CN105705654A - 用于皮肤护理咨询的方法和系统 - Google Patents
用于皮肤护理咨询的方法和系统 Download PDFInfo
- Publication number
- CN105705654A CN105705654A CN201480053116.XA CN201480053116A CN105705654A CN 105705654 A CN105705654 A CN 105705654A CN 201480053116 A CN201480053116 A CN 201480053116A CN 105705654 A CN105705654 A CN 105705654A
- Authority
- CN
- China
- Prior art keywords
- skin
- quality
- characteristic
- human subject
- prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/156—Polymorphic or mutational markers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Physics & Mathematics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Business, Economics & Management (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Analytical Chemistry (AREA)
- Genetics & Genomics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Microbiology (AREA)
- Immunology (AREA)
- Biophysics (AREA)
- Biotechnology (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biochemistry (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Educational Administration (AREA)
- Pathology (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
Abstract
本文所述的是用于评估皮肤质量并且向消费者提供定制、“管家式”皮肤咨询服务的材料和方法。在多个方面中,本公开包括一种方法,所述方法包括检测来自生物样本的MMP1、SOD2和GPX1的多态性、计算遗传皮肤评分、比较所述遗传皮肤评分与当前皮肤特征、以及任选地就定制的皮肤护理方案向消费者提供咨询,从而提高即时皮肤质量和/或未来皮肤质量。
Description
技术领域
本公开涉及用于评估皮肤质量和消费者咨询的系统和方法。
通过电子方式提交的材料以引用的方式并入
本专利申请包含计算机可读形式的序列表,其作为公开的独立部分(文件名:47982_SeqListing.txt;创建于:2013年9月25日;1074字节),其全文以引用的方式并入。
背景技术
了解消费者的皮肤状况或皮肤质量在皮肤咨询和产品选择/推介中发挥重要作用。重要的是消费者理解在他们当前的皮肤状况与其遗传潜质或者其皮肤的遗传倾向之间的差距,这些遗传潜质或遗传倾向发展某些不期望的皮肤缺陷(诸如例如,皮肤皱纹、皮肤斑点、皮肤松弛、皮肤暗淡和皮肤肌理粗糙)。有了这些信息,消费者能够直接或者间接地在例如制造商,零售商,临床医生和/或皮肤科医生的帮助下,对产品(包括药物)的类型做出知情决定,所述产品可用于最大化他们皮肤的潜质或者作为预防措施去推迟或者抵消不期望的皮肤特征的进展。
一般来讲,消费者依赖关于他们皮肤状况的信息,以便对他们具体皮肤状况需要的产品(如护肤品、化妆品等)类型做出决定。通常地,消费者根据他们对于其皮肤质量的有限了解来选择期望的产品。例如,消费者可从自我评估来对他们的皮肤质量有印象。然而,消费者很容易错误地评估他们的皮肤状况。另一个方法是使用视觉或者成像装置,其倾向于提供更准确的消费者皮肤质量的评估(参见Miyomoto,K等人,SkinRes.&Tech.(2013),19:e525-e531)。然而这些装置具备有限的价值,因为它们仅可提供消费者在一个时间点的皮肤质量的快照。这些装置不能评估或者预测消费者潜在的皮肤状况和/或发展皮肤缺陷的风险。
改善的评估皮肤质量的方法和向消费者提供有意义的信息和量身定做的护肤品选择/推介是需要的。对于评估皮肤状况以预测消费者在将来发展某些皮肤特征(尤其是缺陷)的风险的系统也存在需求。
发明内容
在一个方面,本文描述了评估人类受检者的皮肤质量的方法,该方法包括:测定来自人类受检者的生物样本中的MMP1、SOD2和GPX1的多态性存在与否以提供遗传皮肤评分;以及通过将预测公式应用于遗传皮肤评分来测定预测皮肤特征质量评分,该皮肤特征质量评分对应于选自皮肤皱纹、皮肤斑点、皮肤松弛、皮肤暗淡和皮肤肌理粗糙的皮肤特征;其中该预测公式对应于皮肤特征并且通过对由对照组获得的数据进行回归分析来确定,所述对照组包括年龄跨度至少二十年,至少三十年,至少四十年或者至少五十年的成员,所述数据包括:(i)对照组的每个成员的遗传皮肤评分,和(ii)对应于对照组的每个成员的多个测量结果,其中所述多个测量结果与所述皮肤特征相关联并且通过对照组的每个成员的皮肤表面的图像分析来计算;并且其中预测皮肤特征质量评分为人类受检者发展所述皮肤特征的风险的表示。
还提供了能够实施本文所述的方法中的任一种的系统。例如,在一些实施例中,提供了用于评估人类受检者的皮肤质量的系统。该系统包括至少一个处理器;交互界面;和至少一个实体的、非暂态计算机可读存储介质,其存储计算机可执行指令,当被至少一个处理器执行时,可执行指令使所述系统:通过交互界面获得来自受检者的生物样本中的MMP1、SOD2和GPX1的多态性存在与否的指示;基于来自受检者的生物样本中的MMP1、SOD2、和GPX1的多态性存在与否的指示来测定遗传皮肤评分;通过将对应于皮肤特征的预测公式应用于遗传皮肤评分来测定预测皮肤特征质量评分,该预测皮肤特征质量评分对应于选自由皮肤皱纹、皮肤斑点、皮肤松弛、皮肤暗淡和皮肤肌理粗糙组成的皮肤特征的组,其中预测公式通过对由对照组获得的数据进行回归分析来确定,所述对照组包括年龄跨度至少五十年的成员,所述数据包含:(i)对照组的每个成员的遗传皮肤评分,和(ii)对应于对照组的每个成员的多个测量结果,其中所述多个测量结果与所述皮肤特征相关联并且由所述对照组的每个成员的皮肤表面的图像分析来计算;并且其中预测皮肤特征质量评分为人类受检者发展所述皮肤特征的风险的表示。在一些实施例中,所述多态性为rs1799750、rs4880和rs1050450。
还提供用于测定人类受检者的预测皮肤质量与当前皮肤质量之间的差距的系统。该系统包括:至少一个处理器;至少一个通信交互界面;和至少一个实体的、非暂态计算机可读存储介质,皮肤质量差距评估仪存储在其上,所述皮肤质量差距评估仪包括计算机可执行指令,在由所述至少一个处理器执行时,所述计算机可执行指令使所述系统:通过所述至少一个通信交互界面接收第一数据,所述第一数据包括来自人类受检者的生物样本中的一组人类基因中的至少一种多态性存在与否的指示;测定指示人类受检者的预测皮肤质量的值,所述人类受检者的预测皮肤质量值基于所述第一数据并且基于所述至少一种多态性存在与否与指示皮肤质量的一组皮肤特征的相关性来测定;通过至少一个通信交互界面来接收第二数据,所述第二数据包括指示人类受检者的当前皮肤质量的值,所述当前皮肤质量值基于人类受检者的皮肤表面的部分的图像的自动图像分析来测定,其中所述自动图像分析被构造成用于确定测量结果,该测量结果对应皮肤表面的部分的皮肤特征的组;基于预测皮肤质量值和所述当前皮肤质量值来测定在受检者的预测皮肤质量与当前皮肤质量之间的差距程度;并且使该差距程度的指示呈现在用户交互界面。
本文还描述了一种方法,该方法基于对应于人的皮肤质量的一组皮肤特征来测定人类受检者的预测皮肤质量与当前皮肤质量之间的差距。该方法包括:(a)分析人类受检者的至少一个皮肤表面以测定指示所述人类受检者的当前皮肤质量的至少一个测量结果,其中所述至少一个测量结果对应于皮肤特征的组中的至少一个皮肤特征;以及(b)通过计算装置并基于所述至少一个测量结果来测定所述人类受检者的当前皮肤质量与所述人类受检者的预测皮肤质量之间的差距程度,所述人类受检者的预测皮肤质量基于在来自所述人类受检者的生物样本的核酸中所鉴定的至少一种多态性存在与否来测定,其中:所述至少一种多态性中的每个多态性与影响所述皮肤特征的组中的一个或多个皮肤特征关联,所述皮肤特征组对应于皮肤质量,并且对应于皮肤质量的所述皮肤特征的组包括皮肤皱纹、皮肤肌理粗糙、皮肤斑点、皮肤暗淡、或皮肤松弛中的至少一者。
在另一方面,本文描述了用于测定人类受检者的最大预测皮肤质量的系统。该系统包括:至少一个处理器;至少一个通信交互界面;和至少一个实体的、非暂态计算机可读存储介质,皮肤质量预测仪存储在其上,所述皮肤质量预测仪包括计算机可执行指令,在由所述至少一个处理器执行时,所述计算机可执行指令使所述系统:(a)获得所述人类受检者所包括的一组人类基因的一种或多种多态性存在与否的指示,其中:(i)由来自所述人类受检者的生物样本的核酸分析来测定所述一种或多种多态性存在与否,(ii)所述一种或多种多态性存在与否与皮肤特征的组相关联,并且(iii)所述皮肤特征的组包含在指示人体中的皮肤质量的一组皮肤特征中,并且其包括皮肤皱纹、皮肤斑点、皮肤松弛、皮肤暗淡和皮肤肌理粗糙中的至少两者;(b)针对在所获得的指示中指示出存在与否的每个多态性来测定所述每个多态性存在与否与所述皮肤特征的组中所包括的每个皮肤特征之间的相关性的相应的权重;(c)基于所述相关性的相应的权重并且基于对应于皮肤特征的组的多个值测定指示所述人类受检者的最大预测皮肤质量的预测皮肤质量值,所述皮肤特征指示多位其他人类受检者的皮肤质量,其中所述多个受检者的年龄范围跨越至少五十年;并且(d)使所述预测皮肤质量值呈现在用户交互界面。
上述总结并非旨在限定本发明的每个方面,而且在其它部分描述了其它的方面,诸如具体实施方式。全部本文件旨在作为统一的公开内容相关联,并且应当理解本文所述特征的全部组合均被考虑,即使特征的组合并非共同见于本文件的相同句子、段落或者章节之中。
除了上述内容,本发明还包括(作为附加方面)以任何方式在范围上比通过上文特定段落所定义的变体更为狭义的本发明的全部实施例。例如,本发明的某些方面被描述为属,并且应当了解属的各个成员各自是本发明的一个方面。另外,应当将以属来描述或者选择属的成员的方面理解为涵盖所述属的两个或更多个成员的组合。对于以“一个”或“一种”来描述或进行权利要求的本发明的方面,应当了解这些术语意味着“一个(种)或多个(种)”,除非上下文明确要求更受限制的含义。术语“或者”应该理解为涵盖了另选的或共同的条目,除非上下文明确另有要求。如果本发明的方面被描述成“包含”特征,则实施例还考虑了“由…所述特征组成”或者“基本上由…所述特征组成”。
附图说明
图1示出了人类受检者的皮肤质量评估的示例性方法100。
图2A-2C示出了将方法100应用于特定人类受检者的示例性场景。
图3示出了用于评估人类受检者的皮肤质量的系统200的实施例。
图4A-4C是柱状图,其示出了皮肤特征(x轴)(通过图像分析来分析)的严重程度(y轴),其与受检者的MMP1(图4A)、SOD2(图4B)和GPX1(图4C)的多态性相关联,受检者在本研究之前并未使用特定的皮肤护理方案。y轴的严重程度的评分从0(最佳皮肤状况)到1.0(最差皮肤状况)就所检测的皮肤参数进行拟合。针对每个皮肤特征,与野生基因型(MMP1和GPX1)、杂合多态性(MMP1、SOD2和GPX1)和纯合多态性(MMP1和SOD2)相关联的严重程度通过柱状图来描绘(在该图中分别取向成从左至右)。所识别的多态性与皮肤肌理、皮肤松弛、皮肤斑点、皮肤皱纹和皮肤暗淡关联。
图5是柱状图,其示出了MMP1、SOD2和GPX1的多态性相对于皮肤肌理、皮肤紧致度(张力)、皮肤皱纹,皮肤斑点和皮肤光泽(y轴)的相关系数与年龄(x轴)之间的关系。该相关性随受检者的年龄而增大。
图6A-6E是线状图,其将由对照组制备的预测皮肤质量评分(y轴)与当前皮肤特征质量评分(x轴)相关联,该当前皮肤特征质量评分针对皮肤肌理/粗糙(图6A)、皮肤皱纹(图6B)、皮肤光泽(图6C)、皮肤紧致度(图6D)和皮肤斑点(图6E)而获自相同组的受检者。预测皮肤质量评分使用遗传皮肤评分来计算,其表示MMP1、SOD2和GPX1的单核苷酸多态性存在与否(即,野生型、杂合多态性或者纯合多态性)。该模型显示了预测皮肤特征质量评分与通过图像分析获得的实际皮肤测量结果之间的显著关系。
图7A-7C是柱状图,其示出了皮肤特征(x轴)的严重程度(y轴),其与受检者的MMP1(图7A)、SOD2(图7B)和GPX1(图7C)的多态性相关联,受检者在本研究之前已使用特定的皮肤护理方案三年。针对每个皮肤特征,与野生基因型(MMP1和GPX1)、杂合多态性(MMP1,SOD2和GPX1)和纯合多态性(MMP1和SOD2)相关联的严重程度通过柱状图描绘(在该图中分别取向成从左至右)。所鉴定的多态性与皮肤肌理、皮肤松弛、皮肤斑点、皮肤皱纹和皮肤暗淡关联。
具体实施方式
