CN111164224A - 微生物相关的重要性指数指标 - Google Patents

Abstract

例如用于表征至少一种微生物相关状况的方法和/或系统的实施方式，可以包括：确定微生物分类群集合与至少一种微生物相关状况之间的关联集合(例如，正关联如正相关性、负关联如负相关性、非关联如无相关性或最小相关性等)；确定所述微生物分类群集合的参考特征集合(例如，参考丰度范围等)；和基于所述关联集合和所述参考特征集合确定一个或更多个重要性指数指标。

Description

微生物相关的重要性指数指标

相关申请的交叉引用

本申请要求2017年9月14日提交的美国临时申请系列号62/558,489的权益，通过引用以其整体合并在本文中。

技术领域

本公开内容一般地涉及基因组学和微生物学。

背景技术

微生物组可以包括与生物体相关联的共栖、共生和致病性微生物的生态群落。人类微生物组的表征是一种复杂的过程。人类微生物组包括超过人类细胞10倍的微生物细胞，但是例如由于样品处理技术、遗传分析技术和处理大量数据的资源中的限制，人类微生物组的表征仍然处于初期阶段。目前的知识已经清楚地确立了微生物组与多种健康状况的关联的作用，并已成为宿主遗传和环境因素对人类疾病发展的日益重视的媒介。怀疑微生物组在许多健康/疾病相关状态中起到至少部分的作用。此外，微生物组可以介导环境因素对人类、植物和/或动物健康的影响。考虑到微生物组在影响用户的健康方面深刻的牵连，应当继续进行与表征微生物组相关的工作。然而，例如用于相对于一种或更多种微生物组相关状况分析微生物组的常规方法还留有许多未解决的问题。

附图的简要说明

图1-2包括方法的实施方式的变体的流程图示；

图3包括系统的实施方式的变体；

图4包括方法的实施方式的变体的流程图示；

图5包括方法的实施方式的变体中重要性指数指标(significant index metric)频率的图示；

图6包括方法的实施方式的变体中克罗恩氏病(Crohn's disease)预测机器学习模型的指标的图示；

图7A-7E包括方法的实施方式的变体中咖啡因消耗者预测机器学习模型的指标的图示；

图8A-8D包括通知的具体实施例，所述通知包括重要性指数指标；

图9包括所述方法的实施方式的变体的示意图示；

图10包括使用一种或更多种模型确定重要性指数指标的变体；

图11包括方法的实施方式的变体中的促成治疗干预；

图12包括所述方法的实施方式的变体的示意图示；

图13包括所述方法的实施方式的变体的示意图示；

图14包括所述方法的实施方式的变体的示意图示；

图15包括所述方法的实施方式的变体的示意图示；

图16包括所述方法的实施方式的变体的示意图示。

具体实施方式

以下对实施方式的说明不意图限制所述实施方式，而是使任何本领域技术人员能够制造和使用。

1.概述

如图1-2、4和9所示，方法100(例如，用于表征至少一种微生物相关状况，等)的实施方式可以包括：确定微生物分类群(microorganism taxa)集合与至少一种微生物相关状况之间的关联集合(例如，正关联如正相关性、负关联如负相关性、非关联如无相关性或最小相关性等)S110；针对所述微生物分类群集合确定参考特征(例如，参考丰度范围等)集合S120；和基于所述关联集合与所述参考特征集合确定一个或更多个重要性指数指标S130。

在具体实施例中，所述方法100(例如，用于表征至少一种微生物相关状况，等)可以包括：确定微生物分类群集合与所述至少一种微生物相关状况之间的关联集合，其中所述关联集合包括正关联、负关联和非关联中的至少一种；与所述至少一种微生物相关状况相关联；为所述微生物分类群集合确定参考丰度范围集合，其中所述参考丰度范围与所述至少一种微生物相关状况相关联；和/或基于所述关联集合和所述微生物分类群集合的所述参考丰度范围，确定与所述微生物分类群集合和所述至少一种微生物相关状况之间的关联集合的表征相关联的重要性指数指标。

所述方法100的实施方式可以额外地或替代地包括以下一个或更多个：基于所述一个或更多个重要性指数指标促成对一种或更多种微生物相关状况的诊断S140；基于所述一个或更多个重要性指数指标促成对所述一种或更多种微生物相关状况的治疗干预S150；和/或任何其他适合的过程。

所述方法100和/或系统200的实施方式可以起起到确定一个或更多个指标(例如，重要性指数指标)的作用，该一个或更多个指标表征一个或更多个分类群与一种或更多种微生物相关状况之间的关联(例如，其中所述指标可以提供微生物的组合与一种或更多种微生物相关状况之间的关联的客观量度；等)。在具体的实施例中，重要性指数指标可以用于表征一个或更多个用户(例如，基于来自所述用户的新的用户样品；等)；促成诊断；促成治疗干预；揭露关于一个或更多个分类群与一种或更多种微生物相关状况之间的关系的见解；和/或赋予任何其他适合的效益。

在具体的实施例中，所述方法100(例如，用于相对于用户表征至少一种微生物相关状况等)可以包括：从用户采集样品，其中所述样品包括与所述至少一种微生物相关状况相关联的微生物；基于所述样品，确定与所述微生物相关联的用户微生物组组成特征；和/或基于与微生物分类群集合相关联的所述用户微生物组组成特征(例如，所述微生物分类群集合的用户丰度；等)、参考微生物组组成特征(例如，所述微生物分类群集合的参考丰度和/或丰度范围；等)、以及所述微生物分类群集合与所述至少一种微生物相关状况之间的关联集合，为所述用户确定重要性指数指标，所述重要性指数指标表征用户微生物组与所述至少一种微生物相关状况之间的关联。在变体中，采集样品、确定微生物组特征(例如，微生物组组成特征)和/或所述方法100的实施方式的适合的过程可以按照2018年8月28日提交的16/115,542号美国申请中描述的和/或与之类似的任何适合的方式来进行，该美国申请通过引用以它们的整体合并在本文中。

额外地或替代地，所述方法100和/或系统200的实施方式可以起到鉴定与一种或更多种微生物相关状况相关联的(例如，与之正相关的、与之负相关的等)微生物组特征、补充特征(例如，从补充数据得到的等)和/或其他适合的数据的作用，例如用于确定重要性指数、用作生物标志物(例如，用于诊断过程、用于治疗过程等)、用于诊断和/或治疗、和/或用于其他适合的目的。在实施例中，微生物相关状况(和/或重要性指数和/或其他适合的方面)可以与微生物组组成(例如，微生物组组成多样性等)、微生物组功能(例如，微生物组功能多样性等)和/或其他适合的微生物组相关方面中的至少一种或更多种相关联。

额外地或替代地，所述方法100和/或系统200的实施方式可以起到确定微生物相关状况的面板(panel)(例如，通过状况类型分类的面板；等)的一个或更多个指标(例如，重要性指数指标)，例如，相对于表征多个分类群与多个微生物相关状况之间的多个关联(例如，其中任何数量的分类群都可以在任何适合的数值关系方面与任何数量的微生物相关状况相关联；等)。额外地或替代地，实施方式可以执行本文描述的任何适合的功能。

在变体中，来自用户群体的数据(例如，与一种或更多种微生物相关状况相关联的受试者群体；与一种或更多种微生物相关状况正相关的、负相关的、不相关的；从例如科学同行评议文章的信息源得到的数据；等)可以用于确定重要性指数指标，例如用于表征随后的用户，例如用于指示健康和/或改善区的微生物相关状态(例如，用于诊断目的，等)，和/或用来促成治疗干预(例如，提出(promote)一种或更多种疗法；例如相对于一种或更多种微生物相关状况，促成用户的微生物组的组成和/或功能多样性朝向期望平衡状态集合中的一种或多种的调节，例如与改善的健康状况相关的状态，所述改善的健康状况与一种或更多种微生物相关状况相关联；等)。所述方法100的变体还可以例如通过横跨身体部位(例如，横跨用户的样品采集部位如对应于特定身体部位类型的采集部位；特定身体部分类型如鼻部位、肠部位、口腔部位、皮肤部位、生殖器部位；等)随着时间采集并分析(例如，使用重要性指数模型)来自用户的其他样品(例如，在治疗方案的整个过程中，通过用户对微生物相关状况的体验程度；如图13所示；等)，促成选择、监测(例如，效力监测等)和/或调整提供给用户的疗法，另外或替代地用以例如针对一种或更多种微生物相关状况，处理随着时间的补充数据。然而，来自群体、子组、个体和/或其他适合的实体的数据可以被所述方法100和/或系统200的实施方式的任何适合的部分为了任何适合的目的使用。

在变体中，所述方法100和/或系统200的实施方式可以确定重要性指数指标，用于确定与一种或更多种微生物相关状况相关联的一个或更多个微生物相关表征和/或疗法，例如2018年7月27日提交的16/047,840号美国申请中描述的表征和/或疗法，该美国申请通过引用以其整体合并在本文中。

所述方法100和/或系统200的实施方式可以额外地或替代地生成和/或提出(例如，提供；呈现；关于…通知等)针对一种或更多种微生物相关状况的表征(例如，诊断等)和/或疗法。

微生物相关状况可以包括以下一种或更多种：疾病、症状、病因(例如，触发物，等)、障碍、相关风险(例如，倾向性分值等)、相关严重度、行为(例如，咖啡因消耗、酒精消耗、糖消耗、习惯、饮食等)和/或与微生物相关状况相关联的任何其他适合的方面。微生物相关状况可以包括一种或更多种疾病相关状况，该疾病相关状况可以包括以下任意一种或更多种：胃肠道相关状况(例如，肠易激综合征、炎性肠病、溃疡性结肠炎、乳糜泻、克罗恩氏病、胀气、痔性疾病(hemorrhoidal disease)、便秘、返流、血便、腹泻等)；过敏相关状况(例如，与小麦、麸质、乳品、大豆、花生、贝类、坚果、蛋相关联的过敏和/或不耐性等)；运动相关状况(例如，痛风、类风湿性关节炎、骨关节炎、反应性关节炎、多发性硬化、帕金森氏病等)；癌症相关状况(例如，淋巴瘤；白血病；胚细胞瘤；生殖细胞瘤；癌；肉瘤；乳腺癌；前列腺癌；基底细胞癌；皮肤癌；结肠癌；肺癌；与任何适合的生理区域相关联的癌症状况等)；心血管相关状况(例如，冠心病、炎性心脏病、心脏瓣膜病、肥胖症、中风等)；贫血状况(例如，地中海贫血(thalassemia)；镰形红细胞(sickle cell)；恶性贫血(pernicious)；范可尼贫血(fanconi)；溶血性贫血；再生障碍性贫血；铁缺乏等)；神经病学相关状况(例如，注意缺陷多动障碍(ADHD)、注意缺陷障碍(ADD)、焦虑、阿斯伯格综合症、孤独症、慢性疲劳综合症、抑郁症等)；自体免疫相关状况(例如，口炎性腹泻(Sprue)、AIDS、干燥综合征(Sjogren's)、狼疮等)；内分泌相关状况(例如，肥胖症、格雷夫斯氏病(Graves’disease)、淋巴瘤性甲状腺肿(Hashimoto’s thyroiditis)、代谢疾病、I型糖尿病、II型糖尿病等)；皮肤相关状况(例如，粉刺、皮肌炎、湿疹、红斑痤疮、皮肤干燥、银屑病、头皮屑、光敏感性、皮肤粗糙、瘙痒、剥落、脱屑、脱皮、细纹或裂缝、皮肤黝黑个体的皮肤呈灰色、发红、深层裂缝如可能流血并导致感染的裂缝、头皮中的皮肤瘙痒和结垢、油性皮肤如受刺激的油性皮肤、对产品如护发产品的皮肤敏感性、头皮微生物组的失衡等)；莱姆(Lyme)病状况；传染相关状况；睡眠相关状况；代谢相关状况；体重相关状况；疼痛相关状况；遗传相关状况；慢性疾病；和/或任何其他适合类型的疾病相关状况。

在变体中，微生物相关状况可以包括2018年8月28日提交的16/115,542号美国申请中描述的一种或更多种女性健康相关状况(例如，生殖系统相关状况等)，该美国申请通过引用以其整体合并在本文中，例如其中重要性指数指标可以被确定和/或用于一种或更多种女性健康相关状况和/或其他适合的微生物相关状况。

额外地或替代地，微生物相关状况可以包括一种或更多种人类行为状况，人类行为状况可以包括以下任何一种或更多种：饮食相关状况(例如，咖啡因消耗、酒精消耗、糖类消耗、人工甜味剂消耗、杂食、素食、绝对素食、糖类消耗、酸消耗、其他食品消耗、膳食补充剂消耗、膳食行为等)、益生菌相关行为(例如，消耗、回避等)、习惯性行为(例如，吸烟；运动状况如低度、中度和/或极度运动状况等)、绝经、其他生物学过程、社会行为、其他行为、和/或任何其他适合的人类行为状况。状况可以与任何适合的表型(例如，对人类、动物、植物、真菌体等可测量的表型)相关联。在变体中，所述方法100和/或系统200的实施方式的部分可以用于例如基于一个或更多个重要性指数指标，对患有一种或更多种微生物相关状况(例如，皮肤相关状况等)的用户促成提出(例如，提供；建议等)一种或更多种靶向疗法。

在变体中，样品(例如，本文描述的)可以对应于一个或更多个采集部位，采集部位包括肠采集部位(例如，相应于肠部位的身体部位类型)、皮肤采集部位(例如，相应于皮肤部位的身体部位类型)、鼻采集部位(例如，相应于鼻部位的身体部位类型)、口腔采集部位(例如，相应于口腔部位的身体部位类型)和生殖器采集部位(例如，相应于生殖器部位的身体部位类型)中的至少一种。

