JP2016518822A - アセンブルされていない配列情報、確率論的方法、及び形質固有（ｔｒａｉｔ−ｓｐｅｃｉｆｉｃ）のデータベースカタログを用いた生物材料の特性解析 - Google Patents

Abstract

本発明はサンプル又は分離株内の生物材料の形質解析のためのシステム及び方法に関する。特性解析は、フラグメントリードの配列解析情報を参照ゲノムデータベース及び／又は形質固有のデータベースカタログの配列解析情報と比較する確率論的な方法を用いてもよい。形質解析は、サンプル又は分離株内に含まれる一又は複数の生物の同一性及び／又は相対濃度もしくは相対存在量について行われてもよい。この生物の同定は、相対濃度又は相対存在量を用いて種及び／又は亜種及び／又は菌株のレベルで行われてもよい。形質解析は追加的に又は代替的に、前記サンプル又は分離株内に含まれる生物材料の一又は複数の形質（すなわち、特性）に関するものであってもよい。これらの一又は複数の形質の特性解析は、形質の相対存在量を用いて行われてもよい。

Description

関連出願の相互参照
本出願は、２０１３年３月１５日に出願された米国出願第１３／８３６，１３９号に基づき、その優先権を主張するものであり、この出願の全内容は参照により本明細書に組み入れられる。

本発明はサンプル内の生物材料の特性解析のためのシステム、装置、及び方法に関し、より具体的にはサンプル内の生物材料の同一性及び／又は形質（trait）、及び／又は同定された生物材料又はその形質の相対存在量の特性解析に関する。

正確かつ明確な微生物の同定は、細菌の同定及び病原体の検出を含めて、正確な疾病診断、感染治療、及び細菌感染に関連する疾病の発生のトレースバックには不可欠である。細菌の同定は、医療診断、食品安全、飲料水、細菌科学捜査、犯罪捜査、バイオテロ、及び環境調査を含む多種の用途に用いられる。細菌の同定は効果的な疾病制御のために重要であるが、また流行病や微生物薬剤を兵器として用いる攻撃の初期警報システムとしても極めて重要である。核酸（ＮＡ）配列解析技術の進歩により、科学者は細菌の完全なゲノムの配列を迅速かつ効率的に解析することが可能になった。細菌のゲノム全体のＮＡ配列を入手することによって、微生物を分子レベルで分析及び理解し、細菌病原体の検出及び薬品開発のための新しい方法を設計する唯一の機会を得ることができる。慢性病の原因となる病原因子としての細菌病原体の同定は、これらの疾病に対する新しい治療及び予防戦略につながる。

アントニ・ファン・レーウェンフック（１６３２−１７２３）は、レンズの倍率を改良する技術を開発して「奇妙な小動物」を観察してこれを記述することができた。そして、彼自身はおそらく知らなかったであろうが、この「奇妙な小動物」が将来において細胞、農作物、動物、及び人体を害する能力を実証することになるのである。レーウェンフックの発見は、最初の記録された生物薬剤検出法の一部であった。但し、ルイ・パスツールとロベルト・コッホがこれらのバクテリアが疾病の原因となることを立証してはじめて、生物因子の追跡が始まったのである。

顕微鏡検査はバクテリアを同定する最初の方法であったが、顕微鏡検査に対する利点及び欠点を共に有する他の種類の生物因子検出法も開発された。それには、バイオアッセイ、抗体を利用する方法、ポリメラーゼ連鎖反応（ＰＣＲ）法、ＤＮＡマイクロアレイ、配列解析、生体内ハイブリダイゼーション、及び質量分析法が含まれる。

ａ．従来の培養

微生物を検出し同定する伝統的な方法においては、純粋な培地に生物を隔離し、その後に種々の生理的及び生物学的な特徴を検査することを必要とする。同定のために培養を用いる確立された方法では、種々の条件に曝露された培地内で成長する微生物の能力を評価する。培養による検出の一般的な方法は、以下の工程に細分化することができる。全般的な濃縮、選択的な濃縮、バイオアッセイスクリーニング、及び確認である。培養及びそれに続く培養によるバイオアッセイによって感染性因子を検出及び同定することの重要な欠点は、標的となる生物が十分な量に成長することができないことである。

培養できる微生物については、さらなる欠点は、競争者である試料内の微生物が過剰に成長して標的である微生物を遮蔽してしまうことにより同定が十分にできない場合があることである。外来の又は通常見られない病原体は特にこうした理由で同定が困難である。

最後に、臨床の診断環境における培養の最も深刻な欠点は、培養過程が数日を要することである。例えば、感染時における有効な抗生物質の選択を含む治療上の決定は、微生物が隔離された状態で培養されるまで遅れることになる。

ｂ．血清学／免疫学的検定／抗体アッセイ

臨床的な微生物学及び実験診断において現在最も広く用いられる細菌及びウイルスの検出方法は血清検査であり、単一の分離株を検出及び同定するための多くの形態及び用法がある。しかしながら、単一の最近又はウイルスを検出するための米国連邦食品医薬品局承認済みのキットが市販されるようになったのはごく最近のことである。１９９９年には、公開済みの文献の再検討によれば、市販されている抗原ベースの検出法はわずかしかなかった。その後１０年をやや超える期間の後、免疫検査は単一の分離株の検出及び同定のための検出方法として普及した。商業的に利用できなかった理由は、以前は定型的な用途において信頼性があり効果的なアッセイを作成するという難題のためであった。

問題の１つは、免疫反応性の抗体生産のための伝統的な戦略は、バクテリア全体の使用又は経験的に選択されたタンパク質の同定及び検査に依存していたという事実である。これらの障害を克服するために、モノクローナル抗体及び、抗原を生物因子の標的とし生物因子のための新しい独自のペプチドを発見するためのＭＡＬＤＩ−ＴＯＦ質量分析法などの技術が導入された。その他の進歩には、試薬の品質及び特異性における進歩及び、血清学上の研究成果のために研究者が細胞培養分離株を提出する参照ライブラリの発展が含まれる。免疫学的検定ベースの検査は迅速であるものの、重大な欠点は特異性の欠如である。これは一つの抗原に対抗して産生された抗体が他の抗原と交差反応する場合が多いからであり、これによって免疫学的検定の高い感度によって合成される誤った肯定的同定がなされることになる。さらに、この方法の信頼性は、過剰な量の抗体による誤った否定的な抗原抗体反応によって、又は凝集反応において格子形成を生じない過剰な抗原によって、深刻なまでに失われてしまう。

ｃ．顕微鏡検査

顕微鏡検査技術にはいくつかの異なる種類があり、直接落射蛍光フィルタ法（ＤＥＦＴ）、フローサイトメトリー、直接蛍光抗体法、及び電子顕微鏡検査がある。顕微鏡検査検出法は検出のために直接観察を用いる。また、光を用いる初期の顕微鏡検査は最小の検出範囲が２５０ｎｍ程度であった。顕微鏡検査の主な進歩は、蛍光抗体法及び電子顕微鏡検査との組合せ及び、より最近では、コンピュータ化された自動顕微鏡検査の導入を含む。さらなる自動化の進展のために、試料をスライドに塗布又は固定する代わりに、試料が顕微鏡機器に接続されたフローサイトメーターを通過し、それによってさらにシステムを自動化している。生物学的標的の視覚化に関するその他の問題は、プローブを適用する前の濃縮及び／又はろ過工程の開発を通して解決された。自動化、蛍光プローブ、及びコンピュータ視覚化の追加によって、顕微鏡検査で混合された個体群の中の個別の細菌細胞を分類することが可能になった。

最も顕微鏡に依存する方法の欠点は、最初に微生物を培養するという要求、顕微鏡分析を行うために必要な高度な専門知識、及び顕微鏡機器の費用を含む。

ｄ．質量分析法

質量分析法にはいくつかの種類がある。例えば、気体及び液体クロマトグラフィー質量分析法、及びマトリクス支援レーザー脱離イオン化（ＭＡＬＤＩ−ＴＯＦ）質量分析法などである。各質量分析法は３つの基本となる構成要素から成り立っている。それらは、イオン源、質量解析器、及び検出装置である。質量分光計を用いた現在の方法では、タンパク質及びペプチドの検出又は核酸の検出のいずれかに焦点が当てられている。質量分析法による検出の最先端の方法では、従来の手続きと比較して８６．８％の同定能力があり、連鎖球菌種を同定する際にはやや低い能力を有すると近頃報告された。質量分析法の主な改良点は、その方法を直接未処理の試料に適用しつつも分類が可能な程度に品質が高いデータを取得することができる能力である。さらに、質量分析法は翻訳後修飾を同定する能力を有する。質量分析法の分野における最も重要な発展は、システムを自動化する能力、すなわち高度コンピュータ分析技術である。

この方法はタンパク質質量プロフィールのみを分析し、他のタンパク質分析は行われないため、耐抗生物質要因又は毒性要因を同定するには効率的な手段ではない。他の難題は分析に必要な量の材料を得るために試料を培養する必要があることである。同様に、ウイルスなどの低たんぱく質質量生物はこの方法の候補として適切ではない。最後に、この方法は培養された分離株とともに用いると最も効果的であるが、メタゲノム試料の場合は別である。

ｅ．ポリメラーゼ連鎖反応

ポリメラーゼ連鎖反応（ＰＣＲ）とは生物因子を検出する最も単純な方法の一つである。ＰＣＲにはいくつかのバリエーションがあり、リアルタイムＰＣＲ、逆転写（ＲＴ）ＰＣＲ、標的化ＰＣＲ、及びランダムＰＣＲが含まれる。よってこの方法は、生物因子の検出及び実際の疾病検出の判定において幅広く利用することが可能である。すべてのＰＣＲ法において、いくつかの基本的な構成要素が存在する。それらは、ＤＮＡ又はリボ核酸（ＲＮＡ）のいずれかとなり得る標的配列、方法によって標的化又は無作為のいずれかとなり得る増幅プライマー、蛍光ベース、配列解析ベース、又はハイブリダイゼーションベースとなり得る増幅生成物の検出である。ＰＣＲベースの方法によって提供される、伝統的な診断検査に対する改良点の１つは、検出前に生物の培養を必要としないことである。ＰＣＲは感度が高く、かつ選択性と迅速性を高めることができる。ＰＣＲはＤＮＡベースの他の検出法に利用されることが多いが、その理由は選択性が高く出発原料の必要量が少ないからである。

ＰＣＲベースの方法は、遺伝物質のプライマー特異的増幅に依存するため、アッセイを成功させるには標的生物のゲノム配列に対する高度な知識が要求される。さらに、この方法の特異性により、プライマー領域内に変異体を有する微生物の検出ができなくなる。

ｆ．マイクロアレイ

先の１０年の中頃から開発されたため、マイクロアレイは伝統的な膜ベースのブロット（ｂｌｏｔｓ）の進化を代表しており、ここで標識プローブは標的に対するハイブリダイゼーションを行う。膜ベースの方法においては、サンプルＤＮＡは培養基に付着し、プローブはそれにハイブリダイズされる。一方、アレイベースの方法では、プローブは培養基及び標的プローブにハイブリダイズされたサンプルＤＮＡに拘束される。マイクアレイプローブなどのハイブリダイゼーションベースの方法は、生物学的トリート（ｔｒｅａｔｓ）の検出に対する既知の又は予測された回答を必要とする。マイクロアレイを用いればプローブの標的はタンパク質又は核酸ベースとなり得る。マイクロアレイの分野ベースの適用は、コレラ菌及びその他の生物のような生物因子の検出に成功裏に用いられた。マイクロアレイは数種の異なる生物についての多量のデータを精査することができるため、この技術は感染及びその他の関係に関連付けられた重要な基礎的要素を顕在化させるのに役立つ。マイクロアレイを用いたＤＮＡ及びＲＮＡベースのハイブリダイゼーションは、元来は望ましい感度を持たなかったが、マイクロアレイの技術をＰＣＲベースの技術と組み合わせることで、感度が劇的に向上した。

ｇ．混合サンプル内の多数種の微生物の検出

サンプル内の単一種の微生物を同定する方法は、診断分野で価値あるツールとなった。しかしながら、より広いレベルの試験によって単一のサンプル内の多数種の微生物を検出及び同定できれば有利である。このような同定の最も一般的な方法は、変性剤濃度勾配ゲル電気泳動（ＤＧＧＥ）、ＤＮＡマイクロアレイ（上述）、１６Ｓ遺伝子配列解析、及びメタゲノム配列解析である。これら技術のすべてにおける共通の進歩は、ＰＣＲの成果を利用できることであり、これによってこの方法は非常に選択性と感度が高くなっている。

ｇ１．変性剤濃度勾配ゲル電気泳動（ＤＧＧＥ）

ＤＧＧＥは単一の分離株に加えて細菌の個体群の検出及び同定を可能にする方法である。ＤＧＧＥにおいて、標的配列は１６Ｓリボゾーム遺伝子に標的化されたプライマーを用いたＰＣＲによって増幅され、ＰＣＲアンプリコンは変性剤濃度勾配における電気泳動を用いて分離される。サンプル内の細菌群集の組成を判定するために、ゲル内の横縞模様を用いることもある。最終的に、メタゲノム群集の同定のために、増幅されたＤＮＡのバンドが、配列解析及びさらには系統発生解析のためのゲルから切り出される。

メタゲノムサンプルのＤＧＧＥ分析の深刻な欠点は、ゲノム上の結合部位とプライマーとの間のミスマッチがある場合に増幅に失敗するユニバーサルプライマーの使用である。この技術における進歩はゲル分析のためのソフトウェアの導入である。ＤＧＧＥ技術に関するもう１つの大きな欠点は、６００ｂｐを超えるＰＣＲの成果を効果的に利用できないことである。さらなる欠点は、多数の遺伝子複合体が単一のＰＣＲ反応において増幅された場合に、多数の遺伝子を分解することができないことである。さらに、優先的な増幅が発生した場合に、すべての遺伝子の検出及び同定が弱められてしまう。他の重大な問題は異なる配列のヘテロ２本鎖及び共遊走である。よって、配列解析を行わなければ、ヘテロ２本鎖、優先増幅、及び共遊走などの問題によって、ＤＧＧＥの結果の解釈に混乱を生じさせることになり得る。また、各種の配列の最大限の分離が信頼性のある方法でなされる前に、かなりの最適化が必要であり、変性剤又はゲル試薬の濃度が若干変化しただけで、予期しない結果が生じる場合がある。

ｇ２．マイクロアレイ

メタゲノム検出については、マイクロアレイは一定範囲の標的のためのプローブを数個有しており、よって検出可能な生物の数を拡大している。プローブはタンパク質ベース又は核酸ベースとなり得る。マイクロアレイ印刷などの改良によって、マイクロアレイは単一の検査についての数千の検査サンプルをサンプリングすることで高いスループット比率を達成できる。しかしながら、ある種のプローブは必ずしもマイクロアレイ法を用いて効果的に機能しているわけではない。よってこのプローブは標的生物の存在下で期待された信号を生成せず、マイクロアレイの設計者は検査が生産段階に入る前に偽陰性を考慮しなければならない。さらに、異なるプローブが必ずしも同じ標的結合能力を有するわけではなく、このことがマイクロアレイの結果を解釈する上で困難を生じさせる。データの画像分析や、すべての生物因子の正確な同定を可能にする最適検出ルールの作成などの問題は、マイクロアレイチップの導入前に解決しなければならない問題を生じさせる。しかしながら、この大きな問題は、予想された／予め定められた回答についての情報のみを検出できるハイブリダイゼーションに基づく方法を常に循環しており、実験によっては信頼性が失われることも多い。タンパク質ベースの抗体に関しては、選択された抗原は特定の曝露イベントの下でのみ発現されることがある。よって、このイベントが発生しない場合は、生物因子は検出できなくなる。