“多态性”是在基因、DNA序列或者染色体等中的序列变异,即在基因组上的位置,群体中在其上存在多于一种的核苷酸序列。一般来讲,“多态性”包括替代或者插入/缺失,尽管所述术语并不局限于此类。“单核苷酸多态性”(“SNP”)是在DNA或RNA序列中单个碱基对的变异。换句话说,SNP是基因部分的替换形式,其仅在该部分的单核苷酸残基的同一性上不同于野生型(或另一个参考序列)。例如,非限制地,在多核苷酸的全部序列中将一个A换成一个C、G或者T构成SNP。当然,在特定的多核苷酸中有可能具有多于一种SNP。多态性在尺寸上也可是更大的。例如,多态性包括在多个连续的或者相近间隔的、非连续的核苷酸残基上的变异。
术语“皮肤规格”(本文也可互换称为“皮肤状况”、“皮肤特性”、“皮肤质量”或“皮肤特征”)在本文指的是皮肤肌理、皮肤张力、皮肤皱纹、皮肤斑点或者皮肤光泽。
术语“皮肤肌理”一般是指皮肤表面的形貌或粗糙度。
术语“皮肤张力”或“皮肤紧致度”一般是指皮肤的紧致度或弹性。
术语“皮肤皱纹”一般是指在皮肤上的折叠、嵴或褶,并且包括细纹、细皱纹和重皱纹。皮肤皱纹是根据,例如,密度和/或长度来测量的。
术语“皮肤斑点”一般是指皮肤的变色或者不均匀色素沉着(如色素沉着过度,污点)。皮肤斑点是根据,例如,变色的密度、尺寸和/或程度来评估的。
术语“皮肤光泽”一般是指皮肤反射的光量。
术语“对照受检者”或“对照人类受检者”是指实际或者假设的人类受检者,其基因组不包含所关注的多态性,诸如通过本文公开的方法评估的所关注的多态性。
术语“对照组”指在群组中的受检者,其在测试前没有使用特定的皮肤产品。对照组的成员在任何所评估基因上可具有或者可不具有多态性。
术语“参考SNP”或者“rs”是指报道的多态性变体,包括对于变体的概括性信息和等位基因频率的概括,其由NationalCenterforBiotechnologyInformation(NCBI)维护。
术语“当前皮肤质量评分”是指人类受检者在评估时相应的皮肤特征的质量或者严重程度的量化指示。例如,当通过图像分析来准备当前皮肤质量评分时,所述评分是在捕获所述图像时或者在其短时之后(例如,捕获所述图像30天或者更短的时间后)来计算的。
术语“遗传皮肤评分”指对各多态性的存在与否与皮肤特征之间的相应的相关性。
术语“预测皮肤特征质量评分”是指在人类受检者中相应的皮肤特征的质量或严重程度的量化指示,诸如在评估后的稍后时间,相应的皮肤特征的质量或严重程度的量化指示。例如,当通过DNA分析获得预测皮肤质量评分时,该评分通过将预测公式应用到遗传皮肤评分来计算。
与本公开内容相关的其它术语定义如下。
评估皮肤质量的方法
在一方面,本发明至少部分是基于受检者的皮肤相关基因上给定的多态性的位点上(如SOD2、MMP1和GPX1)的特定核苷酸(等位基因)或者基因型与多个皮肤特征(如皮肤皱纹、皮肤斑点、皮肤肌理、皮肤光泽和皮肤张力)之间关系的发现来预测的。具体地,本申请人发现,在皮肤相关基因中单核苷酸多态性(SNP)的发生率使得能够在这些多个皮肤特征中对受检者发展缺陷的敏感性进行预测。
与皮肤缺陷相关联的复杂病因受到了各种病症独有的遗传和环境因素的组合影响。实际上,皮肤缺陷由大量的生理、行为和环境动态中的任意种而引起,诸如例如:自然衰老过程、疾病、饮食、过敏原、激素变化、日晒、饮酒、缺少睡眠和烟草使用。考虑到广泛的皮肤缺陷的潜在原因,针对多个皮肤特征具有预测性的基因标记的鉴定是不可预测的。在SOD2、MMP1和GPX1的多态性与多种皮肤缺陷之间的强相关性的发现使得能够实现对人类受检者的皮肤健康潜质的评估,这在之前还未曾达到。因此,本发明代表了在本领域的进步。另外,观察到SOD2、MMP1和GPX1的多态性与不期望的皮肤特征之间的相关性随年龄而增加,即所述多态性与所测量的特征之间的关系在年纪40岁和以上的受检者中更强。因此,本发明可使年纪在40岁或者以上的那些受检者最大地受益。
在另一方面,通过将DNA分析与可视分析或者图像分析结合,可探知人类受检者的当前皮肤质量和预测皮肤质量,使得实现对受检者的皮肤健康和潜质的全面分析。随着受检者年纪增长,优选地对那些年纪在40岁和以上的受检者而言,这是尤其可用的信息。根据这些现有的知识,受检者可经咨询而选择皮肤护理方案,其不仅解决当前皮肤问题,例如与皮肤皱纹、皮肤斑点、皮肤紧致度、皮肤光泽和皮肤张力相关的问题,而且还解决发展一种或多种这些不期望的皮肤特征的未来风险。就此,在一个方面,本公开提供了用于向皮肤护理产品消费者提供定制、“管家式”咨询的系统和方法。
在一个方面,本发明包括评估人类受检者的皮肤质量的方法。该方法包括在来自所述人类受检者的生物样本中测定MMP1、SOD2和GPX1的多态性存在与否来向人类受检者提供遗传皮肤评分;以及测定对应于皮肤特征的预测皮肤特征质量评分。皮肤特征选自皮肤皱纹、皮肤斑点、皮肤松弛、皮肤暗淡和皮肤肌理粗糙。通过将对应于皮肤特征的预测公式应用到遗传皮肤评分来测定预测皮肤特征质量评分。预测公式通过对由对照组获得的数据进行回归分析来确定,对照组包括年龄跨度至少五十年的人类成员。所述数据包括:(i)对照组的每个成员的遗传皮肤评分,和(ii)对应于对照组的每个成员并与皮肤特征相关联的多个测量结果。多个测量结果通过对照组的每个成员的皮肤表面的图像分析来计算。在多个实施例中,预测皮肤特征质量评分为人类受检者发展所述皮肤特征的风险的表示。
任选地,本文描述的方法包括对于选自皮肤皱纹、皮肤斑点、皮肤松弛、皮肤暗淡和皮肤肌理粗糙中的两、三、四或者所有五个皮肤特征测定相应的预测皮肤特征评分。因此,在一些实施例中,在五个不同的预测公式中应用遗传皮肤评分,从而针对皮肤皱纹、皮肤斑点、皮肤松弛、皮肤暗淡和皮肤肌理粗糙中的每个来计算预测皮肤特征评分。因此,在一个方面,本发明的方法提供关于受检者发展五种不同皮肤特征的相对风险的信息,所述信息使得实现消费者对于皮肤护理的需求的更全面的评估。
另外,本发明提供了评估人类受检者的皮肤质量的方法,其中该方法包括在来自人类受检者的生物样本中测定皮肤相关基因(诸如例如,MMP1、SOD2和GPX1)中多态性存在与否来提供遗传皮肤评分;以及对包括皮肤皱纹、皮肤斑点、皮肤松弛、皮肤暗淡和皮肤肌理粗糙的皮肤特征的组中的每个来测定相应的皮肤特征质量评分。通过将相应的预测公式应用于遗传皮肤评分来计算每个相应的皮肤特征质量评分。换句话说,将针对皮肤皱纹、皮肤斑点、皮肤松弛、皮肤暗淡和皮肤肌理粗糙中的每各的特有预测公式应用于遗传皮肤分数,产生五个预测皮肤特征质量评分,它们中的每个对应于不同的皮肤特征。预测公式是基于MMP1、SOD2和GPX1的多态性存在与否与相应的皮肤特征之间的相关性的相应的权重。
任选地,每个相应的预测公式是基于MMP1、SOD2和GPX1的多态性存在与否与每个皮肤特征之间的相关性的相应的权重的归一化。在多个方面中,将MMP1、SOD2和GPX1的多态性存在与否与每个皮肤特征之间的相关性的相应的权重的指示应用于遗传评分的不同部分。在多个方面中,预测皮肤特征质量评分为人类受检者发展皮肤特征中的每个的风险的表示。
在多个实施例中,所述方法包括受检者的皮肤状况的可观察质量的评估。因此,本发明使得实现受检者的皮肤“潜质”(即发展低风险或高风险的皮肤缺陷的可能性)与受检者的当前皮肤状况之间的比较。就这一点而言,本文描述的方法任选地包括通过图像分析(即人类受检者的皮肤表面的图像的分析)来测定人类受检者的当前皮肤特征质量评分。当前皮肤特征质量评分对应于生成所述预测皮肤特征质量评分的相同皮肤特征。本方法随之包括测定(i)预测皮肤特征质量评分与(ii)当前皮肤特征质量评分之间的差距程度。
就这一点而言,应当理解差距程度越大,受检者的皮肤状况与所述遗传潜质相关度越差。对于这些受检者,关键的是他们意识到这些信息,从而确保推荐/选择了合适的皮肤护理产品以帮助将所述差距程度降至最低。希望在受检者的生命中能更早(例如,40岁或更低、35岁或更低、30岁或更低、或者25或更低)获得这些信息,以便增加使用皮肤护理产品而产生的任何益处。
在另一个方面,虽然较小的差距程度反映了受检者的皮肤在当时较好的“滋养”,但并不确保随着受检者年龄增长所述差距程度将持续保持微小。这部分地由于机体随年龄而改变的生理。如上指出,在SNP的存在与否与相应的皮肤特征之间的相关性随着年龄而增大。例如(并且不期望受任何特定理论限制),在MMP1中具有SNP的受检者以与对照受检者相比增加的速度来产生胶原酶,其为已知在机体内分解胶原的酶。此外,胶原酶的产生一般来讲随着年龄增多。胶原是长的纤维状结构蛋白,其赋予皮肤以其强度和弹性。胶原降解是皮肤皱纹与失去柔韧度和弹性的主要因素。因此,与不具有SNP的对照受检者相比,MMP1中的SNP与衰老的组合将导致更多的胶原分解和皮肤老化。随着在MMP1中具有SNP的受检者年龄增长,她的皮肤护理需求将改变,可能要求与她目前正在使用的皮肤产品不同的皮肤产品,例如,包含更多的胶原以补充机体的自然发生的与年龄相关的体内胶原的减少。因此,本发明也会使差距程度小的那些受检者受益。
在评估两、三、四或者所有五个皮肤特征的情况下,本文描述的方法任选地包括基于人类受检者的皮肤表面的图像的图像分析来测定对应于受评估的每个皮肤特征的相应的当前皮肤特征质量评分。针对每个皮肤特征测定在预测皮肤特征质量评分与当前皮肤特征质量评分之间的相应差距的相应程度。如果需要,鉴定与最大的差距程度相关联的皮肤特征。例如,所述方法使得能够鉴定具有当前皮肤特征评分的皮肤特征,其与通过预测皮肤特征评分而预测相比在皮肤状况中显示出较大的严重程度(即更糟的皮肤状况),并且实现了对在评分上具有最大差异的皮肤特征优先排序,例如,来帮助为受检者选择或者推荐皮肤护理方案。实际上,所述方法任选地包括鉴定适用于改善皮肤特征外观的皮肤产品。
本文所述的方法任选地包括就适用于改善特定的皮肤特征外观的皮肤产品向人类受检者提供咨询,其中基于在当前皮肤特征质量评分与预测皮肤特征质量评分之间的差距程度来选择皮肤产品。
评估人类受检者的皮肤质量的方法也可如图1-3所示来描述。图1示出了评估人类受检者(诸如化妆品或皮肤护理产品的消费者)的皮肤质量的示例性方法100。并非所有在图1中示出的步骤都是本发明内容中需要的,而是提供以示出本发明的多个方面。
方法100包括从人类受检者获得生物样本(框102)。生物样本可从包括基因组学DNA的人类受检者的任何来源获得102,诸如例如,唾液、血液、羊水、脑脊液或者几乎任何组织样本(例如,来自皮肤、毛发、肌肉、口腔或者粘膜、胎盘、胃肠道或其它器官)。通过使用任何临床上可接受的方法从受检者中获得生物样本。在一些实施例中,生物样本非侵入性地获得,例如,通过擦拭或者刮擦口腔的内部。拭子(例如,附接到一种或两种纤维头部的柄,例如,由棉或者涤纶制成的头部)或者塑性刮刀任选地在包装之前使其干燥来用于分析。也可通过使用粘合带来获得皮肤表面细胞从而获得生物样本用于分析。任选地,通过使用包含用于DNA样本采集的材料的试剂盒可在所述受检者的家中自我收集生物样本。示例性试剂盒描述于,例如,美国专利6,291,171,其在此以引用的方式并入。然后所采集的样本可直接送往实验室用于分析。
在框105中,生物样本经分析以测定一种或多种皮肤相关基因的一种或多种多态性存在与否,所述皮肤相关基因与一种或多种“皮肤规格”(其在本文与“皮肤状况”、“皮肤特点”或“皮肤特征”可互换地指称)相关联,其对应于或者影响人类皮肤特征的质量或者状况。皮肤特征包括但不限于,皮肤肌理、皮肤张力、皮肤皱纹、皮肤斑点和皮肤光泽。尽管本文讨论了五种皮肤规格,但是这五种皮肤规格仅仅是示例性的,并且对于本文所述的方法、系统和技术而言还可使用与其它皮肤特征相关联的基因的一种或多种多态性存在与否。
仍参见框105,可分析来自人类受检者的生物样本以测定影响皮肤特征的一种或多种基因的多态性(即,一种或多种多态性)的存在与否。在一个方面,所述方法优选地包括检测以下三个基因MMP1、SOD2和GPX1的多态性(尽管还可通过仅检测所鉴定基因中的一种或两种来实施所述方法)。据观察MMP1(基质金属蛋白酶1,亦称胶原酶1)与至少两个皮肤特征关联,例如皮肤皱纹和皮肤肌理。MMP1的多态性任选地是在GenBank登录号NG011740.1的核酸序列的3471位置处的插入(例如,鸟嘌呤的插入)。(参考SNP(refSNP)ClusterReport:rs1799750;http://www.ncbi.nlm.nih.gov/projects/SNP/snp_ref.cgi?rs=1799750)
据观察SOD2(超氧化物歧化酶2)与至少两个皮肤特征关联,例如皮肤张力和皮肤肌理。在多个实施例中,SOD2的多态性是在GenBank登录号NG008729.1的核酸序列的5482位置处的取代(例如,胸腺嘧啶取代胞嘧啶),其导致在所产生的SOD2肽中氨基酸位置16处的缬氨酸取代丙氨酸。(参考SNP(refSNP)ClusterReport:rs4880;http://www.ncbi.nlm.nih.gov/projects/SNP/snp_ref.cgi?rs=4880)
据观察GPX1(谷胱甘肽过氧化物酶1)与至少两个皮肤特征关联,例如皮肤斑点和皮肤张力。GPX1基因的多态性任选地是在GenBank登录号NG012264.1的核酸序列的位置5958处的错义突变,其中胸腺嘧啶取代胞嘧啶,导致在GPX1肽中氨基酸位置200处的亮氨酸取代脯氨酸。(参考SNP(refSNP)ClusterReport:rs1050450;http://www.ncbi.nlm.nih.gov/projects/SNP/snp_ref.cgi?rs=1050450)
任选地,在三种基因中的多态性对应于它们相应的SNPID:rs1799750(MMP1)、rs4880(SOD2)和rs1050450(GPX1)。在表1中提供了其它具有多态性的基因,其显示为影响一种或多种皮肤规格。任选地,在本文描述方法中将任意上文提到的三种基因替换为这些其它皮肤相关基因,或者除上述提到的三种基因外可包含这些其它皮肤相关基因。