所述方法100和/或系统200的实施方式可以对单个用户实施，例如相对于施加一个或更多个样品处理过程和/或重要性指数确定过程来处理来自用户的一种或更多种生物样品(例如，跨越一个或更多个采集部位采集的等)，用于确定所述用户的重要性指数指标、用于微生物组相关表征、促成治疗干预、和/或用于任何其他适合的目的。额外地或替代地，实施方式可以对受试者群体(例如，包括所述用户、排除所述用户)实施，其中所述受试者群体可以包括对于任何适合类型的特征类似于和/或不同于任何其他受试者的受试者(例如，相对于微生物相关状况、人口统计学特征、行为、微生物组组成和/或功能等)；对用户的子组(例如，共有特征，如影响微生物相关表征和/或疗法确定的特征)实施；对植物、动物、微生物和/或任何其他适合的实体实施。因而，从受试者集合(例如，受试者群体、受试者集合、用户子组等)得到的信息可以用于为随后的用户提供额外的见解。在变体中，生物样品的聚集集合与各种各样的受试者相关联或针对各种各样的受试者进行处理，受试者例如包括以下一种或更多种的受试者：不同的人口统计学特征(例如，性别、年龄、婚姻状况、族群、国籍、社会经济地位、性取向等)、不同的微生物相关状况(例如，健康和疾病状态；不同的遗传学分布等)、不同的生活情况(例如，独居、与宠物同住、与重要的他人同住、与儿童同住等)、不同的饮食习惯(例如，杂食、素食、绝对素食、糖类消耗、酸消耗、咖啡因消耗等)、不同的行为倾向(例如，身体活动水平、毒品使用、酒精使用等)、不同的活动水平(例如，与给定时间段内旅行的距离相关的)、和/或任何其他适合的特征(例如，影响、相关于和/或以其他方式相关联于微生物组组成和/或功能的特征等)。在实施例中，随着受试者的数量提高，所述方法100和/或系统200的实施方式的部分中实施的过程的预测能力可以提高，例如相对于基于随后的用户(例如，具有变化的特征等)的微生物组(例如，相对于所述用户的不同的样品采集部位等)对其进行表征。然而，所述方法100和/或系统200的实施方式的部分可以针对任何适合的一个或多个实体、以任何适合的方式进行和/或配置。

在变体中，所述方法100的实施方式的部分可以以任何适合的顺序重复地进行，和/或所述系统200的实施方式的任何适合的组件可以重复地应用，例如以改进所述方法100的实施方式的任何适合的部分和/或所述系统200的实施方式的任何适合的组件。在变体中，所述方法100可以重复地进行以能够精炼一个或更多个微生物相关数据库(例如，包括微生物分类群与微生物相关状况之间的关联；包括影响大小指标(effect sizemetrics)；包括参考微生物组特征如参考丰度范围；等)，例如通过采集和分析其他信息源、样品(例如，随着时间、一种或更多种微生物相关状况的进程和/或治疗干预从受试者采集的样品等)和/或其他适合的成分。在变体中，所述方法100可以包括精炼过程用于确定重要性指数指标，例如用于改进精度和/或与重要性指数指标相关联的其他适合的方面。

本文描述的数据(例如，重要性指数指标、影响大小指标、分类群标识符、关联、微生物组特征、用户特征、参考特征、微生物数据集、模型、微生物相关表征、补充数据、通知等)可以与任何适合的时间指示符(例如，秒、分钟、小时、天、周、月、年等)相关联，时间指示符包括以下一种或更多种：指示何时采集(例如，指示何时采集样品的时间指示符；采样时间等)、确定、传输、接受和/或以其他方式处理所述数据的时间指示符；提供所述数据所描述的内容的上下文的时间指示符(例如，与重要性指数指标相关联的时间指示符等)；时间指示符的改变(例如，随着时间的微生物组中的改变；例如响应于接受疗法；样品采集、样品分析、向用户提供微生物相关表征或疗法、和/或所述方法100的实施方式的其他适合部分之间的等待时间等)；和/或与时间相关的任何其他适合的指示符。

额外地或替代地，参数、指标、输入、输出和/或其他适合的数据可以与数值类型相关联，数值类型包括：分值(例如，倾向性分值；特征关联性分值；相关性分值；协方差分值；微生物组多样性分值；严重度分值等)；独立值(例如，独立的微生物相关状况分值，如不同状况、不同采集部位的状况倾向性分值等)、聚合值(例如，基于不同状况、采集部位、分类群的独立的微生物相关分值的总体分值；等)、二元值(例如，健康样品或存在微生物相关状况的样品的分类等)、相对值(例如，相对分类群组丰度、相对微生物组功能丰度、相对特征丰度等)、分类(例如，微生物相关状况分类和/或用户的诊断；特征分类；行为分类；人口统计学特征分类等)、置信水平(例如，与重要性指数指标和/或其他适合的数据相关联的；等)、标识符、沿谱线的值、和/或任何其他适合类型的值。本文描述的任何适合的数据类型可以用作输入(例如，用于不同的分析技术、模型和/或本文描述的其他适合的组件)、生成为输出(例如，不同的分析技术、模型的，等)、和/或以任何适合的方式操作用于与所述方法100和/或系统200相关联的任何适合的组件。

本文描述的所述方法100和/或过程的一种或更多种实例和/或实施方式的部分可以通过和/或使用本文描述的系统200、组件和/或实体的一个或更多个实例异步地(例如，顺序地)、同时地(例如，并行数据处理；同时的交叉-条件分析；多重样品处理；进行样品处理和分析用于基本上同时评估微生物相关状况的面板；针对多个用户并行地计算确定重要性指数指标、微生物数据集、微生物组特征和/或表征微生物相关状况；例如在不同线程上同时地并行计算以改进系统处理能力等)，与触发事件(例如，所述方法100的一部分的性能)时间相关地(例如，基本同时地、响应于、连续地、之前、之后等)进行。

额外地或替代地，所述方法100和/或系统200的实施方式可以进行在2018年8月28日提交的16/115,542号美国申请中描述的任何适合的样品处理操作，例如用于确定在确定一个或更多个重要性指数指标中可用的微生物数据集和/或微生物组特征。例如，所述方法100和/或系统200的实施方式可以基于应用一种或更多种测序系统215(例如，下一代测序系统、用于靶向扩增子测序的测序系统、合成测序技术、毛细管测序技术、桑格(Sanger)测序、焦磷酸测序(pyrosequencing)技术、纳米孔测序技术等)用于对一个或更多个生物样品进行测序(例如，对来自所述生物样品的微生物核酸进行测序等)，来生成微生物序列数据集和/或其他适合的微生物数据。下一代测序系统(例如，下一代测序平台等)可以包括任何适合的测序系统(例如，测序平台等)用于一种或更多种高通量测序(例如，通过高通量测序技术促成的；大规模平行信号测序(massively parallel signature sequencing)、聚合酶克隆测序(Polony sequencing)、454焦磷酸测序、Illumina测序、SOLiD测序、Ion Torrent半导体测序、DNA纳米球测序、Heliscope单分子测序、单分子实时(SMRT)测序、纳米孔DNA测序等)、任何代数的测序技术(例如，第二代测序技术、第三代测序技术、第四代测序技术等)、扩增子相关的测序(例如，靶向扩增子测序)、合成测序、隧道电流测序、杂交测序、质谱测序、基于显微镜的技术、和/或任何适合的下一代测序技术。

如图3所示，所述系统200的实施方式(例如，用于表征微生物相关状况)可以包括以下任何一种或更多种：处理系统(例如，样品处理系统；包括测序系统215；等)210，其可操作以从一个或更多个用户(例如，人类受试者、患者、动物受试者、环境生态系统、护理提供者等)采集和/或处理生物样品(例如，由用户采集并包括在包括前处理试剂的容器中的；等)，用于促成微生物数据集(例如，微生物遗传序列；微生物序列数据集等)的确定；微生物相关表征系统220，其可操作以确定重要性指数指标、特征(例如，微生物组组成特征；微生物组功能特征；多样性特征；相对丰度范围；例如基于微生物数据集和/或其他适合的数据；等)和/或微生物相关表征(例如，微生物相关状况表征、疗法相关表征、针对用户的表征等)；疗法促成系统230，其可操作以促成对一种或更多种微生物相关状况的治疗干预(例如，提出疗法等)(例如，基于一个或更多个重要性指数指标；用于改善一种或更多种微生物相关状况等)；用于呈现重要性指数指标和/或其他适合的数据的界面240；用于采集一个或更多个样品的样品试剂盒250；和/或其他适合的组件。虽然所述系统200的实施方式的组件一般被描述为不同的组件，但是它们可以以任何方式在物理上和/或逻辑上整合。在实施例中，所述系统200的实施方式可以省略疗法促成系统230。额外地或替代地，所述系统200的实施方式的功能可以以任何适合的方式分布在任何适合的系统组件中。然而，所述系统200的实施方式的组件可以以任何适合的方式配置。

然而，所述方法100和/或系统200可以以任何适合的方式配置。

2.1确定关联集合

所述方法100的实施方式可以包括确定一个或更多个微生物分类群与一种或更多种微生物相关状况之间的关联集合S110，其可以起到确定用于确定重要性指数指标的关联的作用。

关联可以包括一个或更多个分类群与一种或更多种微生物相关状况之间的正关联(例如，正相关；原因关联等)；负关联(例如，负相关；原因关联等)；非关联(例如，不相关等)；和/或任何其他类型的关联(例如，关系、之间的联系等)中的任何一种或更多种。

任何适合数量的分类群可以在任何适合的数量关系(例如，1对多；多对1等)上与任何适合数量的微生物相关状况相关联。

确定关联集合可以包括处理状况相关信息源(例如，第三方信息源，如科学文献、临床测试等；包括关于状况的、与微生物分类群相关联的、相关标志物的信息的源；专有的源；第一方的源等)。在变体中，块S110可以包括手动地处理状况相关信息源(例如，标志物、关联、影响大小、可用于计算影响大小的数据、和/或相关信息的人类策展(curation，管护)等)以确定所述关联集合和/或其他适合的参数。在另一种变体中，块S110可以包括自动地处理状况相关信息源。例如，块S110可以包括：生成线上信息源的列表；基于所述列表获得所述线上信息源；处理所述线上信息源来提取分类群集合、相关的状况和/或其他相关的数据(例如，通过应用自然语言处理技术等)用于生成所述关联集合和/或其他适合的数据。在另一个实施例中，自动地处理信息源可以包括应用自然语言处理方法和/或其他适合的方法用于分析所述信息源，例如用于提取与一种或更多种微生物相关状况相关联的分类群的类型。

在变体中，确定关联集合可以基于一种或更多种条件(例如，如果所述条件满足，则使用所述关联，例如用于在确定一个或更多个重要性指数指标中的下游处理；使用所述关联更新微生物相关数据库；等)。条件可以包括以下任何一种或更多种：例如相对于受试者类型如人类或动物、关于所述人类或动物的特征等的受试者条件；例如相对于鉴定所述一种或更多种关联中使用的所述样品的采样部位的样品条件；例如相对于鉴定所述关联中使用的分析技术类型的分析技术条件；例如相对于信息源提供的和/或表征所述关联中使用的指标类型的指标条件；和/或任何其他适合类型的条件。

在具体的实施例中，确定关联可以基于两种条件(例如，如果所述两种条件满足，则使用所述关联，例如用于在确定一个或更多个重要性指数指标中的下游处理；如果所述两种条件满足，则使用所述关联更新微生物相关数据库；等)，两种条件包括：(l)所述信息源中使用的样品来自成年人类并采集自适当的采样部位；和(2)适当的指标(例如，统计学的)是可获得的(例如，由所述信息源提供的等)，例如包括解释(account for)所述关联的方向的指标(例如，无论分类群与微生物相关状况之间正关联、分类群与微生物相关状况之间负关联、还是分类群与微生物相关状况之间无关联等)、影响大小指标(例如，相关系数，如一种或更多种微生物分类群的丰度与一种或更多种微生物相关状况之间的；z-分值等)和/或能够计算影响大小指标的数据(例如，其中这样的指标可以变换成影响大小指标，如相关系数和/或z-分值等)，例如平均值、标准差、样本大小、优势比(odds ratio)、风险比、对照组和研究组中有和没有所述状况的个体的比例、和/或任何其他适合的指标。在具体的实施例中，确定一种或更多种关联可以基于(例如，如果所述条件满足，则使用所述关联，例如用于在确定一个或更多个重要性指数指标中的下游处理；使用所述关联更新微生物相关数据库；等)将错误或虚假效应视作真实(true)的概率小于5％(即，P值<0.05)，例如指示所述分类群与微生物相关状况之间存在统计学上显著的关联。在具体的实施例中，确定关联可以基于(例如，如果所述条件满足，则使用所述关联，例如用于在确定一个或更多个重要性指数指标中的下游处理；使用所述关联更新微生物相关数据库；等)所述研究组与所述对照组之间的统计比较的显著性，例如基于P值，其中小于5％的P值指示所述关联是统计学上显著的。然而，用于确定关联的条件可以以任何适合的方式配置。

在变体中，确定一种或更多种关联可以包括确定描述所述一种或更多种关联的一种或更多种参数。描述所述一种或更多种关联的参数可以包括以下任何一种或更多种：影响大小指标(例如，相关系数，如一种或更多种微生物分类群与一种或更多种微生物相关状况之间的丰度；z-分值；等)、能够计算影响大小指标的数据、平均值、标准差、样本大小、优势比、风险比、对照组和研究组中有和没有所述状况的个体的比例、和/或任何其他适合的指标、实验参数、置信度水平、样品特征、与状况类型相关的参数(例如，受试者参数；样品参数；分析技术参数；指标参数等)、由信息源提供的参数、和/或任何其他适合类型的参数。

确定关联集合(和/或微生物组特征、参考特征、用户特征等)可以基于微生物数据集(例如，微生物组特征；与一种或更多种微生物相关状况相关联的；等)、补充数据集、和/或其他适合的数据，例如以包括和/或类似于2018年8月28日提交的16/115,542号美国申请和/或2018年7月27日提交的16/047,840号美国申请中所述方式的方式，二者通过引用以它们的整体合并在本文中。

