JP6810789B2 - 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット - Google Patents
機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット Download PDFInfo
- Publication number
- JP6810789B2 JP6810789B2 JP2019503084A JP2019503084A JP6810789B2 JP 6810789 B2 JP6810789 B2 JP 6810789B2 JP 2019503084 A JP2019503084 A JP 2019503084A JP 2019503084 A JP2019503084 A JP 2019503084A JP 6810789 B2 JP6810789 B2 JP 6810789B2
- Authority
- JP
- Japan
- Prior art keywords
- periodontal disease
- sample
- bacteria
- detection
- sequences
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 208000028169 periodontal disease Diseases 0.000 title claims description 245
- 238000012360 testing method Methods 0.000 title claims description 44
- 238000010801 machine learning Methods 0.000 title description 28
- 238000010998 test method Methods 0.000 title description 23
- 238000001514 detection method Methods 0.000 claims description 143
- 241000894006 Bacteria Species 0.000 claims description 123
- 238000000034 method Methods 0.000 claims description 86
- 238000011156 evaluation Methods 0.000 claims description 45
- 238000007689 inspection Methods 0.000 claims description 44
- 238000004458 analytical method Methods 0.000 claims description 43
- 210000003296 saliva Anatomy 0.000 claims description 31
- 241001475108 Fretibacterium Species 0.000 claims description 29
- 241000025430 Anaeroglobus Species 0.000 claims description 26
- 241000204031 Mycoplasma Species 0.000 claims description 18
- 239000012491 analyte Substances 0.000 claims 1
- 230000001580 bacterial effect Effects 0.000 description 49
- 230000006870 function Effects 0.000 description 43
- 241000217859 Lautropia Species 0.000 description 28
- 210000000214 mouth Anatomy 0.000 description 28
- 241000424747 Sneathia Species 0.000 description 26
- 241001639641 Ottowia Species 0.000 description 23
- 241000184247 Pseudoramibacter Species 0.000 description 23
- 238000013528 artificial neural network Methods 0.000 description 22
- 241001486830 Parascardovia Species 0.000 description 18
- 241001486845 Scardovia Species 0.000 description 18
- 238000004364 calculation method Methods 0.000 description 15
- 241001657377 Cryptobacterium Species 0.000 description 14
- 241000605802 Desulfobulbus Species 0.000 description 14
- 241000605826 Desulfomicrobium Species 0.000 description 14
- 241000605716 Desulfovibrio Species 0.000 description 14
- 241000609971 Erysipelotrichaceae Species 0.000 description 14
- 241000159562 Johnsonella Species 0.000 description 14
- 241000509624 Mitsuokella Species 0.000 description 14
- 241001430197 Mollicutes Species 0.000 description 14
- 239000002158 endotoxin Substances 0.000 description 14
- 235000016709 nutrition Nutrition 0.000 description 14
- 241001183539 Pyramidobacter Species 0.000 description 13
- 210000004513 dentition Anatomy 0.000 description 10
- 108090000623 proteins and genes Proteins 0.000 description 10