表1.其它皮肤相关基因的SNP和对皮肤特征的影响
使用任何合适方法来测定多态性的存在与否。进行多态性的检测的方法并非关键。例如,可通过以下方法来检测多态性的发生率,该方法包括但不限于杂交、限制片段长度分析、侵染测定法、基因芯片杂交分析、寡核苷酸连接测定法、连接滚环扩增、5'核酸酶测定法、聚合酶校对法、等位基因特异性PCR、基质辅助激光解吸电离飞行时间(MALDI-TOF)质谱法、连接酶链反应测定法、酶扩增电子转导、单碱基对延伸测定法、还原序列数据和序列分析。
用于所述分析的多核苷酸材料适当地可为DNA(包括,例如,cDNA)或者RNA(包括,例如,mRNA)。任选地,RNA或cDNA在杂交或序列分析前通过聚合酶链反应(PCR)进行扩增。就杂交而言,任选地将暴露给特异于与多态性相关联的序列区域的寡核苷酸的多核苷酸样本固定在基底上(例如,阵列或微阵列)。对特异于所关注的基因座的一种或多种合适探针的选择,以及对杂交或PCR条件的选择,属于从事核酸工作的科技人员的普通技术。
使用基因分析的结果来测定该人类受检者的遗传皮肤评分(框108)。在一些实施例中,以对应于在一个或全部两个等位基因上的每个多态性存在与否(例如MMP1、SOD2和GPX1的所述多态性)的相应的权重的组合来表示遗传皮肤评分。例如,野生基因型(即多态性不存在)可能权重小于杂合基因型(即多态性存在于一个等位基因上),其可能既而权重小于纯合基因型(即多态性存在于全部两个等位基因上)。“遗传皮肤评分”包括对应于每个受测基因的多态性状况的加权值。
作为框105和框108的一个示例性但非限制性的示例,分析由人类受检者获得的颊粘膜样本来测定三个基因MMP1、SOD2和GPX1的多态性存在与否。通过相应的权重(例如,野生基因型=1,杂合基因型=2,纯合基因型=3)来反映每个多态性在其相应的基因中的存在与否(即,状况)。遗传皮肤评分包括对应于人类受检者的生物样本中每个多态性存在与否的权重(例如,MMP1=3,SOD2=2,GPX1=2)。
在框110中,基于人类受检者的遗传皮肤评分来测定预测皮肤特征质量评分。例如,可通过预测公式来输入或者运算人类受检者的遗传皮肤评分,以测定人类受检者的预测皮肤特征质量评分,或者可将预测公式应用于遗传皮肤评分。在一些方面,预测公式(在下文更详细描述)是基于所述多态性存在与否与相应的皮肤特征之间的相关性的相应的权重。任选地,预测公式是基于在所检测的皮肤相关基因中(例如,MMP1、SOD2和GPX1)多态性存在与否的相关性的相应的权重的归一化。
在一些实施例中,人类受检者的预测皮肤特征质量评分对应于受检者在一生中(或者至少经过延长的时间段,诸如例如,至少十年,至少二十年,至少四十年或者至少五十年)发展一个或多个皮肤特征(例如,皮肤暗淡、皮肤松弛、增大的皮肤粗糙度、皮肤皱纹或者皮肤斑点)的风险。因此,这对于生成信息用于未来皮肤质量的评估或者评定是有效的系统和方法。实际上,如图5所示,MMP1、SOD2和GPX1的多态性与受测皮肤规格之间的相关性在年长的受检者中更强。在多个方面,预测皮肤质量评分是受检者的皮肤质量(至少相对于分析的所述皮肤特征)随延长的时间段的表示或者量化指标,诸如例如,年龄在40岁或者以上的受检者。还可将预测皮肤质量评分看做皮肤“潜质”的量度,并且就此对消费者在皮肤特征的可能改善上或者皮肤缺陷的发展上的咨询中提供可用的信息。此外,预测皮肤质量评分还可用于向消费者个性定制皮肤护理系统和推介的方法,其部分基于就消费者基因而收集的信息。
在一个实施例中,针对每种皮肤规格或者皮肤特征(例如,皮肤皱纹、皮肤斑点、皮肤肌理、皮肤张力和皮肤光泽或者其任意组合)来测定预测皮肤特征质量评分。例如,计算预测皮肤特征质量评分的方法是选取具有年龄跨度几十年的受检者的群体,并且就三种基因(MMP1、SOD2和GPX1)中的SNP的存在与否来分析他们中的每个人。有了这些数据,随之可能针对每个皮肤特征制定“预测公式”(即,“相应的预测公式”)并且应用于遗传皮肤评分,所述公式将这些SNP的发生率与皮肤特征相关联。
这些特征特异性的预测皮肤特征质量评分在本文称为“相应的预测皮肤特征质量评分”,并且每个预测皮肤特征质量评分可作为在延长的时间段上发展相应的皮肤特征的风险的表示或指示,或者可作为在人类受检者中相应的皮肤特征的发展的最大程度的表示或指示(例如,经过延长的时间段)。例如,第一预测公式可在遗传皮肤评分上运算来确定预测的增大的皮肤肌理粗糙程度的质量评分,第二预测公式可在遗传皮肤评分上运算来确定预测的皮肤斑点评分,并且第三预测公式可在遗传皮肤评分上运算来确定预测的减少的皮肤张力评分。
在本发明的一个方面,预测公式基于人类受检者的群体(“对照组”)来确定,其具有至少十年的年龄范围,优选地十年,至少二十年、至少三十年、至少四十年或者至少五十年(例如,年龄范围从二十几岁到七十几岁)。每个相应的预测公式任选地包括对应于特定SNP与相应的皮肤特征发展之间的相关性的因子。在一个实施例中,可通过对与受检者的群体相对应的遗传和皮肤特征数据进行回归分析来确定每个因子的值,诸如本文所描述。在一些实施例中,在预测公式中采用了多个SNP,并且因此每个相应的预测公式可针对在延长的时间段上每个SNP与相应的皮肤特征发展之间的相关性来包括相应的因子。例如,每个预测公式可沿循格式:
预测皮肤特征质量评分=(Factorgene_1*genetic_skin_scoregene_1)+(Factorgene_2*genetic_skin_scoregene_2)+…+(Factorgene_n*genetic_skin_scoregene_n)
与不同的SNP相关联的因子基本上是不同的(例如,Factorgene_1一般不同于Factorgene_2)。当然,其它格式的预测公式也是可能的并且可用于生成预测皮肤特征质量评分。例如,可在单个预测公式中反映多于一个皮肤特征,或者通过非加和或者在加和基础上的方式对与多基因对应的权重进行组合。
实例1描述制备预测公式的多种可能方法中的一种。如实例1中所讨论,生物样本获自年龄介于28至76之间的235位人类受检者。通过对每个生物样本进行分析来测定对应于MMP1、SOD2和GPX1的相应的遗传皮肤评分,例如,通过使用与针对框105中讨论的技术相类似的技术。此外,捕获群体中的每个人的皮肤表面的一个或多个部分的图像,并且自动化分析这些图像以确定每个人类受检者的相应的皮肤特征(即,相应的皮肤肌理、相应的皮肤张力、相应的皮肤斑点、相应的皮肤皱纹和相应的皮肤光泽)的计算的测量结果。
对于遗传皮肤评分和群体的测量的皮肤特征进行回归分析,并且通过回归分析来确定对应于多个皮肤特征的预测公式。回归分析在本领域是熟知的。以单一解释变量进行的回归分析称为“单一回归”,而“多元回归”技术分别地考虑附加的参数,从而可估计每个参数的影响。回归技术包括,例如,线性回归、普通最小二乘回归、多元回归、非线性回归、非参数回归、贝叶斯方法、逻辑回归、与观察值相比带有更多预测变量的回归模型,以及以回归进行的因果推论。可使用这些回归技术(单独地或者组合地)中的任一种来确定预测公式的一个或多个部分。
对应于各种皮肤规格的预测公式经确定为:
预测皮肤粗糙度增大评分=(0.0374480639969673×weight_GPX1+0.0757841036753773×weight_MMP1+0.0127142963532415×weight_SOD2+0.233626653284045)(公式1);
预测皮肤张力降低评分=(0.0351630451918284×weight_GPX1+0.0374418222614438×weight_MMP1+0.0965339564177257×weight_SOD2+0.115478641551425)(公式2);
预测皮肤皱纹评分=(0.0507559183830409×weight_GPX1+0.0431677157685105×weight_MMP1+0.0379291897697488×weight_SOD2+0.207374358966336)(公式3);
预测皮肤斑点评分=(0.198211763414803×weight_GPX1+0.0083324394521924×weight_MMP1+0.01462674646227×weight_SOD2+0.246233861182508)(公式4);
以及预测皮肤光泽降低评分=(0.0954719152649371×weight_GPX1+0.0424280862986934×weight_MMP1+0.0217567441950868×weight_SOD2+0.229078291144297)(公式5),
其中,用词“weight_<基因>”示出对应于<基因>的多态性的基因型的合计权重或者组合权重。上文示出的内容中(其仅仅提供来说明本发明且不视为限制),“weight_<基因>”对于野生基因型(与低风险相关联)是1,对于杂合多态性(与中等风险相关联)是2,并且对于纯合多态性(与高风险相关联)是3。
当然,本领域的技术人员应认识到,也可利用除实例1中使用的那些之外的实施例来制备预测公式和/或提高预测公式的预测的精确度。例如,可提高样本群体规模(回归分析基于其数据而实施),或者可提高(或降低)群体规模的年龄最大值。除此之外或另选地,可提高图像分析的特异性、精确度、或者测量结果或计算的数量。公式1-5中的系数可以例如1%、5%、10%、15%、20%或25%(或者约0.001至约0.10之间的范围或者其中任何子范围,例如,约0.01至约0.08或者约0.02至约0.04)波动。
在多个方面中,因为预测公式是跨预期寿命(或者跨所期望的皮肤质量的延长的持续时间)由受检者群体确定的,所以可相对于群体对人类受检者的预测皮肤特征质量评分进行归一化。在一个方面,使用比值比(“OR,”例如,OR=1.3)来表示在遗传连锁(多态性)与一种或多种皮肤状况之间的相关性(和/或相关性的权重)。在预测公式中还任选地考虑图像分析,并且预测公式的数值(例如,百分比)输出因而任选地基于比值比(遗传部分)和当前图像分析的组合。可将预测公式的输出转化到评分系统中。例如,对于人类受检者而言72的预测皮肤皱纹质量评分可表示,经过一段时间,优选地经过延长的时间段,与群体相比,人类受检者可具有72%的发展皱纹的风险。又如,65的预测皮肤皱纹质量评分可指示,当例如50的评分表示群体的皱纹的平均最大量时,据预测人类受检者具有比群体的皱纹的平均最大量多15%的最大皱纹。
在一个实施例中,除人类受检者的遗传皮肤评分之外,预测公式也可接收年龄(例如,未来年龄)用作输入。例如,如果将遗传皮肤分数和未来年龄(例如,55岁)输入到对应于皮肤斑点的预测公式中,当人类受检者年纪达到55岁时所得的预测皮肤斑点质量评分可表示预测的皮肤斑点的最大值(与群体相比)。
返回方法100,方法100可包括测定人类受检者的当前皮肤特征质量评分(框112)。在一个实施例中,通过自动地分析人类受检者的皮肤表面的一个或多个部分的图像来测定当前皮肤特征质量评分。在一些实施例中,图像分析被配置成用于测定多个测量结果,该多个测量结果与基于以下中的至少一者的皮肤特征的组相关联:在皮肤表面的细纹,该细纹基于在图像上的阴影来测定;阴影的区域的亮度;细纹的长度和宽度;细纹的纵横比;细纹的线性度;细纹的圆度;细纹的总面积;细纹的平均方向;在皮肤表面检测到的细纹数量;图像的一个或多个部分的频谱组成的深度;具有特定频谱组成深度的一个或多个部分的尺寸;在皮肤表面的图像中捕获的一个或多个皮脂腺的图像的尺寸;或者在皮肤表面的图像中捕获的一个或多个皮脂腺的角度。
实例1描述了测定当前皮肤质量评分的许多实施例中的一种(框112)。在该实施例中,Magic系统(如Miyamoto,K.等,SkinRes.Tech.,19:e525-e531,2013中描述,其全部公开内容以引用方式并入本文)捕获人类受检者的皮肤表面的一个或多个部分的一个或多个图像,例如,面颊区和鼻唇颊部分。Magic系统实施图像的分析,并且基于图像分析来计算或者推断对应于一组皮肤规格或特征的定量测量。例如,Magic系统过滤所捕获的图像的一个或多个阴影来确定在皮肤表面上皱纹的存在,并且/或者Magic系统测量所过滤的阴影来计算该皱纹的密度、长度和方向。除此之外或另选地,Magic系统可计算包括一个或多个阴影的区域的亮度,并且可使用该亮度计算来测定皮肤肌理(例如,粗糙度)和皮肤光泽(例如,光反射)的量度。
Magic系统的多种特征在下文描述。虽然本发明并不依赖于特定的成像系统,但在本发明的上下文中使用的成像系统优选地具有本文描述的一种或多种特征。紧凑型成像系统由便携式图像捕获模块组成,可将其定位在受检者的面部的左手侧或者右手侧。通过在成像模块上安装多个5600-K发光二极管(LED)来提供照明。在成像模块中还安装了能够生成至少2592(竖直)×1944(水平)有效像素的高分辨率、对称互补金属氧化物半导体(COMS)数字相机,并且将其收集或捕获的图像数字式转移到计算机或计算装置。成像模块还包括切换电路和连接器,连接器被配置成用于与充电支架或者基座上的连接器进行通讯耦接,例如,当成像模块在支架中设置、联接或者搁置时。另外地,成像模块还包括可再充电电池(例如,锂离子电池)用于对数字相机和所述LED供电。当成像模块的连接器与支架或者基座的连接器通信地连接时,可再充电电池可进行再充电和/或放电。可将成像模块的相机、LED和电池封装于遮光外壳内,其一部分可伸以与人类受检者的皮肤接触以阻挡(或大部分阻挡)环境光线伴随着受检者的皮肤的图像而被一起捕获。