确定关联集合可以包括，例如响应于确定所述关联集合，基于确定的所述关联集合生成和/或更新(例如，完善、增加、删除数据等)一个或更多个微生物相关数据库(例如，向一个或更多个微生物相关数据库添加额外的关联)，但是生成和/或更新微生物相关数据库可以以任何适合的时间和频率以任何适合的方式进行。

然而，确定关联集合(例如，一个或更多个分类群与一种或更多种微生物相关状况之间的；等)和/或任何适合的参数(例如，影响大小估计值(estimates)、其他数据等)S110可以以任何适合的方式进行。

2.2确定参考特征集合

所述方法100的实施方式可以包括确定一种或更多种微生物分类群(例如，使用一种或更多种微生物相关状况确定了关联的微生物分类群；等)的参考特征集合(例如，参考丰度范围等)S120，其可以起到确定用于确定重要性指数指标的特征的作用。

参考特征优选地与一个或更多个微生物分类群相关联(例如，描述、对应于等)，例如确定了与一种或更多种微生物相关状况的关联的一个或更多个微生物分类群(例如，相对于S110)。额外地或替代地，参考特征可以与微生物组组成(例如，微生物组组成多样性等)、微生物组功能(例如，微生物组功能性多样性等)、任何适合的受试者和/或用户(例如，受试者和/或用户的任何适合的组、子组和/或集合)、和/或任何其他适合的方面中的任何一种或更多种相关联。

参考特征优选地包括与一种或更多种微生物相关状况相关联的一个或更多个分类群的参考丰度范围(例如，参考相对丰度范围)。在实施例中，参考丰度范围(和/或对应于一个或更多个用户的用户丰度范围、和/或任何适合的丰度范围等)可以包括一个或更多个健康丰度范围(例如，对应于与微生物相关状况相关联的分类群的丰度的健康范围，例如基于没有所述微生物相关状况的受试者得出的健康范围；等)、不健康的丰度范围(例如，对应于与微生物相关状况相关联的分类群的丰度的不健康范围，例如基于有所述微生物相关状况的受试者得出的不健康范围；等)、低丰度范围、正常丰度范围、高丰度范围、没有丰度、中丰度范围、范围的百分位数(例如，相对于受试者、样品的任何适合的组等)和/或任何其他适合类型的丰度范围。然而，微生物丰度范围可以以任何适合的方式配置。

参考特征可以从在确定一个或更多个分类群与一种或更多种微生物相关状况之间的关联的变体中使用的相同的或不同的信息源来确定(例如，对于分类群集合与微生物相关状况之间的关联提供参考特征如参考丰度范围的相同信息源)。

额外地或替代地，参考特征可以以与确定分类群与微生物相关状况之间的一个或更多个关联类似的或不同的方式来确定。在变体中，确定参考特征可以包括基于对从与一种或更多种微生物相关状况相关联的受试者聚集群体(例如，包括具有所述状况的受试者的子组；没有所述状况的受试者的对照子组等)采集的样品进行的样品处理和生物信息学分析来确定参考特征。在变体中，确定参考特征可以基于信息源、经验分析、样品处理、生物信息学分析和/或任何其他适合的过程中的一种或更多种。

确定参考特征、用户特征和/或所述方法100的实施方式的任何适合的部分可以包括应用预处理(例如，针对从信息源提取的数据；针对微生物数据集、微生物组特征、和/或用于促成下游处理如确定重要性指数指标的其他适合的数据等)。在实施例中，进行表征过程可以包括通过以下至少一种：除去与生物样品集合的第一样品离群值(outlier)对应的第一样品数据(例如，与一种或更多种微生物相关状况相关联的等)，例如其中所述第一样品离群值通过主成分分析、降维技术和多变量方法中的至少一种来确定；除去与所述生物样品集合的第二样品离群值对应的第二样品数据，其中所述第二样品离群值可以基于所述微生物组特征集合的相应数据质量来确定(例如，除去与具有低于阈值条件的高质量数据的多个微生物组特征相应的样品)；c)基于未能满足阈值样本数量条件的所述微生物组特征的样本数量，从所述微生物组特征集合中除去一个或更多个微生物组特征，其中所述样本数量相应于与所述微生物组特征的高质量数据相关联的样本的数量；和/或用于本文描述的任何适合的数据的任何其他适合的过滤技术，过滤数据集(例如，如在应用分析技术集合来确定所述微生物组特征如参考特征之前，过滤从信息源提取的数据集，过滤微生物序列数据集等)。然而，预处理可以以任何适合的方式使用任何适合的分析技术进行。

确定参考特征、用户特征和/或其他适合的特征(例如，微生物组特征、补充特征等)可以使用计算方法(例如，统计方法、机器学习方法、人工智能方法、生物信息学方法、本文描述的其他方法等)来表征受试者、样品、数据集和/或展现一个或更多个特征和/或以其他方式与一个或更多个特征相关联的其他适合的组件(例如，其中确定用户微生物组特征可以包括针对鉴定为与一种或更多种微生物相关状况相关和/或以其他方式相关联的微生物组特征确定特征值)，例如，具有一种或更多种微生物相关状况的用户集合的特征特性(features characteristic)。然而，任何适合的分析技术(例如，本文描述的)可以用于确定特征和/或进行所述方法100的实施方式的适合的部分。在实施例中，确定参考特征和/或合适的特征可以包括应用分析技术集合，分析技术集合包括单变量统计检验(univariatestatistical test)、多变量统计检验、降维技术和人工智能方法中的至少一种，例如其中所述特征可以改进与确定重要性指数指标相关联的计算系统相关功能(例如，关于准确性、降低误差、处理速度、换算(scaling)等)。在实施例中，确定微生物组特征(例如，用户微生物组特征等)可以包括应用分析技术集合来确定以下至少一种：微生物组组成多样性特征和微生物组功能多样性特征中的至少一种的存在、所述微生物组组成多样性特征和所述微生物组功能多样性特征中的至少一种的不存在、描述与所述第一微生物相关状况相关联的不同分类群组的相对丰度的相对丰度特征、描述与所述不同分类群组相关联的至少两个微生物组特征之间比例的比例特征、描述所述不同分类群组之间相互作用的相互作用特征、以及描述所述不同分类群组之间系统发生距离(phylogenetic distance)的系统发生距离特征，例如相对于一种或更多种微生物相关状况(例如，与之相关联)，并且例如其中所述分析技术集合可以包括单变量统计检验、多变量统计检验、降维技术和人工智能方法中的至少一种。

在变体中，在鉴定与一个或更多个样品(例如，来自有或者没有一种或更多种微生物相关状况的受试者等)相关联的微生物组的微生物的代表组时，可以确定与所述微生物组的组成和/或功能方面相关联的(例如，从...得到的)特征。在变体中，生成特征可以包括基于多位点序列分型(multilocus sequence typing,MSLT)生成特征，以鉴定对重要性指数指标确定和/或所述方法100的实施方式的适合部分有用的标志物。额外地或替代地，确定特征可以包括确定描述存在或不存在某些分类群组的微生物和/或所展现的分类群组的微生物之间的比例的特征。额外地或替代地，确定特征可以包括确定描述以下一种或更多种的特征：代表分类群组(例如，分类群)的数量、代表分类群组的网络、不同分类群组的表现相关性、不同分类群组之间的相互作用、不同分类群组产生的产物、不同分类群组产生的产物之间的相互作用、死亡和存活微生物之间的比例(例如，基于RNA的分析，针对不同的代表分类群组)、系统发生距离(例如，依据坎托罗维奇-鲁宾斯坦距离(Kantorovich-Rubinstein distance)、瓦瑟斯坦距离(Wasserstein distance)等)、任何其他适合的分类群组相关特征、任何其他适合的遗传学或功能方面。

额外地或替代地，确定特征可以包括生成描述不同微生物群组的相对丰度的特征，例如，使用sparCC方法、使用基因组相对丰度和平均大小(GAAS)方法、和/或使用利用混合模型理论的基因组相对丰度(GRAMMy)方法，该GRAMMy方法使用序列相似性数据来进行微生物的一个或更多个组的相对丰度的最大似然估计。额外地或替代地，确定特征可以包括生成从丰度指标中得出的分类学变异的统计度量。额外地或替代地，确定特征可以包括确定与相对丰度因子相关联的(例如，从…得出的)特征(例如，相对于分类群丰度的改变，其影响其他分类群的丰度)。额外地或替代地，确定特征可以包括生成单独地和/或组合地描述一个或更多个分类群组的存在的定性特征。额外地或替代地，确定特征可以包括生成与遗传学标志物相关的特征(例如，代表性的16S、18S和/或ITS序列)，所述遗传学标志物表征与生物样品相关联的微生物组的微生物。额外地或替代地，确定特征可以包括生成与特定基因和/或具有所述特定基因的生物体的功能关联相关的特征。额外地或替代地，确定特征可以包括生成与分类群和/或归因于分类群的产物的致病性相关的特征。额外地或替代地，确定特征可以包括确定任何其他适合的特征，例如从信息源、生物样品的核酸的测序和作图(mapping)、和/或任何适合的方法。例如，所述特征可以是组合的(例如，涉及配对、三联体)、相关的(例如，与不同特征之间的相关性相关)、和/或与特征的改变相关的(例如，临时改变、跨越样品部位的改变等、空间改变等)。

在变体中，确定特征可以包括确定与一个或更多个采集部位相关联的部位特异性(site-specific)(例如，肠部位、鼻部位、皮肤部位、生殖器部位、口腔部位等)。在实施例中，部位特异性特征的集合可以包括与第一身体部位相关联的部位特异性特征的第一子集，和与第二身体部位相关联的部位特异性特征的第二子集。然而，多部位分析可以以任何适合的方式进行。

在变体中，确定特征可以包括应用计算机实现的规则(例如，模型、特征选择规则等)来处理群体水平数据和/或其他适合的数据，但是可以额外地或替代地包括在人口统计学特征特异性基础上(例如，共有一个或更多个人口统计学特征如疗法方案、饮食方案、身体活动方案、族群、年龄、性别、体重、行为等的子组)、在状况特异性基础上(例如，展现特定微生物相关状况、微生物相关状况的组合、微生物相关状况的触发物、相关症状等的子组)、在样品类型特异性基础上(例如，应用不同的计算机实现的规则来处理从不同采集部位得到的微生物组数据；等)、在用户基础上(例如，不同的计算机实现的规则用于不同的用户；等)和/或任何其他适合的基础上，应用计算机实现的规则来处理微生物组相关数据。在实施例中，确定特征可以包括将来自用户群体的用户分配至一个或更多个子组；和应用不同的计算机实现的规则用于确定所述不同子组的特征(例如，所使用的特征类型的集合；从所述特征生成的表征模型的类型；等)。然而，应用计算机实现的规则可以以任何适合的方式进行，用于所述方法100的实施方式的任何适合的部分，例如用于确定重要性指数指标S130。

确定特征可以包括过程，所述过程可以包括确定一个或更多个丰度范围(例如，参考微生物组参数范围；健康参考相对丰度范围，其中所述范围可以与健康的微生物组和/或不存在一种或更多种状况相关联；与一种或更多种状况的存在和/或风险相关联的风险参考相对丰度范围；一个或更多个分类群的丰度的微生物组成范围；样品中存在的微生物的系统发生多样性；与一个或更多个分类群相关联的功能特征的微生物功能多样性范围等)，例如参考丰度范围和/或用户丰度范围、和/或任何适合的丰度范围，例如其中一个或更多个重要性指数指标可以基于所述用户微生物组参数(例如，用户丰度等)与所述参考微生物组参数范围之间的比较(例如，基于指示不同细菌靶点的健康参考范围之外的丰度的所述用户微生物组参数，相对于与微生物相关状况相关联的细菌靶点，将用户表征为具有微生物组组成的差的重要性指数指标)。微生物组参数范围可以以任何适合的形式(例如，计数等)具有任何适合的下限和上限。参考微生物组参数范围可以包括代表任何适合的置信区间的范围(例如，横跨用户群体的99％置信区间)。在实施例中，参考相对丰度范围可以对任何适合的分类群进行计算，例如基于相应于该分类群的读取结果计数除以读取结果的总数(例如，聚类的和过滤的读取结果的总数)；然而，参考相对丰度范围可以以任何适合的方式计算。

在变体中，确定参考丰度范围和/或适合的特征可以经验性地进行。例如，块S130可以包括从用户群体采集生物样品和补充数据集。所述用户群体可以包括与微生物组组成、微生物组系统发生多样性、微生物组功能多样性、状况和/或其他适合的特征的任何适合的状态相关联的用户，其中所述补充数据集(例如，在与所述用户相关联的移动设备上执行的应用中数字性施用的调查)可以是对所述特征有情报性的。在具体的实施例中，所述方法100可以包括：处理来自健康用户群体的生物样品；处理所述生物样品来确定微生物序列；确定每个用户的每个分类群(例如，来自被确定为与一种或更多种微生物相关状况相关联和/或潜在相关联的分类群集合等)的相对丰度；以及基于跨越所述健康用户群体的所述相对丰度，生成每个所述分类群的健康范围(和/或不健康范围)。然而，经验性地确定参考微生物组参数范围可以以任何适合的方式进行。在具体的实施例中，所述补充数据可以为来自受试者集合的受试者子集指示缺乏所述至少一种微生物相关状况；其中确定所述微生物组特征集合可以包括基于所述微生物序列数据集确定与所述受试者子集相关联的健康参考微生物组参数范围；以及其中确定一个或更多个重要性指数指标可以基于所述补充数据和/或所述健康参考微生物组参数范围。在变体中，确定参考微生物组参数范围可以非经验性地进行，例如基于手动地和/或自动地处理状况相关的信息源。

将一种或更多种参考特征(例如，丰度范围等)和与一种或更多种特征(例如，分类群、状况等)相关联的一种或更多种用户微生物组特征(例如，丰度等)进行比较，可以用于确定一个或更多个重要性指数指标，例如包括基于所述用户微生物组参数值落在所述参考微生物组参数范围之内还是之外，将所述用户表征为具有所述特征(例如，健康微生物组等)或不具有所述特征。

