JP2021516330A - バイオインフォマティクスアプローチに基づく、診断及び治療を含む、代謝関連状態の特徴解析のための方法及びシステム - Google Patents

Abstract

（例えば代謝関連予測のための）方法及び／又はシステムの実施形態は、酵素データセットを生成すること；基質データセットを生成すること；前記酵素データセット及び／又は前記基質データセットに基づいて、クエリ分子の代謝に関連する酵素フィーチャーを予測するなどのための代謝モデルを生成すること；前記代謝モデル（機械学習モデルなど）の１又は複数の予測される酵素フィーチャーに基づいて前記クエリ分子の代謝に関連する微生物分類群（及び／又は複数の微生物分類群）を決定すること（Ｓ１４０）；及び／又は前記微生物分類群に基づいて、１又は複数のユーザーに対してクエリ分子スコア（例えば、薬剤スコア）を決定すること、を含みうる。

Description

関連出願の相互参照
本出願は、２０１８年３月１６日に出願された米国仮特許出願第６２／６４４，３４７号、２０１８年６月２日に出願された米国仮特許出願第６２／６７９，７８３号、２０１８年６月２日に出願された米国仮特許出願第６２／６７９，７８５号、２０１８年６月２日に出願された米国仮特許出願第６２／６７９，７８７号、２０１８年８月３０日に出願された米国仮特許出願第６２／７２４，９２８号、２０１８年９月２７日に出願された米国仮特許出願第６２／７３７，１０８号、２０１８年１１月１２日に出願された米国仮特許出願第６２／７５９，９７５号、及び２０１８年１１月２３日に出願された米国仮特許出願第６２／７７０，９１９号の利益を主張し、これらの出願はそれぞれ参照によりその全体が本明細書に組み込まれる。

本開示は、概して、微生物関連代謝に関する。

我々の身体のヒト細胞には１：１の微生物細胞が存在し、そのほとんどが腸内にある（１００兆個の細胞と５００万個の特有の遺伝子）。具体的には、ヒトの腸で見られる最も関連のある門は、フィルミクテス門（Ｆｉｒｍｉｃｕｔｅｓ）、バクテロイデス門（Ｂａｃｔｅｒｏｉｄｅｔｅｓ）、アクチノバクテリア門（Ａｃｔｉｎｏｂａｃｔｅｒｉａ）、プロテオバクテリア門（Ｐｒｏｔｅｏｂａｃｔｅｒｉａ）、フソバクテリア門（Ｆｕｓｏｂａｃｔｅｒｉａ）、及びベルコミクロビア門（Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａ）である。腸内マイクロバイオータは、特にビタミンや代謝産物の産生、薬物の代謝、病原体からの保護、免疫系の調節など、多くの側面に関与しており、腸内マイクロバイオータを調節する要因は、特にライフスタイル、免疫系、感染症及び医療手術の既往、薬物の使用などであることを強調することができる。

ヒトは、生体異物（ゼノバイオティクス）と称される多数の外来低分子を摂取する。このグループとしては、食物成分、環境化学物質、及び医薬品を挙げることができる。我々の消化管に生息する何兆もの微生物が、直接的に、生体異物化合物の化学構造を変換する可能性がある。腸内微生物は、多糖類、脂質、タンパク質、植物性化学物質複合体など、多くの種類の食物性化合物を改変する。これらの代謝反応は、健康上の利点、様々な状態、及び病気と関連している。具体的な様式では、腸内微生物による生体異物の代謝産物は、変化した生物活性、バイオアベイラビリティ、及び毒性を有していることが知られており、ヒト生体異物代謝酵素の活性を妨げて、摂取された他の分子の行方に影響を与える可能性がある。したがって、細菌及び酵素は、臨床研究及び実践に組み込むことができる、操るための特定のターゲット及び診断マーカーの両方を提供する。しかしながら、ほとんどの場合、これらの反応を媒介する個々の微生物及び酵素は不明である。

生体異物化合物は、複数の経路を介して腸内微生物に遭遇する可能性がある。例えば、経口摂取された化合物は上部消化管を通過して小腸に到達し、そこで腸内酵素によって修飾され、宿主組織によって吸収される。それらの化合物は、門脈によって肝臓に達する場合もある。一方、静脈内投与された化合物は、体循環に導入され得る。次に、胆管を介して腸管腔に戻るか腎臓を介してさらに代謝又は排泄され得る。代謝物が腸管腔に到達すると、続いて大腸に到達し、最終的に排泄され得る。

もう１つの重要な課題は、マイクロバイオームが食物性化合物、環境化学物質、及び医薬品をどのように修飾するかである。腸内微生物によって行われる変換は、加水分解変換（基質への水分子の付加を触媒し結合切断に至るヒドロラーゼ酵素（プロテアーゼ、グリコシダーゼ、スルファターゼ）によるもの）；リアーゼ還元（酸化や水の添加に依存せずＣ−Ｃ又はＣ−Ｘ結合（Ｘ＝Ｏ、Ｎ、Ｓ、Ｐ、又はハロゲン化物）を切断するリアーゼ酵素によるもの）；還元的変換（様々な補因子（ＮＡＤ（Ｐ）Ｈ、フラビン、Ｆｅ−Ｓクラスターなど）を用いて電子又は水素化物相当物の基質への移動を媒介する、アルケン、α、β−不飽和カルボン酸誘導体、ニトロ基、Ｎ−オキシド基、アゾ基、及びスルホキシド基を含む、幅広い官能基を還元するレダクターゼによるもの）；官能基移動反応（求核置換反応を使用して２つの基質間で官能基（例えば、メチル基やアシル基）を移動させるトランスフェラーゼ酵素によるもの）；及びラジカル酵素によって媒介される変換（嫌気性代謝の主流であり、酵素は通常、一電子移動又はホモリティック結合開裂によって基質ベースのラジカル中間体を生成する。この最初の基質ベースのラジカルは、続いて生成物ベースのラジカルに変換される。多くは、最終生成物が生成すると、当初の酵素ベース又は補因子ベースのラジカルが再生され、触媒サイクルが完了する）、によるものでありうる。

上述のように、生体異物分子は、例えば食物成分のように、多くの供給源に由来し得る。これに関し、こうした成分の具体的な例としては、グルテン（小麦ベースの食品に含まれる）、コレステロール（肉、魚、卵、チーズなどに含まれる）、アルコール（アルコール飲料に含まれる）、コリン（例えば、肉に含まれる）などが特に挙げられる。これに関し、腸内マイクロバイオータが我々が食する食品（及びその成分）とどのように関係しているかを知ることが重要である。

グルテンの場合、小麦ベースの食品のグルテンに対する炎症反応を特徴とする、セリアック病と呼ばれる自己免疫障害がある。セリアック病の患者の小腸微生物はグルテンと相互作用し、セリアック病を有さない人の微生物とは異なる免疫反応を引き起こす。セリアック病を有する患者と有さない患者との便サンプルの比較研究では、セリアック病の患者からの便サンプル中には細菌シュードモナス・エルギノーサ（Ｐｓｅｕｄｏｍｏｎａｓ ａｅｒｕｇｉｎｏｓａ）が検出されており、これはグルテンタンパク質分解を変化させることによる免疫原性の高いペプチドの産生と相関すること、一方で、セリアック病を有さない患者の便サンプルからは、ペプチドを分解して免疫反応を低下させる可能性のある細菌であるラクトバチルス属菌種（Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ．）が検出されることが分かっている。

別の例では、摂取されたコレステロールは小腸で吸収され、胆汁排泄及び腸肝循環に至る場合がある。腸内微生物がコレステロールを減少させてコプロスタノールを生成しうることが報告されており（例えば、ユウバクテリウム・コプロスタノリゲネス（Ｅｕｂａｃｔｅｒｉｕｍ ｃｏｐｒｏｓｔａｎｏｌｉｇｅｎｅｓ）は未同定の酵素によりコプロスタノールを生成する）、これは再吸収されずに排出されるため、コレステロールが循環から除去されうる。

我々が飲むアルコールの場合、腸内マイクロバイオータには、アルコールを分解してアセトアルデヒドに変換することができるアルコール脱水素酵素が存在する。アセトアルデヒドの蓄積には、二日酔いの症状から癌を含む結腸の病状まで、いくつかの状態に関連する毒性がある。さらに、アセトアルデヒド濃度が高いと、アセトアルデヒド／キサンチンオキシダーゼが生成するスーパーオキシドを介して、葉酸が不活性な形態に切断される場合があり、葉酸欠乏症は結腸癌のリスク増加に関連している。

コリンが豊富な、ホスファチジルコリンを含む肉や食品（鶏肉、魚、乳製品、パスタ、米など）について、腸内微生物がこの分子のトリメチルアミン（ＴＭＡ）を形成し、次に宿主の肝フラビン含有モノオキシゲナーゼ（ＦＭＯ）がＴＭＡからトリメチルアミンＮ−オキシド（ＴＭＡＯ）への変換を触媒する。これは、動物モデルでアテローム性動脈硬化症を増強し、臨床研究で心血管リスクに関連付けられている。哺乳動物でＴＭＡ及び引き続くＴＭＡＯを生成する別の方法は、肉のようなカルニチン含有食品からのＬ−カルニチンの食事摂取によるものであり、この食事性カルニチンのかなりの部分は、吸収前にマイクロバイオータによってさらに代謝され、ＴＭＡが生成し、これは肝ＦＭＯによってＴＭＡＯに酸化され、アテローム性動脈硬化症及び心血管リスクのリスクを高める。具体的な様式としては、基質としてコリンを使用する微生物コリンＴＭＡリアーゼ、及び基質としてＬ−カルニチンを使用するカルニチンをＴＭＡへ変換する酵素による、細菌性ＴＭＡ産生の主な経路が存在する。前記１つ目では、微生物のコリンＴＭＡリアーゼは、遺伝子クラスター内の隣接する遺伝子によってコードされている触媒ポリペプチドＣｕｔＣ及び関連する活性化タンパク質ＣｕｔＤで構成される特有のグリシルラジカル利用酵素複合体として報告されており、一方、前記２つ目の酵素では、オキシゲナーゼコンポーネント（ＣｎｔＡ）とレダクターゼコンポーネント（ＣｎｔＢ）で構成され、ＣｎｔＡは、芳香族炭化水素の環ヒドロキシル化で最もよく知られている、リスケ（Ｒｉｅｓｋｅ）型タンパク質の特徴解析されていないグループに属している。

生体異物の他の重要な供給源は医薬品であり、マイクロバイオームが薬剤に対して修飾、競合、又は干渉する方法を知ることは重要である。具体例では、アセトアミノフェン（又はパラセタモール）は肝臓で代謝され、２種類の不活性代謝物（アセトアミノフェン硫酸塩及びアセトアミノフェングルクロニド）、並びに毒性のある代謝物（Ｎ−アセチル−ｐ−ベンゾキノンイミン（ＮＡＰＱＩ））を生成する。微生物代謝産物であるｐ−クレゾール硫酸塩は、アセトアミノフェングルクロニドに対するアセトアミノフェン硫酸塩の比率に逆相関することが判明した。ｐ−クレゾールはいくつかの細菌によって産生される：フィルミクテス門（Ｆｉｒｍｉｃｕｔｅｓ）（クロストリジウム・ディフィシル（Ｃｌｏｓｔｒｉｄｉｕｍ ｄｉｆｆｉｃｉｌｅ））、バクテロイデス門（Ｂａｃｔｅｒｏｉｄｅｔｅｓ）、アクチノバクテリア門（Ａｃｔｉｎｏｂａｃｔｅｒｉａ）、及びフソバクテリア門（Ｆｕｓｏｂａｃｔｅｒｉａ）。特に、ｐ−クレゾールは肝臓でｐ−クレゾール硫酸塩に代謝され、ｐ−クレゾール及びアセトアミノフェンは両方ともヒト細胞質硫酸転移酵素１Ａ１（ｓｕｌｆｏｔｒａｎｓｆｅｒａｓｅ １Ａ１、ＳＵＬＴ１Ａ１）の基質であるため、ｐ−クレゾールとアセトアミノフェンとの競合はアセトアミノフェンの解毒を妨げ、ＮＡＰＱＩの蓄積を増加させ、結果として肝障害を引き起こす。