紧凑型成像系统的充电支架或基座任选地包括连接器,用于对成像模块的电池进行充放电的电路,以及AC或者DC入口,通过其可从电源供应接收紧凑型成像系统的电力。另外地,充电支架或者基座还任选地包括通信交互界面,其被配置成用于耦接至计算机或者计算装置。例如,支架可包括USB或者以太网端口,与计算机或者计算装置相连接的物理线缆可通过其接收。除此之外或另选地,支架可包括无线接口(例如,IEEE802.11兼容接口、近场通信接口(NFC)诸如或者另一种合适的无线通信接口),通过其可将支架通信地连接到计算机或者计算装置。
可将由相机捕获的图片从数字相机自动地传输到充电基座,并且既而自动地从充电基座传输到计算机或者计算装置,例如,当成像模块的连接器与充电基座或者支架的连接器通信地连接时。在一些情况下,所捕获的图像基于手动输入的命令来传输,例如,通过操作者在系统部件中的一个的用户交互界面(例如,在成像模块、支架和/或计算装置的用户交互界面)中输入指令。
现在转向紧凑型成像系统的计算机或者计算装置,除包括通信交互界面以通信地耦接到充电支架或者基座之外,计算装置还任选地包括一个或多个处理器、一个或多个非暂态实体计算机可读存储介质或者存储器、以及一个或多个用户交互界面。计算机可执行指令存储在一个或多个计算机可读存储介质上,当由一个或多个处理器执行时,计算机可执行指令接收相机捕获的数字图像,使所接收的图像在用户交互界面上显示,使得在需要的情况下实现图像的遮罩(通过所述一个或多个用户交互界面自动地和/或手动地),并且使得实现所遮罩图像的自动和/或手动分析。当执行时,指令还使分析的结果在一个或多个用户交互界面上呈现(例如,在紧凑型成像系统包含的用户交互界面中,以及/或者在另一远程的用户交互界面)。
当然,应当理解可将紧凑型成像系统的其它实施例与本文描述的技术、方法和系统中的任一种结合使用。例如,在Magic系统的一个实施例中,紧凑型成像系统的支架和计算装置是整合的一体装置。在一个实施例中,成像模块和支架是整合的一体装置。在一个实施例中,成像模块、支架以及计算装置是整合的一体装置。
此外,Magic系统以外的其它紧凑型成像系统也可与本文描述的技术、方法和系统中的任一种结合使用。此类紧凑型成像系统的多个示例中的一者可见于美国专利6,571,003(“专利‘003”),其全部公开内容以引用方式并入本文。在专利‘003中描述的紧凑型成像系统的实施例包括成像平台,其连接到计算装置用于采集待分析的人类皮肤的图像的目的。成像平台可包括定位设备、光照以及数字图像发生器,例如数字相机、连接到数字化电路的模拟相机、扫描仪、摄像机等。成像平台中的装置可相对于彼此以预定的距离和预定的角度布置以最大化所采集图像的质量。
在专利‘003中描述的紧凑型成像系统的实施例的计算装置包括用户交互界面,操作者可通过用户交互界面输入数据、选择优选项并且控制紧凑型成像系统的运行。例如,用户交护界面可向操作者呈现用户控制,以用于捕获图像、对所捕获得图像定尺寸、示出待分析的皮肤属性的优选要求、以及启动对所捕获的图像或其部分的图像分析。
用户交互界面还可向操作者呈现控制以用于遮罩所捕获的图像。如本文所用,术语“遮罩”,一般指测定所捕获的图像的一个或多个子图像。子图像是所述原始采集图像的部分,根据其可进行分析,并且通过分析子图像而非整个采集图像(例如,通过从分析过程中除去所采集图像的一个或多个部分)会发生更少的错误。可手动地和/或自动地对所捕获的图像进行遮罩。手动遮罩和自动遮罩的多种示例性技术在专利‘003中有所描述,其中的任意技术可与本文所述的概念结合使用。
自动遮罩的其它示例性技术描述于美国专利8,218,862(“专利‘862”)中,其全部公开内容以引用方式并入本文。在专利‘862中描述的一个实施例中,可基于图像中的解剖特征或者界标的位置生成遮罩,诸如眼、鼻、眉毛和嘴唇,其可在受检者与受检者以及图像与图像之间变化。就此,遮罩可被适用于为个体受检者和相同受检者的不同图像,同时描绘解剖上标准化的所关注的区域(ROI),从而有助于对多个受检者和/或每个受检者的多个图像进行标准化可再现皮肤分析。此外,遮罩可限于包括了皮肤的均匀照明部分的皮肤区域,同时排除在阴影或者热点区的皮肤区域,否则其会提供错误的特征分析结果。
除了遮罩技术之外,专利‘862还描述了用于自动对准皮肤遮罩的技术。皮肤遮罩的对准使得实现将在一种成像程序(例如,标准的白光、紫外光、偏振光、多光谱吸收或者荧光成像等)中捕获的第一图像中的皮肤ROI描绘至相同或另一成像程序中捕获的ROI的第二图像上,使得可实施两个图像的对比。例如,专利‘862描述了严格型和灵活型对准技术两者,其使用了线性和非线性的空间转化技术。
与专利‘003类似,可与本文描述的概念结合来使用专利‘862描述中的任意遮罩和/或对准技术,以及实际上专利‘862中描述的任意其它技术、概念、方法和/或装置。因此,可将用于实施自动化遮罩、用于使手动遮罩开始和实施并且/或者用于对准遮罩(诸如,描述于专利‘003、描述于专利‘862,或任意其它合适的技术)的计算机可执行指令储存在紧凑型成像系统的计算装置的实体的、非暂态计算机可读存储介质上,并且可通过计算装置的处理器来执行从而使紧凑型成像系统进行遮罩和/或对准。
另外地,还可在紧凑型成像系统的计算装置的实体的、非暂态计算机可读存储介质上储存用于对捕获的图像进行图像分析的计算机可执行指令,并且可通过计算装置的处理器执行所述指令从而进行图像分析。在一个实施例中,紧凑型成像系统的计算装置执行图像分析算法中的一种或多种,其描述于专利‘003、专利‘862和/或以单独或组合的形式描述于全文。例如,可在所捕获的图像的一个或多个子图像上进行图像分析。图像分析的结果可在用户交互界面上显示,并且/或者可使用上文描述的技术中的任一种来开发一种或多种当前皮肤质量评分。
当然,除了紧凑型图像装置之外,诸如Magic系统,还可使用用于测定当前皮肤特征质量评分(框112)的另选的装置。还可通过目测受检者、皮肤的技术操控(tacticalmanipulation)等等测定当前皮肤特征质量评分。另选的评估设备包括但不限于NewEmbeddedSkinDiagnosisSystem,来自BomtechElectronicsCo.,Ltd.;KCTechnologyCo.的AUTOSkinDiagnostic&AnalysisSystem;ARAMOSG-Skin/HairAnalyzer,来自AramhuvisCo.,Ltd.;IntelligentSkinDiagnosisSystem(CBS-900),来自BoseViewElectronicCo.,Ltd.;Hair&SkinAnalyzer,来自KowaOpticsCorp.;ParlainCo.Ltd的A-OneAutoUVScannerSkinAnalysis;以及MagicSkinAnalyzer,来自ItairenScience&TechnologyDevelopmentCo.Ltd。
在一个实施例中,针对每个相应的皮肤规格或特征测定不同的当前皮肤特征质量评分。这些特征特异性的当前皮肤特征质量评分在本文称为“当前皮肤特征质量评分”,并且每个当前皮肤特征质量评分是在捕获所述图像时人类受检者中相应的皮肤特征的质量或严重程度的量化指示(或者表示)。例如,当前皮肤斑点评分可为图像中包括的皮肤表面的区域上的皮肤斑点密度的指示,和/或皮肤斑点的光谱组成的深度的指示。又如,当前皮肤张力评分可为图像中包括的皮肤表面的部分的弹性或紧致度的量的指示,如由所测量的细纹、阴影和亮度区域所指示的那样。
在框115中,方法100可包括将人类受检者的当前皮肤特征质量评分与人类受检者的预测皮肤特征质量评分进行比较。在一个实施例中,框115包括将当前皮肤质量评分与预测皮肤质量评分进行归一化。在另一个实施例中,在框115之前将当前皮肤质量评分与预测皮肤质量评分进行归一化。在本发明的多个方面,当前皮肤质量评分与预测皮肤质量评分之间的比较包括测定在归一化的评分之间的差距程度。差距程度可为人类受检者的当前皮肤质量与人类受检者预测的皮肤质量之间的差异的指示。例如,如果当前皮肤质量评分等于预测皮肤质量评分,该相等指示通过人类受检者的遗传分析预测的皮肤质量反映了人类受检者的当前皮肤质量。又如,如果人类受检者的当前评分低于预测皮肤质量评分,该分数间的差距程度指示,例如,人类受检者的当前皮肤特征质量与通过遗传分析预测的受检者的皮肤潜质有多远。
在一个实施例中,针对每个皮肤特征或者测量的规格可测定不同的差距程度。例如,可测量人类受检者的当前皮肤肌理质量评分与预测皮肤肌理评分之间的差距程度,并且可测量人类受检者的当前皮肤皱纹评分与预测皮肤皱纹评分之间的差距。任选地,将对应于皮肤特征的组的差距程度的组进行归一化,使得可确定和比较在人类受检者的皮肤规格的组上差异的相对严重程度。这使得实现了对有待通过皮肤护理方案来解决的皮肤特征进行优先排序,以解决在其当前评分与预测评分之间具有最大差距程度的皮肤特征。
在框118中,基于差距程度来确定皮肤产品。基于适用于提高皮肤特征(其与预测评分和当前评分之间的差距相关联)或者适用于保持皮肤特征(其中无差距或具有最小的差距)的一种或多种活性成分的存在来从一组皮肤产品中确定或选择皮肤产品。例如,如果在框115中,对人类受检者的当前皮肤斑点质量评分与预测皮肤斑点质量评分间的比较表明当前皮肤斑点质量滞后于预测皮肤斑点质量,那么在框118中,可选择包含已证实减少色素沉着过度的强度的活性成分的皮肤产品。然而,如果在框115中,在当前皮肤光泽评分与预测皮肤光泽质量评分之间的差距程度比当前皮肤斑点评分和预测皮肤斑点评分间的差距程度大,那么可选择包含光泽增强活性成分的不同的皮肤产品。
本文描述的方法的示例性应用
图2A-2C示出了方法100对特定人类受检者的应用的示例性场景,其在本文指称为“受检者”。首先参见图2A,在这一示例场景中,受检者提供颊粘膜样本,例如,通过擦拭面颊的内部(框100)而提供。对受检者的样本进行基因分析来测定在基因MMP1、GPX1和SOD2的选定组中多态性的存在与否,它们中的每个均显示与皮肤特征相关联。对于受检者的样本中基因的选定组的基因分析(参考130)鉴定了野生型GPX1(rs1050450不存在)、相对于MMP1的纯合SNP基因型(在基因的双拷贝中均发现为rs1799750)以及对SOD2而言的杂合SNP基因型(在基因的一个拷贝上发现为rs4880)。因此应用对应于所测定的基因型的相应的权重(参考132)而将其包括在受检者的遗传皮肤评分(框108)之中。
接下来,通过Magic系统或者其它图像分析工具捕获受检者的鼻唇颊区的图像。Magic系统自动地在所捕获的图像上执行图像分析来计算对应受检者的皮肤的皮肤肌理(例如,粗糙度)、皮肤张力、皮肤皱纹、皮肤斑点和皮肤光泽的测量结果,如所述捕获的图像中所表示。随后使用这些测量结果来测定相应的当前皮肤特征质量评分(参考135),其为捕获所述图像时受检者的当前皮肤质量(框112)的表示。在该示例性场景中,受检者的当前皮肤特征质量评分以相对于群体的百分比来表示,例如,对照组的群体。例如,50的受检者的当前皱纹评分是平均值,从而指示群体的一半具有与受检者的当前皱纹评分相比多的皱纹,群体的另一半具有与受检者的当前皱纹评分相比少的皱纹。
图2B向受检者提供预测皮肤特征评分(由斜体数字138代表),其通过将针对每个皮肤特征的相应的预测公式应用于受检者的遗传皮肤评分而测定(框110)。具体地,在该示例性场景中使用的所应用的预测公式是上文针对图1中讨论的公式(1)至(5)。在该示例性场景中,受检者的预测皮肤特征质量评分(参考138)以相对于对照组群体的百分比来表示。例如,受检者的最大预测皮肤斑点风险(基于受检者的样本的分析)将该受检者置于对照组群体的83%分位处,使得如果受检者实现了其全部皮肤斑点潜质,则对照组群体的17%具有与受检者相比更多的皮肤斑点,并且对照组群体的83%具有与受检者相比更少的皮肤斑点。
在图2C中,以叠加的方式同时示出五种不同的皮肤特征(规格),皮肤肌理、皮肤张力、皮肤皱纹、皮肤斑点和皮肤光泽的图形表示140,从而展示了对受检者的皮肤质量的每种皮肤规格或特征的预测质量水平与当前质量水平之间的比较。在同一轴上示出每个不同的皮肤规格评分(预测和当前),使得预测评分与当前评分之间的差距程度易于识别。例如,表示140显示受检者的皮肤斑点的当前水平(例如,45)小于其预测潜质皮肤斑点评分(例如,83),并且因此对应于皮肤斑点的相应的差距程度是38。另外,表示140还显示受检者的皮肤光泽的当前水平(例如,60)约等于其预测皮肤光泽评分(例如,62),因此对应于皮肤暗淡的相应的差距程度是2或者相对可忽略。
图形表示140还显示,在该示例性场景中的不同皮肤特征评分相对于彼此是归一化的。即,五个皮肤特征描绘的五组轴线相对于彼此是归一化的。该归一化使得实现对不同的皮肤特征间的相对风险的比较,并且可用来测定将何种皮肤产品推荐给受检者。例如,在五个皮肤特征中,在受检者的皮肤质量上的最大预测效应是皮肤斑点(83)。因此,当受检者的当前皮肤斑点评分(45)与其预测皮肤斑点潜质比相对较低时,可向受检者推荐包含防止皮肤斑点形成的活性成分的皮肤产品,使得受检者继续抵消其发展皮肤斑点的遗传倾向。
就这一点而言,本发明涉及根据上文描述来评估人类皮肤质量的方法,目的在于建议受检者使用皮肤产品来补偿皮肤缺陷的遗传风险。在一个实施例中,所述方法涉及向受检者提供指导性材料。指导性材料还可就所述方法发挥作用以建立在当前皮肤状况与潜质皮肤状况之间的差距程度的方式以及皮肤产品的益处来进一步建议受检者。