确定参考特征可以额外地或替代地包括更新参考特征(例如，在一个或更多个微生物相关数据库中等)，例如用于改进在确定一个或更多个重要性指数指标中使用的参考特征集合(例如，用于例如相对于表征微生物分类群与微生物相关状况之间的一个或更多个关联，改进重要性指数指标的精度等)。

然而，确定参考特征S120可以以任何适合的方式进行。

2.3确定重要性指数指标

所述方法100的实施方式可以包括确定一个或更多个重要性指数指标(例如，基于所述关联集合和所述参考特征集合等)S130，其可以起到确定一个或更多个指标的作用，所述一个或更多个指标与一个或更多个微生物分类群与一种或更多种微生物相关状况之间的一种或更多种关联的表征相关联。

重要性指数指标优选地描述分类群集合与一种或更多种微生物相关状况之间的关联程度，但是可以额外地或替代地描述用户、一种或更多种微生物相关状况的倾向性、一种或更多种微生物相关状况的风险、可用于确定一种或更多种微生物相关状况表征的特征(例如，诊断、用于促成诊断的其他适合的数据等)、可用于确定一种或更多种疗法的特征(例如，用于促成对一种或更多种微生物相关状况的治疗干预等)和/或可以与任何适合的方面相关联。

重要性指数指标可以包括分值(例如，表示为从0到100的范围和/或任何适合的范围)、用户的倾向性分值(例如，基于用户微生物组特征和/或其他适合的用户数据，针对一种或更多种微生物相关状况描述用户倾向性等)、分类(例如，通过机器学习模型；存在或不存在一种或更多种微生物相关状况的分类；与一种或更多种微生物相关状况相关联的任何适合的例如关于状况严重度的分类；等)中的任何一种或更多种，和/或可以包括本文描述的任何适合形式的数据。

重要性指数指标可以针对任何数量的关联(例如，分类群与微生物相关状况之间的等)、用户(例如，描述对于一种或更多种微生物相关状况的用户倾向的倾向性分值等)、分类群、微生物相关状况和/或任何适合的组件。

确定重要性指数指标和/或所述方法100和/或系统200的实施方式的任何适合的部分可以包括：采用一种或更多种分析技术，所述分析技术包括以下任何一种或更多种：单变量统计检验、多变量统计检验、降维技术、人工智能方法(例如，机器学习方法等)；对数据进行模式识别(例如，鉴定微生物相关状况与微生物组特征之间的相关性；等)；融合来自多个源的数据(例如，基于微生物组数据和/或来自与一种或更多种微生物相关状况相关联的多个用户的补充数据，例如基于从所述数据提取的微生物组特征，生成表征模型)；值的组合(例如，将值平均化等)；压缩；转换(例如，数-模转换、模-数转换)；对数据进行统计估计(例如，普通最小二乘回归、非负最小二乘回归、主成分分析、岭回归等)；波调制；归一化(normalization)；更新(例如，基于随着时间处理的生物样品对表征模型和/或疗法模型的更新)；排序(例如，微生物组特征；疗法等)；加权(例如，微生物组特征等)；验证；过滤(例如，用于基线校正、数据剪裁等)；降噪；平滑；填充(例如，间隙填充)；对齐；模型拟合；分箱(binning)、加窗(windowing)、修剪(clipping)、变换(transformation)、数学运算(例如，导数、移动平均值、求和、减法、乘法、除法等)；数据关联；复用；解复用；内插；外推；聚类；图像处理技术；其他信号处理操作；其他图像处理操作；可视化；和/或任何其他适合的处理操作。

人工智能方法可以包括以下任何一种或更多种：监督学习(例如，使用逻辑回归，使用反向传播神经网络，使用随机森林、决策树等)、无监督学习(例如，使用先验(Apriori)算法、使用K均值聚类)、半监督学习、深度学习算法(例如，神经网络、受限的玻尔兹曼(Boltzmann)机器、深度信念网络方法、卷积神经网络方法、递归神经网络方法、堆叠式自动编码器方法等)、强化学习(例如，使用Q学习算法、使用时间差异学习)、回归算法(例如，普通最小二乘法、逻辑回归、逐步回归、多元自适应回归样条、局部估计散点图平滑(locallyestimated scatterplot smoothing)等)、基于实例的方法(例如，k最近邻、学习向量量化、自组织映射等)、正则化方法(例如，岭回归、最小绝对收缩和选择算子、弹性网等)、决策树学习方法(例如，分类和回归树、迭代二分法3、C4.5、卡方自动互动检测、决策树桩、随机森林、多元自适应回归样条、梯度提升机等)、贝叶斯方法(例如，朴素贝叶斯、平均一个依赖估计量(averaged one-dependence estimators)、贝叶斯信念网络等)、核方法(例如，支持向量机、径向基函数、线性判别分析等)、聚类方法(例如，k均值聚类、期望最大化等)、关联的规则学习算法(例如，Apriori算法、深度优先(Eclat)算法等)、人工神经网络模型(例如，感知器(Perceptron)方法、反向传播方法、霍普菲尔德(Hopfield)网络方法、自组织映射方法、学习矢量量化方法等)、集成方法(例如，增强、增强聚合、自适应增强(AdaBoost)、堆叠泛化、梯度提升机方法、随机森林方法等)、和/或任何合适的人工智能方法。然而，数据处理可以以任何适合的方式进行。

重要性指数指标可以额外地或替代地包括部位特异性的重要性指数指标(例如，对一个或更多个身体部位特异的，所述身体部位包括肠部位、生殖器部位、鼻部位、皮肤部位、口腔部位和/或其他适合的部位中的任何一个或更多个)，例如表征一种或更多种微生物相关状况与一个或更多个分类群之间的关联的重要性指数指标，其中所述关联对特定身体部位是特异的。在实施例中，对于相同的身体部位和微生物相关状况，基于所涉及的一个或更多个身体部位，与分类群的关联可以不同(例如，可以是与不同分类群的关联)(例如，与鼻部位相比对于肠部位的不同关联；等)。在具体的实施例中，基于所涉及的一个或更多个身体部位，重要性指数指标可以不同(例如，重要性指数指标的值、重要性指数指标的类型)。在实施例中，可以生成、应用和/或以其他方式处理不同的部位特异性的重要性指数模型。在具体的实施例中，基于不同的微生物组特征，例如与所述一个或更多个身体部位相关联的部位特异性特征，所述部位特异性的重要性指数模型与所述一个或更多个身体部位相关联，可以生成、应用和/或以其他方式处理不同的部位特异性的重要性指数模型(例如，使用从受试者的肠采集部位采集的样品中得到的、和/或与一种或更多种微生物相关状况相关的肠部位特异性特征，例如用于确定肠部位特异性特征、生成肠部位特异性的重要性指数模型，所述肠部位特异性的重要性指数模型可以应用于根据用户肠部位采集的用户样品确定重要性指数指标，和/或用于任何适合的目的等)。部位特异性模型、部位特异性特征、样品、部位特异性疗法和/或其他适合的实体(例如，能与身体部位相关联的等)优选地与至少一个身体部位(例如，相应于样品采集部位等)相关联，所述身体部位包括鼻部位、肠部位(例如，基于大便样品可表征的等)、皮肤部位、生殖器部位(例如，阴道部位等)、口腔部位、和/或任何适合的身体区域。然而，部位特异性的重要性指数指标可以以任何方式配置并以任何适合的方式确定。

在变体中，确定一个或更多个重要性指数指标可以基于一个或更多个影响大小指标，所述影响大小指标与一个或更多个分类群和一种或更多种微生物相关状况之间的一种或更多种关联相关联(例如，描述、表征等)。影响大小指标优选地包括相关系数(例如，分类群的丰度与微生物相关状况之间的)，但是可以额外地或替代地包括z-分值，和/或任何适合类型的指标(例如，本文描述的等)。在具体的实施例中，确定所述重要性指数指标可以包括：基于所述微生物分类群集合的参考丰度范围集合(和/或适合的参考特征)，针对所述微生物分类群集合与所述至少一种微生物相关状况之间的所述关联集合确定影响大小指标；和基于所述影响大小指标确定所述重要性指数指标。

在实施例中，从一个或更多个信息源提取的数据(例如，均值、标准差、样本大小、对照组和研究组中有和没有所述状况的个体的比例等)可以变换成一种或更多种类型的影响大小指标(例如，相关系数等)。在具体的实施例中，变换成影响大小指标类型、和/或基于影响大小指标确定重要性指标的适合的部分可以使用一种或更多种计算系统(例如，远程计算系统，如包括微生物相关数据库的远程计算系统等)和/或通过任何适合的组件来进行。在实施例中，重要性指数可以基于从多个单独的影响大小指标的组合获得的总体相关系数来计算。

在具体的实施例中，相关系数(例如，通过从信息源如科学同行评议文章中提取的数据的变换而获得的等)可以变换成z-分值(例如，使用费雪(Fisher)变换)，例如通过使用

z＝0.5*[(ln(1+r)/ln(1-r))]

其中r相应于相关系数；其中可以进行元分析(meta-analysis)(例如，其中z-分值被认为是因变量，且分类群作为独立因子被包括；其中不同的分类群将具有不同的与所述一种或更多种微生物相关状况的关联(例如，对….的不同影响等)；例如其中，可以建立所使用的所述信息源是所有信息源的子集且真实影响大小在所有情况下都不应相同的假设，激发要拟合的随机影响模型，并且其中所使用的所述信息源作为随机影响被包括；以及其中所述分析的输出可以包括每个分类群的z-分值的预测值；和/或其中所述z-分值可以被变换成(例如，变换回)相关系数。

在实施例中(例如，在第一实施例中，如表1所示，例如其中表1包括针对每个重要性指数指标观察到的和理论的最大和最小值，其被重新缩放(rescale)至0到100之间；在第一实施例中，如图5所示，例如其中图5包括例如使用本文描述的分析技术处理的被处理样品的重要性指数指标的频率的直方图，其中X轴指示使用从参考样品观察到的最大和最小值缩放到范围0-1的重要性指数指标；其中结果包括相应于具有对所有相关分类群0相对丰度的样品的单个主峰等)，确定重要性指数可以基于

SI＝1-(Π(1-r_a)*Π(1-r_ia))

其中Π＝乘积函数(例如，第一乘积函数在直接关联的分类群上运行，而第二乘积函数在反向关联的分类群上运行)，r_a＝关联的分类群的相关系数(例如，正相关；如表2所示)，r_ia＝反向关联的生物体的相关系数(例如，负相关；如表2所示)；例如其中根据所述丰度和所述关联的方向，当关联的(例如，正关联的)分类群以低丰度或正常丰度被发现时、当它们在所述样品中完全不存在时、或当反向关联的(例如，负关联的)分类群在样品中以高丰度被发现时，相关性被分类为“保护性的”；和/或其中当关联的分类群在样品中为正的时、当所述分类群以高丰度被发现时、或当反向关联的分类群在样品中以低丰度或正常丰度被发现时，相关性被分类为“惩罚性的”。在具体的实施例中，确定所述影响大小指标可以包括：基于元分析针对所述微生物分类群集合与所述至少一种微生物相关状况之间的所述关联集合，确定相关系数集合；并且其中基于所述影响大小指标确定所述重要性指数指标可以包括基于相关系数集合确定所述重要性指数指标。在具体的实施例中，为所述用户确定所述重要性指数指标可以包括基于所述用户微生物组组成特征以及所述微生物分类群集合与所述至少一种微生物相关状况之间的所述关联集合的相关系数集合来确定所述重要性指数指标。

在实施例(例如，第二实施例，如表1和图5所示)中，每个z-分值(例如，来自在个体的样品中发现的分类群)可以乘以一个因数，该因数取决于所述关联的方向(例如，正的或负的(反向的)、所述分类群和所述微生物相关状况之间的等)和样品中生物体(例如，相应于所述分类群等)的丰度(例如，低、正常或高)，其中总的z-分值可以通过乘以来自每个分类群的单独分值来确定；和/或其中基于下式从1中减去修改的分值以得到概率：

概率＝1-(z_分值*丰度乘数)

其中所述丰度乘数基于所述分类群的丰度和所述关联的方向来确定，例如根据：

反向关联/低丰度＝0

反向关联/正常丰度＝1

反向关联/高丰度＝1

关联/低丰度＝0

关联/正常丰度＝0

关联/高丰度＝1

其中可以例如在将所述z-分值转换回相关系数之前增加(例如，如果需要)额外的或替代的乘数(例如，权重)；和/或其中所述一个或更多个总的z-分值可以变换回相关系数，例如通过逆费雪变换：

r＝[exp(2*z)-1]/[exp(2*z)+1]

其中r相应于相关系数，并且其中可以获得从-1到1的分值，以及其中为了获得关联的百分比，所述分值可以乘以100。在具体的实施例中，确定所述影响大小指标可以包括：确定所述微生物分类群集合与所述至少一种微生物相关状况之间的所述关联集合的z-分值集合；和基于所述微生物分类群集合的所述参考丰度范围、以及所述微生物分类群集合与所述至少一种微生物相关状况之间的正关联和负关联中的至少一种，来修改所述z-分值集合；并且其中基于所述影响大小指标确定所述重要性指数指标可以包括基于修改的所述z-分值集合确定所述重要性指数指标。在具体的实施例中，为所述用户确定所述重要性指数指标可以包括基于所述用户微生物组组成特征和所述修改的Z-分值集合来确定所述重要性指数指标，所述修改的Z-分值基于所述参考微生物组组成特征和所述微生物分类群集合与所述至少一种微生物相关状况之间的所述关联集合的Z-分值集合确定。