- 241000894007 species Species 0.000 description 10
- 230000036346 tooth eruption Effects 0.000 description 10
- 239000011248 coating agent Substances 0.000 description 9
- 238000000576 coating method Methods 0.000 description 9
- 210000003731 gingival crevicular fluid Anatomy 0.000 description 9
- 230000004544 DNA amplification Effects 0.000 description 8
- 238000003317 immunochromatography Methods 0.000 description 8
- 241000763413 Shuttleworthia Species 0.000 description 7
- 239000000427 antigen Substances 0.000 description 7
- 108091007433 antigens Proteins 0.000 description 7
- 102000036639 antigens Human genes 0.000 description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 7
- 230000033228 biological regulation Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 7
- 210000002421 cell wall Anatomy 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 230000036737 immune function Effects 0.000 description 7
- 229920006008 lipopolysaccharide Polymers 0.000 description 7
- 239000012528 membrane Substances 0.000 description 7
- 229910052760 oxygen Inorganic materials 0.000 description 7
- 239000001301 oxygen Substances 0.000 description 7
- 102000040430 polynucleotide Human genes 0.000 description 7
- 108091033319 polynucleotide Proteins 0.000 description 7
- 239000002157 polynucleotide Substances 0.000 description 7
- 238000000513 principal component analysis Methods 0.000 description 7
- 230000018612 quorum sensing Effects 0.000 description 7
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 7
- 241000233866 Fungi Species 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 6
- 208000001705 Mouth breathing Diseases 0.000 description 5
- 208000002925 dental caries Diseases 0.000 description 5
- 235000006694 eating habits Nutrition 0.000 description 5
- 230000000391 smoking effect Effects 0.000 description 5
- 238000007397 LAMP assay Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003753 real-time PCR Methods 0.000 description 4
- 108091005804 Peptidases Proteins 0.000 description 3
- 239000004365 Protease Substances 0.000 description 3
- 102100037486 Reverse transcriptase/ribonuclease H Human genes 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 239000000411 inducer Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 208000005888 Periodontal Pocket Diseases 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 206010061218 Inflammation Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 230000003239 periodontal effect Effects 0.000 description 1
- 201000001245 periodontitis Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
- A61B5/0088—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for oral or dental tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4842—Monitoring progression or stage of a disease
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C19/00—Dental auxiliary appliances