ｇ３．１６ＳｒＲＮＡ遺伝子配列解析

１６ＳｒＲＮＡ遺伝子配列解析は、生物間の系統発生学上の関係を追跡する方法を開発することによって細菌の分類の水準を向上させた。リボゾームＲＮＡ遺伝子は様々な程度のヌクレオチドの多様性を有する領域を含んでおり、高度に保存されたものから極めて変化に富むものまである。加えて、極めて多数の細菌の１６ＳｒＲＮＡ遺伝子が配列解析されて公開されており、比較のための大規模なライブラリが形成されている。総じて、２つの配列を比較したときに配列の同一性が９７％を下回る１６ＳｒＲＮＡの関係は、異なる種を示している。１６ＳｒＲＮＡ遺伝子の選択的な増幅は、非常に感度の高い方法を可能にする。よって、ＤＧＧＥ、マイクロアレイ、配列解析などの多数の方法が１６ＳｒＲＮＡ領域を利用している。

ＰＣＲを用いて選択的に増幅することによって、１６ＳｒＲＮＡ遺伝子フラグメントは、研究者が混合サンプル内の多数の生物を同定することを可能にする。しかし一部のサンプル種においては、１６ＳｒＲＮＡ遺伝子は他のプローブと比較して弱い信号を発する場合がある。１６ＳｒＲＮＡ技術の欠点の一つは、プライマー結合部位の配列内で突然変異が発生した場合に、偽陰性が発生し、特定の細菌を同定できなくなることである。生物の中には、保存されていると想定されるドメインを有する領域内に可変配列を発現するものもある。よって、１６ＳｒＲＮＡの増幅を利用しユニバーサルプライマーを使用する同定が困難になる。さらに、１６ＳｒＲＮＡ配列はいくつかの属の範囲内で高度に保存されているため、１６ＳｒＲＮＡは種のレベルでの同定ができない場合もある。１６ＳｒＲＮＡに関する大きな欠点は、バックグラウンドＤＮＡによる誤った信号であり、また高濃度生物から生成されるノイズを如何に低減するかである。

１６ＳｒＲＮＡ遺伝子配列解析は種のレベルではロバストではない。この方法は耐抗生物質又は毒性の菌株を必ずしも同定できない。さらに、メタゲノム同定については、大きいゲノムバックグラウンドが検査の特異性及び検出分解能を低減する可能性が高い。最後に、この方法はアッセイを行うための十分な材料を得るために培養されたサンプルを必要とする。種又は亜種のレベルで正確な同定を行うには単一の遺伝子では不十分であり、追加の遺伝子配列が他のデータとともに必要であることが理解できる。困惑させられる問題としては、異なる分類単位間の配列の相違が不均一に分布していること、及び５％を超える配列の相違がある１６ＳｒＲＮＡ遺伝子の多数のコピーが同種の生物に存在している場合である。これはどの１６ＳｒＲＮＡ遺伝子が分析されるかによって、同一の個体に対する異なる推定上の同定につながる可能性がある。ｇ４．メタゲノム配列解析及び細胞ゲノムの集合

完全な細菌配列の集合は冗長であり、現段階では誤りやすく、近い将来に自動化され誤りがなくなる見通しはない。さらに、定量的にメタゲノムサンプル内のすべての微生物の完全な配列を得ることは、現在の技術では実現できない。そのような大量のデータセットの同定は、大規模な計算能力へのアクセスを必要とし、また各々の構成要素の菌株を得るために培養を必要とする。

生物の混合物中での種の同定の問題は、静的なマーカベースのメタゲノムの方法の場合に証明されてきた。例えば、リボゾーム遺伝子（１６Ｓ、１８Ｓ、及び２３ＳｒＲＮＡ）又は細胞の転写又は翻訳機構に伴う遺伝子の符号化配列（例えば、ｒｅｃＡ／ｒａｄＡ、ｈｓｐ７０、ＥＦ−Ｔｕ、Ｅｆ−Ｇ、ｒｐｏＢ）である。定義上、このようなマーカは緩慢に進化する遺伝子に基づいている。マーカベースのメタゲノムの方法の目的は、進化上の距離が大きい種の間の区別を明確にすることであり、よって、関係の近い生物同士を区分することは適さない。細菌の１６ＳｒＲＮＡ配列解析は細菌群集の特性解析の標準と考えられているものの、包括的な微生物群系の研究に用いるには感度が不十分である場合もある。ｒＲＮＡ遺伝子ベース配列解析は、群集の主なメンバーを検出することができるが、これらの方法は発散する標的配列を有する群集の希少なメンバーを検出できない場合がある。プライマーのバイアス及びサンプリングの低深度は、細菌の１６ＳｒＲＮＡ配列解析における制限のいくつかを説明する。これは細菌のゲノム全体を配列解析することで改良することができる。

熱作用による配列解析によって単一の遺伝子ベースのアンプリコン配列解析の制限を克服するために、全ゲノムショットガン配列解析が混合個体群内の複雑な細菌多様性を評価するための魅力的な戦略として出現した。全ゲノムベースの方法は、高スループット及び並行ＤＮＡ配列解析プラットフォームによって、より包括的な網羅を約束する。なぜならば、これらは特定の標的内で配列保存又はプライマー結合部位の変化によって制限されていないからである。高スループットのＤＮＡ配列解析におけるイノベーションに刺激され、ゲノムに関する発見の速度は指数関数的に上昇し、それにともなって高性能計算技術及びバイオインフォマティクスに対する需要が高まった。そのような全ゲノムベースの方法における第１の問題は、合理的な時間及び合理的なコストで何千何百もの種の微生物の同定を如何にして正確に実現するかである。

現在のバイオインフォマティクスのスループットは大規模なプロジェクトにとっては低過ぎ、かつ十分に自動化されておらず、またトリミング、アセンブリ、アラインメント、及び注釈をしばしば必要とする。その場合でも、分散コンピューティングネットワークのような十分な計算能力、ロバストなサーバ技術、時間、及び人的資源が必須である。混合された種の群集から高品質な配列が得られると、次の問題は多くの細菌を並行して正確に同定することである。今日利用できる現在のバイオインフォマティクスパイプラインとしては、ＢＬＡＳＴ、ＢＬＡＳＴＺ、ｎｅｔＢｌａｓｔ、ＢｌａｓｔＸ−ＭＥＧＡＮ、ＭＧ−ＲＡＳＴ、ＩＭＧ／Ｍ、ショートリードマッピング、及びその他の比較ツールがあるが、これらは対象の細菌群集の大まかな同定を可能にするのみであり、密接に関連する生物種である別個の種及び個体群を区別することができない。これらのツールは特定されない系統発生学上の関連性を有する配列間隔から可変長のアラインメントを作成するが、潜在的な偽陽性の問題が顕在化する。非常に短いリード（５０ｂｐ未満）に基づくアサインメントには低い信頼値という問題が生じるが、−１００ｂｐの長さのリードには合理的なレベルの信頼性がアサインされ（３０以上のＢＬＡＳＴＸビットスコア）、また種のレベルのみでの同定が可能であり、深刻に予測を下回る結果となる。最後に、現在の「次世代」配列解析（ＮＧＳ）技術の急速な開発は、将来のゲノムベースの技術は「より小さく、より安価で、より速い」ことを示している。これは、遺伝子リソースを同定するための高速かつ高性能なバイオインフォマティクスツールの必要性を保証しており、このツールにはより高度な正確性と信頼性が必要に応じて求められる。

本発明はサンプル内の生物材料の特性解析のためのシステム、装置、及び方法に関し、より具体的にはサンプル内の生物材料の同一性及び／又は形質、及び／又は同定された生物材料又はその形質の相対存在量の特性解析に関する。特性解析は、フラグメントリードの配列解析情報を参照ゲノムデータベース及び／又は形質固有のデータベースカタログの配列解析情報と比較する確率論的な方法を用いてもよい。

一態様において、本発明は生物の遺伝物質を含むサンプルから抽出した配列情報に基づいて当該生物の特性を決定する方法を提供する。この方法は、（ａ）プロセッサ及びメモリを含む処理装置によって、サンプルから抽出された配列情報を受信する工程を含む。この配列情報はアセンブルされていないヌクレオチドフラグメントリードを含んでもよい。この方法は、（ｂ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較し、確率論的な形質の結果を生成する確率論的な方法を実行する工程を含んでもよい。この方法はまた、（ｃ）前記処理装置によって、前記確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の形質を決定する工程を含んでもよい。

一部の実施形態において、この方法は（ｄ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行する工程と、（ｅ）前記処理装置によって、前記確率論的な同一性の結果を用いて前記サンプル内に含まれる前記生物の同一性を少なくとも種レベルで決定する工程と、を含んでもよい。

一部の実施形態において、前記参照データベース内に含まれる前記参照配列情報は、アセンブルされた又は部分的にアセンブルされた配列情報であってもよい。この生物は微生物であってもよく、この参照データベースは細菌の全遺伝子データベースであってもよい。この方法は、前記処理装置によって、前記確率論的な同一性の結果を用いて前記サンプル内に含まれる前記生物の同一性を種又は亜種レベルで決定する工程を含んでもよい。この方法は、前記処理装置によって、前記確率論的な同一性の結果を用いて前記サンプル内に含まれる前記生物の同一性を菌株レベルで決定する工程を含んでもよい。

一部の実施形態において、工程（ｂ）及び（ｃ）が実行される間に工程（ｄ）及び（ｅ）が実行されてもよい。一部の実施形態において、工程（ｄ）及び（ｅ）が実行された後に工程（ｂ）及び（ｃ）が実行されてもよい。

一部の実施形態において、この方法は同定された生物の種、及び／又は亜種、及び／又は菌株の相対個体数又は存在量の特性を決定する工程を含んでもよい。工程（ｂ）及び（ｄ）の確率論的な方法は、確率論的なマッチングを含んでもよい。前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報は、前記参照データベースに含まれる前記参照配列情報のサブセットであってもよい。

一部の実施形態において、この方法は、前記アセンブルされていないヌクレオチドフラグメントリードから抽出したワード又はｎ量体を用いてサンプル配列ライブラリを作成する工程と、前記参照配列情報から抽出したワード又はｎ量体を用いて参照配列ライブラリを作成する工程と、を含んでもよい。前記確率論的な方法は、前記サンプル配列ライブラリのワード又はｎ量体を前記参照配列ライブラリのワード又はｎ量体と比較することによって、前記アセンブルされていないヌクレオチドフラグメントリードを前記参照配列情報と比較してもよい。

一部の実施形態において、この方法は、前記アセンブルされていないヌクレオチドフラグメントリードから抽出したワード又はｎ量体を用いてサンプル配列ライブラリを作成し、前記形質固有の参照配列情報から抽出したワード又はｎ量体を用いて形質固有の配列ライブラリを作成する工程を含んでもよい。前記確率論的な方法は、前記サンプル配列ライブラリのワード又はｎ量体を前記形質固有の配列ライブラリのワード又はｎ量体と比較することによって、前記アセンブルされていないヌクレオチドフラグメントリードを前記形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較してもよい。形質固有の配列ライブラリは前記形質固有の参照配列情報から取得したワードのディクショナリのライブラリであり、各ディクショナリは特定の形質に対してワードを含んでもよい。前記サンプル配列ライブラリはサンプル配列ハッシュテーブルであってもよく、前記形質固有配列ライブラリは形質固有ハッシュテーブルである。

一部の実施形態において、前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報は、特定の生物形質に関連付けられた閉じたゲノム、ドラフトゲノム、コンティグ、及び／又はショートリードであってもよい。前記特定の生物形質は耐抗生物質の形質、病原性の形質、バイオテロ・エージェント・マーカー、又は生化学的形質であってもよい。工程（ｃ）は前記サンプル内で見られる可能性が高い生物形質の評価値を決定し格付けする工程を含んでもよい。

一部の実施形態において、前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報は、一又は複数の可動遺伝因子の配列情報からなってもよい。前記一又は複数の可動遺伝因子は、特定の微生物の属又は種に関連付けられたファージ又は病原性島からなってもよい。工程（ｃ）では前記一又は複数の可動遺伝因子の確率及び相対存在量を決定してもよい。

一部の実施形態において、前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報は、特定の表現型特性に関連付けられる配列情報からなってもよい。工程（ｅ）は前記サンプル内で見られる可能性が高い特定の表現型特性の評価値を決定し及び格付けする工程を含んでもよい。前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報は、対象の特定の形質又は表現型の存在を確認するシグネチャ配列又はゲノム配列からなってもよい。

一部の実施形態において、この方法は（ｆ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを第２の形質固有のデータベースカタログ内に含まれる第２の形質固有の参照配列情報と比較し、第２の確率論的な形質の結果を生成する確率論的なマッチングを実行する工程と、（ｇ）前記処理装置によって、前記第２の確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の第２の形質を決定する工程と、を含んでもよい。前記一又は複数の形質は前記一又は複数の第２の形質と異なってもよい。工程（ｂ）及び（ｃ）が実行される間に工程（ｆ）及び（ｇ）が実行されてもよい。

一部の実施形態において、工程（ｂ）の確率論的な方法は確率論的なマッチングを含んでもよい。このサンプルはメタゲノムサンプルでもよい。この方法は、（ｄ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行する工程と、（ｅ１）前記サンプル内に含まれかつ前記参照データベース内に含まれる生物について、前記処理装置によって、前記確率論的な同一性の結果を用いて前記サンプル内に含まれかつ前記参照データベース内に含まれる前記生物の同一性を少なくとも種レベルで決定する工程と、（ｅ２）前記サンプル内に含まれかつ前記参照データベース内に含まれない生物について、前記処理装置によって、前記サンプル内に含まれる生物に最も近似する前記参照データベース内に含まれる生物の同一性を決定する工程と、を含んでもよい。

他の一態様において、本発明は生物の遺伝物質を含むサンプルから抽出した配列情報に基づいて当該生物の特性を決定する装置を提供する。この装置はプロセッサ及びメモリを含む処理装置を備えてもよい。この処理装置は（ａ）前記サンプルから抽出された前記配列情報を受信し、前記配列情報はアセンブルされていないヌクレオチドフラグメントリードを含み、（ｂ）前記アセンブルされていないヌクレオチドフラグメントリードを形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較し、確率論的な形質の結果を生成する確率論的なマッチングを実行し、（ｃ）前記確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の形質を決定する、ように構成される。

一部の実施形態において、この処理装置はさらに（ｄ）前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行し、（ｅ）前記確率論的な同一性の結果を用いて前記生物の同一性を少なくとも種レベルで決定する、ように構成されてもよい。前記処理装置は更に、（ｆ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを第２の形質固有のデータベースカタログ内に含まれる第２の形質固有の参照配列情報と比較し、第２の確率論的な形質の結果を生成する確率論的なマッチングを実行し、（ｇ）前記処理装置によって、前記第２の確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の第２の形質を決定する、ように構成される。前記一又は複数の形質は前記一又は複数の第２の形質と異なる。

一部の実施形態において、この処理装置はさらに前記アセンブルされていないヌクレオチドフラグメントリードから抽出したワード又はｎ量体を用いてサンプル配列ライブラリを作成し、前記参照配列情報から抽出したワード又はｎ量体を用いて参照配列ライブラリを作成する、ように構成されてもよい。前記確率論的な方法は、前記サンプル配列ライブラリのワード又はｎ量体を前記参照配列ライブラリのワード又はｎ量体と比較することによって、前記アセンブルされていないヌクレオチドフラグメントリードを前記参照配列情報と比較してもよい。