在实施例中，确定重要性指数指标可以基于劳里(Lowry)法(例如，用于确定样品中蛋白质的浓度等)，例如包括：进行元分析并用一个或更多个丰度乘数(例如，上文描述的等)对输出进行加权；生成模拟样品以及所述分类群集合的丰度的随机组合(例如，相应于与微生物相关状况的关联等)；基于所述丰度确定校准曲线；以及在内插过程中使用真实样品(例如，来自受试者、用户等)与所述校准曲线来确定重要性指数。在具体的实施例中，确定所述影响大小指标可以包括：基于所述参考丰度范围以及从所述微生物分类群集合的丰度的随机集合得出的校准曲线，进行内插过程；并且其中基于所述影响大小指标确定所述重要性指数指标可以包括基于所述内插过程确定所述重要性指数指标。在具体的实施例中，为所述用户确定所述重要性指数指标可以包括基于用户微生物组组成特征(和/或适合的用户微生物组特征)、以及使用所述参考微生物组组成特征(和/或适合的参考特征)和校准曲线的内插过程来确定所述重要性指数指标，所述校准曲线从所述微生物分类群集合的丰度的随机集合得出。然而，基于影响大小指标确定一个或更多个重要性指数指标可以以任何适合的方式进行。

在变体中，确定一个或更多个重要性指数指标可以包括确定一个或更多个倾向性分值，例如基于影响大小指标和用户特征(例如，用户丰度；用户微生物组特征，如用户微生物组组成特征；等)。在具体的实施例中，确定所述重要性指数指标可以包括基于所述影响大小指标和所述微生物分类群集合的用户丰度确定用户的倾向性分值，所述倾向性分值描述用户微生物组与所述至少一种微生物相关状况之间的关联。在具体的实施例中，用户微生物组组成特征包括所述微生物分类群集合的用户丰度，其中所述参考微生物组组成特征包括所述微生物分类群集合的参考丰度范围，并且其中确定所述重要性指数指标包括基于所述用户丰度和影响大小指标来为所述用户确定倾向性分值，所述倾向性分值表征所述用户微生物组与所述至少一种微生物相关状况之间的关联，所述影响大小指标基于所述参考丰度范围和所述微生物分类群集合与所述至少一种微生物相关状况之间的所述关联集合确定。

在实施例中(例如，第三实施例，如表1和图5所示)，确定倾向性分值可以基于：

其中f_th相应于第h个用户的第t个分类群的相对丰度，并且其中c_t相应于影响大小。在实施例中(例如，第四实施例，如表1和图5所示)，确定倾向性分值可以基于所述影响大小的重要性，其中确定所述倾向性分值可以基于：

和

其中BF参数对应于贝叶斯因子(Bayes Factor)(例如，如表2所示)，其将所述相关系数变换为概率(例如，如表2所示)。与第三实施例相关联的(例如，使用其中的方程计算的等)倾向性分值和与第四实施例相关联的(例如，使用其中的方程计算的等)倾向性分值可以分别在第五和第六实施例(例如，如表1和图6所示)中通过使用标准正态分布的分位数将所述分类群频率变换成从负无穷跨越到正无穷的连续范围来公式化(例如，以改进由具有0相对丰度的分类群所产生的分值上的明显不连续性等)；例如其中1/10000的伪计数可以应用于两个分值的丰度。在具体的实施例中，确定所述倾向性分值包括基于所述用户丰度、所述影响大小指标以及所述影响大小的重要性指标来确定所述倾向性分值。

在实施例中(例如，其中重要性指数的变化可以受到用户之中分类群丰度的变化以及影响大小指标量级的变化的影响；等)，倾向性分值可以例如基于用可预测的最大值和最小值划界(bounding)来归一化。在具体的实施例中，归一化的倾向性分值(和/或其他适合的归一化的重要性指数指标)可以基于以下确定：

例如其中最小值和最大值可以基于来自用户的处理的样品经验性地确定(例如，其中所述样品的分值可以覆盖每个分类群的丰度的观察到的范围等)、基于信息源确定、和/或以其他方式确定；并且其中所述最小值和最大值可以是可更新的(例如，基于新处理的样品等)。在具体的实施例中，确定所述重要性指数指标包括基于所述微生物分类群集合的经验丰度范围的集合将所述倾向性分值归一化。在具体的实施例中，阴道样品(和/或其他适合的样品)的集合可以进行处理以确定与人类乳头状瘤病毒(HPV)(和/或其他适合的微生物相关状况等)相关联的分类群集合的经验丰度，其中最小和最大丰度和/或相应于最小和最大重要性指数指标的丰度可以用于确定重要性指数指标的上边界和下边界，所述上边界和所述下边界可以分别变换成100的分值和0的分值。在实施例中，倾向性分值和/或任何其他适合的指标的归一化可以包括以下一项或更多项：基于在确定所述指标(例如，基于处理样品；基于处理新样品的更新等)中使用的指标类型和/或参数的观察到的最小值和/或最大值来缩放所确定的指标；例如基于手动和/或自动分析(例如，关于适用性，例如基于与)，过滤在确定所述指标类型的最小值和/或最大值中使用的样品(例如，相对于使用的适当性(appropriateness for use)、基于与靶标微生物相关状况相关的微生物相关状况的相关性等)；选择最大值和/或最小值作为来自样品集合的观察到的值的分布的经验百分位数(例如，低于或高于第99个百分位等)，例如用于当额外数据(例如，来自额外处理的样品)变得可用时降低极值的影响和允许估计新的最大值和/或最小值；降低极值离群值的影响的权重而无需选择特定的百分位数，例如用于能够使用所有数据和为数据集的更大部分用更高的重要性加权，用于当更多数据变得可用时降低极值的影响和允许自动地估计新的最大值和最小值；和/或任何其他适合的过程。然而，确定倾向性分值可以以任何适合的方式进行。

在变体中，确定一个或更多个重要性指数指标可以基于对一个或更多个样品确定的(例如，对一个或更多个样品鉴定的、指定给一个或更多个样品的等)一个或更多个标签(labels)。在实施例中，标签可以基于所述样品中分类群的丰度来指定，所述分类群的丰度相应于与所述至少一种微生物相关状况相关联的分类群集合。在具体的实施例中，所述方式100可以包括：确定给定样品的分类群集合的丰度；将所述丰度和与一种或更多种微生物相关状况相关联的每个分类群的健康丰度范围进行比较；以及基于以下内容为每个分类群-状况关联指定标签(例如，“标志(flag)”)：

低-正常-高范围的丰度：当所述分类群与所述健康状况直接相关并且丰度为“高”时，所述标志适用；

低-正常-高范围的丰度：当所述分类群与所述健康状况反向相关并且丰度为“低”时，所述标志适用；

无-中-高范围的丰度：当分类群丰度为“高”时，所述标志适用；

低-正常范围的丰度：当所述分类群与所述健康状况反向相关并且丰度为“低”时，所述标志适用；

正常-高范围的丰度：当所述分类群与所述健康状况直接相关并且丰度为“高”时，所述标志适用；

负-正：当所述分类群为“正”(例如，它在所述样品中具有非零丰度)时，所述标志适用；

其中，对于每种微生物相关状况，指定的标签(例如，“标志”)的数量可以进行计数，并且重要性可以基于以下计算：

(A/B)×100

其中A＝具有针对状况的标签的分类群数量；和B＝与该状况相关联的全部分类群。在具体的实施例中，确定重要性指数指标包括确定用户样品的标签集合，其中确定所述标签集合包括：基于相对于分类群的参考丰度范围的、所述分类群的用户丰度的丰度满足条件，以及基于所述分类群与所述至少一种微生物相关状况之间的、所述关联集合的关联的、关联满足类型条件，来为所述微生物分类群集合的分类群确定所述标签集合的标签；以及基于所述标签集合来为用户确定与所述用户样品相关联的重要性指数指标。然而，基于一个或更多个标签确定重要性指数指标可以以任何适合的方式确定。

在变体中，确定一个或更多个重要性指数指标可以基于一种或更多种人工智能方法(例如，机器学习模型；例如应用人工智能方法的重要性指数模型等)，例如用以计算样品的来自具有某个感兴趣的微生物相关状况的或健康的用户的概率。基于一种或更多种人工智能方法确定一个或更多个重要性指数指标可以包括以下任何一项或更多项：变换(例如，中心对数比变换、等距对数比变换；过滤，例如相对于特征选择，用于选择对分类和/或改进输出精度有最大贡献的特征；应用任何适合的机器学习算法(例如，用于训练和/或处理本文描述的机器学习模型的类型等)；模型选择(例如，用于例如基于精度比较在不同的机器学习模型类型之间选择等)；应用机器学习模型，例如以分类一种或更多种组件(例如，样品)，例如用于将样品(和/或用户等)作为健康的或存在一种或更多种微生物相关状况进行的分类；和/或其他适合的过程。在具体的实施例中，所述方法100可以包括对一个或更多个样品中存在的微生物的丰度进行一种或更多种中心对数比变换和/或等距对数比变换；过滤数据集，例如以仅选择对应于对将样品分类为健康的或存在微生物相关状况具有最大贡献的分类群的特征；进行一组不同的人工智能方法(例如，随机森林分类器(random forestclassifiers)、支持向量机(support vector machines)、逻辑回归、K-均值、最近邻(closest neighbors)等)和/或其他适合的分析技术，用于训练机器学习模型来将来自用户的样品(例如，新样品)分类为健康的或存在微生物相关状况；以及应用所述一个或更多个选定的机器学习模型，例如使用用户特征(例如，从基于用户样品生成的微生物序列数据集中得到的等)作为输入，用于基于所述机器学习模型的概率输出将一个或更多个样品分类为健康的或存在微生物相关状况。在具体的实施例中，所述机器学习模型可以输出属于任一组(例如，健康的或微生物相关状况)的概率，其中所述重要性指数指标可以基于以下确定：

重要性指数＝(处于“微生物相关状况”组中的概率)×100其中所述确定的重要性指数指标可以不仅用作对一个或另一个组(例如，健康组或微生物相关状况组等)的接近性(closeness)的分值；还额外地或替代地用作属于一个类别或另一个类别的概率；并且其中所述重要性指数指标可以用于将微生物样品分类为来自健康用户或来自具有一种或更多种微生物相关状况的用户(例如，进行或促成一个或更多个诊断等)。

在具体的实施例中，确定所述重要性指数指标包括：基于用户微生物组组成特征(例如，与一种或更多种微生物相关状况相关联的分类群集合的用户丰度等)以及从(例如，与一种或更多种微生物相关状况相关联的分类群集合的等)所述关联集合和所述参考丰度范围集合得出的机器学习模型，针对所述至少一种微生物相关状况确定与用户的健康状态相关联的微生物相关状况分类。在具体的实施例中，确定所述重要性指数指标包括，基于所述用户微生物组组成特征(例如，与一种或更多种微生物相关状况相关联的分类群集合的用户丰度等)以及从所述关联集合和所述参考微生物组组成特征集合(例如，与一种或更多种微生物相关状况相关联的所述分类群集合的参考丰度范围等)得出的机器学习模型，针对所述至少一种微生物相关状况确定与所述用户的健康状态相关联的微生物相关状况分类。

人工智能方法可以用于确定任何适合数量和类型的分类、概率和/或其他适合的输出，例如用于确定任何适合类型的重要性指数指标(例如，本文描述的等)。例如，机器学习模型可以用任何数量的一种或更多种微生物相关状况的标签(例如，健康标签和不同严重度的状况的标签；不同状况的不同标签，其中模型的输出可以包括存在每一种不同微生物相关状况的概率；等)进行训练。

可以基于以下一种或更多种：微生物相关状况(例如，根据正在表征的所述一种或更多种微生物相关状况使用不同的重要性指数模型，例如其中不同的重要性指数模型相对于不同的微生物相关状况和/或状况组合具有不同水平的处理数据的适应性等)、分类群(例如，根据确定重要性指数指标所涉及的分类群类型使用不同的重要性指数模型，例如与相关的一种或更多种微生物相关状况关联的分类群类型；等)、用户(例如，基于不同的用户数据和/或特征、人口统计学特征、遗传学、环境因素的不同的重要性指数模型等)、微生物相关表征(例如，对于不同类型的表征的不同重要性指数模型，例如疗法相关表征与诊断相关表征，例如用于鉴定分类与确定微生物相关状况的倾向性分值；等)、疗法(例如，用于确定和/或监测不同疗法的效力的不同重要性指数模型等)、身体部位(例如，不同的重要性指数模型，其用于处理对应于来自不同样品采集部位的生物样品的微生物数据集；等)、补充数据(例如，用于预测不同类型的用户数据的不同模型等)和/或任何其他适合的组件，应用(例如，执行、选择、检索、保存、训练、生成；如图14-15所示等)不同的重要性指数模型(例如，重要性指数模型的不同组合；应用不同分析技术的不同模型；不同的输入和/或输出类型；以诸如相对于时间和/或频率的不同方式应用的；例如相对于本文描述的变体的不同的重要性指数方法等)。然而，重要性指数模型(例如，如图10所示)可以以任何适合的方式定制(tailor)和/或使用，以促成重要性指数指标确定。

额外地或替代地，确定一个或更多个重要性指数指标S130和/或所述方法100的实施方式的任何适合的部分可以采用2018年7月27日提交的16/047,840号美国申请中描述的分析技术的任何适合的组合(例如，以任何适合的方式)，该申请通过引用以其整体合并在本文中。然而，确定重要性指数指标S130可以以任何适合的方式进行。

2.4促成诊断

所述方法100的实施方式可以额外地或替代地包括基于一个或更多个重要性指数指标(和/或相关数据)促成对一种或更多种微生物相关状况的诊断S140，其可以起到使用重要性指数指标和/或相关数据来诊断和/或辅助诊断一种或更多种微生物相关状况的作用。在实施例中，计算的倾向性分值、分类(例如，使用机器学习模型)、指定的标签的集合、和/或其他适合的重要性指数指标和/或相关数据可以用于诊断。在实施例中，所述方法100可以包括基于所述重要性指数指标针对所述至少一种微生物相关状况促成对所述用户的诊断。