- A61C19/04—Measuring instruments specially adapted for dentistry
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M1/00—Apparatus for enzymology or microbiology
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6888—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms
- C12Q1/6893—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms for protozoa
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
- C12N15/09—Recombinant DNA-technology
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Chemical & Material Sciences (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Organic Chemistry (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Epidemiology (AREA)
- Computing Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Surgery (AREA)
- Evolutionary Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Bioinformatics & Computational Biology (AREA)
- Analytical Chemistry (AREA)
- Biotechnology (AREA)
- Databases & Information Systems (AREA)
- Genetics & Genomics (AREA)
Description
また、口腔内の情報に基づいて歯周病に罹患しているか否かを判断するための手法を数多く見出すことは、歯周病の検査技術の向上、検査を受ける者にとっての選択肢の充実化等の観点から有益であると考えられる。
<1>歯周病の罹患確率又は歯周病の状態を判断するための関数を学習する機械学習装置であって、
検体から検出された口腔内情報と;前記検体の提供者の歯周病の罹患確率又は歯周病の状態からなる群から選ばれる少なくとも一つの判断値と;から構成される複数の学習データに基づいて、前記判断値を決定する前記関数を学習する学習部を含み、
前記学習部は、前記学習データに基づいて、前記関数を用いて歯周病の罹患確率又は歯周病の状態を決定した結果に対する報酬を計算する報酬計算部と、
該報酬計算部により計算された報酬が高くなるように、前記関数を更新する関数更新部と、
予め定められた収束条件を満たすまで、前記報酬計算部による計算及び前記関数更新部による更新を繰り返させる収束判定部と、
を含む機械学習装置。
<2>前記口腔内情報が口腔内の細菌叢組成を含む、<1>に記載の機械学習装置。
<3>入力された前記口腔内情報から、前記学習部による学習された前記関数を用いて、前記判断値を決定する判断部を更に含む<1>又は<2>に記載の機械学習装置。
<4>検体から検出された口腔内情報に関するデータに基づいて、前記検体の提供者の歯周病の罹患確率又は歯周病の状態を表現した値を出力するよう、コンピュータを機能させるための学習済みモデルであって、
第1のニューラルネットワークと、前記第1のニューラルネットワークからの出力が入力されるように結合された第2のニューラルネットワークとから構成され、
前記第1のニューラルネットワークが、少なくとも1つの中間層のニューロン数が入力層のニューロン数よりも小さく且つ入力層と出力層のニューロン数が互いに同一であり各入力層への入力値と各入力層に対応する各出力層からの出力値とが等しくなるように重み付け係数が学習されたものであり、
前記第1のニューラルネットワークの入力層から中間層までが、特徴抽出用ニューラルネットワークとして用いられ、
前記第2のニューラルネットワークの重み付け係数が、前記第1のニューラルネットワークの重み付け係数を変更することなく、学習されたものであり、
前記第1のニューラルネットワークの入力層に、前記検体から検出された前記口腔内情報に関するデータから得られる特定の情報の出現頻度が入力されたとき、前記第1及び第2のニューラルネットワークにおける前記学習済みの重み付け係数に基づく演算を行い、前記第2のニューラルネットワークの出力層から歯周病の罹患確率又は歯周病の状態を表現した値を出力するよう、コンピュータを機能させるための学習済みモデル。
<5>前記口腔内情報が口腔内の細菌叢組成を含む、<4>に記載の学習済みモデル。
<6>検体から検出された口腔内情報と、前記検体の提供者を特定する情報と、を含むデータ構造であり、
前記口腔内情報に基づいて、前記検体の提供者の歯周病の罹患確率又は歯周病の状態を表現した値を出力するように予め学習された学習済みモデルを用いて歯周病の罹患又は状態に関する確率を算出する処理に用いられるデータ構造。
<7>前記口腔内情報が口腔内の細菌叢組成を含む、<6>に記載のデータ構造。
<8>検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも2種類の菌を検出する検出工程を含む、歯周病検査方法。
<9>前記群に含まれる少なくとも2種類の菌がAnaeroglobus、Fretibacterium及びMycoplasmaからなる群から選ばれる少なくとも2種類の菌である、<8>に記載の歯周病検査方法。
<10>前記検出工程の後に、前記検出工程で得られた結果をもとに前記検体の提供者が歯周病に罹患している可能性を評価する評価工程をさらに含む、<8>又は<9>に記載の歯周病検査方法。
<11>前記評価工程は、前記検出工程で得られた配列数の総和と、前記群に含まれる少なくとも2種類の菌の配列数の総和とを計算する解析工程を含み、前記解析工程で得られる解析結果に基づいて評価を行うものである、<10>に記載の歯周病検査方法。
<12>前記評価工程は、前記検出工程で得られた配列数の総和を100%としたときの前記群に含まれる少なくとも2種類の菌の配列数の総和が0.02%以上である場合は前記検体の提供者が歯周病に罹患している可能性が高いと評価するものである、<10>又は<11>に記載の歯周病検査方法。