又如,当受检者目前表现出最大化其皮肤光泽的潜质时(如其样本的遗传分析所指示),可能不必要对受检者推荐包含增加皮肤光泽的活性成分的皮肤产品。然而,在之后的时间,如果再一次分析受检者的皮肤来测定更新的当前皮肤光泽评分(框112),并且更新的评分小于图2C的评分,这可能表明该受检者的皮肤光泽相对于其遗传所允许的潜质而言减小了。在该之后的时间,随即可为受检者鉴定、选择或者推荐包含增加皮肤光泽的活性成分的皮肤产品。应注意本发明不涉及具有任何具体配方或者具体组合物(即,成分的特定组合)的皮肤产品。相反,本发明涉及建议受检者去选择旨在处理与多态性相关联的特征的皮肤产品,所述受检者经评估具有在一种或多种与关联于皮肤特征的皮肤相关基因中包含一种或多种SNP的基因组。
因此,基于差距的相对程度和预测皮肤特征质量评分的绝对值,在不同的时间示例中可对受检者选择、鉴定或推荐一种或多种皮肤产品(例如,护肤品或者化妆品)。例如,在每个不同的时间示例中,可在该特定的时间示例中实施对其当前皮肤质量状况的图像分析并将之与其预测皮肤特征质量评分进行比较来测定在该特定的时间示例中对于受检者而言最优化的或者合适的皮肤产品。注意虽然可在不同的时间示例中更新受检者的当前皮肤特征质量评分(框112)以追踪受检者的皮肤质量变化或进程,但是无需重复受检者的预测皮肤特征质量评分的测定(框110),因为受检者的遗传并不随时间而改变。
用于评估皮肤质量的系统
现在转向图3。图3示出了用于评估人类受检者的皮肤质量的系统200的实施例。在一个实施例中,系统200可实施方法100的至少一部分。在一个实施例中,系统200可实施评估人类皮肤质量的另一方法的至少一部分。
系统200可包括计算装置202,其可为例如,计算机、服务器、具有单计算装置逻辑表观的多联网计算装置、多云计算装置等。因此,为了便于讨论而非出于限制的目的,计算装置202在本文使用单数指称,尽管在一些实施例中计算装置202可包括多于一种物理计算装置。在一个实施例中,计算装置202可物理地置于消费者接触的地点(例如,化妆品柜台),并且可由技术人员直接接触。在一个实施例中,计算装置202可以是相对化妆品柜台远程定位的web服务器,但是对在化妆品柜台的技术人员可通信地访问,例如,通过网络、网站、端口等等。
计算装置202可包括程序存储器208、处理器210(可称为控制器、微控制器或者微处理器)、随机存取存储器(RAM)212以及输入/输出(I/O)电路215,所有这些可通过地址/数据总线218来互连。在一个实施例中,程序存储器208可包括一个或多个实体的、非暂态计算机可读存储介质或者设备。一个或多个实体的、非暂态计算机可读存储介质或者设备可被配置成用于存储计算机可读指令220,当由处理器210执行时其使计算装置202实施评估人类受检者的皮肤质量的方法100或者其它方法。
指令220可包括第一部分220A,其用于测定人类受检者(例如,化妆品顾客和消费者)的预测皮肤特征质量评分。为了便于讨论,指令220A在本文称为“皮肤质量预测仪220A”,并且在一个实施例中,皮肤质量预测仪220A可实施方法100的至少框110。在一个实施例中,皮肤质量预测仪220A实施方法100的框108。
除此之外或另选地,指令220还可包括第二部分220B,其用于测定人类受检者的预测皮肤特征质量与当前皮肤特征质量之间的差距。为了便于讨论,指令220B在本文称为“皮肤质量差距评估仪220B”,并且在一个实施例中,皮肤质量差距评估仪220B可实施方法100的至少框115。例如,皮肤质量差距评估仪220B可测定预测皮肤质量值与当前皮肤质量值之间的差距程度,并且可使差距程度的指示呈现在用户交互界面250A和/或在用户交互界面250B处。
计算装置202可经配置或者适配来访问一种或多种数据储存设备222或者从其接收数据。例如,通过处理器210执行指令220来访问一种或多种数据储存设备222或者接收储存在数据储存设备222上的数据。除此之外或另选地,通过处理器220可执行计算机可执行指令258的一个或多个其它组来访问一个或多个数据储存设备222或者从其接收数据。
一个或多个数据储存设备222可包括,例如,一个或多个存储器设备、数据库、云数据存储或者一种或多种其它合适的数据存储设备。在图3中示出的实施例中,计算装置202显示为经配置成通过网络或者通信交互界面228来访问一个或多个数据存储设备222或者从其接收信息,通信交互界面228与链路230耦接,链路230与一个或多个数据存储设备222进行通信连接。图3中的链路230描述为对一个或多个私人或公共网络232的链路(例如,一个或多个数据存储设备222相对计算装置202而言远程定位),尽管这并非必需。链路230可包括有线链路和/或无线链路,或者可使用任何合适的通信技术。
在一个实施例中(未示出),一个或多个数据存储设备222中的至少一个包括在计算装置202中,并且计算装置202的处理器210(或者通过处理器210执行的指令220、258)通过链路来访问一个或多个数据存储设备222,所述链路包括读或写指令、功能、原语、应用程序交互界面、插件程序、运算或者指令或者类似物。
一个或多个数据存储设备222可包括一个物理设备,或者一个或者多个数据存储设备222可包括多于一个物理设备。然而,无论本文所包括的物理设备的数量,所述一个或多个数据存储设备222可在逻辑上表现为单个数据存储设备。因此,为了便于讨论而非出于限制的目的,数据存储设备222在本文使用单数指称。
可配置或者适配数据存储设备222以储存与系统200相关的数据。例如,可配置或者适配数据存储设备222以储存一个或多个预测公式235a-235n,其中的每个预测公式可对应不同的皮肤质量特征或者规格,例如,皮肤肌理、皮肤斑点、皮肤光泽、皮肤皱纹、皮肤张力或者其它皮肤质量特征或规格。在一个实施例中,预测公式235a-235n至少包括上文针对图1而讨论的公式(1)至(5)。
在一个实施例中,皮肤质量预测仪220A被配置或者适配以基于预测公式235a-235n中的一个或多个来测定人类受检者的预测皮肤质量评分(框110)。皮肤质量预测仪220A可根据需要针对预测公式235a-235n中的一组或多组来查询数据存储设备222,并且/或者可将一个或多个预测公式235a-235n递送或者下载到计算装置202(apriori)。
在图3中,皮肤测量提供器255可在人类受检者的皮肤表面的图像上实施图像分析来确定对应于的皮肤特征的选定组的多个测量结果。在一个实施例中,皮肤测量提供器255被配置成用于捕获图像并且实施图像分析。在一个实施例中,皮肤测量提供器255被配置成实施图像分析来确定多个测量结果,并且使所述多个测量结果递送到计算装置202。
在一个实施例中,皮肤测量提供器255可相对计算装置202而言远程定位,并且可实现使用网络232和网络交互界面228传输所确定的测量结果到计算装置202,使得皮肤质量差距评估仪220B可测定人类受检者的当前皮肤质量评分(框112)。在一个实施例中,可通过网络交互界面228直接(例如,本地方式)将皮肤测量提供器255连接到计算装置202。在一个示例中,皮肤测量提供器255可为以本地方式或者远程地连接到计算装置202的Magic系统。在一个实施例中(未示出),皮肤测量提供器255的至少一部分与计算装置202整合。
在一个实施例中,除了确定对应于选定的皮肤特征组的多个测量结果外,皮肤测量提供器255还可测定人类受检者的当前皮肤质量评分(框112),并且可实现将人类受检者的当前皮肤特征质量评分传输到计算装置202的皮肤质量差距评估仪220B上。
再次转向计算装置202,当皮肤质量预测仪220A作为单个框在图3中示出时,应当理解皮肤质量预测仪220A可包括多个不同的程序、模块、路径和子路径,其可共同地使计算装置202执行皮肤质量预测仪220A。在一个实施例中,通过处理器210来执行皮肤质量预测仪220A,从而使得计算装置202获得来自人类受检者的一组人类基因(例如,MMP1、SOD2和GPX1)的一种或多种多态性存在与否的指示。例如,可通过用户交互界面250A、用户交互界面250B和/或通信交互界面228获得人类基因的组的一种或多种多态性存在与否的指示。如本文别处描述,可由来自人类受检者的生物样本的核酸分析来测定一种或多种多态性存在与否。此外,一种或多种多态性存在与否可与皮肤特征的组相关联,并且指示人体皮肤质量的一组皮肤特征中可包括皮肤特征的组。在一个实施例中,皮肤特征的组包括皮肤皱纹、皮肤斑点、皮肤松弛、皮肤暗淡和皮肤肌理粗糙程度增加中的至少两种。
皮肤质量预测仪220A还能够由处理器210执行以用于针对每个多态性测定每个多态性的存在与否与皮肤特征的组中包括的每个皮肤特征之间的相关性的相应的权重,所述多态性的存在与否在所获得的指示中显示。皮肤质量预测仪220A还能够由处理器210执行以测定预测皮肤质量值,其指示人类受检者的预测皮肤质量。例如,可基于相应的相关性的权重并基于对应于皮肤特征的组的指示多个其他人类受检者的皮肤质量的多个值来测定预测皮肤质量值。例如,多个人类受检者的年龄范围可跨越预期人类寿命,或者至少十年、至少二十年、至少三十年、至少四十年或者至少五十年。
在一个实施例中,皮肤质量预测仪220A还能够由处理器210来执行,从而使预测皮肤质量值呈现在用户交互界面上。另选地,其它指令258能够由处理器210来执行的,从而使预测皮肤质量值呈现在用户交互界面上。
相似地,当皮肤质量差距评估仪220B作为单个框示出时,应当理解用于评估皮肤质量差距220B的其它指令可包括多个不同的程序、模块、路径和子路径,其可共同的使计算装置202执行用于评估皮肤质量差距评估仪220B的其它指令。在一个实施例中,皮肤质量差距评估仪220B能够由处理器210来执行的,从而使计算装置202接收第一数据,该第一数据包括一组人类基因(例如,MMP1、SOD2和GPX1)中至少一种多态性在来自人类受检者的生物样本存在与否的指示。例如,可通过用户交互界面250A、用户交互界面250B或网络交互界面228来接收第一数据。皮肤质量差距评估仪220B还能够由处理器210来执行的,从而使计算装置202测定指示人类受检者的预测皮肤质量的值,其中人类受检者的预测皮肤质量值基于第一数据并且基于至少一种多态性的存在与否与指示皮肤质量的一组皮肤特征之间的相关性来测定。
此外,皮肤质量差距评估仪220B能够由处理器210来执行的,从而使计算装置202接收第二数据,第二数据包括指示人类受检者的当前皮肤质量的值。例如,可通过用户交互界面250A、用户交互界面250B或网络交互界面228来接收第二数据。可基于人类受检者的皮肤表面的部分的图像的自动图像分析来测定当前皮肤质量值,并且自动图像分析可被配置成用于确定对应于皮肤表面的部分的皮肤特征的组的一个或多个测量结果,从而测定当前皮肤质量值。皮肤质量差距评估仪220B还能够由处理器210来执行的,从而使计算装置202基于预测皮肤质量值和当前皮肤质量值来测定在人类受检者的预测皮肤质量与当前皮肤质量之间的差距程度。
在一个实施例中,皮肤质量差距评估仪220B能够由处理器210来执行的,从而使差距程度的指示在用户交互界面上呈现,诸如用户交互界面250A和/或用户交互界面250B。另选地,其它指令258能够由处理器210来执行的,从而使差距程度的指示在用户交互界面上呈现,诸如用户交互界面250A和/或用户交互界面250B。
在多个实施例中,计算装置202包括对应于评估人类受检者的皮肤质量的其它指令258。例如,当由处理器210来执行时,其它指令258可使得计算装置202鉴定或者确定皮肤产品,所述皮肤产品对应于预测皮肤质量评分与当前皮肤质量评分之间进行的比较。在一个实施例中,用于评估人类受检者的皮肤质量的指令220的至少一部分以及其它指令258的至少一部分可为整合指令集。
应当理解尽管只示出了一个处理器210,但计算装置202可包括多个处理器210。此外,尽管I/O电路215作为单个框示出,应当理解I/O电路215可包括多个不同类型的I/O电路。相似地,计算装置202的存储器可包括多个RAM212和多个程序存储器208。此外,虽然用于打开新的金融账户的指令220以及其它指令258示出存储在程序存储器208中,但是除此之外或另选地还可在RAM212或者其它本地存储器中存储指令(未示出)。
RAM212和程序存储器208可作为半导体存储器、可磁读存储器、化学性或者生物性可读存储器和/或可光读存储器来实现,或者可利用任意合适的存储器技术。还可通过链路230和I/O电路215将计算装置202操作地连接到网络232。网络232可为专有网络、安全的公共网络、虚拟专用网络或者一些其它类型的网络,诸如访问专线、简单的普通电话线路、卫星链路、这些的组合等。其中网络232包括国际互联网,例如,可通过国际互联网通讯协议在网络232上发生数据通信。
此外,用户交互界面250可构成计算装置202必需的一部分(例如,用户交互界面250A),并且/或者用户交互界面可不是构成计算装置202必需的一部分(例如,用户交互界面250B)。例如,用户交互界面250可为在远程计算装置的远程用户交互界面250B,诸如,网页或者客户端应用。在任何情况下,用户交互界面可有效地成为在计算装置202与用户之间的通信交互界面。
组合物和个人护理产品
在一些实施例中,基于遗传分析,任选地与图像分析结合,来向受检者选择或者推荐皮肤产品(即,护肤组合物)。皮肤产品至少部分地基于活性成分的存在来选择,所述活性成分改善或者保持选自由皮肤皱纹、皮肤肌理、皮肤光泽、皮肤斑点和皮肤张力组成的组的皮肤特征。例如,在多个方面中,皮肤产品包括保持或者促进胶原产生、降低或增加皮脂产生、使得细纹和/或皱纹较难察觉、增强皮肤水合或柔韧度、改善皮肤肌理和光滑度(例如,减少多鳞)、减少或防止变色、改善肤色、增加皮肤容积和弹性、和/或改善或者保持皮肤弹性的活性成分。在多个方面中,皮肤产品包含烟酰胺。应当理解无需完全阻止或者根除皮肤特征(缺陷)来达到期望的响应。设想了对一个或多个皮肤特征的任意程度的改善。相似地,设想了一种或多种不理想的皮肤特征的外观中的任意延缓。