促成诊断可以包括以额外的或替代的方式使用重要性指数指标，以使用其他适合的诊断数据(例如，用户提供的补充数据等)和/或诊断程序(例如，计算机断层扫描(CT扫描)、超声、活检、癌症筛查、尿检、诊断成像、与微生物相关状况相关联的其他适合的诊断程序、调查相关信息、和/或任何其他适合的测试等)。在具体的实施例中，促成诊断可以包括建议用户经历一种或更多种诊断程序和/或请求额外的诊断相关数据，例如基于一种或更多种条件(例如，指示存在一种或更多种微生物相关状况的可能性的条件等)。在具体的实施例中，诊断、建议额外的诊断程序、和/或请求额外的诊断相关数据可以响应于：满足阈值条件的计算的倾向性分值；满足阈值条件的对分类群指定的标签(例如，“标志”)的数量；或满足阈值条件的概率输出(例如，相应于分类)。额外地或替代地，阈值条件和/或其他适合类型的条件可以对所述方法100的实施方式的任何适合的部分以任何适合的方式使用。然而，使用重要性指数指标与一种或更多种其他过程可以以任何适合的方式进行。

促成诊断S140、促成治疗干预S150、和/或所述方法100的实施方式的其他适合的部分可以基于(例如，可以用作模型的输入、可以用作计算的输入等)一个或更多个特征(例如，本文描述的；相对于S120确定的；用户特征；参考特征；补充特征等)和/或任何其他适合的数据。

促成诊断可以包括以下任何一种或更多种：提供诊断；提供诊断建议(例如，寻求护理提供者进行诊断程序等)；将重要性指数指标和/或其他相关数据传送给一个或更多个实体(例如，护理提供者，由护理提供者在进行诊断时使用等)；向用户提供报告(例如，在用户设备上等)；和/或任何其他适合的诊断相关过程。

促成诊断可以包括促成对用户的微生物相关状况检测，其可以推动随后疗法的提出，例如用于用户微生物组的调整来改进与一种或更多种微生物相关状况相关联的用户健康状态(例如，将用户微生物组向与一种或更多种微生物相关状况相关联的分类群的健康丰度范围调整等)。额外地或替代地，诊断过程可以包括以下任何一种或更多种：病史分析、成像检查、细胞培养物测试、抗体测试、皮刺测试、贴片测试、验血、攻击测试、进行所述方法100的实施方式的部分、和/或用于促成对微生物相关状况的检测(例如，观察、预测等)的其他适合的程序。额外地或替代地，诊断设备相关的信息和/或其他适合的诊断信息可以相对于促成诊断和/或治疗干预进行处理，和/或相对于所述方法100的实施方式的任何适合的部分进行采集、使用、和/或以其他方式处理。

2.5促成治疗干预

所述方法100的实施方式可以额外地或替代地包括促成对所述一种或更多种微生物相关状况的治疗干预(例如，基于所述一个或更多个重要性指数指标和/或相关数据等)S150，其可以起到使用重要性指数指标和/或相关数据来促成治疗干预(例如，提出疗法、提供疗法等)的作用，例如用于相对于一种或更多种微生物相关状况改进用户的健康状态。在实施例中，所述方法100可以包括基于所述重要性指数指标针对所述至少一种微生物相关状况促成对所述用户的治疗干预。

促成治疗干预可以包括鉴定、选择、排列、优先考虑、预测、阻止和/或以其他方式促成治疗干预。例如，促成治疗干预可以包括确定一种或更多种基于益生菌的疗法、基于噬菌体的疗法、基于小分子的疗法、和/或其他适合的疗法，例如可以使受试者的微生物组组成、功能、多样性和/或其他特征(例如，在任何适合部位的微生物组等)朝向期望的状态(例如，平衡状态等)，例如朝向健康微生物组组成(例如，健康参考丰度范围内的丰度等)转变的疗法，例如在推进用户的健康中，例如用于修改一种或更多种微生物相关状况的状态、和/或用于其他适合的目的。

疗法(例如，微生物相关疗法等)可以包括以下任何一种或更多种：消耗品(例如，益生菌疗法、益生元疗法、药物如抗生素、过敏或感冒药物、基于噬菌体的疗法、用于基础状况(underlying condition)的消耗品、小分子疗法等)；设备相关的疗法(例如，监测设备；基于传感器的设备；医疗设备；可植入的医疗设备等)；外科手术；心理学相关疗法(例如，认知行为疗法、焦虑疗法、谈话疗法、心理动力疗法、行动导向疗法、理性情绪行为疗法、人际心理疗法、放松训练、深呼吸技术、进行性肌肉放松、冥想等)；行为修正疗法(例如，身体活动建议如增加运动；饮食建议，如减少糖摄入量、增加蔬菜摄入量、增加鱼类摄入量、减少咖啡因消耗、减少酒精消耗、减少碳水化合物摄入量；吸烟建议，如减少烟草摄入量；有关体重的建议；睡眠习惯建议等)；局部给药疗法(例如，局部益生菌、益生元和/或抗生素；基于噬菌体的疗法)；环境因素修正疗法；与一种或更多种微生物相关状况相关联的任何其他适合方面的修正；和/或任何其他适合的疗法(例如，用于改进与一种或更多种微生物相关状况相关联的健康状态，例如用于改进一种或更多种微生物相关状况的疗法、用于降低一种或更多种微生物相关状况的风险的疗法等)。在实施例中，疗法的类型可以包括以下任何一种或更多种：益生菌疗法、基于噬菌体的疗法、基于小分子的疗法、认知/行为疗法、身体康复疗法、临床疗法、基于药物的疗法、基于饮食的疗法、和/或被设计以在推进用户健康方面以任何其他适合的方式起作用的任何其他适合的疗法。

在变体中，疗法可以包括与一个或更多个身体部位相关联的部位特异性疗法，例如用于促成在用户的一个或更多个不同身体部位(例如，一个或更多个不同采集部位等)处的微生物组组成和/或功能的修正，例如靶向和/或变换与鼻部位、肠部位、皮肤部位、口腔部位和/或生殖器部位中的一个或更多个相关联的微生物；例如通过相对于被配置成特异性靶向一个或更多个用户身体部位、例如一个或更多个所述用户身体部位处的微生物组的一种或更多种疗法促成治疗干预；例如用于促成对一种或更多种微生物相关状况的改进(例如，通过朝向目标微生物组组成和/或功能、例如特定身体部位处的并且与健康微生物组状态相关联的和/或缺乏一种或更多种微生物相关状况的微生物组组成和/或功能修正特定用户身体部位处的用户微生物组组成和/或功能等)。相对于部位特异性疗法促成治疗干预可以基于部位特异性的重要性指数指标(例如，促成部位特异性疗法以将特定部位处的微生物组组成向健康微生物组组成调整，所述健康微生物组组成包括在确定相应的部位特异性的重要性指数指标中使用的分类群，例如与所述部位的相关微生物相关状况相关联的分类群；等)。部位特异性疗法可以包括消耗品(例如，靶向身体部位微生物组和/或与任何适合的身体部位相关联的微生物组；等)；局部疗法(例如，用于改变皮肤微生物组、鼻微生物组、口腔微生物组、生殖器微生物组等)；和/或任何其他适合类型的疗法中的任何一种或更多种。在实施例中，所述方法100可以包括：从用户采集与第一身体部位(例如，包括鼻部位、肠部位、皮肤部位、生殖器部位、口腔部位中的至少一种等)相关联的样品；确定与所述第一身体部位相关联的部位特异性组成特征；基于所述部位特异性组成特征(例如，和部位特异性参考特征等)针对所述微生物相关状况确定所述用户的重要性指数指标；以及基于所述重要性指数指标，相对于第一部位特异性疗法促成对所述用户的治疗干预(例如，向所述用户提供所述第一部位特异性疗法等)，用于促成微生物相关状况的改善，其中所述第一部位特异性疗法与所述第一身体部位相关联。在实施例中，所述方法100可以包括：在相对于所述第一部位特异性疗法促成治疗干预之后(例如，在提供所述第一部位特异性疗法之后等)从所述用户采集治疗后样品，其中所述治疗后样品与第二身体部位(例如，包括鼻部位、肠部位、皮肤部位、生殖器部位、口腔部位中的至少一项等)相关联；基于与所述第二身体部位相关联的部位特异性特征，针对所述微生物相关状况确定所述用户的治疗后重要性指数指标；以及基于所述治疗后重要性指数指标，相对于第二部位特异性疗法促成对所述用户的治疗干预(例如，向所述用户提供第二部位特异性疗法等)，用于促成所述微生物相关状况的改善，其中所述第二部位特异性疗法与所述第二身体部位相关联。然而，重要性指数指标(例如，部位特异性的或部位独立性的)可以以任何适合的时间和频率确定和/或使用(例如，治疗前、治疗后、用户微生物组的任何适合的阶段中；任何适合的时间指示符中等)。

在变体中，疗法可以包括一种或更多种基于噬菌体的疗法(例如，消耗品的形式、局部给药疗法的形式等)，其中所述受试者中存在的特异于某些细菌(或其他微生物)的一种或更多种噬菌体群体(例如，以集落形成单位表示)可以用于下调和/或以其他方式消除某些细菌的群体。因而，基于噬菌体的疗法可以用于降低所述受试者中存在的非期望的细菌群体的大小。额外地或替代地，基于噬菌体的疗法可以用于提高不被所使用的所述噬菌体靶向的细菌群体的相对丰度。然而，基于噬菌体的疗法可以用于以任何适合的方式调节微生物组的特征(例如，微生物组组成、微生物组功能等)，和/或可以用于任何适合的目的。

在变体中，疗法可以包括一种或更多种益生菌疗法和/或益生元疗法，所述疗法与本文描述的任何适合的分类群(例如，关于与一种或更多种微生物相关状况相关联的一种或更多种微生物组组成等)中的至少一种或更多种的任何组合(例如，包括在任何数量和/或浓度，例如任何适合的相对数量和/或浓度下的…中的一种或更多种的任何组合；等)、和/或与任何适合的分类群组相关联的任何其他适合的微生物(例如，来自本文描述的分类群的微生物，例如相对于微生物组特征；与本文描述的功能特征相关联的分类群等)相关联。对于一种或更多种益生菌疗法和/或其他适合的疗法，与给定的分类群组和/或任何适合的微生物组合相关联的微生物可以以十万到100亿个CFU的剂量和/或以任何适合的数量提供(例如，如从疗法模型中确定的，所述疗法模型预测患者的微生物组响应于所述疗法的正调节；不同数量的不同分类群；相同或类似数量的不同分类群等)。在实施例中，可以根据为他的/她的以下一项或更多项定制的方案：生理机能(例如，身体质量指数、体重、身高)、人口统计学特征(例如，性别、年龄)、生态失调的严重度、对药物的敏感性以及任何其他适合的因子，指导受试者摄食包括益生菌制剂的胶囊剂。在实施例中，益生菌疗法和/或益生元疗法可以用于调节用户微生物组(例如，相对于组成、功能等)用于促成一种或更多种微生物相关状况的改善。在实施例中，促成治疗干预可以包括向用户提出(例如，建议、告知用户关于…、提供、施用、促成…的获取等)一种或更多种益生菌疗法和/或益生元疗法，例如用于促成一种或更多种微生物相关状况的改善。

在益生菌疗法的具体实施例中，如图11所示，候选疗法可以进行以下一项或更多项：通过提供物理屏障阻断病原体进入上皮细胞(例如，通过定殖抗性(colonizationresistance)的方式)、通过刺激杯状细胞诱导粘液性屏障的形成、增强受试者的上皮细胞之间顶端紧密连接的完整性(例如，通过刺激闭合小环1(zona-occludens1)的上调、通过阻止紧密连接蛋白(tight junction protein)再分布)、产生抗微生物因子、刺激抗炎性细胞因子的产生(例如，通过树突细胞的信号传导和调节性T细胞的诱导)、触发免疫反应、以及进行将受试者的微生物组从生态失调状态中调整出去的任何其他适合的功能。然而，益生菌疗法和/或益生元疗法可以以任何适合的方式配置。

在另一个具体的实施例中，疗法可以包括基于医疗设备的疗法(例如，与人类行为修正相关联的、与疾病相关状况的治疗相关联的等)。

额外地或替代地，促成治疗干预可以基于“正常的”或基线微生物组组成和/或功能特征的鉴定，如从被鉴定为健康良好的受试者群体中的受试者所评估的。根据对被表征为健康良好的受试者群体中的受试者子集的鉴定(例如，使用表征过程的特征)，可以确定和/或提出将微生物组组成和/或功能特征朝向健康良好的受试者的微生物组组成和/或功能特征调整的疗法(例如，使用重要性指数指标等)。疗法可以额外地或替代地包括可使处于生态失调状态的受试者的微生物组朝向所鉴定的基线微生物组组成和/或功能特征之一转变的疗法。

与益生菌疗法和/或益生元疗法相关联的微生物组成(例如，与益生菌疗法相关联的、例如基于一个或更多个重要性指数指标确定的等)可以包括可培养的微生物(例如，能够扩大以提供可扩展的疗法)和/或非致死的微生物(例如，在它们期望的治疗剂量下是非致死的)。此外，微生物组成可以包括单个类型的微生物，其对受试者的微生物组具有急性影响或中度影响。额外地或替代地，微生物组成可以包括被配置成在朝向期望的状态驱动受试者的微生物组中相互协作的多种类型微生物的平衡组合。例如，益生菌疗法中多种类型细菌的组合可以包括第一细菌类型，其产生被第二细菌类型使用的产物，所述第二细菌类型在积极影响受试者的微生物组方面具有强的作用。额外地或替代地，益生菌疗法中多种类型细菌的组合可以包括产生具有积极影响受试者微生物组的相同功能的蛋白质的几种细菌类型。

益生菌和/或益生元组成可以是天然地或合成地得到的。例如，在一种应用中，益生菌组成可以天然地衍生自粪便物或其他生物物质(例如，如使用所述方法100的实施方式的一个或更多个过程鉴定的、具有基线微生物组组成和/或功能特征的一个或更多个受试者的；等)。额外地或替代地，益生菌组合物可以基于基线微生物组组成和/或功能特征合成地得到(例如，使用台式(benchtop)方法得到的)。在变体中，可以用于益生菌疗法的微生物剂(microorganism agent)包括以下一种或更多种：酵母(例如，布拉氏酵母(Saccharomyces boulardii))、革兰氏阴性细菌(例如，尼斯勒大肠杆菌(E.coliNissle))、革兰氏阳性菌(例如，双歧双歧杆菌(Bifidobacteria bifidum)、婴儿双歧杆菌(Bifidobacteria infantis)、鼠李糖乳杆菌(Lactobacillus rhamnosus)、乳酸乳球菌(Lactococcus lactis)、植物乳杆菌(Lactobacillus plantarum)、嗜酸乳杆菌(Lactobacillus acidophilus)、干酪乳杆菌(Lactobacillus casei)、多发酵芽孢杆菌(Bacillus polyfermenticus)等)，以及任何其他合适类型的微生物剂。然而，益生菌疗法、益生元疗法和/或其他适合的疗法可以包括与本文描述的任何适合的分类群相关联的任何适合的微生物组合，和/或疗法可以以任何适合的方式配置。