<13>前記検出がメタゲノム解析により行われる、<8>〜<12>のいずれか1項に記載の歯周病検査方法。
<14>前記検体が唾液である、<8>〜<13>のいずれか1項に記載の歯周病検査方法。
<15>検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも2種類の菌を検出する検出部を備える、歯周病検査システム。
<16>検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも2種類の菌を検出する検出デバイスを備える、歯周病検査キット。
<17>検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも1種類の菌を検出する検出工程を含む、歯周病検査方法。
<18>前記群に含まれる少なくとも1種類の菌がLautropiaを含む、<17>に記載の歯周病検査方法。
<19>前記群に含まれる少なくとも1種類の菌がLautropiaと、GN02、Ottowia及びSneathiaからなる群から選ばれる少なくとも1種類の菌との組み合わせである、<17>又は<18>に記載の歯周病検査方法。
<20>前記検出工程の後に、前記検出工程で得られた結果をもとに前記検体の提供者が歯周病に罹患している可能性を評価する評価工程をさらに含む、<17>〜<19>のいずれか1項に記載の歯周病検査方法。
<21>前記評価工程は、前記検出工程で得られた配列数の総和と、前記群に含まれる少なくとも2種類の菌の配列数の総和とを計算する解析工程を含み、前記解析工程で得られる解析結果に基づいて評価を行うものである、<20>に記載の歯周病検査方法。
<22>前記評価工程は、前記検出工程で得られた配列数の総和を100%としたときの前記群に含まれる少なくとも1種類の菌の配列数の総和が0.01%以下である場合は前記検体の提供者が歯周病に罹患している可能性が高いと評価するものである、<20>又は<21>に記載の歯周病検査方法。
<23>前記検出がメタゲノム解析により行われる、<17>〜<22>のいずれか1項に記載の歯周病検査方法。
<24>前記検体が唾液である、<17>〜<23>のいずれか1項に記載の歯周病検査方法。
<25>検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも1種類の菌を検出する検出部を備える、歯周病検査システム。
<26>検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも1種類の菌を検出する検出デバイスを備える、歯周病検査キット。
本開示において「工程」との語には、他の工程から独立した工程に加え、他の工程と明確に区別できない場合であってもその工程の目的が達成されれば、当該工程も含まれる。
本実施形態の機械学習装置は、歯周病の罹患確率又は歯周病の状態を判断するための関数を学習する機械学習装置であって、
検体から検出された口腔内情報と;前記検体の提供者の歯周病の罹患確率又は歯周病の状態からなる群から選ばれる少なくとも一つの判断値と;から構成される複数の学習データに基づいて、前記判断値を決定する前記関数を学習する学習部を含み、
前記学習部は、前記学習データに基づいて、前記関数を用いて歯周病の罹患確率又は歯周病の状態を決定した結果に対する報酬を計算する報酬計算部と、
該報酬計算部により計算された報酬が高くなるように、前記関数を更新する関数更新部と、
予め定められた収束条件を満たすまで、前記報酬計算部による計算及び前記関数更新部による更新を繰り返させる収束判定部と、を含む機械学習装置である。
学習部40は、複数の学習データに基づいて、判断値を決定する関数を学習する。ここで、関数は、後述する学習済みモデルである。
具体的には、学習部40は、報酬計算部42、関数更新部44、及び収束判定部46を備えている。
報酬計算部42は、複数の学習データの各々について、当該学習データに基づいて、関数を用いて歯周病の罹患確率又は歯周病の状態を決定した結果に対する報酬を計算する。
関数更新部44は、報酬計算部42により複数の学習データの各々について計算された報酬に基づいて、報酬が高くなるように、関数を更新する。
収束判定部46は、予め定められた収束条件を満たすまで、報酬計算部42による計算及び関数更新部44による更新を繰り返させる。
学習済みモデル記憶部50は、学習部40により学習された関数を記憶している。
判断部60は、判断対象として入力された、検体から検出された口腔内情報から、学習部40による学習された関数を用いて、検体の提供者の歯周病の罹患確率又は歯周病の状態からなる群から選ばれる少なくとも一つの判断値を決定する。
本実施形態の学習済みモデルは、検体から検出された口腔内情報に関するデータに基づいて、前記検体の提供者の歯周病の罹患確率又は歯周病の状態を表現した値を出力するよう、コンピュータを機能させるための学習済みモデルであって、
第1のニューラルネットワークと、前記第1のニューラルネットワークからの出力が入力されるように結合された第2のニューラルネットワークとから構成され、
前記第1のニューラルネットワークが、少なくとも1つの中間層のニューロン数が入力層のニューロン数よりも小さく且つ入力層と出力層のニューロン数が互いに同一であり各入力層への入力値と各入力層に対応する各出力層からの出力値とが等しくなるように重み付け係数が学習されたものであり、
前記第1のニューラルネットワークの入力層から中間層までが、特徴抽出用ニューラルネットワークとして用いられ、
前記第2のニューラルネットワークの重み付け係数が、前記第1のニューラルネットワークの重み付け係数を変更することなく、学習されたものであり、
前記第1のニューラルネットワークの入力層に、検体から検出された口腔内情報に関するデータから得られる特定の情報の出現頻度が入力されたとき、前記第1及び第2のニューラルネットワークにおける前記学習済みの重み付け係数に基づく演算を行い、前記第2のニューラルネットワークの出力層から前記検体の提供者の歯周病の罹患確率又は歯周病の状態を表現した値を出力するよう、コンピュータを機能させるための学習済みモデルである。
本実施形態のデータ構造は、検体から検出された口腔内情報と、前記検体の提供者を特定する情報と、を含むデータ構造であり、
前記検体から検出された口腔内情報に基づいて、前記検体の提供者の歯周病の罹患確率又は歯周病の状態を表現した値を出力するように予め学習された学習済みモデルを用いて歯周病の罹患又は状態に関する確率を算出する処理に用いられるデータ構造である。