皮肤产品可以是与皮肤相关的卫生日常活动的一部分。在一个方面,将皮肤产品配制为,例如,洗面奶、保湿剂、洗剂(例如,澄清洗剂)、霜膏(诸如眼霜和/或唇霜)、面部皮肤化妆品(诸如腮红和提亮粉)、眼部化妆品(诸如眼影、眼眉色和眼线)、唇部化妆品(诸如口红)、粉底、遮瑕膏、淡化皱纹精华液、皮肤面膜、防晒剂、乳液、油、奶液、润发油、溶液、喷雾剂、气溶胶、粉剂、泡沫、凝胶(诸如润肤凝胶、眼凝胶和/或唇凝胶)、精华液、棒、膏或者其它皮肤产品或者疗法。在一个实施例中,组合物旨在留在皮肤上用于一些美观性、预防性、治疗性或者其它有益效果(即“免洗型”组合物)。
在一些实施例中,皮肤产品包含一种或多种活性成分,其选自维生素、类维生素、矿物质、微量元素、氨基酸、植物化合物、抗氧化剂、藻类和辅酶。这些成分以及典型剂量范围的示例在下文列于表2至表7。
表2.维生素/类维生素(抗氧化剂)
表3.维生素B类
化合物 | 剂量范围 |
硫胺(维生素B1) | 10-50mg |
核黄素(维生素B2) | 10-50mg |
烟酸(维生素B3) | 10-50mg |
泛酸(维生素B5) | 100-200mg |
吡哆辛(维生素B6) | 10-50mg |
磷酸吡哆醛(活化维生素B6) | 1-4mg |
氰钴胺(维生素B12) | 4,000-1,000μg |
甲胺(维生素B12) | 100-1,000μg |
叶酸 | 400-800μg |
生物素(Biotic) | 500-1,000μg |
三甲基甘氨酸(甜菜碱) | 150-250mg |
表4.氨基酸
化合物 | 剂量范围 |
L-脯氨酸 | 250-500mg |
L-酪氨酸 | 250-500mg |
L-赖氨酸 | 250-500mg |
L-肉毒碱 | 250-500mg |
N-乙酰基-L-半胱氨酸 | 250-500mg |
牛磺酸 | 250-500mg |
表5.脂质
表6.微量元素
表7.植物化合物(蔬菜和/或水果复合物)
具体地设想了包含上述表中列出的组分中的一者或多者的皮肤产品。在一些实施例中,皮肤产品包含含有烟酸的化合物。在一些实施例中,化妆品组合物包含烟酰胺。上述物质是作为示例而提供的。当然,可将很多其它成分掺入到皮肤产品中(例如,化妆品组合物)。另外的成分包括但不限于γ-亚麻酸(GLA)、辅酶Q10、维生素F脂质体、透明质酸以及包含霍霍巴油和澳洲胡桃油的油类。
本发明通过参考下面的实例可更易于理解,其提供以说明本发明并且绝非限制本发明的范围。
实例
本实例展示三种SNP与五个皮肤特征之间的显著关系。
与皮肤相关的MMP1单核苷酸多态性(SNP)(rs1799750;GAAATTGTAGTTAAATAATTAGAAAG[-/G]ATATGACTTATCTCAAATCAATCCA(SEQIDNO:1和2)、SOD2(rs4880;CAGCACCAGCAGGCAGCTGGCTCCGG[C/T]TTTGGGGTATCTGGGCTCCAGGCAG(SEQIDNO:3和4)和GPX1(rs1050450;CATCGAAGCCCTGCTGTCTCAAGGGC[C/T]CAGCTGTGCCTAGGGCGCCCCTCCT(SEQIDNO:5和6)基因型在年龄从28至76的日本女性的两个不同组之间进行分析(n=235),其中115名日本女性已使用皮肤护理方案超过三年(即,所述“长期用户组”)以及120名日本女性尚未使用特定的皮肤护理方案(即,所述“对照组”)。将与皮肤特征的发展相关联的“风险”指定给每个基因型:将野生型(即在两种基因上的多态性均不存在)指定为低风险,将杂合型(即所述多态性存在于所述基因的仅一个拷贝上)指定为中等风险,以及将纯合型(即所述多态性存在所述基因的全部两个拷贝上)指定为高风险。与每个SNP的存在相关联的基因型和风险提供于下表8中:
表8.对照组和长期用户组的基因型和风险
根据在长期用户组和对照组上进行的基因分析,测得受测群体的93.1%具有与MMP1(杂合/纯合)相关联的风险,77.0%对应SOD2(纯合)相关联的风险,并且13.4%对应GPX1(杂合/纯合)相关联的风险,并且每个基因型的频率在长期用户组和对照组中均是一致的。
然后使用紧凑型成像系统(Magic)对长期用户组和对照组的成员的面部进行图像分析来评估受检者的当前皮肤状况。紧凑型成像系统描述于Miyamoto,K.等人,SkinRes.Tech.,19:e525-e531,2013(其公开内容全文以引用方式并入本文),并且描述于上文。使用Magic系统来评估五个皮肤特征:皮肤细纹/皱纹、皮肤斑点、皮肤肌理、皮肤光泽和/或皮肤紧致度。如上文Miyamoto中描述来使用该系统。例如,使用通过所述计算装置存储和执行的图像分析算法来检测和量化面部细纹和它们的方向。所关注的区域限定为面颊区和鼻唇颊区;其通过图像分析算法进行分析来量化那些长于3mm并且宽于0.12mm的面部细纹的总数量和长度。除了对待评估皮肤区域的选择之外,还能自动地进行图像分析并且将所述结果作为带有面部细纹的二进制图像储存在计算机中用于稍后的检索和分析。首先,计算在所关注区域内的面部细纹的总面积(像素数)。然后测量每个面部细纹的方向来确定所述面部细纹的平均方向。通过将高斯分布拟合至功率谱来测量面部细纹的方向,其通过使用面部细纹叠层图像来计算。然后对频谱平滑处理以减少窄峰,并且随后计算线方向角(高斯函数的中心)。通过使用下列表达式来计算面部细纹的特殊距离。
面部细纹的空间距离–sin(θ1)×d,其中θ1是面部细纹的平均方向并且d是它们的总面积。
该信息通过将其表示为称作不老矢量(AgelessVector)的单个参数来简化,其对应于水平面与面部细纹的平均方向和它们的总面积的矢量积间的角度:不老矢量θ=atan(面部细纹的空间距离)×180/π
不老矢量随着增加的面部细纹的数量以及它们增加的向下角度而增加。
皮肤DNA与皮肤参数间的相关性
皮肤DNA结果与图像分析的比较示出了MMP1、SOD2和GPX1的多态性的存在与皮肤肌理、皮肤皱纹/细纹、皮肤斑点、皮肤光亮和皮肤紧致度间的明确的关系。代表性的结果提供于图4A-4C中。如图5中示出,相关性伴随年龄增长更强。
通过回归分析将皮肤DNA结果对图像分析的数据进行归一化来生成预测算法,从而基于皮肤DNA评分来预测受测的受检者的皮肤紧致度、皮肤肌理、皮肤皱纹、皮肤斑点和皮肤光泽。预测模型示出了与通过图像分析获得的实际皮肤测量参数间的显著关系。参见图6A-6E。为在皮肤参数间进行更好的比较,将预测模型调整以适配0-100的标度。将与特定的皮肤状况的最严重的状况相关联的评分指定为0,将与皮肤状况的最好的状况相关联的评分指定为100,以及将与用于受测参数的平均皮肤状况相关联的评分指定为50。所调整的模型可用于评估当前皮肤质量以及对改善皮肤质量制定推介,例如,对通过皮肤DNA分析的预测模型(即,皮肤潜质)结果与图像分析的结果(即,当前皮肤质量)之间的差距进行纠正,以及对皮肤参数进行分级以用于改善。例如,可通过针对每个皮肤参数来将图像分析评分(例如,表示为0-100的标度,较高的值表示更期望的特征)和预测皮肤DNA评分(例如,表示为百分比,较高的值表示更好的皮肤DNA状况(即,低风险))加以层叠,从而将受检者划分为组:(a)同时在图像分析以及预测皮肤DNA评分中的较高评分(>50);(b)较高图像分析评分(>50)以及较低预测皮肤DNA评分(<50);(C)较低图像分析评分(<50)和较高预测皮肤DNA评分(>50);以及(d)同时在图像分析以及预测皮肤DNA评分中的较低评分(<50)。基于受检者的分类可推荐特定皮肤护理方案。
在“对照”组中,在MMP1、SOD2和GPX1中多态性与五种可见的受检的皮肤外观(即,皮肤肌理、皮肤紧致度、皮肤皱纹、皮肤斑点和皮肤光泽)之间存在明确的关系。MMP1影响多个皮肤参数(即,皮肤肌理、皮肤紧致度、皮肤皱纹和皮肤光泽),而GPX1和SOD2对皮肤参数皮肤斑点、皮肤光泽和皮肤紧致度表现出特异性影响。参见图4A-C。结果显示,在遗传皮肤评分与相应的皮肤参数之间的关系在受检者达到40岁后变得更相关。参见图5。遗传皮肤评分与对应的皮肤特征之间的相关性对皮肤护理方案的长期用户并不强。参见图7A-7C。这指示皮肤护理产品的长期用户可以克服他们遗传皮肤的“潜质”。
本文中提及的所有出版物和专利据此全文以引用方式并入,如同每个单独出版物或专利被特别和单独地指明以引用方式并入。
虽然前述文字阐述了对众多不同的实施例的详述,但应当理解,本专利的范围由在本专利的末尾所示出的权利要求书的内容来限定。具体实施方式旨在被理解为仅是示例性的,并且没有描述每一种可能的实施例,因为描述每一种可能的实施例即使不是不可能的也是不切实际的。可使用当前技术或在本专利的提交日期之后开发的技术来实施众多可供选择的实施例,在本专利的提交日期之后开发的技术仍然应落入本权利要求的范围内。
因此,在不脱离本权利要求书的实质和范围的情况下,可对本文所述和所示的技术和结构作出许多修改和变型。因此,应当理解,本文所述的方法和系统仅为示例性的,因而不对本权利要求书的范围构成限制。
应当了解,本文所公开的量纲和值不旨在严格限于所引用的精确值。相反,除非另外指明,否则每个这样的量纲旨在表示所述值以及围绕该值功能上等同的范围。例如,公开为“40mm”的量纲旨在表示“约40mm”。
除非明确排除或以其它方式有所限制,本文中引用的每一篇文献,包括任何交叉引用或相关专利或申请以及本申请对其要求优先权或其有益效果的任何专利申请或专利,均据此全文以引用方式并入本文。任何文献的引用不是对其作为本文所公开的或受权利要求书保护的任何发明的现有技术,或其单独地或与任何其它参考文献的任何组合,或者参考、提出、建议或公开任何此类发明的认可。此外,当本发明中术语的任何含义或定义与以引用方式并入的文件中相同术语的任何含义或定义矛盾时,应当服从在本发明中赋予该术语的含义或定义。
虽然已经举例说明和描述了本发明的特定实施例,但是对于本领域的技术人员来说显而易见的是,在不脱离本发明的实质和范围的情况下可做出多个其它改变和修改。因此,本文旨在所附权利要求中涵盖属于本发明范围内的所有这些改变和修改。
Claims (15)
1.一种评估人类受检者的皮肤质量的方法,所述方法包括:
测定来自所述人类受检者的生物样本中MMP1、SOD2和GPX1的多态性的存在与否以提供遗传皮肤评分;以及
通过将对应于皮肤特征的预测公式应用于所述遗传皮肤评分来测定预测皮肤特征质量评分,所述预测皮肤特征质量评分对应于选自皮肤皱纹、皮肤斑点、皮肤松弛、皮肤暗淡和皮肤肌理粗糙的皮肤特征,
其中所述预测公式对应于所述皮肤特征,并且通过对由对照组获得的数据进行回归分析来确定,所述对照组包括年龄跨度至少二十年的成员,所述数据包括:
(i)所述对照组的每个成员的遗传皮肤评分,和
(ii)对应于所述对照组的每个成员的多个测量结果,其中所述多个测量结果与所述皮肤特征相关联并且由所述对照组的每个成员的皮肤表面的图像分析来计算,并且
其中所述预测皮肤特征质量评分为所述人类受检者发展所述皮肤特征的风险的表示。
2.根据权利要求1所述的方法,其中所述多态性为rs1799750、rs4880和rs1050450。
3.根据权利要求1或权利要求2所述的方法,所述方法还包括:
由所述人类受检者的皮肤表面图像的图像分析测定所述人类受检者的当前皮肤特征质量评分,所述当前皮肤特征质量评分对应于所述皮肤特征;以及
测定所述预测皮肤特征质量评分与所述当前皮肤特征质量评分之间的差距程度。
4.根据权利要求3所述的方法,其中所述图像分析被构造成用于基于以下中的至少一者来确定多个测量结果:
所述皮肤表面上的细纹,所述细纹基于在所述图像中的阴影测定;
所述阴影的区域的亮度;
所述细纹的长度和宽度;
所述细纹的纵横比;
所述细纹的线性度;
所述细纹的圆度;
所述细纹的总面积;
所述细纹的平均方向;
在所述皮肤表面上检测的细纹的数量;
所述图像的一个或多个部分的频谱组成的深度;
具有特定频谱组成深度的一个或多个部分的尺寸;
在所述皮肤表面的图像中捕获的一个或多个皮脂腺的图像的尺寸;或者
在所述皮肤表面的图像中捕获的一个或多个皮脂腺的角度。
5.根据权利要求1至4中任一项所述的方法,其中所述方法还包括就适用于改善所述皮肤特征的外观的皮肤产品向所述人类受检者提供咨询,所述皮肤产品基于所述差距程度来选择。
6.根据权利要求1至5中任一项所述的方法,其中所述方法包括针对皮肤特征的组中包括的每个皮肤特征来测定相应的预测皮肤特征质量评分。
7.根据权利要求6所述的方法,所述方法还包括:
基于所述人类受检者的皮肤表面的图像的图像分析来测定对应于皮肤特征的组中包括的每个皮肤特征的相应的当前皮肤特征质量评分;以及
针对皮肤特征的组中包括的每个皮肤特征测定在所述预测皮肤特征质量评分与所述当前皮肤特征质量评分之间的相应差距的相应程度。
8.根据权利要求7所述的方法,所述方法还包括:
鉴定与所测定的差距程度的最大差距程度相关联的皮肤特征;以及
鉴定适用于改善所述特定皮肤特征的外观的皮肤产品。
9.根据权利要求1至8中任一项所述的方法,其中所述方法还包括:
在根据权利要求1至8所述的图像分析之后的时间点,由所述人类受检者的皮肤表面的后续图像分析来测定所述人类受检者的后续皮肤特征质量评分;以及
测定所述人类受检者的所述预测皮肤特征质量评分与所述后续皮肤特征质量评分之间的差距程度。
10.根据权利要求1至9中任一项所述的方法,所述方法还包括施用皮肤产品,所述皮肤产品包含适用于改善所述皮肤特征的活性成分。
11.一种用于评估人类受检者的皮肤质量的系统,所述系统包括:
至少一个处理器;
交互界面;和
