて、前記複数種類の微生物関連状態のうちの複数の微生物関連状態について多状態特徴解析結果を決定すること;及び前記多状態特徴解析に基づいて、前記複数種類の微生物関連状態のうちの前記複数の微生物関連状態に対する治療介入を促進することを含む、微生物が関連する複数種類の状態を特徴解析するための方法。

請求項22

前記一セットの多状態マイクロバイオーム特徴群を決定することが、前記微生物配列データセットに基づいて決定されるマイクロバイオーム特徴の初期セットに対して前記一セットのマイクロバイオーム特徴解析モジュール群のうちの第1マイクロバイオーム特徴解析モジュールを用いて次元削減法を適用することを含み、前記方法が、前記一セットのマイクロバイオーム特徴解析モジュール群のうちの第2マイクロバイオーム特徴解析モジュールを用いて前記複数種類の微生物関連状態に属する異なる状態間の状態間相互相関分析結果を決定することをさらに含み、かつ前記多状態特徴解析結果の決定が、状態間相互相関メトリック、前記一セットの多状態マイクロバイオーム特徴群、及び前記ユーザー由来の前記試料に基づいて前記多状態特徴解析結果を決定することを含む、請求項21に記載の方法。

請求項23

前記ユーザーについて多状態特徴解析結果を決定することが、前記複数種類の微生物関連状態についての現ユーザー状態、前記一セットの多状態マイクロバイオーム特徴群、前記ユーザー由来の前記試料、及び前記状態間相互相関メトリックに基づいて前記複数種類の微生物関連状態の追加的状態分析の特徴解析結果を決定することを含む、請求項22に記載の方法。

請求項24

前記第2マイクロバイオーム特徴解析モジュールを用いて相互相関分析を実施することが、前記複数種類の微生物関連状態のうちの相異なる状態に、多変量モデル正準相関モデル、及びマルチベル人工知能アプローチのうちの少なくとも1つを適用することを含む、請求項22に記載の方法。

請求項25

前記多状態マイクロバイオーム特徴群に基づいて前記複数種類の微生物関連状態から一セットの微生物関連状態グループ群を決定することをさらに含み、治療介入を促進することは、前記一セットの微生物関連状態グループ群及び前記多状態特徴解析結果に基づいて前記微生物関連状態に対する治療介入を促進することを含む、請求項21に記載の方法。

請求項26

治療介入を促進することが、(a)前記一セットの微生物関連状態グループ群のうちの少なくとも1つの微生物関連状態グループへの前記ユーザーの割当てに基づいて、前記ユーザーに対して第1の治療を推進すること、(b)前記一セットの微生物関連状態グループ群のうちの同じ微生物関連状態グループに属する微生物関連状態同士の関連性に基づいて、前記ユーザーに対して第2の治療を推進すること、及び(c)前記一セットの微生物関連状態グループのうちの異なる微生物関連状態グループに属する微生物関連状態同士の関連性に基づいて、前記ユーザーに対して第3の治療法を行わないようにすることのうちの少なくとも1つを含む、請求項25に記載の方法。

請求項27

前記一セットの微生物関連状態グループ群が、アレルギー関連状態を含む第1グループ、移動運動関連状態を含む第2グループ、及び胃腸関連状態を含む第3グループのうちの少なくとも1つを含み、治療介入を促進することが、前記多状態特徴解析結果並びに前記第1グループ、前記第2グループ、及び前記第3グループのうちの前記少なくとも1つに基づいて、前記微生物関連状態に対する治療介入を促進することを含む、請求項25に記載の方法。

技術分野

0001

関連出願の相互参照
本出願は、各々参照により全体を本明細書に援用する2017年11月06日に出願された米国特許仮出願番号第62/582191号、2017年8月14日に出願された米国特許仮出願番号第62/545039号、及び2018年4月16日に出願された米国特許仮出願番号第62/658308号の利益を主張する。

0002

本開示は、全般的に、ゲノム科学及び微生物学に関連する。

背景技術

0003

マイクロバイオームはある生物に伴う片利共生微生物相利共生性微生物、及び病原性微生物生態群集を含み得る。ヒトマイクロバイオームの特徴解析(characterization)は複雑な過程である。ヒトマイクロバイオームにはヒト細胞の10倍を超える微生物細胞が含まれるが、ヒトマイクロバイオームの特徴解析は、試料処理技術の限界遺伝的分析技術の限界、及び大量データ処理のためのリソースの限界等のために、未だに初期の段階にある。複数の健康状態についてのマイクロバイオーム集団役割が現在の知識から明確になっており、この知識はヒトの疾患発症における宿主の遺伝的因子と環境的因子の理解をますます高めるものとなっている。マイクロバイオームは多くの健康/疾患関連状態(例えば、出産準備、糖尿病自己免疫障害胃腸障害リウマチ性障害神経障害等)において少なくとも部分的な役割を果たすと考えられている。さらに、マイクロバイオームは、ヒト、植物、及び/又は動物の健康に対する環境因子の効果を媒介する可能性がある。対象の健康への影響にマイクロバイオームが深く関わっていることを考慮すると、マイクロバイオームの特徴解析、その特徴解析からの理解、及び共生バランス失調状態を改良するように構成されている治療法の作成に関して努力する必要がある。しかしながら、ヒトマイクロバイオームを分析し、且つ/又は得られた理解に基づいて治療手段を提供するための現行の方法とシステム(system:系)には、多くの疑問答えられずに残されている。

0004

したがって、例えば個人単位及び/又は集団単位で使用するための、1種類又は複数種類の、微生物に関連する健康状態及び/又は対応関係(例えば、微生物及び/又は状態に関連する特定の特徴等)を、特徴解析する、監視する、診断する、及び/又は介入するための、新規且つ有用な方法及び/又は系の必要性が、微生物学の分野に存在する。

図面の簡単な説明

0005

方法の実施形態の変形例のフローチャート表記を含む図である。
方法及び系の実施形態の変形例の表記を含む図である。
方法の実施形態における特徴解析モデル作成過程一変形例を含む図である。
方法の実施形態におけるプロバイオティクスベースの治療法を行う機序の変形例を含む図である。
方法の実施形態における試料処理の変形例を含む図である。
通知の提供例を含む図である。
前記方法の実施形態の変形例の模式表示を含む図である。
モデルを用いた特徴解析プロセスの実施の変形例を含む図である。
モデルを用いた特徴解析プロセスの実施の変形例を含む図である。
モデルを用いた特徴解析プロセスの実施の変形例を含む図である。
方法の実施形態の一変形例における治療法の推進を含む図である。
マイクロバイオーム特徴解析モジュールの一変形例を含む図である。
マイクロバイオーム特徴解析モジュールの一変形例を含む図である。
マイクロバイオーム特徴解析モジュールの一変形例を含む図である。
マイクロバイオーム特徴解析モジュールの一変形例を含む図である。
マイクロバイオーム特徴解析モジュールの一変形例を含む図である。
マイクロバイオーム特徴解析モジュールの一変形例を含む図である。
マイクロバイオーム特徴解析モジュールの一変形例を含む図である。
マルチサイト分析の一変形例を含む図である。
腸の試料採取部位についての異なる統計手法(例えば、単変量統計手法)からの結果を比較したベン図の具体例を含む図である。
異なるグレースケールの色によって表される検出された各マイクロバイオーム下位系、及び黒色実線で示される関連モジュールを含む、解析モジュールBの適用から得られた次元削減の表示の具体例を含む図である。
正方形で表される機能と円によって表される分類を含む、微生物の分類と機能との間の交互作用の表示の具体例を含む図である。
平均値及び第32位パーセンタイル及び第68位パーセンタイルの因子寄与に対応する値、及び主要状態発現部位毎に各パネル上にまとめられた状態を含む、分析される各状態に関連するマイクロバイオーム特徴によって説明される分散の具体例を含む図である。
分析されている状態のデータドリブン配置を得るためのマイクロバイオームベースの有意性相関を用いたクラスター分析の表示の具体例を含む図である。
マイクロバイオーム特徴解析モジュール及び関連の態様の変形例を含む図である。
微生物関連状態内のマイクロバイオーム関連性のヒートマップの具体例を含む図である。
クラスター内及びクラスター間併存疾患を示す個体の数の具体例を含む図である。

実施例

0006

以下の本実施形態の説明はこれらの実施形態を限定することを意図しておらず、むしろ当業者がこれらの実施形態を実施及び使用できるようにすることを意図している。

0007

1.大要
図1に示されるように、1種類又は複数種類の、微生物が関連する状態(例えば、疾患関連状態、ヒト行動状態等)を特徴解析するための方法100の実施形態は、対象群に関連する微生物データセット(例えば、微生物配列データセット、微生物配列データセット等に基づくマイクロバイオーム構成多様性データセット、微生物配列データセット等に基づくマイクロバイオーム機能多様性データセット等)を決定すること(S110)、及び、マイクロバイオーム特徴解析モジュールセットを用いて解析技術を適用することにより前記微生物データセットに基づいて(例えば、前記微生物データセットに由来するマイクロバイオーム特徴等に基づいて)1種類又は複数種類の微生物関連状態(例えば、ヒト行動状態、疾患関連状態等)について特徴解析プロセス(例えば、前処理、特徴生成、特徴処理、複数の採取部位についてのマルチサイト特徴解析、複数種類の微生物関連状態についての相互分析、モデル作成等)を実施すること(S130)を含み得る。

0008

前記方法100の実施形態は加えて、又は代替として前記対象群の1種類又は複数種類の微生物関連状態に関連する(例えば、それらの微生物関連状態についての情報を与える、それらの状態を説明する、それらの状態を示す、それらの状態と相関する等の)補足データセット(例えば、前記ユーザー医学的状態履歴などの1又は複数の特徴を説明する補足データセット等)を処理すること(S120)、1種類又は複数種類の微生物関連状態を予防、改善、及び/又はそれら以外では抑制するための治療法を決定するための治療モデルを決定すること(S140)、ユーザー(例えば、対象、ヒト、動物、患者等)に関連する1又は複数の生体試料を処理すること(S150)、前記ユーザーの前記生体試料に由来するユーザー微生物データセット(例えば、ユーザー微生物配列データセット、ユーザーマイクロバイオーム構成データセット、ユーザーマイクロバイオーム機能データセット等)の処理に基づく前記ユーザーに対する微生物関連特徴解析(例えば、ヒト行動特徴解析、疾患関連特徴解析等)を前記特徴解析プロセスにより決定すること(S160)、(例えば、前記微生物関連特徴解析、及び/又は治療モデル等に基づいて)前記ユーザーの1種類又は複数種類の微生物関連状態に対する治療介入を促進すること(S170)、前記ユーザーに対する前記治療法に関連するマイクロバイオーム構成特徴及び/又はマイクロバイオーム機能特徴を経時的に評価するために生体試料の処理に基づいて前記ユーザーに対する前記治療法の有効性を監視すること(S180)、及び/又は他のあらゆる適切な操作のうちの1つ、又は複数を含み得る。

0009

前記方法100及び/又は前記系200の実施形態は、1又は複数のマイクロバイオーム特徴解析モジュール(例えば、1又は複数の解析技術等を適用するためのモジュール)を適用することにより治療介入の促進等(例えば、治療法選択、治療の推進及び/又は提供、治療監視、治療評価等)のために微生物関連状態、及び/又は微生物関連状態に関連してユーザー(例えば、ヒト行動状態、疾患関連状態等)を特徴解析(例えば、査定、評価、診断、説明等)するように機能し得る。一例において、前記方法100は、一セットの対象群に関連する生体試料に由来する微生物核酸群に基づいて、前記一セットの対象群に関連する微生物配列データセットを決定すること、ここで前記微生物核酸群は、微生物が関連する複数種類の状態に関連する;前記微生物配列データセットに基づいて、マイクロバイオーム特徴解析モジュールセットを用いて、一セットの解析技術群(例えば、単変量統計検定などの統計的検定、次元削減法、人工知能アプローチ、本明細書に記載される別のアプローチ等のうちの少なくとも1つ)を適用することにより、一セットのマイクロバイオーム特徴群を決定すること;前記一セットのマイクロバイオーム特徴群(及び/又は他のあらゆる適切なデータ)に基づいて微生物関連状態のモデル(例えば、表現型予測、例えば前記微生物関連状態についてのユーザーの傾向スコア推定のためのモデル等)を作製すること、及び、前記微生物関連状態のモデル及び前記ユーザー由来の試料に基づいて(例えば、前記微生物関連状態のモデルと共に使用するためのユーザーマイクロバイオーム特徴値を作製するための試料処理及び演算処理等を介して)、ユーザーについての前記微生物関連状態の特徴解析結果を決定すること、を含み得る。

0010

加えて、又は代替として、前記方法100及び/又は前記系200の実施形態は、例えばユーザーを特徴解析、診断、及び/又は治療する上で複数種類の微生物関連状態のために(例えば、複数種類の微生物関連状態の特徴解析等のために)相互分析(例えば、1又は複数のマイクロバイオーム特徴解析モジュールを使用する相互分析等)を実施するように機能し得る。一例において、前記方法100は、前記対象群に関連する生体試料群に由来する微生物核酸群であって、前記複数種類の微生物関連状態に関連する前記微生物核酸群(例えば、前記複数種類の微生物関連状態のうちの2つ以上と相関するマイクロバイオーム特徴に関連する前記微生物核酸群等)に基づいて、前記一セットの対象群に関連する微生物配列データセットを決定すること;前記微生物配列データセットに基づいて、一セットのマイクロバイオーム特徴解析モジュール群を用いて、一セットの多状態マイクロバイオーム特徴群を決定すること、ここで前記一セットの多状態マイクロバイオーム特徴群のうちのそれぞれの多状態マイクロバイオーム特徴は、前記複数種類の微生物関連状態(例えば、関連度相関性共分散の点で複数種類の微生物関連状態にわたって共通の特徴等)のうちの2つ以上の微生物関連状態に関連する;ユーザーに対して、前記一セットの多状態マイクロバイオーム特徴群及び前記ユーザー由来の試料に基づいて、前記複数種類の微生物関連状態(例えば、前記複数種類の微生物関連状態のうちの部分集合、全て等)のうちの複数の微生物関連状態について多状態特徴解析結果を決定すること;及び前記多状態特徴解析に基づいて、前記複数種類の微生物関連状態のうちの前記複数の微生物関連状態に対する治療介入を促進すること、を含み得る。

0011

加えて、又は代替として、前記方法100及び/又は前記系200の実施形態は(例えば、診断過程、治療過程等のための)バイオマーカーとして使用すること等のために様々な微生物関連状態に関連するマイクロバイオーム特徴を特定し得る。例において、微生物関連特徴解析はユーザーマイクロバイオーム構成(例えば、マイクロバイオーム構成多様性等)、マイクロバイオーム機能(例えば、マイクロバイオーム機能多様性等)、及び/又は他の適切なマイクロバイオーム関連態様のうちの少なくとも1又は複数に関連し得る。

0012

加えて、又は代替として、実施形態は、関連の治療法(例えば、腸、皮膚、、口、生殖器などの特定の生理的部位、他の適切な生理的部位、他の採取部位等に関する治療法)を推進すること等により微生物関連状態に対する治療介入を促進するように機能し得る。加えて、又は代替として、実施例はモデル(例えば、表現型予測及び/又は予測スコア等のためのマイクロバイオーム特徴解析モジュール、特徴処理等のための機械学習モデル等)、例えばユーザーのマイクロバイオームに基づいて(例えば、臨床診断コンパニオン診断等として、ユーザーマイクロバイオーム特徴に基づいて)前記ユーザーを特徴解析及び/又は診断するために使用可能なモデルや1種類又は複数種類の微生物関連状態に関連して対象に対する治療法(例えば、プロバイオティクスベースの治療法、ファージベースの治療法、低分子ベースの治療法、臨床手法等)を選択及び/又は提供するために使用可能なモデルを作成するために機能し得る。加えて、又は代替として、実施形態は本明細書に記載されるあらゆる適切な機能を実施することができる。

0013

したがって、対象群由来のデータ(例えば、1種類又は複数種類の微生物関連状態に関連するデータ等)は後のユーザーを特徴解析するため、例えば微生物関連の健康状態及び/又は改善領域を示すために、及び/又は治療介入の促進すること(例えば、1又は複数の治療法を推進すること、所望の平衡状態セットのうちの1つ、又は複数の状態、例えば1種類又は複数種類の微生物関連状態に関連する改善された健康状態と相関する状態に向けてユーザーのマイクロバイオームの構成多様性及び/又は機能多様性の改変を促進すること等)のために1又は複数のマイクロバイオーム特徴解析モジュール(例えば、モデル作成等のためのモジュール)により処理され得る。前記方法100の変形例はさらに例えば経時的な(例えば、治療計画の期間、ユーザーが微生物関連状態を有している期間等にわたる)対象由来の追加資料及び/又は(例えば、特徴解析が複数の状態の相互特徴解析を含み得る場合等に)1種類又は複数種類の微生物関連状態についての複数の採取部位にわたる追加試料採取と(例えば、マイクロバイオーム特徴解析モジュールによる)分析を介してユーザーに加えられる治療法の選択、監視(例えば、効力の監視等)、及び/又は調節を促進することができる。しかしながら、集団、部分集団、個体、及び/又は他の適切な存在に由来するデータは、あらゆる適切な目的のために、前記方法100や前記系200のあらゆる適切な部分によって使用可能である。