入力部10において複数の学習データを受け付けると、機械学習装置100は、複数の学習データを、学習データ記憶部30に格納する。そして機械学習装置100は、図2に示す機械学習処理ルーチンを実行する。
ステップS102では、上記ステップS100により複数の学習データの各々について計算された報酬に基づいて、報酬が高くなるように、関数を更新する。
ステップS104は、予め定められた収束条件を満たしたか否かを判定し、収束条件を満たさない場合には、上記ステップS100へ戻る。一方、収束条件を満たした場合には、ステップS106へ移行する。
ステップS106では、最終的に更新された関数を、学習済みモデル記憶部50に格納して、学習処理ルーチンを終了する。
そして、入力部10において、判断対象として入力された、検体から検出された口腔内情報を受け付けると、機械学習装置100の判断部60は、判断対象として入力された、検体から検出された口腔内情報から、学習部40による学習された関数を用いて、検体の提供者の歯周病の罹患確率又は歯周病の状態からなる群から選ばれる少なくとも一つの判断値を決定し、出力部90により出力する。
本実施形態の歯周病検査方法は、検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも2種類の菌(以下、検出対象とも称する)を検出する検出工程を含む。
検出工程は、検体に含まれる検出対象を検出可能であればどのような方法で行ってもよい。例えば、メタゲノム解析(メタ16S解析等)、イムノクロマト法、遺伝子増幅法(リアルタイムPCR、LAMP法等)が挙げられる。ある実施態様では、検出工程はメタゲノム解析により行われる。メタゲノム解析は、複数種の菌種の有無及び存在率を一度の工程で検出することができ、1工程あたり1菌種の検出が基本である遺伝子増幅法に比べて検査効率の点で有利である。また、定性評価のイムノクロマト法に比べて菌の検出精度に優れている。
本実施形態の歯周病検査方法は、検出工程の後に、検出工程で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価する評価工程を含んでもよい。評価工程は、検出工程で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価することができればどのような方法で行ってもよい。例えば、計算機を用いても、呈色反応等を利用してもよい。
従って、上記群に含まれる菌であっても検出対象として採用しなかった菌の配列数は「検出対象の菌の配列数の総和」に含まれない。
このような情報としては、例えば、検体の提供者の年齢、性別、喫煙習慣、食習慣、口腔ケアの実施状況、歯の治療歴、持病又は既往症、虫歯の有無、歯並び、唾液の量、口腔内の衛生状態、習癖(歯ぎしり、口呼吸など)、ストレス状態などが挙げられる。
本実施形態の歯周病検査システムは、検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも2種類の菌(検出対象)を検出する検出部を備える。
検出部は、検体に含まれる検出対象を検出可能であれば特に制限されない。例えば、メタゲノム解析(メタ16S解析等)、イムノクロマト法、遺伝子増幅法(リアルタイムPCR、LAMP法等)などを実施する装置が挙げられる。ある実施態様では、検出工程はメタゲノム解析により行われる。複数種の菌種の有無及び存在率を一度の工程で検出することができ、1工程あたり1菌種の検出が基本である遺伝子増幅法に比べて検査効率の点で有利である。また、定性評価のイムノクロマト法に比べて菌の検出精度に優れている。
本実施形態の歯周病検査システムは、検出部で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価する評価部を備えてもよい。評価部は、検出部で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価できるものであれば特に制限されない。例えば、計算機を用いるものであっても、呈色反応等を利用するものであってもよい。
従って、上記群に含まれる菌であっても検出対象として採用しなかった菌の数は「検出対象の菌の配列数の総和」に含まれない。
本実施形態の歯周病検査キットは、検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも2種類の菌(検出対象)を検出する検出デバイスを備える。
歯周病検査キットがこれらのデバイスを備える場合、これらのデバイスは検出デバイスと一体化した状態(検出デバイスがこれらのデバイスの機能を兼ねる場合も含む)であっても、別個のデバイスの組合せであってもよい。
本実施形態の歯周病診断方法は、検体からAnaeroglobus、Cryptobacterium、Desulfobulbus、Desulfomicrobium、Desulfovibrio、Erysipelotrichaceae、Fretibacterium、Johnsonella、Mitsuokella、Mollicutes、Parascardovia、Pseudoramibacter、Pyramidobacter、Scardovia、Shuttleworthia及びMycoplasmaからなる群から選ばれる少なくとも2種類の菌(以下、検出対象とも称する)が検出されるか否かの情報に基づいて、前記検体の提供者が歯周病に罹患しているか否かを診断する工程を含む。
本実施形態の歯周病検査方法は、検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも1種類の菌(以下、検出対象とも称する)を検出する検出工程を含む。
検出工程は、検体に含まれる検出対象を検出可能であればどのような方法で行ってもよい。例えば、メタゲノム解析(メタ16S解析等)、イムノクロマト法、遺伝子増幅法(リアルタイムPCR、LAMP法等)が挙げられる。ある実施態様では、検出工程はメタゲノム解析により行われる。メタゲノム解析は、複数種の菌種の有無及び存在率を一度の工程で検出することができ、1工程あたり1菌種の検出が基本である遺伝子増幅法に比べて検査効率の点で有利である。また、定性評価のイムノクロマト法に比べて菌の検出精度に優れている。
本実施形態の歯周病検査方法は、検出工程の後に、検出工程で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価する評価工程を含んでもよい。評価工程は、検出工程で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価することができればどのような方法で行ってもよい。例えば、計算機を用いても、呈色反応等を利用してもよい。