一部の実施形態において、この処理装置はさらに、前記アセンブルされていないヌクレオチドフラグメントリードから抽出したワード又はｎ量体を用いてサンプル配列ライブラリを作成し、前記形質固有の参照配列情報から抽出したワード又はｎ量体を用いて形質固有の配列ライブラリを作成する、ように構成されてもよい。前記確率論的な方法は、前記サンプル配列ライブラリのワード又はｎ量体を前記形質固有の配列ライブラリのワード又はｎ量体と比較することによって、前記アセンブルされていないヌクレオチドフラグメントリードを前記形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較してもよい。形質固有の配列ライブラリは前記形質固有の参照配列情報から取得したワードのディクショナリのライブラリであり、各ディクショナリは特定の形質に対してワードを含んでもよい。前記サンプル配列ライブラリはサンプル配列ハッシュテーブルであってもよく、前記形質固有配列ライブラリは形質固有ハッシュテーブルである。

一部の実施形態において、この処理装置はさらに、（ｄ）前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行し、（ｅ１）前記サンプル内に含まれかつ前記参照データベース内に含まれる生物について、前記確率論的な同一性の結果を用いて前記サンプル内に含まれかつ前記参照データベース内に含まれる前記生物の同一性を少なくとも種レベルで決定し、（ｅ２）前記サンプル内に含まれかつ前記参照データベース内に含まれない生物について、前記サンプル内に含まれる生物に最も近似する前記参照データベース内に含まれる生物の同一性を決定する、ように構成されてもよい。

さらに別の態様において、本発明は生物の遺伝物質を含む分離株から抽出した配列情報に基づいて当該生物の特性を決定する方法を提供する。この方法は、（ａ）プロセッサ及びメモリを含む処理装置によって、前記分離株から抽出された前記配列情報を受信する工程であって、前記配列情報はアセンブルされていないヌクレオチドフラグメントリードを含む工程と、（ｂ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較し、確率論的な形質の結果を生成する確率論的なマッチングを実行する工程と、（ｃ）前記処理装置によって、前記確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の特徴を決定する工程と、を含んでもよい。

一部の実施形態において、この方法は、（ｄ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行する工程と、（ｅ）前記処理装置によって、前記確率論的な同一性の結果を用いて前記分離株内に含まれる前記生物の同一性を少なくとも種レベルで決定する工程と、を含んでもよい。前記参照データベース内に含まれる前記参照配列情報は、アセンブルされた又は部分的にアセンブルされた配列情報であってもよい。この生物は微生物であってもよく、この参照データベースは細菌の全遺伝子データベースであってもよい。この方法は、前記処理装置によって、前記確率論的な同一性の結果を用いて前記生物の同一性を亜種レベルで決定する工程を含んでもよい。この方法は、前記処理装置によって、前記確率論的な同一性の結果を用いて前記生物の同一性を菌株レベルで決定する工程を含んでもよい。

一部の実施形態において、工程（ｂ）及び（ｃ）が実行される間に工程（ｄ）及び（ｅ）が実行されてもよい。一部の実施形態において、工程（ｄ）及び（ｅ）が実行された後に工程（ｂ）及び（ｃ）が実行されてもよい。

一部の実施形態において、工程（ｂ）及び（ｄ）の確率論的な方法は、確率論的なマッチングを含んでもよい。前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報は、前記参照データベースに含まれる前記参照配列情報のサブセットであってもよい。

一部の実施形態において、この方法は、前記アセンブルされていないヌクレオチドフラグメントリードから抽出したワード又はｎ量体を用いてサンプル配列ライブラリを作成する工程と、前記参照配列情報から抽出したワード又はｎ量体を用いて参照配列ライブラリを作成する工程と、をさらに含んでもよい。前記確率論的な方法は、前記サンプル配列ライブラリのワード又はｎ量体を前記参照配列ライブラリのワード又はｎ量体と比較することによって、前記アセンブルされていないヌクレオチドフラグメントリードを前記参照配列情報と比較してもよい。

一部の実施形態において、この方法は、前記アセンブルされていないヌクレオチドフラグメントリードから抽出したワード又はｎ量体を用いてサンプル配列ライブラリを作成し、前記形質固有の参照配列情報から抽出したワード又はｎ量体を用いて形質固有の配列ライブラリを作成してもよい。前記確率論的な方法は、前記サンプル配列ライブラリのワード又はｎ量体を前記形質固有の配列ライブラリのワード又はｎ量体と比較することによって、前記アセンブルされていないヌクレオチドフラグメントリードを前記形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較してもよい。この形質固有の配列ライブラリは前記形質固有の参照配列情報から取得したワードのディクショナリのライブラリであってもよく、各ディクショナリは特定の形質に対してワードを含んでいる。前記サンプル配列ライブラリはサンプル配列ハッシュテーブルであってもよく、前記形質固有配列ライブラリは形質固有ハッシュテーブルである。

一部の実施形態において、前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報は、特定の生物形質及び／又は一又は複数のメタゲノムサンプルに関連付けられた閉じたゲノム、ドラフトゲノム、コンティグ、及び／又はショートリードであってもよい。前記特定の生物形質は耐抗生物質の形質、病原性の形質、バイオテロ・エージェント・マーカー、又は生化学的形質であってもよい。前記特定の生物形質はヒトの同一性形質、癌罹患性形質、又は疾病形質であってもよい。前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報が、一又は複数の可動遺伝因子の配列情報からなってもよい。前記一又は複数の可動遺伝因子が、特定の微生物の属又は種に関連付けられたファージ又は病原性島からなってもよい。工程（ｃ）では前記一又は複数の可動遺伝因子の確率及び相対存在量を決定してもよい。

一部の実施形態において、前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報は、特定の表現型特性に関連付けられる配列情報からなってもよい。工程（ｅ）は前記生物内で見られる可能性が高い特定の表現型特性の評価値を決定し及び格付けする工程を含んでもよい。前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報は、対象の特定の形質又は表現型の存在を確認するシグネチャ配列又はゲノム配列からなってもよい。

一部の実施形態において、この方法は、（ｆ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを第２の形質固有のデータベースカタログ内に含まれる第２の形質固有の参照配列情報と比較し、第２の確率論的な形質の結果を生成する確率論的なマッチングを実行する工程と、（ｇ）前記処理装置によって、前記第２の確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の第２の形質を決定する工程と、をさらに含んでもよい。前記一又は複数の形質は前記一又は複数の第２の形質と異なってもよい。工程（ｂ）及び（ｃ）が実行される間に工程（ｆ）及び（ｇ）が実行される。

一部の実施形態において、工程（ｂ）の確率論的な方法は確率論的なマッチングを含んでもよい。サンプルはメタゲノムサンプルであってもよい。この方法は、（ｄ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行する工程と、（ｅ１）前記生物が前記参照データベース内に含まれる場合、前記処理装置によって、前記確率論的な同一性の結果を用いて前記生物の同一性を少なくとも種レベルで決定する工程と、（ｅ２）前記生物が前記参照データベース内に含まれない場合、前記処理装置によって、遺伝物質が前記分離株内に含まれる前記生物に最も近似する前記参照データベース内に含まれる生物の同一性を決定する工程と、を含んでもよい。

さらに別の態様において、本発明は生物の遺伝物質を含む分離株から抽出した配列情報に基づいて当該生物の特性を決定する装置を提供する。この装置はプロセッサ及びメモリを含む処理装置を備えてもよい。この処理装置は、（ａ）前記分離株から抽出された前記配列情報を受信し、前記配列情報はアセンブルされていないヌクレオチドフラグメントリードを含み、（ｂ）前記アセンブルされていないヌクレオチドフラグメントリードを形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較し、確率論的な形質の結果を生成する確率論的なマッチングを実行し、（ｃ）前記確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の形質を決定する、ように構成されてもよい。

一部の実施形態において、この処理装置はさらに（ｄ）前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行し、（ｅ）前記確率論的な同一性の結果を用いて前記生物の同一性を少なくとも種レベルで決定する、ように構成されてもよい。前記処理装置は更に、（ｆ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを第２の形質固有のデータベースカタログ内に含まれる第２の形質固有の参照配列情報と比較し、第２の確率論的な形質の結果を生成する確率論的なマッチングを実行し、（ｇ）前記処理装置によって、前記第２の確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の第２の形質を決定する、ように構成されてもよい。前記一又は複数の形質は前記一又は複数の第２の形質と異なってもよい。

一部の実施形態において、前記携帯装置はさらに（ｄ）前記アセンブルされていないヌクレオチドフラグメントリードを参照データベース内に含まれる参照配列情報と比較し、異なる分類学上のレベルで他の細菌に混じって保存される近傍の配列から生成される非一意の配列の発生及び分布とともに、一意の配列を同定する確率論的な方法を実行する、ように構成されてもよい。

一部の実施形態において、確率論的な方法によって同定される一意の配列に隣接して、他の細菌内で見られる保存された配列があり、これによってさらに細菌同士を少なくとも種のレベルで区別している。

一部の実施形態において、確率論的な方法によって同定される前記一意の配列は、細菌を少なくとも種のレベルで同定するためのマクロアレイ又はマイクロアレイを設計するために用いることが可能である。

一部の実施形態において、この処理装置は（ｄ）前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行し、（ｅ１）前記生物が前記参照データベース内に含まれる場合、前記確率論的な同一性の結果を用いて前記生物の同一性を少なくとも種レベルで決定し、（ｅ２）前記生物が前記参照データベース内に含まれない場合、遺伝物質が前記分離株内に含まれる前記生物に系統発生学的に最も近似する前記参照データベース内に含まれる生物の同一性を決定する、ように構成されてもよい。

これらのシステム及び方法に含まれるさらなるバリエーションは、以下の発明を実施するための形態にて説明する。

添付図面は本明細書に組み込まれ本明細書の一部分を構成するものであり、本発明の種々の実施形態を示す。図において、同一の参照番号は同一又は機能的に類似の構成要素を示す。

本発明の一実施形態に従うサンプル又は分離株内の生物材料の形質解析が可能な機器の模式図である。

本発明の一実施形態に従うサンプル又は分離株内の生物材料の形質解析が可能な機器の模式図である。

本発明の一実施形態に従うサンプル又は分離株内の生物材料の形質解析のために実行され得る処理を示すフローチャートである。

本発明の一実施形態に従うサンプル又は分離株内の生物材料の形質解析のために実行され得る処理を示すフローチャートである。

本発明の一実施形態に従うサンプル又は分離株内の生物材料の形質解析のために使用され得る第１のコンパレータエンジンを示すフローチャートである。

本発明の一実施形態に従うサンプル又は分離株内の生物材料の形質解析のために使用され得る第２のコンパレータエンジンを示すフローチャートである。

サンプル又は分離株内の生物材料の形質解析のためのシステム及び方法の実施形態を、図を参照して以下に説明する。

図１は本発明の一実施形態に従う機器１００の模式図である。機器１００はサンプル又は分離株内の生物材料の形質解析が可能な装置であってもよい。一部の実施形態において、機器１００はサンプル又は分離株内の一又は複数の生物（例えば、細菌、ウイルス、寄生生物、菌類、病原体、及び／又は共動生物などの一又は複数の微生物）の同一性を、種及び／又は亜種（例えば、形態型、血清型、及び生物型）のレベル及び／又は菌株のレベルで形質解析できる装置であってもよい。機器１００はサンプル内に含まれる微生物の相対個体数の形質解析も可能であってもよい。機器１００はサンプル又は分離株内に含まれる生物材料に関連付けられる一又は複数の形質の形質解析が可能であってもよい。一部の実施形態において、サンプルはメタゲノムサンプルであってもよい。例えば、メタゲノムサンプルは複数の種を含む、及び／又は同一種内の複数の亜種を含んでもよい。あるいは、又はさらに、メタゲノムサンプルは複数の以上の属を含んでもよく、細菌、ウイルス、及び／又は菌類で構成されてもよい。

一部の実施形態において、機器１００は処理装置１０２を含む。この処理装置１０２はプロセッサ１０４及びメモリ１０６を含んでもよい。この処理装置１０２はサンプル又は分離株内の生物材料の形質解析を実行するように構成されてもよい。あるいは、機器１００はハードウェア及び／又はソフトウェアの形態の複数の手段を備え、当該複数の手段の各々は生物材料の形質解析の一又は複数の部分を実行するように構成される。さらに、上記複数の手段の各々はそれ自身のプロセッサ及びメモリを備えるか、又は上記複数の手段の各々は他の手段のうちの一又は複数とプロセッサ及びメモリを共有してもよい。

一部の実施形態において、機器１００は配列情報を利用してもよい。この配列情報はサンプル又は分離株から抽出されてもよい。一部の実施形態において、サンプルは複数の生物の遺伝物質を含んでもよい。非制限的な実施形態において、サンプルは、細菌、ウイルス、寄生生物、菌類、プラスミド、及び当該サンプルの種類において取得可能なその他の外生的なＤＮＡ又はＲＮＡフラグメントを含む複数の細菌生物を含んでもよい。一部の実施形態において、分離株はサンプルから分離された一又は複数の生物からの遺伝物質を含む。

一実施形態において、遺伝物質を含むサンプル又は分離株を収集し、フラグメント（例えば、核酸及び／又はタンパク質及び／又は代謝産物）を抽出し、これらのフラグメントを順に配列解析することによって、配列情報が生成されてもよい。一部の実施形態において、サンプルはメタゲノムサンプルであり、抽出及び配列解析されたフラグメントはメダゲノムフラグメントである。非制限的な実施形態において、サンプルは対象サンプル及び／又は環境サンプルであってもよい。対象サンプル（例えば、血液、唾液など）は対象のＤＮＡ並びに対象内の任意の生物（病原体その他）のＤＮＡを含んでもよい。環境サンプルは、環境（食物、空気、水、土壌、組織を含む）内の自然状態の生物を含んでもよいが、これには限定されない。

一部の実施形態において、配列情報はヌクレオチドフラグメントリードを含むか、ヌクレオチドフラグメントリードの形態であってもよい。一部の実施形態において、配列情報はアセンブルされない配列情報であってもよい（すなわち、より大きなコンティグ（ｃｏｎｔｉｇ）又は完全なゲノムにアセンブルされていない配列情報）。例えば、非制限的な実施形態において、処理装置１０２が利用した配列情報はアセンブルされないヌクレオチドフラグメントリードを含んでもよい。

機器１００は数百、数千、又は数百万のショートフラグメントリード（例えば、アセンブルされないフラグメントリード）を含む配列情報を利用してもよい。配列情報はフラグメントリードから生成された配列情報ファイル１０８の形態であってもよい。

配列情報に含まれ、処理装置１０２によって利用されるフラグメントリードは、長さが１００ベースペアより大きくてもよいものの、配列情報に含まれ、処理装置１０２によって利用されるフラグメントリードは、長さが約１２から１００ベースペアであってもよい。例えば、非制限的な実施形態において、機器１００は長さが約１２〜１５ベースペア、１６〜２５ベースペア、２５〜５０ベースペア、又は５０〜１００ベースペアであるフラグメントリード（例えば、メタゲノムフラグメントリード）を用いて生物（例えば、微生物）の個体群の形質解析を行ってもよい。例えば、ＤＮＡについて、フラグメントリードは１００ベースペア未満のリード長を有してもよく、フラグメントリードから生成された配列情報ファイル１０８は数百万のＤＮＡフラグメントリードを含んでもよい。

図１に示す実施形態において、機器１００は配列情報ファイル１０８を入力として受信してもよい。しかしながら、他の実施形態において、機器１００は個別にフラグメントリードを受信し、当該受信したフラグメントリードを含む配列情報ファイル１０８を生成してもよい。さらに他の実施形態、例えば、図２に示す実施形態において、機器１００はさらに、抽出装置２１０及び配列解析装置２１２を備え、入力としてサンプル又は分離株を受け、それを基に配列情報ファイル１０８を生成することが可能であってもよい。一部の実施形態において、抽出装置２１０はサンプル又は分離株からフラグメント（例えば、ヌクレオチドフラグメント）又は増幅されていない単一の分子を抽出し、フラグメントのストリーム又は単一の分子を産生する。一部の実施形態において、単一の分子は増幅されていない単一の分子であってもよいが、他の実施形態においては、抽出装置２１０が増幅方法を使用してもよい。

一部の実施形態において、配列解析装置２１２は抽出装置２１０から抽出されたフラグメント（例えば、ヌクレオチドフラグメント）又は分子を受け、当該受けたフラグメント又は分子を配列解析して、それを基に配列情報ファイル１０８を生成してもよい。一部の実施形態において、配列解析装置２１２は合成による配列解析（Ｓｅｑｕｅｎｃｉｎｇ−ｂｙ−ｓｙｎｔｈｅｓｉｓ）、結紮による配列解析（Ｓｅｑｕｅｎｃｉｎｇ−ｂｙ−ｌｉｇａｔｉｏｎ）、１分子配列解析（Ｓｉｎｇｌｅ−ｍｏｌｅｃｕｌｅ−ｓｅｑｕｅｎｃｉｎｇ）、パイロシーケンシング（Ｐｙｒｏｓｅｑｕｅｎｃｉｎｇ）に基づくが、これらには限定されない。一実施形態において、配列解析装置２１２は交換可能であり、取り外し可能に機器１００に結合されてもよい。非制限的な実施形態において、配列解析装置２１２は、参照によって全体が本明細書に組み込まれる米国特許出願第２０１２／０００４１１１号において記載される交換可能なカセットであってもよい。

一部の実施形態において、機器１００は外部シーケンサーに結合され、配列情報ファイル１０８を当該外部シーケンサーから直接受信してもよいが、これは必須ではない。機器１００はまた、機器１００と結合されていない一又は複数の外部シーケンサーから間接的に配列情報ファイル１０８を受信してもよい。例えば、機器１００は、遠隔地に配置されていてもよいシーケンサーから通信ネットワークを介して配列情報ファイル１０８を受信してもよい。あるいは、配列情報ファイル１０８は、事前にハードディスクドライブ又は光記憶媒体などの記憶媒体に記憶され、機器１００に入力されてもよい。

さらに、機器１００は、シーケンサーによる配列解析の直後に、又はシーケンサーによる配列解析と並行して、リアルタイムで配列情報ファイル１０８又はフラグメントリードを受信してもよいが、これも必須ではない。機器１００はまた、リアルタイムよりも遅れて配列情報ファイル１０８を受信してもよい。つまり、機器１００によって実行されるサンプル又は分離株内の生物材料の形質解析は、サンプル又は分離株の収集、フラグメント抽出、及びフラグメント配列解析と一致して実行されてもよいが、これらの工程のすべては別個に及び／又は段階的に取り扱われてもよい。

機器１００は、サンプル又は分離株から抽出されたフラグメントを配列解析するシーケンサーの制御の下で動作してもよいが、機器１００とシーケンサーとの間の接続された処理又は直接通信さえも必須ではない。その代わりに、機器１００によって実行されるサンプル内の生物材料の形質解析は、サンプル又は分離株の収集、フラグメント抽出、及び／又はフラグメント配列解析とは別途に実行されてもよい。

一部の実施形態において、機器１００はポータブルハンドヘルド電子装置であってもよい。非制限的な実施形態において、機器１００は、参照によって全体が本明細書に組み込まれる米国特許出願公開第２０１２／０００４１１１号において記載されるポータブル装置の構造及び／又は外観を含んでもよい。しかしながら、これは必須ではない。例えば、その他の実施形態において、機器１００はコンピュータ（例えば、ラップトップコンピュータ）であってもよい。

一部の実施形態において、機器１００は通信ネットワークを介して通信が可能であってもよい。一実施形態において、通信ネットワークを用いて潜在的に関連のある任意のエンティティと通信してもよい。このエンティティは、例えば、第一応答者（Ｆｉｒｓｔ Ｒｅｓｐｏｎｄｅｒ）（すなわち、研究所の応答ネットワーク、参考文献研究所（Ｒｅｆｅｒｅｎｃｅ Ｌａｂｓ）、生殖研究所（Ｓｅｍｉｎａｌ Ｌａｂｓ）、国立研究所（Ｎａｔｉｏｎａｌ Ｌａｂｓ））、ＧｅｎＢａｎｋ（ＴＭ）、疾病管理センター（ＣＤＣ）、医師、公衆衛生職員、医療記録、センサスデータ、法の執行、食品生産者、食品配給者、食品小売業者、及び／又は参照によって全体が本明細書に組み込まれる米国特許出願公開第２０１２／０００４１１１に記載される任意のもの、である。

図３はサンプル又は分離株内の生物材料の形質解析のために実行され得る処理３００を示すフローチャートである。一部の実施形態において、処理３００の各工程は処理装置１０２によって実行される。工程Ｓ３０１において、機器１００及び／又は処理装置１０２は配列情報を受信する。配列情報は配列情報ファイル１０８の形態であってもよい。この配列情報は一又は複数の生物の遺伝物質を含むサンプル又は分離株から抽出されてもよい。一部の実施形態において、配列情報はフラグメントリードを含んでもよい。非制限的な実施形態において、このフラグメントリードはアセンブルされないフラグメントリードであってもよい（例えば、アセンブルされないヌクレオチドフラグメントリード）。非制限的な実施形態において、配列情報はサンプル又は分離株内に含まれる遺伝物質から抽出されてもよい（例えば、サンプル又は分離株から遺伝物質のフラグメントを抽出してこの抽出したフラグメントの配列解析を行うことによって生成されたフラグメントリード）。一部の実施形態において、遺伝物質は一又は複数の生物のものであってもよい。

一部の実施形態において、処理３００は確率論的なマッチング及び決定を行う一又は複数の工程を含んでもよい（例えば、工程Ｓ３０２〜Ｓ３０４）。図３に示す実施形態に見られるように、処理３００は確率論的な方法及び形質決定の工程Ｓ３０２を含んでもよい。工程Ｓ３０２は確率論的な形質の結果を生成する確率論的な方法を実行すること、及びこの確率論的な形質の結果を用いて、生物材料に関連付けられた一又は複数の形質（すなわち、特性）を決定することを含んでもよい。

工程Ｓ３０２で実行される確率論的な方法は、形質固有データベースカタログ（例えば、図５及び６のカタログ５２２）を利用してもよい。形質固有データベースカタログは形質固有の参照配列情報を含んでもよい（すなわち、形質固有データベースカタログに含まれる配列情報は一又は複数の特定の生物形質に関連付けられてもよい）。この形質固有の参照配列情報は、例えば、閉じた（ｃｌｏｓｅｄ）ゲノム、ドラフト（ｄｒａｆｔ）ゲノム、コンティグ、及び／又はショートリードであってもよく、これらの閉じた（ｃｌｏｓｅｄ）ゲノム、ドラフト（ｄｒａｆｔ）ゲノム、コンティグ、及び／又はショートリードの各々は特定の生物形質に関連付けられてもよい。形質固有データベースに含まれる配列情報に関する特定の生物形質は、毒性（すなわち、適合性）要素、抗生物質耐性形質、病原性形質、バイオテロ・エージェント・マーカー、生化学的形質、人同一性（すなわち、家系）形質、癌発症傾向形質、疾病形質（例えば、疾病検査用）、表現型の特性（すなわち、表現型）、可動遺伝因子（すなわち、ファージ及び病原性島などのモビローム（ｍｏｂｉｌｏｍｅｓ））、挿入配列、トランスポゾン、インテグロン、及び／又は一般に共有される、又は特定の属、種、または菌株に限定される要素を含むが、これらには限定されない。

このように、一部の非限定的な実施形態において、特定のカタログは別々に維持され、（ｉ）薬剤（抗生物質）耐性、（ｉｉ）毒性及び病原性、及び／又は（ｉｉｉ）適合性の媒介に関わるすべての配列を含んもよい。

一部の実施形態において、形質固有データベースカタログに含まれる配列情報は、一又は複数の特定の生物形質に関連付けられた配列情報に限定されてもよい。よって、形質固有データベースカタログに含まれる配列情報は、参照データベース（例えば、図５及び図６の参照データベース５２０）に含まれる配列情報のサブセットであってもよく、この参照データベースは生物のゲノムの同一性を含む参照データベース（例えば、ＧｅｎＢａｎｋ（登録商標））であってもよい。

一部の実施形態において、工程Ｓ３０２で実行される確率論的な方法は、受け取った配列情報（例えば、配列情報ファイル１０８）内に含まれるフラグメントリード（例えば、アセンブルされないヌクレオチドフラグメントリード）を、形質固有データベースカタログ内に含まれる形質固有の参照配列情報と比較する工程を含んでもよい。一部の非限定的な実施形態において、工程Ｓ３０２の確率論的な方法において実行される確率論的な比較は、完全一致、サブシーケンスの一意性、パターン一致、ｎ長内での複数サブシーケンス一致、曖昧一致、Ｓｅｅｄ−ａｎｄ−ｅｘｔｅｎｄ、距離測度、及び系統発生学上の樹状マッピングを含んでもよいが、これらには限定されない。非限定的な一実施形態において、工程Ｓ３０２で実行されるこの確率論的な方法は確率論的なマッチングを含んでもよい。

一部の実施形態において、工程Ｓ３０２で実行される確率論的な方法は、ベイズ的アプローチ、再帰的なベイズ的アプローチ、又は単純ベイズ的アプローチを用いてもよいが、工程Ｓ３０２で実行される確率論的な方法は、これらのアプローチのいずれにも限定されない。一部の実施形態において、工程Ｓ３０２で実行される確率論的な方法は、サンプル又は分離株内の生物材料において見出される可能性が高い特定の生物形質の評価値を決定し、格付けする工程を含んでもよい。

一部の実施形態において、工程Ｓ３０２は、サンプル又は分離株内の一又は複数の特定の生物形質の確率及び相対存在量を決定する工程を含んでもよい。例えば、非限定的な実施形態において、工程Ｓ３０２はサンプル又は分離株において見出される可能性が高い一又は複数の可動遺伝因子の確率及び相対存在量を決定する工程を含んでもよい。別の非限定的な実施形態において、工程Ｓ３０２はサンプル又は分離株において見出される可能性が高い一又は複数の系統発生学上の特性の確率及び相対存在量を決定する工程を含んでもよい。

参照により全体が本明細書に組み込まれる米国特許出願交換第２０１２／０００４１１１号は、サンプル内の生物の同一性及び相対個体数の特性を決定するために用いることができる確率論的な方法を記述している。一部の非限定的な実施形態において、工程３０２で実行される確率論的な方法は、米国特許出願公開代２０１２／０００４１１１号に記述される確率論的な方法のうちの一又は複数と同じものである。ただし、工程Ｓ３０２で実行される確率論的な方法は、受け取った配列情報を、生物のゲノムの同一性を含む参照データベースではなく、形質固有のデータベースカタログに含まれる形質固有の参照配列情報と比較するという点では異なる。その結果、これらの非限定的な実施形態において、工程Ｓ３０２で実行される確率論的な方法は、確率論的な方法を用いて、（生物の同一性及び相対個体数の特性を決定するのではなく）サンプル又は分離株内の生物のうちの一又は複数に関連付けられた一又は複数の形質、又はサンプル又は分離株内の生物のうちの一又は複数に関連付けられた一又は複数の形質の相対存在量の特性を決定（すなわち、判定）してもよい。しかしながら、工程Ｓ３０２で実行される確率論的な方法は、米国特許出願公開第２０１２／０００４１１１号に記載されたものに限定されることはなく、その他の確率論的な方法を追加的に又は代替的に用いてもよい。

図３に示す実施形態に見られるように、処理３００は確率論的な方法及び同一性決定の工程Ｓ３０３を含んでもよい。工程Ｓ３０３は確率論的な同一性の結果を生成する確率論的な方法を実行すること、及びサンプル又は分離株に含まれる一又は複数の生物の同一性を決定することを含んでもよい。この決定は確率論的な同一性の結果に基づいてもよく、この同一性は少なくとも種のレベルで決定されてもよい。

工程Ｓ３０３で実行される確率論的な方法は、生物のゲノムの同一性を含む参照データベース（例えば、図５及び６の参照データベース５２０）を利用してもよい。 非限定的な一実施形態において、この参照データベースは細菌の全遺伝子データベースであってもよい。他の非限定的な一実施形態において、この参照データベースはＧｅｎＢａｎｋ（登録商標）であってもよい。この参照データベースは参照配列情報を含んでもよい。一実施形態において、この参照配列情報は、例えば、アセンブルされた、又は部分的にアセンブルされた配列情報であってもよい。

一部の実施形態において、工程Ｓ３０３で実行される確率論的な方法は、受け取った配列情報（例えば、配列情報ファイル１０８）内に含まれるフラグメントリード（例えば、アセンブルされないヌクレオチドフラグメントリード）を、参照データベース内に含まれる参照配列情報と比較する工程を含んでもよい。一部の非限定的な実施形態において、工程Ｓ３０３の確率論的な方法において実行される確率論的な比較は、完全一致、サブシーケンスの一意性、パターン一致、ｎ長内での複数サブシーケンス一致、曖昧一致、Ｓｅｅｄ−ａｎｄ−ｅｘｔｅｎｄ、距離測度、及び系統発生学上の樹状マッピングを含んでもよいが、これらには限定されない。非限定的な一実施形態において、工程Ｓ３０３で実行されるこの確率論的な方法は確率論的なマッチングを含んでもよい。

一部の実施形態において、工程Ｓ３０３で実行される確率論的な方法は、ベイズ的アプローチ、再帰的なベイズ的アプローチ、又は単純ベイズ的アプローチを用いてもよいが、工程Ｓ３０３で実行される確率論的な方法は、これらのアプローチのいずれにも限定されない。一部の実施形態において、工程Ｓ３０３で実行される確率論的な方法は、サンプル又は分離株内の生物材料において見出される可能性が高い生物の評価値を決定し、格付けする工程を含んでもよい。

一部の実施形態において、工程Ｓ３０３は、確率論的な同一性の結果を用いて亜種レベルでサンプル内に含まれる生物の同一性を決定する工程を含んでもよい。一部の実施形態において、工程Ｓ３０３は、確率論的な同一性の結果を用いて菌株レベルでサンプル内に含まれる生物の同一性を決定する工程を含んでもよい。

一部の実施形態において、工程Ｓ３０３は、サンプル又は分離株内の一又は複数の特定の生物形質の確率及び相対存在量を決定する工程を含んでもよい。例えば、非限定的な実施形態において、工程Ｓ３０３はサンプル又は分離株において見出される可能性が高い一又は複数の生物の確率及び相対存在量を決定する工程を含んでもよい。一部の実施形態において、工程Ｓ３０３は同定された生物の種、及び／又は亜種、及び／又は菌株の相対個体数（すなわち、濃度又は存在量）の特性を決定する（すなわち、判定する）工程を含んでもよい。

参照により全体が本明細書に組み込まれる米国特許出願交換第２０１２／０００４１１１号は、サンプル内の生物の同一性及び相対個体数の特性を決定するために用いることができる確率論的な方法を記述している。一部の非限定的な実施形態において、工程Ｓ３０３で実行される確率論的な方法は、米国特許出願公開第２０１２／０００４１１１号に記載された確率論的な方法のうちの一又は複数と同じものであってもよい。その結果、これらの非限定的な実施形態において、工程Ｓ３０３で実行される確率論的な方法は、サンプル又は分離株内の生物の同一性及び／又は相対個体数の特性を決定（すなわち、判定）する確率論的な方法を用いてもよい。しかしながら、工程Ｓ３０３で実行される確率論的な方法は、米国特許出願公開第２０１２／０００４１１１号に記載されたものに限定されることはなく、その他の確率論的な方法を追加的に又は代替的に用いてもよい。

一部の実施形態において、参照データベース内で同定される一又は複数の生物（すなわち、既知の生物）から得られる遺伝物質がサンプル又は分離株に含まれる場合、工程Ｓ３０３は、そのサンプルに含まれかつ参照データベースで同定される一又は複数の生物の同一性を決定する工程を含んでもよい。一実施形態において、参照データベース内で同定されない一又は複数の生物（すなわち、未知の生物）から得られる遺伝物質がサンプル又は分離株に含まれる場合、工程Ｓ３０３は、そのサンプルに含まれかつ参照データベースで同定されない一又は複数の生物に最も近似する、参照データベース内で同定される生物の同一性を決定する工程を含んでもよい。この実施形態において、最も近似するものの同定によって、サンプルに含まれかつその系統発生内において参照データベースで同定されない一又は複数の生物の位置の特定が可能になる。分離株に適用された場合、（参照データベースが最も近似するもののアセンブルされた全ゲノムを含むならば）工程Ｓ３０３は当該分離株内に含まれる如何なる未知の生物の性質をも正確に示すことができる。

図３に示す実施形態に見られるように、処理３００は確率論的な方法及び第２の形質決定の工程Ｓ３０４を含んでもよい。工程Ｓ３０４は第２の確率論的な形質の結果を生成する確率論的な方法を実行すること、及びこの第２の確率論的な形質の結果を用いて、生物材料に関連付けられた一又は複数の第２の形質（すなわち、特性）を決定することを含んでもよい。工程Ｓ３０４において実行される確率論的な方法は、工程Ｓ３０２で利用される形質固有のデータベースカタログの代わりに第２の形質固有データベースカタログを利用しているが、この点を除けば、工程Ｓ３０４は工程Ｓ３０２に対応している。

工程Ｓ３０４で利用される第２の形質固有データベースカタログは第２の形質固有の参照配列情報を含んでもよい（すなわち、第２の形質固有データベースカタログに含まれる配列情報は一又は複数の第２の特定の生物形質に関連付けられてもよい）。第２の形質固有の参照配列情報が関連付けられる一又は複数の第２の特定の形質は、形質固有の参照配列情報が関連付けられる一又は複数の特定の形質とは異なるものであってもよい。この第２の形質固有の参照配列情報は、例えば、閉じた（ｃｌｏｓｅｄ）ゲノム、ドラフト（ｄｒａｆｔ）ゲノム、コンティグ、及び／又はショートリードであってもよく、これらの閉じた（ｃｌｏｓｅｄ）ゲノム、ドラフト（ｄｒａｆｔ）ゲノム、コンティグ、及び／又はショートリードの各々は第２の特定の生物形質に関連付けられてもよい。

一部の実施形態において、第２の形質固有データベースカタログに含まれる配列情報は、一又は複数の第２の特定の生物形質に関連付けられた配列情報に限定されてもよい。よって、形質固有データベースカタログに含まれる配列情報は、参照データベース（例えば、図５及び図６の参照データベース５２０）に含まれる配列情報のサブセットであってもよく、この参照データベースは生物のゲノムの同一性を含む参照データベース（例えば、ＧｅｎＢａｎｋ（登録商標））であってもよい。

一部の実施形態において、工程Ｓ３０４で実行される確率論的な方法は、受け取った配列情報（例えば、配列情報ファイル１０８）内に含まれるフラグメントリード（例えば、アセンブルされないヌクレオチドフラグメントリード）を、第２の形質固有データベースカタログ内に含まれる第２の形質固有の参照配列情報と比較する工程を含んでもよい。一部の非限定的な実施形態において、工程Ｓ３０４の確率論的な方法において実行される確率論的な比較は、完全一致、サブシーケンスの一意性、パターン一致、ｎ長内での複数サブシーケンス一致、曖昧一致、Ｓｅｅｄ−ａｎｄ−ｅｘｔｅｎｄ、距離測度、及び系統発生学上の樹状マッピングを含んでもよいが、これらには限定されない。非限定的な一実施形態において、工程Ｓ３０４で実行されるこの確率論的な方法は確率論的なマッチングを含んでもよい。

一部の実施形態において、工程Ｓ３０４で実行される確率論的な方法は、ベイズ的アプローチ、再帰的なベイズ的アプローチ、又は単純ベイズ的アプローチを用いてもよいが、工程Ｓ３０４で実行される確率論的な方法は、これらのアプローチのいずれにも限定されない。一部の実施形態において、工程Ｓ３０４で実行される確率論的な方法は、サンプル又は分離株内の生物材料において見出される可能性が高い第２の特定の生物形質の評価値を決定し、格付けする工程を含んでもよい。

一部の実施形態において、工程Ｓ３０４は、サンプル又は分離株内の一又は複数の第２の特定の生物形質の確率及び相対存在量を決定する工程を含んでもよい。例えば、非限定的な実施形態において、工程Ｓ３０４はサンプル又は分離株において見出される可能性が高い一又は複数の可動遺伝因子の確率及び相対存在量を決定する工程を含んでもよい。別の非限定的な実施形態において、工程Ｓ３０４はサンプル又は分離株において見出される可能性が高い一又は複数の系統発生学上の特性の確率及び相対存在量を決定する工程を含んでもよい。

参照により全体が本明細書に組み込まれる米国特許出願交換第２０１２／０００４１１１号は、サンプル内の生物の同一性及び相対個体数の特性を決定するために用いることができる確率論的な方法を記述している。一部の非限定的な実施形態において、工程３０４で実行される確率論的な方法は、米国特許出願公開代２０１２／０００４１１１号に記述される確率論的な方法のうちの一又は複数と同じものである。ただし、工程Ｓ３０４で実行される確率論的な方法は、受け取った配列情報を、生物のゲノムの同一性を含む参照データベースではなく、第２の形質固有のデータベースカタログに含まれる第２の形質固有の参照配列情報と比較するという点では異なる。その結果、これらの非限定的な実施形態において、工程Ｓ３０４で実行される確率論的な方法は、確率論的な方法を用いて、（生物の同一性及び相対個体数の特性を決定するのではなく）サンプル又は分離株内の生物のうちの一又は複数に関連付けられた一又は複数の第２の形質、又はサンプル又は分離株内の生物のうちの一又は複数に関連付けられた一又は複数の第２の形質の相対存在量の特性を決定（すなわち、判定）してもよい。しかしながら、工程Ｓ３０４で実行される確率論的な方法は、米国特許出願公開第２０１２／０００４１１１号に記載されたものに限定されることはなく、その他の確率論的な方法を追加的に又は代替的に用いてもよい。

図３に示す実施形態において、確率論的なマッチング及び決定の工程（例えば、工程Ｓ３０２〜Ｓ３０４）は同時に実行されてもよい（すなわち、確率論的なマッチング及び決定の工程のうちの一又は複数は、他の確率論的なマッチング及び決定の工程のうちの一又は複数が実行されている間に実行されてもよい）。しかしながら、これは必須ではない。他の実施形態において、確率論的なマッチング及び決定の工程のうちの一又は複数は逐次実行されてもよい（すなわち、確率論的なマッチング及び決定の工程のうちの一又は複数は、他の確率論的なマッチング及び決定の工程のうちの一又は複数が実行された後に実行されてもよい）。

例えば、図４に示す処理４００の実施形態は、サンプル又は分離株内の生物材料の特性を決定するために実行されてもよく、その中で確率論的なマッチング及び決定の工程のうちの一又は複数は逐次実行される。図４に示す実施形態において、確率論的な方法及び形質決定の工程（例えば、工程Ｓ３０２及び／又はＳ３０４）は、確率論的な方法及び形質決定の工程Ｓ３０３が完了した後に実行されてもよい。

図３及び図４にそれぞれ示される処理３００及び処理４００の実施形態は、各々確率論的な方法及び形質決定の工程を２つ含んでいる（例えば、工程Ｓ３０２及びＳ３０４）が、これは必須ではない。処理３００及び処理４００の一部の実施形態は、確率論的な方法及び形質決定の工程を１つ含んでもよい（例えば、工程Ｓ３０２を含み、工程Ｓ３０４を含まない）。処理３００及び処理４００の他の実施形態は、確率論的な方法及び形質決定の工程を３つ以上含んでもよい。例えば、処理３００及び処理４００の一部の実施形態は、確率論的な方法及び形質決定の工程を３つ、４つ、５つ、又はそれ以上有してもよく、これら確率論的な方法及び形質決定の工程の各々は異なる形質固有のデータベースカタログを用いてもよい。

図３及び図４にそれぞれ示す、サンプル又は分離株内の生物材料の特性を決定するための処理３００及び処理４００は、種々の実行手段を用いて実行されるが、サンプル又は分離株内の生物材料の特性を決定するために用いられてもよいコンパレータエンジンの２つの特定の非限定的な実施形態を、それぞれ図５及び図６を参照して以下に記述する。

第１のコンパレータエンジン５００の前提は、生物の配列情報がワード単位に分解できること、及びこれらのワードのサブセットを用いて元の生物を同定できることである。高レベルにおいては、第１のコンパレータエンジン５００は参照配列情報（例えば、形質固有のデータベースカタログに含まれかつ特定の生物形質に関連付けられた形質固有の参照配列情報、又は参照遺伝子データベースに含まれかつゲノムの同一性に関連付けられた参照配列情報、例えば、特定の種又は菌株）を取り込み、この参照配列情報からワードのライブラリを作成する。その後、サンプル又は分離株から取得した配列情報を分析するために、第１のコンパレータエンジン５００はサンプル又は分離株から取得した配列情報を取り込み、この配列情報をワードリストに分解する。次に、第１のコンパレータエンジン５００は、サンプル又は分離株から取得した配列情報からワードを取り込み、これらを参照配列情報から作成したライブラリ内のワードとマッチングする。その後、参照配列からのワードと一致する、サンプル又は分離株から取得した配列情報からのワードの数を各参照配列についてカウントすることによって、マッチしたものは集計される。この結果は、例えば、特定の形質又は遺伝子同一性と関連付けられる。

一部の実施形態において、第１のコンパレータエンジン５００の各工程は処理装置１０２によって実行される。工程Ｓ５０１において、第１のコンパレータエンジン５００は配列情報を受信する。配列情報は配列情報ファイル１０８の形態であってもよい。この配列情報は一又は複数の生物の遺伝物質を含むサンプル又は分離株から抽出されてもよい。一部の実施形態において、配列情報はフラグメントリードを含んでもよい。非制限的な実施形態において、このフラグメントリードはアセンブルされないフラグメントリードであってもよい（例えば、アセンブルされないヌクレオチドフラグメントリード）。

工程Ｓ５０２において、第１のコンパレータエンジン５００は受信した配列情報の品質チェックを行ってもよい。受信した配列情報の品質が良いと判定された場合、第１のコンパレータエンジン５００は工程Ｓ５０４に進んでもよい。しかしながら、受信した配列情報の品質が悪いと判定された場合、受信された配列情報は工程Ｓ５０３で修正された後、工程Ｓ５０４が実行される。一部の実施形態において、品質チェックは工程Ｓ５０２で実行される。それは、種々の下流の分析処理においてデータの品質が重要だからであり、それらの処理には配列アセンブリ、単一ヌクレオチド多形性同定、遺伝子発現研究、並びに細菌同定などがある。リードエラー（ベースコーリングエラー（ｂａｓｅ ｃａｌｌｉｎｇ ｅｒｒｏｒｓ）及び少量の挿入／削除）、低品質のリード、及びプライマー／アダプター汚染はＮＧＳデータにおいて一般的であり、下流の配列解析処理／分析に対して大きな影響を及ぼし得る。工程Ｓ５０３の品質チェック及びその後の修正によって、下流の分析の前にこれらの配列上のアーティファクト（ａｒｔｉｆａｃｔ）を取り除き、誤った結論を減らすことができる。一部の実施形態において、配列解析プラットフォーム（例えば、配列解析装置２１２）に統合された受信配列情報ソフトウェアに割り当てられた品質スコアを用いて、品質チェックが行われてもよい非限定的な一実施形態においては、少なくともＱ２０の品質スコアを有するリード（ｒｅａｄｓ）が含まれており、プライマーの端部をトリミングするソフトウェアが適用される。

工程Ｓ５０４において、第１のコンパレータエンジン５００は受信した配列情報を圧縮してもよい。つまり、工程Ｓ５０４において、第１のコンパレータエンジン５００は配列情報のデータサイズを低減してもよい。例えば、圧縮工程Ｓ５０４は不必要な情報を取り除いてもよい。

工程Ｓ５０２において、第１のコンパレータエンジン５００は圧縮された配列情報を代替データセット（例えば、配列情報からのワードのリスト）に変換してもよい。非制限的な実施形態においては、工程Ｓ５０４において、第１のコンパレータエンジン５００はワード探索／解析処理を実行してもよく、この処理は参照によって全体が本明細書に組み込まれる米国特許出願第２０１２／０００４１１１号において、図１５及び図１６の工程Ｓ１５０２及び工程Ｓ１５０３を参照して記載されている。

工程Ｓ５０２において、第１のコンパレータエンジン５００は参照データベース５２０に含まれる参照配列情報を圧縮してもよく、このデータベースは生物のゲノムの同一性を含んでいる。つまり、工程Ｓ５０６において、第１のコンパレータエンジン５００は参照配列情報のデータサイズを低減してもよい。

工程Ｓ５０７において、第１のコンパレータエンジン５００は圧縮された参照配列情報を代替データセット（例えば、参照配列情報からのワードのディクショナリのライブラリ。ここで、各ライブラリは特定のゲノムの同一性のワードを含む）に変換してもよい。非制限的な実施形態においては、工程Ｓ５０７において、第１のコンパレータエンジン５００は物質カタログ化処理ワード探索／解析処理を実行してもよく、この処理は参照によって全体が本明細書に組み込まれる米国特許出願第２０１２／０００４１１１号において、図１４及び図１６を参照して記載されている。

工程Ｓ５０８において、第１のコンパレータエンジン５００は、サンプル又は分離株から取得した配列情報から工程Ｓ５０５で生成したワードを参照配列情報から工程Ｓ５０７で生成したワードと比較してもよい。一部の実施形態において、この比較は多対多の比較であってもよい。工程Ｓ５０９において、第１のコンパレータエンジン５００は工程Ｓ５０８で同定したマッチしたもののマッチ評価値の決定を行ってもよい。一部の実施形態において、第１のコンパレータエンジン５００はマッチ評価値テーブルを作成することによってマッチ評価値の決定を行ってもよい。一部の実施形態において、マッチ評価値の決定は、参照データベース内の参照配列情報を有する生物の各々について、当該生物の参照配列からのワードと一致する、サンプル又は分離株から取得された配列情報からのワードの数をカウントする工程を含んでもよい。工程Ｓ５１０において、第１のコンパレータエンジン５００は、生物がサンプル又は分離株内に含まれる確率に従って、参照データベース５２０内の参照配列情報を有する生物を格付けしてもよい。非制限的な実施形態においては、工程Ｓ５０８〜Ｓ５１０において、第１のコンパレータエンジン５００が実行する手続きは、参照によって全体が本明細書に組み込まれる米国特許出願第２０１２／０００４１１１号の段落０１８０〜０１８２において、図１５及の工程Ｓ１５０４及び工程Ｓ１５０５を参照して記載されている手続きであってもよい。

工程Ｓ５１１において、第１のコンパレータエンジン５００は、参照データベース５２０内の参照配列情報を有する生物がサンプル又は分離株内に存在する確率を閾値と比較してもよい。一部の実施形態において、この確率が閾値よりも低い場合、第１のコンパレータエンジン５００は、この生物を拒絶してもよい。一部の実施形態において、この確率が閾値よりも高い場合、第１のコンパレータエンジン５００は、この生物をサンプル又は分離株に含まれるものとして受け入れてもよい。一実施形態において、この確率が閾値に近い場合、第１のコンパレータエンジン５００は、この生物がサンプル又は分離株内に存在するか否かについて結果が未確定であると判定してもよい。

一部の実施形態において、第１のコンパレータエンジン５００は確認工程Ｓ５１２を含んでもよい。工程Ｓ５１２において、第１のコンパレータエンジン５００は代替アルゴリズムを用いて、受け入れられた生物を確認又は拒絶してもよいが、これは任意である。一実施形態において、確認工程Ｓ５１２は同定の信頼性又は確率値を用いて同定結果を生成する。一部の実施形態において、確認工程Ｓ５１２では、シグネチャ配列（例えば、核酸シグネチャ配列又はゲノム）のシグネチャ・データベース・カタログに対して、追加的に又は代替的に問い合わせを行ってもよい。一部の実施形態において、確認工程Ｓ５１２の有無は任意であり、又は第１のコンパレータエンジン５００に含まれていなくてもよい。

工程Ｓ５１３において、第１のコンパレータエンジン５００は形質固有データベースカタログ５２２内に含まれる特長固有の参照配列情報を圧縮してもよい。つまり、工程Ｓ５１３において、第１のコンパレータエンジン５００は形質固有の参照配列情報のデータサイズを低減してもよい。

工程Ｓ５１４において、第１のコンパレータエンジン５００は圧縮された形質固有の参照配列情報を代替データセット（例えば、形質固有の参照配列情報からのワードのディクショナリのライブラリ。ここで、各ライブラリは特定の形質のワードを含む）に変換してもよい。非制限的な実施形態においては、工程Ｓ５１４において、第１のコンパレータエンジン５００は物質カタログ化処理ワード探索／解析処理を実行してもよく、この処理は参照によって全体が本明細書に組み込まれる米国特許出願第２０１２／０００４１１１号において、図１４及び図１６を参照して記載されている。ただし、カテゴリ又はディクショナリが（各属、種、菌株ごとではなく）各形質ごとに作成される点は除く。

工程Ｓ５１５において、第１のコンパレータエンジン５００は、サンプル又は分離株から取得した配列情報から工程Ｓ５０５で生成したワードを形質固有の参照配列情報から工程Ｓ５１４で生成したワードと比較してもよい。一部の実施形態において、この比較は多対多の比較であってもよい。工程Ｓ５１６において、第１のコンパレータエンジン５００は工程Ｓ５０８で同定したマッチしたもののマッチ評価値の決定を行ってもよい。一部の実施形態において、第１のコンパレータエンジン５００はマッチ評価値テーブルを作成することによってマッチ評価値の決定を行ってもよい。一部の実施形態において、マッチ評価値の決定は、形質固有のデータベースカタログ５２２内の形質固有の参照配列情報を有する形質の各々について、当該形質の形質固有の参照配列からのワードと一致する、サンプル又は分離株から取得された配列情報からのワードの数をカウントする工程を含んでもよい。工程Ｓ５１７において、第１のコンパレータエンジン５００は、形質がサンプル又は分離株内に含まれる確率に従って、形質固有のデータベースカタログ５２２内の形質固有の参照配列情報を有する形質を格付けしてもよい。

非制限的な実施形態においては、工程Ｓ５１５〜Ｓ５１７において、第１のコンパレータエンジン５００が実行する手続きは、参照によって全体が本明細書に組み込まれる米国特許出願第２０１２／０００４１１１号の段落０１８０〜０１８２において、図１５及の工程Ｓ１５０４及び工程Ｓ１５０５を参照して記載されている手続きであってもよい。ただし、マッチしたものは既知の実体（すなわち、生物の種又は菌株）ではなく既知の形質に対してマッチしたものである点は除く。

工程Ｓ５１８において、第１のコンパレータエンジン５００は、形質固有のデータベースカタログ５２２内の形質固有の参照配列情報を有する形質がサンプル又は分離株内に存在する確率を閾値と比較してもよい。一部の実施形態において、この確率が閾値よりも低い場合、第１のコンパレータエンジン５００は、この形質を拒絶してもよい。一部の実施形態において、この確率が閾値よりも高い場合、第１のコンパレータエンジン５００は、この形質をサンプル又は分離株に含まれるものとして受け入れてもよい。一実施形態において、この確率が閾値に近い場合、第１のコンパレータエンジン５００は、この形質がサンプル又は分離株内に存在するか否かについて結果が未確定であると判定してもよい。

一部の実施形態において、第１のコンパレータエンジン５００は確認工程Ｓ５１９を含んでもよい。工程Ｓ５１９において、第１のコンパレータエンジン５００は代替アルゴリズムを用いて、受け入れられた形質を確認又は拒絶してもよいが、これは任意である。一実施形態において、確認工程Ｓ５１２は同定の信頼性又は確率値を用いて同定結果を生成する。一部の実施形態において、確認工程Ｓ５１９では、シグネチャ配列（例えば、核酸シグネチャ配列又はゲノム）のシグネチャ・データベース・カタログに対して、追加的に又は代替的に問い合わせを行ってもよい。一部の実施形態において、確認工程Ｓ５１９の有無は任意であり、又は第１のコンパレータエンジン５００に含まれていなくてもよい。

一部の実施形態において、第１のコンパレータエンジン５００はＤＮＡシーケンサーから取得した未処理のリードに基づいてアセンブリを伴わないかつアライメントを伴わないデータ分析を実行してもよく、また参照ゲノムデータベース及び／又は形質固有のデータベースカタログ内の参照配列情報からワードライブラリを作成してもよい。種々の実施形態において、第１のコンパレータエンジン５００はウェブベースのアプリケーションツールであってもよく、またいくつかのパスワード保護を有してもよい。一部の実施形態において、第１のコンパレータエンジン５００はＣＬＣゲノムワークベンチに統合されてもよく、複数の権利レベルでユーザアカウントを管理してもよく、ｆａｓｔａ、ｆａｓｔｑ、及びｑｓｅｑ入力フォーマットに対応してもよく、ウェブブラウザ及びｆｔｐを介してデータファイルをアップロードしてもよく、及び／又はユーザが参照データベースを作成及び更新することを可能にしてもよい。一部の実施形態において、第１のコンパレータエンジン５００はユーザが複数のジョブを投入することを可能にしてもよく、データを処理しマッチング評価値を生成するための特許により保護されたアルゴリズムを有してもよく、処理された実験のリストを表示してもよく、アップロードされたデータファイル内で同定されたゲノムの格付け評価値を表示してもよく、及び／又はユーザが格付け評価値をソート及びフィルタリングすることを可能にする。

病原体同定の従来の臨床診療において、一般には、表現型及び遺伝子型という２種類のアプローチがある。コロニーの特性によって病原体を判定する手法は、数日間待つ必要があり、また培養できない病原体には適用できない。

遺伝子型のアプローチは主に３つの方法に分類できる。それらは、ＤＮＡ横縞模様、ＤＮＡハイブリダイゼーション、及びＤＮＡ配列解析である。ＤＮＡ横縞模様法は、有効に作用する増幅又は／及び制限酵素によっては、時間と手間を要するものであり、高品質なＤＮＡを必要とし、再現性及び類似のサイズの横縞を区別するための分解能に欠けている。ＤＮＡハイブリダイゼーションベースの方法（例えば、マイクロアレイ）にはクロスハイブリダイゼーション及び低再現性の問題がある。ＤＮＡ配列解析ベースの方法は選択遺伝子又はゲノムの一部分のみの配列を解析し、また密接に関連した菌株、さらには種又はゲノム全体を区別することができないことがある。ＤＮＡ配列解析ベースのアプローチは、サンプル内に存在する細菌の特性を決定するための、培養を必要としない方法である。

数千もの配列解析された細菌のゲノム及び現代の高速配列解析技術が使えることにより、ゲノム配列の混合物内で病原体をリアルタイムで同定することが可能になる。従来のメタゲノムベースの方法は一般的に、参照ゲノムに対してショートリードを整列し、その後マッチしたものを集めるか、またはショートリード内の特定のゲノムの一意の形質を探索する、という工程に基づいている。長さが短いため、多くのリードが１を超える数の参照ゲノムに合わせて整列される。リードの長さが短いことにより、ショートリード内で一意の形質を発見することも難しくなる。ある範囲で一意の形質であっても、この形質は範囲を拡大したときにはもはや一意ではないかもしれない。これらの従来の方法によって、それらのリードの多くは無視されてそれ以上用いられることがない。例えば、Ｑｉｎらによって２０１０年に出版されたヒトの内蔵分析においては、参照ゲノムデータベース内でリードがまったく見つからないか又は見つかるリードが多すぎるため、データのほぼ半分が利用されていない。さらに、短時間で（例えば、１時間以内で）膨大な量のＮｅｘｔ−Ｇｅｎ配列解析データを処理及び分析することは大きな問題である。

図６は第２のコンパレータエンジン６００の非限定的な実施形態を示す。この第２のコンパレータエンジンは、サンプル又は分離株内の生物材料の特性を決定するために用いられてもよい。第２のコンパレータエンジン６００は上記の問題の解決を意図しており、非限定的な実施形態においては、メタゲノムデータ内の異なる菌株間でも病原体を２、３分以内で区別できるように構成されている。一実施形態において、第２のコンパレータエンジン６００はヌクレオチドの一つ一つを考慮に入れ、データを除外することがない。他の実施形態において、第２のコンパレータエンジン６００はｎ量体プロファイルを生成し、使用可能な参照ゲノムの各々についてこのｎ量体をハッシュする（Ｇ（ｉ）， ｉ〜ｌ．．．ｋ、ここでｋは参照ゲノムの数）。ｎはユーザが決定するパラメータである。ｎ量体プロファイルＧ（ｉ）はメタゲノムサンプル又は分離株を調査するために用いられてもよく、対応する分布Ｓ（ｉ）が生成される。統計データ閾値化法を用いて閾値を計算してもよい。第２のコンパレータエンジン６００は、プロファイル評価値が閾値を超えるすべての病原体を、サンプル又は分離株内に顕著に存在するものとして指定してもよい。

一部の実施形態において、第２のコンパレータエンジン６００の各工程は処理装置１０２によって実行される。工程Ｓ６０１において、第２のコンパレータエンジン６００は配列情報を受信する。配列情報は配列情報ファイル１０８の形態であってもよい。この配列情報は一又は複数の生物の遺伝物質を含むサンプル又は分離株から抽出されてもよい。一部の実施形態において、配列情報はフラグメントリードを含んでもよい。非制限的な実施形態において、このフラグメントリードはアセンブルされないフラグメントリードであってもよい（例えば、アセンブルされないヌクレオチドフラグメントリード）。

工程Ｓ６０２において、第２のコンパレータエンジン６００は受信した配列情報を準備してもよい。一部の実施形態において、第２のコンパレータエンジン６００は受信した配列情報を圧縮することによって受信した配列情報を準備してもよい。

工程Ｓ６０３において、第２のコンパレータエンジン６００はサンプル又は分離株のハッシュテーブルを作成してもよい。一部の実施形態において、このハッシュテーブルは受信した配列情報の各フラグメントリードから取得したシード（すなわた、タグ付けされたｎ量体）を追加することによって作成されてもよい。一実施形態において、シードすなわちタグ付けされたｎ量体は、ｍ個のベースペアの特定の配列のインスタンスであるアンカーと会合する（すなわち、隣接する、後続する、または先行する）長さのｎ個のベースペアの配列（例えば、ヌクレオチド配列）である。これらの実施形態において、受信した配列情報から取得したフラグメントリード内に見られるアンカー（すなわち、ｍ個のベースペアの特定の配列）のインスタンスごとに、シードすなわちタグ付けされたｎ量体（すなわち、ｍ個のベースペアの特定の配列のインスタンスと会合するｎ個のベースペアの配列）がサンプル又は分離株のハッシュテーブルに加えられる。

一部の実施形態において、ユーザはアンカーの長さｍ及び／又はシードもしくはタグ付けされたｎ量体の配列の長さｎを指定してもよい。一部の実施形態において、ｍは長さが２個以上８個以下のベースペアであってもよい。一実施形態において、ｍは３と等しくてもよい。ｍ＝３である非限定的実施形態において、アンカーはＡＴＧの配列であってもよい。一部の実施形態において、ｎは長さが９個以上２０個以下のベースペアであってもよい。一実施形態において、ｎは１３個のベースペアと等しくてもよい。

工程Ｓ６０４において、第２のコンパレータエンジン６００は参照データベース５２０に含まれる参照配列情報を準備してもよく、このデータベースは生物のゲノムの同一性を含んでいる。一部の実施形態（例えば、データがプロセッサから離れた場所にある実施形態）において、第２のコンパレータエンジン６００は参照配列情報を圧縮することによって参照配列情報を準備してもよい。

工程Ｓ６０５において、第２のコンパレータエンジン６００は参照ハッシュテーブルを作成してもよい。一部の実施形態において、この参照ハッシュテーブルは参照配列情報の各フラグメントリードから取得したシード（すなわた、タグ付けされたｎ量体）を追加することによって作成されてもよい。一実施形態において、シードすなわちタグ付けされたｎ量体は、ｍ個のベースペアの特定の配列のインスタンスであるアンカーと会合する（すなわち、隣接する、後続する、または先行する）長さのｎ個のベースペアの配列（例えば、ヌクレオチド配列）である。これらの実施形態において、参照配列情報から取得したフラグメントリード内に見られるアンカー（すなわち、ｍ個のベースペアの特定の配列）のインスタンスごとに、シードすなわちタグ付けされたｎ量体（すなわち、ｍ個のベースペアの特定の配列のインスタンスと会合するｎ個のベースペアの配列）が参照ハッシュテーブルに加えられる。

工程Ｓ６０６において、第２のコンパレータエンジン６００は、サンプル又は分離株ハッシュテーブルから取得したシード（すなわち、タグ付けされたｎ量体）と参照ハッシュテーブルのシード（なわち、タグ付けされたｎ量体）との間でマッチング評価値を算出してもよい。一部の実施形態において、マッチング評価値は編集距離に基づいてもよい。一部の実施形態において、マッチングはシードで始まり、その後両方向に拡大してユーザが指定した閾値又は配列情報の終端にに到達するまで行われる。

工程Ｓ６０７において、第２のコンパレータエンジン６００は参照データベース５２０内の各々の生物について累積的な評価値及びｎ量体の度数分布を算出してもよい。工程Ｓ６０８において、第２のコンパレータエンジン６００はサンプル又は分離株内に存在する可能性が高い一又は複数の生物を同定する同定出力を生成してもよい。一部の実施形態において、工程Ｓ６０８で生成された同定出力はケプラー出力であってもよい。

工程Ｓ６０９において、第２のコンパレータエンジン６００は参照データベース５２０内の指定された参照生物について、タグ付けされたｎ量体の逆索引を作成してもよい。一部の実施形態において、逆索引の作成は上記の高評価値ゲノムのサブセットのパターン集合に基づいてもよく、曖昧性のさらなる除去を実現してもよい。工程Ｓ６０１において、第２のコンパレータエンジン６００はパターン一致評価値を算出してもよい。工程Ｓ６１１において、第２のコンパレータエンジン６００はサンプル又は分離株内に存在する可能性が高い一又は複数の生物を同定する追加の同定出力を生成してもよい。一部の実施形態において、工程Ｓ６１１で生成された追加の同定出力はクエーサー出力であってもよい。

工程Ｓ６１２において、第２のコンパレータエンジン６００は形質固有データベースカタログ５２２内に含まれる特長固有の参照配列情報を準備してもよい。一部の実施形態において、第２のコンパレータエンジン６００は形質固有の参照配列情報を圧縮することによって形質固有の参照配列情報を準備してもよい。

工程Ｓ６１３において、第２のコンパレータエンジン６００は形質ハッシュテーブルを作成してもよい。一部の実施形態において、この形質ハッシュテーブルは形質固有の参照配列情報の各フラグメントリードから取得したシード（すなわた、タグ付けされたｎ量体）を追加することによって作成されてもよい。一実施形態において、シードすなわちタグ付けされたｎ量体は、ｍ個のベースペアの特定の配列のインスタンスであるアンカーと会合する（すなわち、隣接する、後続する、または先行する）長さのｎ個のベースペアの配列（例えば、ヌクレオチド配列）である。これらの実施形態において、形質固有の参照配列情報から取得したフラグメントリード内に見られるアンカー（すなわち、ｍ個のベースペアの特定の配列）のインスタンスごとに、シードすなわちタグ付けされたｎ量体（すなわち、ｍ個のベースペアの特定の配列のインスタンスと会合するｎ個のベースペアの配列）が形質ハッシュテーブルに加えられる。

工程Ｓ６１４において、第２のコンパレータエンジン６００は、サンプル又は分離株ハッシュテーブルから取得したシード（すなわち、タグ付けされたｎ量体）と形質ハッシュテーブルのシード（なわち、タグ付けされたｎ量体）との間でマッチング評価値を算出してもよい。一部の実施形態において、マッチング評価値は編集距離に基づいてもよい。一部の実施形態において、マッチングはシードで始まり、その後両方向に拡大してユーザが指定した閾値又は配列情報の終端にに到達するまで行われる。

工程Ｓ６１５において、第２のコンパレータエンジン６００は形質固有データベースカタログ５２２内の各々の形質について累積的な評価値及びｎ量体の度数分布を算出してもよい。工程Ｓ６１６において、第２のコンパレータエンジン６００はサンプル又は分離株内に存在する可能性が高い一又は複数の形質を同定する形質出力を生成してもよい。一部の実施形態において、工程Ｓ６１６で生成された形質出力はケプラー出力であってもよい。

工程Ｓ６１７において、第２のコンパレータエンジン６００は形質固有データベースカタログ５２２内の指定された参照形質について、タグ付けされたｎ量体の逆索引を作成してもよい。一部の実施形態において、逆索引の作成は上記の高評価値形質のサブセットのパターン集合に基づいてもよく、曖昧性のさらなる除去を実現してもよい。工程Ｓ６１８において、第２のコンパレータエンジン６００はパターン一致評価値を算出してもよい。工程Ｓ６１９において、第２のコンパレータエンジン６００はサンプル又は分離株内に存在する可能性が高い一又は複数の生物の一又は複数の形質を同定する追加の形質出力を生成してもよい。一部の実施形態において、工程Ｓ６１９で生成された追加の形質出力はクエーサー出力であってもよい。

一部の実施形態において、第２のコンパレータエンジン６００はデータを圧縮及び記憶してもよく、またサイズの大きいファイル（ギガバイト以上）を通常のラップトップ型コンピュータ内で処理できる。一部の実施形態において、第２のコンパレータエンジン６００は効率的なアルゴリズムを用いて極めて高いパフォーマンスでデータの比較を行ってもよい。一部の実施形態において、第２のコンパレータエンジン６００は統計的アルゴリズムを用いてサンプル内に存在する重要なゲノムを確率的に取り除いてもよい。

本発明の特定の実施形態において、特性の決定は種及び／又は亜種又は菌株のレベルで特有のものであり、メタゲノムフラグメントリードからのアセンブルされていない配列解析情報を一又は複数のゲノム同一性データベースの配列解析情報と比較して細菌の菌種を同定及び区別する確率論的なマッチング方法を利用する。

本発明の特定の実施形態は、一又は複数の微生物を含むメタゲノムサンプル内の生物の固有の表現型特性を決定するためのシステム及び方法に関する。より具体的には、一部の実施形態において、固有のゲノムを含む参照データベースカタログと対照してサンプルのメタゲノム分析に適用される処理と類似の処理は、指定された特性又は表現型に適用されてもよく、また当該指定された特性又は表現型がサンプル内に存在するか否かについて、検出、確率論的な格付け及び評価値の決定を可能にする。

例えば、一実施形態において、データベースカタログが可動遺伝因子（すなわち、特定の細菌の属及び種に関連付けられるファージ及び病原性島などのモビローム）からなる場合、本発明の方法の実施形態に従う処理を用いて、メタゲノムサンプル内のそのようなモビロームの確率及び相対存在量を同定してもよい。

本発明の一部の実施形態によれば、バクテリア、ウイルス、寄生生物、真菌類、又はプラスミド及び可動遺伝因子を含む核酸フラグメントの特定の分類単位（例えば、属、種、亜種、及び／又は菌株）について、所与のサンプル内の細胞個体数の正確な決定が可能である。本発明の一部の実施形態によれば、サンプル内に存在する生物を事前に知らなくても、１回の試験で当該サンプル内の複数の生物を同時に同定することが可能である。本発明の一部の実施形態は、医療、農業、及び工業用の用途のために、非常に類似した又は相互に関係を有する種、亜種、及び菌株を区別してもよく、また細菌を同定することもできる。

本発明の一部の実施形態は、種及び／又は亜種又は菌株のレベルで、細菌、菌類、及びウイルスのバックグラウンドの細菌個体数を迅速に決定してもよい。本発明の一部の実施形態は、結果をバックグラウンドの個体数に対して正規化することにより、感染症又は細菌汚染の原因となる病原体を診断してもよい。現在の方法はこれを行う能力が欠けている。例えば、食料科学においては、微生物のバックグラウンドに対する相対的な比較は、亜種及び／又は菌株のレベルまで用いられ、それによって食料汚染の原因と病原性の程度を決定してもよい。

本発明の一部の実施形態は３０分未満で結果を生成してもよい。本発明の一部の実施形態は、配列解析機から取得した核酸フラグメント配列データを用いてもよく、この場合最初に当該フラグメントデータを連続的なセグメント（コンティグ）又は全ゲノムにアセンブル必要はない。

本発明の一部の実施形態は、細菌の配列が参照データベースに存在しない場合、最も近似する配列を同定し、その系統発生の範囲内で当該未知の配列の位置を特定することが可能になる。分離株の場合、参照データベースが最も近似する配列とアセンブルされた全ゲノムを含んでいるとすると、このやり方によって未知の配列の性質を正確に示すことができる可能性がある。

本発明の一部の実施形態は、一又は複数の核酸「シグネチャ」配列又はゲノムの特定のデータベースカタログに問い合わせて、対象の具体的な形質又は表現型の存在を確認してもよい。これらの形質又は表現型には、耐抗生物質の形質、病原性の形質、バイオテロ・エージェント・マーカー、生化学的形質等が含まれるが、これらには限定されない。

本発明の一部の実施形態では、メタゲノムサンプルにおいて病原体の個体数、毒性（又は適合性）因子、及び耐抗生物質の決定因子を同時に同定することによって、医療診断用の検査を実現してもよく、これは感染症の個人向け治療に用いられてもよい。

本発明の一部の実施形態を用いて、特定の表現型特性についてアセンブルされていないリードの分離サンプルを検査し、また臨床対象の特定の特性を含むデータベースカタログを提供してもよい。これらの実施形態は、例えば、人の同一性、癌検査、及び一又は複数のゲノムの定義されたカタログに関連付けられた特定の疾病のための疾病検査などの用途に用いられてもよい。

本発明の一部の実施形態は、一又は複数の核酸「シグネチャ」配列又はゲノムの特定のデータベースカタログに問い合わせて、分解能及び亜種レベルの同定を向上させ、また各ゲノムの高度な重複を有する種を区別してもよい。

本発明の一部の実施形態において、確率論的な方法はアセンブルされていないヌクレオチドフラグメントリードを参照データベース内に含まれる参照配列情報から生成される一又は複数の配列ライブラリ内の配列と比較し、異なる分類学上のレベルで他の細菌に混じって保存される近傍の配列から生成される非一意の配列の発生及び分布とともに、一意の配列をゲノム全体にわたって同定してもよい。

本発明の一部の実施形態において、確率論的な方法によって同定される一意の配列に隣接して、他の細菌内で見られる保存された配列があり、これによってさらに細菌同士を少なくとも種のレベルで区別している。例えば、非限定的な一実施形態において、確率論的な方法は両方の保存された配列及びその近傍から特定の配列を（例えば、保存された配列の５０〜５０００ベースペアの距離の範囲内で）同定する。一部の実施形態において、一意の配列及び／又は隣接した保存された配列は一意のｋ量体及び／又はワードであってもよい。非制限的な実施形態において、一意のｋ量体及び／又はワードは図５及び６に示す処理によって同定されてもよい。さらに、特定の非限定的な実施形態では、一意の配列及びそれに隣接する保存された配列を用いて、密接に関連する同一種の病原型を同定及び区別する。例えば、このような非限定的な一実施形態では、一意の配列及びそれに隣接する保存された配列を用いて大腸菌の８つの菌株を区別する。これらの菌株はすなわち、０１５７：Ｈ７、０１０４：Ｈ４、０２６、０４５、０１０３、０１１１、０１２１、及び０１４５である。例えば、一意の配列の同定によって、特定の血清型又は病原型の同定が可能になってもよいが、一方で一意及び非一意の配列の両方の分布は一又は複数の血清型の特定のパターンを提供してもよく、これにより病原型又は血清型を同定又は互いに区別してもよい。

本発明の実施形態は、以上において図面を参照して十分に説明された。これらの好適な実施形態に基づいて本発明を説明したが、当業者であれば、本発明の趣旨や範囲から逸脱することなく変更、改変、代替構成をなしえることが明白であろう。

例えば、核酸に焦点に当てた例を上述したが、当業者であれば本発明のシステム及び方法は、タンパク質中のアミノ酸配列などの配列の性質を有する他の物質に適用できることが理解できるであろう。

Claims (75)

1. 生物の遺伝物質を含むサンプルから抽出した配列情報に基づいて当該生物の特性を決定する方法であって、
   （ａ）プロセッサ及びメモリを含む処理装置によって、前記サンプルから抽出された前記配列情報を受信する工程であって、前記配列情報はアセンブルされていないヌクレオチドフラグメントリードを含む工程と、
   （ｂ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較し、確率論的な形質の結果を生成する確率論的な方法を実行する工程と、
   （ｃ）前記処理装置によって、前記確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の形質を決定する工程と、
   を含む方法。
2. （ｄ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行する工程と、
   （ｅ）前記処理装置によって、前記確率論的な同一性の結果を用いて前記サンプル内に含まれる前記生物の同一性を少なくとも種レベルで決定する工程と、
   をさらに備える請求項１記載の方法。
3. 前記参照データベース内に含まれる前記参照配列情報が、アセンブルされた又は部分的にアセンブルされた配列情報である、請求項２に記載の方法。
4. 前記生物は微生物であり、前記参照データベースは細菌の全ゲノムデータベースを含む、請求項２に記載の方法。
5. 前記処理装置によって、前記確率論的な同一性の結果を用いて前記サンプル内に含まれる前記生物の同一性を亜種レベルで決定する工程をさらに含む、請求項２の方法。
6. 前記処理装置によって、前記確率論的な同一性の結果を用いて前記サンプル内に含まれる前記生物の同一性を菌株レベルで決定する工程をさらに含む、請求項２の方法。
7. 工程（ｂ）及び（ｃ）が実行される間に工程（ｄ）及び（ｅ）が実行される、請求項２に記載の方法。
8. 工程（ｄ）及び（ｅ）が実行された後に工程（ｂ）及び（ｃ）が実行される、請求項２に記載の方法。
9. 前記同定された生物の種、及び／又は亜種、及び／又は菌株の相対個体数又は存在量の特性を決定する工程をさらに含む、請求項２に記載の方法。
10. 工程（ｂ）及び（ｄ）の前記確率論的な方法が確率論的なマッチングを含む、請求項２に記載の方法。
11. 前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報が、前記参照データベースに含まれる前記参照配列情報のサブセットである、請求項２に記載の方法。
12. 前記アセンブルされていないヌクレオチドフラグメントリードから抽出したワード又はｎ量体を用いてサンプル配列ライブラリを作成する工程と、
    前記参照配列情報から抽出したワード又はｎ量体を用いて参照配列ライブラリを作成する工程と、
    をさらに含み、
    前記確率論的な方法は、前記サンプル配列ライブラリのワード又はｎ量体を前記参照配列ライブラリのワード又はｎ量体と比較することによって、前記アセンブルされていないヌクレオチドフラグメントリードを前記参照配列情報と比較する、請求項２に記載の方法。
13. 前記アセンブルされていないヌクレオチドフラグメントリードから抽出したワード又はｎ量体を用いてサンプル配列ライブラリを作成する工程と、
    前記形質固有の参照配列情報から抽出したワード又はｎ量体を用いて形質固有の配列ライブラリを作成する工程と、
    をさらに含み、
    前記確率論的な方法は、前記サンプル配列ライブラリのワード又はｎ量体を前記形質固有の配列ライブラリのワード又はｎ量体と比較することによって、前記アセンブルされていないヌクレオチドフラグメントリードを前記形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較する、請求項１記載の方法。
14. 形質固有の配列ライブラリは前記形質固有の参照配列情報から取得したワードのディクショナリのライブラリであり、各ディクショナリは特定の形質に対してワードを含んでいる、請求項１３に記載の方法。
15. 前記サンプル配列ライブラリはサンプル配列ハッシュテーブルであり、前記形質固有の配列ライブラリは形質固有のハッシュテーブルである、請求項１３に記載の方法。
16. 前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報が、特定の生物形質に関連付けられた閉じたゲノム、ドラフトゲノム、コンティグ、及び／又はショートリードである、請求項１に記載の方法。
17. 前記特定の生物形質は耐抗生物質の形質、病原性の形質、バイオテロ・エージェント・マーカー、又は生化学的形質である、請求項１６に記載の方法。
18. 工程（ｃ）が前記サンプル内で見られる可能性が高い生物形質の評価値を決定し格付けする工程を含む、請求項１に記載の方法。
19. 前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報が、一又は複数の可動遺伝因子の配列情報からなる、請求項１に記載の方法。
20. 前記一又は複数の可動遺伝因子が、特定の微生物の属又は種に関連付けられたファージ又は病原性島からなる、請求項１９に記載の方法。
21. 工程（ｃ）では前記一又は複数の可動遺伝因子の確率及び相対存在量を決定する、請求項１９に記載の方法。
22. 前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報が、特定の表現型特性に関連付けられる配列情報からなる、請求項１に記載の方法。
23. 工程（ｅ）が前記サンプル内で見られる可能性が高い特定の表現型特性の評価値を決定し及び格付けする工程を含む請求項２２に記載の方法。
24. 前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報が、対象の特定の形質又は表現型の存在を確認するシグネチャ配列又はゲノム配列からなる、請求項１に記載の方法。
25. （ｆ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを第２の形質固有のデータベースカタログ内に含まれる第２の形質固有の参照配列情報と比較し、第２の確率論的な形質の結果を生成する確率論的なマッチングを実行する工程と、
    （ｇ）前記処理装置によって、前記第２の確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の第２の形質を決定する工程と、
    をさらに含み、
    前記一又は複数の形質は前記一又は複数の第２の形質と異なる、請求項１に記載の方法。
26. 工程（ｂ）及び（ｃ）が実行される間に工程（ｆ）及び（ｇ）が実行される、請求項２５に記載の方法。
27. 工程（ｂ）の前記確率論的な方法が確率論的なマッチングを含む、請求項１に記載の方法。
28. 前記サンプルがメタゲノムサンプルである、請求項１に記載の方法。
29. （ｄ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行する工程と、
    （ｅ１）前記サンプル内に含まれかつ前記参照データベース内に含まれる生物について、前記処理装置によって、前記確率論的な同一性の結果を用いて前記サンプル内に含まれかつ前記参照データベース内に含まれる前記生物の同一性を少なくとも種レベルで決定する工程と、
    （ｅ２）前記サンプル内に含まれかつ前記参照データベース内に含まれない生物について、前記処理装置によって、前記サンプル内に含まれる生物に最も近似する前記参照データベース内に含まれる生物の同一性を決定する工程と、
    をさらに含む、請求項１に記載の方法。
30. 生物の遺伝物質を含むサンプルから抽出した配列情報に基づいて当該生物の特性を決定する装置であって、当該装置はプロセッサ及びメモリを含む処理装置を備え、当該処理装置は、
    （ａ）前記サンプルから抽出された前記配列情報を受信し、前記配列情報はアセンブルされていないヌクレオチドフラグメントリードを含み、（ｂ）前記アセンブルされていないヌクレオチドフラグメントリードを形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較し、確率論的な形質の結果を生成する確率論的なマッチングを実行し、
    （ｃ）前記確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の形質を決定する、
    ように構成された、装置。
31. 前記処理装置はさらに、
    （ｄ）前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行し、
    （ｅ）前記確率論的な同一性の結果を用いて前記生物の同一性を少なくとも種レベルで決定する、
    ように構成された、請求項２６に記載の装置。
32. 前記処理装置はさらに、
    前記アセンブルされていないヌクレオチドフラグメントリードから抽出したワード又はｎ量体を用いてサンプル配列ライブラリを作成し、
    前記参照配列情報から抽出したワード又はｎ量体を用いて参照配列ライブラリを作成する、
    ように構成され、
    前記確率論的な方法は、前記サンプル配列ライブラリのワード又はｎ量体を前記参照配列ライブラリのワード又はｎ量体と比較することによって、前記アセンブルされていないヌクレオチドフラグメントリードを前記参照配列情報と比較する、請求項３１に記載の装置。
33. 前記処理装置はさらに、
    前記アセンブルされていないヌクレオチドフラグメントリードから抽出したワード又はｎ量体を用いてサンプル配列ライブラリを作成し、
    前記形質固有の参照配列情報から抽出したワード又はｎ量体を用いて形質固有の配列ライブラリを作成する
    ように構成され、
    前記確率論的な方法は、前記サンプル配列ライブラリのワード又はｎ量体を前記形質固有の配列ライブラリのワード又はｎ量体と比較することによって、前記アセンブルされていないヌクレオチドフラグメントリードを前記形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較する、請求項３１に記載の装置。
34. 形質固有の配列ライブラリは前記形質固有の参照配列情報から取得したワードのディクショナリのライブラリであり、各ディクショナリは特定の形質に対してワードを含んでいる、請求項３３に記載の装置。
35. 前記サンプル配列ライブラリはサンプル配列ハッシュテーブルであり、前記形質固有配列ライブラリは形質固有ハッシュテーブルである、請求項３３に記載の装置。
36. 前記処理装置はさらに、
    （ｆ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを第２の形質固有のデータベースカタログ内に含まれる第２の形質固有の参照配列情報と比較し、第２の確率論的な形質の結果を生成する確率論的なマッチングを実行し、
    （ｇ）前記処理装置によって、前記第２の確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の第２の形質を決定する
    ように構成され、
    前記一又は複数の形質は前記一又は複数の第２の形質と異なる、請求項３０に記載の装置。
37. 前記処理装置はさらに、
    （ｄ）前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行し、
    （ｅ１）前記サンプル内に含まれかつ前記参照データベース内に含まれる生物について、前記確率論的な同一性の結果を用いて前記サンプル内に含まれかつ前記参照データベース内に含まれる前記生物の同一性を少なくとも種レベルで決定し、
    （ｅ２）前記サンプル内に含まれかつ前記参照データベース内に含まれない生物について、前記サンプル内に含まれる生物に最も近似する前記参照データベース内に含まれる生物の同一性を決定する
    ように構成された、請求項３０に記載の装置。
38. 生物の遺伝物質を含む分離株から抽出した配列情報に基づいて当該生物の特性を決定する方法であって、
    （ａ）プロセッサ及びメモリを含む処理装置によって、前記分離株から抽出された前記配列情報を受信する工程であって、前記配列情報はアセンブルされていないヌクレオチドフラグメントリードを含む工程と、
    （ｂ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較し、確率論的な形質の結果を生成する確率論的なマッチングを実行する工程と、
    （ｃ）前記処理装置によって、前記確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の形質を決定する工程と、
    を含む方法。
39. （ｂ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行する工程と、
    （ｅ）前記処理装置によって、前記確率論的な同一性の結果を用いて前記分離株内に含まれる前記生物の同一性を少なくとも種レベルで決定する工程と、
    をさらに含む請求項３８に記載の方法。
40. 前記参照データベース内に含まれる前記参照配列情報が、アセンブルされた又は部分的にアセンブルされた配列情報である、請求項３９に記載の方法。
41. 前記生物は微生物であり、前記参照データベースは細菌の全ゲノムデータベースを含む、請求項３９に記載の方法。
42. 前記処理装置によって、前記確率論的な同一性の結果を用いて前記生物の同一性を亜種レベルで決定する工程をさらに含む、請求項３９の方法。
43. 前記処理装置によって、前記確率論的な同一性の結果を用いて前記生物の同一性を菌株レベルで決定する工程をさらに含む、請求項３９の方法。
44. 工程（ｂ）及び（ｃ）が実行される間に工程（ｄ）及び（ｅ）が実行される、請求項３９に記載の方法。
45. 工程（ｄ）及び（ｅ）が実行された後に工程（ｂ）及び（ｃ）が実行される、請求項３９に記載の方法。
46. 工程（ｂ）及び（ｄ）の前記確率論的な方法が確率論的なマッチングを含む、請求項３９に記載の方法。
47. 前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報が、前記参照データベースに含まれる参照配列情報のサブセットである、請求項３９に記載の方法。
48. 前記アセンブルされていないヌクレオチドフラグメントリードから抽出したワード又はｎ量体を用いてサンプル配列ライブラリを作成する工程と、
    前記参照配列情報から抽出したワード又はｎ量体を用いて参照配列ライブラリを作成する工程と、
    をさらに含み
    前記確率論的な方法は、前記サンプル配列ライブラリのワード又はｎ量体を前記参照配列ライブラリのワード又はｎ量体と比較することによって、前記アセンブルされていないヌクレオチドフラグメントリードを前記参照配列情報と比較する、請求項３９に記載の方法。
49. 前記アセンブルされていないヌクレオチドフラグメントリードから抽出したワード又はｎ量体を用いてサンプル配列ライブラリを作成する工程と、
    前記形質固有の参照配列情報から抽出したワード又はｎ量体を用いて形質固有の配列ライブラリを作成する工程と、
    をさらに含み、
    前記確率論的な方法は、前記サンプル配列ライブラリのワード又はｎ量体を前記形質固有の配列ライブラリのワード又はｎ量体と比較することによって、前記アセンブルされていないヌクレオチドフラグメントリードを前記形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較する、請求項３８に記載の方法。
50. 形質固有の配列ライブラリは前記形質固有の参照配列情報から取得したワードのディクショナリのライブラリであり、各ディクショナリは特定の形質に対してワードを含んでいる、請求項４９に記載の方法。
51. 前記サンプル配列ライブラリはサンプル配列ハッシュテーブルであり、前記形質固有配列ライブラリは形質固有ハッシュテーブルである、請求項４９に記載の方法。
52. 前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報が、特定の生物形質及び／又は一又は複数のメタゲノムサンプルに関連付けられた閉じたゲノム、ドラフトゲノム、コンティグ、及び／又はショートリードである、請求項３８に記載の方法。
53. 前記特定の生物形質は耐抗生物質の形質、病原性の形質、バイオテロ・エージェント・マーカー、又は生化学的形質である、請求項４８に記載の方法。
54. 前記特定の生物形質はヒトの同一性形質、癌罹患性形質、又は疾病形質である、請求項４８に記載の方法。
55. 前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報が、一又は複数の可動遺伝因子の配列情報からなる、請求項３８に記載の方法。
56. 前記一又は複数の可動遺伝因子が、特定の微生物の属又は種に関連付けられたファージ又は病原性島からなる、請求項５１に記載の方法。
57. 工程（ｃ）では前記一又は複数の可動遺伝因子の確率及び相対存在量を決定する、請求項３８に記載の方法。
58. 前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報が、特定の表現型特性に関連付けられる配列情報からなる、請求項３８に記載の方法。
59. 工程（ｅ）が前記生物内で見られる可能性が高い特定の表現型特性の評価値を決定し及び格付けする工程を含む請求項５４に記載の方法。
60. 前記形質固有のデータベースカタログ内に含まれる前記形質固有の参照配列情報が、対象の特定の形質又は表現型の存在を確認するシグネチャ配列又はゲノム配列からなる、請求項３８に記載の方法。
61. （ｆ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを第２の形質固有のデータベースカタログ内に含まれる第２の形質固有の参照配列情報と比較し、第２の確率論的な形質の結果を生成する確率論的なマッチングを実行する工程と、
    （ｇ）前記処理装置によって、前記第２の確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の第２の形質を決定する工程と、
    をさらに含み、
    前記一又は複数の形質は前記一又は複数の第２の形質と異なる、請求項３８に記載の方法。
62. 工程（ｂ）及び（ｃ）が実行される間に工程（ｆ）及び（ｇ）が実行される、請求項６１に記載の方法。
63. 工程（ｂ）の確率論的な方法が確率論的なマッチングを含む、請求項３８に記載の方法。
64. 前記サンプルがメタゲノムサンプルである、請求項３８に記載の方法。
65. （ｄ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行する工程と、
    （ｅ１）前記生物が前記参照データベース内に含まれる場合、前記処理装置によって、前記確率論的な同一性の結果を用いて前記生物の同一性を少なくとも種レベルで決定する工程と、
    （ｅ２）前記生物が前記参照データベース内に含まれない場合、前記処理装置によって、遺伝物質が前記分離株内に含まれる前記生物に最も近似する前記参照データベース内に含まれる生物の同一性を決定する工程と、
    をさらに含む請求項３８に記載の方法。
66. 生物の遺伝物質を含む分離株から抽出した配列情報に基づいて当該生物の特性を決定する装置であって、当該装置はプロセッサ及びメモリを含む処理装置を備え、当該処理装置は、
    （ａ）前記分離株から抽出された前記配列情報を受信し、前記配列情報はアセンブルされていないヌクレオチドフラグメントリードを含み、
    （ｂ）前記アセンブルされていないヌクレオチドフラグメントリードを形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較し、確率論的な形質の結果を生成する確率論的なマッチングを実行し、
    （ｃ）前記確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の形質を決定する
    ように構成された、装置。
67. 前記処理装置はさらに、
    （ｄ）前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行し、
    （ｅ）前記確率論的な同一性の結果を用いて前記生物の同一性を少なくとも種レベルで決定する
    ように構成された、請求項６６に記載の装置。
68. 前記処理装置はさらに、
    （ｆ）前記処理装置によって、前記アセンブルされていないヌクレオチドフラグメントリードを第２の形質固有のデータベースカタログ内に含まれる第２の形質固有の参照配列情報と比較し、第２の確率論的な形質の結果を生成する確率論的なマッチングを実行し、
    （ｇ）前記処理装置によって、前記第２の確率論的な形質の結果を用いて前記生物と関連付けられる一又は複数の第２の形質を決定する
    ように構成され、
    前記一又は複数の形質は前記一又は複数の第２の形質と異なる、請求項６６に記載の装置。
69. 前記処理装置はさらに、
    （ｄ）前記アセンブルされていないヌクレオチドフラグメントリードを、生物のゲノムの同一性を含む参照データベース内に含まれる参照配列情報と比較し、確率論的な同一性の結果を生成する確率論的な方法を実行し、
    （ｅ１）前記生物が前記参照データベース内に含まれる場合、前記確率論的な同一性の結果を用いて前記生物の同一性を少なくとも種レベルで決定し、
    （ｅ２）前記生物が前記参照データベース内に含まれない場合、遺伝物質が前記分離株内に含まれる前記生物に最も近似する前記参照データベース内に含まれる生物の同一性を決定する
    ように構成された、請求項６６に記載の装置。
70. 前記処理装置はさらに、
    前記アセンブルされていないヌクレオチドフラグメントリードから抽出したワード又はｎ量体を用いてサンプル配列ライブラリを作成し、
    前記形質固有の参照配列情報から抽出したワード又はｎ量体を用いて形質固有の配列ライブラリを作成する
    ように構成され、
    前記確率論的な方法は、前記サンプル配列ライブラリのワード又はｎ量体を前記形質固有の配列ライブラリのワード又はｎ量体と比較することによって、前記アセンブルされていないヌクレオチドフラグメントリードを前記形質固有のデータベースカタログ内に含まれる形質固有の参照配列情報と比較する、請求項６６に記載の装置。
71. 形質固有の配列ライブラリは前記形質固有の参照配列情報から取得したワードのディクショナリのライブラリであり、各ディクショナリは特定の形質に対してワードを含んでいる、請求項７０に記載の装置。
72. 前記サンプル配列ライブラリはサンプル配列ハッシュテーブルであり、前記形質固有配列ライブラリは形質固有ハッシュテーブルである、請求項７０に記載の装置。
73. 前記処理装置はさらに、
    （ｄ）前記アセンブルされていないヌクレオチドフラグメントリードを参照データベース内に含まれる参照配列情報と比較し、異なる分類学上のレベルで他の細菌に混じって保存される近傍の配列から生成される非一意の配列の発生及び分布とともに、一意の配列を同定する確率論的な方法を実行する
    ように構成された、請求項１に記載の方法。
74. 確率論的な方法によって同定される前記一意の配列に隣接して、他の細菌内で見られる保存された配列があり、これによってさらに細菌同士を少なくとも種のレベルで区別する、請求項７３に記載の方法。
75. 確率論的な方法によって同定される前記一意の配列は、細菌を少なくとも種のレベルで同定するためのマクロアレイ又はマイクロアレイを設計するために用いることが可能である、請求項７４に記載の方法。