在变体中，促成治疗干预(例如，提供疗法等)和/或所述方法100的实施方式的其他适合的部分可以包括向用户提供关于一种或更多种建议的疗法、其他形式的疗法、重要性指数指标、诊断、诊断建议、和/或任何其他适合的数据(例如，本文描述的等)的通知(例如，附图8A-8D、12和16中所示)。在具体的实施例中，促成治疗干预(例如，提供疗法等)可以包括提供疗法建议(例如，与提供重要性指数指标和/或从重要性指数指标得到的数据基本上同时地，例如在同一报告中；等)和/或其他适合的疗法相关信息(例如，疗法效力；与其他个体用户、用户子组、和/或用户群体的比较；疗法比较；历史疗法和/或相关的疗法相关信息；如用于认知行为疗法的心理学疗法指导等)。通知可以在网络界面上呈现(例如，通过与用户相关联的和鉴定用户的用户账号等)。通知可以通过电子设备的方式提供给用户(例如，个人电脑、移动设备、平板、可穿戴的、头部固定可穿戴的计算设备、腕部固定的可穿戴计算设备等)，例如执行应用、网络界面的设备和/或配置成提供通知的信息客户端。在一个实施例中，与用户相关联的个人电脑或膝上计算机的网络界面可以提供所述用户对该用户的用户账号的访问，其中所述用户账号可以与关于所述用户的微生物组的信息(例如，相对于与微生物相关状况的相关性对用户的微生物组的各方面的详细表征等)和/或关于所建议的治疗措施的通知(例如，块S140和/或S170中生成的等)相关联。在另一个实施例中，个人电子设备(例如，智能电话、智能手表、头戴式智能设备)上执行的应用可以被配置成提供通知(例如，在显示器上、触觉地、以听觉方式等)，例如关于基于重要性指数指标的治疗建议。通知和/或益生菌疗法可以额外地或替代地直接通过与用户相关联的实体提供(例如，看护人、配偶、重要他人、医疗保健专业人员等)。在变体中，通知可以额外地或替代地提供给与用户相关的实体(例如，医疗保健专业人员)，例如其中所述实体能够促成疗法的提供(例如，通过开处方的方式、通过进行治疗会话、通过使用计算设备的光学和/或声学传感器的数字远程医疗会话等)。然而，提供通知和/或以其他方式促成治疗干预可以以任何适合的方式进行。

然而，促成治疗干预S150可以以任何适合的方式进行。

3.实施例

在具体的实施例中，可以处理(例如，生成、训练、应用等)一种或更多种饮食相关状况模型(例如，用于确定饮食相关状况分类，例如无论用户是否消耗某些食品或饮料、是否遵循某种饮食等)，例如咖啡因消耗模型(例如，和/或其他适合的重要性指数模型和/或相关模型；和/或用于如本文描述的任何适合的饮食相关状况的其他适合的模型等)，例如用于基于微生物组组成特征集合(例如，用户微生物组组成特征，如与咖啡因消耗相关联的分类群的用户丰度等)和/或其他适合的特征(例如，补充特征、微生物组功能特征等)来预测饮食相关状况指标，例如咖啡因消耗指标(例如，关于所述用户是否是咖啡因消耗者的分类等)。在具体的实施例中，分类群(和/或相关的丰度)可以与一种或更多种饮食相关状况(例如，饮食概要(dietary profile)；消耗的食品的类型等)相关联，例如其中所述分类群可以额外地或替代地与一种或更多种其他微生物相关状况(例如，疾病等)相关联，例如其中确定饮食对微生物组的影响可以实现对微生物组、微生物相关状况的状态的推断和/或其他适合的洞察、和/或其他适合的微生物组和/或微生物相关状况洞察，例如对于诊断和/或治疗。在具体的实施例中，咖啡因消耗者模型可以基于描述咖啡因消耗者和非咖啡因消耗者的分类群丰度的特征进行训练和/或以其他方式进行处理。在具体的实施例中，不同的人工智能方法可以应用于训练不同的机器学习模型，例如包括支持向量机(SVM)模型(例如，如图7B-7E所示)和/或随机森林分类器模型(例如，如图7A所示)。在具体的实施例中，用于咖啡因消耗者预测(例如，用于处理咖啡因消耗者模型；等)和/或其他适合的饮食相关状况预测(例如，分类等)的微生物组组成特征(和/或其他适合的微生物组特征)可以与一个或更多个分类群相关联，所述一个或更多个分类群包括：别样杆菌属(Alistipes)；厌氧棍状菌属(Anaerotruncus)；拟杆菌属(Bacteroides)；双歧杆菌属(Bifidobacterium)；嗜胆菌属(Bilophila)；布劳特氏菌属(Blautia)；丁酸弧菌属(Butyricimonas)；梭菌属(Clostridium)；柯林斯氏菌属(Collinsella)；丹毒梭菌属(Erysipelatoclostridium)；粪杆菌属(Faecalibacterium)；黄杆菌属(Flavobacterium)；黄腐菌属(Flavonifractor)；颗粒链菌属(Granulicatella)；赫斯佩拉菌属(Hespellia)；肠道单胞菌属(Intestinimonas)；克吕沃尔菌属(Kluyvera)；毛螺菌属(Lachnospira)；玛温布莱安替亚菌属(Marvinbryantia)；臭气杆菌属(Odoribacter)；颤杆菌属(Oscillibacter)；副拟杆菌属(Parabacteroides)；考拉杆菌属(Phascolarctobacterium)；伪丁酸弧菌属(Pseudobutyrivibrio)；罗氏菌属(Roseburia)；链球菌属(Streptococcus)；罕见小球菌属(Subdoligranulum)；萨特菌属(Sutterella)；和/或泰瑞孢子菌属(Terrisporobacter)。在具体的实施例中，可以通过任何合适的方式选择微生物组组成特征的分类群，例如基于随机森林方法中的“重要性分值”。在具体的实施例中，确定所述微生物相关状况分类包括基于所述机器学习模型和与所述微生物分类群集合相关联的用户微生物组组成特征确定用户的咖啡因消耗分类，其中所述微生物分类群集合包括以下至少一种：别样杆菌属；厌氧棍状菌属；拟杆菌属；双歧杆菌属；嗜胆菌属；布劳特氏菌属；丁酸弧菌属；梭菌属；柯林斯氏菌属；丹毒梭菌属；粪杆菌属；黄杆菌属；黄腐菌属；颗粒链菌属；赫斯佩拉菌属；肠道单胞菌属；克吕沃尔菌属；毛螺菌属；玛温布莱安替亚菌属；臭气杆菌属；颤杆菌属；副拟杆菌属；考拉杆菌属；伪丁酸弧菌属；罗氏菌属；链球菌属；罕见小球菌属；萨特菌属；和泰瑞孢子菌属。在具体的实施例中，确定所述微生物相关状况分类包括基于所述机器学习模型和与所述微生物分类群集合相关联的用户微生物组组成特征针对用户确定与饮食相关状况相关联的饮食相关状况分类。在具体的实施例中，所述饮食相关状况可以包括咖啡因消耗、酒精消耗、人工甜味剂消耗和糖类消耗中的至少一种；其中确定所述微生物相关状况分类包括确定咖啡因消耗分类、酒精消耗分类、人工甜味剂消耗分类和糖类消耗分类中的至少一种。

在具体的实施例中，可以针对一种或更多种HPV状况和/或任何适合的女性健康相关状况(例如，本文描述的；如图8A-8D中显示的)确定一个或更多个重要性指数指标，例如用于表征用户的阴道微生物组组成如何类似于或背离于不具有一种或更多种女性健康相关状况的健康个体的阴道微生物组组成。

微生物组分析可以实现精确的和/或有效的微生物相关表征(例如，用户微生物组的、用户样品的、用户的等)和/或针对由微生物引起、与微生物相关和/或以其他方式与微生物相关联的微生物相关状况的疗法提供(例如，根据所述方法100的实施方式的部分等)，例如通过重要性指数指标的确定和/或使用。该技术的具体实施例可以克服常规方法所面临的几种挑战。首先，常规方法可能需要患者访问一个或更多个护理提供者来接受表征和/或疗法建议，例如对于微生物相关状况的表征和/或疗法建议，这可能导致与诊断和/或治疗之前经过的时间量、医疗保健质量不一致和/或护理提供者访问的其他方面相关联的低效率和/或健康风险。第二，当应用于微生物组时，用于人类基因组测序的常规遗传测序和分析技术可能是不相容的和/或是低效的(例如，其中人类微生物组可能包括超过人类细胞10倍的微生物细胞；其中可行的分析技术和运用该分析技术的手段可能不同；其中最佳的样品处理技术可能不同，例如用于降低扩增偏差；其中可能对微生物相关表征采用不同的方法；其中状况的类型和相关性可能不同；其中相关状况的起因和/或对相关状况的可行疗法可能不同；其中序列参考数据库可能不同；其中微生物组在用户的不同身体区域如不同采集部位之间可能不同；等)。第三，测序技术(例如，下一代测序、相关技术等)的兴起产生了技术问题(例如，对于大量生成的序列数据的数据处理和分析问题；以多重化方式处理多个生物样品的问题；信息显示问题；疗法预测问题；疗法提供问题等)，但由于与测序遗传物质相关联的速度和数据生成方面的空前发展，这些问题将不存在。所述方法100和/或系统200的具体实施例可以为至少上文描述的挑战赋予以技术为根基的解决方案。

第一，该技术的具体实施例可以将实体(例如，用户、生物样品、包括医药设备的疗法促成系统等)变换成不同的状态或事物。例如，所述技术可以将生物样品转变为能够被测序和分析的成分，以生成重要性指数指标，所述重要性指数指标例如可用于相对一种或更多种微生物相关状况表征用户(例如，通过使用下一代测序系统、多重扩增操作等)。在另一个实施例中，所述技术可以鉴定、阻止和/或促进(例如，呈现、建议、提供、施用等)疗法(例如，基于微生物相关表征的个体化疗法)和/或以其他方式促成治疗干预(例如，促成对用户的微生物组组成、微生物组功能的修正等)，例如基于重要性指数指标，其可以防止和/或改善一种或更多种微生物相关状况，例如由此转变患者的微生物组和/或健康(例如，改进与微生物相关状况相关联的健康状态等)，例如基于应用一个或更多个微生物组特征(例如，应用微生物组特征与一种或更多种微生物相关状况之间的相关性、关系和/或其他适合的关联等)。在另一个实施例中，所述技术可以转变用户的一个或更多个不同身体部位处的微生物组组成和/或功能(例如，一个或更多个不同采集部位等)，例如靶向和/或转变与鼻、肠、皮肤、口腔、生殖器和/或与微生物组相关联的其他部位(例如，通过促成关于一个或更多个部位特异性疗法的治疗干预等)。在另一个实施例中，所述技术可以控制疗法促成系统(例如，饮食系统；自动化药物分配器；行为修正系统；诊断系统；疾病疗法促成系统等)来提出疗法(例如，通过生成用于所述疗法促成系统以执行的控制指令等)，从而转变所述疗法促成系统。

第二，所述技术的具体实施例可以赋予计算机相关技术的改进(例如，改进在保存、检索和/或处理微生物相关状况的微生物相关数据、如关联和/或特征方面的计算效率；与生物样品处理相关联的计算处理等)，例如通过促成早先不可进行的功能的计算机性能。例如，所述技术可以以非通用的方式将一组分析技术应用于非通用的微生物数据集和/或微生物组特征(例如，由于样品处理技术和/或测序技术的发展近来能够生成和/或可行的那些等)，用于确定重要性指数指标，例如用于改进微生物相关表征(例如，诊断等)和/或促成对微生物相关状况的治疗干预。

第三，所述技术的具体实施例可以赋予处理速度、微生物相关表征、精度、微生物组相关疗法确定和促成、以及其他适合的方面的改进，例如关于微生物相关状况的改进。例如，所述技术可以运用非通用微生物数据集来确定、选择和/或以其他方式处理具有对一种或更多种类型微生物相关状况的特定相关性的微生物组特征(例如，所处理的与微生物相关状况相关的微生物组特征；与多种微生物相关状况相关的交叉条件微生物组特征等)，其可以促成改进精度(例如，通过使用最相关的微生物组特征；通过运用定制的分析技术等)、处理速度(例如，通过选择相关微生物组特征的子集；通过进行降维技术；通过运用定制的分析技术等)和/或其他计算改进(例如，关于表型预测，例如微生物相关状况的指示等)、其他适合的表征、治疗干预促成和/或其他适合的目的。在具体的实施例中，所述技术可以应用特征-选择规则(例如，针对组成、功能的微生物组特征选择规则；针对提取自补充数据集的补充特征等)来从巨大的潜在特征池(pool)(例如，从大量微生物组数据如序列数据中可提取的；通过单变量统计检验可鉴定的；等)中选出优化的特征子集(例如，与一种或更多种微生物相关状况相关的微生物组功能特征；微生物组组成多样性特征，如指示与微生物相关状况相关联的分类群组的健康、存在、不存在和/或其他适合的范围的参考相对丰度特征；可与和微生物相关状况和/或疗法反应相关的参考相对丰度特征比较的用户相对丰度特征等)，用于生成、应用和/或以其他方式促成表征和/或疗法(例如，通过模型等)。微生物组(例如，人类微生物组、动物微生物组等)的潜在大小可以变换成大量数据，从而产生了如何处理和分析巨大数据阵列以生成相对于微生物相关表征的可起作用的微生物组洞察的问题。然而，特征选择规则和/或其他适合的计算机可实施的规则可以实现以下一种或更多种：更短的生成和执行时间(例如，用于生成和/或应用模型；用于确定微生物相关表征和/或相关疗法等)；优化的样品处理技术(例如，例如在优化以改进特异性、降低扩增偏差和/或其他适合参数的情况下，通过使用由对分类群组、序列、和/或与微生物相关状况相关联的其他适合数据的计算分析所鉴定的引物类型、其他生物分子和/或其他样品处理成分，改进来自生物样品的微生物核酸的转变；等)；促成对结果的有效解释的模型简化；减少过度拟合；相对于微生物相关状况，与随着时间生成、保存和应用多个用户的微生物相关表征相关联的网络影响(例如，通过采集和处理与数量递增的用户相关联的数量递增的微生物组相关数据，以改进微生物相关表征和/或疗法确定的预测能力；等)；改进数据保存和检索(例如，保存和/或检索重要性指数模型；保存如与不同用户和/或用户集合相关联的、与不同的微生物相关状况相关联的特异性模型；保存与用户账号相关联的微生物数据集；保存与一种或更多种疗法和/或接受所述疗法的用户相关联的疗法监测数据，如关于重要性指数指标；保存与用户、用户集合和/或其他实体相关联的特征、微生物相关表征和/或其他适合的数据，以改进对所述微生物相关状况的个体化表征和/或治疗的交付(delivery)等)和/或对技术领域的其他适合的改进。