従って、上記群に含まれる菌であっても検出対象として採用しなかった菌の配列数は「検出対象の菌の配列数の総和」に含まれない。
このような情報としては、例えば、検体の提供者の年齢、性別、喫煙習慣、食習慣、口腔ケアの実施状況、歯の治療歴、持病又は既往症、虫歯の有無、歯並び、唾液の量、口腔内の衛生状態、習癖(歯ぎしり、口呼吸など)、ストレス状態などが挙げられる。
本実施形態の歯周病検査システムは、検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも1種類の菌(検出対象)を検出する検出部を備える。
検出部は、検体に含まれる検出対象を検出可能であれば特に制限されない。例えば、メタゲノム解析(メタ16S解析等)、イムノクロマト法、遺伝子増幅法(リアルタイムPCR、LAMP法等)などを実施する装置が挙げられる。ある実施態様では、検出工程はメタゲノム解析により行われる。複数種の菌種の有無及び存在率を一度の工程で検出することができ、1工程あたり1菌種の検出が基本である遺伝子増幅法に比べて検査効率の点で有利である。また、定性評価のイムノクロマト法に比べて菌の検出精度に優れている。
本実施形態の歯周病検査システムは、検出部で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価する評価部を備えてもよい。評価部は、検出部で得られた結果をもとに検体の提供者が歯周病に罹患している可能性を評価できるものであれば特に制限されない。例えば、計算機を用いるものであっても、呈色反応等を利用するものであってもよい。
従って、上記群に含まれる菌であっても検出対象として採用しなかった菌の数は「検出対象の菌の配列数の総和」に含まれない。
本実施形態の歯周病検査キットは、検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも1種類の菌(検出対象)を検出する検出デバイスを備える。
歯周病検査キットがこれらのデバイスを備える場合、これらのデバイスは検出デバイスと一体化した状態(検出デバイスがこれらのデバイスの機能を兼ねる場合も含む)であっても、別個のデバイスの組合せであってもよい。
本実施形態の歯周病診断方法は、検体からGN02、Ottowia、Sneathia及びLautropiaからなる群から選ばれる少なくとも1種類の菌(検出対象)が検出されるか否かの情報に基づいて、前記検体の提供者が歯周病に罹患しているか否かを診断する工程を含む。
歯周病に罹患している被験者A1〜A10(歯周ポケットが5mm以上の部位を有する)と、歯周病に罹患していない被験者B1〜B8(全顎的に健全な歯周組織を有し、軽微な歯肉炎の有無は問わない)から採取した唾液を用いて、下記の手順で検出対象の菌を検出した。
唾液から細菌ゲノムDNAを抽出し、16SrDNAの領域としてV3−V4領域(F:5’−CCTACGGGNGGCWGCAG−3’、R:5’−GACTACHVGGGTATCTAATCC−3’)またはV4領域(F:5’−GTGCCAGCMGCCGCGGTAA−3’、R:5’−GGACTACHVGGGTWTCTAAT−3’)を、領域特異的な配列を含むプライマー(V3−V4用またはV4用)を用いてPCR(サーモフィッシャー社、SimpliAmp)にて増幅する。増幅したPCR断片にアダプター配列及びインデックス配列を付与し、ライブラリーを構築する。次いで、ライブラリーを次世代シークエンサーMiSeq(イルミナ社)に投入し、塩基配列(Read)を取得する。
https://support.illumina.com/content/dam/illumina-support/documents/documentation/chemistry_documentation/16s/16s-metagenomic-library-prep-guide-15044223-b.pdf
歯周病に罹患している被験者群は、検出対象として2種類の菌(Anaeroglobus及びFretibacterium)を採用した場合の配列数の総和が、検出された配列数の総和の0.02%を超えていた。一方、歯周病に罹患していない被験者群は、検出対象として2種類の菌(Anaeroglobus及びFretibacterium)を採用した場合の配列数の総和が、検出された配列数の総和の0.02%を下回っていた。
歯周病に罹患していない被験者C1〜C9(歯肉に炎症がない)と、歯周病に罹患している被験者D1〜D8(歯周ポケットが6mm以上の部位を有する)とから採取した唾液を用いて、実施例1と同様にして検出対象の菌を検出し、表1に示す4種の菌の単独又は複数の組み合わせの配列数の、検出の結果得られた配列数の総和に対する割合(%)を算出した。
歯周病に罹患していない被験者群は、検出対象としてGN02、Ottowia、Sneathia又はLautropiaを単独で採用した場合、少なくとも1種類の菌の配列数の総和が検出された配列数の総和の0.01%を超えていた。中でもLautropiaの配列数はすべての被験者において検出された配列数の総和の0.01%を超えていた。一方、歯周病に罹患している被験者群は、検出対象としてGN02、Ottowia、Sneathia又はLautropiaを単独で採用した場合の配列数がいずれも検出された配列数の総和の0.01%以下であった。
本明細書に記載された全ての文献、特許出願、および技術規格は、個々の文献、特許出願、および技術規格が参照により取り込まれることが具体的かつ個々に記された場合と同程度に、本明細書中に援用されて取り込まれる。
Claims (7)
- 検体からAnaeroglobus、Fretibacterium及びMycoplasmaからなる群から選ばれる少なくとも2種類の菌を検出する検出工程と、前記検出工程の後に、前記検出工程で得られた結果をもとに前記検体の提供者が歯周病に罹患している可能性を評価する評価工程とを含む、歯周病検査方法。
- 前記評価工程は、前記検体に含まれる菌の配列数の総和と、前記群に含まれる少なくとも2種類の菌の配列数の総和とを計算する解析工程を含み、前記解析工程で得られる解析結果に基づいて評価を行うものである、請求項1に記載の歯周病検査方法。
- 前記評価工程は、前記検体に含まれる菌の配列数の総和を100%としたときの前記群に含まれる少なくとも2種類の菌の配列数の総和が0.02%以上である場合は前記検体の提供者が歯周病に罹患している可能性が高いと評価するものである、請求項1又は請求項2に記載の歯周病検査方法。
- 前記検出がメタゲノム解析により行われる、請求項1〜請求項3のいずれか1項に記載の歯周病検査方法。