別の例では、微生物代謝は、ジゴキシンなどの薬剤のバイオアベイラビリティを妨害する可能性もある。ジゴキシンはジギタリス（Ｄｉｇｉｔａｌｉｓ ｐｕｒｐｕｒｅａ）から抽出されたうっ血性心不全用の薬剤であり、治療範囲が非常に狭いため、毒性を避けるために注意深くモニタリングする必要がある。この意味で、ジゴキシンで治療した患者の１０％超が、α、β−不飽和ラクトンの還元に由来する不活性代謝産物であるジヒドロジゴキシンを高レベルで排泄する。その後の研究と単離により、還元代謝の原因となるジゴキシン代謝微生物であるエガセラ・レンタ（Ｅｇｇｅｒｔｈｅｌｌａ ｌｅｎｔａ）がジゴキシン不活性化をもたらすことが明らかになった。具体的な方法では、エガセラ・レンタは、嫌気性呼吸に関与する細菌性レダクターゼに似た２つのタンパク質をコードするｃｇｒ（ｃａｒｄｉａｃ ｇｌｙｃｏｓｉｄｅ ｒｅｄｕｃｔａｓｅ）オペロンを有している：膜結合型シトクロム（Ｃｇｒ１）は、一連のヘムを介して、ジゴキシンをジヒドロジゴキシンに変換するフラビン依存性レダクターゼ（Ｃｇｒ２）に電子を転送する。

イリノテカンのような薬剤の細菌による再活性化の事例も存在する。イリノテカン（ＣＰＴ−１１）は、ＳＮ−３８（癌の治療に使用されるトポイソメラーゼ阻害剤）のプロドラッグである。ＳＮ−３８は宿主のカルボキシエステラーゼにより活性化される。ＳＮ−３８は宿主の肝酵素によってグルクロン酸抱合され、不活性化合物になる（これは胆汁排泄によって腸に到達する）。細菌性β−グルクロニダーゼは、大腸でＳＮ−３８を再活性化し、ＳＮ−３８の過剰用量により毒性を引き起こし、癌患者に腸の損傷及び下痢を引き起こしうる。したがって、イリノテカンの再活性化の二次的影響を回避するためにβ−グルクロニダーゼ阻害剤を生成することは魅力的である。これらの酵素は共生細菌に広く分布し、ヒトにも存在するため、阻害剤は細菌性β−グルクロニダーゼに対して選択的であり、宿主細胞及び他の腸内微生物のいずれに対しても無毒である必要がある。いくつかの研究では、候補となる阻害剤の選択性は細菌性β−グルクロニダーゼに固有のループに基づくため、この見積りに基づく阻害剤は生きた好気性細菌及び嫌気性細菌の酵素ターゲットに対して非常に効果的であったが、細菌を死滅させたり哺乳類細胞を損傷することはなかった。さらに、この阻害剤の経口投与は、イリノテカン誘発性の毒性からマウスを保護した。細菌の再活性化に関連する他の事例は、非ステロイド系抗炎症薬（ＮＳＡＩＤｓ：non-steroidal anti-inflammatory drugs）に対するものである。これらの薬剤は、月経前痙攣や関節炎の場合の慢性炎症のような、炎症に関連する痛みを軽減するために使用される。さらに、ＮＳＡＩＤは米国での薬物関連の緊急受診の４３％の原因となっている。ＮＳＡＩＤｓを長期間使用すると、消化管の潰瘍や内部炎症を引き起こす可能性がある。ＮＳＡＩＤｓのいくつかの例としては、ジクロフェナク、イブプロフェン、アスピリン、ジフルニサルなどが挙げられる。ＮＳＡＩＤｓはＵＤＰグルクロノシルトランスフェラーゼ（ＵＧＴ）酵素群によって消化されてグルクロン酸代謝物となる。ジクロフェナク−グルクロニドは、共生的マイクロバイオータによって発現されるβ−グルクロニダーゼ酵素群によって小腸の後半部位で再活性化される。

図１は、薬剤スコア予測の具体例を含む図である。

図２は、薬剤代謝予測因子の具体例を含む図であり、オメプラゾール代謝に関連する細菌が同定された。

図３Ａ〜図３Ｅは、代謝予測に関連する５工程のプロセスの具体例を含む図であり、各工程は、任意の適切な時間及び頻度で任意の適切な順序で実行され得る。 図３Ａ〜図３Ｅは、代謝予測に関連する５工程のプロセスの具体例を含む図であり、各工程は、任意の適切な時間及び頻度で任意の適切な順序で実行され得る。 図３Ａ〜図３Ｅは、代謝予測に関連する５工程のプロセスの具体例を含む図であり、各工程は、任意の適切な時間及び頻度で任意の適切な順序で実行され得る。 図３Ａ〜図３Ｅは、代謝予測に関連する５工程のプロセスの具体例を含む図であり、各工程は、任意の適切な時間及び頻度で任意の適切な順序で実行され得る。 図３Ａ〜図３Ｅは、代謝予測に関連する５工程のプロセスの具体例を含む図であり、各工程は、任意の適切な時間及び頻度で任意の適切な順序で実行され得る。

図４は、人工甘味料関連の推奨の具体例を含む図である

図５は、アルコール関連の推奨の具体例を含む図である。

図６は、アルコール関連の推奨の具体例を含む図である。

図７は、アルコール関連の推奨の具体例を含む図である。

図８は、アルコール関連の推奨の具体例を含む図である。

図９Ａは、アルコール代謝関連の推奨の具体例を含む図である。 図９Ｂは、アルコール代謝関連の推奨の具体例を含む図である。 図９Ｃは、アルコール代謝関連の推奨の具体例を含む図である。 図９Ｄは、アルコール代謝関連の推奨の具体例を含む図である。 図９Ｅは、アルコール代謝関連の推奨の具体例を含む図である。 図９Ｆは、アルコール代謝関連の推奨の具体例を含む図である。

図１０は、アルコール代謝関連の推奨の具体例を含む図である。

以下の実施形態の説明（例えば、実施形態の変形、実施形態の例、実施形態の具体例、他の適切な変形などを含む）は、これらの実施形態に限定されることを意図しているのではなく、むしろ当業者が実施及び使用することを可能にすることを意図している。

方法１００の実施形態（例えば、代謝関連予測のための方法；具体例を図３Ａ〜図３Ｅに示す）は、酵素データセットを生成すること（Ｓ１１０）；基質データセットを生成すること（Ｓ１２０）；前記酵素データセット及び／又は前記基質データセットに基づいて、クエリ分子の代謝に関連するフィーチャー（例えば、ＥＣ番号（Ｅｎｚｙｍｅ Ｃｏｍｍｉｓｓｉｏｎ ｎｕｍｂｅｒ、酵素番号）フィーチャー（例えば、クラス番号、サブクラス番号、サブ−サブクラス番号、サブ−サブ−サブクラス番号など））を予測するなどのための代謝モデル（例えば、機械学習モデルなど）を生成すること（Ｓ１３０）；前記代謝モデル（例えば、機械学習モデルなど）の１又は複数の予測される酵素フィーチャーアウトプットに基づいて、前記クエリ分子の代謝に関連する微生物分類群（microorganism taxon)（及び／又は微生物分類群（microorganism taxa））を決定すること（Ｓ１４０）；及び／又は、前記微生物分類群（microorganism taxon）（及び／又は微生物分類群（microorganism taxa））及び／又はユーザーに対するマイクロバイオーム特徴解析結果（例えば、微生物組成多様性及び／又は微生物機能多様性などの微生物組成及び／又は微生物機能を示す）に基づいて、１又は複数のユーザーに対してクエリ分子スコア（例えば、薬剤スコア）を決定することであって、前記クエリ分子スコアは、前記クエリ分子に関連している、前記決定すること（例えば前記ユーザーに対する前記薬剤の薬剤代謝に関するものなどの、薬効を示す薬剤スコア、例えば図１に示すものなど）、を含んでいてもよい。

追加的に又は代替的に、前記方法１００は、前記薬剤スコア（及び／又は本明細書に記載の任意の適切なモデルアウトプット及び／又は適切なデータ）に基づく微生物関連の状態についてユーザーへの治療を促進（例えば、提供、投与、推奨、提示など）することを含み得る。具体例では、治療を促進する（例えば、提供するなど）ことは、１又は複数の治療に関する１又は複数の推奨を前記ユーザーに提供することを含み得る。追加的に又は代替的に、前記方法１００は、前記基質データセット及び前記クエリ分子のクエリ分子構造的フィーチャーに基づいて、複数の酵素をフィルタリングするために構造類似性検索を実行することを含み得る。

酵素データセットは、酵素データ（例えば、微生物分類群のセットに関連する酵素のセットを示す酵素データなど）；前記酵素のセットに関連する化学反応データ（例えば、前記酵素データに示される前記酵素のセットについてのＥＣ番号など）；及び／又は酵素に関する任意の適切なデータを含んでいてもよい。具体例では、前記化学反応データは、前記酵素のセットに関するＥＣ番号データを含む。変形例では、前記方法１００は、関連するＥＣ番号データを有する酵素などに基づいて、関連するＥＣ番号のない酵素にアノテーションを付けることを含んでいてもよい。具体例では、前記酵素のセットは、前記ＥＣ番号データに関連付けられていない第１の酵素のサブセットと、前記ＥＣ番号データに関連付けられている第２の酵素のサブセットと、を含み、前記酵素データセットを生成することは、前記ＥＣ番号データに基づいて前記第１の酵素のサブセットにアノテーションを付けることを含む。

基質データセットは、基質のセットに関連する基質構造的フィーチャーを含んでいてもよい（例えば、前記酵素のセットが作用し得る基質など）。基質構造的フィーチャーは、前記基質のセットに関連する３Ｄ構造的フィーチャー；生成物分子フィーチャー（例えば、前記１又は複数の基質と反応する前記１又は複数の酵素から産生された生成物を示すデータなど）；前記基質のセットに関連する薬剤フィーチャー（例えば、前記酵素、基質、及び１又は複数の薬剤の相互作用；前記酵素及び／又は基質に関連するプロセスに影響を受ける薬剤の種類など）；及び／又は、基質に関連する任意の適切なフィーチャー、のうちの任意の１又は複数を含み得る。具体例では、前記方法１００は、前記基質のセットの各基質について、前記３Ｄ構造的フィーチャー、前記生成物分子フィーチャー、及び／又は薬剤フィーチャーから関係のあるフィーチャーのサブセットを（例えば、任意の適切なフィーチャー選択アルゴリズム及び／又はアプローチを介して）特定することを含んでいてもよく、さらに／又は、機械学習モデルを生成することは、前記酵素データセットと前記関係のあるフィーチャーのサブセットに基づいて、前記クエリ分子の代謝に関連する前記酵素を予測するために前記機械学習モデルを生成してもよい。

変形例では、前記方法１００は、追加的に又は代替的に、前記予測される酵素アウトプット及び／又は任意の適切なデータに基づいて、前記クエリ分子についてＥＣクラス番号及び／又はＥＣサブクラス番号を予測することを含んでもよく、さらに／又は、前記微生物分類群を決定することは、前記ＥＣクラス番号及び／又はＥＣサブクラス番号に基づいて前記微生物分類群を決定してもよい。