第四，所述技术的具体实施例可以相当于在包括样品处理系统、微生物相关表征系统和多个用户的组件之间进行了创造性的功能分配，其中所述样品处理系统可以实质上并行地处理来自多个用户的生物样品(例如，以多重方式)，其可以被所述微生物相关表征系统运用来生成对于微生物相关状况的个体化表征和/或疗法(例如，如相对于用户的饮食行为、益生菌相关行为、病史、人口统计学特征、其他行为、偏好为用户的微生物组定制的等)。

第五，所述技术的具体实施例可以改进至少基因组学、微生物学、微生物组相关计算、诊断、治疗学、微生物组相关数字医疗、一般数字医疗、建模和/或其他相关领域的技术领域。在实施例中，所述技术可以建模和/或表征不同的微生物相关状况，例如通过对微生物相关状况的相关微生物特征(例如，其可以作为在诊断、促成治疗干预中使用的生物标志物等)的计算鉴定。在另一个实施例中，所述技术可以进行交叉条件分析以鉴定和评估与多种微生物相关状况(例如，疾病、表型等)相关联的(例如，都共有的、都相关的等)交叉条件微生物组特征。微生物组特征的这种鉴定和表征可以通过降低共病(comorbid)和/或多病(multi-morbid)的微生物相关状况的风险和/或发病率(例如，其可能与环境因素相关联，从而与微生物组相关联等)，促成改进的健康护理实践(例如，在群体和个体水平上，例如通过促成诊断和治疗干预等)。在具体的实施例中，所述技术可以应用非常规过程(例如，样品处理过程；计算分析过程等)，例如来赋予技术领域中的改进。

第六，所述技术可以在进行与所述方法100和/或系统200的实施方式相关联的适合的部分中运用专业的计算设备(例如，与样品处理系统如下一代测序系统相关联的设备；微生物相关表征系统；疗法促成系统等)。

然而，所述技术的具体实施例可以在利用非一般组件和/或所述系统200的实施方式的适合组件的情境下提供任何适合的改进，用于微生物相关表征、微生物组调整和/或用于进行所述方法100的实施方式的适合部分。

4.其他

然而，所述方法100的实施方式可以包括被配置成促成从受试者接受生物样品、处理来自受试者的生物样品、分析从生物样品得到的数据、以及根据受试者的具体微生物组组成和/或功能特征生成可以用于提供定制化的诊断和/或基于益生菌的疗法的模型的任何其他适合的块或步骤。

所述方法100和/或系统200的实施方式可以包括各种系统组件和各种方法过程的每一种组合和排列，包括任何变体(例如，实施方式、变体、实施例、具体实施例、附图等)，其中所述方法100和/或本文描述的过程的实施方式的部分可以异步地(例如，顺序地)、同时地(例如，并行地)、或以任何其他适合的顺序，通过和/或利用所述系统200和/或本文描述的其他实体的一个或更多个实例、元件、部件和/或其他方面来进行。

任何本文描述的变体(例如，实施方式、变体、实施例、具体实施例、附图等)和/或本文描述的变体的任何部分可以额外地或替代地组合、聚合、排除、使用、连续进行、并行进行、和/或以其他方式应用。

所述方法100和/或系统200的实施方式的部分可以至少部分地作为机器来具体化和/或实施，所述机器被配置成接受保存计算机可读指令的计算机可读介质。所述指令可以由可与所述系统整合的计算机可执行组件执行。所述计算机可读介质可以在任何适合的计算机可读介质上保存，例如RAM、ROM、闪速存储器、电可擦除只读存储器(EEPROM)、光学设备(CD或DVD)、硬盘、软盘驱动器、或任何适合的设备。所述计算机可执行部件可以是一般的或应用特异性的处理器，但是任何适合的专用硬件或硬体/固件组合设备可以替代地或额外地执行所述指令。

如本领域的技术人员将从先前的详细说明以及从附图和权利要求中认识到的，可以在不背离权利要求中限定的范围的情况下，对所述方法100、系统200和/或变体进行修改和改变。

表1

表2

Claims (24)

1.一种表征至少一种微生物相关状况的方法，所述方法包括：

确定微生物分类群集合与所述至少一种微生物相关状况之间的关联集合，其中所述关联集合包含正关联、负关联和非关联中的至少一种；

确定所述微生物分类群集合的参考丰度范围集合，其中所述参考丰度范围与所述至少一种微生物相关状况相关联；和

基于所述关联集合和所述微生物分类群集合的所述参考丰度范围，确定重要性指数指标，所述重要性指数指标与所述微生物分类群集合和所述至少一种微生物相关状况之间的所述关联集合的表征相关联。

2.根据权利要求1所述的方法，其中确定所述重要性指数指标包括：

基于所述微生物分类群集合的所述参考丰度范围集合，确定所述微生物分类群集合与所述至少一种微生物相关状况之间的所述关联集合的影响大小指标；和

基于所述影响大小指标，确定所述重要性指数指标。

3.根据权利要求2所述的方法，

其中确定所述影响大小指标包括基于元分析，确定所述微生物分类群集合与所述至少一种微生物相关状况之间的所述关联集合的相关系数集合，并且

其中基于所述影响大小指标确定所述重要性指数指标包括基于所述相关系数集合确定所述重要性指数指标。

4.根据权利要求2所述的方法，

其中确定所述影响大小指标包括

确定所述微生物分类群集合与所述至少一种微生物相关状况之间的所述关联集合的z-分值集合；和

基于所述微生物分类群集合的所述参考丰度范围、以及所述微生物分类群集合与所述至少一种微生物相关状况之间的所述正关联和所述负关联中的至少一种，来修改所述z-分值集合；并且

其中基于所述影响大小指标确定所述重要性指数指标包括基于修改的所述z-分值集合确定所述重要性指数指标。

5.根据权利要求2所述的方法，

其中确定所述影响大小指标包括基于所述参考丰度范围以及从所述微生物分类群集合的丰度的随机集合得出的校准曲线进行内插过程，并且

其中基于所述影响大小指标确定所述重要性指数指标包括基于所述内插过程确定所述重要性指数指标。

6.根据权利要求2所述的方法，其中确定所述重要性指数指标包括基于所述影响大小指标和所述微生物分类群集合的用户丰度，确定描述用户微生物组与所述至少一种微生物相关状况之间的关联的用户的倾向性分值。

7.根据权利要求6所述的方法，其中确定所述重要性指数指标包括基于所述微生物分类群集合的经验丰度范围集合将所述倾向性分值归一化。

8.根据权利要求1所述的方法，其中确定所述重要性指数指标包括：

确定用户样品的标签集合，其中确定所述标签集合包括，基于相对于所述分类群的参考丰度范围的、所述分类群的用户丰度的丰度满足条件，以及基于所述分类群与所述至少一种微生物相关状况之间的、所述关联集合中的关联的、关联满足类型条件，来确定所述微生物分类群集合的分类群的、所述标签集合的标签，以及

基于所述标签集合来确定与所述用户样品相关联的用户的所述重要性指数指标。

9.根据权利要求1所述的方法，其中确定所述重要性指数指标包括基于用户微生物组组成特征和从所述关联集合和所述参考丰度范围集合得到的机器学习模型，针对所述至少一种微生物相关状况确定与用户的健康状态相关联的微生物相关状况分类。

10.根据权利要求1所述的方法，还包括基于所述重要性指数指标和包含与所述微生物分类群集合相关联的微生物的用户样品，针对所述至少一种微生物相关状况促成对所述用户的诊断。

11.根据权利要求1所述的方法，还包括基于所述重要性指数指标和包含与所述微生物分类群集合相关联的微生物的用户样品，针对所述至少一种微生物相关状况促成对所述用户的治疗干预。

12.一种用于相对于用户表征至少一种微生物相关状况的方法，所述方法包括：

从用户采集样品，其中所述样品包含与所述至少一种微生物相关状况相关联的微生物；

基于所述样品确定与所述微生物相关联的用户微生物组组成特征；和

基于所述用户微生物组组成特征、与微生物分类群集合相关联的参考微生物组组成特征、以及所述微生物分类群集合与所述至少一种微生物相关状况之间的关联集合，为所述用户确定重要性指数指标，所述重要性指数指标表征用户微生物组与所述至少一种微生物相关状况之间的关联。

13.根据权利要求12所述的方法，其中为所述用户确定所述重要性指数指标包括基于所述用户微生物组组成特征、以及所述微生物分类群集合与所述至少一种微生物相关状况之间的所述关联集合的相关系数集合，确定所述重要性指数指标。

14.根据权利要求12所述的方法，其中为所述用户确定所述重要性指数指标包括基于所述用户微生物组组成特征和修改的z-分值集合来确定所述重要性指数指标，所述修改的z-分值集合基于所述参考微生物组组成特征、和所述微生物分类群集合与所述至少一种微生物相关状况之间的所述关联集合的z-分值集合来确定。

15.根据权利要求12所述的方法，其中为所述用户确定所述重要性指数指标包括基于所述用户微生物组组成特征、以及使用所述参考微生物组组成特征和校准曲线的内插过程来确定所述重要性指数指标，所述校准曲线从所述微生物分类群集合的丰度的随机集合得出。

16.根据权利要求12所述的方法，其中所述用户微生物组组成特征包含所述微生物分类群集合的用户丰度，其中所述参考微生物组组成特征包括所述微生物分类群集合的参考丰度范围，并且其中确定所述重要性指数指标包括基于所述用户丰度和影响大小指标来确定所述用户的倾向性分值，所述倾向性分值表征所述用户微生物组与所述至少一种微生物相关状况之间的所述关联，所述影响大小指标基于所述参考丰度范围、和所述微生物分类群集合与所述至少一种微生物相关状况之间的所述关联集合来确定。

17.根据权利要求16所述的方法，其中确定所述倾向性分值包括基于所述用户丰度、所述影响大小指标以及所述影响大小的重要性指标来确定所述倾向性分值。

18.根据权利要求16所述的方法，其中确定所述重要性指数指标包括基于所述微生物分类群集合的经验丰度范围集合将所述倾向性分值归一化。

19.根据权利要求12所述的方法，其中确定所述重要性指数指标包括：

确定所述样品的标签集合，其中确定所述标签集合包括，基于相对于所述分类群的参考丰度范围的、所述分类群的用户丰度的丰度满足条件，以及基于所述分类群与所述至少一种微生物相关状况之间的、所述关联集合中的关联的、关联满足类型条件，来确定所述微生物分类群集合的分类群的、所述标签集合的标签，以及

基于所述标签集合确定所述用户的所述重要性指数指标。

20.根据权利要求12所述的方法，其中确定所述重要性指数指标包括基于所述用户微生物组组成特征、以及从所述关联集合和所述参考微生物组组成特征集合得到的机器学习模型，针对所述至少一种微生物相关状况确定与所述用户的健康状态相关联的微生物相关状况分类。

21.权利要求20所述的方法，其中确定所述微生物相关状况分类包括基于所述机器学习模型和与所述微生物分类群集合相关联的所述用户微生物组组成特征，确定与饮食相关状况相关联的饮食相关状况分类。

22.根据权利要求21所述的方法，

其中所述饮食相关状况包括咖啡因消耗、酒精消耗、人工甜味剂消耗和糖类消耗中的至少一种；

其中确定所述微生物相关状况分类包括基于所述机器学习模型和与所述微生物分类群集合相关联的所述用户微生物组组成特征，为所述用户确定咖啡因消耗分类、酒精消耗分类、人工甜味剂消耗分类和糖类消耗分类中的至少一种，

其中所述微生物分类群集合包括以下至少一种：别样杆菌属；厌氧棍状菌属；拟杆菌属；双歧杆菌属；嗜胆菌属；布劳特氏菌属；丁酸弧菌属；梭菌属；柯林斯氏菌属；丹毒梭菌属；粪杆菌属；黄杆菌属；黄腐菌属；颗粒链菌属；赫斯佩拉菌属；肠道单胞菌属；克吕沃尔菌属；毛螺菌属；玛温布莱安替亚菌属；臭气杆菌属；颤杆菌属；副拟杆菌属；考拉杆菌属；伪丁酸弧菌属；罗氏菌属；链球菌属；罕见小球菌属；萨特菌属；和泰瑞孢子菌属。

23.根据权利要求12所述的方法，还包括基于所述重要性指数指标，针对所述至少一种微生物相关状况促成对所述用户的诊断。

24.根据权利要求12所述的方法，还包括基于所述重要性指数指标，针对所述至少一种微生物相关状况促成对所述用户的治疗干预。

Images