- 前記検体が唾液である、請求項1〜請求項4のいずれか1項に記載の歯周病検査方法。
- 検体からAnaeroglobus、Fretibacterium及びMycoplasmaからなる群から選ばれる少なくとも2種類の菌を検出する検出部と、前記検出部で得られた結果をもとに前記検体の提供者が歯周病に罹患している可能性を評価する評価部とを備える、歯周病検査システム。
- 検体からAnaeroglobus、Fretibacterium及びMycoplasmaからなる群から選ばれる少なくとも2種類の菌を検出する検出デバイスを備える、請求項6に記載の歯周病検査システムとしての、歯周病検査キット。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017038122 | 2017-03-01 | ||
JP2017038122 | 2017-03-01 | ||
JP2017038123 | 2017-03-01 | ||
JP2017038123 | 2017-03-01 | ||
PCT/JP2018/007622 WO2018159712A1 (ja) | 2017-03-01 | 2018-02-28 | 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020176791A Division JP7147823B2 (ja) | 2017-03-01 | 2020-10-21 | 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018159712A1 JPWO2018159712A1 (ja) | 2019-12-12 |
JP6810789B2 true JP6810789B2 (ja) | 2021-01-06 |
Family
ID=63370120
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019503084A Active JP6810789B2 (ja) | 2017-03-01 | 2018-02-28 | 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット |
JP2020176791A Active JP7147823B2 (ja) | 2017-03-01 | 2020-10-21 | 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット |
JP2021201816A Active JP7263684B2 (ja) | 2017-03-01 | 2021-12-13 | 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020176791A Active JP7147823B2 (ja) | 2017-03-01 | 2020-10-21 | 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット |
JP2021201816A Active JP7263684B2 (ja) | 2017-03-01 | 2021-12-13 | 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット |
Country Status (3)
Country | Link |
---|---|
US (1) | US12014822B2 (ja) |
JP (3) | JP6810789B2 (ja) |
WO (1) | WO2018159712A1 (ja) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08249300A (ja) | 1995-03-13 | 1996-09-27 | Minolta Co Ltd | ニューラルネットワーク及びその作成方法 |
US20070269813A1 (en) | 2005-11-03 | 2007-11-22 | Dewhirst Floyd E | Methods and arrays for identifying human microflora |
EP2994753B1 (en) | 2013-05-09 | 2018-03-07 | The Procter and Gamble Company | Method and system for assessing health condition |
CN105209918B (zh) | 2013-05-09 | 2017-09-29 | 宝洁公司 | 生物标记鉴定方法和系统 |
JP6579874B2 (ja) | 2015-03-31 | 2019-09-25 | 大日本印刷株式会社 | 歯周病菌検出用オリゴヌクレオチドセット及び歯周病菌の検出方法 |
US10246753B2 (en) * | 2015-04-13 | 2019-04-02 | uBiome, Inc. | Method and system for characterizing mouth-associated conditions |
-
2018
- 2018-02-28 US US16/488,661 patent/US12014822B2/en active Active
- 2018-02-28 WO PCT/JP2018/007622 patent/WO2018159712A1/ja active Application Filing
- 2018-02-28 JP JP2019503084A patent/JP6810789B2/ja active Active
-
2020
- 2020-10-21 JP JP2020176791A patent/JP7147823B2/ja active Active
-
2021
- 2021-12-13 JP JP2021201816A patent/JP7263684B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
US20200234831A1 (en) | 2020-07-23 |
JP2021019620A (ja) | 2021-02-18 |
JP7263684B2 (ja) | 2023-04-25 |
WO2018159712A1 (ja) | 2018-09-07 |
JP2022047540A (ja) | 2022-03-24 |
JPWO2018159712A1 (ja) | 2019-12-12 |
JP7147823B2 (ja) | 2022-10-05 |