至少一个实体的、非暂态计算机可读存储介质,其存储计算机可执行指令,当通过所述至少一个处理器执行时所述计算机可执行指令使所述系统执行根据权利要求1至10中任一项所述的方法。
12.一种用于测定人类受检者的预测皮肤质量与当前皮肤质量之间的差距的系统,所述系统包括:
至少一个处理器;
至少一个通信交互界面;和
至少一个实体的、非暂态计算机可读存储介质,皮肤质量差距评估仪存储在其上,所述皮肤质量差距评估仪包括计算机可执行指令,当通过所述至少一个处理器执行时所述计算机可执行指令使所述系统:
通过所述至少一个通信交互界面接收第一数据,所述第一数据包括来自所述人类受检者的生物样本中的一组人类基因中至少一种多态性存在与否的至少一种指示;
测定指示所述人类受检者的预测皮肤质量的值,所述人类受检者的预测皮肤质量的值基于所述第一数据并且基于所述至少一种多态性存在与否与指示皮肤质量的一组皮肤特征的相关性来测定;
通过所述至少一个通信交互界面来接收第二数据,所述第二数据包括指示所述人类受检者的当前皮肤质量的值,所述当前皮肤质量值基于所述人类受检者的皮肤表面的部分的图像的自动图像分析来测定,其中所述自动图像分析被构造成用于确定测量结果,所述测量结果对应于所述皮肤表面的部分的皮肤特征的组;
基于所述预测皮肤质量值和所述当前皮肤质量值来测定所述受检者的所述预测皮肤质量与当前皮肤质量之间的差距程度;以及
使所述差距程度的指示呈现在用户交互界面。
13.根据权利要求12所述的系统,其中所述至少一种多态性的存在与否的相关性的权重指示野生基因型、杂合基因型以及纯合基因型中的一者。
14.根据权利要求12所述的系统,其中通过回归分析测定人类基因的组中每个多态性的存在与否以影响皮肤特征的组中的至少一者。
15.一种测定人类受检者的预测皮肤质量与当前皮肤质量之间的差距的方法,所述方法基于对应于人类的皮肤质量的一组皮肤特征,所述方法包括:
(a)分析所述人类受检者的至少一个皮肤表面以测定指示所述人类受检者的当前皮肤质量的至少一个测量结果,其中所述至少一个测量结果对应于皮肤特征的组中的至少一个皮肤特征;以及
(b)通过计算装置并基于所述至少一个测量结果来测定所述人类受检者的当前皮肤质量与所述人类受检者的预测皮肤质量之间的差距程度,所述人类受检者的预测皮肤质量基于从来自所述人类受检者的生物样本的核苷酸中鉴定的至少一种多态性的存在与否来测定,
其中:
所述至少一种多态性中的每个多态性与影响对应于皮肤质量的皮肤特征的组中的一个或多个皮肤特征关联,并且
对应于皮肤质量的所述皮肤特征的组包括皮肤皱纹、皮肤肌理粗糙、皮肤斑点、皮肤暗淡、或皮肤松弛中的至少一者。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361882245P | 2013-09-25 | 2013-09-25 | |
US61/882,245 | 2013-09-25 | ||
PCT/US2014/057353 WO2015048222A1 (en) | 2013-09-25 | 2014-09-25 | Method and system for skin care consultation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105705654A true CN105705654A (zh) | 2016-06-22 |
Family
ID=52690992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480053116.XA Pending CN105705654A (zh) | 2013-09-25 | 2014-09-25 | 用于皮肤护理咨询的方法和系统 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9747685B2 (zh) |
EP (1) | EP3049538A4 (zh) |
JP (1) | JP2016538825A (zh) |
KR (1) | KR20160075501A (zh) |
CN (1) | CN105705654A (zh) |
CA (1) | CA2921704A1 (zh) |
WO (1) | WO2015048222A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977549A (zh) * | 2017-12-06 | 2018-05-01 | 懿奈(上海)生物科技有限公司 | 一种基于皮肤多组学的护肤匹配方法及终端 |
CN108342469A (zh) * | 2018-02-27 | 2018-07-31 | 广州中安基因科技有限公司 | 一种皮肤基因检测的基因芯片 |
CN109003673A (zh) * | 2017-06-05 | 2018-12-14 | 新加坡北斗多维养生公司 | 一种推荐适于个体的活性成分和护肤品的方法以及护肤方法 |
CN110033344A (zh) * | 2019-03-06 | 2019-07-19 | 百度在线网络技术(北京)有限公司 | 基于神经网络的护肤品推荐方法、装置及存储介质 |
CN111343904A (zh) * | 2017-09-25 | 2020-06-26 | 德比Ip有限公司 | 皮肤状况和风险评估方法 |
CN111455035A (zh) * | 2020-01-22 | 2020-07-28 | 广州市普森生物科技有限公司 | 皮肤抗衰能力基因检测引物组合、试剂盒及其应用 |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6328903B2 (ja) * | 2013-10-10 | 2018-05-23 | ジェネシスヘルスケア株式会社 | 皮膚関連遺伝子に基づく肌におけるリスク判別システム |
MX2018004400A (es) * | 2015-11-10 | 2018-05-11 | Pathway Skin Inc | Metodos y sistemas para mejorar la condicion dermica. |
ITUB20159293A1 (it) * | 2015-12-23 | 2017-06-23 | Mdm Ind S R L | Metodo cosmetico personalizzato per la prevenzione ed il trattamento di crono- e foto-invecchiamento cutaneo |
KR102429838B1 (ko) * | 2016-03-11 | 2022-08-05 | (주)아모레퍼시픽 | 피부결 블랍을 기초로한 피부결 평가 장치 및 그 방법 |
US10674953B2 (en) * | 2016-04-20 | 2020-06-09 | Welch Allyn, Inc. | Skin feature imaging system |
TWI585711B (zh) * | 2016-05-24 | 2017-06-01 | 泰金寶電通股份有限公司 | 獲得保養信息的方法、分享保養信息的方法及其電子裝置 |
JP6384875B2 (ja) * | 2016-09-15 | 2018-09-05 | 株式会社サインポスト | 肌の状態に対する遺伝的なリスクを予測する装置、方法およびプログラム |
US10511777B2 (en) | 2016-11-08 | 2019-12-17 | Thomas Nichols | Personal care device with camera |
US11122206B2 (en) | 2016-11-08 | 2021-09-14 | Preh Holding, Llc | Personal care device with camera |
WO2018101449A1 (ja) * | 2016-11-30 | 2018-06-07 | 株式会社資生堂 | 肌特性解析方法 |
EP3553737A4 (en) * | 2016-12-12 | 2019-11-06 | Nec Corporation | INFORMATION PROCESSING DEVICE, METHOD FOR GENETIC INFORMATION AND PROGRAM GENERATION |
TWI617668B (zh) * | 2017-03-15 | 2018-03-11 | Carcinoma risk assessment method | |
WO2018182173A1 (ko) * | 2017-03-27 | 2018-10-04 | (주)아모레퍼시픽 | 2차원 피부 이미지 분석 시스템 및 분석 방법 |
KR102610856B1 (ko) * | 2017-05-26 | 2023-12-06 | (주)아모레퍼시픽 | 피부 온도 예측용 유전자 다형성 마커 및 이의 용도 |
JP2019022483A (ja) * | 2017-07-21 | 2019-02-14 | ポーラ化成工業株式会社 | 肌トラブルリスクの検出方法、その方法に使用するための検出試薬、肌状態鑑別用試薬、及び化粧品又は医薬部外品の選択方法 |
KR102485221B1 (ko) * | 2017-09-29 | 2023-01-05 | (주)아모레퍼시픽 | 피부 주름 형성 예측용 유전자 다형성 마커 및 이의 용도 |
EP3503023B1 (en) * | 2017-12-22 | 2022-11-23 | Chanel Parfums Beauté | Improved age modelling method |
WO2020041030A1 (en) | 2018-08-21 | 2020-02-27 | The Procter & Gamble Company | Methods for identifying pore color |
KR102382590B1 (ko) * | 2018-09-21 | 2022-04-05 | 장인상 | 사용자 맞춤형 데일리 코스메틱 솔루션 제공 시스템 및 방법 |
CN111199171B (zh) * | 2018-11-19 | 2022-09-23 | 荣耀终端有限公司 | 一种皱纹检测方法和终端设备 |
US11127176B2 (en) * | 2019-01-31 | 2021-09-21 | L'oreal | Systems and methods for visualizing future skin trends based on biomarker analysis |
WO2020219613A1 (en) | 2019-04-23 | 2020-10-29 | The Procter & Gamble Company | Apparatus and method for determining cosmetic skin attributes |
KR20210139309A (ko) | 2019-04-23 | 2021-11-22 | 더 프록터 앤드 갬블 캄파니 | 미용 피부 속성을 시각화하기 위한 장치 및 방법 |
CN110378304B (zh) * | 2019-07-24 | 2021-11-02 | 厦门美图之家科技有限公司 | 皮肤状态检测方法、装置、设备及存储介质 |
CN114207726A (zh) * | 2019-08-09 | 2022-03-18 | 株式会社资生堂 | 实现肌肤咨询的基因检查方法 |
US11657481B2 (en) * | 2019-11-18 | 2023-05-23 | Shinyfields Limited | Systems and methods for selective enhancement of skin features in images |
CN111127451A (zh) * | 2019-12-27 | 2020-05-08 | 宇龙计算机通信科技(深圳)有限公司 | 皮肤状态鉴定方法、装置、存储介质及终端 |
USD1000624S1 (en) | 2019-12-27 | 2023-10-03 | Thomas Nichols | Personal care device with camera |
JP7458063B2 (ja) | 2020-03-27 | 2024-03-29 | 日本メナード化粧品株式会社 | 肌状態評価装置及び肌状態改善アドバイス方法 |
JP7436708B2 (ja) * | 2020-05-08 | 2024-02-22 | ザ プロクター アンド ギャンブル カンパニー | 樹状毛穴を識別するための方法 |
WO2022030300A1 (ja) * | 2020-08-03 | 2022-02-10 | 株式会社村田製作所 | 肌状態推定方法、肌状態推定装置及び肌状態推定システム |
CN112132456A (zh) * | 2020-09-22 | 2020-12-25 | 珠海大横琴科技发展有限公司 | 一种质量检测方法、装置及电子设备 |
KR102481734B1 (ko) * | 2020-10-08 | 2022-12-27 | 재단법인 제주테크노파크 | 개인 피부 타입 결정 방법 및 이에 기반한 맞춤형 화장품 제공 방법 및 시스템 |
JP2022140270A (ja) * | 2021-03-11 | 2022-09-26 | 株式会社 資生堂 | 情報処理装置、情報処理方法、及び、プログラム |
KR102647903B1 (ko) * | 2021-05-31 | 2024-03-15 | 주식회사 테라젠헬스 | 머신러닝을 이용한 설문 기반의 맞춤형 유전적 피부타입 예측 장치 및 방법 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101083940A (zh) * | 2004-10-22 | 2007-12-05 | 株式会社资生堂 | 皮肤状况诊断系统和美容咨询系统 |
JP2012050406A (ja) * | 2010-09-03 | 2012-03-15 | Genesis Healthcare Kk | 皮膚関連遺伝子の検出方法、並びに該遺伝子を用いた肌情報の提供方法、化粧品の販売システム、化粧品の販売方法及び化粧品成分のスクリーニング方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6291171B1 (en) | 1995-11-15 | 2001-09-18 | Robert P. Ricciardi | Kit for the non-invasive identification and collection of DNA |
US6571003B1 (en) * | 1999-06-14 | 2003-05-27 | The Procter & Gamble Company | Skin imaging and analysis systems and methods |
EP1386001A4 (en) | 2001-04-05 | 2005-07-20 | Genelink Inc | KITS AND METHOD FOR ASSESSING OXIDATIVE STRESS |
US7211383B2 (en) * | 2001-04-05 | 2007-05-01 | Genelink, Inc. | Kits and methods for assessing skin health |
JP4761924B2 (ja) * | 2004-10-22 | 2011-08-31 | 株式会社 資生堂 | 肌状態診断システムおよび美容のためのカウンセリングシステム |
GB2443389A (en) * | 2006-11-03 | 2008-05-07 | Astron Clinica Ltd | Method and apparatus for obtaining a measurement of sun damage |
JP5771007B2 (ja) * | 2008-01-07 | 2015-08-26 | マイスキン、インク. | スペクトル畳み込みに基づく光と物質の相互作用の解析システムおよび方法 |
WO2010082942A1 (en) | 2008-02-01 | 2010-07-22 | Canfield Scientific, Incorporated | Automatic mask design and registration and feature detection for computer-aided skin analysis |
US20100304373A1 (en) | 2008-08-14 | 2010-12-02 | Ricciardi Robert P | Methods for Assessing the Susceptibility of a Human to Diminished Health and Wellness |
GB2493141A (en) * | 2011-07-19 | 2013-01-30 | Gene Onyx Ltd | Method of selecting a product using a DNA sample |
GB2497766A (en) | 2011-12-20 | 2013-06-26 | Gene Onyx Ltd | Snp analysis to determine efficacy of skin care product |
-
2014
- 2014-09-25 CN CN201480053116.XA patent/CN105705654A/zh active Pending
- 2014-09-25 CA CA2921704A patent/CA2921704A1/en not_active Abandoned
- 2014-09-25 US US14/496,523 patent/US9747685B2/en not_active Expired - Fee Related
- 2014-09-25 KR KR1020167007755A patent/KR20160075501A/ko not_active Application Discontinuation
- 2014-09-25 EP EP14848605.3A patent/EP3049538A4/en not_active Withdrawn
- 2014-09-25 WO PCT/US2014/057353 patent/WO2015048222A1/en active Application Filing
- 2014-09-25 JP JP2016517538A patent/JP2016538825A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101083940A (zh) * | 2004-10-22 | 2007-12-05 | 株式会社资生堂 | 皮肤状况诊断系统和美容咨询系统 |
JP2012050406A (ja) * | 2010-09-03 | 2012-03-15 | Genesis Healthcare Kk | 皮膚関連遺伝子の検出方法、並びに該遺伝子を用いた肌情報の提供方法、化粧品の販売システム、化粧品の販売方法及び化粧品成分のスクリーニング方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109003673A (zh) * | 2017-06-05 | 2018-12-14 | 新加坡北斗多维养生公司 | 一种推荐适于个体的活性成分和护肤品的方法以及护肤方法 |
CN111343904A (zh) * | 2017-09-25 | 2020-06-26 | 德比Ip有限公司 | 皮肤状况和风险评估方法 |
CN107977549A (zh) * | 2017-12-06 | 2018-05-01 | 懿奈(上海)生物科技有限公司 | 一种基于皮肤多组学的护肤匹配方法及终端 |
CN107977549B (zh) * | 2017-12-06 | 2021-04-13 | 懿奈(上海)生物科技有限公司 | 一种基于皮肤多组学的护肤匹配方法及终端 |
CN108342469A (zh) * | 2018-02-27 | 2018-07-31 | 广州中安基因科技有限公司 | 一种皮肤基因检测的基因芯片 |
CN110033344A (zh) * | 2019-03-06 | 2019-07-19 | 百度在线网络技术(北京)有限公司 | 基于神经网络的护肤品推荐方法、装置及存储介质 |
CN111455035A (zh) * | 2020-01-22 | 2020-07-28 | 广州市普森生物科技有限公司 | 皮肤抗衰能力基因检测引物组合、试剂盒及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CA2921704A1 (en) | 2015-04-02 |
EP3049538A1 (en) | 2016-08-03 |
WO2015048222A1 (en) | 2015-04-02 |
US20150086104A1 (en) | 2015-03-26 |
EP3049538A4 (en) | 2017-05-31 |
KR20160075501A (ko) | 2016-06-29 |
JP2016538825A (ja) | 2016-12-15 |
US9747685B2 (en) | 2017-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105705654A (zh) | 用于皮肤护理咨询的方法和系统 | |
Adhikari et al. | A GWAS in Latin Americans highlights the convergent evolution of lighter skin pigmentation in Eurasia | |
JP7059332B2 (ja) | 肌特性解析方法 | |
Whiffin et al. | Using high-resolution variant frequencies to empower clinical genome interpretation | |
Jacobs et al. | Comprehensive candidate gene study highlights UGT1A and BNC2 as new genes determining continuous skin color variation in Europeans | |
Liu et al. | Eye color and the prediction of complex phenotypes from genotypes | |
JP6650423B2 (ja) | シミュレート装置及びコンピュータ読取可能記憶媒体 | |
Gunn et al. | Why some women look young for their age | |
Asgari et al. | Identification of susceptibility loci for cutaneous squamous cell carcinoma | |
KR102008023B1 (ko) | 컬러 이미지로부터 미용 및 영양 요법을 제공하는 웹 사이트 | |
KR101800102B1 (ko) | 피부 진단 및 화상 처리 방법 | |
Leite et al. | Genomic ancestry, self-reported “color” and quantitative measures of skin pigmentation in Brazilian admixed siblings | |
Wollstein et al. | Novel quantitative pigmentation phenotyping enhances genetic association, epistasis, and prediction of human eye colour | |
CN102782727B (zh) | 用于使用谱图像数据来生成3d rgb模型的皮肤治疗分析的系统 | |
Hart et al. | Identification of microbial and proteomic biomarkers in early childhood caries | |
KR102485256B1 (ko) | 맞춤형 피부 진단 및 관리 시스템 | |
WO2021029332A1 (ja) | 肌カウンセリングを実現する遺伝子検査方法 | |
JP2012050406A (ja) | 皮膚関連遺伝子の検出方法、並びに該遺伝子を用いた肌情報の提供方法、化粧品の販売システム、化粧品の販売方法及び化粧品成分のスクリーニング方法 | |
US20150317432A1 (en) | System and method for the computational prediction of expression of single-gene phenotypes | |
Pearce et al. | Exploring associations between prenatal exposure to multiple endocrine disruptors and birth weight with exposure continuum mapping | |
Chang | A comprehensive note on: an economic order quantity with imperfect quality and quantity discounts | |
Messaraa et al. | Perceived age and perceived health among a Chinese cohort: Does it mean the same thing? | |
JP6546852B2 (ja) | 解析装置、解析方法、およびプログラム | |
US20150149318A1 (en) | System and Method For Determining and Displaying the Metabolic Energy of Skin Cells | |
CN103829927A (zh) | 用于测定和显示皮肤细胞代谢能的体系和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160622 |