前記代謝モデル、方法１００の実施形態の適切な部分、システム２００の実施形態の適切な部分は、以下の１又は複数を含む人工知能アプローチ（例えば機械学習アプローチなど）を、含む、適用する、採用する、実行する、使用する、基づく、及び／又はその他の方法で関連したものであってもよい：教師あり学習（例えば、ロジスティック回帰の使用、バックプロパゲーションニューラルネットワークの使用、ランダムフォレストの使用、決定木など）、教師なし学習（例えば、Ａｐｒｉｏｒｉアルゴリズムの使用、Ｋ平均クラスタリングの使用）、半教師あり学習、深層学習アルゴリズム（例えば、ニューラルネットワーク、制限付きボルツマンマシン、ディープビリーフネットワーク法、畳み込みニューラルネットワーク法、リカレントニューラルネットワーク法、スタックドオートエンコーダ法など）、強化学習（例えば、Ｑ学習アルゴリズムの使用、時間差分学習の使用）、回帰アルゴリズム（例えば、通常の最小二乗、ロジスティック回帰、段階的回帰、多変量適応型回帰スプライン、局所的推定散布図平滑化など）、インスタンスベースの方法（例えば、ｋ最近傍法、学習ベクトル量子化、自己組織化マップなど）、正則化法（例えば、リッジ回帰、最小絶対収縮及び選択演算子、弾性ネットなど）、決定木学習法（例えば、ＣＡＲＴ（classification and regression tree）法、ＩＤ３（iterative dichotomiser 3）、Ｃ４．５、ＣＨＡＩＤ（chi-squared automatic interaction detection）、決定株、ランダムフォレスト、多変量適応回帰スプライン、勾配ブースティングマシンなど）、ベイジアン（Ｂａｙｅｓｉａｎ）法（例えば、ナイーブベイジアン、ＡＯＤＥ（averaged one-dependence estimators）、ベイジアンビリーフネットワークなど）、カーネル法（例えば、サポートベクトルマシン、放射基底関数、線形判別分析など）、クラスタリング手法（例えば、ｋ平均クラスタリング、期待値最大化など）クラスタリング法（例えば、ｋ平均クラスタリング、期待値最大化など）、相関ルール学習アルゴリズム（例えば、Ａｐｒｉｏｒｉアルゴリズム、Ｅｃｌａｔアルゴリズムなど）、人工ニューラルネットワークモデル（例えば、パーセプトロン法、バックプロパゲーション法、ホップフィールドネットワーク法、自己組織化マップ法、学習ベクトル量子化法など）、次元削減法（例えば、主成分分析、部分最小二乗回帰、サモンマッピング、多次元尺度法、射影追跡など）、アンサンブル法（例えば、ブースティング、ブートストラップアグリゲーション、エイダブースト（ＡｄａＢｏｏｓｔ）、積み重ね一般化、勾配ブースティングマシン法、ランダムフォレスト法など）、及び／又は任意の適切な人工知能アプローチ。具体例では、前記機械学習モデルは、前記クエリ分子の代謝に関連する前記酵素のセットの、前記酵素を予測するためのランダムフォレストモデルを含む。具体例では、前記機械学習モデルを生成することは、前記酵素のセットの、前記クエリ分子の代謝に関連する複数の酵素を予測するための前記機械学習モデルを生成することを含む。具体例では、前記方法１００は、前記機械学習モデルの前記予測される酵素アウトプットを含む予測される酵素アウトプットのセットに基づいて、前記クエリ分子の代謝に関連する前記微生物分類群を含む複数の微生物分類群を決定することをさらに含んでもよく、ここで、予測される酵素アウトプットの前記セットは、前記複数の酵素を示すものであってもよい。

具体例では、前記化学反応データは、前記酵素のセットに関連するＥＣ番号データを含み、及び前記酵素フィーチャーは、前記クエリ分子について少なくとも１つのＥＣクラス番号及びＥＣサブクラス番号（及び／又はＥＣサブ−サブクラス番号、ＥＣサブ−サブ−サブクラス番号、任意の適切なＥＣ関連フィーチャーなど）を含む。具体例では、前記ＥＣ番号フィーチャーは、前記クエリ分子についてのＥＣクラス番号及びＥＣサブクラス番号を含み、前記方法は、追加的に又は代替的に、クエリ分子構造的フィーチャーと前記基質構造的フィーチャーとの間の類似性などに基づいて（例えば、類似性の適切な係数を使用するなどして）、前記クエリ分子についてのＥＣサブ−サブクラス番号及び／又はＥＣサブ−サブ−サブクラス番号を予測することを含んでもよく、さらに／又は、前記微生物分類群を決定することは、前記ＥＣクラス番号、前記ＥＣサブクラス番号、前記ＥＣサブ−サブクラス番号、及び前記ＥＣサブ−サブ−サブクラス番号に基づいて、前記微生物分類群を決定することを含んでもよい。

具体例では、予想される微生物分類群はヒト腸マイクロバイオームに関連付けられるが、任意の適切な代謝モデルアウトプット及び／又は任意の同定された微生物分類群が、腸、皮膚、鼻、口、生殖器（例えば、膣など）及び／又は他の適切な身体部位のうちの任意の１又は複数を含む任意の適切な身体部位に関連付けられてもよい。

マイクロバイオーム特徴解析結果を決定することは、前記ユーザーについての微生物組成多様性データセット及び／又は微生物機能多様性データセットに基づいてもよい。

具体例では、前記クエリ分子は、ビタミン関連分子、人工甘味料関連分子、及びアルコール関連分子の少なくとも１つを含む。

システム２００及び／又は（例えば、代謝関連予測のための）プラットフォームの実施形態は、以下を含み得る：データをキャプチャするための第１のモジュール（例えば、調査、文献、ユーザーメタデータ、サンプル分析、細菌データベースなど）；クエリ分子（例えば、薬剤、代謝産物など）を代謝できる腸内マイクロバイオータに由来する任意の単一分子（例えば、酵素、代謝産物、化合物）を機械学習手法及びケモインフォマティクスを用いるなどして特定できる代謝予測因子ツールを含む第２のモジュール；クエリ分子の代謝に関連する微生物分類群を決定するための第３のモジュール；個別化された食餌の推奨のための第４のモジュール；精密医学のための第５のモジュール；毒物学リスクアセスメントを通知するための第６のモジュール；創薬及び薬剤開発を改善するための第７のモジュール；それぞれの予測処理のために前記第４、第５、第６、第７のモジュールに入力する予測である中間成果物；及び／又は、最終的な独立した成果物（前記モジュールから得られるものなど；ある状態に関係するものであっても関係しないものであってもよい、及び／又は他の適切な目的のための、候補となる薬剤、代謝産物、治療薬などである任意の分子を含む）。

前記第１のデータをキャプチャするためのモジュールは、特に調査データ、文献、ユーザーメタデータ、サンプル分析、細菌データベース（例えば、微生物分類群と微生物関連の状態との間の関連付けなど）などのうち１又は複数などの、ある状態に関係する又は関係しないデータをキャプチャする、任意のメカニズム、手法、方法、又は適切な方法論を含み得る。

前記第２のモジュールは、以下のような具体例で説明されうるような、分子（例えば、ペプチド）予測因子を構築するための方法論などの、代謝予測因子ツールを含み得る：第一に、目的とする種（ｓｐｅｃｉｅｓ）のグループ（例えば、マイクロバイオータからの細菌、任意のサンプル中の微生物）を特定することによりタンパク質データベースを構築する。次に、それぞれの種についての参照プロテオームを取得し、適切なタンパク質フィーチャーが関連付けられていないタンパク質にアノテーションを付ける（例えば、分類する）（例えば、ＢＬＡＳＴ、配列類似性ネットワーク（ＳＳＮ）、Ｃｌｕｓｔａｌ、ＨＭＭ、又はその他の配列類似性検索アルゴリズムを使用）。第二に、基質データベースを構築する。ここで、基質は各タンパク質フィーチャーに関連付けられており、３次元形式で取得され、後で構造的フィーチャー（例えば、指紋、ＡＤＭＥ特性、化学的及び生物学的記述子、及びその他多数）に変換される。構造的フィーチャーフォーマットは、前記分子の構造的フィーチャーを数値形式で適切に記述することを可能にする。第三に、機械学習分類方法（例えば、ランダムフォレスト、サポートベクトルマシン、決定木、ニューラルネットワーク、ナイーブベイジアン、エイダブースト（ＡｄａＢｏｏｓｔ）、バギング、ＩＢｋ、マルチクラス分類子など）を実施して、クエリ分子に関係する前記タンパク質フィーチャーを予測する。第四に、構造類似性検索（例えば、タニモト（Ｔａｎｉｍｏｔｏ）係数、トベルスキー（Ｔｖｅｒｓｋｙ）係数、又はダイス（Ｄｉｃｅ）類似性係数を使用）を実施して、さらにタンパク質フィーチャーを得る。次に、最終結果として、クエリ分子に関する前記タンパク質フィーチャーに関与する代謝タンパク質及び対応する種（ｓｐｅｃｉｅｓ）が特定される。しかしながら、タンパク質フィーチャー予測因子ツールの決定を容易にするために、任意の適切なプロセスを任意の適切な順序で適用してもよい。

前記第３のモジュールは、クエリ分子の代謝に関連する微生物分類群の決定を含み得る。

個別化された食餌の推奨のための前記第４のモジュールは、健康の維持又は向上のために各個人に適した、栄養介入、アドバイス、ガイダンス、サービス、又は製品を提供すること、を含みうる。

精密医学のための前記第５のモジュールは、特定の状態の治療及び予防に対する、各人の遺伝子、環境、ライフスタイルなどにおける個人のばらつきを考慮に入れること、を含みうる。

毒物学リスクアセスメントを通知するための前記第６のモジュールは、毒物学的リスクや個人への副作用を除去するか最小限にすることを目的とした、毒物学的ハザード及びリスクの特定、毒物学的リスク分析、毒物学的リスク評価、及び毒物学的リスク管理を考慮するプロセス又は方法、を含みうる。前記毒物学的リスクは、とりわけ、化学物質、物理的因子、医薬品、生物学的因子が考慮され得る。

創薬及び薬剤開発を改善するための前記第７のモジュールは、ターゲットの発見、ターゲットの選択、候補となるリード化合物の特定、リードの最適化、開発フェーズ（前臨床段階）、概念実証、開発、製品の差別化、新規薬物又は治療薬の登録及び発売の、アップグレード、改良、及び強化を含みうる。

予測である中間成果物には、本明細書に記載のデータに基づく予想や予測が含まれ得る。

最終的な独立した成果物には、状態に関連する又は関連しない、及び／又は他の適切な目的のための、候補となる薬剤、代謝産物、治療薬、サプリメント、食物性化合物、製剤などである任意の分子が含まれ得る。

前記システムの実施形態は、任意の多コンポーネントタンパク質関連要素（例えば、クエリ分子）に関連するタンパク質フィーチャーに基づいて、タンパク質機能の予測のために機能してもよい。任意のクエリ分子の代謝のためのシステムの現在開示されている実施形態の使用において、クエリ分子は、薬剤、他の種類の生体異物（例えば、食物性化合物、環境化学物質）、及び他の任意の多コンポーネントタンパク質関連要素を含み得る。

（例えば、代謝関連予測のための）前記システムの実施形態は、以下を収集するためのデータ収集モジュール（及び／又は以下を含むタンパク質関連データベース）を含み得る：微生物分類群のセットに関連するタンパク質のセットを示すタンパク質データ、前記タンパク質のセットに関連する化学反応データ、及び／又は前記タンパク質のセットに関連する基質のセットに関連する基質構造的フィーチャーを含む基質データ、及び／又は、
本明細書に記載の他の適切なデータ；前記タンパク質データ、前記化学反応データ、及び／又は前記基質データに基づいて、クエリ分子の代謝に関連するタンパク質フィーチャー（例えば、ＥＣ番号フィーチャー）を予測するための代謝モジュール（例えば、代謝機械学習モデル）；及び／又は、前記クエリ分子について前記代謝モジュールから予想される前記タンパク質フィーチャーに基づいて、前記クエリ分子の代謝に関連する微生物分類群を決定するための微生物モジュール。

変形例では、前記システムは、追加的又は代替的に、前記微生物分類群及び前記ユーザーに対するマイクロバイオーム特徴解析結果に基づいて、前記クエリ分子についてのユーザーへの薬効を示す薬剤スコアを予測するための薬剤スコアモジュールを含み得る。変形例では、前記システムは、追加的又は代替的に、前記ユーザーについての微生物組成多様性データセット及び微生物機能多様性データセットに基づいて、前記マイクロバイオーム特徴解析結果を決定するためのマイクロバイオーム特徴解析モジュールを含み得る。変形例では、前記システムは、追加的又は代替的に、前記薬剤スコアに基づいて、前記ユーザーへの治療を決定する治療モジュールを含み得る。変形例では、前記システムは、追加的又は代替的に、前記ユーザーへ前記治療を提供するための治療提供モジュールを含み得る。変形例では、前記システムは、追加的又は代替的に、前記ユーザーに対するマイクロバイオーム特徴解析結果及び前記クエリ分子の代謝に関連する前記微生物分類群に基づいて、ユーザーのための個別化された食餌の推奨を決定するための、個別化された食餌の推奨モジュールをさらに含み、さらに／又は、前記個別化された食餌の推奨は、ビタミン関連の推奨、人工甘味料関連の推奨、及び／又はアルコール関連の推奨のうちの少なくとも１つを含み得る。具体例では、前記個別化された食餌の推奨は、バクテロイデス・ユニフォルミス（Ｂａｃｔｅｒｏｉｄｅｓ ｕｎｉｆｏｒｍｉｓ）（種）、ホールディマニア・フィリフォルミス（Ｈｏｌｄｅｍａｎｉａ ｆｉｌｉｆｏｒｍｉｓ）（種）、ツリシバクター・サングイニス（Ｔｕｒｉｃｉｂａｃｔｅｒ ｓａｎｇｕｉｎｉｓ）（種）、アイゼンベルギエラ・タイ（Ｅｉｓｅｎｂｅｒｇｉｅｌｌａ ｔａｙｉ）（種）、エリシペラトクロストリジウム・ラモスム（Ｅｒｙｓｉｐｅｌａｔｏｃｌｏｓｔｒｉｄｉｕｍ ｒａｍｏｓｕｍ）（種）、ジエルマ・ファスティディオサ（Ｄｉｅｌｍａ ｆａｓｔｉｄｉｏｓａ）（種）、ロゼブリア・ホミニス（Ｒｏｓｅｂｕｒｉａ ｈｏｍｉｎｉｓ）（種）、カテニバクテリウム・ミツオカイ（Ｃａｔｅｎｉｂａｃｔｅｒｉｕｍ ｍｉｔｓｕｏｋａｉ）（種）、サロバクテリウム・ムーレイ（Ｓｏｌｏｂａｃｔｅｒｉｕｍ ｍｏｏｒｅｉ）（種）、エガシア・カテナフォルミス（Ｅｇｇｅｒｔｈｉａ ｃａｔｅｎａｆｏｒｍｉｓ）（種）、アロバキュラム・ステルコリカニス（Ａｌｌｏｂａｃｕｌｕｍ ｓｔｅｒｃｏｒｉｃａｎｉｓ）（種）、及び／又はラクトバチルス（Ｌａｃｔｏｂａｃｉｌｌｕｓ）（属）の少なくとも１つを含む微生物分類群のセットに関連するアルコール関連の推奨を含む。

いくつかの具体例では、代謝予測因子は薬剤代謝に使用できるが、その使用を拡張して、食物性化合物、環境化学物質など、他の種類の生体異物の代謝を予測することが可能である。

いくつかの具体例では、薬剤代謝予測因子として、図１に示すように、オメプラゾール代謝に関連する細菌も同定された。オメプラゾールは、胃食道逆流症の治療に使用される薬である。例として、便サンプルから、オメプラゾールを代謝する細菌の分布が得られた。その情報の使用例としては、代謝予測因子で同定された分類群の相対的存在量の合計に基づく「スコア」の生成が挙げられる。そのようなスコアは、薬剤を代謝する能力、又は薬剤が期待される効果を有しない傾向についてユーザーに通知することを可能にする。次に、これらの活性の原因となる特定の生物及び酵素、及び患者におけるこれらの存在をよりよく理解することは、薬剤の選択及び投与に役立ち得る。

具体例では、以下の例において前述の方法論の実施形態が適用された。ここでは、前記タンパク質は酵素であり、前記タンパク質フィーチャーはＥＣ番号を含み得る。この例は、代謝予測因子の構築である。いくつかの具体例では、前記代謝予測因子（例えば、代謝モデル）は、機械学習アルゴリズム及びケモインフォマティクスを使用して、クエリ分子の代謝に関するＥＣ番号及び（例えば、図２に示されるような）細菌種を特定する。この特定の例では、代謝予測因子は、腸内マイクロバイオータに属する微生物及び酵素を同定するために使用された。ＥＣの命名法は、同様の反応を触媒する酵素のクラスを特定するものである。ＥＣ分類コードの最初の数字は、酵素によって触媒される反応の一般的なタイプを表し、１〜６の範囲内である（表１）。これに続く３つの数値は、詳細な反応タイプを表す。この方法では、２番目と３番目の数字はそれぞれ酵素のサブクラス及びサブ−サブクラスであり、反応に関与する化合物、基、結合、又は生成物に関する反応を表す。最後の数字は、反応に関与する特定の代謝産物及び補因子を表す。

いくつかの具体例では、前記方法１００は、以下の１又は複数を含み得る。工程１：酵素データベースを構築する。様々なソースから入手可能な全てのプロテオーム又はタンパク質を取得する。次に、見出されたタンパク質から、ＥＣ番号が関連付けられている酵素を特定する。最後に、同定された酵素をベースとして使用して、関連付けられた適切なＥＣを持たない酵素にアノテーションを付ける。

いくつかの具体例では、前記方法１００は、以下の１又は複数を含み得る。工程２：基質／生成物トレーニングデータセットを構築する。各既知の酵素から、全酵素の反応に関与する基質及び生成物の３Ｄ構造を取得する。次に、様々なソースから基質の構造的フィーチャー（例えば、製品分子、薬剤）を取得する。最後に、分類のための重要かつ関係のあるフィーチャーの選択を実行する。

いくつかの具体例では、前記方法１００は、以下の１又は複数を含み得る。工程３：機械学習アルゴリズムを実行して、前記基質（例えば、製品分子、薬剤）の代謝に関連する酵素を分類及び分離する。そして、前記基質トレーニングデータセットを使用して、機械学習アルゴリズムのパラメーターを最適化する。次に、機械学習分類子（必要な数の分類子、すなわち１、２、．．．、ｎ個の分類子を構築）を構築して評価する。最後に、クエリ分子についてのＥＣクラス番号及びＥＣサブクラス番号の予測を実行する。

いくつかの具体例では、前記方法１００は、以下の１又は複数を含み得る。工程４：構造類似性検索及び前記既知の基質データセットを使用して、分子の代謝に関連する酵素の精密な予測を取得する。そして、構造類似性の様々な係数を使用して、前記クエリ分子の類似分子を検索する。次に、様々な類似性の基準に従ってフィルタリングを行う。最後に、前記クエリ分子についてのＥＣサブ−サブクラス番号及びＥＣサブ−サブ−サブクラス番号の削減を実行する。

いくつかの具体例では、前記方法１００は、以下の１又は複数を含み得る。工程５：種（ｓｐｅｃｉｅｓ）に属する各代謝酵素にＥＣ番号、つまり機能を割り当てる。これとともに、クエリ分子の代謝に関与する全ての腸内細菌も特定される。特定されたＥＣ番号から、全ての代謝酵素及び種を取得する。最後に、どの腸内細菌種の代謝酵素が前記クエリ分子を代謝可能であるかを同定する。種に属する各代謝酵素にＥＣ番号、すなわち機能を割り当てる。これとともに、クエリ分子の代謝に関与する全ての腸内細菌も特定される。

任意の多コンポーネントタンパク質関連要素（例えば、クエリ分子）に関連するタンパク質フィーチャーに基づく、タンパク質機能の予測のためのシステムの実施形態。

任意のクエリ分子の代謝のためのシステムの現在開示されている実施形態の使用において、クエリ分子は、薬剤、他の種類の生体異物（例えば、食物性化合物、環境化学物質）、及び他の任意の多コンポーネントタンパク質関連要素を含み得る。

いくつかの具体例では、代謝予測因子は薬剤代謝に使用できるが、その使用を拡大して、食物性化合物、環境化学物質など、他の種類の生体異物の代謝を予測することが可能である。前記技術の実施形態として、本発明の技術方法の実施形態により、カフェイン代謝に関連する腸内細菌種のセットが得られる。

いくつかの具体例では、前記薬剤代謝予測因子（例えば、代謝モデル）は、文献に記載されている細菌種と薬剤との関係を予測することが可能であった。これはカフェインの場合であり、文献で報告されているように、シュードモナス・プチダ（Ｐｓｅｕｄｏｍｏｎａｓ ｐｕｔｉｄａ）及びシュードモナス・フルバ（Ｐｓｅｕｄｏｍｏｎａｓ ｆｕｌｖａ）は、カフェインとの関連でこれまでに開示されていない他の一連の細菌とともに、薬剤分解細菌であると予測された。

前記方法及び／又はシステムの実施形態、炎症に関連する細菌種のセットは、本開示の方法及び／又はシステムの実施形態で得られる。

前記方法及び／又はシステムの実施形態、人工甘味料に関連する腸内細菌種のセットは、本開示の方法及び／又はシステムの実施形態で得られる。

個別化された食餌の推奨の第４のモジュールの具体例では、ビタミンレベルの観点から個人に与えられるアドバイスの例を示している。前記方法１００及び／又はシステム２００の実施形態は、本明細書に記載される１又は複数のクエリ分子スコア及び／又は他の適切なデータに基づくなどして、食事、食物摂取、及び／又は他の関連する態様に関連する１又は複数の推奨を提供することを含み得る。
推奨の提供には、ビタミン関連の推奨（例えば、通知、情報など）の提供が含まれ得る。いくつかの具体例では、ビタミン関連の推奨の提供には、以下のような、任意の適切な文言を含む、１又は複数の言語的及び／又は図式的な通知の提供が含まれ得る：「ビタミンは、タンパク質を構築したり食物をエネルギーに変換したりするなど、何百もの重要な仕事をするためにあなたの身体が必要とする必須の栄養素です。あなたの細胞はこれらのビタミンのいくつかを作ることができますが（十分な日光にさらされている場合はビタミンＤなど）、これらのビタミンのほとんどは他の供給源からのものです。新鮮な果物や野菜など、ビタミンが豊富な食品を多く含むバランスの取れた食事を摂ることが、これらのビタミンのほとんどに最良の供給方法を提供します。しかし、腸内マイクロバイオームも特定のビタミンを産生することをご存知ですか？腸内微生物が供給を助けることができる２つの重要なビタミン、ビタミンＫ及びビタミンＢ９（葉酸（ｆｏｌａｔｅ）及び葉酸（ｆｏｌｌｉｃ ａｃｉｄ）とも呼ばれます）に焦点を当てて、ビタミン産生細菌を調べてみましょう。
［セクションヘッダー］あなたのビタミン産生細菌：存在量は、特定の細菌がマイクロバイオームのどの部分を構成しているかを測定するものです。以下に、あなたのサンプル中のビタミンＫ生成細菌とビタミンＢ９生成細菌との相対量を示します。［グラフタイトル］存在量［セクションタイトル］ビタミンＫ：ビタミンＫは、血液凝固におけるその役割で最も広く知られていますが、強い骨の維持や心臓の健康維持など、身体の他の重要な役割も果たしています。ビタミンＫには、ビタミンＫ１及びビタミンＫ２の２つの種類があります。葉菜類、植物油、及びいくつかの果物からビタミンＫ１を摂取することができます。しかし、ビタミンＫ２は主に腸内細菌によって産生されます。これらのビタミンＫ産生細菌は、ビタミンＫ１を使用してビタミンＫ２を産生します。ビタミンＫ２は、腸内壁から体内に吸収されます。［グラフタイトル］ビタミンＫ細菌［サブタイトル］全ユーザーとの比較方法：あなたのビタミンＫ産生細菌の存在量は、選択されたユーザーの＿＿＿％｛パーセンタイル｝を超えています。［サブタイトル］選択されたサンプル群との比較方法：選択したサンプル群よりも、あなたのサンプルにおけるビタミンＫ産生細菌の存在量は｛多い／少ない｝です。選択されたサンプルは、病気がなく健康レベルが高いことが報告されている個人からのサンプルです。［サブヘッダー］＞もっと知る。ビタミンＫの量が少ない（欠乏している）場合、あざができやすくなったり、鼻血や歯ぐきからの出血が起こる場合があります。研究によっても、ビタミンＫ欠乏症は心臓病や骨粗しょう症などのより深刻な健康問題に関連付けられています。食物から十分なビタミンＫが得られない場合や、腸の状態によりビタミンＫの吸収が制限されている場合は、ビタミンＫが不足する可能性があります。特定の腸内細菌も、あなたの身体が必要とするビタミンＫの一部を生産するのを助けるため、これらの細菌の不足も何らかの影響を及ぼす可能性があります。腸内のビタミンＫ生成細菌の量を増やす方法のヒントについては、以下を参照してください。［セクションタイトル］ビタミンＢ９（葉酸（ｆｏｌａｔｅ）、葉酸（ｆｏｌｉｃ ａｃｉｄ））「葉酸（ｆｏｌａｔｅ）」又は「葉酸（ｆｏｌｉｃ ａｃｉｄ）」としても知られるビタミンＢ９は、ＤＮＡの構築及び修復、並びに赤血球などの新しい細胞の形成に関与しています。ビタミンＢ９は赤ちゃんの脳や脊髄の先天性欠損症を予防するのに役立つため、妊娠中に特に重要ですが、人の生涯にわたって不可欠な栄養素でもあります。ビタミンＢ９の良い食物源は多く存在します。ビタミンＢ９はほうれん草、レバー、ひよこ豆、アスパラガス、及び芽キャベツを含むいくつかの食品に自然に存在します。また、米国では、パン、シリアル、及びパスタなど、ほとんどの穀物ベースの製品にも添加されています。いくつかの腸内細菌もビタミンＢ９を産生し、この重要な栄養素のさらなる供給源となります。［グラフタイトル］あなたのビタミンＢ９細菌［サブタイトル］全ユーザーとの比較方法：あなたのビタミンＫ産生細菌の存在量は、選択したユーザーの＿＿＿％｛パーセンタイル｝を超えています。［サブタイトル］選択されたサンプル群との比較方法：あなたのサンプルにおけるビタミンＢ９産生細菌の存在量は、選択したサンプル群よりも｛多い／少ない｝です。選択されたサンプルは、病気がなく健康レベルが高いことが報告されている個人からのサンプルです。［サブヘッダー］＞もっと知る：ビタミンＢ９が少なすぎる場合、巨赤芽球性貧血と呼ばれる状態を発症する可能性があります。巨赤芽球性貧血の症状には、疲労、脱力感、集中困難、頭痛、易刺激性、動悸、及び息切れなどがあります。ビタミンＢ９欠乏症は、舌や口の痛みなど、他の問題の原因になることもあります。研究によると、この栄養素のレベルが高いほど、睡眠の質が向上する可能性があります。研究はまた、ビタミンＢ９が加齢に伴ううつ病や精神機能低下を防ぐのに役立つ可能性があることを示唆しています。［セクションタイトル］アクションの実行：以下は、アクションを実行して特定の微生物の存在量を増やす方法のいくつかの提案です。これらの全ての工程を実行する必要はありません。あなたとあなたのライフスタイルに最適な提案を選択してください。これらの提案は全て科学的研究に基づいています。これらの研究について詳しく知りたい場合は、ページ下部に公開論文のリストがあります。
［各ユーザーの結果に基づいて挿入される推奨事項］：もし（ＩＦ）ビタミンＫの代謝が低く、さらに（ＡＮＤ）ラクトコッカス・ラクティス（Ｌａｃｔｏｃｏｃｃｕｓ ｌａｃｔｉｓ）の存在量が低い場合：バターミルク、サワークリーム、カッテージチーズ、及びケフィアなどの特定の乳製品を摂取すると、ラクトコッカス・ラクティス（Ｌａｃｔｏｃｏｃｃｕｓ ｌａｃｔｉｓ）（亜種ラクティス（ｌａｃｔｉｓ）又はクレモリス（ｃｒｅｍｏｒｉｓ））と呼ばれるビタミンＫ産生細菌の供給を増やすことができます。これらの製品のラベルをチェックして、この細菌の生菌が含まれていることを確認してください。さらに（ＡＮＤ）バチルス（Ｂａｃｉｌｌｕｓ）の存在量が低い場合、日本の納豆は、バチルス・サブティリス（Ｂａｃｉｌｌｕｓ ｓｕｂｔｉｌｉｓ）と呼ばれるビタミンＫ産生細菌の優れた供給源です。これは発酵大豆を使った伝統的な日本食です。研究によると、定期的に納豆を摂取している日本人の女性は、納豆をあまり頻繁に食べなかった女性よりもビタミンＫ値が高いことが示唆されています。プロバイオティクスのサプリメントを摂取することは、ビタミンＫ産生細菌を増やす別の方法です。研究によると、バチルス・サブティリス（Ｂａｃｉｌｌｕｓ ｓｕｂｔｉｌｉｓ）を含むサプリメントを毎日服用すると、この有用な微生物のレベルを上げられることが示唆されています。ラベルを確認して、サプリメントにこの細菌が少なくとも１０×１０^９ＣＦＵ含まれていることを確認してください。さらに（ＡＮＤ）プレボテーラ（Ｐｒｅｖｏｔｅｌｌａ）の存在量が低い場合：地中海式食事を採用することで、ビタミンＫ産生細菌を増やすことができます。地中海式食事に倣っている人は、プレボテーラ（Ｐｒｅｖｏｔｅｌｌａ）と呼ばれるビタミンＫ産生細菌のレベルが高いことが研究により示唆されています。このタイプの食事は主に、新鮮な果物や野菜、植物由来の油（オリーブオイルなど）、種子、ナッツ類、魚、豆類で構成されています。飽和脂肪（バターなど）、乳製品、及び赤身の肉は少ないです。もし（ＩＦ）ビタミンＢ９の代謝が低く、さらに（ＡＮＤ）バクテロイデス・インテスティナーリス（Ｂａｃｔｅｒｏｉｄｅｓ ｉｎｔｅｓｔｉｎａｌｉｓ）の存在量が低い場合、キシランは植物の細胞壁にある複合糖類（多糖類）の一種です。研究により、キシランがバクテロイデス・インテスティナーリス（Ｂａｃｔｅｒｏｉｄｅｓ ｉｎｔｅｓｔｉｎａｌｉｓ）と呼ばれるＢ９産生細菌のレベルを高めることに役立ちうることが示されています。キシランは小麦、オーツ麦、米、トウモロコシ、大麦、ライ麦、及びキビなどの穀物において最も豊富です。食事のガイドラインでは、１日あたり少なくとも６オンス（約１７０グラム）の穀物を摂取することが推奨されています。さらに（ＡＮＤ）ルミノコッカス（Ｒｕｍｉｎｏｃｏｃｃｕｓ）の存在量が低い場合：研究により、食物繊維をより多く食べると、ルミノコッカス（Ｒｕｍｉｎｏｃｏｃｃｕｓ）と呼ばれるビタミンＢ９産生細菌の量が増える可能性があることが示唆されています。好適な食物繊維供給源には、豆、全粒穀物、玄米、ナッツ類、及び野菜が含まれます。米ぬかで出来た食品を摂取することもルミノコッカス（Ｒｕｍｉｎｏｃｏｃｃｕｓ）の供給を増やす可能性があります。ある研究では、１日あたり３０グラムの米ぬかを摂取すると、これらのビタミン産生微生物のレベルが増加することがわかっています。さらに（ＡＮＤ）アナエロスティペス（Ａｎａｅｒｏｓｔｉｐｅｓ）の存在量が低い場合：イヌリンは、バナナ、アスパラガス、タマネギ、及びアーティチョークを含む多くの食品に含まれる植物繊維の一種です。これはプレバイオティクスサプリメントとしても入手できます。研究により、少なくとも４週間、イヌリンサプリメントを毎日摂取すると、アナエロスティペス（Ａｎａｅｒｏｓｔｉｐｅｓ）と呼ばれるビタミンＢ９産生細菌が増加し得ることが示唆されています。イヌリンの推奨用量は１日あたり最大１０グラムです。さらに（ＡＮＤ）ブラウティア・ヒドロゲノトロフィカ（Ｂｌａｕｔｉａ ｈｙｄｒｏｇｅｎｏｔｒｏｐｈｉｃａ）の存在量が低い場合：キシロオリゴ糖（ｘｙｌｏｏｌｉｇｏｓａｃｃｈａｒｉｄｅ、ＸＯＳ）は、ビタミンＢ９産生細菌を増強できる別のプレバイオティクスサプリメントです。ある研究では、１日あたり２グラムのＸＯＳを少なくとも８週間摂取すると、ブラウティア・ヒドロゲノトロフィカ（Ｂｌａｕｔｉａ ｈｙｄｒｏｇｅｎｏｔｒｏｐｈｉｃａ）と呼ばれるあるＢ９産生細菌が増加し得ることが判明しています。さらに（ＡＮＤ）ビフィドバクテリウム（Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ）の存在量が低い場合：ビタミンＢ９の生産に関連する別の細菌属であるビフィドバクテリウム（Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ）のレベルを上げるには、いくつかの方法があります。イヌリン（推奨摂取量：１２〜２０ｇ／日）を少なくとも４週間摂取してください。イヌリンは市販のプレバイオティクス製品又は、アーティチョーク、アスパラガス、バナナ、ゴーヤ、チコリルート、エンダイブ、キクイモ、レタス、タマネギ、桃、エンドウ豆、ザクロ、根菜、スイカ、エシャロット、全粒小麦、全粒ライ麦、及びニンニクなどの特定の食品から得られます。少なくとも２８日間は食物繊維（推奨摂取量：１７〜３０ｇ／日）を摂取してください。食物繊維の主な供給源は、全粒穀物、果物、野菜、及び豆類です。１：１の比率のイヌリンとオリゴフルクトースとの混合物（推奨摂取量：６〜１６ｇ／日）を少なくとも３週間摂取してください。ビフィドバクテリウム（Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ）のレベルを上げるために、食物繊維が豊富な様々な食品を摂取してください。全粒朝食用シリアル（推奨摂取量：４８ｇ／日）を少なくとも３週間摂取してみてください。ガラクトオリゴ糖（ｇａｌａｃｔｏ−ｏｌｉｇｏｓａｃｃｈａｒｉｄｅ、ＧＯＳ）（推奨摂取量：８〜１５ｇ／日）を少なくとも２１〜３６日間摂取してください。市販のプレバイオティクスサプリメントから、又は様々な豆類及び一部の粉乳などのＧＯＳを含む食品を摂取することで、ＧＯＳを得られます。小麦ふすま抽出物（１０ｇ／日）を少なくとも３週間摂取してください。アラビノキシランオリゴ糖（ａｒａｂｉｎｏｘｙｌａｎ ｏｌｉｇｏｓａｃｃｈａｒｉｄｅ、ＡＸＯＳ）（推奨摂取量：４．８ｇ／日）を少なくとも３週間摂取してください。ＡＸＯＳは全粒小麦を含む多くの製品に見られます。キシロオリゴ糖（ＸＯＳ）（推奨摂取量：１．２〜２．８ｇ／日）を少なくとも３週間摂取してください。ＸＯＳは、市販のプレバイオティクス製品から得られます。リュウゼツランに含まれるプレバイオティクスのフルクタン（推奨摂取量：５ｇ／日）を少なくとも３週間摂取してください。果物の推奨される健康的な摂取量は１日あたり２カップです。あなたの食事にリンゴとキウイフルーツを含めてみてください！」

個別化された食餌の推奨の第４のモジュールの具体例では、代謝の観点から個人に与えられるアドバイスの例を示す。

推奨の提供には、代謝関連の推奨（例えば、通知、情報など）の提供が含まれ得る。いくつかの具体例では、代謝関連の推奨の提供には、以下のような、任意の適切な文言を含む、１又は複数の言語的及び／又は図式的な通知の提供が含まれ得る。「あなたはおそらく人々が代謝についていかに早くカロリーを燃焼するかに関して「代謝が遅い（又は速い）」と話しているのを聞いたことがあるでしょう。あなたの代謝はこれをはるかに超えています！代謝には、摂取したものをエネルギーに変換し、細胞が生存するために必要な化合物を産生することに関わるすべての生化学的プロセスが含まれます。それは大きな仕事であり、マイクロバイオームが重要な役割を果たします。腸内微生物は、身体がそれ自体では消化できない分子の消化を専門としています。これらの分子をより小さな塊に分解した後、微生物はこれらのより小さな断片を用いて、身体だけでは作ることができない特有の分子を構築します。これらの分子には、細胞の燃料として機能するものもあれば、腸の健康、食欲、及び免疫系の調節に役立つ化学信号を提供するなど、より特殊な役割を担うものもあります。炭水化物、脂質、及びアミノ酸の３種類の分子を代謝するのに役立つ微生物を見て、マイクロバイオームが代謝をどのようにサポートしているかを調べてみましょう。［グラフタイトル］存在量：存在量は、特定の細菌がマイクロバイオームのどの部分を構成しているかを測定するものです。以下に、あなたのサンプル中の炭水化物代謝細菌、アミノ酸代謝細菌、脂質代謝細菌の相対的な量を示します。
炭水化物と微生物：炭水化物は、細胞の主なエネルギー源です。それらは糖、デンプン、及び繊維を含み、通常果物、穀物、野菜、乳製品に含まれています。あなたの細胞は、果物の糖（果糖）や飴（ブドウ糖）などの単純な炭水化物を直接分解することができます。しかし、繊維やデンプンなどの植物性食品の複雑な炭水化物には助けが必要です。ここで腸内微生物が登場し、これらの複雑な炭水化物を分解してエネルギーと有用な分子とに変換するのを助けます。腸内微生物が産生する分子の一つは酪酸です。これは、短鎖脂肪酸（ＳＣＦＡ）として知られる有用な脂肪の一種です。研究により、高レベルの酪酸と、低いクローン病のリスクが関連付けられています。この脂肪酸のレベルが高くなると、食欲増強ホルモンの減少や肥満のリスクの低下とも関連します。これは、炭水化物を消費する細菌が好む特定の複雑な炭水化物を、当該細菌に、食物やサプリメントとして供給することで、食事後により満腹感が得られ、体重を管理するのに役立つ可能性があることを示唆しています。複雑な炭水化物の分解を助ける微生物には、バクテロイデス（Ｂａｃｔｅｒｏｉｄｅｓ）、ロゼブリア（Ｒｏｓｅｂｕｒｉａ）、ブチリビブリオ（Ｂｕｔｙｒｉｖｉｂｒｉｏ）、ルミノコッカス（Ｒｕｍｉｎｏｃｏｃｃｕｓ）、ビフィドバクテリウム（Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ）、プレボテーラ（Ｐｒｅｖｏｔｅｌｌａ）などの細菌が含まれます。以下に、これらの有用な炭水化物消費者たちの存在量をどのように高めることができるかについての提案を示します。［グラフタイトル］あなたの炭水化物代謝細菌［サブタイトル］全ユーザーとの比較方法：あなたの炭水化物代謝細菌の存在量は、全ユーザーの＿＿＿％｛パーセンタイル｝を超えています。［サブタイトル］選択されたサンプル群との比較方法：選択したサンプル群よりも、あなたのサンプルにおける炭水化物代謝細菌の存在量は｛多い／少ない｝です。選択されたサンプルは、病気がなく健康レベルが高いことを報告している個人からのサンプルです。
脂質と微生物：脂質は言い換えると「脂肪」であり、脂肪は健康的な食事の不可欠な部分です。例えば、細胞膜を構築し、エネルギーを蓄え、ホルモン（食欲の制御に役立つホルモンなど）の生成を促すには脂肪が必要です。脂質を消費する微生物は、いくつかの重要な方法で身体が脂肪を使用するのを助けます。まず、これらの微生物は身体が脂肪を分解するのを助けます。それらの微生物はまた、より小さな分子を使用して、短鎖脂肪酸（ｓｈｏｒｔ ｃｈａｉｎ ｆａｔｔｙ ａｃｉｄ、ＳＣＦＡ）と呼ばれる脂肪（酪酸（上記を参照）と呼ばれる重要な短鎖脂肪酸を含む）を生成します。ＳＣＦＡは、腸内部の細胞に燃料を提供し、他の臓器と連絡を取ることが可能なメッセンジャー分子として機能します。高レベルのＳＣＦＡは、健康な腸及び免疫システムに関連しています。最後に、腸内微生物は、最終的には血中に移行する脂質のレベルに影響します。例えば、クリステンセネラ（Ｃｈｒｉｓｔｅｎｓｅｎｅｌｌａ）と呼ばれる微生物群は、低レベルのトリグリセリドと関連しています。トリグリセリドが継続的に高い場合、これは脳卒中のリスクを高める可能性があります。ただし、脂質を消費する微生物が必ずしもそれほど役立つとは限りません。エガセラ（Ｅｇｇｅｒｔｈｅｌｌａ）と呼ばれる別の群は、トリグリセリドレベルの増加と高密度リポタンパク質（ＨＤＬ）と呼ばれる「善玉コレステロール」のレベルの低下とに関連しており、心臓病の予防に役立ちます。以下に、有用な脂質消費微生物の存在量を高めることができるかについてのヒントを示します。［グラフタイトル］あなたの脂質代謝細菌：［サブタイトル］全ユーザーとの比較方法：あなたの脂質代謝細菌の存在量は、選択したユーザーの＿＿＿％｛パーセンタイル｝を超えています。［サブタイトル］選択されたサンプル群との比較方法：選択したサンプル群よりも、あなたのサンプルにおける脂質代謝細菌の存在量は｛多い／少ない｝です。選択されたサンプルは、病気がなく健康レベルが高いことが報告されている個人からのサンプルです。
アミノ酸と微生物：アミノ酸はタンパク質の構成要素であり、体内の筋肉、骨、軟骨、皮膚、及び血液の生成に重要な役割を果たします。人間の生命と健康に必要なタンパク質を形成する２１のアミノ酸が体内に存在します。これらのアミノ酸の多くは、他のアミノ酸から体内で生成することが可能です。しかし、そのうちの９つのアミノ酸はそのように生成することは不可能です。これらは人間の生活に必要であるため、「必須」アミノ酸と呼んでいますが、これらを体内で産生することはできません。代わりに、腸内微生物の助けにより、食品（及び場合によっては栄養補助食品）を利用してこれらのアミノ酸を得ています。消化プロセスの間に、腸内微生物は食物からのタンパク質のいくつかを身体のための必須アミノ酸に分解するように働きます。腸内微生物が産生する重要なアミノ酸の１つはトリプトファンです。細胞はトリプトファンを使用して、脳及び神経の重要な化学伝達物質であるセロトニンを生成します。セロトニンは社会的行動に影響を与える可能性があり、しばしば感情面の健康に関連付けられています。研究によると、セロトニンの９０％もの量が腸で産生されており、その多くは腸内微生物によって調節されています。以下に、有用なアミノ酸微生物の存在量を高めることができるかについてのヒントを示します。［グラフタイトル］あなたのアミノ酸代謝細菌［サブタイトル］全ユーザーとの比較方法：あなたのアミノ酸代謝細菌の存在量は、選択したユーザーの＿＿＿％｛パーセンタイル｝を超えています。［サブタイトル］選択されたサンプル群との比較方法：選択したサンプル群よりも、あなたのサンプルにおけるアミノ酸代謝細菌の存在量は｛多い／少ない｝です。選択されたサンプルは、病気がなく健康レベルが高いことが報告されている個人からのサンプルです。推奨／行動：以下は、行動して特定の代謝微生物の存在量を増やす方法のいくつかの提案です。これらの全ての工程を実行する必要はありません。あなたとあなたのライフスタイルに最適な提案を選択してください。これらの提案は全て科学的研究に基づいています。これらの研究について詳しく知りたい場合は、ページ下部に公開論文のリストがあります。
［各ユーザーの結果に基づいてスプレッドシートから挿入される推奨事項］：もし（ＩＦ）炭水化物代謝が低く、さらに（ＡＮＤ）アナエロスティペス（Ａｎａｅｒｏｓｔｉｐｅｓ）が少ない場合：アナエロスティペスを増やすために、イヌリン（推奨摂取量：１２ｇ／日）を少なくとも４週間摂取してください。イヌリンは市販のプレバイオティクス製品から得られ、アーティチョーク、アスパラガス、バナナ、ゴーヤ、チコリルート、エンダイブ、キクイモ、レタス、タマネギ、桃、エンドウ豆、ザクロ、根菜、スイカ、エシャロット、全粒小麦、全粒ライ麦、及びニンニクなどのイヌリンを含む食品もあります。もし（ＩＦ）炭水化物代謝が低く、さらに／又は（ＡＮＤ／ＯＲ）脂質代謝が低い場合：さらに（ＡＮＤ）コプロコッカス（Ｃｏｐｒｏｃｏｃｃｕｓ）が低い場合：コプロコッカスを増やすために、１：１の比率のイヌリンとオリゴフルクトースとの混合物（推奨摂取量：６〜１６ｇ／日）を少なくとも３週間摂取してください。この微生物は、炭水化物及び脂質の代謝に関与し、腸内マイクロバイオータの炭水化物及び脂質の代謝を改善します。さらに（ＡＮＤ）ドレア（Ｄｏｒｅａ）が低い場合：ドレアを増やすために、１：１の比率のイヌリンとオリゴフルクトースとの混合物（推奨摂取量：６〜１６ｇ／日）を少なくとも３週間摂取してください。この微生物は、炭水化物及び脂質の代謝に関与し、腸内マイクロバイオータの炭水化物及び脂質の代謝を改善します。さらに（ＡＮＤ）ラクトバチルス（Ｌａｃｔｏｂａｃｉｌｌｕｓ）が低い場合：少なくとも３週間、イヌリン（推奨摂取量：１０ｇ／日）を摂取することにより、サンプル中のラクトバチルスの量を増やすことができます。イヌリンは市販のプレバイオティクス製品から得ることもでき、アーティチョーク、アスパラガス、バナナ、ゴーヤ、チコリルート、エンダイブ、キクイモ、レタス、タマネギ、桃、エンドウ豆、ザクロ、根菜、スイカ、エシャロット、全粒小麦、全粒ライ麦、及びニンニクなどのイヌリンを含む食品もあります。様々な食物繊維が豊富な食品を摂取してください。全粒オーツ麦ベースのグラノーラ（推奨摂取量：４５ｇ／日）を少なくとも４週間、又は全粒朝食用シリアル（推奨摂取量：４８ｇ／日）を少なくとも３週間摂取してもよいです。ガラクトオリゴ糖（ＧＯＳ）（推奨摂取量：最大１５ｇ／日）を少なくとも３６日間摂取してください。市販のプレバイオティクスサプリメントから、又は様々な豆類及び一部の粉乳などのＧＯＳを含む食品を摂取することで、ＧＯＳが得られます。キシロオリゴ糖（ＸＯＳ）（推奨摂取量：１．２ｇ／日）を少なくとも３週間摂取してください。ＸＯＳは、市販のプレバイオティクス製品から得られます。リュウゼツランに含まれるプレバイオティクスのフルクタン（推奨摂取量：５ｇ／日）を少なくとも３週間摂取してください。果物の推奨される健康的な摂取量は１日あたり２カップです。あなたの食事にリンゴとキウイフルーツを含めてみてください！これらの微生物は、炭水化物及び脂質の代謝に関与し、腸内マイクロバイオータの炭水化物及び脂質の代謝を改善します。さらに（ＡＮＤ）オシロスピラ（Ｏｓｃｉｌｌｏｓｐｉｒａ）が低い場合：オシロスピラを増やすために、１：１の比率のイヌリンとオリゴフルクトースとの混合物（推奨摂取量：６〜１６ｇ／日）を少なくとも３週間摂取してください。この微生物は、炭水化物及び脂質の代謝に関与し、腸内マイクロバイオータの炭水化物及び脂質の代謝を改善します。もし（ＩＦ）脂質代謝が低く、さらに／又は（ＡＮＤ／ＯＲ）アミノ酸代謝が低く、さらに（ＡＮＤ）バクテロイデス（Ｂａｃｔｅｒｏｉｄｅｓ）が低い場合：バクテロイデスのいくつかの種のレベルを高めるために、キシロオリゴ糖（ＸＯＳ）（推奨摂取量：２．８ｇ／日）を少なくとも８週間摂取してください。ＸＯＳは、市販のプレバイオティクス製品から得られます。これらの微生物は、アミノ酸及び脂質の代謝に関与し、腸内マイクロバイオータのアミノ酸及び脂質の代謝を改善します。もし（ＩＦ）炭水化物代謝が低く、さらに／又は（ＡＮＤ／ＯＲ）脂質代謝が低く、さらに／又は（ＡＮＤ／ＯＲ）アミノ酸代謝が低く、さらに（ＡＮＤ）ビフィドバクテリウム（Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ）が低い場合：ビフィドバクテリウムのレベルを上げるには、いくつかの方法があります。イヌリン（推奨摂取量：１２〜２０ｇ／日）を少なくとも４週間摂取してください。イヌリンは市販のプレバイオティクス製品又は、アーティチョーク、アスパラガス、バナナ、ゴーヤ、チコリルート、エンダイブ、キクイモ、レタス、タマネギ、桃、エンドウ豆、ザクロ、根菜、スイカ、エシャロット、全粒小麦、全粒ライ麦、及びニンニクなどの特定の食品から得られます。食物繊維（推奨摂取量：１７〜３０ｇ／日）を少なくとも２８日間摂取してください。食物繊維の主な供給源は、全粒シリアル、果物、野菜、及び豆類です。１：１の比率のイヌリンとオリゴフルクトースとの混合物（推奨摂取量：６〜１６ｇ／日）を少なくとも３週間摂取してください。ビフィドバクテリウム（Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ）のレベルを上げるために、食物繊維が豊富な様々な食品を摂取してください。全粒朝食用シリアル（推奨摂取量：４８ｇ／日）を少なくとも３週間摂取してみてください。ガラクトオリゴ糖（ＧＯＳ）（推奨摂取量：８〜１５ｇ／日）を少なくとも２１〜３６日間摂取してください。市販のプレバイオティクスサプリメントから、又は様々な豆類及び一部の粉乳などのＧＯＳを含む食品を摂取することで、ＧＯＳを得られます。小麦ふすま抽出物（推奨摂取量：１０ｇ／日）を少なくとも３週間摂取してください。アラビノキシランオリゴ糖（ＡＸＯＳ）（推奨摂取量：４．８ｇ／日）を少なくとも３週間摂取してください。ＡＸＯＳは全粒小麦を含む多くの製品に見られます。キシロオリゴ糖（ＸＯＳ）（推奨摂取量：１．２〜２．８ｇ／日）を少なくとも３週間摂取してください。ＸＯＳは、市販のプレバイオティクス製品から得られます。リュウゼツランに含まれるプレバイオティクスのフルクタン（推奨摂取量：５ｇ／日）を少なくとも３週間摂取してください。果物の推奨される健康的な摂取量は１日あたり２カップです。あなたの食事にリンゴとキウイフルーツを含めてみてください！これらの微生物は、アミノ酸、炭水化物、及び脂質の代謝に関与し、腸内マイクロバイオータの代謝を改善します！」

個別化された食餌の推奨の第４のモジュールの具体例では、人工甘味料レベル摂取の観点から個人に与えられるアドバイスの例を示している。

推奨の提供には、人工甘味料関連の推奨（例えば、通知、情報、図４に示す具体例など）の提供が含まれ得る。いくつかの具体例では、人工甘味料関連の推奨の提供には、以下のような、任意の適切な文言を含む、１又は複数の言語的及び／又は図式的な通知の提供が含まれ得る。人工甘味料エクスプローラー（Ｅｘｐｌｏｒｏｒ）：緒言：「人工甘味料は結局のところそれほど甘いものではないかもしれません。研究によると、これらの砂糖代用品はカロリーを削減しますが、腸内マイクロバイオーム及び全体的な健康の両方に負担をかける可能性があります。本セクションでは、人工甘味料のアスパルテーム、サッカリン、及びスクラロースによって影響を受ける可能性のある細菌のレベルを調べ、微生物のバランスを維持（又は回復）し得る方法を探ります。人工甘味料とは何でしょうか？アスパルテーム、サッカリン、スクラロースなどの人工甘味料は、カロリーがほとんど又は全くない、砂糖のような甘さを提供する砂糖代用品です。これらは、最も一般的に使用される食品添加物の１つであり、低カロリーのソーダ、スポーツドリンク、ヨーグルト、シリアル、及びデザート、並びにその他の多くの「ダイエット用」「無糖」、及び「砂糖無添加」の製品を含む、様々な食品及び飲料のラベルに表示されます。これらはまた、歯磨き粉、マウスウォッシュ、一部のビタミン剤や薬など、予想外の日常品にも含まれています。カロリーや砂糖を削減しようとしているなら、人工甘味料を含む食品及び飲料は明白な選択のように見えるかもしれません。しかし、研究では、これらの砂糖代用品が実際に体重増加の可能性を高めるだけでなく、２型糖尿病やその他の代謝問題を引き起こす可能性があることを示唆しています。科学者たちは、この背後にある理由は複雑であり、身体や脳（並びにマイクロバイオーム）がこれらの甘味料にどのように反応するかに関連していると考えています。知っていましたか？人工甘味料は食品や飲料に広く使用されているため、「ダイエット用」や「低カロリー」製品を意図的に摂取したことがない場合でも、これらの砂糖代用品を摂取している場合があります。例えば、ある小規模な研究では、人工甘味料は、これらの甘味料を含む食品及び飲み物の摂取を記憶していなかった女性の母乳で認められました。別の研究では、人工甘味料を全く摂取していないと報告した１８人中８人は、尿中に検出可能なスクラロースが認められました。マイクロバイオームに対しては甘くないのでしょうか？ほとんどの人工甘味料は、分解されたり吸収されたりすることなく消化管を通過し、代わりに腸内微生物に直接出会います。研究によると、これらの甘味料は腸内の細菌種のバランスを変え、健康に影響を与える可能性があります。ヒトの研究では、人工甘味料の長期使用は、エンテロバクター科（Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ）、デルタプロテオバクテリア綱（Ｄｅｌｔａｐｒｏｔｅｏｂａｃｔｅｒｉａ）、及びアクチノバクテリア門（Ａｃｔｉｎｏｂａｃｔｅｒｉａ）からの細菌のより多くの集団と関連していました。人工甘味料の使用は、体重及び血糖値の増加にも関連していました。ただし、これまでのところ、これらの質問に関する研究のほとんどは実験動物で行われています。動物実験では、人工甘味料は、体重増加及び減少に関連している腸内細菌の２つの大きなグループ（フィルミクテス門（Ｆｉｒｍｉｃｕｔｅｓ）及びバクテロイデス門（Ｂａｃｔｅｒｏｉｄｅｔｅｓ））のバランスに影響を与えるようです。予備研究では、人工甘味料がバクテロイデス門を犠牲にしてフィルミクテス門の成長を促進する可能性があることが示唆されています。フィルミクテス門に有利に傾いたマイクロバイオームは、体重増加に関連する傾向があります。上記の動物及びヒトでの研究に基づいて、科学者は人工甘味料が腸内マイクロバイオームの不均衡（ディスバイオーシスと呼ばれる）を引き起こす可能性があると考えています。このディスバイオーシスの影響はまだ検討されています。マウス及びヒトでの研究はまた、人工甘味料が耐糖能異常（通常よりも高い血糖値）のリスクを高めるようにマイクロバイオームを変える可能性があることを示唆しています。この代謝状態は２型糖尿病の前兆であり、心臓病の危険因子です。人工甘味料とマイクロバイオーム：人工甘味料の使用は、いくつかの種類の細菌のより高いレベルと関連しています。私達はあなたのサンプルに含まれるこれらの細菌の総存在量と、人工甘味料の使用を報告する人々における存在量とを比較しました。自分の結果に驚きましたか？これらの細菌のレベルが予想よりも高い場合は、一部のシリアルやスポーツドリンクなどを含む、予想外の多くの製品に人工甘味料が含まれていることに注意してください。あなたはそれを知らずに定期的にこれらの甘味料を摂取しているかもしれません。次に食料品店に行くときは、食品及び飲料のラベルをよく見て、これらの甘味料がどこに隠されているかを確認することを考慮してください。これらの細菌の存在量を減らすための対策を取ることができます。以下の「行動する」セクションでヒントを提供します。これらの甘味料の詳細：スクラロース（Ｓｐｌｅｎｄａ（登録商標））、サッカリン（Ｓｗｅｅｔ’Ｎ Ｌｏｗ（登録商標））、アスパルテーム（ＮｕｔｒａＳｗｅｅｔ（登録商標）、Ｅｑｕａｌ（登録商標））は、最も広く使用されている人工甘味料の一部であり、調査では、米国の成人の３分の１がこれらの砂糖代用品を使った食品及び飲料を定期的に摂取していることが示唆されています。これらの甘味料を含むいくつかのよく知られた製品には、ダイエットコーラ（Ｄｉｅｔ Ｃｏｋｅ）（アスパルテーム）、ダイエットマウンテンデュー（Ｄｉｅｔ Ｍｏｕｎｔａｉｎ Ｄｅｗ）（サッカリンとアスパルテーム）、ファイバーワンオリジナルブランシリアル（Ｆｉｂｅｒ Ｏｎｅ Ｏｒｉｇｉｎａｌ Ｂｒａｎ Ｃｅｒｅａｌ）（スクラロース）、ゲータレードＧ２（Ｇａｔｏｒａｄｅ Ｇ２）（スクラロース）、ヨープレイライトヨーグルト（Ｙｏｐｌａｉｔ Ｌｉｇｈｔ Ｙｏｇｕｒｔ）（スクラロース）、及び多くのクレスト（Ｃｒｅｓｔ）及びコルゲート（Ｃｏｌｇａｔｅ）の歯磨き粉（サッカリン）が含まれます。行動する：マイクロバイオームは動的であり、飲食物の変化に迅速に対応できます。人工甘味料が特定の細菌のレベルに影響を与えていると思われる場合は、これらの甘味料を数週間食事から取り除いてみてください。その後、別のＥｘｐｌｏｒｏｒサンプルを送って、レベルが変わったかどうかを確認できます。全ての食品や飲料のラベルを注意深く確認してください。シリアル、ヨーグルト、及びスポーツドリンクなど、予想外の製品に人工甘味料が隠されている場合があります。また、私たちは、人工甘味料によって増加した可能性のある特定の細菌のレベルを低下させる方法もいくつか提供しています。これらの推奨は、人工甘味料の使用を報告している人と比較して、あなたのサンプルで増加している細菌の種類に基づいています。これらの全ての工程を実行する必要はありません。あなたとあなたのライフスタイルに最適な提案を選択してください。一度にこれらの工程の１つを試して、何が効果的かを確認することもできます。エンテロバクター科（Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ）のレベルを下げるためには以下の事項を行うことができます：様々な食物繊維が豊富な食品を摂取します。食物繊維の優れた供給源には、豆類、玄米、ナッツ類、野菜、及び全粒穀物が含まれます。全粒の朝食用シリアルを少なくとも３週間食べてみてください（推奨摂取量：１日１と３／４カップ）。イヌリンを含むより多くの食品を摂取してください。アーティチョーク、アスパラガス、バナナ、チコリルート、エンダイブ、キクイモ、レタス、タマネギ、桃、エンドウ豆、ザクロ、根菜、スイカ、エシャロット、全粒小麦、全粒粉ライ麦、及びニンニクなど、多くの食品からイヌリン（水溶性植物繊維）を得られます。粉末やサプリメントなどのプレバイオティクス製品からイヌリンを得ることも可能です。可溶性及び不溶性の食物繊維を含む食品をより多く摂取してください。水溶性繊維の優れた供給源には、リンゴ、柑橘類、果物、豆類、エンドウ豆、ニンジン、オーツ麦、及び大麦が含まれます。不溶性繊維の優れた供給源には、全粒小麦粉、ナッツ類、並びに豆類、カリフラワー、及びジャガイモなどの野菜が含まれます。デルタプロテオバクテリア綱（Ｄｅｌｔａｐｒｏｔｅｏｂａｃｔｅｒｉａ）のレベルを下げるためには以下の事項を行うことができます：西洋式の食事、特にバターなどの乳由来飽和脂肪を多く含む食品の摂取は避けてください。」

１又は複数の変形に関連付けられている分類群の例（例えば、１又は複数の分類群（ｔａｘａ）の任意の組み合わせを、１又は複数の人工甘味料関連の状態、及び／又はこの技術の変形と、正の相関、負の相関、及び／又はその他の方法で関連付け得る）には、エンテロバクター科（Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ）（科）、デルタプロテオバクテリア綱（Ｄｅｌｔａｐｒｏｔｅｏｂａｃｔｅｒｉａ）（綱）、及び／又はアクチノバクテリア門（Ａｃｔｉｎｏｂａｃｔｅｒｉａ）（門）が含まれる場合がある。

本明細書中の任意の適切な推奨は、１又は複数の治療推奨（例えば、クエリ分子スコアに基づくなどの、プロバイオティック組成物、プレバイオティック組成物、マイクロバイオームを改変する治療の推奨など）を含むことができる。

個別化された食餌の推奨の第４のモジュールの具体例では、アルコールレベル摂取の観点から個人に与えられるアドバイスの例を示している。

推奨の提供には、アルコール関連の推奨（例えば、アルコール関連及び／又はアルコール代謝関連データ、情報、及び／又は推奨；図５〜図８、図９Ａ〜図９Ｆ、及び図１０に示される具体例など）の提供が含まれ得る。いくつかの具体例では、アルコール関連の推奨の提供には、任意の適切な文言を含む、１又は複数の言語的及び／又は図式的な通知の提供が含まれ得る。１又は複数のアルコール代謝及び／又は１又は複数の変形に関連付けられている分類群の例（例えば、１又は複数の分類群の任意の組み合わせを、１又は複数の人工甘味料関連の状態、及び／又はこの技術の変形と、正の相関、負の相関、及び／又はその他の方法で関連付け得る）には、バクテロイデス・ユニフォルミス（Ｂａｃｔｅｒｏｉｄｅｓ ｕｎｉｆｏｒｍｉｓ）（種）、ホールディマニア・フィリフォルミス（Ｈｏｌｄｅｍａｎｉａ ｆｉｌｉｆｏｒｍｉｓ）（種）、ツリシバクター・サングイニス（Ｔｕｒｉｃｉｂａｃｔｅｒ ｓａｎｇｕｉｎｉｓ）（種）、アイゼンベルギエラ・タイ（Ｅｉｓｅｎｂｅｒｇｉｅｌｌａ ｔａｙｉ）（種）、エリシペラトクロストリジウム・ラモスム（Ｅｒｙｓｉｐｅｌａｔｏｃｌｏｓｔｒｉｄｉｕｍ ｒａｍｏｓｕｍ）（種）、ジエルマ・ファスティディオサ（Ｄｉｅｌｍａ ｆａｓｔｉｄｉｏｓａ）（種）、ロゼブリア・ホミニス（Ｒｏｓｅｂｕｒｉａ ｈｏｍｉｎｉｓ）（種）、カテニバクテリウム・ミツオカイ（Ｃａｔｅｎｉｂａｃｔｅｒｉｕｍ ｍｉｔｓｕｏｋａｉ）（種）、サロバクテリウム・ムーレイ（Ｓｏｌｏｂａｃｔｅｒｉｕｍ ｍｏｏｒｅｉ）（種）、エガシア・カテナフォルミス（Ｅｇｇｅｒｔｈｉａ ｃａｔｅｎａｆｏｒｍｉｓ）（種）、アロバキュラム・ステルコリカニス（Ａｌｌｏｂａｃｕｌｕｍ ｓｔｅｒｃｏｒｉｃａｎｉｓ）（種）、及びラクトバチルス（Ｌａｃｔｏｂａｃｉｌｌｕｓ）（属）が含まれ得る。

システム及び／又はプラットフォームの実施形態は、任意の変形（例えば、実施形態、変形例、例、具体例、図など）を含む、様々なシステムコンポーネント及び様々なプラットフォームプロセスのあらゆる組み合わせ及び並び替えを含むことが可能であり、本明細書に記載の方法及び／又はプロセスの実施形態の一部は、非同期的に（例えば、順次）、同時に（例えば、並行して）、又は任意の適切な順序で、本明細書に記載のシステム及び／又は他の実在物の、１又は複数のインスタンス、要素、構成要素、及び／又は他の態様により及び／又はそれらを使用して、実行することができる。

本明細書に記載の変形（例えば、実施形態、変形例、例、具体例、図など）及び／又は本明細書に記載の変形の任意の部分は、追加的又は代替的に、組み合わせ、集約、除外、使用、連続して実行、並行して実行、及び／又は他の方法で適用することができる。

プラットフォーム及び／又はシステムの実施形態の一部は、コンピュータ可読命令を格納するコンピュータ可読媒体を受け取るように構成されたマシンとして少なくとも部分的に具現化及び／又は実装することができる。前記命令は、システムの実施形態と統合することができるコンピュータ実行可能コンポーネントによって実行することができる。コンピュータ可読媒体は、ＲＡＭ、ＲＯＭ、フラッシュメモリ、ＥＥＰＲＯＭ、光学デバイス（ＣＤ又はＤＶＤ）、ハードドライブ、フロッピードライブ、又は任意の適切なデバイスなどの任意の適切なコンピュータ可読媒体に格納することができる。コンピュータ実行可能コンポーネントは、汎用又はアプリケーション固有のプロセッサーとすることができるが、代替的又は追加的に、任意の適切な専用ハードウェア又はハードウェア／ファームウェア複合デバイスが命令を実行することもできる。

当業者は前述の詳細な説明から並びに図及び請求項から、請求項で定義された範囲から逸脱することなく、システム、プラットフォーム、及び／又は変形の実施形態に対して修正及び変更が可能であることを認識するであろう。本明細書に記載されている変形例は、限定的であることを意味したものではない。図面において、サイズが誇張されている特徴もあれば、明確化のために省略されている特徴もあるが、限定的なものとすべきではない。図は必ずしも縮尺どおりではない。本明細書のセクションのタイトルは、構成的便宜のために使用されており、限定的とすることを意図したものではない。いかなる変形例の説明も、必ずしも本明細書のいかなるセクションにも限定されるものではない。

Claims (22)

1. 微生物分類群のセットに関連する酵素のセットを示す酵素データ、及び前記酵素のセットに関連する化学反応データ、を含む、酵素データセットを生成すること；
   前記酵素のセットが作用し得る基質のセットに関連する基質構造的フィーチャーを含む基質データセットを生成すること；
   前記酵素データセット及び前記基質データセットに基づいて、クエリ分子の代謝に関連する酵素フィーチャーを予測するための機械学習モデルを生成すること；
   前記機械学習モデルから予測された前記酵素フィーチャーに基づいて、前記クエリ分子の代謝に関連する微生物分類群を決定すること；並びに
   前記微生物分類群及びユーザーのマイクロバイオームの特徴解析結果に基づいて、ユーザーのクエリ分子スコアを決定することであって、前記クエリ分子スコアは前記クエリ分子と関連している、前記決定すること、
   を含む、代謝関連予測のための方法。
2. 前記クエリ分子は薬剤を含み、前記クエリ分子スコアは前記薬剤についての前記ユーザーへの薬効を示す薬剤スコアを含む、請求項１に記載の方法。
3. 前記薬剤スコアに基づいて、微生物関連の状態に対する前記ユーザーへの治療を促進することをさらに含む、請求項２に記載の方法。
4. 前記治療を促進することは、前記ユーザーに前記治療の推奨を提供することを含む、請求項３に記載の方法。
5. 前記基質構造的フィーチャーは、前記基質のセットに関連する３Ｄ構造的フィーチャー、前記基質のセットに関連する生成物分子フィーチャー、及び前記基質のセットに関連する薬剤フィーチャーの少なくとも１つを含む、請求項１に記載の方法。
6. 前記基質のセットの各基質について、前記３Ｄ構造的フィーチャー、前記生成物分子フィーチャー、及び薬剤フィーチャーから、関係のあるフィーチャーのサブセットを特定することをさらに含み、
   前記機械学習モデルを生成することは、前記酵素データセット及び前記関係のあるフィーチャーのサブセットに基づいて、前記クエリ分子の代謝に関連する前記酵素フィーチャーを予測するために前記機械学習モデルを生成することを含む、
   請求項５に記載の方法。
7. 前記化学反応データは、前記酵素のセットに関連するＥＣ番号データを含み、前記酵素フィーチャーは、前記クエリ分子についてのＥＣ番号フィーチャーを含む、請求項１に記載の方法。
8. 前記酵素のセットは、前記ＥＣ番号データに関連付けられていない第１の酵素のサブセットと、前記ＥＣ番号データに関連付けられている第２の酵素のサブセットと、を含み、
   前記酵素データセットを生成することは、前記ＥＣ番号データに基づいて前記第１の酵素のサブセットにアノテーションを付けることを含む、
   請求項７に記載の方法。
9. 前記ＥＣ番号フィーチャーは、前記クエリ分子についてのＥＣクラス番号及びＥＣサブクラス番号を含み、
   前記方法は、クエリ分子構造的フィーチャーと前記基質構造的フィーチャーとの間の類似性に基づいて、前記クエリ分子についてのＥＣサブ−サブクラス番号及びＥＣサブ−サブ−サブクラス番号を予測することをさらに含み、
   前記微生物分類群を決定することは、前記ＥＣクラス番号、前記ＥＣサブクラス番号、前記ＥＣサブ−サブクラス番号、及び前記ＥＣサブ−サブ−サブクラス番号に基づいて、前記微生物分類群を決定することを含む、
   請求項７に記載の方法。
10. 前記機械学習モデルは、前記クエリ分子の代謝に関連する酵素フィーチャーを予測するためのランダムフォレストモデルを含む、請求項１に記載の方法。
11. 前記機械学習モデルを生成することは、前記クエリ分子の代謝に関連する酵素フィーチャーを含む複数の酵素フィーチャーを予測するための前記機械学習モデルを生成することを含む、請求項１に記載の方法。
12. 前記機械学習モデルから予測された前記複数の酵素フィーチャーに基づいて、前記クエリ分子の代謝に関連する微生物分類群を含む複数の微生物分類群を決定することをさらに含む、請求項１１に記載の方法。
13. 前記クエリ分子は、ビタミン関連分子、人工甘味料関連分子、及びアルコール関連分子の少なくとも１つを含む、請求項１に記載の方法。
14. 微生物分類群のセットに関連するタンパク質のセットを示すタンパク質データ、
    前記タンパク質のセットに関連する化学反応データ、及び
    前記タンパク質のセットに関連する基質のセットに関連する基質構造的フィーチャーを含む基質データ、
    を収集するためのデータ収集モジュール；
    前記タンパク質データ、前記化学反応データ、及び前記基質データに基づいて、クエリ分子の代謝に関連するタンパク質フィーチャーを予測するための代謝モジュール；並びに、
    前記クエリ分子について前記代謝モジュールから予測される前記タンパク質フィーチャーに基づいて、前記クエリ分子の代謝に関連する微生物分類群を決定するための微生物モジュール、
    を含む、代謝関連予測のためのシステム。
15. 前記微生物分類群及びユーザーに対するマイクロバイオーム特徴解析結果に基づいて、ユーザーに対する前記クエリ分子の薬効を示す薬剤スコアを予測するための薬剤スコアモジュールをさらに含む、請求項１４に記載のシステム。
16. 前記ユーザーについての微生物組成多様性データセット及び微生物機能多様性データセットに基づいて、マイクロバイオーム特徴解析結果を決定するためのマイクロバイオーム特徴解析モジュールをさらに含む、請求項１５に記載のシステム。
17. 前記薬剤スコアに基づいて、前記ユーザーに対する治療を決定する治療モジュールをさらに含む、請求項１５に記載のシステム。
18. 前記ユーザーへ前記治療を提供するための治療提供モジュールをさらに含む、請求項１７に記載のシステム。
19. ユーザーについてのマイクロバイオーム特徴解析結果及び前記クエリ分子の代謝に関連する微生物分類群に基づいて、ユーザーのための個別化された食餌の推奨を決定するための、個別化された食餌推奨モジュールをさらに含み、
    前記個別化された食餌の推奨は、ビタミン関連の推奨、人工甘味料関連の推奨、及びアルコール関連の推奨の少なくとも１つを含む、
    請求項１４に記載のシステム。
20. 前記個別化された食餌の推奨は、バクテロイデス・ユニフォルミス（Ｂａｃｔｅｒｏｉｄｅｓ ｕｎｉｆｏｒｍｉｓ）（種）、ホールディマニア・フィリフォルミス（Ｈｏｌｄｅｍａｎｉａ ｆｉｌｉｆｏｒｍｉｓ）（種）、ツリシバクター・サングイニス（Ｔｕｒｉｃｉｂａｃｔｅｒ ｓａｎｇｕｉｎｉｓ）（種）、アイゼンベルギエラ・タイ（Ｅｉｓｅｎｂｅｒｇｉｅｌｌａ ｔａｙｉ）（種）、エリシペラトクロストリジウム・ラモスム（Ｅｒｙｓｉｐｅｌａｔｏｃｌｏｓｔｒｉｄｉｕｍ ｒａｍｏｓｕｍ）（種）、ジエルマ・ファスティディオサ（Ｄｉｅｌｍａ ｆａｓｔｉｄｉｏｓａ）（種）、ロゼブリア・ホミニス（Ｒｏｓｅｂｕｒｉａ ｈｏｍｉｎｉｓ）（種）、カテニバクテリウム・ミツオカイ（Ｃａｔｅｎｉｂａｃｔｅｒｉｕｍ ｍｉｔｓｕｏｋａｉ）（種）、サロバクテリウム・ムーレイ（Ｓｏｌｏｂａｃｔｅｒｉｕｍ ｍｏｏｒｅｉ）（種）、エガシア・カテナフォルミス（Ｅｇｇｅｒｔｈｉａ ｃａｔｅｎａｆｏｒｍｉｓ）（種）、アロバキュラム・ステルコリカニス（Ａｌｌｏｂａｃｕｌｕｍ ｓｔｅｒｃｏｒｉｃａｎｉｓ）（種）、及びラクトバチルス（Ｌａｃｔｏｂａｃｉｌｌｕｓ）（属）の少なくとも１つを含む前記微生物分類群のセットに関連する前記アルコール関連の推奨を含む、請求項１９に記載のシステム。
21. 前記個別化された食餌の推奨は、エンテロバクター科（Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ）（科）、デルタプロテオバクテリア綱（Ｄｅｌｔａｐｒｏｔｅｏｂａｃｔｅｒｉａ）（綱）、及びアクチノバクテリア門（Ａｃｔｉｎｏｂａｃｔｅｒｉａ）（門）の少なくとも１つを含む前記微生物分類群のセットに関連する前記人工甘味料関連の推奨を含む、請求項１９に記載のシステム。
22. 前記基質構造的フィーチャーは、３Ｄ構造的フィーチャー、生成物分子フィーチャー、及び薬剤フィーチャーの少なくとも１つを含む、請求項１４に記載のシステム。

Images