0014

前記方法100及び/又は前記系200の実施形態は、好ましくは、1種類又は複数種類の微生物関連状態についての特徴解析及び/又は治療法を作成及び/又は推進すること(例えば、提供すること、提示すること、通知すること等)ができ、前記特徴解析及び/又は治療法は疾患、症状、原因(例えば、誘因等)、障害、付随するリスク(例えば、傾向スコア等)、付随する重症度行動(例えば、カフェイン消費習慣食事等)、及び/又は微生物関連状態に関連する他のあらゆる適切な態様のうちの1つ、又は複数を含み得る。微生物関連状態は1種類又は複数種類の疾患関連状態を含むことができ、それらの状態には皮膚関連状態(例えば、にきび皮膚筋炎湿疹酒さ乾燥肌乾癬ふけ症、光過敏症、鮫肌、痒み、皮膚剥離皮剥落、皮膚剥落、細い線又はひび割れ、浅黒い皮膚を有する個体での灰色の皮膚、発赤出血し、感染症つながり得るひび割れなどの深いひび割れ、頭皮の痒み及び鱗皮剥落、刺激を伴う油性肌などの油性肌、ヘアケア製品などの製品への皮膚過敏症、頭皮マイクロバイオームの平衡失調等)、胃腸関連状態(例えば、過敏性腸症候群炎症性腸疾患潰瘍性大腸炎セリアック病クローン病腹部膨満痔疾患便秘、逆流症、血便下痢等)、アレルギー関連状態(例えば、小麦グルテン乳製品大豆ピーナッツ甲殻類ナッツ類等に関連するアレルギー及び/又は不寛容)、歩行運動関連状態(例えば、痛風リウマチ性関節炎骨関節炎反応性関節炎多発性硬化症パーキンソン病等)、癌関連状態(例えば、リンパ腫白血病芽腫生殖細胞腫瘍癌腫肉腫乳癌前立腺癌基底細胞癌皮膚癌結腸癌肺癌、あらゆる適切な生理的領域に関連する癌状態等)、心血管関連状態(例えば、冠動脈心疾患炎症性心疾患心臓弁膜症肥満、脳卒中等)、貧血症(例えば、サラセミア鎌形赤血球症、悪性貧血ファンコーニ症、溶血性貧血再生不良性貧血鉄欠乏症等)、神経関連状態(例えば、ADHD、ADD、不安症、アスペルガー症候群自閉症慢性疲労症候群、鬱等)、自己免疫関連状態(例えば、スプルーAIDS、シェーグレン症候群ループス等)、内分泌関連状態(例えば、肥満、グレーブス病橋本甲状腺炎代謝性疾患I型真正糖尿病II型真正糖尿病等)、ライム病意思伝達関連状態、睡眠関連状態、代謝関連状態、体重関連状態、疼痛関連状態、遺伝子関連状態、慢性疾患、及び/又は他のあらゆる適切な種類の疾患関連状態のうちのいずれか1つ、又は複数が含まれ得る。変形例において、前記方法100及び/又は前記系200の実施形態の一部が1種類又は複数種類の微生物関連状態(例えば、皮膚関連状態等)を患うユーザーへの1又は複数の標的療法を推進(例えば、提供等)する上で使用可能である。加えて、又は代替として、微生物関連状態は1種類又は複数種類のヒト行動状態を含むことができ、それらの行動状態にはカフェイン消費、アルコール消費、他の食品消費、栄養補助食品消費、プロバイオティクス関連行動(例えば、消費、回避等)、他の食事行動習慣性行動(例えば、喫煙、低度、中度、及び/又は強度の運動状態などの運動状態等)、閉経、他の生物学的過程社会行動、他の行動、及び/又は他のあらゆる適切なヒト行動状態のうちのいずれか1つ、又は複数が含まれ得る。状態はあらゆる適切な表現型(例えば、ヒト、動物、植物、菌体等について測定可能な表現型)と関連し得る。

0015

前記方法100及び/又は前記系200の実施形態は、例えば単一ユーザーに由来する(例えば、1又は複数の採取部位から採取された)1又は複数の生体試料を処理するため、微生物関連特徴解析のため、治療介入を促進するため、及び/又は(例えば、1種類又は複数種類の微生物関連状態等についての)他のあらゆる適切な目的のための1又は複数のマイクロバイオーム特徴解析モジュールの適用に関し、前記ユーザーに対して実施可能である。加えて、又は代替として、実施形態はあらゆる適切な種類の特徴(例えば、微生物関連状態に関する特徴、人工統計学的特徴行動に関する特徴、マイクロバイオーム構成及び/又はマイクロバイオーム機能に関する特徴等)について他のあらゆる対象と似ていたり似ていなかったりする対象を含み得る対象群(例えば、前記ユーザーを含む集団、前記ユーザーを除外する集団)に対して実施可能であり、ユーザーの部分集団(例えば、微生物関連特徴解析及び/又は治療決定に影響する特徴などの特徴を共有する部分集団等)に対して実施可能であり、植物、動物、微生物、及び/又は他のあらゆる適切な存在に対して実施可能である。したがって、後のユーザーを加えて理解するために対象群(例えば、対象群、対象群、ユーザー部分集団等)から得られる情報が使用され得る。一変形例において、生体試料集合セットは、様々な対象者属性(例えば、性別年齢婚姻関係、民族的帰属国籍社会経済的状態、性的指向等)、様々な微生物関連状態(例えば、健康状態及び疾患状態、様々な遺伝的傾向等)、様々な生活状況(例えば、単独生活、ペットとの生活、大切な人との生活、子供との生活等)、様々な食習慣(例えば、雑食性菜食主義、絶対菜食主義、糖消費、酸消費、カフェイン消費等)、様々な行動傾向(例えば、身体活動レベル薬物使用アルコール摂取等)、様々なレベル運動性(例えば、所与の時間内に移動する距離に関する運動性)、及び/又は他のあらゆる適切な特徴(例えば、マイクロバイオーム構成及び/又はマイクロバイオーム機能に影響するか、相関するか、且つ/又はそれら以外では関連する特徴等)のうちの1つ、又は複数を有するユーザー等を含む多様なユーザーに関連し、そのようなユーザーについて処理されることが好ましい。例において、ユーザー数が増加するにつれ前記方法100の一部において実行される処理の予測力が様々なユーザーのマイクロバイオームに基づく前記様々なユーザーの特徴解析等に関連して(例えば、前記ユーザーについて様々な試料採取部位等に関連して)向上し得る。しかしながら、前記方法100や前記系200の一部はあらゆる適切な存在又は複数の存在についてあらゆる適切な方式で実施及び/又は構成され得る。

0016

本明細書に記載されるデータ(例えば、マイクロバイオーム特徴解析モジュール入力値、マイクロバイオーム特徴解析モジュール出力値、微生物データセット、マイクロバイオーム特徴、微生物関連特徴解析、治療関連データユーザーデータ補足データ、通知等)は、そのデータが採取された時間(例えば、試料が採取された時間等を示す時間的指標)、決定された時間、伝達された時間、受領された時間、及び/又はそれら以外では処理された時間を示す時間的指標、そのデータによって説明される内容に前後関係を提供する時間的指標(例えば、微生物関連特徴解析が特定の時間における微生物関連状態及び/又はユーザーマイクロバイオーム状態を説明する場合の前記微生物関連特徴解析に関連する時間的指標等)、時間的指標の変化(例えば、治療を受けたこと等に反応した経時的な微生物関連特徴解析の変化;試料採取試料分析、ユーザーへの微生物関連特徴解析又は治療の提供、及び/又は前記方法100の他の適切な部分との間の待機時間等)、及び/又は時間に関連する他のあらゆる適切な指標のうちの1つ、又は複数を含むあらゆる適切な時間的指標(例えば、秒、分、時間、日数、週数等)と関連し得る。

0017

加えて、又は代替として、パラメーターメトリック(metric:評価指数)、入力値出力値、及び/又は他の適切なデータは、スコア(例えば、微生物関連状態傾向スコア、特徴関連度スコア相関スコア、共分散スコア、マイクロバイオーム多様性スコア、重症度スコア等)、個別値(例えば、様々な採取部位についての状態傾向スコアなどの個別の微生物関連スコア等)、集合値(例えば、様々な採取部位についての個別の微生物関連スコアに基づく総合スコア等)、二進値(例えば、マイクロバイオーム特徴の存在又は不在、微生物関連状態の存在又は不在等)、相対値(例えば、分類群相対存在度、マイクロバイオーム機能の相対存在度、特徴の相対存在度等)、分類(例えば、ユーザーについての微生物関連状態分類及び/又は診断、状態についての微生物関連状態クラスター分類、特徴分類、行動分類、人工統計学的分類等)、信頼水準(例えば、微生物配列データセットに関する信頼水準、マイクロバイオーム多様性スコアに関する信頼水準、他の微生物関連特徴解析に関する信頼水準、他の出力値に関する信頼水準等)、識別子(例えば、前記データの処理に使用される前記マイクロバイオーム特徴解析モジュールを特定する識別子等)、スペクトラムに沿った値、及び/又は他のあらゆる適切な種類の値を含む値型と関連し得る。本明細書に記載されるあらゆる適切な種類のデータは入力値(例えば、様々なモジュール、モデル、及び/又は本明細書に記載される他の適切な構成要素への入力値)として使用可能であり、出力値(例えば、様々なモデル、モジュール等の出力値)として作成可能であり、且つ/又は前記方法100や前記系200に関連するあらゆる適切な構成要素向けにあらゆる適切な方式で操作可能である。

0018

本明細書に記載される前記方法100や前記処理のうちの1又は複数の例や部分は本明細書に記載される前記系200、構成要素、及び/又は存在のうちの1又は複数の例により、及び/又はそのような例を用いてあらゆる適切な時間と頻度非同期的に(例えば、順次)実施可能であり、同時に(例えば、システム処理能力を改善するために並行計算のための異なるスレッドに対して同時に;例えば、マイクロバイオーム特徴解析モジュールを用いる並行データ処理;同時相互分析;多重試料処理、例えば微生物関連状態に関連する標的配列に対応する微生物核酸断片の多重増幅一群の微生物関連状態を実質的に同時に特徴解析するための試料処理と試料分析の実施;並行的な複数のユーザーについての計算による微生物データセットの決定、マイクロバイオーム特徴の決定、及び/又は微生物関連状態の特徴解析等)実施可能であり、誘発事象(例えば、前記方法100の一部の実施)との時間的な関係の中で(例えば、誘発事象と実質的に同時に、誘発事象に応答して、誘発事象から連続的に、誘発事象の前に、誘発事象の後に、等)実施可能であり、且つ/又は他のあらゆる適切な順序で実施可能である。一例において、前記方法100は試料操作系の次世代シーケンシングプラットフォーム(及び/又は他の適切なシーケンシングシステム)のブリッジ増幅基材を用いる1又は複数の生体試料の微生物核酸群の処理に基づいて微生物データセットを作成すること、及び前記次世代シーケンシングプラットフォームと通信するように機能することができる演算装置においてマイクロバイオーム特徴及びマイクロバイオーム機能多様性特徴を決定することを含み得る。しかしながら、前記方法100や前記系200はあらゆる適切な方式で構成され得る。

0019

2.利益
マイクロバイオーム分析は、微生物が原因であり、且つ/又はそうでなければ微生物に関連する微生物関連状態について(例えば、前記方法100の一部等に従って)正確、且つ/又は効率的な特徴解析及び/又は治療提供を可能にし得る。前記技術の具体例はユーザー状態(例えば、微生物関連状態)の特徴解析及び/又は治療介入の促進において従来のアプローチが直面する幾つかの難題を克服することができる。第一に、従来のアプローチは患者が(例えば、血液検査などの医療診断法等を介して)微生物関連状態についての特徴解析及び/又は治療推奨を受けるために1又は複数の医療提供者訪問することを必要とする場合があり、このことは診断や治療の前に費やされる時間、一定しない医療の質、及び/又は医療提供者訪問の他の態様と関連する非効率や健康リスクになり得る。第二に、ヒトゲノムシーケンシングのための従来の遺伝子シーケンシング法及び分析法はマイクロバイオームに適用されるときに(例えば、ヒトマイクロバイオームがヒト細胞の10倍を超える微生物細胞を含み得る場合、生体分析法及びそれらの生体分析法を活用する手段が異なり得る場合、最適な試料処理法が例えば増幅バイアスを低減させるために異なり得る場合、微生物関連特徴解析に対して様々なアプローチが使用され得る場合、状態の種類と相関が異なり得る場合、関連状態の原因及び/又は関連状態向けの実行可能な治療法が異なり得る場合、配列基準データベースが異なり得る場合、マイクロバイオームがユーザーの様々な体領域で、例えば様々な採取部位等において異なり得る場合等に)不適合及び/又は非効率である場合がある。第三に、シーケンシング法(例えば、次世代シーケンシング、類似技術等)の開始によって遺伝物質のシーケンシングに関連するスピードデータ作成の点での先例のない利点を別として存在しなかっただろう技術上の問題(例えば、作成された過剰な配列データに対するデータ処理及びデータ分析上の問題、複数の生体試料を多重方式で処理する上での問題、情報表示の問題、治療法予測の問題、治療法提供の問題等)が生じた。前記方法100及び/又は前記系200の具体例は技術に根差した解決法を少なくとも上記の難題に対して与えることができる。

0020

第一に、前記技術の具体例は存在(例えば、ユーザー、生体試料、医療機器を含む治療促進系等)を、異なる状態又は物(different states or things)に変換することができる。例えば、前記技術は(例えば、マイクロバイオーム特徴解析モジュール、次世代シーケンシングシステム、多重増幅操作等を使用すること等を通して)1種類又は複数種類の微生物関連状態に関連してユーザーを特徴解析するために利用可能な微生物データセット及び/又はマイクロバイオーム特徴を作成するために生体試料を配列解析及び分析され得る構成要素に変換することができる。別の例において、前記技術は治療法(例えば、マイクロバイオーム特徴解析に基づく個別化治療法等)を特定する、推進(例えば、提示、推奨等)する、反対する、且つ/又は提供することができ、且つ/又はそうでない場合に治療介入を促進(例えば、ユーザーのマイクロバイオーム構成、マイクロバイオーム機能性の改変の促進等)することができ、これにより1種類又は複数種類の微生物関連状態を予防及び/又は改善することができ、それにより前記患者のマイクロバイオーム及び/又は健康が変換される(例えば、微生物関連状態に関連する健康状態が改善される等)。別の例において、前記技術はユーザーの1又は複数の様々な生理的部位(例えば、1又は複数の様々な採取部位等)におけるマイクロバイオーム構成及び/又はマイクロバイオーム機能を変換することができ、例えば腸、鼻、皮膚、口、及び/又は生殖器のマイクロバイオームに関連する微生物を標的とする、且つ/又は変換することができる。別の例において、前記技術は(例えば、治療促進系を実行するための制御命令を作成すること等により)治療関連システム(例えば、食事療法システム、自動薬品供給装置行動修正システム、診断システム、疾患治療促進システム等)を制御して治療法を推進することができ、それにより治療促進系が変換される。

0021

第二に、前記技術の具体例は以前には実行できなかったコンピュータ機能の実行を促進すること等によりコンピュータ関連技術の改善(例えば、微生物関連状態についての微生物関連データの保存、検索、及び/又は処理における演算効率の改善、生体試料処理に関連する演算処理の改善等)を行うことができる。例えば、前記技術は微生物関連特徴解析を改善するため、且つ/又は微生物関連状態に対する治療介入を促進するためにマイクロバイオーム特徴解析モジュールセットを活用して特定の微生物データセット及び/又はマイクロバイオーム特徴(例えば、細菌になって作成可能になったものや試料処理技術及び/又はシーケンシング技術の進歩のために利用可能になったもの等)に対して特別に複数の解析技術を適用することができる。

0022

第三に、前記技術の具体例は処理速度、微生物関連特徴解析、正確性、マイクロバイオーム関連治療法の決定と推進、及び/又は微生物関連状態に関する他の適切な態様の改善を行うことができる。例えば、前記技術は特定の微生物データセットと共にマイクロバイオーム特徴解析モジュールセットを活用して1種類又は複数種類の微生物関連状態と特に関連性のあるマイクロバイオーム特徴(例えば、微生物関連状態に対する関連度スコアに関連する処理済みマイクロバイオーム特徴、複数種類の微生物関連状態に関連性のある相互マイクロバイオーム特徴等)を決定、選択、及び/又はそれら以外では処理することができ、これにより(例えば、最も適切なマイクロバイオーム特徴を使用すること、目的に合わせた解析技術を活用すること等による)正確性の改善、(例えば、適切なマイクロバイオーム特徴サブセットを選択すること、次元削減法を実施すること、目的に合わせた解析技術を活用すること等による)処理速度の改善、並びに/又は表現型予測(例えば、前記微生物関連状態の兆候等)、他の適切な特徴解析、治療介入促進、及び/若しくは他の適切な目的に関する他の計算に関する改善を促進することができる。特定の例において、前記技術は1又は複数のマイクロバイオーム特徴解析モジュールと共に特徴選択規則(例えば、組成、機能についてのマイクロバイオーム特徴選択規則、補足データセットから抽出される補足的特徴についてのマイクロバイオーム特徴選択規則等)を適用することにより(例えば、モデル等を介して)特徴解析及び/又は治療法を作成、適用、及び/又はそれら以外では促進するために多大で潜在的な特徴(例えば、配列データなどの過剰なマイクロバイオームデータから抽出可能な特徴、単変量統計検定などの統計的検定により特定可能な特徴等)の集まりから最適な特徴サブセット(例えば、1種類又は複数種類の微生物関連状態に関連するマイクロバイオーム機能特徴、微生物関連状態に関連する分類群の健康、存在、不在、及び/又は他の適切な範囲を表す基準相存在度特徴などのマイクロバイオーム構成多様性特徴、微生物関連状態及び/又は治療応答に相関する基準相対存在度特徴に比較され得るユーザー相対存在度特徴等)を選択することができる。マイクロバイオーム(例えば、ヒトマイクロバイオーム、動物マイクロバイオーム等)の潜在的規模から過剰なデータ量が生じる可能性があり、微生物関連状態に関してマイクロバイオームを実用的に理解するための莫大なデータの処理分析法について疑問が生じる。しかしながら、前記特徴選択規則及び/又は他の適切なコンピュータ実装可能な規則により(例えば、モデルの作成及び/又は適用、微生物関連特徴解析及び/又は関連の治療法の決定等のための)作成実行時間の短縮、試料処理法の最適化(例えば、特異性の改善、増幅バイアスの低減、及び/又は他の適切なパラメーターについて最適化する一方で微生物関連状態に関連する分類群、配列、及び/又は他の適切なデータのコンピュータ分析を介して特定されたプライマー種、他の生体分子、及び/又は他の試料処理構成要素を使用することにより生体試料由来の微生物核酸群の変換を改善すること等)、結果の効率的な解釈を促進するモデル単純化、過剰適合の減少、(例えば、微生物関連特徴解析及び/又は治療法決定の予測力を改善するためのユーザー数の増加に付随して量が増加したマイクロバイオーム関連データの収集と処理等を介した)微生物関連状態についての複数のユーザーの経時的マイクロバイオーム特徴解析を作成、保存、及び適用することに関するネットワーク効果データ保存及び検索(例えば、マイクロバイオーム特徴解析モジュールの保存及び/又は検索、様々なユーザー及び/又はユーザー集団等、様々な微生物関連状態に関連する特定のモデルの保存、ユーザーアカウントに関連する微生物データセットの保存、1又は複数の治療法及び/又は前記治療法を受けるユーザーに関連する治療監視データの保存、前記微生物関連状態について個別化された特徴解析及び/又は治療の適用を改善するためのユーザー、ユーザー集団、及び/又は他の存在に関連する特徴、微生物関連特徴解析、及び/又は他の適切なデータの保存等)の改善、及び/又は技術分野に対する他の適切な改善のうちの1つ、又は複数が可能になり得る。

0023

第四に、前記技術の具体例は試料操作系、(例えば、各モジュールが異なっているが相補的な機能性を有し得るマイクロバイオーム特徴解析モジュールセット等を含む)微生物関連特徴解析系、及び複数のユーザーを含むネットワークに機能を発明的に付与することができ、その場合に前記試料操作系は前記複数のユーザー由来の生体試料の実質的に同時の(例えば、多重的な)処理を行うことができ、この生体試料の処理は微生物関連状態についての個別化された特徴解析及び/又は治療法(例えば、前記ユーザーの食事行動、プロバイオティクス関連行動、病歴、対象者属性、他の行動、嗜好等に関連する前記ユーザーのマイクロバイオームに対して個別化された特徴解析及び/又は治療法等)を作成する上で前記微生物関連特徴解析系によって活用され得る。

0024

第五に、前記技術の具体例は少なくともゲノム科学分野、微生物学分野、マイクロバイオーム関連計算法分野、診断学分野、治療学分野、マイクロバイオーム関連デジタル医学分野、一般デジタル医学分野、モデリング分野、及び/又は他の関連の分野を改善することができる。一例において、前記技術はマイクロバイオーム特徴解析モジュールセットを活用して例えば微生物関連状態についての適切な微生物特徴(例えば、診断において使用されるバイオマーカーとして作用することができる特徴であって、治療介入を促進することになる特徴等)をコンピュータ計算により特定することで様々な微生物関連状態をモデル化及び/又は特徴解析することができる。別の例において、前記技術は相互分析を実施して複数種類の微生物関連状態(例えば、疾患、表現型等)に関連する(例えば、共有される、相関する等)相互マイクロバイオーム特徴を特定及び特徴解析することができる。マイクロバイオーム特徴のそのような特定と特徴解析は併存性及び/又は多重併存性の微生物関連状態(例えば、環境因子に関連する場合があり、したがってマイクロバイオームに関連する場合がある微生物関連状態等)のリスク及び有病率を低下させることにより(例えば、診断及び治療介入を促進すること等により集団レベル及び個体レベル等で)医療行為の改善を促進することができる。

0025

第六に、前記技術は前記方法100や前記系200に関連する適切な部分の実施の際に特殊な演算装置(例えば、次世代シーケンシングシステムなどの前記試料操作系に関連する装置、微生物関連特徴解析系に関連する装置、治療促進系等)を活用することができる。

0026

しかしながら、前記技術の具体例は微生物関連特徴解析、マイクロバイオーム調節、及び/又は前記方法100の他の適切な部分の実施のために特殊なコンピュータシステムを使用する背景で他のあらゆる適切な利益を提供することができる。

0027

3.系
図2に示されるように、(例えば、微生物関連状態を特徴解析するための)前記系200の実施形態は微生物データセット(例えば、微生物遺伝子配列、微生物配列データセット等)を決定するために1又は複数のユーザー(例えば、ヒト対象、患者、動物対象、環境生態系、医療提供者等)に由来する生体試料(例えば、ユーザーによって採取され、かつ、前処理試薬を含む容器に入れられた生体試料等)を採取及び/又は処理するように機能することができる操作系(例えば、試料操作系等)210、ユーザーマイクロバイオーム特徴(例えば、微生物データセット及び/又は他の適切なデータ等に基づいて決定されるマイクロバイオーム構成特徴、マイクロバイオーム機能特徴、多様性特徴、相対存在度範囲等)、微生物関連特徴解析(例えば、微生物関連状態特徴解析、治療関連特徴解析、ユーザー特徴解析等)を決定するように機能することができる微生物関連特徴解析系220、及び/又は(例えば、1種類又は複数種類の微生物関連状態等に基づいた)1種類又は複数種類の微生物関連状態に対する治療介入を促進する(例えば、治療法の推進等)ように機能することができる治療促進系230のうちのいずれか1つ、又は複数を含むことができる。

0028

特定の例において、前記系200は、
一セットの対象群に関連する一セットの試料群に基づいて微生物遺伝子配列を決定するように機能することができるシーケンシングシステム(例えば、次世代シーケンシングシステム等)を含む試料操作システム、ここで前記試料群は、微生物が関連する状態に関連する微生物核酸を含む;
統計的検定(例えば、単変量統計検定等)、次元削減法、人工知能アプローチ、及び/又は本明細書に記載される他の適切なアプローチのうちの2つ以上を含む一セットの解析技術群を適用するように機能することができる一セットのマイクロバイオーム特徴解析モジュール群221、
前記微生物遺伝子配列に基づいて一セットのマイクロバイオーム特徴群を決定するために、前記一セットの解析技術群のうちの第1の解析技術(例えば、1又は複数の単変量統計検定及び/又は適切な統計的検定等)を適用するように機能することができる、第1マイクロバイオーム特徴解析モジュール221’、ここで前記一セットのマイクロバイオーム特徴群は、前記微生物関連状態に関連する(例えば、前記微生物関連状態に相関等する)、及び
前記一セットのマイクロバイオーム特徴群(例えば、前記第1マイクロバイオーム特徴解析モジュール221’の出力値が連続的、連鎖的に前記第2マイクロバイオーム特徴解析モジュール221’’への入力値として使用され得る場合等に)に基づいて一セットの処理済みマイクロバイオーム特徴群(例えば、次元削減特徴セット、1種類又は複数種類の微生物関連状態について最も適切な特徴を含む特徴セット等)を決定するために、前記一セットの解析技術群のうちの第2の解析技術(例えば、次元削減法)を適用するように機能することができる、第2マイクロバイオーム特徴解析モジュール221’’、ここで前記処理済みマイクロバイオーム特徴セットは、前記微生物関連状態の特徴解析を改善する(例えば、微生物関連特徴解析、治療介入の促進、及び/又は本明細書に記載される他の適切な機能性に関して正確性の改善、処理速度の改善、及びそれらによる計算系の機能性の改善のために多大で潜在的な特徴の集まりから目的に合わせた特徴のサブセットを特定及び活用すること等を介して改善する)ように構成されている、
を含む;及び
前記処理済みマイクロバイオーム特徴セットに基づいて作成され、ユーザーについての前記微生物関連状態の特徴解析結果を決定するように機能することができる微生物関連状態のモデル
を含み得る。

0029

前記系200の前記操作系210は微生物関連特徴解析の作成及び/又は治療介入を促進するためのデータ(例えば、後にアラインメント作成され、かつ、分析され得る遺伝子配列、微生物データセット等)に生体試料の微生物核酸群及び/又は他の構成要素を変換するために前記生体試料を受領及び/又は処理(例えば、断片化、増幅、シーケンシング、関連のデータセットの作成等)するように機能し得る。前記操作系210は加えて、又は代替として郵送システム等を介して複数のユーザーに試料キット250(例えば、試料容器、1又は複数の採取部位から試料を採取するための説明書等を含むキット)を(例えば、試料キット250の発注書に応答して)提供するように機能し得る。前記操作系210は微生物データ(例えば、微生物配列データ、微生物データセット用の他のデータ等)の作成等における1又は複数の生体試料のシーケンシング(例えば、前記生体試料に由来する微生物核酸群のシーケンシング等)のために1又は複数のシーケンシングシステム215(例えば、次世代シーケンシングシステム、ターゲットアンプリコンシーケンシング、メタトランスクリプトームシーケンシング、メタゲノミクシケンシング、シーケンシング・バイシンセシス法、キャピラリーシーケンシング法、サンガーシーケンシング、パイロシーケンシング法、ナノポアシーケンシング法向けのシーケンシングシステム等)を含み得る。前記操作系210は加えて、又は代替としてシーケンシングシステムにより配列解析される生体試料及び/又はあらゆる適切な構成要素を多重自動調製する(例えば、断片化し、且つ、前記微生物関連状態に関連する遺伝的標的に適合するプライマーを使用して増幅する)ように機能することができるライブラリー調製系を含み得る。前記操作系は本明細書に記載されるあらゆる適切な試料処理法を実施することができる。しかしながら、前記操作系210及び関連の構成要素はあらゆる適切な方式で構成され得る。

0030

前記系200の前記マイクロバイオーム特徴解析系220は微生物データセット(例えば、微生物遺伝子配列につながる生体試料処理、基準配列へのアラインメントに基づく微生物データセット等)、マイクロバイオーム特徴(例えば、個々の変数変数群、表現型予測に、統計的記述に適切な特徴、個体から得られた試料に関連する変数、微生物関連状態に関連する変数、前記試料のマイクロバイオーム構成及び/又は機能性を完全に、又は部分的に説明する相対量又は絶対量での変数等)、モデル(例えば、微生物関連状態のモデル等)、及び/又は微生物関連特徴解析や治療介入を促進するための他の適切なデータを決定、分析、特徴解析、及び/又はそれら以外では処理するように機能し得る。例において、前記マイクロバイオーム特徴解析系220は、例えば様々な試料の差を示す(例えば、状態の存在又は不在に関連する部分集団の差を示す)特徴に対する相補的な見解が様々な分析によって提供され得る場合、1種類又は複数種類の微生物関連状態に関連する試料間差異(例えば、微生物関連状態の存在、微生物関連状態の不在、微生物関連状態のリスク、微生物関連状態になりやすい傾向、及び/又は微生物関連状態に関する他の態様に関連する試料等)を統計学的に説明する特徴から得られる情報を特定し得る。特定の例において、個々の予測器、特定の生物学的過程、及び/又は統計学的に推測される潜在変数はデータの複雑性が様々なレベルの相補的情報を提供することにより特徴解析、診断、及び/又は治療に関連する様々な下流の機会を促進し得る。特定の例において、前記マイクロバイオーム特徴解析系220は1種類又は複数種類の微生物関連状態を治療するために使用される治療法を特定及び/又は特徴解析するための治療モデル(例えば、相互分析等に基づくモデル)を作成及び/又は適用することができる。別の特定の例において、前記マイクロバイオーム特徴解析系220は補足データ(例えば、ユーザー、マイクロバイオーム特徴、微生物関連状態、他の構成要素に関連する事前知識などのマイクロバイオーム特徴解析モジュール221の適用の改善に使用される事前知識)を処理する。

0031

前記マイクロバイオーム特徴解析系220は1又は複数のマイクロバイオーム特徴解析モジュール221(例えば、独立モジュール、相互依存モジュール等)を含むことが好ましく、前記特徴解析モジュールは(例えば、図23に示されるように)微生物関連特徴解析及び/又は治療介入の促進において微生物データセット、マイクロバイオーム特徴、補足データ、及び/又は他の適切なデータを処理する際に1又は複数の解析技術を適用するように機能し得る。

0032

あらゆる適切なマイクロバイオーム特徴解析モジュール221(例えば、あらゆる適切な解析技術を活用するマイクロバイオーム特徴解析モジュール等)をあらゆる適切な方式で(例えば、出力値及び入力値に関して複数のマイクロバイオーム特徴解析モジュール221を連鎖させること等により)連続的に、同時に、反復的に、及び/又はあらゆる適切な時間的関係によりあらゆる適切な組み合わせで適用することができる。例えば、マイクロバイオーム特徴解析モジュール221の出力値は微生物関連特徴解析(例えば、それ自体で目的の結果等)を構成する場合があり、中間要素(例えば、治療モデルなどのモデルのために入力値として同一又は異なるマイクロバイオーム特徴解析モジュール221に使用される中間要素等)として処理される場合があり、且つ/又はあらゆる適切な目的のために使用される場合がある。具体例において、複数のマイクロバイオーム特徴解析モジュール221を連鎖させることができ(例えば、マイクロバイオーム特徴解析モジュール221の1又は複数の出力値が同一又は別のマイクロバイオーム特徴解析モジュール221への1又は複数の入力値として使用され得る場合等)、且つ/又はそうでない場合に(例えば、データシェアリング、微生物関連特徴解析への寄与、1種類又は複数種類の微生物関連状態との関連等に関して)連結させることができ、これにより特徴選択(例えば、後で使用するためのマイクロバイオーム特徴サブセットの選択等)、特徴加重(例えば、あらゆる適切なマイクロバイオーム特徴解析モジュール221、モデル、及び/又は他の適切な処理において使用可能な様々な特徴に対する様々な重みの決定、例えば特徴に対する重要性の上昇又は減少のための特徴加重等)、ウォームスタート(例えば、第1マイクロバイオーム特徴解析モジュール221’に関連する出力値及び/又は他の処理が統計的学習及び/又は推定の改善等に関して第2マイクロバイオーム特徴解析モジュール221’’に関連する処理を支援及び/又はそれ以外では改善することができ、このことが最も適切な特徴に対する集中の促進に関連し得る場合等)のうちの1つ、又は複数が促進され得る。例えば、第1マイクロバイオーム特徴解析モジュール221’は、(例えば、第1の解析技術を適用することにより)一セットのマイクロバイオーム特徴群を決定することができ、前記第2マイクロバイオーム特徴解析モジュール221’’は、前記マイクロバイオーム特徴セットを処理して前記処理済みマイクロバイオーム特徴セットにするために、特徴選択、特徴加重、及びウォームスタートのうちの少なくとも1つを実施するために第2の解析技術を適用できる(例えば、適用するように機能することができる)。しかしながら、マイクロバイオーム特徴解析モジュール221はあらゆる適切な目的のためにあらゆる数のデータセット、ユーザー、微生物関連状態、治療法、及び/又は他の適切な存在についてあらゆる適切な時間と頻度で適用され得る。

0033

様々なマイクロバイオーム特徴解析モジュール221(例えば、時間及び/又は頻度等に関して様々な方式で適用される様々な組合せのマイクロバイオーム特徴解析モジュール221、様々な解析技術を適用する様々なモジュール、様々な入力型及び/又は出力型モジュール等)が微生物関連状態(例えば、様々なマイクロバイオーム特徴解析モジュール221がデータ様々な微生物関連状態に関するデータの処理について様々なレベルで適切である場合等に特徴解析中の前記微生物関連状態又は複数の前記微生物関連状態に応じて様々な組合せのマイクロバイオーム特徴解析モジュール221を使用すること等)、ユーザー(例えば、様々なユーザーデータ及び/又は特徴、例えば対応する試料採取部位、対象者属性、遺伝学、環境因子に基づく様々なマイクロバイオーム特徴解析モジュール221等)、微生物関連特徴解析(例えば、治療関連特徴解析と診断関連特徴解析などの様々な種類の特徴解析のため、適切なマイクロバイオーム構成の特定と微生物関連状態の傾向スコアの決定のため等の様々なマイクロバイオーム特徴解析モジュール221等)、治療法(例えば、様々な治療法の効力を監視するための様々なマイクロバイオーム特徴解析モジュール221等)、及び/又は他のあらゆる適切な構成要素のうちの1つ、又は複数に基づいて適用(例えば、実行、選択、検索、保存等)され得る。例において、様々なマイクロバイオーム特徴解析モジュール221が様々な種類の入力値、出力値、微生物関連特徴解析、微生物関連状態(例えば、特徴解析される必要がある様々な表現型尺度)、及び/又は他のあらゆる適切な存在に対して適合化され得る。しかしながら、マイクロバイオーム特徴解析モジュール221は微生物関連特徴解析及び/又は治療介入を促進するためにあらゆる適切な方式で適合化、及び/又は使用され得る。

0034

マイクロバイオーム特徴解析モジュール221、モデル、前記系200の他の構成要素、及び/又は前記方法100の適切な部分(例えば、マイクロバイオーム特徴の決定、微生物関連特徴解析結果の決定等)は、統計的検定(例えば、単変量統計検定、多変量統計検定等)次元削減法、人工知能アプローチ(例えば、機械学習アプローチ等)、データに対するパターン認識の実施(例えば、微生物関連状態とマイクロバイオーム特徴との間の相関の特定等)、複数の起源に由来するデータの融合(例えば、1種類又は複数種類の微生物関連状態に関連する複数のユーザーに由来するマイクロバイオームデータ及び/又は補足データ、例えばそれらのデータから抽出されたマイクロバイオーム特徴に基づく特徴解析モデルの作成等)、値の組合せ(例えば、値の平均等)、圧縮、変換(例えば、デジタル−アナログ変換アナログ−デジタル変換)、データに対する統計的推測の実施(例えば通常最小二乗回帰、非負最小二乗回帰、主成分分析リッジ回帰等)、波動変調正規化更新(例えば、処理済み経時的生体試料に基づく特徴解析モデル及び/又は治療モデルの更新等)、等級付け(例えば、マイクロバイオーム特徴、治療法等)、加重(例えば、マイクロバイオーム特徴等)、検証、フィルタリング(例えば、ベースライン補正、データの間引きのためのフィルタリング等)、ノイズ除去スムージングフィリング(例えば、ギャップフィリング)、アライニング、モデルフィッティングビニングウィンドウィング、クリッピング転換数学的演算(例えば、導関数移動平均加算、減算、乗算除算等)、データ結合多重化逆多重化内挿外挿クラスタリング画像処理法、他の信号処理操作、他の画像処理操作視覚化、及び/又は他のあらゆる適切な処理操作のうちのいずれか1つ、又は複数を含む解析技術を用いることができる。人工知能アプローチは教師あり学習(例えば、ロジスティック回帰バックプロパゲーションニューラルネットワークランダムフォレスト決定木等を使用する教師あり学習)、教師なし学習(例えば、アプリオリアルゴリズム、K平均クラスタリングを使用する教師なし学習)、半教師あり学習、ディープラーニングアルゴリズム(例えば、ニューラルネットワーク、制限ボルツマンマシンディープビリーフネットワーク法、畳み込みニューラルネットワーク法再帰型ニューラルネットワーク法、積層オートエンコーダ法等)、強化学習(例えば、Q学習アルゴリズム時間的差分学習を使用する強化学習)、回帰アルゴリズム(例えば、通常最小二乗、ロジスティック回帰、ステップワイズ回帰、多変量適応型回帰スプライン局所推定散布図スムージング等)、事例に基づく方法(例えば、k近傍法学習ベクトル量子化自己組織化写像等)、正則化法(例えば、リッジ回帰、リースアブソリュートシュリンケージアンドセレクションオペレータエラスティックネット等)、決定木学習法(例えば、分類・回帰ツリー、反復ダイコトマイザー3、C4.5、カイ二乗自動交互作用検出、決定株、ランダムフォレスト、多変量適応型回帰スプライン、勾配ブースティングマシン等)、ベイズ法(例えば、単純ベイズ、平均単依存推定器ベイジアン・ビリーフネットワーク等)、カーネル法(例えば、サポートベクターマシン放射基底関数線形判別分析等)、クラスタリング法(例えば、K平均クラスタリング、期待値最大化法等)、相関ルール学習アルゴリズム(例えば、アプリオリ・アルゴリズム、Eclatアルゴリズム等)、人工ニューラルネットワークモデル(例えば、パーセプトロン法、バックプロパゲーション法、ホップフィールド・ネットワーク法、自己組織化写像法、学習ベクトル量子化法等)、アンサンブル法(例えば、ブースティング、ブーストラップアグリゲーションアダブースト、積層一般化、勾配ブースティングマシン法、ランダムフォレスト法等)、及び/又はあらゆる適切な人工知能アプローチのうちのいずれか1つ、又は複数を含み得る。しかしながら、あらゆる適切な方式でデータ処理を用いることができる。

0035

第1の変形例において、図10に示されるように、マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールA222)は、1又は複数の統計的検定(例えば、単変量統計検定、多変量等)を適用することができ、前記統計的検定は、t検定コルモゴロフ・スミルノフ検定、回帰モデル、及び/又は統計的検定に関連する他の適切な方法のうちのいずれか1つ、又は複数を含み得る。前記マイクロバイオーム特徴解析モジュール221は、一セットのマイクロバイオーム特徴群を(例えば、微生物遺伝子配列を含むデータセットなどの微生物データセット、マイクロバイオーム特徴と微生物関連状態との間の関連性などの事前知識、対象、ユーザーについての情報を与える補足データ等に基づいて)決定するために統計的検定を適用することができる。前記マイクロバイオーム特徴解析モジュール221は複数の統計的検定(例えば、単変量統計検定、多変量等)を適用することができ、それらの複数の統計的検定は例えば平均値と分散又は存在や不在のパターンの変化を検出するための様々なモデル化法を用いることにより相互に補完し得る。一例において、特定されたマイクロバイオーム特徴等に関して前記様々な解析技術の間での関連性(例えば、類似性、差異)を(例えば、セクションA及びセクションCの様々な単独の検定、及びセクションBに関する複数の検定からの統合された出力値等を示す図18に示されるように)示すため、前記様々な種類の統計的検定(例えば、単変量統計検定、多変量等)(及び/又は他の適切な解析技術)の出力値(例えば、結果)が合同グループ化、及び/又はそれら以外では集約化され得る特定の例において、第1マイクロバイオーム特徴解析モジュール221は第1統計的検定(例えば、単変量統計検定等)を適用することにより一セットの第1マイクロバイオーム特徴群を決定する(例えば、決定するように機能する)ことができ、且つ、第2マイクロバイオーム特徴解析モジュール221’’(及び/又は同じ第1マイクロバイオーム特徴解析モジュール221’の使用)は第2統計的検定(例えば、第2単変量統計検定等)を適用することにより一セットの第2マイクロバイオーム特徴群を決定することができる。複数の解析技術の出力値の集約は様々な解析技術の様々な出力値の積集合の計算又は和集合の計算を含むことができ、その場合に特異度感度目標とするバランス(例えば、高い特異度と低い感度、高い感度と低い特異度等)を達成するためにそのような集約された出力値の活用を用いることができる。あらゆる適切な微生物データセット、マイクロバイオーム特徴解析モジュール221の入力値や出力値、及び/又は他の適切なデータが入力値として使用されてよく、又は統計的検定の出力値であってよく、且つ、前記マイクロバイオーム特徴解析モジュール221の出力値が他のあらゆる適切なマイクロバイオーム特徴解析モジュール221への入力値として使用されてよい。しかしながら、前記マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールA222)はあらゆる適切な方式で構成され得る。

0036

第2の変形例において、図11に示されるように、マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールB223)は教師あり次元削減法、教師なし次元削減法、欠損値比率、主成分分析(PCA)、確率的PCA、行列分解法、潜在的ディクレ配分法又は階層ディリクレ過程などの成分混合モデル、アイマップ又は局所線形埋め込みなどの特徴埋め込み法、部分的最小二乗回帰、サモンマッピング多次元尺度法射影追跡、及び/又は次元削減に関連する他のあらゆる適切な方法のうちのいずれか1つ、又は複数を含む1又は複数の次元削減法を適用することができる。次元削減法の適用によりデータセットから次元数(例えば、特徴、試料等)を減らすことができる。あらゆる適切な微生物データセット、マイクロバイオーム特徴解析モジュール221の入力値や出力値、及び/又は他の適切なデータが入力値として使用されてよく、又は前記次元削減法の出力値(例えば、マイクロバイオーム特徴を使用して特徴の数を減らすための次元削減法の入力値として統計的検定により決定される出力値等)であってよく、且つ、前記マイクロバイオーム特徴解析モジュール221の出力値が他のあらゆる適切なマイクロバイオーム特徴解析モジュール221への入力値(例えば、ランダムフォレスト、カーネルマシン、サポートベクターマシン、回帰法などの統計的検定、人工知能アプローチ、解析モジュールA222、解析モジュールC224等への入力値)として使用されてよい。前記マイクロバイオーム特徴解析モジュール221の適用により推定上の潜在的特徴と前記1種類又は複数種類の微生物関連状態に関連する表現型関連データとの間の線形又は非線形の関連性の決定が促進され得る。前記マイクロバイオーム特徴解析モジュール221の出力値は微生物関連特徴解析(例えば、それ自体で目的の結果)を含むことができ、追加の分析の出力値(例えば、試料のクラスタリング及び分類に有用な予測値及び/又は潜在的特徴を個々の特徴に加えることによる分析の出力値等)を含むことができ、且つ/又はあらゆる適切な目的のために使用され得る。しかしながら、前記マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールB223)はあらゆる適切な方式で構成され得る。

0037

第3の変形例において、図12に示されるように、マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールC224)は1又は複数の機械学習モデル(及び/又は他の適切な人工知能アプローチ)の適用を促進することができる。例において、前記マイクロバイオーム特徴解析モジュール221は表現型及び/又は他の微生物関連状態の非線形予測機能の符号化等を介して人工知能アプローチ(例えば、ニューラルネットワーク、オートエンコーダモデル、又は敵対的生成ネットワーク等)のアーキテクチャ及び/又はパラメーター推定の構築を導くように機能し得る。あらゆる適切な微生物データセット、マイクロバイオーム特徴解析モジュール221の入力値や出力値、及び/又は他の適切なデータが入力値として使用されてよく、又は出力値(例えば、入力値として統計的検定の出力値、次元削減アプローチの出力値、解析モジュールA222の出力値、解析モジュールB223の出力値、及び/又はあらゆる適切なデータを使用すること等)であってよく、且つ、前記マイクロバイオーム特徴解析モジュール221の出力値が他のあらゆる適切なマイクロバイオーム特徴解析モジュール221への入力値として使用されてよい。前記マイクロバイオーム特徴解析モジュール221の出力値は微生物関連特徴解析(例えば、微生物関連状態の傾向スコアなどの表現型予測等)を含むことができ、追加の分析の出力値(例えば、予測値を表す特徴の関連度スコアであって、表現型予測及び/又は他の種類の予測にとって最も適切な特徴を特定するために使用され得る関連度スコア等)を含むことができ、且つ/又はあらゆる適切な目的のために使用され得る。しかしながら、前記マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールC224)はあらゆる適切な方式で構成され得る。

0038

第4の変形例において、図13に示されるように、マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールD225)は微生物データ(例えば、様々なマイクロバイオーム構成プロファイル等)、マイクロバイオーム特徴、及び/又はそれらのデータの変換から得られる特徴(例えば、比率、積、次元削減アルゴリズムの適用から得られる特徴等)の間での統計的交互作用の検出のために1又は複数の解析技術(例えば、回帰及び/又は同等の方法、ランダムフォレスト及び/又はサポートベクターマシンなどの機械学習アルゴリズムデータ圧縮法、カーネルマシン等を介した交互作用の2次元以上での検定)を適用することができる。しかしながら、前記マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールD225)はあらゆる適切な方式で構成され得る。

0039

第5の変形例において、図14に示されるように、マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールE226)は、統計的検定(例えば、単変量統計検定、多変量統計検定等)、単変量解析技術、多変量解析技術、人工知能アプローチ(例えば、機械学習モデル等)、及び/又は(例えば、前記マイクロバイオーム構成、機能、及び/又は前記微生物関連状態に関連する他の適切なマイクロバイオーム関連態様の要約として出力値が使用され得る場合等に)他の適切な方法のうちの少なくとも1つ、又は複数を含む解析技術を適用すること等を介して表現型予測、リスク指標、傾向スコア、他の指標、及び/又は微生物関連状態に関連する他の適切な評価指数(例えば、ユーザーの微生物関連状態に関連する評価指数等)を決定することができる。前記マイクロバイオーム特徴解析モジュール221は実証的分析を用いる正規化法等を介して一連の出力値について最小値及び/又は最大値を規定することができる。一例において、基準試料セット(例えば、それらの基準試料に対応するデータ等)についてスコアを計算することができ、その場合に最小観察値と最大観察値を記録及び使用してスコアが0〜1の範囲になることを助長することができる式である「正規化スコア=(試料スコア−最小スコア)/(最大スコア−最少スコア)」という式に従って特定の試料(例えば、後続の試料)のスコアを正規化することができる。加えて、又は代替として、前記マイクロバイオーム特徴解析モジュール221は校正済みスコア(例えば、特徴解析、診断指導、及び/又は治療指導における認識可能な値を有するスコア等)を決定することができる。一例において、前記マイクロバイオーム特徴解析モジュール221は試料セット(例えば、健康対象及び目的の1種類又は複数種類の微生物関連状態を有する対象に対応する試料セット等)についてスコア(例えば、傾向スコア等)を決定すること、その傾向スコアのそれぞれ可能な値(例えば、10)について前記目的の1種類又は複数種類の微生物関連状態を有する対象であって、その値と同等以上のスコア値を有する前記対象の分率(例えば、疾患対象の数/(疾患対象の数+健康対象の数))を計算することによりそれらの傾向スコアを校正済みスコア(例えば、0〜1の範囲のスコア)に変換することにより校正済みスコアを決定することができ、この場合に校正済みスコア=(試料スコアよりも高いスコアを有する事例数)/(全事例数+対照数)であり、且つ、傾向スコア値の関数として疾患個体の分率の確率密度関数を推定するものとしてこれを理解することができる。しかしながら、前記マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールE226)はあらゆる適切な方式で構成され得る。

0040

第6の変形例において、図15に示されるように、マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールF226)は他のマイクロバイオーム特徴解析モジュール221(例えば、解析モジュールA222、解析モジュールB223、解析モジュールC224等)に関連する処理を改善するためにマイクロバイオーム特徴(例えば、マイクロバイオーム特徴と微生物関連状態との間の関連性、ユーザー特徴との関連性等)、微生物関連状態、ユーザー、微生物データセット、及び/又は他の適切な構成要素の事前知識(例えば、生物学的データ、ユーザーデータ等)を適用することができる。一例において、前記マイクロバイオーム特徴解析モジュール221はエラー率が低くなった改善された予測モデルになるように統計的推定誘導し、それによりその演算システムの機能性を改善することができる。例において、データモデリングステップ、他の解析技術、及び/又は他のあらゆる適切な処理の時点で外部変数を含む硬質特徴、フィルタリング、加重スキームの活用を介してそのような知識(例えば、事前情報等)を含むことができる。しかしながら、前記マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールF226)はあらゆる適切な方式で構成され得る。

0041

第7の変形例において、図16に示されるように、マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールG227)は、例えば前記1種類又は複数種類の微生物関連状態と関連する、又は関連していないことがわかっている特徴の間で大体共通である中心的な特徴を特定するため、1種類又は複数種類の微生物関連状態と統計的に関連があると特定された前記特徴を処理して前記1種類又は複数種類の微生物関連状態に関連していない他の特徴と対比させることができる。前記マイクロバイオーム特徴解析モジュール221は遺伝子調節ネットワーク又は生化学的経路などの生物学的注釈に対するマッピング(例えば、前記マイクロバイオーム特徴等のマッピング)を作成及び/又は活用することができる。しかしながら、前記マイクロバイオーム特徴解析モジュール221(例えば、解析モジュールG227)はあらゆる適切な方式で構成され得る。

0042

図17に示されるように、前記マイクロバイオーム特徴解析系220は好ましくは複数の部位から採取された試料に関連するマルチサイト分析の実施(例えば、様々な採取部位に関連するマルチサイト微生物データセットに基づくマイクロバイオーム特徴解析モジュール221によりマルチサイト分析の実施、マイクロバイオーム特徴解析モジュール221の出力値に基づくマルチサイト特徴解析の作成等)を行うことができる。部位(例えば、採取部位等)は腸、皮膚、鼻、口、生殖器、他の適切な生理的部位、他の試料採取部位、及び/又は他のあらゆる適切な部位のうちのいずれか1つ、又は複数の領域を含み得る。マルチサイト分析は(例えば、マイクロバイオーム特徴を特定するための、及び/又は関連するモデル、例えば複数の採取部位に関連するデータセットの分析を目的として合わせた様々なモデルを作成するための異なる集団等に関して)集団レベルで、(例えば、ユーザーに対して)個体レベルで、且つ/又はあらゆる適切な存在に対して実施可能である。マルチサイト分析は1又は複数のマイクロバイオーム特徴解析モジュール221及び/又は他のあらゆる適切な構成要素(例えば、遠隔計算処理システムユーザー装置等)により、且つ/又は基づいて(例えば、前記モジュールの出力値等に基づいて)実施可能である。例えば、前記系200は、腸、生殖器、口、皮膚、及び鼻のうちの少なくとも2つを含む複数の採取部位から採取される多様部位試料をはじめとする生体試料を処理(例えば、採取、配列解析等)するように機能することができる試料操作ネットワーク、及び、前記多様部位試料に基づいて前記一セットのマイクロバイオーム特徴群のうちの複数の第1のサブセットに属するマイクロバイオーム特徴を決定するために第1統計的検定(例えば、単変量統計検定等)(及び/又は他の適切な解析技術)を適用するように機能することができる第1マイクロバイオーム特徴解析モジュール221を含み得、ここで、前記複数の第1のマイクロバイオーム特徴サブセットのうちの各マイクロバイオーム特徴サブセットは、前記複数の採取部位のうちの異なる採取部位(例えば、異なる採取部位についての異なるマイクロバイオーム構成及び/又はマイクロバイオーム機能に基づく前記異なる採取部位についての、異なる又は同じ種類の、マイクロバイオーム特徴等)に対応する。前記例において、前記系200は、前記多様部位試料に基づいて前記一セットのマイクロバイオーム特徴群のうちの第2のサブセットに属するマイクロバイオーム特徴を(例えば、前記複数の第1のサブセットに属するマイクロバイオーム特徴が前記第1統計的検定に対応し、且つ、前記第1サブセットのうちの異なるサブセットが異なる採取部位に対応する場合、前記第2のサブセットに属するマイクロバイオーム特徴が前記追加統計的検定に対応し、且つ、前記第2サブセットのうちの異なるサブセットが異なる採取部位に対応する場合等に)決定するために追加の統計的検定(例えば、単変量統計検定、前記第1統計的検定とは異なる種類の統計的検定、例えば異なる単変量統計検定等)を適用するように機能することができる第2マイクロバイオーム特徴解析モジュール221を含むことができ、ここで前記微生物関連状態のモデル(例えば、複数種類の微生物関連状態のモデル、例えば様々な採取部位及び/又は前記様々な採取部位に関連する様々な微生物関連状態が前記マイクロバイオーム特徴に基づいて作成可能である場合のマルチサイト分析用のモデル等)は、前記第1のマイクロバイオーム特徴サブセット及び前記第2のマイクロバイオーム特徴サブセットに基づいて作成される。

0043

マルチサイト分析は部位別特徴解析(例えば、様々な採取部位において採取された試料に対応する様々な微生物データセットから計算された様々な個々の部位別傾向スコア等)、部位別治療介入促進、及び/又はマルチサイト分析に関連する他のあらゆる適切な処理の統合、結合、及び/又はそれら以外では集約を含み得る。マルチサイト分析はスコア又は確率を扱うベイジアンアプローチ及び頻度論的アプローチを含む統計手法、及び/又は他の適切な解析技術のうちの少なくとも1つ、又は複数を適用することにより(例えば、マイクロバイオーム特徴解析モジュール221等を用いて)実施可能である。一変形例において、(例えば、単一ユーザー、複数ユーザー等の)様々な採取部位に関連する個々の評価指数(例えば、1種類又は複数種類の微生物関連状態についての傾向スコア及び/又は他の評価指数)をまとめて、例えばそれらの個々の評価指数値の平均値を使用することにより総合評価指数(例えば、総合疾患性向スコア及び/又は他の評価指数等)を決定することができる。個々の部位別データ(例えば、個体についての個々の傾向スコア等)に由来する不確かさを総合評価指数(例えば、総合疾患性向スコア等)に反映させるために標準的な式を用いて標準偏差が計算可能である。例において、前記総合評価指数(例えば、マルチサイト特徴解析等)はあらゆる単一部位別評価指数であって、相補的、且つ、非重複的な情報を提供し得る部位別評価指数に関する追加情報を説明することができる。特定の例において、相補性とは様々な部位に対応する前記マイクロバイオーム関連特徴解析(例えば、評価指数等)が完全には相関しないこと(例えば、1部位のマイクロバイオーム構成、機能、及び/又は他の適切な特徴解析が別の部位のマイクロバイオーム構成、機能、及び/又は他の適切な特徴解析で完全に予測され得ないこと等)を意味し得る。マルチサイト分析は試料採取部位間での情報の重複性を説明することができる(例えば、マルチサイト分析できないことが試料採取部位間で強い相関を有する部位に過大な重要性を与えること等により偏った総合評価指数につながり得る場合等)。一変形例において、前記マイクロバイオーム特徴解析系220は、例えば改善された(例えば、正確性等が上昇した)総合評価指数を決定するため、対応するデータから推定され得る試料採取間での(例えば、前記様々な多様部位試料に対応する前記微生物データセット等の間での)共分散/相関に関する情報を使用することができる。一例において、例えば非重複的な情報を説明するために多変量統計的アプローチが(例えば、共分散及び/又は相関の推定等のために)適用され得る。特定の例において、平均値と標準偏差は検討されている部位に対応する前記マイクロバイオーム特徴(例えば、マイクロバイオーム構成、マイクロバイオーム機能、マイクロバイオーム特徴、微生物データセット、マイクロバイオームプロファイルの他の適切な態様等)の間での特定の共分散/相関パターンを用いて推定され得る。平均値と分散は

0044

0045

によって推定可能であり、式中、Sは検討されている部位の数であり、xiは部位別スコアであり、σiとσijがそれぞれi番の部位別スコア分散、及びi番の部位とj番の部位との間の共分散パラメーターである。これらの共分散及び/又は相関の推定は多変量統計的方法を用いて実施可能である。特定の例において、前記マイクロバイオーム特徴解析系220はマルチサイト微生物データを有するユーザーについて各部位のデータに対して別々に次元削減法を、例えばPCAの使用及び前記データの特徴解析に充分な潜在変数サブセットの選択を介して適用することができ、且つ/又は各部位由来の潜在変数について共分散/相関が多変量方法を用いて、例えば正準相関分析の使用を介して推定され得るが、あらゆる適切な解析技術及び/又はマイクロバイオーム特徴解析モジュール221がマルチサイト分析に適用可能である。

0046

特定の例において、図17に示されるように、(例えば、1種類又は複数種類の微生物関連状態についての)総合傾向スコアは、ユーザーの2か所以上の採取部位からの試料の採取、マルチサイト微生物データセットの決定(例えば、実験室処理及び/又は下流バイオインフォマテクスを介した部位別微生物データを含むデータセットの決定等)、部位別傾向スコアの決定(例えば、マイクロバイオーム特徴解析モジュール221を用いて決定された部位別マイクロバイオーム特徴に基づく決定、部位別微生物関連状態傾向推定アルゴリズムを介した決定、以前に学習したパラメトリック関数又はノンパラメトリック関数に基づいて疾患傾向についてマイクロバイオームプロファイルにスコアをつける機械学習モデル、回帰モデル、クラスタリングアルゴリズムのうちの少なくとも1つを含む解析技術を介した決定等)、並びに部位別傾向スコア、部位間マイクロバイオームプロファイルの非自明相関パターン情報、及び/又は他の適切なデータに基づいた総合傾向スコアの決定のうちの1つ、又は複数によって決定され得る。マルチサイト分析(例えば、総合評価指数を作成するための様々な部位に由来する相補的情報の結合等)は微生物関連状態傾向の全体的尺度を提供することができ、その全体的尺度は例えば診断及び治療の決定(例えば、治療介入の促進等)を導くために患者生物季節学と統合され得る。しかしながら、前記マイクロバイオーム特徴解析系及び/又は他の適切な構成要素はマルチサイト分析(例えば、マルチサイト分析目的の解析技術の適用、マルチサイト特徴解析の作成等)を促進するようにあらゆる適切な方式で構成され得る。

0047

前記マイクロバイオーム特徴解析系は好ましくは複数種類の微生物関連状態について相互分析(例えば、1又は複数のマイクロバイオーム特徴解析モジュール221を使用する相互分析、多条件マイクロバイオーム特徴などのマイクロバイオーム特徴解析モジュール221の出力値に基づいて多状態特徴解析を作成する相互分析等)を実施することができる。例えば、前記マイクロバイオーム特徴解析系は複数種類の微生物関連状態に関連する(例えば、複数種類の微生物関連状態について診断された、複数種類の微生物関連状態を特徴とする、等)ユーザーの微生物データ、マイクロバイオーム特徴、及び/又は他の適切なマイクロバイオーム特徴に基づいて微生物関連状態間の関連性を特徴解析することができる。特定の例において、相互分析は個々の微生物関連状態についての特徴解析(例えば、個々の微生物関連状態についてのマイクロバイオーム特徴解析モジュール221からの出力値等)に基づいて実施され得る。相互分析は状態特異的特徴(例えば、単一の微生物関連状態に限って関連する特徴等)、多条件特徴(例えば、2種類以上の微生物関連状態に関連する特徴等)、及び/又は他のあらゆる適切な種類の特徴の特定を含み得る。相互分析は、例えば様々なペアの微生物関連状態を特徴解析することにより2種類以上の微生物関連状態間の関連性を説明する相関、一致、及び/又は他の類似のパラメーターについての情報を与えるパラメーターを決定することを含むことができ、その相互分析では順位付けられたペアのパラメーター値が高くなるほど類似性(例えば、共有度)がより高いマイクロバイオーム特徴と関連付けられ得る。一例において、相互相関分析は複数種類の微生物関連状態に由来するデータの関連のマイクロバイオーム特徴(例えば、微生物データ、マイクロバイオーム特徴等)に関する共同分析を含み得る。相互相関分析は、(例えば、個々の微生物関連状態の分析、及びその分析による特徴解析の比較においてマイクロバイオーム特徴解析モジュール221を適用するため等に)多変量モデル正準相関モデルマルチラベル人工知能アプローチ(例えば、マルチラベル教師あり、マルチラベル教師なし、マルチラベル半教師あり機械学習又は人工知能アプローチ等)、及び/又は他のあらゆる適切な解析技術のうちのいずれか1つ、又は複数を含む解析技術の適用を含み得る。しかしながら、前記マイクロバイオーム特徴解析系及び/又は他の適切な構成要素は相互分析(例えば、相互相関分析目的の解析技術の適用、相互特徴解析の作成等)を促進するようにあらゆる適切な方式で構成され得る。

0048

前記マイクロバイオーム特徴解析系220は遠隔計算処理システム(例えば、マイクロバイオーム特徴解析モジュール221を適用するため等の遠隔計算処理システム)を含むことが好ましいが、加えて、又は代替としてあらゆる適切な演算システム(例えば、局所的演算システム、ユーザー装置、ハンドリングシステム構成要素等)を含み得る。しかしながら、前記マイクロバイオーム特徴解析系220はあらゆる適切な方式で構成され得る。

0049

前記系200の前記治療促進系230は1種類又は複数種類の微生物関連状態について(例えば、1種類又は複数種類の微生物関連状態に関連してユーザーの状態を改善するためにユーザーマイクロバイオーム構成及び機能の多様性の改変等を促進する)治療介入を促進する(例えば、1又は複数の治療法等を推進する)ように機能し得る。前記治療促進系230は、例えばマルチサイト特徴解析、多状態特徴解析、他の特徴解析、及び/又は他のあらゆる適切なデータに基づいてあらゆる数の採取部位に関連するあらゆる数の微生物関連状態に対する治療介入を促進することができる。前記治療促進系230は通信システム(例えば、ユーザー装置及び/又は医療提供者装置に治療推奨、選択、反対、及び/又は他の適切な治療関連情報を伝達するための通信システム、微生物関連状態に関して医療提供者と対象との間での遠隔医療を可能にするための通信システム等)、ユーザー装置上で実行可能なアプリケーション(例えば、ユーザーにマイクロバイオーム構成及び/又は機能性を示すアプリケーション等)、医療機器(例えば、様々な採取部位からの試料採取等のための生体試料採取装置薬品投与装置外科手術システム等)、ユーザー装置(例えば、バイオメトリックセンサー)、及び/又は他のあらゆる適切な構成要素のうちのいずれか1つ、又は複数を含み得る。1又は複数の治療促進系230は前記マイクロバイオーム特徴解析系220により制御可能であり、前記特徴解析系と通信可能であり、且つ/又はそれら以外では前記特徴解析系と連携可能である。例えば、前記マイクロバイオーム特徴解析系220は、該当するユーザーに対して(例えば、インターフェース240等において)提示(例えば、送付、伝達等)するために前記治療促進系230向けの1種類又は複数種類の微生物関連状態の特徴解析を作成することができる。別の例において、前記治療促進系230は治療を推進するためのデバイス(例えば、ユーザースマートフォン)のアプリケーション及び/又は他のソフトウェアを更新するか、且つ/又はそうでなければ改変することができる(例えば、1種類又は複数種類の微生物関連状態に関連するユーザー状態を改善するために生活習慣の変更をやることリストアプリケーションにおいて促すこと等)。しかしながら、前記治療促進系230は他のあらゆる方式で構成され得る。

0050

図9に示されるように、前記系200は加えて、又は代替としてインターフェース240を含むことができ、そのインターフェースはマイクロバイオーム特徴、微生物関連状態情報(例えば、傾向性評価指数、治療推奨、他のユーザーとの比較、他の特徴解析等)の提示を改善するように機能し得る。例において、前記インターフェース240は、例えば人工統計学的特徴を共有するユーザー群(例えば、喫煙者運動選手、様々な食餌療法のユーザー、プロバイオティクスの消費者抗生物質ユーザー、特定の治療法を受けているグループ等)に対して比較した1種類又は複数種類の微生物関連状態についてのマイクロバイオーム構成(例えば、分類群、相対存在度等)、機能多様性(例えば、特定の機能に関連する遺伝子の相対存在度)、及び傾向性評価指数を含む微生物関連状態情報を提示することができる。しかしながら、前記インターフェース240はあらゆる適切な方式で構成され得る。

0051

前記系200の前記構成要素は個々の構成要素として概説されているのに対し、それらの構成要素はあらゆる形式物理的及び/又は論理的に統合され得る。例えば、演算システム(例えば、遠隔計算処理システム、ユーザー装置等)によって前記マイクロバイオーム特徴解析系220の一部及び/又は全体が実行される(例えば、ユーザーについての微生物関連状態の特徴解析を作成するためにマイクロバイオーム関連状態のモデル等が適用される)場合と前記治療促進系230の一部及び/又は全体が実行される(例えば、マイクロバイオーム構成及び/又はマイクロバイオーム機能に関連する理解を提示すること、治療推奨及び/又は治療情報を提示すること、前記特徴解析に基づいて特定されたプロバイオティクス療法を行うように前記ユーザーに通知するようにスマートフォンのカレンダーアプリケーション毎日イベントスケジュールすること等を介して治療介入が促進される)場合があり得る。しかしながら、前記系200の機能性はあらゆる適切なシステム構成要素にあらゆる適切な方式で付与され得る。加えて、又は代替として、前記系200及び/又は方法100は、参照により全体を本明細書に援用する2015年1月09日に出願された米国特許出願公開第14/593424号の明細書に記載されるものに類似の(例えば、微生物関連状態に関連して適用される)あらゆる適切な構成要素及び/又は機能を含み得る。しかしながら、前記系200の前記構成要素はあらゆる適切な方式で構成され得る。

0052

4.1.微生物データセットの作成
ブロックS110は対象群に関連する微生物データセット(例えば、微生物配列データセット、微生物配列データセット等に基づくマイクロバイオーム構成多様性データセット、微生物配列データセット等に基づくマイクロバイオーム機能多様性データセット等)を決定すること(S110)を含み得る。ブロックS110は、例えば1種類又は複数種類の微生物関連状態に関連して組成態様、機能態様、ゲノム薬理学、及び/又は該当するマイクロバイオームに関連する他の態様を決定するため、生体試料(例えば、人工統計学的特徴及び/又は他の適切な特徴を共有する対象群、対象亜集団、対象部分集団に関連する生体試料集合セット等)を処理するように機能し得る。組成態様及び/又は機能態様は微生物レベル(及び/又は他の適切な細分性)での態様のうちの1つ、又は複数を含むことができ、それらの態様には界、門、、目、科、属、種、亜種、株、及び/又は他のあらゆる適切な種以下の分類からなる様々な群にわたる微生物の分布に関連するパラメーター(例えば、各群の全存在量、各群の相対存在度、表示されている群の総数等で測定されるようなパラメーター)が含まれる。組成態様及び/又は機能態様が操作的分類単位(OTU)に関連して表される場合もある。組成態様及び/又は機能態様は加えて、又は代替として遺伝子レベルの組成態様(例えば、多遺伝子座配列タイピングにより決定される領域、16S配列、18S配列、ITS配列、他の遺伝子マーカー、他の系統発生マーカー等)を含み得る。組成態様及び機能態様は特定の機能(例えば酵素活性輸送機能免疫活性等)に関連する遺伝子の存在又は不在又は量を含み得る。したがって、ブロックS110の出力値は、(例えば、マイクロバイオーム特徴を抽出することができるマイクロバイオーム構成データセット、マイクロバイオーム機能データセット、及び/又は他の適切な微生物データセットの出力値がブロックS110によって引き出され得る場合等に)ブロックS130の特徴解析プロセス及び/又は前記方法100の他の適切な部分のためにマイクロバイオーム特徴であって、微生物ベースの特徴(例えば、細菌の属の存在)、遺伝子ベースの特徴(例えば、特定の遺伝子領域及び/又は配列の提示に基づく特徴)、機能ベースの特徴(例えば、特定の触媒活性の存在)、及び/又は他のあらゆる適切なマイクロバイオーム特徴であり得る前記特徴の決定を促進するために使用され得る。

0053

一変形例において、ブロックS110は、リボソームタンパク質S2、リボソームタンパク質S3、リボソームタンパク質S5、リボソームタンパク質S7、リボソームタンパク質S8、リボソームタンパク質S9、リボソームタンパク質S10、リボソームタンパク質S11、リボソームタンパク質S12/S23、リボソームタンパク質S13、リボソームタンパク質S15P/S13e、リボソームタンパク質S17、リボソームタンパク質S19、リボソームタンパク質L1、リボソームタンパク質L2、リボソームタンパク質L3、リボソームタンパク質L4/L1e、リボソームタンパク質L5、リボソームタンパク質L6、リボソームタンパク質L10、リボソームタンパク質L11、リボソームタンパク質L14b/L23e、リボソームタンパク質L15、リボソームタンパク質L16/L10E、リボソームタンパク質L18P/L5E、リボソームタンパク質L22、リボソームタンパク質L24、リボソームタンパク質L25/L23、リボソームタンパク質L29、翻訳伸長因子EF−2、翻訳開始因子IF−2、メタロエンドペプチダーゼ、ffhシグナル識別粒子タンパク質フェニルアラニルtRNA合成酵素ベータサブユニット、フェニルアラニルtRNA合成酵素アルファサブユニットtRNAシュードウリジン合成酵素B、ポルフォビリノーゲンデアミナーゼ、リボソームタンパク質L13、ホスホリボシルホルミルグリシンアミジンシクロリガーゼ、及びリボヌクレアーゼHIIのうちの1つ、又は複数に関連する遺伝子ファミリーに関係する細菌及び/又は古細菌に由来する系統発生マーカー(例えば、微生物データセット作成のための系統発生マーカー等)に基づく特徴解析及び/又は処理を含み得る。加えて、又は代替として、マーカーは標的配列(例えば、微生物分類群に関連する配列、機能態様に関連する配列、微生物関連状態に相関する配列、様々な治療法に対するユーザーの応答を表す配列、例えばプライマー配列を共有するプライマー種を使用する多重増幅を促進するための集団及び/又はあらゆる適切な対象群にわたって不変の配列、保存配列突然変異を含む配列、多型ヌクレオチド配列アミノ酸配列等)、タンパク質(例えば、血清タンパク質、抗体等)、ペプチド炭水化物、脂質、他の核酸、全細胞代謝物天然産物遺伝的素因バイオマーカー、診断バイオマーカー予後診断バイオマーカー、予測バイオマーカー、他の分子バイオマーカー遺伝子発現マーカー、画像化バイオマーカー、及び/又は他の適切なマーカーを含み得る。しかしながら、マーカーはマイクロバイオーム構成、マイクロバイオーム機能性、及び/又は微生物関連状態に関連する他のあらゆる適切なマーカーを含み得る。

0054

したがって、前記生体試料集合セットの各々のマイクロバイオーム構成態様及び/又はマイクロバイオーム機能態様の特徴解析は、対象又は対象群に由来する各生体試料に関連するマイクロバイオーム及び機能態様を定量的及び/又は定性的に特徴解析するための試料処理技術の組合せ(例えば、図5に示されるようなウェットラボラトリー技法)を含むことが好ましく、それらの試料処理技術にはアンプリコンシーケンシング(例えば、16S、18S、ITS)、UMI、3ステップPCR、Crispr、メタゲノミックアプローチ、メタトランスクリプトーム、ランダムプライマーの使用、及びコンピュータ技法(例えば、バイオインフォマティクスツールの利用)が含まれるがこれらに限定されない。

0055

変形例において、ブロックS110における試料処理は、生体試料の溶解、生体試料の細胞の膜の破壊、生体試料からの望ましくない要素(例えば、RNA、タンパク質)の分離、生体試料中の核酸(例えば、DNA)の精製、生体試料由来の核酸の増幅、生体試料の増幅した核酸の追加精製、及び生体試料の増幅した核酸のシーケンシングのうちのいずれか1つ、又は複数を含み得る。一例において、ブロックS110は前記微生物関連状態に関連する微生物核酸群(例えば、微生物関連状態に相関する標的配列を含む微生物核酸群等)を含む生体試料をユーザー集団から採取すること(例えば、試料容器を含む試料採取キットを用いた前記ユーザーによる生体試料の採取等)を含み得る。別の例において、ブロックS110はユーザー集団の一ユーザーに由来する生体試料を受領するように機能することができる試料容器(例えば、溶解試薬などの前処理試薬を含む試料容器等)を各試料採取キットに含む試料採取キットセットを前記ユーザー集団に提供することを含み得る。

0056

変形例において、生体試料の溶解及び/又は生体試料の細胞の膜の破壊は、物理的方法(例えば、ビーズビ−ティンング、窒素減圧ホモジナイゼーションソニケーション)を含むことが好ましく、これによりシーケンシング時にある特定の細菌群の提示に偏りをもたらすある特定の試薬が省かれる。加えて、又は代替として、ブロックS110における溶解又は破壊は化学的方法(例えば、界面活性剤の使用、溶媒の使用、表面活性剤の使用等)を含み得る。加えて、又は代替として、ブロックS110における溶解又は破壊は生物学的方法を含み得る。変形例において、望ましくない要素の分離はRNA分解酵素を使用するRNAの除去及び/又はタンパク質分解酵素を使用するタンパク質の除去を含み得る。変形例において、核酸の精製は前記生体試料由来の核酸の沈殿(例えば、アルコールベースの沈殿方法の使用)、液体液体ベース精製方法(例えば、フェノールクロロホルム抽出)、クロマトグラフィーベースの精製方法(例えば、カラム吸着)、核酸に結合するように構成されており、且つ、溶出環境(例えば、ある溶出溶液を有する環境、pH変化をもたらす環境、温度変化をもたらす環境等)が存在する状態で核酸を解離するように構成されている捕捉部分結合粒子(例えば、磁性ビーズ浮揚性ビーズ、様々な粒度分布を有するビーズ、超音波応答性ビーズ等)の使用を含む精製方法、及び他のあらゆる適切な精製方法のうちの1つ、又は複数を含み得る。

0057

変形例において、精製した核酸の増幅は、ポリメラーゼ連鎖反応(PCR)ベースの方法(例えば、固相PCR、RT−PCR、qPCR、マルチプレックスPCR、タッチダウンPCR、ナノPCR、ネステッドPCR、ホットスタートPCR等)、ヘリカーゼ依存性増幅法(HDA)、ループ介在等温増幅法(LAMP)、自家持続配列複製法(3SR)、核酸配列ベース増幅法(NASBA)、鎖置換増幅法(SDA)、ローリングサークル増幅法(RCA)、リガーゼ連鎖反応(LCR)、及び他のあらゆる適切な増幅法のうちの1つ、又は複数を含み得る。精製した核酸の増幅では使用プライマーは分類学的に、系統発生学的に、診断のために、製剤(例えば、プロバイオティクス製剤)のために、且つ/又は他のあらゆる適切な目的のために情報価値のある核酸領域/配列(例えば、16S領域、18S領域、ITS領域の配列等)を増幅するように構成されていることが好ましく、同時に増幅バイアスを防止又は最小化するように選択されていることが好ましい。したがって、増幅バイアスを回避するように構成されているユニバーサルプライマー(例えば、16S RNA用のF27−R338プライマーセット、16S RNA用のF515−R806プライマーセット等)が増幅に使用可能である。加えて、又は代替として、生体試料、ユーザー、微生物関連状態、分類群、標的配列、及び/又は他のあらゆる適切な構成要素に特異的な組み込み型バーコード配列及び/又はUMIが含まれ、それらの配列はシーケンシング後の特定過程(例えば、マイクロバイオーム構成態様及び/又はマイクロバイオーム機能態様に対する配列リードをマッピングするための特定処理等)を促進することができる。加えて、又は代替として、ブロックS110の変形例で使用されるプライマーは、相補的アダプターを伴うシーケンシング法(例えば、イルミナ・シーケンシング)と協働するように構成されているアダプター領域を含み得る。加えて、又は代替として、ブロックS110は、処理(例えば、Nexteraキットを使用する処理)を促進するように構成されている他のあらゆる工程を実行することができる。特定の例において、増幅及び/又は試料処理操作の実施は(例えば、単一の生体試料、複数ユーザーの複数の生体試料等について)多重的であり得る。別の特定の例において、増幅の実施はライブラリー間のバランスを取り、且つ、出発物質の量と無関係に混合物の全てのアンプリコンを検出するための正規化工程、例えば3ステップPCR、ビーズベース正規化法、及び/又は他の適切な方法を含み得る。

0058

変形例において、精製した核酸のシーケンシングは、ターゲットアンプリコンシーケンシング、メタトランスクリプトームシーケンシング、及び/又はメタゲノミックシーケンシングを含む方法を含むことができ、シーケンシング・バイ・シンセシス法(例えば、イルミナ・シーケンシング)、キャピラリーシーケンシング法(例えば、サンガーシーケンシング)、パイロシーケンシング法、及びナノポアシーケンシング法(例えば、オックスフォード・ナノポア法を使用する方法)のうちの1つ、又は複数を含む方法を実施する。

0059

特定の例において、前記生体試料セットの生体試料に由来する核酸の増幅及びシーケンシングは、オリゴアダプターを含む基材上での前記生体試料のDNA断片のブリッジ増幅を伴う固相PCRを含み、その増幅にはフォワードインデックス配列(例えば、MiSeq/NextSeq/HiSeqプラットフォーム向けのイルミナ・フォワードインデックスに対応するフォワードインデックス配列)、フォワードバーコード配列、トランスポゼース配列(例えば、MiSeq/NextSeq/HiSeqプラットフォーム向けのトランスポゼース結合部位に対応するトランスポゼース配列)、リンカー(例えば、同質性を低下させ、且つ、シーケンシングの結果を改善するように構成されている0塩基、1塩基、又は2塩基の断片)、追加ランダム塩基、UMI、特定の標的領域(例えば、16S領域、18S領域、ITS領域)を標的とするための配列、リバースインデックス配列(例えば、MiSeq/HiSeqプラットフォーム向けのイルミナ・リバースインデックスに対応するリバースインデックス配列)、及びリバースバーコード配列を有するプライマーが関与する。前記特定の例において、シーケンシングはシーケンシング・バイ・シンセシス法を用いるイルミナ・シーケンシング(例えば、HiSeqプラットフォーム、MiSeqプラットフォーム、NextSeqプラットフォームを使用するイルミナ・シーケンシング等)を含み得る。別の特定の例において、前記方法100は1種類又は複数種類の微生物関連状態(例えば、ヒト行動状態、疾患関連状態等)に関連する1又は複数の遺伝子標的と適合する1又は複数のプライマー種を特定すること、例えば微生物核酸群の断片化及び/又は前記ヒト行動状態に関連する遺伝子標的に適合する前記1又は複数の特定されたプライマー種に基づく前記断片化微生物核酸群を用いる多重増幅の実施を介して前記1又は複数のプライマー種(及び、例えば採取された生体試料に含まれる微生物核酸群等)に基づく1又は複数のユーザー(例えば、対象群)についての微生物データセット(例えば、微生物配列データセット等)を作成すること、及び/又は前記微生物データセットから得られた微生物関連特徴解析に基づく前記ユーザー状態に対する治療法(例えば、所望の分類群の集団の大きさ及び所望のマイクロバイオーム機能のうちの少なくとも1つに関して前記ユーザーのマイクロバイオームの選択的改変を可能にする治療法等)を推進すること(例えば、提供すること)を含み得る。

0060

変形例において、ブロックS110及び/又は前記方法100の他の部分において使用されるプライマー(例えば、プライマー配列に対応するプライマー種等)は、タンパク質遺伝子に関連するプライマー(例えば、複数の標的及び/又は分類群に対する多重増幅を可能にするため等の複数の分類群にわたって保存されて適切いるタンパク質遺伝子配列をコードするプライマー等)を含み得る。加えて、又は代替として、プライマーは、微生物関連状態と関連してよく(例えば、ヒト行動状態及び/又は疾患関連状態などの微生物関連状態と相関する微生物向けの微生物配列バイオマーカーを含む遺伝子標的と適合するプライマー等)、マイクロバイオーム構成特徴と関連してよく(例えば、微生物関連状態に相関する分類群のうちの一群と関連するマイクロバイオーム構成特徴に対応する遺伝子標的と適合することが特定されたプライマー、相対存在度特徴が得られる遺伝子配列等)、機能多様性特徴と関連してよく、補足的特徴と関連してよく、且つ/又は他の適切な特徴やデータと関連してよい。プライマー(及び/又は他の適切な分子、マーカー、及び/又は本明細書に記載される生体物質)はあらゆる適切な大きさ(例えば、配列長、塩基対数、保存配列長、可変領域長等)を有し得る。加えて、又は代替として、あらゆる適切な数のプライマーが特徴解析(例えば、微生物関連特徴解析等)の実施、試料処理の改善(例えば、増幅バイアスの低減を介した改善等)、及び/又はあらゆる適切な目的のために試料処理において使用され得る。前記プライマーはあらゆる適切な数の標的、配列、分類群、状態、及び/又は他の適切な態様と関連し得る。ブロックS110及び/又は前記方法100の他の適切な部分において使用されるプライマーはブロックS110に記載される処理(例えば、分類学データベースの作成に使用されるパラメーターに基づくプライマーの選択)及び/又は前記方法100の他のあらゆる適切な部分を介して選択され得る。一例において、ブロックS110は前記微生物関連状態に関連する微生物核酸群配列向けのプライマー種(例えば、微生物関連状態に相関する微生物核酸群配列を増幅するように機能することができるプライマー向けのプライマー種等)の特定、及び前記プライマー種及び前記微生物核酸群に基づく(例えば、微生物核酸群の増幅用の前記プライマー種のプライマーを使用すること、及び前記微生物配列データセットを作成するための前記増幅核酸をシーケンシングすること等に基づく)前記微生物配列データセットの作成を含み得る。特定の例において、ブロックS110は前記微生物核酸群の断片化、並びに前記断片化微生物核酸群及び前記微生物関連状態に関連する前記特定済みプライマー種に基づく前記断片化微生物核酸群を用いる多重増幅の実施を含み得る。加えて、又は代替として、プライマー(及び/又はプライマーに関連する処理)は、参照により全体を本明細書に援用する2015年10月21日に出願された米国特許出願公開第14/919614号の明細書に記載されるものを含むことができ、且つ/又はその明細書に記載されるものと類似していてよい。しかしながら、プライマーの特定及び/又は使用はあらゆる適切な方式で構成され得る。

0061

試料処理の幾つかの変形例はシーケンシング前の増幅した核酸(例えば、PCR産物)の追加精製を含むことができ、その追加精製は過剰な増幅要素(例えば、プライマー、dNTP、酵素、塩等)を除去するように働く。例において、追加精製は精製キット、緩衝液アルコールpH指示薬カオトロピック塩核酸結合フィルター遠心分離、及び/又は他のあらゆる適切な精製法のうちのいずれか1つ、又は複数を使用して促進され得る。

0062

変形例において、ブロックS110における演算処理はマイクロバイオーム由来配列(例えば、対象配列と対照的な配列と混入配列)の特定、マイクロバイオーム由来配列のアラインメントとマッピング(例えば、シングルエンドアラインメント、ギャップなしアラインメント、ギャップありアラインメント、ペアリングのうちの1つ、又は複数を使用する断片化配列のアラインメント)、並びに生体試料に関連するマイクロバイオームの組成態様及び/又は機能態様に関連する(例えば、由来する)特徴の作成のうちのいずれか1つ、又は複数を含み得る。

0063

対象ゲノム由来配列を除去するためにマイクロバイオーム由来配列の特定は試料処理に由来する配列データの(例えば、ゲノムリファレンスコンソーシアムにより提供される)対象基準ゲノムへのマッピングを含み得る。その後、配列データの対象基準ゲノムへのマッピングの後に残っている未特定の配列はさらに配列の類似性及び/又は(例えば、VAMPSデータベース、MG−RASTデータベース、QIIMEデータベースを使用する)基準ベースアプローチに基づいて操作的分類単位(OTU)にクラスター分類され、(例えば、ゲノムハッシングアプローチ、ニードルマン・ウンシュアルゴリズム、スミス・ウォーターマンアルゴリズムを使用して)アラインメント形成され、かつ、アラインメントアルゴリズム(例えば、ベーシックローカルアラインメントサーチツールFPGA加速アラインメントツール、BWAを使用するBWT索引付け、SOAPを使用するBWT索引付け、Bowtieを使用するBWT索引付け等)を使用して(例えば、米国国立バイオテクノロジー情報センターにより提供される)基準細菌ゲノムへマッピングされ得る。加えて、又は代替として、未特定の配列のマッピングは基準古細菌ゲノム、ウイルスゲノム、及び/又は真核生物ゲノムへのマッピングを含み得る。さらに、既存のデータベースに対して、且つ/又は自作のデータベースに対して分類群のマッピングが実施され得る。

0064

生体試料に関連するマイクロバイオームの現れた微生物群が特定されたところで生体試料に関連するマイクロバイオームの組成態様及び機能態様に関連する(例えば、由来する)特徴が作成され得る。一変形例において、特徴作成は前記方法100の後続のブロックにおける特徴解析に有用なマーカーを特定するために多遺伝子座配列タイピング(MSLT)に基づいて特徴を生成することを含み得る。加えて、又は代替として、特徴作成はある特定の分類群の微生物の存在又は不在、及び/又は表示されている分類群の微生物の比率を説明する特徴を作成することを含み得る。加えて、又は代替として、特徴作成は現れた分類群の量、現れた分類群のネットワーク、様々な分類群の提示における相関、様々な分類群間の交互作用、様々な分類群によって作製される産物、様々な分類群によって作製される産物間の交互作用、死んだ微生物と生きている微生物との間の比率(例えば、RNAの分析に基づく様々な現れた分類群についての比率)、系統発生学的距離(例えば、カントロビッチ−ルビンシュタイン距離、ヴァッサーシュタイン距離等に関する距離)、他のあらゆる適切な分類群関連特徴、他のあらゆる適切な遺伝的態様又は機能態様のうちの1つ、又は複数を説明する特徴を作成することを含み得る。

0065

加えて、又は代替として、特徴作成は例えばsparCCアプローチを用いて、ゲノム相対存在度及び平均サイズ(GAAS)アプローチを用いて、且つ/又は1又は複数の群の微生物の相対存在度の最尤推定を実施するために配列類似性データを使用する混合モデル理論(GRAMMy)アプローチを用いるゲノム相対存在度を用いて様々な微生物群の相対存在度を説明する特徴を作成することを含み得る。加えて、又は代替として、特徴作成は存在度評価指数から得られるような分類学的多様性の統計的尺度を作成することを含み得る。加えて、又は代替として、特徴作成は相対存在度因子に関連する(例えば、由来する)特徴(例えば、他の分類群の存在度に影響するある分類群の存在度の変化に関する特徴)を作成することを含み得る。加えて、又は代替として、特徴作成は1又は複数の分類群の存在を単独で、且つ/又は組み合わせて説明する定性的特徴を作成することを含み得る。加えて、又は代替として、特徴作成は生体試料に関連するマイクロバイオームの微生物を特徴づける遺伝子マーカー(例えば、代表的な16S配列、18S配列、及び/又はITS配列)に関連する特徴を作成することを含み得る。加えて、又は代替として、特徴作成は特定の遺伝子及び/又は前記特定の遺伝子を有する生物の機能的関連性に関連する特徴を作成することを含み得る。加えて、又は代替として、特徴作成は分類群の病原性及び/又は分類群に起因する産物に関連する特徴を作成することを含み得る。しかしながら、ブロックS120は生体試料の核酸のシーケンシング及びマッピングから得られる他のあらゆる適切な特徴を作成することを含み得る。例えば、前記特徴は組み合わせによるものであり得(例えばペア、トリプレットが関わる)、相関的であり得(例えば、様々な特徴間の相関に関連し)、且つ/又は特徴の変化(例えば、時間的変化試料部位等による変化、空間的変化等)に関連し得る。しかしながら、生体試料の処理、微生物データセットの作成、及び/又はブロックS110に関連する他の態様はあらゆる適切な方式で実施され得る。

0066

4.2.補足データセットの処理
加えて、又は代替として、前記方法100はブロックS120を含むことができ、そのブロックはユーザー集団についての1種類又は複数種類の微生物関連状態(例えば、ユーザー行動等に関連するヒト行動状態、関連の病歴、症状、投薬などの疾患関連状態等)に関連する(例えば、前記微生物関連状態についての情報を与える、それらの状態を説明する、それらの状態を示す等)補足データセットを処理すること(例えば、受領すること、収集すること、変換すること等)を含み得る。ブロックS120は前記対象群の1又は複数の対象に関連するデータを取得するように機能することができ、そのデータは(例えば、ブロックS130における)前記微生物関連特徴解析プロセストレーニングする、検証する、適用する、且つ/又はそれら以外ではその微生物関連特徴解析プロセスについての情報を与えるために使用され得る。ブロックS120において、前記補足データセットは調査由来データを含むことが好ましいが、加えて、又は代替として、部位特異的データ(例えば、様々な採取部位についての情報を与えるデータ等)、微生物関連状態データ(例えば、微生物関連状態のデータ情報等)、センサーから得られる前後関係のデータ(例えば、ウェラブデバイスデータ等)、医療データ(例えば、現在及び病歴についての医療データ、医療機器由来データ、医学的検査に関連するデータ等)、ソーシャルメディアデータ、ユーザーデータ(例えば、センサーデータ、人工統計学的データに関連するデータ等)、携帯電話データ(例えば、携帯電話アプリケーションデータ等)、ウェッブアプリケーションデータ、これまでの生物学的知識(例えば、微生物関連状態についての情報を与える知識、マイクロバイオーム特徴、マイクロバイオーム特徴と微生物関連状態との間の関連性等)、及び/又は他のあらゆる適切な種類のデータのうちのいずれか1つ、又は複数を含み得る。調査由来データの受領を含むブロックS120の変形例において、前記調査由来データは対象に関連する生理学的情報、人工統計学的情報、及び行動情報を提供することが好ましい。生理学的情報は生理学的特徴(例えば、身長、体重、肥満度指数体脂肪率体毛レベル等)に関連する情報を含み得る。人工統計学的情報は人工統計学的特徴(例えば、性別、年齢、民族的帰属、婚姻関係、兄弟姉妹の数、社会経済的状態、性的指向等)に関連する情報を含み得る。行動情報は健康状態(例えば、健康状態及び疾患状態)、生活状況(例えば、単独生活、ペットとの生活、大切な人との生活、子供との生活等)、食習慣(例えば、アルコール消費、カフェイン消費、雑食性、菜食主義、絶対菜食主義、糖の消費、酸の消費、小麦、卵、大豆、ナッツ類、ピーナッツ、甲殻類、及び/又は他の適切な食品の消費等)、行動傾向(例えば、身体活動レベル、薬物使用、アルコール摂取、嗜癖発達等)、様々なレベルの運動性(例えば、低度、中度、及び/又は強度の身体運動活動などの運動量、所与の時間内に移動する距離に関する運動性、モーションセンサー及び/又は位置センサーなどの運動センサーにより示される運動性等)、様々なレベルの性的活動(例えば、パートナー数及び性的指向に関連する情報)、及び他のあらゆる適切な行動情報のうちの1つ、又は複数に関連する情報を含み得る。調査由来データは定量的データ及び/又は(例えば、重症度スケール、定性的応答の定量スコアへのマッピング等を使用して)定量的データに変換可能な定性的データを含み得る。

0067

調査由来データの受領の促進において、ブロックS130は、前記対象群のうちの対象に、又は前記対象群のうちの対象に関連する存在に1種類又は複数種類の調査を実施することを含み得る。調査は直接に(例えば、対象からの試料の提出及び受領と同時に)、電子的に(例えば、対象によるアカウント設定の間に、対象の電子デバイスで実行されるアプリケーションにおいて、インターネット接続を介してアクセス可能なウェッブアプリケーションにおいて等)、及び/又は他のあらゆる適切な方式で実施され得る。

0068

加えて、又は代替として、前記補足データセットの一部は、対象に関連するセンサー(例えば、ウェラブル演算装置のセンサー、モバイルデバイスのセンサー、前記ユーザーに関連するバイオメトリックセンサー等)に由来し得る。したがって、ブロックS130は、身体活動関連データ又は物理作用関連データ(例えば、対象のモバイルデバイス又はウェラブル電子デバイスからの加速度計及びジャイロスコープデータ)、環境データ(例えば、温度データ、高度データ、気候データ、光パラメーターデータ等)、患者栄養又は食事関連データ(例えば、食品事業所記帳からのデータ、分光光度分析からのデータ、ユーザーが入力したデータ、プロバイオティクス食品プレバイオティクス食品に関する栄養データ、消費された食品の種類、消費された食品の量、食事等)、バイオメトリックデータ(例えば、患者のモバイル演算装置内のセンサーを介して記録されるデータ、患者のモバイル演算装置と連絡しているウェラブルデバイス又は他の周辺デバイスを介して記録されるデータ)、位置データ(例えば、GPSエレメントを使用するデータ)、及び他のあらゆる適切なデータのうちの1つ、又は複数を受領することを含み得る。変形例において、センサーデータは、光学センサー(例えば、画像センサー光センサー等)、音響センサー温度センサー揮発性化合物センサー、体重センサー湿度センサー深度センサー、位置センサー(GPS受信機等)、慣性センサー(例えば、加速度計、ジャイロスコープ、磁力計等)、バイオメトリックセンサー(例えば、心拍数センサー、指紋センサー生体電気インピーダンスセンサー等)、圧力センサー流量センサー電力センサー(例えば、ホール効果センサー)、及び/又は他のあらゆる適切なセンサーのうちの1つ、又は複数において収集されるデータを含み得る。

0069

加えて、又は代替として、前記補足データセットの一部は前記対象の医療記録データ及び/又は臨床データに由来し得る。したがって、前記補足データセットの一部は前記対象の1又は複数の電子健康診断書(EHR)に由来し得る。

0070

加えて、又は代替として、ブロックS120の前記補足データセットは他のあらゆる適切な診断情報(例えば、臨床診断情報)を含むことができ、その診断情報は前記方法100の後続のブロックにおける対象の特徴解析を支援するための特徴に由来する分析情報組み合わせ可能である。例えば、大腸内視鏡検査生検、血液検査、画像診断、他の適切な診断法、調査関連情報、及び/又は他のあらゆる適切な検査から得られる情報を(例えば、前記方法100のあらゆる適切な部分のために)使用して補足することができる。

0071

加えて、又は代替として、前記補足データセットは、治療計画、治療法の種類、推奨される治療法、前記ユーザーにより用いられる治療法、治療アドアランス等のうちの1つ、又は複数を含む治療関連データを含み得る。例えば、前記補足データセットは推奨される治療法に対するユーザーアドヒアランス(例えば、服薬アドヒアランス、プロバイオティクスアドヒアランス、身体運動アドヒアランス、食事アドヒアランス等)を含み得る。しかしながら、補足データセットの処理はあらゆる適切な方式で実施され得る。

0072

4.3.特徴解析プロセスの実施
ブロックS130は1又は複数のマイクロバイオーム特徴解析モジュールを用いて解析技術を適用することにより(例えば、ブロックS110等に由来する)微生物データセット及び/又は他の適切なデータ(例えば、補足データセット等)等に基づいて1種類又は複数種類の微生物関連状態について特徴解析プロセス(例えば、前処理、特徴生成、特徴処理、複数の採取部位についてのマルチサイト特徴解析、複数種類の微生物関連状態についての相互分析、モデル作成等)を実施することを含み得る(S130)。ブロックS130は、ユーザー又は/及びユーザー集団のマイクロバイオーム構成(例えば、マイクロバイオーム構成多様性特徴等)、機能(例えば、マイクロバイオーム機能多様性特徴等)、及び/又は他の適切なマイクロバイオーム特徴に基づいて(例えば、微生物関連特徴解析等を決定するための特徴解析モデルの作成と適用等を介する)前記ユーザー又は/及びユーザー集団について微生物関連特徴解析結果を決定するために使用可能な特徴及び/又は特徴の組合せを特定、決定、抽出、及び/又はそれら以外では処理するように機能し得る。したがって、前記特徴解析プロセスは、対象の健康状態(例えば、微生物関連状態状態)、行動形質、医学的状態、人工統計学的形質、及び/又は他のあらゆる適切な形質のうちの1つ、又は複数に関して対象のマイクロバイオーム構成特徴及び/又はマイクロバイオーム機能特徴に基づいて対象を(例えば、行動形質に関して、医学的状態に関して、人工統計学的形質等に関して)特徴解析することができる診断ツールとして使用され得る。そのような特徴解析は治療法(例えば、治療モデル等によって決定された個別化治療法等)を決定、推奨、及び/又は提供するため、且つ/又はそれ以外では治療介入を促進するために使用可能である。

0073

特徴解析プロセスの実施(S130)は下流処理(例えば、微生物関連特徴解析結果の決定等)を促進するための前処理微生物データセット、マイクロバイオーム特徴、及び/又は他の適切なデータを含み得る。一例において、特徴解析プロセスの実施は(a)(例えば、1種類又は複数種類の微生物関連状態等に関連する)前記一セットの生体試料群の第1試料はずれ値に対応する第1の試料データを除外すること、ここで前記第1試料はずれ値は、例えば主成分分析、次元削減法、及び多変量解析技術のうちの少なくとも1つにより決定される;(b)前記一セットの生体試料群うちの第2試料はずれ値に対応する第2の試料データを除外すること(例えば、閾値条件未満である、高品質データを有する多数のマイクロバイオーム特徴に該当する試料を除外すること等)、ここで前記第2試料はずれ値は、前記一セットのマイクロバイオーム特徴群についての対応データ品質に基づいて決定され得る;及び(c)マイクロバイオーム特徴の試料数閾値試料数条件を満たすことができないことに基づいて前記一セットのマイクロバイオーム特徴群から1又は複数のマイクロバイオーム特徴を除外すること、ここで前記試料数は前記マイクロバイオーム特徴についての高品質データに関連する試料の数に対応する、のうちの少なくとも1つにより微生物データセットをフィルタリングすること(例えば、一セットの解析技術群を適用して前記マイクロバイオーム特徴を決定する前等に微生物配列データセットをフィルタリングすること等)を含み得る。しかしながら、前処理はあらゆる適切な解析技術を用いてあらゆる適切な方式で実施され得る。

0074

前記特徴解析プロセスの実施において、ブロックS130は1種類又は複数種類の微生物関連状態に関連する特徴(例えば、前記1種類又は複数種類の微生物関連状態を有するユーザー集団の特徴等)を示すような対象を特徴解析するための計算方法(例えば、統計学的方法、機械学習方法、人工知能方法、バイオインフォマティクス方法等)を使用することができる。

0075

ブロックS130は(例えば、マイクロバイオーム特徴の決定、微生物関連特徴解析の作成等のための)1又は複数のマイクロバイオーム特徴解析モジュールにより1又は複数の解析技術を適用することを含むことが好ましい。例えば、一セットのマイクロバイオーム特徴群を決定するための一セットの解析技術群の適用は、(例えば、微生物配列データセット等に基づいて)初期セットに属するマイクロバイオーム特徴群を決定すること、並びに、次元削減法が欠損値比率、主成分分析、確率的主成分分析、行列分解法、成分混合モデル、及び特徴埋め込み法のうちの少なくとも1つを含み得る場合等に、前記一セットのマイクロバイオーム特徴解析モジュール群のうちの第1マイクロバイオーム特徴解析モジュール(例えば、解析モジュールB等)を用いて、前記一セットの初期マイクロバイオーム特徴群に対して1又は複数の前記次元削減法を適用して、一セットのマイクロバイオーム特徴群を決定すること(例えば、前記一セットのマイクロバイオーム特徴群が前記マイクロバイオーム特徴の初期セットよりも少ないマイクロバイオーム特徴を含む場合等)を含み得る。一例において、前記マイクロバイオーム特徴の初期セットの決定は、統計的検定(例えば、単変量統計検定、多変量等)がt検定、コルモゴロフ・スミルノフ検定、及び回帰モデルのうちの少なくとも1つを含み得る場合等に、前記一セットのマイクロバイオーム特徴解析モジュール群のうちの第2マイクロバイオーム特徴解析モジュール(例えば、解析モジュールA等)を用いて、1又は複数の前記統計的検定(例えば、単変量統計検定、多変量等)を適用して(例えば、前記微生物配列データセット等に基づいて)、前記マイクロバイオーム特徴の初期セットを決定することを含み得る。一例において、前記方法100は、前記マイクロバイオーム特徴解析モジュールセットのうちの第2マイクロバイオーム特徴解析モジュール(例えば、解析モジュールC等)を用いて、機械学習アプローチ(及び/又は他の適切な人工知能アプローチ等)を適用して、前記一セットのマイクロバイオーム特徴群について関連度スコアを決定することを含むことができ、ここで前記微生物関連状態のモデルの作成は、前記一セットのマイクロバイオーム特徴群及び前記関連度スコアに基づいて微生物関連状態のモデル(例えば、1種類又は複数種類の微生物関連状態の特徴解析を作成するためのモデル等)を作成することを含み得る。

0076

特徴解析プロセス(及び/又は他の適切な前記方法100や前記系200の一部)はあらゆる適切な種類及び/又は数の微生物関連状態について実施され得る。一変形例において、特徴解析プロセスは1種類又は複数種類の皮膚関連状態について実施され得る。一例において、1種類又は複数種類の皮膚関連状態(例えば、皮膚光過敏症、ふけ症、乾燥肌、存在、不在等)と関連を有する対象について、前記方法100は微生物データセット(例えば、対象について様々な採取部位等において採取された生体試料に由来する微生物核酸群をシーケンシングすることから作成された微生物配列データセット等)を決定すること、及びマイクロバイオーム特徴解析モジュールセットのうちのマイクロバイオーム特徴解析モジュール(例えば、解析モジュールA等)を用いてマイクロバイオーム特徴サブセットを決定するための前記対象の様々な採取部位に対応する微生物データセットに基づいて複数の統計的検定(例えば、コルモゴロフ・スミルノフ検定、ベータ二項回帰検定、及びゼロ過剰ベータ二項回帰検定、単変量統計検定、多変量統計検定等)を適用することを含むことができ、各マイクロバイオーム特徴サブセットは異なる採取部位、異なる微生物関連状態(例えば、様々な皮膚関連状態等)、異なる適用される統計的検定(例えば、表1、表2、表3、表4、及び表5に示されるような統計的検定等)、そのような存在の様々な組合せ、及び/又は他のあらゆる適切な存在に対応する。前記例において、特徴解析プロセスの実施はマイクロバイオーム特徴(例えば、マイクロバイオーム特徴、微生物データセット等)から計算される距離行列を得るために前記マイクロバイオーム特徴解析モジュールセットのうちの第2マイクロバイオーム特徴解析モジュール(例えば、解析モジュールB等)を用いて次元削減法(例えば、教師あり及び/又は教師なし次元削減法等)を適用することを含むことができ、その場合にこのようなデータは特徴サブセット(例えば、1種類又は複数種類の微生物関連状態について最も適切な特徴等)を選択するために機械学習アプローチ(及び/又は他の適切な人工知能アプローチ)と共に使用され得る。特定の例において、特徴解析プロセスの実施は(例えば、ランダムフォレスト法の適用を介して)特徴関連度スコア及び/又は特徴重要度に関連する他の適切な評価指数を決定すること、及び補足データ(例えば、第3マイクロバイオーム特徴解析モジュール、解析モジュールF等を使用した前記マイクロバイオーム特徴についての情報を与える生物学的事前知識等)と共に前記特徴関連度スコア及び/又は他の適切な評価指数を使用してマイクロバイオーム機能特徴の試料レベルを数量化することを含み得る。別の特定の例において、マイクロバイオーム特徴は、例えば分析された試料のマイクロバイオーム機能特徴の存在度プロファイルとマイクロバイオームサブシステムの主成分との間の1又は複数の相関係数の決定に基づいてマイクロバイオームサブシステム(例えば、マイクロバイオーム特徴集合体、マイクロバイオーム特徴群等)に(例えば、ソフトアサインメント等を介して)統合され得る。

0077

別の変形例において、特徴解析プロセスは1又は複数の胃腸関連状態について実施され得る。一例において、1又は複数の胃腸関連状態(例えば、炎症性腸疾患、存在、不在等)と関連を有する対象について、前記方法100は(例えば、様々な採取部位等に対応する)微生物データセットを決定すること、及びマイクロバイオーム特徴解析モジュールセットのうちのマイクロバイオーム特徴解析モジュールを用いてマイクロバイオーム特徴サブセットを決定するための前記対象の様々な採取部位に対応する微生物データセットに基づいて複数の統計的検定(例えば、コルモゴロフ・スミルノフ検定、ベータ二項回帰検定、及びゼロ過剰ベータ二項回帰検定等)を適用することを含むことができ、(例えば、それぞれ484マイクロバイオーム特徴と141マイクロバイオーム特徴からなる和集合と積集合を例示する図18に示されるように所与の採取部位及び微生物関連状態について、様々な適用された統計的検定にまたがるマイクロバイオーム特徴の積集合を特定するために前記様々な個々の結果が比較可能である場合等に)各マイクロバイオーム特徴サブセットは異なる採取部位、異なる微生物関連状態(例えば、様々な皮膚関連状態等)、異なる適用される統計的検定(例えば、表15、表16、表17、表18、及び表19に示されるような統計的検定等)、そのような存在の様々な組合せ、及び/又は他のあらゆる適切な存在に対応する。前記例において、特徴解析プロセスの実施は前記マイクロバイオーム特徴解析モジュールセットのうちの第2マイクロバイオーム特徴解析モジュール(例えば、解析モジュールB等)を用いて前記マイクロバイオーム特徴の間で相関ネットワークを構築するために次元削減法(例えば、教師あり及び/又は教師なし次元削減法等)を適用することを含むことができ、その相関ネットワークは適切なソフトウェアツール及び/又はソフトウェアパッケージ等を介した相互関連特徴セット(例えば、マイクロバイオームサブシステム等)の特定に使用され得る。前記例において、特徴解析プロセスの実施は、前記マイクロバイオームサブシステムに含まれる前記マイクロバイオーム特徴について対象のマイクロバイオーム特徴(例えば、マイクロバイオームプロファイル等)をまとめる各試料について単数を得るためにPCAアプローチを適用すること等を介して各マイクロバイオームサブシステム(例えば、各相互関連一セットのマイクロバイオーム特徴群等)についてサマリー変数を決定することを含み得る。前記例において、ソフトウェアツール及び/又は他の適切な方法はネットワーク構築及びマイクロバイオームサブシステム検出のため、例えば適切な分析パラメーターを経験的に決定することのために使用可能である。特定の例において、ソフトスレッショルディングパワーについて例えば図19に示されるように1と20の間の可能な値のセットを選択(例えば、高い接続性を保持しているネットワークと比較的に明確なサブシステム検出を説明するためにべ指数2を選択すること等)ができ、この図では検出された各マイクロバイオームサブシステムを異なるグレースケールの色で表すマイクロバイオーム特徴解析モジュール(例えば、解析モジュールB等)を適用することで得られる次元削減が表されている。次元削減が47.7xという因数によるものである(例えば、およそ2桁;最初に分析を考えた430マイクロバイオーム特徴の9変数への変換による等)場合に(例えば、各マイクロバイオームサブシステムに対して1成分の)主成分セットにより表される元データが次元削減法の適用により低次元で表される可能性があり、且つ、各マイクロバイオーム特徴とマイクロバイオームサブシステムとの間の直接マッピングが(例えば、各マイクロバイオーム特徴がマイクロバイオームサブシステムに割り当てられており、且つ、ソフト割り当ても分析された試料の特徴と前記サブシステムの主成分との間の相関によって得られている得られたマッピングについて説明している表20に示されるように)特定される。前記例において、前記特徴解析プロセスの実施は、(例えば、表21に示されるように)分析された試料のマイクロバイオーム機能特徴の存在度プロファイルとマイクロバイオームサブシステムの主成分との間の相関係数を計算することにより前記マイクロバイオーム機能特徴の前記マイクロバイオームサブシステムへのソフトアサインメントを得るための前記マイクロバイオームサブシステムへの統合のため、前記マイクロバイオーム特徴解析モジュールセットのうちの第3マイクロバイオーム特徴解析モジュール(例えば、解析モジュールF)を用いてすること補足データ(例えば、前記マイクロバイオーム特徴のこれまでの生物学的知識等)を活用して前記マイクロバイオーム機能特徴の試料レベルの数量化(例えば、適切なソフトウェアツールで実施されるような数量化)を行うことを含み得る。前記マイクロバイオーム特徴解析モジュールの出力値(例えば、前記次元削減法の出力値、解析モジュールBの出力値)は(例えば、解析モジュールBの出力値が解析モジュールC及び/又は他の適切なマイクロバイオーム特徴解析モジュールへの入力値として使用可能な場合等に)1又は複数の機械学習モデルの作成、実行、及び/又はそれら以外では処理に使用可能である。特定の例において、機械学習分類器(例えば、ランダムフォレスト分類器)が特徴関連度スコア及び/又は他の特徴重要度評価指数を決定するため(例えば、最も重要なマイクロバイオームサブシステムの主成分予測器を決定するため等)に作成され得る場合、マイクロバイオームサブシステム主成分は2種類のラベルを有する炎症性腸疾患状態の予測器、すなわちそれらの状態を報告する事例とそれらの状態を有していることを報告しない対照として使用され得る。前記特定の例において、表22に示されるように、特徴重要度評価指数により関連度順位が5、2、6、0、3、1、4、7、8と番号付けられた様々なマイクロバイオームサブシステムについて特定され、その場合にマイクロバイオームサブシステム5が2番目に関連度の高い予測サブシステムよりも約1.5倍高い特徴重要度と最も関連度の低い予測サブシステムよりも約10倍高い特徴重要度を有している最も適切なサブシステムとして特定された。サブシステム5に関連するマイクロバイオーム特徴が表23に示されており、サブシステム5とさらに強く関連するマイクロバイオーム機能特徴が表24に示されており、分類と機能との間の交互作用を図で表したものを図20に見ることができる。マイクロバイオーム特徴と低分子及び薬品代謝との間の関係についてのこれまでの生物学的知識がサブシステム5、他のマイクロバイオームサブシステム、及び/又は他の適切なマイクロバイオーム特徴に関連する代謝に影響する可能性がある薬品を特定するために用いることができる場合、前記特定の例においてサブシステム5の22種類のマイクロバイオーム特徴のうちの6種類が(例えば、表25に示されるような)合計で12種類の分子と薬品の代謝に対して役割を有した場合、それらの12分子のうちの4分子が炎症に役割を有する(例えば、炎症性腸疾患等に関連する)場合、及びこのような処理がアカルボースの場合のように薬理学的治療選択肢を決定するために適切な分子、レスベラトロールタウリン及びフラボノイドの場合のように食事及び生活スタイルの変化に適切な分子、及び/又はそれら以外では治療介入を促進するために適切な分子を特定し得る場合に補足データがマイクロバイオーム特徴解析モジュール(例えば、解析モジュールF)により使用され得る。特定の例において、特徴解析結果の決定は、例えば微生物関連状態のモデル、ユーザー由来の試料、一セットのマイクロバイオーム特徴群と薬品代謝との間の既知の関連性、及び/又は他のあらゆる適切なデータに基づいて、1種類又は複数種類の微生物関連状態と関連する薬品代謝特徴解析結果を決定することを含み得る。

0078

変形例において、特徴解析プロセスの実施は、複数の採取部位に関連する1又は複数のマルチサイト分析(例えば、マイクロバイオーム特徴解析モジュールを使用する分析、マルチサイト特徴解析を作成する分析等)を実施することを含み得る。例えば、微生物関連特徴解析(例えば、1種類又は複数種類の微生物関連状態等についての特徴解析)の決定は、腸、生殖器、口、皮膚、及び鼻のうちの少なくとも2つを含む複数の採取部位に対応する多様部位試料セットをユーザーから採取すること、前記複数の採取部位のうちの異なる採取部位に対応する(且つ、例えば、前記1種類又は複数種類の微生物関連状態等に関連する)各部位別疾患性向メトリックからなる一セットの部位別疾患性向メトリック群を、前記一セットの多様部位試料群に基づいて(例えば、マイクロバイオーム特徴解析モジュールを用いて作製された微生物関連状態のモデル等を用いて)決定すること、及び前記一セットの部位別疾患性向メトリック群に基づいて前記ユーザーについての総合的疾患性向メトリックを決定することを含み得る(例えば、この場合に前記総合的疾患性向メトリックは前記1種類又は複数種類の微生物関連状態に関連する)。前記例において、前記方法100は、前記一セットの多様部位試料群に基づいて前記複数の採取部位に関連する微生物データセットを決定することを含むことができ、ここで前記総合的疾患性向メトリックの決定は:共分散メトリック及び相関メトリックのうちの少なくとも一方を前記微生物データセットに基づいて決定すること、ここで、前記共分散メトリック及び前記相関メトリックのうちの前記少なくとも一方は前記複数の採取部位に関連する;及び前記一セットの部位別疾患性向メトリック群並びに前記共分散メトリック及び前記相関メトリックのうちの前記少なくとも一方に基づいて前記ユーザーについての前記総合的疾患性向メトリックを決定すること、を含み得る。しかしながら、マルチサイト分析はあらゆる適切な方式で実施され得る。

0079

変形例において、特徴解析プロセスの実施は複数種類の微生物関連状態について(例えば、マイクロバイオーム特徴解析モジュール等を使用して)1又は複数の相互分析を実施することを含み得る。一例において、前記方法100は、酒さ、セリアック病、光過敏症、小麦アレルギー、グルテン不寛容(例えば、グルテンアレルギー等)、乳製品アレルギー、腹部膨満、リウマチ性関節炎、炎症性腸症候群(IBS)、痔疾患、便秘、逆流症、多発性硬化症、骨関節炎、潰瘍性大腸炎、クローン病、下痢、大豆アレルギー、ピーナッツアレルギー、ナッツ類アレルギー、卵アレルギー、乾癬、橋本甲状腺炎、グレーブス病、炎症性腸疾患、及び血便を含む26種類の(及び/又は他の適切な数の)様々な微生物関連状態のうちの1つ、又は複数を訴える対象についてメタデータ及びマイクロバイオーム特徴(例えば、マイクロバイオーム構成、機能等)を分析することを含み得る。相互分析の実施の中に2種類の状態の間で微生物関連状態関連性が共有される程度についての情報を前記多条件特徴等に基づいて与えるマイクロバイオーム相関パラメーターを決定することが含まれ得る場合、マイクロバイオーム特徴解析モジュール(例えば、解析モジュールB及び解析モジュールC等)が状態特異的特徴及び多条件特徴(例えば、複数種類の微生物関連状態等に共有される特徴)についての情報を与える予測モデルの構築に適用可能である。前記相互分析の実施は前記マイクロバイオーム特徴(例えば、マイクロバイオーム特徴、微生物データセット等)から計算される前記距離行列に対して次元削減法を適用すること、及び前記潜在変数を機械学習モデル及び/又は他の適切な人工知能アプローチと共に使用することを含み得る。特定の例において、前記相互分析の実施はマイクロバイオーム特徴(例えば、前記様々な対象に対応する前記様々な試料についてのマイクロバイオーム特徴等)間のブレイ・カーティス非類似度を決定すること、その結果の試料非類似度行列を入力値として特異値分解に適用して主成分及び固有値を得ること、及びデータの全分散の1/1000を説明する前記主成分に対して追加の分析を実施することを含み得る。後続の相互分析、例えばマイクロバイオーム特徴解析モジュール(例えば、解析モジュールC)を用いて前記マイクロバイオーム特徴によって説明される状態間相互相関を数量化するための機械学習モデル及び/又は他の適切な人工知能アプローチ、例えばベイジアン・マルチカーネル回帰を適用することを含む相互分析が実施され得る。前記相互分析の実施は前記マイクロバイオームに関連する各微生物関連状態(例えば、表現型)の分散を推定する多変量分散成分モデルを使用して前記マイクロバイオーム特徴によって説明される状態の間の相関を数量化すること、及び前記マイクロバイオーム特徴によって説明される前記微生物関連状態間の共分散を数量化することを含み得る。特定の例において、前記相互分析の実施は

0080

0081

という式の2分散成分モデルを適合させることを含むことができ、式中

0082

0083

であり、ここで

0084

0085

であり、u0は

0086

0087

によって数量化された2つの表現型に対する共通の効果をとり、u1は

0088

0089

によって数量化された表現型特異的効果をとる。前記特定の例において、前記表現型の共分散は

0090

0091

として構成可能であり、それは

0092

0093

というマイクロバイオーム介在相推定値につながり、各形質についてそれぞれ

0094

0095

及び

0096

0097

という前記マイクロバイオームによって説明される表現型分散についての分数につながる。前記特定の例において、前記共相関は

0098

0099

として計算可能であり、量的遺伝学命名法での相関遺伝率に類似している。それぞれの形質についてxは前記試料の特異値分解、ブレイ・カーティス類似度行列から得られる主成分のサブセットに対応し得る。前記モデルは適切なソフトウェアツールを用いて適合され得る。性別、年齢、及び/又は他の適切なユーザーデータが前記分析における固定効果共変量として含まれ得る。別の例において、前記方法100は多条件マイクロバイオーム特徴の決定であって、前記微生物配列データセットに基づいて決定されるマイクロバイオーム特徴の初期セットに対して前記一セットのマイクロバイオーム特徴解析モジュール群のうちの第1マイクロバイオーム特徴解析モジュール(例えば、解析モジュールB等)を用いて次元削減法を適用することを含む前記多条件マイクロバイオーム特徴の決定、前記一セットのマイクロバイオーム特徴解析モジュール群のうちの第2マイクロバイオーム特徴解析モジュールを用いる前記複数種類の微生物関連状態に属する異なる状態間(between different conditions)の状態間相互相関メトリックの決定、並びに前記状態間相互相関メトリック、前記一セットの多状態マイクロバイオーム特徴群、及び前記ユーザー由来の試料に基づく多状態特徴解析結果の決定を含み得る。前記例において、前記ユーザーについての前記多状態特徴解析結果の決定は、前記複数種類の微生物関連状態についての現ユーザー状態(例えば、前記微生物関連状態間の併存疾患、前記微生物関連状態間の相関等に基づいて)、前記一セットの多状態マイクロバイオーム特徴群、前記ユーザー由来の前記試料、及び前記状態間相互相関メトリックに基づいて前記複数種類の微生物関連状態の追加ユーザー状態の特徴解析結果を決定することを含み得る。前記例において、前記第2マイクロバイオーム特徴解析モジュールを用いた前記状態間相互相関メトリックの決定は、前記複数種類の微生物関連状態のうちの相異なる状態に、多変量モデル、正準相関モデル、及びマルチラベル人工知能アプローチのうちの少なくとも1つを適用することを含み得る。しかしながら、状態間相互相関メトリックの決定、相互分析に関連する他の適切な評価指数の決定、及び/又は他の適切な相互分析の実施はあらゆる適切な方式で実施され得る。

0100

相互分析の実施は微生物関連状態の群(例えば、クラスター)、例えば類似したパターンの共有されたマイクロバイオーム特徴(例えば、共有されたマイクロバイオーム関連性等)を有する微生物関連状態の群を特定することを含み得る。例えば、前記方法100は多状態マイクロバイオーム特徴群に基づいて前記複数種類の微生物関連状態から一セットの微生物関連状態グループ群を決定すること(例えば、マイクロバイオーム特徴解析モジュール等を用いて決定すること)、及び前記一セットの微生物関連状態グループ群(及び、例えば、多状態特徴解析結果等)に基づいて前記微生物関連状態に対する治療介入を促進することを含み得る。一例において、群の特定は入力値がペアワイズ調整済み相関の行列である

0101

0102

を含み得る場合に教師なし階層クラスタリングを実施すること、行間スピアマン相関を介して距離行列を計算して行間の距離を推定すること、及び前記距離行列を階層クラスタリングの入力値として使用することを含み得る。前記例において、ベイジアン・マルチカーネル回帰が、特定の例において(例えば、図21及び表26に示されるように)因子寄与(R2)が潰瘍性大腸炎の63%から光過敏症の10%までの範囲であった場合、微生物データ(例えば、マイクロバイオーム特徴)によって説明されるかなりの、しかし変わり得る割合の表現型分散を特定するために使用可能である。前記例において、多変量混合モデルの適用が325ペアの疾患間で前記マイクロバイオーム関連相関

0103

0104

を推定するために使用可能であり、その場合にそれらの結果が(例えば、図22及び図25に示されるような)分析中の前記微生物関連状態のデータドリブン配置を得るための前記マイクロバイオームベースの相関を用いたクラスター分析のために使用可能であり、且つ、階層構成が6群の微生物関連状態群(例えば、クラスター、表27に示されるような微生物関連状態群、対角線上の数が所与の群内の併存疾患を有する個体であって、同じ群の微生物関連状態を訴える場合の個体を表し、且つ、対角線上にない数が対角線上にない点に対応する各群のうちの少なくとも1種類の状態等を訴える個体など、複数の群にわたる併存疾患を有する個体を表す図25に示されるような微生物関連状態群等)になり得る。統計学的に有意な状態のペアが特定可能である。前記例において、クラスターV及びクラスターVIが偶然として予期されるよりも高いクラスター間有意性相関(二項p値=2×10−10、観察値=76%、30ペアのうちの23ペア、期待値=24%、325ペアのうちの79ペア)を有した場合、及びこれらのクラスターが自己免疫及びアレルギー状態を特徴とする場合(例えば、相関のまとめを表27等に示すことができる場合)に多重検定補正により325ペアの疾患のうちの75ペア(23%)が有意に関連する相関として特定することになり(ボンフェローニ補正p値<0.05)、その有意に関連する相関は75群間関連のうちの52群間関連(69%)を15ペアのうちの10ペアの中に含むことができる。例において、相互分析はヒト腸マイクロバイオーム及び/又は他の部位に対応する他の適切なマイクロバイオーム等に関連して疾患併存症を示すことができる。例において、得られたデータから複数の自己免疫疾患について分散が著しく変動する(例えば、潰瘍性大腸炎についてはR2=0.69、橋本甲状腺炎についてはR2=0.49、クローン病についてはR2=0.69等)ことを説明するマイクロバイオームを示すことが可能である場合等に得られたデータによってヒト腸マイクロバイオームと複数の状態(例えば、併存状態等)との間の関連が裏付けられる。

0105

前記例において、相互分析により6群の微生物関連状態グループ群、すなわち小麦及びグルテン関連障害、及び酒さと皮膚光過敏症を含む(例えば、共起性等に関連した表28に示されるような状態)クラスターI、乳製品アレルギー(例えば、表29等に示される状態)、リウマチ性関節炎(RA)及び腹部膨満を含むクラスターII、過敏性腸症候群(IBS)(例えば、IBD及び他の微生物関連状態との共起性に関連した表30に示されるような状態等)、逆流症、便秘及びを含むクラスターIII、多発性硬化症(MS)及び骨関節炎(OA)を含むクラスターIV、潰瘍性大腸炎及びクローン病、IBDの2つのサブタイプ、及び両方の症状で一般的な下痢症を含むクラスターV、残りの食物アレルギー(例えば、大豆アレルギー、ピーナッツアレルギー、ナッツ類アレルギー及び卵アレルギー)及び自己免疫疾患(例えば、乾癬、橋本甲状腺炎、グレーブス病、及びIBD)を含むクラスターVIが特定され得る。一例において、前記一セットの微生物関連状態グループ群は、アレルギー関連状態を含む第1グループ、歩行運動関連状態を含む第2グループ、及び胃腸関連状態を含む第3グループのうちの少なくとも1つを含むことができ、治療介入を促進することは、多状態特徴解析及び前記第1グループ、前記第2グループ、及び前記第3グループのうちの前記少なくとも1つに基づいて(例えば、前記微生物関連状態のクラスターへの分類等に基づいて)前記微生物関連状態に対する治療介入を促進することを含み得る。一例において、様々な数の併存疾患を有する女性男性の割合が(例えば、表31に示されるように)計算可能である。

0106

相互分析の実施が治療介入の促進に用いられ得る。相互分析の実施が生物学的に適切な状態群を特定するための微生物関連状態のグループ分けに使用可能であり、そのグループ分けは一次予防、早期スクリーニング、個別化治療法の開発、及び/又は他のあらゆる適切な治療適用を含む多層式治療介入等のためにユーザーのマイクロバイオーム特徴及び併存状態のリスクに基づいてユーザーを層別化することにより治療介入を促進することができる。微生物関連状態のマイクロバイオームドリブン分類(例えば、クラスタリング等)は予防、診断、治療、及び/又は他の適切な治療介入関連過程を促進するため、例えば治療法を優先させるため、且つ/又は同じ群の状態を好転させるため、及び/又は群内で反対の転帰を示す治療法に反対するためのユーザーの層別化を可能にし得る。例えば、治療介入の促進は(a)前記一セットの微生物関連状態グループ群のうちの少なくとも1つの微生物関連状態グループ(例えば、1又は複数のマイクロバイオーム特徴解析モジュールを介して本明細書に記載される解析技術を用いて特定される微生物関連状態群等)への前記ユーザーの割当てに基づいて、ユーザーに対して第1の治療法を推進すること、(b)前記一セットの微生物関連状態グループ群のうちの同じ微生物関連状態グループに属する微生物関連状態間での関連性に基づいて、前記ユーザーに対して第2の治療法を推進すること、及び(c)前記一セットの微生物関連状態グループ群のうちの異なる微生物関連状態グループに属する微生物関連状態間での関連性に基づいて、前記ユーザーに対して第3の治療法を行わないようにすること、のうちの少なくとも1つを含み得る。しかしながら、相互分析及び/又は他のあらゆる適切な特徴解析プロセスはあらゆる適切な方式で治療介入を促進するために使用され得る。

0107

一変形例において、特徴解析は標的状態(例えば、微生物関連状態状態)を示す第1群の対象と前記標的状態を示さない(例えば、「正常」状態の)第2群の対象との間の類似性及び/又は差異の統計的分析(例えば、確率分布の分析)に関連する(例えば、由来する)特徴に基づき得る。この変形例の実施において、コルモゴロフ・スミルノフ(KS)検定、パーミューテーション検定、クラメール−フォンミーゼス検定、他のあらゆる統計的検定(例えば、t検定、z検定、カイ二乗検定、分布を伴う検定等)、及び/又は他の適切な解析技術のうちの1つ、又は複数が使用可能である。特に、1又は複数のこのような統計的仮説検定が標的状態(例えば、疾患状態)を示す第1群の対象と前記標的状態を示さない(例えば、正常状態を有する)第2群の対象の異なる存在度を有する特徴セットを特徴解析するために使用され得る。さらに詳細に説明すると、前記特徴解析の信頼性を上昇又は低下させるため、特徴解析された前記特徴セットが前記第1群の対象及び前記第2群の対象に関連する多様性に関係する存在率及び/又は他のあらゆる適切なパラメーターに基づいて制約され得る。この例の特定の実施態様において特徴は、ある特定のパーセンテージの前記第1の対象群及び前記第2群の対象に数多く存在する細菌の分類群の前記第1群の対象と前記第2群の対象との間での相対存在度が有意性を(例えば、p値により)示すKS検定から決定可能である場合にその分類群に由来し得る。したがって、ブロックS130の出力値は有意性を(例えば、0.0013のp値で)示す正規化された相対存在度値(例えば、微生物関連状態を有する対象と前記微生物関連状態を有しない対象との間、疾患対象と健康対象との間での25%を超えるある分類群の存在度)を含み得る。加えて、又は代替として、特徴生成の変形例は機能特徴又はメタデータ特徴(例えば、非細菌マーカー)を実装可能であり、又はそれらの特徴に由来し得る。加えて、又は代替として、あらゆる適切なマイクロバイオーム特徴が予測分析、多重仮説検定、ランダムフォレスト検定、主成分分析、及び/又は他の適切な解析技術のうちのいずれか1つ、又は複数を含む統計的分析(例えば、微生物配列データセット及び/又は他の適切な微生物データセットに適用される統計的分析等)に基づいて導出され得る。

0108

前記特徴解析プロセスの実施において、ブロックS130は加えて、又は代替として前記マイクロバイオーム構成多様性データセット及びマイクロバイオーム機能多様性データセットのうちの少なくとも1つからの入力データを前記対象群の特徴解析の予測における有効性について検定され得る特徴ベクトルに変換することができる。分類の正確な予測について高い程度(又は低い程度)の予測力を有する特徴及び/又は特徴の組合せを特定するための候補特徴及び候補分類のトレーニングデータセットにより前記特徴解析プロセスがトレーニングされている場合、前記補足データセットのデータが特徴解析セットのうちの1又は複数の特徴解析を示すために使用可能である。したがって、トレーニングデータセットによる前記特徴解析プロセスの改良により特定の分類の対象との高い相関を有する特徴セット(例えば、対象特徴のセット、特徴の組合せのセット)が特定される。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • 日本板硝子株式会社の「 反応処理容器」が 公開されました。( 2020/12/17)

    【課題】試料を蛇行状流路で停止する精度を向上することのできる反応処理容器を提供する。【解決手段】反応処理容器10は、基板14と、基板の上面14aに形成された溝状の流路12とを備える。流路12は、高温蛇... 詳細

  • 株式会社J-ARMの「 イヌのリンパ球由来のがん殺傷性細胞集団の製造方法」が 公開されました。( 2020/12/17)

    【課題】 イヌのがん免疫療法として使用するリンパ球由来の高い細胞殺傷能を有する細胞集団を、作業リスクの少ない簡便で且つ安全な方法で生産することができるより安価な方法を提供する。【解決手段】 好まし... 詳細

  • 国立大学法人新潟大学の「 アンブレインの効率的製造方法」が 公開されました。( 2020/12/17)

    【課題・解決手段】本発明の目的は、簡便に且つ効率的にアンブレインを得ることができるアンブレインの製造方法を提供することにある。前記課題は、本発明の(1)DXDDモチーフの第4番目のアミノ酸残基であるア... 詳細

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