US12014822B2 (en) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Velsko et al. | Microbial differences between dental plaque and historic dental calculus are related to oral biofilm maturation stage | |
Schwarzberg et al. | The personal human oral microbiome obscures the effects of treatment on periodontal disease | |
Chen et al. | Composition analysis and feature selection of the oral microbiota associated with periodontal disease | |
Keijser et al. | Pyrosequencing analysis of the oral microflora of healthy adults | |
CN105209918B (zh) | 生物标记鉴定方法和系统 | |
Yang et al. | Saliva microbiomes distinguish caries-active from healthy human populations | |
Bik et al. | Bacterial diversity in the oral cavity of 10 healthy individuals | |
WO2006084196A3 (en) | Method for defining virtual patient populations | |
Wirth et al. | Toward personalized oral diagnosis: Distinct microbiome clusters in periodontitis biofilms | |
Valverde et al. | Analysis of metagenomic data containing high biodiversity levels | |
Shiba et al. | Comparison of periodontal bacteria of edo and modern periods using novel diagnostic approach for periodontitis with micro-CT | |
Wirth et al. | Microbiomes in supragingival biofilms and saliva of adolescents with gingivitis and gingival health | |
Belda-Ferre et al. | Mining virulence genes using metagenomics | |
Butcher et al. | Meta‐analysis of caries microbiome studies can improve upon disease prediction outcomes | |
Varoni et al. | World Workshop on Oral Medicine VII: Targeting the microbiome for oral medicine specialists—Part 1. A methodological guide | |
US20210142906A1 (en) | Methods and systems for oral microbiome analysis | |
JP6810789B2 (ja) | 機械学習装置、学習済みモデル、データ構造、歯周病検査方法、歯周病検査システム及び歯周病検査キット | |
JP6709031B2 (ja) | 歯周病進行度の数値化装置、及び、数値化プログラム | |
JP2017085944A (ja) | イヌの歯周病の評価方法 | |
JP2021129531A (ja) | 歯周病検査方法、歯周病検査システム、歯周病検査キット、機械学習装置、及びデータ構造 | |
Kesim et al. | Amplicon-based next-generation sequencing for comparative analysis of root canal microbiome of teeth with primary and persistent/secondary endodontic infections | |
KR20230033922A (ko) | 마이크로바이옴을 이용한 피부 나이 예측 방법 | |
US20220122695A1 (en) | Methods and systems for providing sample information | |
Tomás et al. | In situ substrate-formed biofilms using IDODS mimic supragingival tooth-formed biofilms | |
EP3764877A1 (en) | Assessing transplant rejection status by analysis of t-cell receptor subunit repertoire diversity |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190823 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190823 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200901 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201021 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201201 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201211 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6810789 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |