JP7060518B2 - 早産転帰に対する早期リスク評価のための方法及びシステム - Google Patents
早産転帰に対する早期リスク評価のための方法及びシステム Download PDFInfo
- Publication number
- JP7060518B2 JP7060518B2 JP2018551395A JP2018551395A JP7060518B2 JP 7060518 B2 JP7060518 B2 JP 7060518B2 JP 2018551395 A JP2018551395 A JP 2018551395A JP 2018551395 A JP2018551395 A JP 2018551395A JP 7060518 B2 JP7060518 B2 JP 7060518B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- abundance
- microbial
- values
- list
- 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
- 238000000034 method Methods 0.000 title claims description 156
- 208000006399 Premature Obstetric Labor Diseases 0.000 title claims description 4
- 238000012502 risk assessment Methods 0.000 title description 10
- 230000000813 microbial effect Effects 0.000 claims description 317
- 208000005107 Premature Birth Diseases 0.000 claims description 152
- 244000005700 microbiome Species 0.000 claims description 140
- 230000035935 pregnancy Effects 0.000 claims description 97
- 238000012163 sequencing technique Methods 0.000 claims description 71
- 238000004364 calculation method Methods 0.000 claims description 61
- 230000001186 cumulative effect Effects 0.000 claims description 51
- 244000005706 microflora Species 0.000 claims description 49
- 241000736262 Microbiota Species 0.000 claims description 48
- 230000007423 decrease Effects 0.000 claims description 33
- 230000009466 transformation Effects 0.000 claims description 20
- 230000002906 microbiologic effect Effects 0.000 claims description 15
- 239000003550 marker Substances 0.000 claims description 14
- 108090000623 proteins and genes Proteins 0.000 claims description 13
- 108020004465 16S ribosomal RNA Proteins 0.000 claims description 9
- 238000001712 DNA sequencing Methods 0.000 claims description 9
- 206010036590 Premature baby Diseases 0.000 claims description 9
- 230000001580 bacterial effect Effects 0.000 claims description 9
- 238000007400 DNA extraction Methods 0.000 claims description 8
- 238000007481 next generation sequencing Methods 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 239000012634 fragment Substances 0.000 claims description 3
- 230000002829 reductive effect Effects 0.000 claims description 3
- 239000000523 sample Substances 0.000 description 164
- 108020004414 DNA Proteins 0.000 description 46
- 238000012512 characterization method Methods 0.000 description 44
- 210000004027 cell Anatomy 0.000 description 20
- 230000036266 weeks of gestation Effects 0.000 description 20
- 238000000926 separation method Methods 0.000 description 17
- 208000035010 Term birth Diseases 0.000 description 14
- 238000000338 in vitro Methods 0.000 description 13
- 230000003247 decreasing effect Effects 0.000 description 12
- 239000000047 product Substances 0.000 description 12
- 238000000684 flow cytometry Methods 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 9
- 108090000790 Enzymes Proteins 0.000 description 7
- 102000004190 Enzymes Human genes 0.000 description 7
- 108091028043 Nucleic acid sequence Proteins 0.000 description 7
- 238000003556 assay Methods 0.000 description 7
- 238000003271 compound fluorescence assay Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 230000035945 sensitivity Effects 0.000 description 7
- 230000001605 fetal effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000000386 microscopy Methods 0.000 description 6
- 238000007899 nucleic acid hybridization Methods 0.000 description 6
- 150000007523 nucleic acids Chemical class 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000000069 prophylactic effect Effects 0.000 description 5
- 230000003442 weekly effect Effects 0.000 description 5
- 230000000052 comparative effect Effects 0.000 description 4
- 238000002405 diagnostic procedure Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000035899 viability Effects 0.000 description 4
- 208000004926 Bacterial Vaginosis Diseases 0.000 description 3
- 206010046914 Vaginal infection Diseases 0.000 description 3
- 208000037009 Vaginitis bacterial Diseases 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 3
- 108020004707 nucleic acids Proteins 0.000 description 3
- 102000039446 nucleic acids Human genes 0.000 description 3
- 210000001215 vagina Anatomy 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 241001494479 Pecora Species 0.000 description 2
- RJKFOVLPORLFTN-LEKSSAKUSA-N Progesterone Chemical compound C1CC2=CC(=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H](C(=O)C)[C@@]1(C)CC2 RJKFOVLPORLFTN-LEKSSAKUSA-N 0.000 description 2
- 244000052616 bacterial pathogen Species 0.000 description 2
- 210000003756 cervix mucus Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 125000002704 decyl group Chemical group [H]C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])* 0.000 description 2
- 238000012631 diagnostic technique Methods 0.000 description 2
- 210000001733 follicular fluid Anatomy 0.000 description 2
- 210000004392 genitalia Anatomy 0.000 description 2
- 210000000936 intestine Anatomy 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000000214 mouth Anatomy 0.000 description 2
- 230000003239 periodontal effect Effects 0.000 description 2
- 210000002826 placenta Anatomy 0.000 description 2
- 210000003296 saliva Anatomy 0.000 description 2
- 238000005204 segregation Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000002966 serum Anatomy 0.000 description 2
- 210000003491 skin Anatomy 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 210000003954 umbilical cord Anatomy 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012418 validation experiment Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000030507 AIDS Diseases 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 206010023126 Jaundice Diseases 0.000 description 1
- 208000001300 Perinatal Death Diseases 0.000 description 1
- 206010038687 Respiratory distress Diseases 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 238000000376 autoradiography Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 206010008129 cerebral palsy Diseases 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 238000004163 cytometry Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001952 enzyme assay Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 201000004792 malaria Diseases 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001991 pathophysiological effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 229960003387 progesterone Drugs 0.000 description 1
- 239000000186 progesterone Substances 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011321 prophylaxis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 108700026220 vif Genes Proteins 0.000 description 1
Images
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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
- A61B5/4343—Pregnancy and labour monitoring, e.g. for labour onset detection
-
- 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
- C12Q1/689—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms for bacteria
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
- G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/158—Expression markers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Biotechnology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Theoretical Computer Science (AREA)
- Molecular Biology (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Genetics & Genomics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Analytical Chemistry (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioethics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Organic Chemistry (AREA)
- Wood Science & Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Pregnancy & Childbirth (AREA)
- Zoology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Reproductive Health (AREA)
- Gynecology & Obstetrics (AREA)
- Microbiology (AREA)
Description
関連出願の相互参照及び優先権
本出願は、国内段階出願であり、２０１７年２月１５日出願の特許文献１からの優先権を主張し、当該出願は、２０１６年２月１６日出願の特許文献２からの優先権を主張するものである。
本出願は、国内段階出願であり、２０１７年２月１５日出願の特許文献１からの優先権を主張し、当該出願は、２０１６年２月１６日出願の特許文献２からの優先権を主張するものである。
本明細書で説明する実施形態は、一般的に妊娠対象に対する早産転帰のリスク評価のための方法及びシステムに関し、より詳細には、妊娠対象に対する早産転帰の早期リスク評価のための微生物叢ベースの方法に関する。
最近の世界保健機関（ＷＨＯ）の推定に基づくと、早産（即ち、妊娠の満３７週以前の誕生）は、世界的な新生児死亡の主な原因である。下痢、マラリア又はＡＩＤＳによる合併症と比較して、より多くの子供が、早産に関連する合併症が原因で死亡している。早産（ＰＴＤ）の症例は、妊娠全体の５％～１８％で観察される（ｗｗｗ．ｗｈｏ．ｉｎｔ／ｍｅｄｉａｃｅｎｔｒｅ／ｆａｃｔｓｈｅｅｔｓ／ｆｓ３６３／ｅｎ／（非特許文献１））。ＰＴＤ転帰に関連する出生前及び／又は出産後の費用は著しく高額である。ＰＴＤは、典型的には、母親及び産まれてくる子供の両方のリスクに関連する。かなりの割合の早産児が、中程度又は重症の呼吸促迫、免疫系の低下、黄疸、貧血、脳性麻痺、並びに視力及び聴力に関する問題を含むいくつかの生命を脅かす合併症にかかっている。毎年百万人を超える子供が、早産に起因する合併症のために死亡していることを考えると、早産に関する診断、予測及び予防に焦点を当てた研究は、高い重要性を帯びている。早産リスクの予測に関し、いくつかの物理的及び／又は生化学的診断マーカが存在するが、これらの物理的及び／又は生化学的診断マーカは、大部分は、妊娠中期又は後期の段階での適用に適しているものである。
現在、早産（ＰＴＤ）を引き起こす一連の病態生理学的事象は、完全に理解されていない。しかし、健康な正期産妊娠転帰に向けて潜在的に促進することができるいくつかの介入手法、例えば、黄体ホルモン補充、子宮頸部縫縮術等が利用可能である。このことを考えると、妊娠初期の段階で、早産転帰に向かうリスク／「進行の可能性」を正確に示すことができる診断マーカには、多くの重要性がある。現在、いくつかの診断方法が利用可能であり、これらの方法は、早産転帰のリスクを予測するために、妊娠の様々な段階で用いることができる。しかし、これらの中で、妊娠の初期段階（即ち、第１三半期）での適用に適しているのは、ほんのいくつかである。更に、（感度及び特異度の点における）全体の精度は低く、こうした方法を日常的な診療で使用するには不適当なものにしている。更に、既存のＰＴＢ診断方法の中で、比較的良好な診断／予測能力を有する方法は、ほとんど、妊娠中期又は後期（即ち、妊娠の第２三半期及び第３三半期）での適用のみに適していることを留意することができる。（妊娠中期又は後期における）そのような診断能力は、妊婦を適切な医療現場（妊婦をより良好に／連続的に監視できる場所）に移す措置を助けるが、診断と出産との間が比較的短時間であることにより、健康な正期産妊娠に向けて促進する有意義な介入方策を採ることを困難にしている。このことは、妊娠のかなり「早期の」段階、理想的には第１三半期で、早産転帰の可能性を予測することができる診断方法に対する現在の必要性を強調するものである。そのような「早期の」診断／リスク評価処置により、利用可能な介入／監視方策を採るのに十分な時間が医師にもたらされ、正期産の健康な妊娠を潜在的に／可能性として促進することができる。
更に、早産転帰リスクを評価する多くの既存の診断技法は、（ａ）妊娠対象が膣感染を起こしている妊娠対象、（ｂ）放射線措置において異常が検出された妊娠対象、又は（ｃ）以前の出産で早産履歴がある妊娠対象に頼るものである。したがって、上述の指標に頼ることは、初めての妊娠、又は既知のリスク因子、即ち、膣感染及び／若しくは「胎児／子宮」異常によるものではない早産転帰のケースでは、そのような診断技法を不適当なものにする。更に、一部の既存の診断方法は、性質的に侵襲性である試料採取技法を必要とするため、検査を受ける対象に対し物理的及び／又は精神的な不快感を生じさせる／負わせる可能性がある。
既存の早産リスク評価方法に対する主な欠点は、こうした方法が、妊娠のより「後期」の段階、即ち、妊娠後期の第２三半期又は第３三半期（即ち終盤）に実際的な有用性がある診断結果しかもたらさないということである。したがって、早産リスクを低減又はなくすため、対象が予防的又は矯正的な医療アドバイスに従うために利用可能な時間は、ほとんどない。したがって、妊娠の初期段階、より詳細には、妊娠１５週以内（即ち、妊娠の可能な限り早い段階）で早産転帰リスクを正確に予測することが非常に重要である。早産転帰の早期の予測により、（ＰＴＤリスクが検出された）妊婦／妊娠対象に、必要な予防的／矯正的な医療処置を採るための十分な時間をもたらし、早産転帰リスクを潜在的に低減又はなくすことができる。
ｗｗｗ．ｗｈｏ．ｉｎｔ／ｍｅｄｉａｃｅｎｔｒｅ／ｆａｃｔｓｈｅｅｔｓ／ｆｓ３６３／ｅｎ／
Ｒｏｍｅｒｏ等、Ｍｉｃｒｏｂｉｏｍｅ、２０１４年５月
Ｒｏｍｅｒｏ等、Ｍｉｃｒｏｂｉｏｍｅ、２０１４年２月
Ｄ Ｂ ＤｉＧｉｕｌｉｏ等、ＰＮＡＳ、２０１５年９月
以下の説明では、本開示のいくつかの実施形態の簡略化した概要を提示し、実施形態に対する基本的な理解をもたらすようにする。本概要は、実施形態の広範な概観ではない。本概要は、実施形態の主要／重要な要素の特定、又は実施形態の範囲の画定を意図するものではない。本概要の唯一の目的は、以下で提示するより詳細な説明に対する導入部として、いくつかの実施形態を簡略化した形態で提示することである。上記に鑑みて、本明細書の一実施形態は、妊娠対象に対する早産転帰の早期リスク評価のためのシステム及び方法を提供する。
本開示の一態様では、妊娠対象に対する早産リスクを評価する方法を開示する。早産リスクを評価するために、妊娠の最初の１５週以内、又は妊娠の第１三半期以内、又は妊娠の第２三半期以内の妊娠対象から微生物叢試料を得る。妊娠対象は妊婦である。方法は、ハードウェア・プロセッサによって、微生物叢試料の「微生物分類学的存在量プロファイル」を受け取ることを含む。微生物叢試料は、妊娠対象から得られる。微生物分類学的存在量プロファイルは、微生物叢試料中に存在する複数の微生物のそれぞれの存在量値を含む。方法は、ハードウェア・プロセッサによって、「分類学的構成歪み」値、及び「微生物分類学的存在量プロファイル」の分布特性値の少なくとも１つを計算することを更に含む。「分類学的構成歪み」値及び分布特性値は、微生物分類学的存在量プロファイルからの複数の微生物の存在量値の偏りを定量化する。「分類学的構成歪み」値及び分布特性値の計算は、ステップ（ａ）において、微生物分類学的存在量プロファイルからの複数の微生物の存在量値の和を計算することによって、合計個体数「Ｍ」を得ることを含む。更に、方法は、ステップ（ｂ）において、微生物分類学的存在量プロファイルからの複数の微生物のそれぞれの存在量値を含む選別リスト「Ｌ」を生成することを含む。選別リスト「Ｌ」は、微生物分類学的存在量プロファイル中に存在する複数の微生物のそれぞれの存在量値を含み、存在量値は、存在量値が増加又は減少する順でランク付けされている。リストＬを存在量値の増加順で選別した場合、選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「疎分類群」に対応し、選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「主分類群」に対応し、リストＬを存在量値の減少順で選別した場合、選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「主分類群」に対応し、選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「疎分類群」に対応する。更に、方法は、ステップ（ｃ）において、累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数することを含み、リストＬを増加順で選別した場合、存在量値は、選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積される、又は累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数することを含み、リストＬを減少順で選別した場合、存在量値は、選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積され、「ｉ」は、整数又は小数である。更に、方法は、ステップ（ｄ）において、１つのオプションでは、累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数することを含み、リストＬを増加順で選別した場合、存在量値は、選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積される、又は別のオプションでは、方法は、累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数することを含み、リストＬを減少順で選別した場合、存在量値は、選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積され、「ｊ」は、整数又は小数である。更に、ステップ（ｅ）において、「ｉ」及び「ｊ」の値の事前に定義した範囲のＳＴi及びＤＴjの計数を得、２つのセットの値「ＳＴ」及び「ＤＴ」をそれぞれ生成するために、ステップ「ｃ」及び「ｄ」を繰り返し、ｉ及びｊは、事前に定義した範囲内の２つの同一の等差数列に属し、等差数列の連続項の間の公差は、事前に定義した整数又は事前に定義した小数値である。更に、方法は、ステップ（ｆ）において、セット「ＤＴ」及び「ＳＴ」のデカルト積を計算することを含み、ＤＴj及びＳＴi値に対応する複数の順位付き対を含むセット「Ｃ」を得、方法は、ステップ（ｇ）において、セット「Ｃ」における各順位付き対の（ＤＴj÷ＳＴi）を計算することにより、セット「ＤＳＲ」を導出することを含む。セットＤＳＲを得た後、方法は、更に、ステップ（ｈ）において、セット「ＤＳＲ」の分布特性値を計算することを含み、セット「ＤＳＲ」の分布特性値は、セットＤＳＲの中央傾向値を含む。更に、方法は、ステップ（ｉ）において、セットＤＳＲの中央傾向値を含む分布特性値に対し数学的変換を適用することによって「分類学的構成歪み」値を計算することを含む。方法は、ハードウェア・プロセッサによって、セットＤＳＲの中央傾向値、セット「ＤＳＲ」の分布特性値、又は「分類学的構成歪み」値の少なくとも１つに基づき、妊娠対象に対する早産リスクを決定することを更に含む。
方法は、微生物叢特性化プラットフォーム１０８を介して、１つ又は複数の技法を適用することによって、微生物叢試料の微生物叢特性化データを得ることを含み、１つ又は複数の技法は、配列決定技法、顕微鏡検査、フロー・サイトメトリ法、インビトロ培養ベースの方法、１つ若しくは複数の酵素若しくは蛍光アッセイ、又は分光同定を伴う１つ若しくは複数のアッセイ、及び複合微生物集団からの信号選別を含み、微生物叢特性化データには、微生物の配列決定ＤＮＡデータ、顕微鏡撮像データ、フロー・サイトメトリ細胞測定データ、インビトロ培養で成長させた微生物の群体数及び細胞表現データ、並びに信号強度データを含む。
方法は、ハードウェア・プロセッサによって、１つ又は複数の分類区分化技法を使用して、微生物叢特性化データを計算分析することによって、微生物叢試料の「微生物分類学的存在量プロファイル」を生成することを更に含む。
別の態様では、方法は、微生物叢試料に関する、微生物の配列決定ＤＮＡデータを得ることを更に含む。微生物の配列決定ＤＮＡデータを得ることは、少なくとも１つのＤＮＡ抽出技法を使用して、微生物叢試料中に存在する複数の微生物に対応する微生物のＤＮＡを単離すること；及び少なくとも１つのＤＮＡ配列決定技法を使用して、微生物の配列決定ＤＮＡデータを得るために微生物のＤＮＡを配列決定することを含む。方法は、ハードウェア・プロセッサによって、１つ又は複数の分類区分化技法を使用して、微生物の配列決定ＤＮＡデータを計算分析することによって、微生物叢試料の「微生物分類学的存在量プロファイル」を生成することを更に含む。
本開示の一態様では、妊娠対象に対する早産リスクを評価するシステム１００を開示する。システム１００は、計算システム１０２を備え、計算システム１０２は、ハードウェア・プロセッサ２０２；及びハードウェア・プロセッサ２０２に結合したメモリ２０６を更に備える。ハードウェア・プロセッサ２０２は、メモリ２０６内に保存した複数のモジュール２０８を実行する。複数のモジュール２０８は、微生物分類学的存在量プロファイル生成モジュール２１０及び計算モジュール２１２を備える。計算モジュール２１２は、妊娠対象から得た微生物叢試料の「微生物分類学的存在量プロファイル」を受け取る。微生物分類学的存在量プロファイルは、微生物叢試料中に存在する複数の微生物の存在量値を含む。計算モジュール２１２は、「分類学的構成歪み」値、及び「微生物分類学的存在量プロファイル」の分布特性値の少なくとも１つを更に計算する。「分類学的構成歪み」値及び分布特性値は、微生物分類学的存在量プロファイルからの複数の微生物の存在量値の偏りを定量化する。「分類学的構成歪み」値及び分布特性値を計算するために、計算モジュール２１２は、ステップ（ａ）において、微生物分類学的存在量プロファイルからの複数の微生物の存在量値の和を計算することによって、合計個体数「Ｍ」を得る。更に、計算モジュール２１２は、ステップ（ｂ）において、微生物分類学的存在量プロファイルからの複数の微生物の存在量値を含む選別リスト「Ｌ」を生成する。選別リスト「Ｌ」は、「微生物分類学的存在量プロファイル」中に存在する複数の微生物（即ち、分類群）のそれぞれの存在量値を、存在量値が増加又は減少する順でランク付けしたものから構成される。リストＬを存在量値の増加順で選別した場合、選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「疎分類群」に対応し、選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「主分類群」に対応し、リストＬを存在量値の減少順で選別した場合、選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「主分類群」に対応し、選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「疎分類群」に対応する。更に、計算モジュール２１２は、ステップ（ｃ）において、累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数し、リストＬを増加順で選別した場合、存在量値は、選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積される、又は累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数し、リストＬを減少順で選別した場合、存在量値は、選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積され、「ｉ」は、整数又は小数である。更に、計算モジュール２１２は、ステップ（ｄ）において、累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数し、リストＬを増加順で選別した場合、存在量値は、選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積される、又は累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数し、リストＬを減少順で選別した場合、存在量値は、選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積され、「ｊ」は、整数又は小数である。更に、計算モジュール２１２は、ステップ（ｅ）において、「ｉ」及び「ｊ」の値の事前に定義した範囲のＳＴi及びＤＴjの計数を得、２つのセットの値「ＳＴ」及び「ＤＴ」をそれぞれ生成するために、ステップ（ｃ）及び（ｄ）を繰り返し実行し、ｉ及びｊは、事前に定義した範囲内の２つの同一の等差数列に属し、等差数列の連続項の間の公差は、事前に定義した整数又は事前に定義した小数値である。更に、計算モジュール２１２は、ステップ（ｆ）において、セット「ＤＴ」及び「ＳＴ」のデカルト積を計算し、ＤＴj及びＤＴj値に対応する複数の順位付き対を含むセット「Ｃ」を得る。更に、計算モジュール２１２は、ステップ（ｇ）において、セット「Ｃ」の各順位付き対に対し（ＤＴj÷ＳＴi）を計算することによって、セット「ＤＳＲ」を導出する。更に、計算モジュール２１２は、ステップ（ｈ）において、セット「ＤＳＲ」の分布特性値を計算し、セット「ＤＳＲ」の分布特性値は、セットＤＳＲの中央傾向値を含む。更に、計算モジュール２１２は、ステップ（ｉ）において、セットＤＳＲの中央傾向値を含む分布特性値に対し数学的変換を適用することによって「分類学的構成歪み」値を計算する。計算モジュール２１２は、セットＤＳＲの中央傾向値、セット「ＤＳＲ」の分布特性値、又は「分類学的構成歪み」値の少なくとも１つに基づき、妊娠対象に対する早産リスクを決定する。
システム１００は、微生物叢試料受け１１０及び微生物叢特性化プラットフォーム１０８を備える。微生物叢試料受け１１０は、妊娠対象から微生物叢試料を受ける。微生物叢特性化プラットフォーム１０８は、配列決定プラットフォーム１１２、顕微鏡プラットフォーム１１４、核酸ハイブリダイゼーション・プラットフォーム１１６、又は細胞選別プラットフォーム１１８の少なくとも１つを備え、微生物叢試料から微生物叢特性化データを得る／生成するようにする。
微生物叢特性化プラットフォーム１０８は、微生物叢試料受け１１０から微生物叢試料を受ける。微生物叢特性化プラットフォーム（１０８）は、少なくとも１つの技法を微生物叢試料に適用することによって、微生物叢試料から微生物叢特性化データを得、少なくとも１つの技法は、配列決定技法、顕微鏡検査、フロー・サイトメトリ法、インビトロ培養ベースの方法、１つ若しくは複数の酵素若しくは蛍光アッセイ、又は分光同定を伴う１つ若しくは複数のアッセイ、及び複合微生物集団からの信号選別を含む技法の群から選択される。微生物叢特性化データには、微生物の配列決定核酸データ、顕微鏡撮像データ、フロー・サイトメトリ細胞測定データ、インビトロ培養で成長させた微生物の群体数及び細胞表現データ、並びに信号強度データを含む。
一態様では、配列決定プラットフォーム１１２は、微生物叢試料受け１１０から微生物叢試料を受ける。配列決定プラットフォーム１１２は、少なくとも１つのＤＮＡ抽出技法を使用して、微生物叢試料中に存在する複数の微生物に対応する微生物のＤＮＡを単離する。配列決定プラットフォーム１１２は、少なくとも１つのＤＮＡ配列決定技法を使用して微生物のＤＮＡを更に配列決定し、微生物の配列決定ＤＮＡデータを得る。微生物分類学的存在量プロファイル生成モジュール２１０は、１つ又は複数の分類区分化技法を使用して微生物の配列決定ＤＮＡデータを計算分析し、微生物叢試料に関する微生物分類学的存在量プロファイルを生成する。
本開示の別の態様では、ハードウェア・プロセッサによって計算デバイス内で実行可能な、妊娠対象に対する早産リスクを評価するためのプログラムを実施する非一時的コンピュータ可読媒体を開示する。プログラムは、妊娠対象から得た微生物叢試料の「微生物分類学的存在量プロファイル」を受け取るプログラム・コードを含み、微生物分類学的存在量プロファイルは、微生物叢試料中に存在する複数の微生物のそれぞれの存在量値を含む。プログラムは、「分類学的構成歪み」値、及び「微生物分類学的存在量プロファイル」の分布特性値の少なくとも１つを計算するプログラム・コードを更に含み、「分類学的構成歪み」値及び分布特性値は、微生物分類学的存在量プロファイルからの複数の微生物の存在量値の偏りを定量化する。「分類学的構成歪み」値及び分布特性値の計算は、以下のステップ（ａ）から（ｉ）を含む。ステップ（ａ）において、微生物分類学的存在量プロファイルからの複数の微生物の存在量値の和の計算によって、合計個体数「Ｍ」を得る。更に、ステップ（ｂ）において、微生物分類学的存在量プロファイルからの複数の微生物のそれぞれの存在量値を含む選別リスト「Ｌ」を生成する。選別リスト「Ｌ」は、微生物分類学的存在量プロファイル中に存在する複数の微生物のそれぞれの存在量値を、存在量値の増加順又は減少順でランク付けしたものを含み、リストＬを存在量値の増加順で選別した場合、選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「疎分類群」に対応し、選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「主分類群」に対応し、リストＬを存在量値の減少順で選別した場合、選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「主分類群」に対応し、選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「疎分類群」に対応する。更に、ステップ（ｃ）において、累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数する。リストＬを増加順で選別した場合、存在量値は、選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積される。又は累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数する。リストＬを減少順で選別した場合、存在量値は、選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積され、「ｉ」は、整数又は小数である。更に、ステップ（ｄ）において、累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数する。リストＬを増加順で選別した場合、存在量値は、選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積される。又は累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数する。リストＬを減少順で選別した場合、存在量値は、選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積され、「ｊ」は、整数又は小数である。更に、ステップ（ｅ）において、「ｉ」及び「ｊ」の値の事前に定義した範囲のＳＴi及びＤＴjの計数を得、２つのセットの値「ＳＴ」及び「ＤＴ」をそれぞれ生成するために、ステップ（ｃ）及び（ｄ）を繰り返す。ｉ及びｊは、事前に定義した範囲内の２つの同一の等差数列に属し、等差数列の連続項の間の公差は、事前に定義した整数又は事前に定義した小数値である。更に、ステップ（ｆ）において、セット「ＤＴ」及び「ＳＴ」のデカルト積を計算し、ＤＴj及びＤＴj値に対応する複数の順位付き対を含むセット「Ｃ」を得る。更に、ステップ（ｇ）において、セット「Ｃ」における各順位付き対の（ＤＴj÷ＳＴi）を計算することにより、セット「ＤＳＲ」を導出する。更に、ステップ（ｈ）において、セット「ＤＳＲ」の分布特性値を計算する。セット「ＤＳＲ」の分布特性値は、セットＤＳＲの中央傾向値を含む。更に、ステップ（ｉ）において、セットＤＳＲの中央傾向値を含む分布特性値に対し数学的変換を適用することによって「分類学的構成歪み」値を計算する。プログラムは、ハードウェア・プロセッサによって、セットＤＳＲの中央傾向値、セット「ＤＳＲ」の分布特性値、又は「分類学的構成歪み」値の少なくとも１つに基づき、妊娠対象に対する早産リスクを決定するプログラム・コードを更に含む。
プログラムは、ハードウェア・プロセッサによって、１つ又は複数の分類区分化技法を使用して、微生物の配列決定ＤＮＡデータを計算分析することによって、微生物叢試料の「微生物分類学的存在量プロファイル」を生成するプログラム・コードを更に含む。微生物の配列決定ＤＮＡデータは、配列決定プラットフォーム１１２を使用して、微生物叢試料から得る。プログラムは、ハードウェア・プロセッサによって、１つ又は複数の分類区分化技法を使用して、微生物叢特性化データを計算分析することによって、微生物叢試料の「微生物分類学的存在量プロファイル」を生成するプログラム・コードを更に含み、微生物叢特性化データは、微生物叢試料から得る。微生物叢特性化データは、少なくとも１つの技法を微生物叢試料に適用することによって、微生物叢試料から得られ、少なくとも１つの技法は、配列決定技法、顕微鏡検査、フロー・サイトメトリ法、インビトロ培養ベースの方法、１つ若しくは複数の酵素若しくは蛍光アッセイ、又は分光同定を伴う１つ若しくは複数のアッセイ、及び複合微生物集団からの信号選別を含む技法の群から選択される。微生物叢特性化データには、微生物の配列決定核酸データ、顕微鏡撮像データ、フロー・サイトメトリ細胞測定データ、インビトロ培養で成長させた微生物の群体数及び細胞表現データ、並びに信号強度データを含む。
本明細書のあらゆるブロック図は、本発明の主題の原理を具体化する例示的システム及び方法の概念図を表すことは当業者であれば理解されよう。同様に、あらゆるフロー・チャート、流れ図、状態遷移図、擬似コード等は、様々な工程を表し、これらの工程は、コンピュータ可読媒体において実質的に表され、計算デバイス又はプロセッサが明示的に図示されているか否かにかかわらず、そのような計算デバイス又はプロセッサによって実行できることは理解されよう。
本明細書で述べる実施形態は、図面を参照する以下の詳細な説明からより良好に理解されよう。
非限定的な実施形態を参照しながら、本明細書で示す実施形態並びに実施形態の様々な特徴及び利点の細部を詳細に説明する。非限定的な実施形態は、添付の図面に示され、以下の説明において詳述する。本明細書で使用する例は、本明細書に記載の実施形態の実施方法に対する理解を促進し、更に、当業者が本明細書に記載の実施形態を更に実施可能にすることを意図するにすぎない。したがって、例は、本明細書に記載の実施形態の範囲を限定するものではない。
一実施形態により、妊娠対象に対する早産（ＰＴＤ）リスクを評価するシステム及び方法を開示する。一態様では、妊婦に対する早産（ＰＴＤ）リスクを定性的、定量的に評価するシステム及び方法を開示する。より詳細には、妊娠の最初の１５週以内、又は妊娠の第１三半期以内の妊娠対象から得た微生物叢試料を分析することによってＰＴＤリスクを評価するシステム及び方法を開示する。システムは、微生物叢試料の「微生物分類学的存在量プロファイル」を生成する。微生物叢試料は、妊娠対象から得られ、「微生物分類学的存在量プロファイル」は、微生物叢試料中に存在することが確認された複数の微生物のそれぞれの存在量値を含む。システムは、セットＤＳＲの中央傾向値等の分布特性値及びセットＤＳＲの「分類学的構成歪み値」を更に計算し、セットＤＳＲは、微生物叢試料中に存在する複数の微生物に対応する（微生物分類学的存在量プロファイルの形態で表される）存在量値の偏りを定量化する値を含む。更に、システムは、計算した分布特性値又は「分類学的構成歪み」値の少なくとも１つに基づき、妊娠対象に対する早産リスクを決定する。システム及び方法は、妊娠の最初の１５週以内、又は妊娠の第１三半期以内の妊娠対象から収集した微生物叢試料の分析に基づき、妊娠対象における早産リスクを正確に、確実に予測する早期リスク評価措置を提供する。したがって、本開示の方法及びシステムから達成されるリスク評価は、妊娠対象が、早産リスクを低減又はなくすのに十分に間に合うように予防的若しくは矯正的な医療アドバイス又は予防的処置に従うことを可能にする。
本開示に従って、本開示の目的の一部を説明する。主な目的は、妊娠対象の早産転帰の早期リスクを評価する方法及びシステムを提供することである。一実施形態では、妊娠対象は、妊婦である。より詳細には、本開示の目的は、最も早期に可能な妊娠段階、例えば、妊娠対象が妊婦である場合、妊娠の第１三半期において、妊娠対象の早産転帰に対する正確なリスク評価を提供することである。
本開示の別の目的は、妊娠対象から得た微生物叢試料中の微生物の多様性を定量化することによって、妊娠対象に対する早産の早期リスクを評価する方法及びシステムを提供することである。より詳細には、本開示の目的は、妊娠対象から得た微生物叢試料に対応する微生物分類学的存在量プロファイルからの複数の微生物存在量値の偏りを定量化することによる、妊娠対象における早産の早期リスクの評価である。
本開示の別の目的は、妊娠の最初の１５週以内、又は妊娠の第１三半期以内の妊娠対象から収集した微生物叢試料に基づき、妊娠対象における早産リスクを正確、確実に予測することができる早期の診断措置を提供することであり、妊娠対象は、妊婦である。
本開示の別の目的は、微生物叢試料中に存在する複数の微生物に対応する微生物分類学的存在量プロファイルの形態で表される存在量値から「分類学的構成歪み」（ＴＣＳ）値を定量化することによって、妊娠対象に対する早産（ＰＴＤ）リスクを評価することである。方法及びシステムは、ＴＣＳ値を用い、早産（ＰＴＤ）転帰リスクに対する定性的及び定量的な評価を実施する。
本開示の別の目的は、セットＤＳＲの中央傾向値等の分布特性値を計算することによって、妊娠対象に対するＰＴＤリスクを評価することであり、セットＤＳＲは、微生物叢試料中に存在する複数の微生物に対応する（微生物分類学的存在量プロファイルの形態で表される）存在量値の偏りを定量化する値を含む。方法及びシステムは、セットＤＳＲの中央傾向値等の分布特性値を用い、早産（ＰＴＤ）転帰リスクに対する定性的及び定量的な評価を提供する。
本開示の別の目的は、妊娠の最初の１５週以内、又は妊娠の第１三半期以内で、妊娠対象の早産転帰を生じやすい素因を予測する方法及びシステムを提供することであり、これにより、妊娠対象が、早産転帰リスクを潜在的に低減又はなくすことができるように予防的若しくは矯正的な医療アドバイス又は処置に従うことを可能にする。
本発明の他の目的及び利点は、添付の図面と併せて読めば、以下の説明からより明らかになるであろう。添付の図面は、本開示の範囲の制限を意図するものではない。
本開示の一実施形態により、図１及び図２を参照して、妊娠対象の早産（ＰＴＤ）リスクを評価するシステム１００を説明する。好ましい実施形態を示し、これらの実施形態は、以下の例示的システム及び／又は方法の状況で説明する。
しかし、保護の範囲は、そのようなプログラム、及び更にはプログラムのメッセージを有するコンピュータ可読手段まで拡大され、そのようなコンピュータ可読保存手段は、プログラムをサーバ又はモバイル・デバイス又は任意の適切なプログラム可能デバイス上で稼働させる際に、方法の１つ又は複数のステップを実施するプログラム・コード手段を含むことは理解されよう。ハードウェア・デバイスは、プログラム可能なあらゆる種類のデバイスとすることができ、例えば、サーバ若しくはパーソナル・コンピュータ等のようなあらゆる種類のコンピュータ、又はそれらの組合せを含む。デバイスは、手段も含むことができ、例えばハードウェア手段、例えば、特定用途向け集積回路（ＡＳＩＣ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、又はハードウェア手段とソフトウェア手段との組合せ、例えば、ＡＳＩＣ及びＦＰＧＡ、又は少なくとも１つのマイクロプロセッサ、及びデバイスの中に位置するソフトウェア・モジュールを有する少なくとも１つのメモリとすることができる。したがって、手段は、ハードウェア手段及びソフトウェア手段の両方を含むことができる。本明細書で説明する方法の実施形態は、ハードウェア及びソフトウェア内に実装することができる。デバイスは、ソフトウェア手段も含むことができる。代替的に、実施形態は、例えば複数のＣＰＵを使用して様々なハードウェア・デバイス上に実装することができる。
本明細書の実施形態は、ハードウェア要素及びソフトウェア要素を備えることができる。ソフトウェア内に実装する実施形態は、限定はしないが、ファームウェア、常駐ソフトウェア、マイクロコード等を含む。本明細書で記載する様々なモジュールによって実施する機能は、他のモジュール又は他のモジュールの組合せにおいて実施することができる。この説明の目的で、コンピュータ使用可能媒体又はコンピュータ可読媒体は、指示実行システム、装置又はデバイスが使用するか又はこれらに関連するプログラムを備え、保存、通信、伝搬又は移送するあらゆる装置とすることができる。
媒体は、電子、磁気、光学、電磁、赤外線又は半導体システム（若しくは装置若しくはデバイス）又は伝搬媒体とすることができる。コンピュータ可読媒体の例は、半導体又は固体メモリ、磁気テープ、取り外し可能コンピュータ・ディスケット、ランダム・アクセス・メモリ（ＲＡＭ）、読取り専用メモリ（ＲＯＭ）、剛性磁気ディスク及び光ディスクを含む。光ディスクの現在の例は、コンパクト・ディスク読取り専用メモリ（ＣＤ－ＲＯＭ）、コンパクト・ディスク読取り／書込み（ＣＤ－Ｒ／Ｗ）及びＤＶＤを含む。
プログラム・コードの保存及び／又は実行に適したデータ処理システムは、メモリ要素に直接結合するか又はシステム・バスを通じて間接的に結合した少なくとも１つのプロセッサを含む。メモリ要素は、プログラム・コードの実際の実行の間に利用されるローカル・メモリ、大容量記憶装置、及びキャッシュ・メモリを含むことができ、キャッシュ・メモリは、少なくとも一部のプログラム・コードの一時的な保存をもたらし、実行中、大容量記憶装置からコードを抽出しなければならない回数を低減する。
記載のシステム及び方法の態様を任意の数の異なる計算システム、環境及び／又は設定で実施することができるが、実施形態は、以下の例示的システムの状況で説明する。
図１を参照すると、本主題の一実施形態による、妊娠対象の早産（ＰＴＤ）リスクを評価するシステム１００のネットワーク実装形態が示されている。一実施形態では、システム１００は、計算システム１０２、微生物叢特性化プラットフォーム１０８、及び微生物叢試料受けの組合せである。
システム１００は、計算システム１０２を備えるが、一実施形態では、本主題は、システム１００が計算システム１０２を通して実装されることを考慮して説明し、計算システム１０２は、ラップトップ・コンピュータ、デスクトップ・コンピュータ、ノートブック、ワークステーション、汎用コンピュータ、サーバ、ネットワーク・サーバ、タブレット、モバイル・フォン等の様々な計算システムとしても実装できることは理解されよう。一実装形態では、計算システム１０２は、クラウドベースの環境内で実装することができる。計算システム１０２には、以下ユーザ１０４と総称される１つ又は複数のユーザ・デバイス１０４－１、１０４－２・・・１０４－Ｎ、又はユーザ・デバイス１０４に常駐するアプリケーションを通じて多数のユーザがアクセスできることは理解されよう。ユーザ・デバイス１０４の例は、限定はしないが、ポータブル・コンピュータ、携帯情報端末、ハンドヘルド・デバイス及びワークステーションを含む。ユーザ・デバイス１０４は、ネットワーク１０６を通じて計算システム１０２に通信可能に結合される。
一実装形態では、ネットワーク１０６は、ワイヤレス・ネットワーク、有線ネットワーク又はそれらの組合せとすることができる。ネットワーク１０６は、イントラネット、ローカル・エリア・ネットワーク（ＬＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、インターネット等の異なる種類のネットワークの１つとして実装することができる。ネットワーク１０６は、専用ネットワークであっても、共有ネットワークであってもよい。共有ネットワークは、様々なプロトコル、例えば、ハイパーテキスト転送プロトコル（ＨＴＴＰ）、伝送制御プロトコル／インターネット・プロトコル（ＴＣＰ／ＩＰ）、ワイヤレス・アプリケーション・プロトコル（ＷＡＰ）等を使用して互いに通信する異なる種類のネットワークの提携を表す。更に、ネットワーク１０６は、ルータ、ブリッジ、サーバ、計算デバイス、記憶デバイス等を含む様々なネットワーク・デバイスを含むことができる。
次に、図２を参照すると、本主題の一実施形態による計算システム１０２が図示されている。一実施形態では、計算システム１０２は、少なくとも１つのハードウェア・プロセッサ２０２、入力／出力（Ｉ／Ｏ）インターフェース２０４及びメモリ２０６を含むことができる。少なくとも１つのプロセッサ２０２は、１つ又は複数のマイクロプロセッサ、マイクロコンピュータ、マイクロコントローラ、デジタル信号プロセッサ、中央処理ユニット、状態機械、論理回路、及び／又は動作指示に基づき信号を操作する任意のデバイスとして実装することができる。少なくとも１つのプロセッサ２０２は、他の機能の中でも特に、メモリ２０６内に保存したコンピュータ可読命令又はモジュール２０８を取り出し、実行するように構成されている。
Ｉ／Ｏインターフェース２０４は、様々なソフトウェア・インターフェース及びハードウェア・インターフェース、例えば、ウェブ・インターフェース、グラフィカル・ユーザ・インターフェース等を含むことができる。Ｉ／Ｏインターフェース２０４は、システム１０２が、ユーザと直接、又はクライアント・デバイス１０４を通じて対話することを可能にする。更に、Ｉ／Ｏインターフェース２０４は、計算システム１０２が、ウェブ・サーバ及び外部データ・サーバ（図示せず）等の他の計算デバイスと通信することを可能にする。Ｉ／Ｏインターフェース２０４は、有線ネットワーク、例えばＬＡＮ、ケーブル等、及び無線ＬＡＮ、セルラー又は衛星等のワイヤレス・ネットワークを含む多種多様なネットワーク及びプロトコル・タイプ内で多数の通信を促進することができる。Ｉ／Ｏインターフェース・デバイス２０４は、いくつかのデバイスを互いに接続するか又は別のサーバに接続する１つ又は複数のポートを含むことができる。
メモリ２０６は、当技術分野で公知の任意のコンピュータ可読媒体又はコンピュータ・プログラム製品を含むことができ、これらには、例えば、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）及びダイナミック・ランダム・アクセス・メモリ（ＤＲＡＭ）等の揮発性メモリ、並びに／又は読取り専用メモリ（ＲＯＭ）、消去可能プログラマブルＲＯＭ、フラッシュ・メモリ、ハードディスク、光ディスク、コンパクト・ディスク（ＣＤ）、デジタル多用途ディスク又はデジタル・ビデオ・ディスク（ＤＶＤ）及び磁気テープ等の不揮発性メモリを含む。メモリ２０６は、モジュール２０８及びデータ２２２を含むことができる。
モジュール２０８は、特定のタスクを実施するか又は特定の抽象データ型を実施するルーチン、プログラム、プログラム命令、オブジェクト、構成要素、データ構造等を含む。一実装形態では、モジュール２０８は、微生物分類学的存在量プロファイル生成モジュール２１０、計算モジュール２１２及び他のモジュール２２０を含むことができる。他のモジュール２２０は、計算システム１０２のアプリケーション及び機能を補うプログラム又はコード化命令を含むことができる。
データ２２２は、とりわけ、モジュール２０８及び微生物叢特性化プラットフォーム１０８の１つ又は複数によって処理、受信、生成されたデータを保存するリポジトリとして働く。データ２２２は、データベース２２４及び他のデータ２２６も含むことができる。
一実施形態では、システム１００は、微生物叢特性化プラットフォーム１０８及び微生物叢試料受け１１０を備える。一実施形態では、微生物分類学的存在量プロファイル生成モジュール２１０は、微生物叢特性化プラットフォーム１０８に動的に接続される。微生物叢特性化プラットフォーム１０８は、配列決定プラットフォーム１１２、顕微鏡プラットフォーム（１１４）、核酸ハイブリダイゼーション・プラットフォーム（１１６）、細胞選別プラットフォーム（１１８）及び他のプラットフォーム（１２０）の少なくとも１つを備えることができる。本開示の一実施形態では、微生物叢特性化プラットフォーム１０８は、妊娠対象から得た微生物叢試料を微生物叢試料受け１１０を介して受け取る。
一実施形態では、妊娠対象の早産（ＰＴＤ）リスクを評価するために、微生物叢試料受け１１０は、妊娠対象から得た微生物叢試料を受ける。一態様では、妊娠対象は、妊婦である。別の態様では、妊娠対象は、あらゆる雌の胎生妊娠動物とすることができる。妊娠対象が妊婦である一態様では、微生物叢試料は、妊娠の最初の１５週以内、又は妊娠の第１三半期以内の任意の時点で得ることができる。妊娠対象が妊婦である別の態様では、微生物叢試料は、妊娠の最初の２８週以内で妊婦から得ることができる。更に、妊娠対象が妊婦である別の態様では、微生物叢試料は、妊娠の最初の３７週以内で妊婦から得ることができる。別の態様では、微生物叢試料は、妊娠期間全体の間の任意の時点で妊娠対象から収集し、ＰＴＤ転帰リスクを評価することができる。一態様では、微生物叢試料は、妊娠対象の腟スワブ試料である。微生物叢試料は、妊娠対象の口、皮膚、腸、膣又はあらゆる他の身体部位から得られる。妊娠対象から得られる微生物叢試料は、膣スワブ試料、頚管粘液試料、子宮頚部スワブ試料、膣円蓋のスワブ試料を含む膣スワブ、尿試料、羊水試料、血液試料（全血試料）、血清試料、血漿試料、胎盤スワブ、臍帯スワブ、便試料、皮膚スワブ、口腔スワブ、唾液試料、歯周部スワブ、咽頭スワブ、鼻腔スワブ、小胞液試料、鼻咽頭スワブ、鼻孔スワブ、結膜スワブ、性器スワブ、直腸スワブ、気管吸引液及び気管支スワブの少なくとも１つとすることができる。
更に、別の実施形態では、多数の微生物叢試料は、妊娠期間全体の間の様々な時点で妊娠対象から収集することができる。早産は、利用可能な技術分野内で説明される意味を有する。一般に、定義によれば、早産とは、「胎児生存可能性」日と妊娠３７週目の終わりとの間に起こる出産であり、「胎児生存可能性」とは、自然か誘発かにかかわらず、出生後、胎児が子宮外で生存する可能性として定義される。胎児生存可能性は、通常、妊娠約７カ月（満２８週）に置かれるが、場合によっては、胎児生存可能性は、より早期に、妊娠満２４週にさえ生じることがある。早産は、子宮内で嬰児が発育する時間をより少なくする。
本開示の一実施形態では、微生物叢特性化プラットフォーム（１０８）は、微生物叢試料受け１１０から微生物叢試料を受け取り、微生物叢特性化データを微生物叢試料から得る。微生物叢特性化プラットフォーム（１０８）は、少なくとも１つの技法を微生物叢試料に適用することによって、微生物叢試料から微生物叢特性化データを得、少なくとも１つの技法には、配列決定技法、顕微鏡検査、フロー・サイトメトリ法、インビトロ培養ベースの方法、１つ若しくは複数の酵素若しくは蛍光アッセイ、又は分光同定を伴う１つ若しくは複数のアッセイ、及び複合微生物集団からの信号選別を含む。微生物叢特性化データには、微生物の配列決定ＤＮＡデータ、顕微鏡撮像データ、フロー・サイトメトリ細胞測定データ、インビトロ培養で成長させた微生物の群体数及び細胞表現データ、並びに信号強度データを含む。当業者は、微生物叢試料から微生物叢特性化データを得るために、多くの技法が利用可能であることを認識しているため、本明細書では詳細に説明しない。
微生物叢特性化プラットフォーム（１０８）は、配列決定プラットフォーム（１１２）、顕微鏡プラットフォーム（１１４）、核酸ハイブリダイゼーション・プラットフォーム（１１６）、細胞選別プラットフォーム（１１８）の少なくとも１つを備え、微生物叢試料から微生物叢特性化データを得る／生成するようにする。様々な微生物叢特性化プラットフォームは、研究関連分野において広く実施され、十分に確立されているため、詳細に説明しない。
一実施形態では、微生物叢特性化プラットフォーム（１０８）は、配列決定プラットフォーム１１２を備え、配列決定プラットフォーム１１２は、妊娠対象から得た微生物叢試料を微生物叢試料受け１１０から受け取る。配列決定プラットフォーム１１０は、少なくとも１つのＤＮＡ抽出技法を使用して、微生物叢試料中に存在する複数の微生物に対応する微生物のＤＮＡを単離する。微生物のＤＮＡを単離した後、配列決定プラットフォーム１１２は、少なくとも１つのＤＮＡ配列決定技法を使用して微生物のＤＮＡを配列決定し、微生物の配列決定ＤＮＡデータを得る。配列決定技法は、次世代配列決定技法から選択することができる。次世代配列決定技法には、全ゲノム・ショットガン（ＷＧＳ）配列決定技法、断片ライブラリベースの配列決定技法、メイトペア・ライブラリ、ペアードエンド・ライブラリベースの配列決定技法、又はそれらの組合せを含むことができる。当業者は、ＤＮＡ配列決定には多くの方法があることを認識しているため、本明細書では詳細に説明しない。
一態様では、配列決定プラットフォーム１１２は、微生物叢試料から抽出した微生物のＤＮＡ由来の細菌性１６Ｓ ｒＲＮＡマーカ遺伝子を増幅させ、配列決定する。別の態様では、配列決定プラットフォーム１１２は、微生物のＤＮＡ由来の細菌性２３Ｓ ｒＲＮＡマーカ遺伝子を増幅させ、配列決定する。配列決定プラットフォームは、次世代配列決定技法を使用して、微生物のＤＮＡ由来の細菌性１６Ｓ ｒＲＮＡ又は２３Ｓ ｒＲＮＡの全長又は特異的可変領域のいずれかを配列決定する。また、別の態様では、細菌性１６Ｓ ｒＲＮＡ及び２３Ｓ ｒＲＮＡマーカ遺伝子以外の、又はこれらに加えて、微生物のＤＮＡ由来の１つ又は複数の系統マーカ遺伝子を増幅させ、配列決定することができる。配列決定プラットフォーム１１２は、微生物の配列決定ＤＮＡデータを微生物分類学的存在量プロファイル生成モジュール２１０に提供する。
別の実施形態では、顕微鏡プラットフォーム１１４は、妊娠対象から得た微生物叢試料を微生物叢試料受け１１０から受け取ることができる。顕微鏡プラットフォーム１１４は、自動又は半自動顕微鏡検査又は撮像を実施するために使用し、受け取った微生物叢試料中に存在する微生物細胞の数及び種類を顕微鏡撮像データから計算することができる。
また、別の実施形態では、核酸ハイブリダイゼーション・プラットフォーム１１６は、妊娠対象から得た微生物叢試料を受けることができる。核酸ハイブリダイゼーション・プラットフォーム１１６は、微生物叢試料受け１１０から微生物叢試料を受ける。核酸ハイブリダイゼーション・プラットフォーム１１６は、一連の事前合成核酸配列プローブに対して、微生物叢試料中に存在する全微生物核酸含量から導出した短い単鎖核酸配列のハイブリダイゼーションを実施するものであり、一連の事前合成核酸配列プローブは、特異的微生物分類群のマーカとして働き、ハイブリダイゼーション事象は、Ｘ線、オートラジオグラフィ又は発色法等の撮像技法を使用して取り込まれ、視覚化され、試料中に存在する微生物細胞の数及び種類は、撮像データから計算することができる。
また、別の実施形態では、細胞選別プラットフォーム１１８は、妊娠対象から得た微生物叢試料を受けることができる。細胞選別プラットフォーム１１８は、微生物叢試料受け１１０から微生物叢試料を受ける。細胞選別プラットフォーム１１８は、インビトロ培養ベースの方法、１つ若しくは複数の酵素若しくは蛍光アッセイ、又は分光同定を伴う１つ若しくは複数のアッセイ、及び複合微生物集団からの信号選別を実施し、インビトロ培養で成長させた微生物の群体数及び細胞表現データ、並びに信号強度データ等の微生物叢特性化データを得る。
また、別の実施形態では、他のプラットフォーム１２０は、妊娠対象から得た微生物叢試料を受けることができる。他のプラットフォーム１２０は、当業者に公知の１つ又は複数の微生物叢特性化技法を微生物叢試料に対して実行し、微生物叢特性化データを得ることができる。また、別の実施形態では、他のプラットフォーム１２０は、妊娠対象から得た微生物叢試料を受けることができる。他のプラットフォームは、１つ又は複数の微生物叢特性化技法を実行し、受け取った微生物叢試料中に存在する微生物細胞の数及び種類を計算することができるデータを得る。
本開示の別の実施形態では、微生物分類学的存在量プロファイル生成モジュール２１０は、微生物叢特性化プラットフォーム（１０８）から受け取った微生物叢特性化データを分析することによって、微生物叢試料の「微生物分類学的存在量プロファイル」を生成する。微生物分類学的存在量プロファイル生成モジュール２１０は、ハードウェア・プロセッサによって、１つ又は複数の分類区分化技法を使用して微生物叢特性化データを計算分析し、微生物叢試料の「微生物分類学的存在量プロファイル」を生成する。計算モジュール２１２は、微生物分類学的存在量プロファイル生成モジュール２１０から「微生物分類学的存在量プロファイル」を受け取る。
本開示の別の実施形態によれば、微生物分類学的存在量プロファイル生成モジュール２１０は、ハードウェア・プロセッサによって、１つ又は複数の分類区分化技法を使用して微生物の配列決定ＤＮＡデータを計算分析し、「微生物分類学的存在量プロファイル」を生成する。「微生物分類学的存在量プロファイル」は、微生物叢試料に対応する、微生物の配列決定ＤＮＡデータ中に存在する複数の微生物の様々な個々の「分類群」の存在量を示す値を含む。微生物分類学的存在量プロファイルは、微生物叢試料中に存在する複数の微生物のそれぞれの存在量値を含む。一実施形態では、「微生物分類学的存在量プロファイル」は、割当てベースの分類区分化（ビニング）手法を使用して生成する。割当てベースの分類区分化（ビニング）手法には、微生物の配列決定ＤＮＡデータからの配列及び／又は微生物の配列決定ＤＮＡデータの組成レベル類似度を、既存の基準配列データベースに対し比較することを伴い得る。一例では、１６Ｓ ｒＲＮＡマーカ遺伝子、２３Ｓ ｒＲＮＡマーカ遺伝子、又はあらゆる他の系統マーカ遺伝子の少なくとも１つに対応する、微生物の配列決定ＤＮＡデータを計算分析し、ＤＮＡ配列を操作的分類単位（ＯＴＵ）に分離することによって、「微生物分類学的存在量プロファイル」を生成することができ、操作的分類単位（ＯＴＵ）への分離は、配列のクラスタ化に基づく。配列のクラスタ化は、操作的分類単位（ＯＴＵ）の配列レベル類似度に更に基づく。
別の実施形態では、系統マーカ遺伝子に対応する、微生物の配列決定ＤＮＡデータ、又は微生物叢試料中に存在する複数の微生物に対応する微生物のＤＮＡの全ゲノム・ショットガン（ＷＧＳ）配列データのいずれかを計算分析し、ＤＮＡ配列の組成類似度に基づきＤＮＡ配列を分離若しくはクラスタ化することによって、又は微生物の配列決定ＤＮＡデータを既存の基準配列データベースに対して比較することによって、「微生物分類学的存在量プロファイル」を生成することができる。計算モジュール２１２は、微生物分類学的存在量プロファイル生成モジュール２１０から「微生物分類学的存在量プロファイル」を受け取る。
「微生物分類学的存在量プロファイル」を受け取った後、計算モジュール２１２は、「微生物分類学的存在量プロファイル」の分布特性値及び「分類学的構成歪み」値を計算する。「分類学的構成歪み」値及び分布特性値は、微生物分類学的存在量プロファイルからの複数の微生物の存在量値の偏りを定量化する。「分類学的構成歪み」値及び分布特性値の計算を以下で説明する。
微生物叢試料中に存在する複数の微生物に対応する「分類学的構成歪み」値及び「微生物分類学的存在量プロファイル」の分布特性値を計算するために、ステップ（ａ）において、計算モジュール２１２は、微生物分類学的存在量プロファイルからの複数の微生物の存在量値の和を計算することによって、合計個体数「Ｍ」を得る。
更に、ステップ（ｂ）において、計算モジュール２１２は、「微生物分類学的存在量プロファイル」から（微生物叢試料中に存在する）様々な個々の分類群のリスト「Ｌ」を作成する。リスト「Ｌ」は、微生物分類学的存在量プロファイルからの複数の微生物のそれぞれの存在量値を含んで生成される。個々の分類群は、以下、微生物叢試料からの各微生物に関連する「１つの分類群／複数の分類群」と呼ぶ。更に、ステップｂにおいて、計算モジュール２１２は、微生物分類学的存在量プロファイルからの複数の微生物の存在量値を含むリスト「Ｌ」を選別し、選別リストＬを生成する。選別リスト「Ｌ」は、「微生物分類学的存在量プロファイル」中に存在する複数の微生物のそれぞれの存在量値を、存在量値が増加又は減少する順でランク付けしたものから構成され、したがって、リストＬは、存在量値が増加又は減少する順でそれぞれ選別される。リストＬを存在量値が増加する順で選別した場合、選別リスト「Ｌ」内の１つ又は複数の上位ランクの入力は、「疎分類群」に対応し、選別リスト「Ｌ」内の１つ又は複数の下位ランクの入力は、「主分類群」に対応する。リストＬを存在量値が減少する順で選別した場合、選別リスト「Ｌ」内の１つ又は複数の上位ランクの入力は、「主分類群」に対応し、選別リスト「Ｌ」内の１つ又は複数の下位ランクの入力は、「疎分類群」に対応する。
ステップ（ｃ）において、計算モジュール２１２は、累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数し、存在量値は、リストＬを増加順で選別した場合、選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積される。そうでなければ、ステップｃにおいて、計算モジュール２１２は、累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数し、存在量値は、リストＬを減少順で選別した場合、選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積される。ここで、「ｉ」は、整数又は小数である。
更に、ステップ（ｄ）において、計算モジュール２１２は、累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数し、存在量値は、リストＬを増加順で選別した場合、選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積される。そうでなければ、ステップｄにおいて、計算モジュール２１６は、累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数し、存在量値は、リストＬを減少順で選別した場合、選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積される。ここで、「ｊ」は、整数又は小数である。
更に、ステップ（ｅ）において、計算モジュール２１２は、上記で説明したステップｃ及びｄを繰り返し実行し、「ｉ」及び「ｊ」の値の事前に定義した範囲に対するＳＴi及びＤＴjの数を得、２つのセットの値「ＳＴ」及び「ＤＴ」のそれぞれを生成する。ここで、ｉ及びｊは、事前に定義した範囲内の２つの同一の等差数列に属し、等差数列の連続項の間の公差は、事前に定義した整数又は事前に定義した小数値である。一例では、セットＳＴ及びＤＴは、以下の式（１）及び（２）のそれぞれで示される。
ＳＴ＝｛ＳＴ1，ＳＴ2，ＳＴ3，・・・・・・ＳＴ50｝・・・・・・・・・・・・式（１）
式中、定義によれば、ＳＴiは非ゼロの整数であり、ＳＴ(i+1)≧ＳＴiであり、「ｉ」は、（０＜ｉ≦５０であるような）１から５０までの範囲で変動する。
ＤＴ＝｛ＤＴ1，ＤＴ2，ＤＴ3，・・・・・・ＤＴ50｝・・・・・・・・・・・・式（２）
式中、定義によれば、ＤＴjは非ゼロの整数であり、ＤＴ(j+1)≧ＤＴjであり、「ｉ」は、（０＜ｊ≦５０であるような）１から５０までの範囲で変動する。
ＳＴ＝｛ＳＴ1，ＳＴ2，ＳＴ3，・・・・・・ＳＴ50｝・・・・・・・・・・・・式（１）
式中、定義によれば、ＳＴiは非ゼロの整数であり、ＳＴ(i+1)≧ＳＴiであり、「ｉ」は、（０＜ｉ≦５０であるような）１から５０までの範囲で変動する。
ＤＴ＝｛ＤＴ1，ＤＴ2，ＤＴ3，・・・・・・ＤＴ50｝・・・・・・・・・・・・式（２）
式中、定義によれば、ＤＴjは非ゼロの整数であり、ＤＴ(j+1)≧ＤＴjであり、「ｉ」は、（０＜ｊ≦５０であるような）１から５０までの範囲で変動する。
一態様では、「ｉ」及び「ｊ」の値の事前に定義した範囲は、（０＜ｉ≦５０であり、０＜ｊ≦５０であるような）０から５０までの中にある。別の態様では、「ｉ」及び「ｊ」の値の事前に定義した範囲は、（０＜ｉ≦１００であり、０＜ｊ≦１００であるような）０から１００の範囲の中にある。ｉ及びｊに対し事前に定義した範囲は、ｉ＋ｊが１００に等しいように定義する。
更に、ステップ（ｆ）において、計算モジュール２１２は、セット「ＤＴ」及び「ＳＴ」のデカルト積を計算し、ＤＴj及びＤＴj値に対応する複数の順位付き対を含むセット「Ｃ」を得る。
一例では、式（１）及び（２）からＳＴ及びＤＴを参照して、セット「ＳＴ」及び「ＤＴ」のデカルト積を得、セット「Ｃ」を得る。したがって、式１及び２並びにステップ（ｆ）を参照すると、セット「Ｃ」は、以下の式（３）で示すように、ＤＴj及びＳＴi値に対応する２５００組（即ち、順位付き対）を含む。別の実施形態では、セットＳＴ及びＤＴのデカルト積における順位付き対の数は、セットＳＴ及びＤＴの大きさに依存することができる。
Ｃ＝ＤＴ×ＳＴ＝｛（ＤＴj，ＳＴi）｜式中、ＤＴj∈ＤＴであり、ＳＴi∈ＳＴであり、「ｉ」及び「ｊ」は、正の整数≦５０である｝・・・・・・・・・式（３）
Ｃ＝ＤＴ×ＳＴ＝｛（ＤＴj，ＳＴi）｜式中、ＤＴj∈ＤＴであり、ＳＴi∈ＳＴであり、「ｉ」及び「ｊ」は、正の整数≦５０である｝・・・・・・・・・式（３）
別の実施形態では、（連続するＳＴi及び／又はＤＴj値を生成する間に計算した）累積存在量の差は、あらゆる適切な小数又は１以外の整数値を有することができる。例えば、代替実装形態では、ｉ及びｊの最大値が５０である場合、セットＳＴは、１００のＳＴi値（ｉ＝０．５，１，１．５，２，．．，５０）を含むことができ、セットＤＴは、１００のＤＴj値（ｊ＝０．５，１，１．５，２，．．，５０）を含むことができる。別の例では、セットＳＴ及びＤＴのデカルト積における順位付き対の数は、セットＳＴ及びＤＴの大きさに依存することができる。
更に、ステップ（ｇ）において、計算モジュール２１２は、セットＣからの値ＤＴj及びＳＴiに基づきセット「ＤＳＲ」を導出する。一実施形態では、ステップ（ｇ）において、計算モジュール２１２は、セット「Ｃ」の各順位付き対に対し（ＤＴj÷ＳＴi）を計算することによって、セット「ＤＳＲ」を導出する。セット「Ｃ」の各順位付き対に対し（ＤＴj÷ＳＴi）を計算することによって得た値を含むセット「ＤＳＲ」は、以下の式（４）に示すように導出される。したがって、セット「ＤＳＲ」は、以下の式（４）に示すように、セット「Ｃ」の各順位付き対に対し、ＤＴj値をＳＴi値によって除算することによって得た値を含む。
ＤＳＲ＝｛（ＤＴj÷ＳＴi）｜式中、（ＤＴj，ＳＴi）∈Ｃ，であり、「ｉ」及び「ｊ」は正の整数≦５０である｝・・・・・・・・・式（４）
ＤＳＲ＝｛（ＤＴj÷ＳＴi）｜式中、（ＤＴj，ＳＴi）∈Ｃ，であり、「ｉ」及び「ｊ」は正の整数≦５０である｝・・・・・・・・・式（４）
更に、ステップ（ｈ）において、計算モジュール２１２は、セット「ＤＳＲ」の分布特性値を計算する。セット「ＤＳＲ」の分布特性値は、セットＤＳＲの中央傾向値を含む。セットＤＳＲの分布特性値は、セットＤＳＲの最大値、セットＤＳＲの最小値、セットＤＳＲの分散、セットＤＳＲの歪み、又はセットＤＳＲの値の分布の様式、対称性及び変動性を特性化するメトリックの１つを含むことができる。
計算モジュール２１２は、セット「ＤＳＲ」の中央傾向値等の統計的尺度を計算する。セット「ＤＳＲ」の中央傾向値は、平均、中央値、態様、又はセットＤＳＲの値の分布全体の典型として単一の値を特定するあらゆる統計的尺度の１つである。
計算モジュール２１２は、分布特性値に対し数学的変換を適用することによって「分類学的構成歪み」値を計算する。計算モジュール２１２は、セットＤＳＲの中央傾向値を含む分布特性値に対し数学的変換を適用することによって「分類学的構成歪み」値を計算する。中央傾向値を計算した後、ステップ（ｉ）において、計算モジュール２１２は、セットＤＳＲの中央傾向値に対し数学的変換を適用することによって、「分類学的構成歪み」（ＴＣＳ）値を計算する。中央傾向値に対し適用する数学的変換は、１から中央傾向値を減算すること、又は中央傾向値の逆数を計算すること、又は低次の中央傾向値に対し高次の数値の分類学的構成歪みの生成をもたらし、その逆の生成も同様にもたらすような数学的変換法を含む。「分類学的構成歪み」（ＴＣＳ）値は、以下の式（５）又は式（６）に示すような以下の式を使用して計算される。
ＴＣＳ＝１－中央傾向値・・・・・・・・・式（５）又は
ＴＣＳ＝１／中央傾向値・・・・・・・・・式（６）
別の例示的な実施形態では、ステップ（ｉ）において、計算モジュール２１２は、セットＤＳＲの分布特性値を使用することによってＴＣＳ値を計算する。計算モジュール２１２は、セットＤＳＲの分布特性値に対し数学的変換を適用することによってＴＣＳ値を計算する。セットＤＳＲの分布特性値は、セットＤＳＲの最大値、セットＤＳＲの最小値、セットＤＳＲの分散、セットＤＳＲの歪み、又はセットＤＳＲの値の分布の様式、対称性及び変動性を特性化するメトリックを含むことができる。
例示的な一実施形態では、微生物叢試料の分類群が完全に均等な分布の場合、（ＤＴj÷ＳＴi）に対応する値は、１の最大値を有することができる。したがって、任意の微生物叢試料の値の分類学的構成歪み（ＴＣＳ）値は、範囲：０≦分類学的構成歪み（ＴＣＳ）値＜１内で変動することができる。任意の微生物叢試料のセットＤＳＲの中央傾向値は、範囲：０≦中央傾向値＜１内で変動することができる。
更に、計算モジュール２１２は、セットＤＳＲの中央傾向値、セット「ＤＳＲ」の分布特性値、又は「分類学的構成歪み」値の少なくとも１つに基づき、妊娠対象に対する早産リスクを決定する。更に、計算モジュール２１２は、セットＤＳＲの中央傾向値、セット「ＤＳＲ」の分布特性値、又は「分類学的構成歪み」値の少なくとも１つに基づき、１つ又は複数の早産リスク・カテゴリに妊娠対象をカテゴリ化する。１つ又は複数のリスク・カテゴリは、低早産リスク・カテゴリ、中早産リスク・カテゴリ、及び高早産リスク・カテゴリを含む。
一例では、膣微生物叢試料を妊婦から得、ステップ「ｈ」で計算したようにセットＤＳＲの「中央値」を中央傾向値として使用し、ＴＣＳ値を式（５）の使用により生成し、早産リスクのカテゴリ化が、セットＤＳＲの上記中央傾向値に基づき得たＴＣＳ値に基づく場合、低早産リスク・カテゴリは、０．９２２を超える分類学的構成歪み値で示され、中早産リスク・カテゴリは、（両端の値を含む）０．８８７から０．９２２までの範囲の分類学的構成歪み値で示され、高早産リスク・カテゴリは、０．８８７以下の分類学的構成歪み値で示される。
別の実施形態では、妊娠対象のための早産リスク・カテゴリは、セットＤＳＲの中央傾向値に基づき示すことができる。高早産リスク・カテゴリは、０．１１３を超えるセットＤＳＲの中央傾向値で示され、中早産リスク・カテゴリは、（両端の値を含む）０．０７８から０．１１３の範囲のセットＤＳＲの中央傾向値で示され、早産低リスク・カテゴリは、０．０７８未満のセットＤＳＲの中央傾向値で示され、セットＤＳＲの中央傾向値は、セットＤＳＲの中央値であり、妊婦から得た微生物叢試料は、膣微生物叢試料である。
一例として、様々な早産リスク・カテゴリに対する上述の閾値の決定のために採用する手順を以下で説明する。以下の例は、限定としてではなく、例として提示するにすぎない。
一例示的実施形態により、ほぼ同様の配列決定範囲（各試料における配列数：約４９３５０）を有する３つの仮定的微生物叢試料に基づき、「分類学的構成歪み」値の計算に関与する様々なステップを以下で説明する。以下で示す綿密な例は、妊娠対象から得た微生物叢試料中の様々な微生物の存在量値の分析による、「分類学的構成歪み」値／メトリックの計算で用いる様々なステップを示す。複数の微生物の存在量値は、表の形態で表す（以下、「微生物分類学的存在量プロファイル」と呼ぶ）。表１（ａ～ｃ）（以下）は、３つの微生物叢試料のための微生物分類学的存在量プロファイルを示す。
表１（ａ～ｃ）は、３つの微生物叢試料（Ｓ１～Ｓ３）中に存在する（各微生物存在量を昇順で選別した）様々な微生物の存在量値を含む微生物分類学的存在量プロファイルを示す。以下の各存在量プロファイルでは、「Ｍ」の値、即ち、合計個体数も示す。Ｍの値は、微生物分類学的存在量プロファイルからの複数の微生物の存在量値の和の計算によって得られる。各分類群ＩＤ（微生物）に対し与えられる「存在量」の数値は、配列決定した微生物叢試料のＤＮＡ配列を、分類区分化技法の採用によって当該分類群ＩＤに割り当てた絶対数を表すものであることに留意されたい。
（表１ａ～ｃに示す）所与の「微生物分類学的存在量プロファイル」から開始して、以下のステップが「分類学的構成歪み」値の計算に関与する。
ステップ１において、微生物分類学的存在量プロファイルからの複数の微生物の存在量値の和の計算によって合計個体数「Ｍ」を得る。「Ｍ」の計算は、表１ａ～ｃに示す。更に、ステップ２において、微生物分類学的存在量プロファイルからの複数の微生物のそれぞれの存在量値を含む選別リスト「Ｌ」を生成する。選別リスト「Ｌ」は、存在量値の増加順又は減少順でランク付けした微生物分類学的存在量プロファイル中に存在する複数の微生物のそれぞれの存在量値から構成され、リストＬを存在量値の増加順で選別した場合、選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「疎分類群」に対応し、選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「主分類群」に対応し、リストＬを存在量値の減少順で選別した場合、選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「主分類群」に対応し、選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「疎分類群」に対応する。本例では、表１ａ～ｃに示す３つの試料（Ｓ１、Ｓ２及びＳ３）のための選別リスト（Ｌ）を以下に示す。
Ｌ（Ｓ１）＝｛１，１，１，１，７６，．．．，９８５２，１１９７４｝
Ｌ（Ｓ２）＝｛１，１，１，１，６，．．．，１２４５６，１３８７９｝
Ｌ（Ｓ３）＝｛１，１，１，１，６，．．．，１４７２５，１９５２１｝
上記で示したセットのそれぞれにおいて、対応するリストＬは、それぞれの微生物叢試料中の個々の微生物の存在量値の増加順で選別される。したがって、１つ又は複数の上位ランク入力（即ち図示のリストの左手側から始まる）は、「疎分類群」に対応し、１つ又は複数の下位ランク入力（即ち図示のリストの右手側から始まる）は、「主分類群」に対応する。ここで、Ｌ（Ｓ１）の「疎分類群」は、｛１，１，１，１，７６・・・｝に対応し、Ｌ（Ｓ１）の「主分類群」は、｛．．．，９８５２，１１９７４｝に対応する。
ステップ３において、累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数し、リストＬを増加順で選別した場合、存在量値は、選別リスト「Ｌ」内の各微生物の存在量値が増加する順で漸進的に累積される。
ステップ３（ａ）において、値ｉ＝１であると考え、３つの微生物叢試料のそれぞれにおける合計個体数「Ｍ」の≧１％を含む「疎分類群」の最小数（ＳＴ1）を以下に示す（選別した微生物の存在量は、各微生物の存在量値が増加する順で累積されている）。
Ｓ１＝｛１，１，１，１，７６，２４１，７４５，１０２７，２７８６，３５９８，４８６３，６７２１，７４５８，９８５２，１１９７４｝である。
上記の試料では、（太字フォントで強調した）最初の７つの疎分類群の累積存在量（１０６６）は、合計個体数（即ち４９３４５）の≧１％を含む。したがって、Ｓ１に関し、ＳＴ1＝７である。
同様に、Ｓ２＝｛１，１，１，１，６，７，２３，５６，１１０，２０２８，３０７５，７３５４，１０３２６，１２４５６，１３８７９｝である。Ｓ２に関し、（太字フォントで強調した）最初の１０個の疎分類群の累積存在量（２２３４）は、合計個体数（即ち４９３２４）の≧１％を含む。したがって、Ｓ２に関し、ＳＴ1＝１０である。
同様に、Ｓ３＝｛１，１，１，１，６，７，２３，５６，７８，２２６，８９７，３９５４，９８７６，１４７２５，１９５２１｝である。Ｓ３に関し、（太字フォントで強調した）最初の１１個の疎分類群の累積存在量（１２９７）は、合計個体数（即ち４９３７３）の≧１％を含む。したがって、Ｓ３に関し、ＳＴ1＝１１である。
ステップ３（ｂ）において、同様に、値ｉ＝２であると考え、３つの微生物叢試料のそれぞれにおける合計個体数「Ｍ」の≧２％を含む「疎分類群」の最小数（ＳＴ2）を以下に示す（選別した微生物の存在量は、各微生物の存在量値が増加する順で累積されている）。
Ｓ１＝｛１，１，１，１，７６，２４１，７４５，１０２７，２７８６，３５９８，４８６３，６７２１，７４５８，９８５２，１１９７４｝。
上記の試料では、（太字フォントで強調した）最初の７つの疎分類群の累積存在量（１０６６）は、合計個体数（即ち４９３４５）の≧２％を含む。したがって、Ｓ１に関し、ＳＴ2＝７である。
同様に、Ｓ２＝｛１，１，１，１，６，７，２３，５６，１１０，２０２８，３０７５，７３５４，１０３２６，１２４５６，１３８７９｝。Ｓ２に関し、（太字フォントで強調した）最初の１０個の疎分類群の累積存在量（２２３４）は、合計個体数（即ち４９３２４）の≧２％を含む。したがって、Ｓ２に関し、ＳＴ2＝１０である。
同様に、Ｓ３＝｛１，１，１，１，６，７，２３，５６，７８，２２６，８９７，３９５４，９８７６，１４７２５，１９５２１｝。Ｓ３に関し、（太字フォントで強調した）最初の１１個の疎分類群の累積存在量（１２９７）は、合計個体数（即ち４９３７３）の≧２％を含む。したがって、Ｓ３に関し、ＳＴ2＝１１である。
ステップ３（ｃ）において、同様に、値ｉ＝３であると考え、３つの微生物叢試料のそれぞれにおける合計個体数「Ｍ」の≧３％を含む「疎分類群」の最小数（ＳＴ３）を以下に示す（選別した微生物の存在量は、各微生物の存在量値が増加する順で累積されている）。
Ｓ１＝｛１，１，１，１，７６，２４１，７４５，１０２７，２７８６，３５９８，４８６３，６７２１，７４５８，９８５２，１１９７４｝である。上記の試料では、（太字フォントで強調した）最初の７つの疎分類群の累積存在量（１０６６）は、合計個体数（即ち４９３４５）の≧３％を含む。したがって、Ｓ１に関し、ＳＴ3＝７である。
同様に、Ｓ２＝｛１，１，１，１，６，７，２３，５６，１１０，２０２８，３０７５，７３５４，１０３２６，１２４５６，１３８７９｝である。Ｓ２に関し、（太字フォントで強調した）最初の１０個の疎分類群の累積存在量（２２３４）は、合計個体数（即ち４９３２４）の≧３％を含む。したがって、Ｓ２に関し、ＳＴ3＝１０である。
同様に、Ｓ３＝｛１，１，１，１，６，７，２３，５６，７８，２２６，８９７，３９５４，９８７６，１４７２５，１９５２１｝である。Ｓ３に関し、（太字フォントで強調した）最初の１２個の疎分類群の累積存在量（５２５１）は、合計個体数（即ち４９３７３）の≧３％を含む。したがって、Ｓ３に関し、ＳＴ3＝１２である。
ステップ（ｄ）において、ステップ３ａ、３ｂ及び３ｃを繰り返し、各試料に対するＳＴｉの数を得る（ｉは、（１及び５０の両方を含む）１から５０までの範囲の５０の整数値を含む）。これにより、各試料に対し、それぞれ５０の値から構成されるセット（ＳＴ試料名）が生成される。
ＳＴ試料名＝｛ＳＴ1，ＳＴ2，ＳＴ3，．．．．．，ＳＴ50｝
ＳＴS1＝｛７，７，８，８，９，９，９，９，９，１０，１０，１０，１０，１０，１０，１０，１０，１１，１１，１１，１１，１１，１１，１１，１１，１１，１１，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３｝
ＳＴS2＝｛１０，１０，１０，１０，１１，１１，１１，１１，１１，１１，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１４，１４，１４，１４｝
ＳＴS3＝｛１１，１１，１２，１２，１２，１２，１２，１２，１２，１２，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３，１４，１４，１４，１４，１４，１４，１４，１４，１４，１４，１４，１４，１４，１４，１４，１４，１４，１４，１４，１４｝
更に、ステップ４において、累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴｊ）を計数し、リストＬを増加順で選別した場合、存在量値は、選別リスト「Ｌ」内の各微生物の存在量値が増加するランクで漸進的に累積される。
更に、ステップ４（ａ）において、値ｊ＝１であると考え、３つの微生物叢試料のそれぞれにおける合計個体数「Ｍ」の≧１％を含む「主分類群」の最小数（ＤＴ1）を以下に示す（選別した微生物の存在量は、各微生物の存在量値が増加する順で累積されている）。
Ｓ１＝｛１，１，１，１，７６，２４１，７４５，１０２７，２７８６，３５９８，４８６３，６７２１，７４５８，９８５２，１１９７４｝。上記の試料では、（太字フォントで強調した）最後の１つの分類群の累積存在量（１１９７４）は、合計個体数（即ち４９３４５）の≧１％を含む。したがって、Ｓ１に関し、ＤＴ1＝１である。
同様に、Ｓ２＝｛１，１，１，１，６，７，２３，５６，１１０，２０２８，３０７５，７３５４，１０３２６，１２４５６，１３８７９｝。Ｓ２に関し、（太字フォントで強調した）最後の１つの主分類群の累積存在量（１３８７９）は、合計個体数（即ち４９３２４）の≧１％を含む。したがって、Ｓ２に関し、ＤＴ1＝１である。
同様に、Ｓ３＝｛１，１，１，１，６，７，２３，５６，７８，２２６，８９７，３９５４，９８７６，１４７２５，１９５２１｝。Ｓ３に関し、（太字フォントで強調した）最後の１つの主分類群の累積存在量（１９５２１）は、合計個体数（即ち４９３７３）の≧１％を含む。したがって、Ｓ３に関し、ＤＴ1＝１である。
更に、ステップ４（ｂ）において、同様に、値ｊ＝２であると考え、３つの微生物叢試料のそれぞれにおける合計個体数「Ｍ」の≧２％を含む「主分類群」の最小数（ＤＴ2）を以下に示す（選別した微生物の存在量は、各微生物の存在量値が増加する順で累積されている）。
Ｓ１＝｛１，１，１，１，７６，２４１，７４５，１０２７，２７８６，３５９８，４８６３，６７２１，７４５８，９８５２，１１９７４｝。上記の試料では、（太字フォントで強調した）最後の１つの主分類群の累積存在量（１１９７４）は、合計個体数（即ち４９３４５）の≧２％を含む。したがって、Ｓ１に関し、ＤＴ2＝１である。
同様に、Ｓ２＝｛１，１，１，１，６，７，２３，５６，１１０，２０２８，３０７５，７３５４，１０３２６，１２４５６，１３８７９｝。Ｓ２に関し、（太字フォントで強調した）最後の１つの主分類群の累積存在量（１３８７９）は、合計個体数（即ち４９３２４）の≧２％を含む。したがって、Ｓ２に関し、ＤＴ2＝１である。
同様に、Ｓ３＝｛１，１，１，１，６，７，２３，５６，７８，２２６，８９７，３９５４，９８７６，１４７２５，１９５２１｝。Ｓ３に関し、（太字フォントで強調した）最後の１つの分類群の累積存在量（１９５２１）は、合計個体数（即ち４９３７３）の≧２％を含む。したがって、Ｓ３に関し、ＤＴ2＝１である。
更に、ステップ（ｄ）において、ステップ４ａ及び４ｂを繰り返し、各試料に対しＤＴjの数を得る（ｊは、（１及び５０の両方を含む）１から５０までの範囲の５０の整数値を含む）。この計算により、各試料に対し、それぞれ５０の値から構成されるセット（ＤＴ試料名）が生成される。
ＤＴ試料名＝｛ＤＴ1，ＤＴ2，ＤＴ3，．．．．．，ＤＴ50｝
ＤＴS1＝｛１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，３，３，３，３，３，３｝
ＤＴS2＝｛１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２｝
ＤＴS3＝｛１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，２，２，２，２，２，２，２，２，２，２，２｝
更に、ステップ５において、セット「ＤＴ」及び「ＳＴ」のデカルト積を計算し、ＤＴj及びＳＴj値に対応する複数の順位付き対を含むセット「Ｃ」を得る。例えば、試料Ｓ１に関し、セットＣS1は、以下の様式で得られる。
ＤＴS1＝｛１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，１，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，２，３，３，３，３，３，３｝
ＳＴS1＝｛７，７，８，８，９，９，９，９，９，１０，１０，１０，１０，１０，１０，１０，１０，１１，１１，１１，１１，１１，１１，１１，１１，１１，１１，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１２，１３，１３，１３，１３，１３，１３，１３，１３，１３，１３｝
ＣS1＝セットＤＴS1及びＳＴS1のデカルト積である。デカルト積セットＣS1を以下の表２に示す。
同様の方法で、試料２及び試料３それぞれに対するセットＣS2及びセットＣS3を得る。更に、ステップ６において、各試料に対し、それぞれのセットＣS1、セットＣS2及びセットＣS3における各順位付き対に対し（ＤＴj÷ＳＴi）を計算することにより、セット「ＤＳＲ」を導出する。
例えば、試料１に関し、（以下の表３で表す）セットＤＳＲS1は、セットＣS1内の各順位付き対に対する（ＤＴj÷ＳＴi）を計算することによって導出される。
同様の方法で、セットＤＳＲS2及びセットＤＳＲS3は、（それぞれ試料２及び試料３に対応する）セットＣS2及びセットＣS3における各順位付き対に対する（ＤＴj÷ＳＴi）を計算することによって導出する。
更に、ステップ７において、セット「ＤＳＲ」に対する中央傾向値（又は分布特性値）を各個の試料に対し計算する。この例では、セットＤＳＲの中央傾向値としてセットＤＳＲの「中央値」を考慮している。
セットＤＳＲS1の中央傾向値（中央値）＝０．１５３８
セットＤＳＲS2の中央傾向値（中央値）＝０．０９０９
セットＤＳＲS3の中央傾向値（中央値）＝０．０７６９
更に、ステップ８において、中央傾向値に対し数学的変換を適用することによって「分類学的構成歪み」（ＴＣＳ）値を計算する。この例では、数学的変換ステップは、１（即ち単位元）から中央傾向値を減算することを含む。
ＴＣＳ＝１－（セットＤＳＲの）中央傾向値
試料Ｓ１のＴＣＳ値／メトリック＝１－中央値（セットＤＳＲS1）＝１－０．１５３８＝０．８４６１。
試料Ｓ２のＴＣＳ値／メトリック＝１－中央値（セットＤＳＲS2）＝１－０．０９０９＝０．９０９
試料Ｓ３のＴＣＳ値／メトリック＝１－中央値（セットＤＳＲS3）＝１－０．０７６９＝０．９３２
ＴＣＳ＝１－（セットＤＳＲの）中央傾向値
試料Ｓ１のＴＣＳ値／メトリック＝１－中央値（セットＤＳＲS1）＝１－０．１５３８＝０．８４６１。
試料Ｓ２のＴＣＳ値／メトリック＝１－中央値（セットＤＳＲS2）＝１－０．０９０９＝０．９０９
試料Ｓ３のＴＣＳ値／メトリック＝１－中央値（セットＤＳＲS3）＝１－０．０７６９＝０．９３２
表４（以下）は、表４に示す３つの試料Ｓ１、Ｓ２及びＳ３の「微生物分類学的存在量プロファイル」を使用して計算した、セットＤＳＲの「中央傾向値」（セットＤＳＲの中央値）、「分類学的構成歪み」（ＴＣＳ）値の値を示す。
更に、ステップ９において、事前に決定した早産リスクのカテゴリ化閾値は以下の通りであることに留意されたい。
「高ＰＴＤリスク」：中央傾向値（中央値（ＤＳＲ））＞０．１１３；
「中ＰＴＤリスク」：０．０７８≦中央傾向値（中央値（ＤＳＲ））≦０．１１３；及び
「低ＰＴＤリスク」：中央傾向値（中央値（ＤＳＲ））＜０．０７８。
「高ＰＴＤリスク」：分類学的構成歪み（ＴＣＳ）値＜０．８８７；
「中ＰＴＤリスク」：０．８８７≦分類学的構成歪み（ＴＣＳ）値≦０．９２２；及び
「低ＰＴＤリスク」：分類学的構成歪み（ＴＣＳ）値＞０．９２２。
「高ＰＴＤリスク」：中央傾向値（中央値（ＤＳＲ））＞０．１１３；
「中ＰＴＤリスク」：０．０７８≦中央傾向値（中央値（ＤＳＲ））≦０．１１３；及び
「低ＰＴＤリスク」：中央傾向値（中央値（ＤＳＲ））＜０．０７８。
「高ＰＴＤリスク」：分類学的構成歪み（ＴＣＳ）値＜０．８８７；
「中ＰＴＤリスク」：０．８８７≦分類学的構成歪み（ＴＣＳ）値≦０．９２２；及び
「低ＰＴＤリスク」：分類学的構成歪み（ＴＣＳ）値＞０．９２２。
したがって、これらのリスク・カテゴリを適用した後、上記の例で分析した３つの試料は、以下のようにカテゴリ化することができる。
試料Ｓ１→高ＰＴＤリスク
試料Ｓ２→中ＰＴＤリスク
試料Ｓ３→低ＰＴＤリスク
試料Ｓ１→高ＰＴＤリスク
試料Ｓ２→中ＰＴＤリスク
試料Ｓ３→低ＰＴＤリスク
早産転帰リスクの決定に適用する際、メトリックとしてのＴＣＳ値の効率は、以下で示すように評価される。更に、例示的な一実施形態では、相互検証方策を利用し、（妊娠１５週以内で試料採取した）妊婦の膣微生物叢試料を使用して、早産（症例）及び正期産（対照）転帰の予測における分類学的構成歪み（ＴＣＳ）値の効率を評価することができる。この例示的な実施形態を更に利用し、メトリックとして、異なる早産リスクのカテゴリ化閾値のＴＣＳ値を決定することができる。
いくつかの多様性／不平等メトリック値を、出産転帰が既知である／記録されている妊娠対象／妊婦に対応する微生物叢試料に対して計算する。所与の多様性／不平等メトリックに基づき予測した出産転帰を、既知の／記録されている出産転帰に対して比較し、予測効率を評価する。所与の多様性／不平等メトリックに関し、マシューズ相関係数（ＭＣＣ）は、出産転帰予測メトリックの特異度及び感度を捉える尺度である。＋１の完全なＭＣＣ値は、多様性／不平等メトリックの値の完全な分離を示し、妊娠が早産転帰に進行した記録をもつ妊娠対象から得た微生物叢試料、及び妊娠が正期産転帰（即ち正常な臨月妊娠）に進行した記録をもつ妊娠対象から得た微生物叢試料に対応している。更に、図３を参照すると、分離範囲（ＥＳ）値は、本開示の例示的実施形態による、ＤTDとＤPTDの２つのセットの値の間の分離範囲を示し、ＤTDは、正期産転帰が既知である／記録されている妊娠対象に対応する試料からの所与の多様性メトリックに対し計算した値の範囲を表し、ＤPTDは、早産転帰が既知である／記録されている妊娠対象に対応する試料からの所与の多様性メトリックに対し計算した値の範囲を表す。より高いＥＳ値は、値セットの間でより良好な分離を示した。（例えば、妊娠１５週目まで毎週）分類学的構成歪み（ＴＣＳ）値を観察し、＋１の完全なＭＣＣ値を得る。したがって、妊娠１５週又はそれ以前の妊娠の任意の時点で妊娠対象（妊婦）から得た単一の膣微生物叢試料を利用し、ＴＣＳ値をメトリックとして使用して早産（ＰＴＤ）転帰リスクを正確に予測できることが想定できる。
検証研究は、データ・コーパスから取得した膣微生物叢試料（ｎ＝２１１）のサブセットに対し実施する。データ・コーパスは、本明細書に記載のように導出される。３つの既に刊行されている研究から公的に入手可能な膣微生物叢試料データを本発明の評価に使用する。各研究において、正期産転帰及び早産転帰に対応する試料の数を以下の表５に示す。
上述の膣微生物叢試料データに関する（Ｇｒｅｅｎｇｅｎｅｓ ＯＴＵバージョン１３．５に対応する）分類プロファイルの操作的分類単位（ＯＴＵ）レベルを得る。全評価工程の間、それぞれが最小５００の分類的に割り当てた配列を有する合計１０４５個の試料に対応するデータを分析する。１０４５個の微生物叢試料のそれぞれに対する「分類学的構成歪み」（ＴＣＳ）値を計算する。ＴＣＳ値に加えて、以下の確立され、広く利用されている生態的多様性指標、即ち、それぞれ、種の多様性、均一性及び豊富さを示すＳｈａｎｎｏｎ、Ｓｉｍｐｓｏｎ及びＣｈａｏも、利用可能な微生物叢試料に対して計算する。経済的不平等の把握に使用される統計的尺度、即ち、ジニ係数、Ｒｉｃｃｉ－Ｓｃｈｕｔｚ、Ａｔｋｉｎｓｏｎ、Ｔｈｅｉｌ及びデシル比（９０：１０）も計算し、指標が分類学的構成分布の歪みも捉え得るかどうかを確認する。
利用可能な微生物叢試料を３３個の週別の群に分離する。群「Ｎ週」は、妊娠Ｎ週目以内の任意の時点で試料採取した膣微生物叢から構成される（Ｎは８～４０の範囲である）。各群内の微生物叢試料は、それぞれ、「臨月」出産又は「早産」転帰の報告を示す「正期産」又は「早産」として標示する。各群に関し、正期産と早産との間を区別する個々の指標の診断値／能力は、「マシューズ相関係数（ＭＣＣ）」の観点から推測する。マシューズ相関係数（ＭＣＣ）は、以下の式（６）に示すように、選択した閾値を使用し、予測／分類に対する特異度及び感度の両方を捉える尺度である。式６に示す項ＴＰ、ＴＮ、ＦＰ、ＦＮは、典型的には、感度／特異度、又は分類技法の予測精度の定量化で使用する同様の尺度の計算で使用されるものである。
式（６）中、ＴＰ、ＴＮ、ＦＰ及びＦＮは、それぞれ、真陽性の予測、真陰性の予測、偽陽性の予測、及び偽陰性の予測の数を表す。
＋１の完全なＭＣＣ値は、早産及び正期産に対応する微生物叢試料の間の完全な分離を示す。各群に関し、正期産と早産との間を区別する個々の指標の診断値／能力は、最初に、所与の指標の異なる選択閾値に対し、マシューズ相関係数（ＭＣＣ）値を計算し、次に、最大ＭＣＣ値が得られる閾値を選択することによって推測する。所与の指標（多様性又は不平等尺度）に対する選択閾値が、正期産及び早産に対応する微生物叢試料の間で完全に区別／分離できるケース（即ち、ＭＣＣ＝＋１）では、分離範囲（ＥＳ）は更に評価される。より高いＥＳ値は、正期産試料及び早産試料である２つの群の微生物叢試料の間のより良好な分離を示す。
図３を参照すると、分離範囲（ＥＳ）は、更なる特徴であり、生態的多様性／経済的不平等メトリックを区別する能力を定量化できることを概略的に示す。分離範囲（ＥＳ）は、以下に示す式７及び式８を使用して計算する。
式７中、ＤTDは、正期産転帰に対応する全ての試料の所与の多様性／不平等メトリックのために計算した値のセットを表す。ＤPTDは、早産転帰に対応する全ての試料の所与の多様性／不平等メトリックのために計算した値のセットを表す。δ（最大Ｄ＿ＴＤ，最小Ｄ＿ＰＴＤ）は、セットＤTDの最大値とセットＤPTDの最小値との間の絶対差を表す。δ（最大Ｄ＿ＰＴＤ，最小Ｄ＿ＴＤ）は、セットＤPTDの最大値とセットＤTDの最小値と間の絶対差を表す。更に、Ｂ及びＡの値は、図３から参照することができる。
本開示の主な目的が、妊婦の早産転帰の「早期」リスク評価のためのシステム及び方法を提供することであることを考慮し、最初の１５週の妊娠のみに対応する試料を使用して得た評価結果を表６に示す。表６は、妊娠の最初の１５週の妊婦の膣微生物叢からの早産転帰の予測における、様々な多様性及び不平等指標の有用性の比較評価を提供する。表６に示すデータ・サブセットは、妊娠１５週以内の妊婦から得た膣微生物叢試料のみから構成される。試料は、それぞれ、「臨月」出産又は「早産」転帰（の報告）を示す「正期産」又は「早産」として適切に標示する。
表６において、＋１の完全なＭＣＣ値は、症例（早産）及び対照（正期産）に対応する微生物叢試料の間の完全な分離を示す。各妊娠週で示される試料数は、それぞれの妊娠週又はそれ以前の任意の時点で試料採取した全ての膣微生物叢試料を含む。閾値多様性又は不平等尺度が、正期産及び早産転帰に対応する試料の間で完全に区別／分離できる場合（即ち、ＭＣＣ＝＋１）、分離範囲（ＥＳ）は、更に評価され、ＭＣＣ値に隣接する括弧内に示されている。より高いＥＳ値は、２つの群の試料の間のより良好な分離を示す。各妊娠週において、達成した最良のＭＣＣ及びＥＳ値は、太字フォントで示す。
表６に示すように、得られた結果は、正期産及び早産転帰を伴う妊婦から得た膣微生物叢試料の間の生態的多様性／経済的不平等尺度の有意な差を示す。１つ又は複数の指標を観察し、＋１の完全なＭＣＣ値（即ち、選択閾値を使用する、正期産及び早産に関連する試料の間の完全な分離）を得る。微生物叢試料は、妊娠１５週以内、即ち、８週から１５週までのものを収集する。表６は、妊娠の最初の１５週の妊婦の膣微生物叢からの早産転帰の予測における、様々な多様性及び不平等指標の有用性の比較評価を示す。各妊娠週において、達成した最良のＭＣＣ値は太字フォントで示し、ＥＳ値はＭＣＣ値に隣接して括弧内に示す。各妊娠週で示される試料数は、それぞれの妊娠週又はそれ以前の任意の時点で試料採取した膣微生物叢試料を含む。
表６に示すように、指標の比較の中で、本開示で開示するメトリックとしての「分類学的構成歪み」（ＴＣＳ）値は、全ての他の指標より優れていることが観察される。更に、ＴＣＳ値を観察し、（妊娠１５週目まで毎週）＋１の完全なＭＣＣ値を得ることにより、単一の微生物叢試料、例えば、妊娠１５週目又はそれ以前の妊娠の任意の時点で妊婦から得た膣微生物叢試料を利用し、効果的、確実な方法で早産転帰リスクを正確に診断又は予測できることを示す。より重要なことには、（＋１のＭＣＣ値が得られるケースにおいて）様々なメトリック／指標で得られたＥＳ（分離範囲）値の比較は、ＴＣＳ値を有するＥＳが、他の比較メトリック／指標で得られたＥＳよりも５～９％高いことを示す。より高いＥＳ値は、メトリック／指標を区別する能力に対してより高い量の信頼度を示す。原理として、（妊娠１５週以前で得られた）個々の膣微生物叢試料の分類プロファイルから得られたＴＣＳ値は、早産リスクを把握するのに役立ち得るが、現実世界の設定では、あらゆる予防的、治療的又はカウンセリング対策を開始する前に、可能な限り、（例えば毎週）同じ対象から多数の試料を得、早産リスクを把握することが理想的であり得る。
（例えば、妊娠１５週目まで毎週）ＴＣＳ値を観察し、＋１の完全なＭＣＣ値を得る。したがって、妊娠１５週目又はそれ以前の妊娠の任意の時点で対象（妊婦）から得た単一の膣微生物叢試料を利用し、ＴＣＳ値をメトリックとして使用して、早産（ＰＴＤ）転帰リスクを正確に予測し得ることが想定できる。
無作為の二次試料相互検証実験を繰り返し実施し、妊娠転帰の予測におけるＴＣＳの効率並びに様々な多様性及び不平等メトリックを更に評価した。これらの実験は、ＴＣＳメトリックのための早産リスクのカテゴリ化閾値を決定するためにも使用した。相互検証実験（複数可）に関し、３分の２の試料を無作為に選択し、無作為に選択した試料を「訓練セット」として使用し、ＴＣＳ値のための閾値を決定する。ＴＣＳ値は、早産（症例）及び正期産（対照）転帰に対応する微生物叢試料の間に（ＭＣＣ値の点で定量化した）最大分離をもたらすものである。次に、このように決定した閾値の効率を、残りの３分の１の微生物叢試料から構成される「検査セット」を使用して評価する。上記の手順を１０００回繰り返す。繰返しのそれぞれにおいて、６つのパラメータ、即ち、精度、感度、特異度、陽性予測値（ＰＰＶ）、陰性予測値（ＮＰＶ）及びマシューズ相関係数（ＭＣＣ）の点で、ＴＣＳ値の閾値の効率を評価する。１０００回の繰返しにわたる６つの評価パラメータの平均値を以下の表７に提供する。表７は、Ｓｈａｎｎｏｎ、Ｓｉｍｐｓｏｎ、Ｃｈａｏｌ、ジニ係数、Ｒｉｃｃｉ－Ｓｃｈｕｔｚ、Ａｔｋｉｎｓｏｎ、Ｔｈｅｉｌ、デシル比から構成される他の「生態的多様性／経済的不平等」メトリックに対して実施した同じ相互検証実験（複数可）の結果も含む。
表７は、（妊娠１５週以内の妊婦から採取した膣微生物叢試料に対する）相互検証実験の結果を示し、結果は、精度、感度、特異度、陽性予測値（ＰＰＶ）、陰性予測値（ＮＰＶ）及びマシューズ相関係数（ＭＣＣ）の点における様々な評価メトリックに対する効率の比較を提供する。ＰＰＶ＝ＴＰ／（ＴＰ＋ＦＰ）；ＮＰＶ＝ＴＮ／（ＴＮ＋ＦＮ）；精度＝（ＴＰ＋ＴＮ）／（ＴＰ＋ＴＮ＋ＦＰ＋ＦＮ）；感度＝ＴＰ／（ＴＰ＋ＦＮ）；特異度＝ＴＮ／（ＴＮ＋ＦＰ）。各メトリックに対する１０００回の繰返し相互検証にわたる６つの評価パラメータの平均値を表７に示し、達成された最良の値は、太字フォントで示す。標準偏差値は、それぞれの平均値の下の括弧内に示す。表７の値は、小数点第２位まで四捨五入されている。
表７に示すデータから明らかであるように、メトリックとして使用したＴＣＳ値は、有意により高い値の精度、感度、特異度、ＰＰＶ及びＮＰＶを得ており、このことは、妊娠１５週以内で採取した単一の膣微生物叢試料からの早産リスクの正確な診断／予測におけるＴＣＳ値の有用性を明らかに示している。
例示的実施形態によれば、早産「リスクのカテゴリ化」に対するＴＣＳ値の閾値を定義するために、以下の手順を採用する。一例によれば、上記した相互検証実験において、ＴＣＳ値（メトリック）に対する最小閾値及び最大閾値を０．８８７及び０．９２２として特定する。これら最小閾値及び最大閾値は、１０００回の無作為に選択した訓練セットから得られ、１０００回の繰返しのそれぞれにおいて最大のＭＣＣ値をもたらしたものである。これらの最小及び最大ＴＣＳ閾値を、３つの早産「リスク・カテゴリ」を定義するために考慮する。カテゴリとは、臨床現場において、妊婦に、早産（ＰＴＤ）転帰リスクに対する定性的な評価を与えることを意味する。カテゴリを以下に詳述する：ＴＣＳ＜０．８８７→「高ＰＴＤリスク」、０．８８７≦ＴＣＳ≦０．９２２→「中ＰＴＤリスク」及びＴＣＳ＞０．９２２→「低ＰＴＤリスク」。
本開示の別の実施形態では、早産リスクのカテゴリ化モジュールは、以下のものに適した、様々なセットの事前に定義したリスクのカテゴリ化閾値を利用することができる：１）妊娠中の異なる時点で収集した１つ又は複数の微生物叢試料、２）膣以外の身体部位から収集した１つ又は複数の微生物叢試料、及び３）異なる地理、民族に属する対象、又は早産転帰に関する様々な母体リスク因子と共に評価した対象から収集した１つ又は複数の微生物叢試料。そのような事前に定義したカテゴリ化閾値は、関連するコホートから得た微生物叢データを分析することによって計算することができる。
一実施形態による、本開示の１つ又は複数の利点を本明細書で説明する。しかし、本明細書に記載する本開示の利点は、以下で述べる利点に限定されるものではない。
一実施形態では、システム及び方法は、妊娠１５週以内又は１５週より早期の早産転帰リスクを評価し、早産リスク又は素因を有意に高い陽性予測値（ＰＰＶ）で正確に予測する。
別の実施形態では、システム及び方法は、妊娠中、常に早産転帰リスクを評価し、早産リスク又は素因を有意に高い陽性予測値（ＰＰＶ）で正確に予測する。
システム及び方法は、微生物叢試料の微生物分類学的存在量プロファイルから得たセット「ＤＳＲ」の分布特性値、又は微生物叢試料の微生物分類学的存在量プロファイルに基づき計算した分類学的構成歪み値の少なくとも１つに基づき、妊娠対象に対する早産リスクの決定を可能にする。セット「ＤＳＲ」の分布特性値は、セットＤＳＲの中央傾向値を含む。
システム及び方法は、微生物叢試料の微生物分類学的存在量プロファイルから得たセット「ＤＳＲ」の中央傾向値等の分布特性値、又は分類学的構成歪み値の少なくとも１つに基づき、妊娠対象に対する早産リスクの決定を可能にし、妊娠対象の正期産及び早産の予測において十分な分離範囲を示し、したがって、セット「ＤＳＲ」の中央傾向値、分布特性値、及び分類学的構成歪みは、妊娠対象の正期産及び早産における予測精度及びより良好な区別能力を有する。
本開示の方法及びシステムにより得られる高ＰＰＶは、早産リスクのない妊娠対象と比較して、早産の潜在的リスクがある妊娠対象を不正確にカテゴリ化する１つ又は複数の可能性を有意に最小化する。
更に、本開示のシステム及び方法は、（ＰＴＤ転帰リスクを検出した）妊婦／妊娠対象に、必要な「予防的／矯正的な」医療アドバイス又は措置に従うための十分な時間をもたらし、ＰＴＤリスクを低減又はなくす。
微生物叢ベースの方法であることにより、本開示は、初めての妊娠、又は膣感染若しくは胎児若しくは子宮異常若しくは既知のリスク因子（例えば以前の早産履歴）によるものではない早産転帰のケースにさえ適用可能である。
本開示で開示する試料採取方法及びシステムは、非侵襲的試料収集技法から構成され、したがって、早産リスクを評価する本開示の方法及びシステムは、妊娠対象にとってより快適なものである。更に、本開示の方法では、正確な診断を行うのに単一試料で十分である。
更に、従来技術が採用する試料採取技法は、場合によっては侵襲性で、典型的には妊娠のより後の段階で適用可能であるが、本開示のシステム及び方法は、妊娠の最初の１５週以内の任意の時間で得た試料が必要であり、試料採取処置のために妊娠対象が受けるあらゆる不快感は、こうした従来技術の試料採取技法と比較すると著しく低いものである。
一部の従来技術は、ＰＴＤの素因として細菌性膣症（ＢＶ）を示唆している。したがって、一部の従来技術方法には、ＰＴＤに対する素因を予測するために、膣スワブ中の「特異的」細菌性病原体の存在量又は存在の監視を伴う。本開示は、妊娠対象から得た微生物叢試料の研究を伴う予測方法を示すが、いくつかの点でそのような従来技術とは異なる。本開示は、ＰＴＤリスクの予測又は評価について、単なる特異的細菌性病原体の存在量の変化に基礎を置くものではない。ＰＴＤ転帰リスクを評価する本開示のシステム及び方法は、（対象がＢＶを有しているか否かは無関係に）微生物叢試料中に存在する微生物群の集団レベルでの特性に基づく。
妊娠対象の早産転帰リスクを評価するシステム及び方法は、本明細書に示す以下の刊行物から公的に入手可能な膣微生物叢データを使用して検査、検証するものであり、刊行物には、Ｒｏｍｅｒｏ等、Ｍｉｃｒｏｂｉｏｍｅ、２０１４年５月（非特許文献２）、Ｒｏｍｅｒｏ等、Ｍｉｃｒｏｂｉｏｍｅ、２０１４年２月（非特許文献３）、及びＤ Ｂ ＤｉＧｉｕｌｉｏ等、ＰＮＡＳ、２０１５年９月（非特許文献４）を含む。
次に、図４を参照すると、本主題の一実施形態による、妊娠対象に対する早産転帰の早期リスク評価のための方法４００が示されている。方法４００は、コンピュータ実行可能命令の一般的な状況で説明することができる。概して、コンピュータ実行可能命令は、特定の機能を実施するか又は特定の抽象データ型を実施するルーチン、プログラム、オブジェクト、構成要素、データ構造、プロシージャ、モジュール、機能等を含むことができる。方法４００は、通信ネットワークを通じて結合させた遠隔処理デバイスによって機能を実施する分散コンピューティング環境内で実行することもできる。分散コンピューティング環境において、コンピュータ実行可能命令は、メモリ記憶デバイスを含めて、ローカル及び遠隔コンピュータ記憶媒体の両方に位置することができる。
方法４００を記載する順は、制限として解釈することを意図するものではなく、記載する方法ブロックの任意の数を任意の順で組み合わせて、方法４００を実施するか又は方法を交互にすることができる。更に、個々のブロックは、本明細書に記載の主題の趣旨及び範囲から逸脱することなく方法４００から削除することができる。更に、方法は、あらゆる適切なハードウェア、ソフトウェア、ファームウェア又はそれらの組合せにおいて実施することができる。しかし、説明を簡単にするために、以下で説明する実施形態において、方法４００は、上記のシステム１００内で実施すると考慮することができる。
ステップ４０２において、妊娠対象から微生物叢試料を得ることができる。妊娠対象からの微生物叢試料は、妊娠の最初の１５週以内、又は妊娠の第１三半期以内、又は妊娠の第２三半期以内で得ることができ、妊娠対象は女性である。別の態様では、妊娠対象からの微生物叢試料は、妊娠の最初の２８週以内、又は妊娠の最初の３７週以内で受け取ることができ、妊娠対象は妊婦である。妊娠対象からの微生物叢試料は、妊娠中の任意の時点で受け取ることができる。一実施形態では、妊娠対象は、妊婦である。別の態様では、妊娠対象は、雌の胎生動物である。別の実施形態では、微生物叢試料は、妊娠期間全体の間の任意の時点で妊娠対象から収集し、妊娠対象に対するＰＴＤ転帰リスクを評価することができる。
一実装形態では、微生物叢試料受け１１０は、妊娠対象からの微生物叢試料を収集又は受け取ることができる。微生物叢試料は、妊娠対象の口、皮膚、腸、膣又は他の身体部位から得ることができる。微生物叢試料は、膣スワブ試料、頚管粘液試料、子宮頚部スワブ試料、円蓋のスワブ試料を含む膣スワブ、尿試料、羊水試料、血液試料、血清試料、血漿試料、胎盤スワブ、臍帯スワブ、便試料、皮膚スワブ、口腔スワブ、唾液試料、歯周部スワブ、咽頭スワブ、鼻腔スワブ、小胞液試料、鼻咽頭スワブ、鼻孔スワブ、結膜スワブ、性器スワブ、直腸スワブ、気管吸引液及び気管支スワブを含む群から選択される。
更に、一実施形態では、方法は、ステップ４０４において、微生物叢特性化プラットフォーム１０８を介して、微生物叢試料の微生物叢特性化データを得ることを含む。微生物叢特性化データは、配列決定技法、顕微鏡検査、フロー・サイトメトリ法、インビトロ培養ベースの方法、１つ若しくは複数の酵素若しくは蛍光アッセイ、又は分光同定を伴う１つ若しくは複数のアッセイ、及び複合微生物集団からの信号選別を含む１つ又は複数の技法の適用によって得られ、微生物叢特性化データには、微生物の配列決定ＤＮＡデータ、顕微鏡撮像データ、フロー・サイトメトリ細胞測定データ、インビトロ培養で成長させた微生物の群体数及び細胞表現データ、並びに信号強度データを含む。
一実施形態では、微生物叢試料を受け取った後、ステップ４０４において、微生物の配列決定ＤＮＡデータを、微生物叢試料の配列決定プラットフォーム１１２を介して得る。微生物の配列決定ＤＮＡデータを得ることは、少なくとも１つのＤＮＡ抽出技法を使用して、微生物叢試料中に存在する複数の微生物に対応する微生物のＤＮＡを単離することを含む。一実装形態では、配列決定プラットフォーム１０６は、少なくとも１つのＤＮＡ抽出技法を使用して、微生物叢試料中に存在する複数の微生物に対応する微生物のＤＮＡを単離する。
更に、ステップ４０４において、少なくとも１つのＤＮＡ配列決定技法を使用して微生物のＤＮＡを配列決定し、微生物の配列決定ＤＮＡデータを得る。一実装形態では、配列決定プラットフォーム１１２は、少なくとも１つのＤＮＡ配列決定技法を使用して微生物のＤＮＡを配列決定し、微生物の配列決定ＤＮＡデータを得る。一態様では、微生物のＤＮＡ由来の細菌性１６Ｓ ｒＲＮＡ及び２３Ｓ ｒＲＮＡマーカ遺伝子を増幅させ、配列決定する。別の態様では、微生物のＤＮＡ由来の細菌性１６Ｓ ｒＲＮＡ又は２３Ｓ ｒＲＮＡマーカ遺伝子の全長又は１つ若しくは複数の特異的可変領域のいずれかを増幅させ、配列決定する。一実装形態では、配列決定プラットフォーム２１２は、微生物叢試料から抽出した微生物のＤＮＡ由来の細菌性１６Ｓ ｒＲＮＡ又は２３Ｓ ｒＲＮＡマーカ遺伝子を増幅させ、配列決定する。
一実施形態では、微生物のＤＮＡから１つ又は複数の系統マーカ遺伝子を増幅させ、配列決定することができる。ＤＮＡ配列決定技法は、次世代配列決定技法から選択することができ、次世代配列決定技法には、全ゲノム・ショットガン（ＷＧＳ）配列決定技法、断片ライブラリベースの配列決定技法、メイトペア・ライブラリ、若しくはペアードエンド・ライブラリベースの配列決定技法、又はそれらの組合せを含む。
更に、一実施形態では、微生物叢特性化データを得た後、ステップ４０６において、微生物叢試料の「微生物分類学的存在量プロファイル」は、ハードウェア・プロセッサによって、１つ又は複数の分類区分化技法を使用して微生物叢特性化データを計算分析することによって生成することができる。
更に、別の実施形態では、ステップ４０６において、微生物叢試料の「微生物分類学的存在量プロファイル」は、ハードウェア・プロセッサによって、１つ又は複数の分類区分化技法を使用して、微生物の配列決定ＤＮＡデータを計算分析することによって生成する。「微生物分類学的存在量プロファイル」は、微生物叢試料中に存在する様々な個々の「分類群」の存在量値を含む。一実装形態では、微生物分類学的存在量プロファイル生成モジュール２１０は、ハードウェア・プロセッサによって、１つ又は複数の分類区分化技法を使用して、微生物の配列決定ＤＮＡデータを計算分析し、微生物叢試料の「微生物分類学的存在量プロファイル」を生成する。本開示の別の態様では、微生物叢試料の微生物分類学的存在量プロファイルは、１つ又は複数の技法を使用する微生物叢試料の分析によって生成することができ、１つ又は複数の技法には、顕微鏡検査、フロー・サイトメトリ法、インビトロ培養ベースの方法、１つ若しくは複数の酵素若しくは蛍光アッセイ、又は分光同定を伴う１つ若しくは複数のアッセイ、及び複合微生物集団からの信号選別を含む。
「微生物分類学的存在量プロファイル」を生成した後、ステップ４０８において、「微生物分類学的存在量プロファイル」を計算モジュール２１２が受け取る。微生物分類学的存在量プロファイルは、微生物叢試料中に存在する複数の微生物のそれぞれの存在量値を含む。更に、ステップ４０８において、「分類学的構成歪み」値、及び「微生物分類学的存在量プロファイル」の分布特性値を計算する。「分類学的構成歪み」値及び分布特性値は、微生物分類学的存在量プロファイルからの複数の微生物の存在量値の偏りを定量化する。「分類学的構成歪み」値及び分布特性値の計算は、以下のステップを含む。「分類学的構成歪み」値及び分布特性値の計算は、ステップ４０８において、以下で説明する複数のステップを更に含む。ステップ４０８は、図５－ａ及び図５－ｂに示すステップ５０２～５１８を更に含む。
図５－ａ及び図５－ｂを参照して、ステップ５０２～５１８をここで説明する。ステップ５０２において、合計個体数「Ｍ」は、微生物分類学的存在量プロファイルからの複数の微生物の存在量値の和の計算によって得られる。更に、ステップ５０４において、微生物分類学的存在量プロファイルからの複数の微生物の存在量値を含む選別リスト「Ｌ」を生成する。選別リスト「Ｌ」は、「微生物分類学的存在量プロファイル」中に存在する複数の微生物のそれぞれの存在量値を、存在量値が増加する順又は減少する順でランク付けしたものから構成される。リストＬを存在量値の増加順で選別した場合、選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「疎分類群」に対応し、選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「主分類群」に対応し、リストＬを存在量値の減少順で選別した場合、選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「主分類群」に対応し、選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「疎分類群」に対応する。
更に、ステップ５０６において、累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数する。存在量値は、リストＬを増加順で選別した場合、選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積される。又は累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数し、存在量値は、リストＬを減少順で選別した場合、選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積される。「ｉ」は、整数又は小数である。一態様では、「ｉ」及び「ｊ」の値の事前に定義した範囲は、（０＜ｉ≦５０であり、０＜ｊ≦５０であるような）０から５０までの中にある。別の態様では、「ｉ」及び「ｊ」の値の事前に定義した範囲は、（０＜ｉ≦１００であり、０＜ｊ≦１００であるような）０から１００までの中にある。
更に、ステップ５０８において、累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数し、リストＬを増加順で選別した場合、存在量値は、選別リスト「Ｌ」内の各微生物が減少するランクで漸進的に累積される。又は、累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数し、リストＬを減少順で選別した場合、存在量値は、選別リスト「Ｌ」内の各微生物が増加するランクの順で漸進的に累積される。「ｊ」は、整数又は小数である。
更に、ステップ５１０において、ステップ５０６及び５０８を繰り返し、「ｉ」及び「ｊ」の値の事前に定義した範囲のＳＴi及びＤＴjの計数を得、２つのセットの値「ＳＴ」及び「ＤＴ」をそれぞれ生成し、ｉ及びｊは、事前に定義した範囲内の２つの同一の等差数列に属する。等差数列の連続項の間の公差は、事前に定義した整数又は事前に定義した小数値である。
更に、ステップ５１２において、セット「ＤＴ」及び「ＳＴ」のデカルト積を計算し、ＤＴj及びＳＴi値に対応する複数の順位付き対を含むセット「Ｃ」を得る。
更に、ステップ５１４において、セット「Ｃ」における各順位付き対の（ＤＴj÷ＳＴi）を計算することにより、セット「ＤＳＲ」を導出する。セット「ＤＳＲ」は、ｉ及びｊの値の範囲の各ＤＴj項を各ＳＴi項によって除算することにより導出する。ｉ及びｊの値は、事前に定義した範囲で変動する。ｉ及びｊの事前に定義した範囲は、ｉ＋ｊが１００に等しいように定義する。
更に、ステップ５１６において、セット「ＤＳＲ」の分布特性値を計算する。一例では、セット「ＤＳＲ」の分布特性値は、セットＤＳＲの中央傾向値を含む。セットＤＳＲの分布特性値は、セットＤＳＲの最大値、セットＤＳＲの最小値、セットＤＳＲの分散、セットＤＳＲの歪み、又はセットＤＳＲの値の分布の様式、対称性及び変動性を特性化するメトリックを更に含む。一態様では、セット「ＤＳＲ」の中央傾向値は、平均、中央値、態様、又はセットＤＳＲの値の分布全体の典型として単一の値を特定するあらゆる統計的尺度の１つである。本開示の一態様では、セット「ＤＳＲ」の分布特性値は、「微生物分類学的存在量プロファイル」に基づき計算し、妊娠対象の早産リスクは、セット「ＤＳＲ」の分布特性値に基づき決定する。
セットＤＳＲの分布特性値を計算した後、ステップ５１８において、分布特性値に対し数学的変換を適用することによって「分類学的構成歪み」値を計算する。「分類学的構成歪み」値は、セットＤＳＲの中央傾向値を含む分布特性値に対し数学的変換を適用することによって計算する。「分類学的構成歪み」値は、セットＤＳＲの分布特性値に対し数学的変換を適用することによって計算し、セットＤＳＲの分布特性値は、セットＤＳＲの最大値、セットＤＳＲの最小値、セットＤＳＲの分散、セットＤＳＲの歪み、又はセットＤＳＲの値の分布の様式、対称性及び変動性を特性化するメトリックの１つを含む。中央傾向値に対し適用した数学的変換は、単位元から中央傾向値を減算すること、又は中央傾向値の逆数を計算すること、又はセットＤＳＲの低次の中央傾向値に対する高次の数値の分類学的構成歪みの生成をもたらし、その逆の生成も同様にもたらす数学的変換法を含む。
更に、図４を参照すると、ステップ４１０において、ハードウェア・プロセッサによって、セットＤＳＲの中央傾向値、セット「ＤＳＲ」の分布特性値、又は「分類学的構成歪み」値の少なくとも１つに基づき、妊娠対象に対する早産リスクを決定する。
更に、ステップ４１２において、妊娠対象に対する早産リスクを決定することは、１つ又は複数の早産リスク・カテゴリに妊娠対象をカテゴリ化することを更に含み、カテゴリ化は、セットＤＳＲの中央傾向値、セット「ＤＳＲ」の分布特性値、又は「分類学的構成歪み」値の少なくとも１つに基づく。１つ又は複数のリスク・カテゴリは、低早産リスク・カテゴリ、中早産リスク・カテゴリ、及び高早産リスク・カテゴリを含む。
微生物叢試料が妊婦から得た微生物叢試料である場合、低早産リスク・カテゴリは、０．９２２を超える「分類学的構成歪み」値で示され、中早産リスク・カテゴリは、０．８８７から０．９２２までの範囲の「分類学的構成歪み」値で示され、高早産リスク・カテゴリは、０．８８７未満の「分類学的構成歪み値」で示され、「分類学的構成歪み」値は、単位元から、セットＤＳＲの計算した中央値を除算することによって得る。
微生物叢試料が、妊婦から得た膣微生物叢試料である場合、高早産リスク・カテゴリは、０．１１３を超えるセットＤＳＲの中央傾向値で示され、中早産リスク・カテゴリは、０．０７８から０．１１３の範囲のセットＤＳＲの中央傾向値で示され、低早産リスク・カテゴリは、０．０７８未満のセットＤＳＲの中央傾向値で示され、セットＤＳＲの中央傾向値は、セットＤＳＲの中央値である。
一実装形態では、ステップ４０８におけるセットＤＳＲの「分類学的構成歪み」値及び分布特性値の計算に対応するステップ５０２～５１８は、計算モジュール２１２によって実行する。
上記の説明は、様々な実施形態を参照しながら提示してきた。本出願が関係する技術分野の当業者であれば、本発明の原理、趣旨及び範囲から意味を逸脱することなく、記載した構造及び実施方法に対する代替形態及び変更形態を実行し得る。
Claims (10)
- 妊娠期間中の妊娠対象から得られた微生物叢試料を分析することによって集められたデータに基づいて、妊娠対象に対する早産リスクを、コンピュータによるデータ処理で評価する方法であって、
妊娠中のヒト被験者である妊娠対象から微生物叢試料を得ること；
配列決定プラットフォーム１１２を介して、前記微生物叢試料からの微生物の配列決定ＤＮＡデータを得ることであって、前記微生物の配列決定ＤＮＡデータを得ることは、
少なくとも１つのＤＮＡ抽出技法を使用して、前記微生物叢試料中に存在する複数の微生物に対応する微生物のＤＮＡを単離すること；及び、
微生物の配列決定したＤＮＡデータを得るために、少なくとも１つのＤＮＡ配列決定技法を使用して微生物のＤＮＡを配列決定すること
を含む、得ること；並びに、
ハードウェア・プロセッサ２０２によって、１つ又は複数の分類区分化技法を使用して、微生物の前記配列決定ＤＮＡデータを計算分析することによって、前記微生物叢試料の「微生物分類学的存在量プロファイル」を生成すること、を更に含み、
前記微生物分類学的存在量プロファイルは、前記微生物叢試料中に存在する複数の微生物のそれぞれの存在量値を含む、受け取ること；
前記ハードウェア・プロセッサ２０２によって、「分類学的構成歪み」値、及び前記「微生物分類学的存在量プロファイル」の分布特性値の少なくとも１つを計算することであって、前記「分類学的構成歪み」値及び前記分布特性値は、前記「微生物分類学的存在量プロファイル」からの複数の微生物の存在量値の偏りを定量化し、前記「分類学的構成歪み」値及び前記分布特性値の計算は、
ａ）前記微生物分類学的存在量プロファイルからの複数の微生物の存在量値の和の計算によって、合計個体数「Ｍ」を得ること；
ｂ）前記微生物分類学的存在量プロファイルからの複数の微生物のそれぞれの存在量値を含む選別リスト「Ｌ」を生成することであって、前記選別リスト「Ｌ」は、存在量値の昇順又は降順でランク付けした微生物分類学的存在量プロファイル中に存在する複数の微生物のそれぞれの存在量値から構成され、前記リストＬを存在量値の増加順で選別した場合、前記選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「疎分類群」に対応し、前記選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「主分類群」に対応し、前記リストＬを存在量値の減少順で選別した場合、前記選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「主分類群」に対応し、前記選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「疎分類群」に対応する、生成すること；
ｃ）累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数することであって、前記リストＬを増加順で選別した場合、前記存在量値は、前記選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積される、又は累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数することであって、前記リストＬを減少順で選別した場合、前記存在量値は、前記選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積され、「ｉ」は、整数又は小数である、計数すること；
ｄ）累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数することであって、前記リストＬを増加順で選別した場合、前記存在量値は、前記選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積される、又は累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数することであって、前記リストＬを減少順で選別した場合、前記存在量値は、前記選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積され、「ｊ」は、整数又は小数である、計数すること；
ｅ）「ｉ」及び「ｊ」の事前に定義した範囲の値のＳＴi及びＤＴjの計数を得、２つのセットの値「ＳＴ」及び「ＤＴ」をそれぞれ生成するために、前記ステップ「ｃ」及び「ｄ」を繰り返すことであって、ｉ及びｊは、事前に定義した範囲内の２つの同一の等差数列に属し、等差数列の連続項の間の公差は、事前に定義した整数又は事前に定義した小数値である、繰り返すこと；
ｆ）ＤＴj及びＤＴj値に対応する複数の順位付き対を含むセット「Ｃ」を得るために、前記セット「ＤＴ」及び「ＳＴ」のデカルト積を計算すること；
ｇ）前記セット「Ｃ」における各順位付き対の（ＤＴj÷ＳＴi）を計算することにより、セットＤＳＲを導出すること；
ｈ）前記「微生物分類学的存在量プロファイル」の分布特性値である前記セットＤＳＲの分布特性値を計算することであって、前記セットＤＳＲの中央傾向値を含む、計算すること；
ｉ）前記セットＤＳＲの中央傾向値を含む分布特性値に対し数学的変換を適用することによって前記「分類学的構成歪み」値を計算すること；
を含む、計算することと；
前記ハードウェア・プロセッサ２０２によって、前記セットＤＳＲの中央傾向値、又は前記「分類学的構成歪み」値の少なくとも１つの、事前に定義した閾値との差に基づき、妊娠対象に対する早産リスクを決定することとを含み、
前記セットＤＳＲの中央傾向値が、セットＤＳＲの中央値であり、
前記妊娠対象に対する早産リスクの決定は、１つ又は複数の早産リスク・カテゴリに妊娠対象をカテゴリ化することを更に含み、前記カテゴリ化は、前記セットＤＳＲの中央傾向値、前記セットＤＳＲの分布特性値、又は「分類学的構成歪み」値の少なくとも１つの、事前に定義した閾値との差に基づき、前記１つ又は複数のリスク・カテゴリは、低早産リスク・カテゴリ、中早産リスク・カテゴリ、及び高早産リスク・カテゴリを含み、
妊婦から得た膣微生物叢試料の場合、前記低早産リスク・カテゴリは、前記事前に定義した閾値０．９２２を超える「分類学的構成歪み」値で示され、前記中早産リスク・カテゴリは、前記事前に定義した閾値０．８８７から０．９２２までの範囲の「分類学的構成歪み」値で示され、前記高早産リスク・カテゴリは、前記事前に定義した閾値０．８８７未満の「分類学的構成歪み値」で示され、前記「分類学的構成歪み」値は、単位元から、前記セットＤＳＲの計算した中央値を減算することによって得られ、
妊婦から得た膣微生物叢試料の場合、前記高早産リスク・カテゴリは、前記事前に定義した閾値０．１１３を超える前記セットＤＳＲの中央傾向値で示され、前記中早産リスク・カテゴリは、前記事前に定義した閾値０．０７８から０．１１３までの範囲の前記セットＤＳＲの中央傾向値で示され、前記低早産リスク・カテゴリは、前記事前に定義した閾値０．０７８未満の前記セットＤＳＲの中央傾向値で示され、前記セットＤＳＲの前記中央傾向値は、前記セットＤＳＲの中央値である
ことを特徴とする方法。 - 前記微生物叢試料は、妊娠の最初の１５週以内、又は妊娠の第１三半期以内、又は妊娠の第２三半期以内の妊娠対象から得られ、前記妊娠対象は妊婦である
請求項１に記載の方法。 - 前記微生物叢試料は、妊娠期間の間の任意の時点で妊娠対象から得られる
請求項１に記載の方法。 - １）微生物のＤＮＡ由来の細菌性１６Ｓ ｒＲＮＡ若しくは２３Ｓ ｒＲＮＡマーカ遺伝子を増幅させ、配列決定すること、２）微生物のＤＮＡ由来の細菌性１６Ｓ ｒＲＮＡ若しくは２３Ｓ ｒＲＮＡの全長又は１つ若しくは複数の特異的領域のいずれかを増幅させ、配列決定すること、又は３）微生物のＤＮＡ由来の１つ又は複数の系統マーカ遺伝子を増幅させ、配列決定することの少なくとも１つを更に含む
請求項１に記載の方法。 - 前記少なくとも１つのＤＮＡ配列決定技法は、次世代配列決定技法から選択され、前記次世代配列決定技法は、全ゲノム・ショットガン（ＷＧＳ）配列決定、断片ライブラリベースの配列決定技法、メイトペア・ライブラリ、若しくはペアードエンド・ライブラリベースの配列決定技法、又はそれらの組合せを含む
請求項１に記載の方法。 - 「ｉ」及び「ｊ」の値の前記事前に定義した範囲は、０から１００までの範囲の中にあり、ｉ及びｊの前記事前に定義した範囲は、ｉ＋ｊが１００に等しいように定義する
請求項１に記載の方法。 - 前記分類学的構成歪みは、０から１までの範囲の値を取る
請求項１に記載の方法。 - 中央傾向値に対し適用する前記数学的変換は、単位元から中央傾向値を減算すること、中央傾向値の逆数を計算することである
請求項１に記載の方法。 - 妊娠対象に対する早産リスクを評価するシステム１００であって、前記システム１００は、計算システム１０２を備え、前記計算システム１０２は、
妊娠中のヒト被験者である妊娠対象からの微生物叢試料を受ける微生物叢試料受け１１０；
前記微生物叢試料受け１１０から微生物叢試料を受け取り、
微生物の配列決定ＤＮＡデータを得るために、少なくとも１つのＤＮＡ抽出技法を使用して、前記微生物叢試料中に存在する複数の微生物に対応する微生物のＤＮＡを単離する配列決定プラットフォーム１１２、
ハードウェア・プロセッサ２０２；及び
前記ハードウェア・プロセッサ２０２に結合されたメモリ２０４
を更に備え、前記ハードウェア・プロセッサ２０２は、前記メモリ２０４内に保存した複数のモジュール２０８を実行し、前記複数のモジュール２０８は、
微生物叢試料の微生物分類学的存在量プロファイルを生成するため、１つ又は複数の分類区分化技法を使用して微生物の前記配列決定ＤＮＡデータを計算分析する、微生物分類学的存在量プロファイル生成モジュール２１０を備え、前記微生物分類学的存在量プロファイルは、前記微生物叢試料中に存在する複数の微生物の存在量値を含み、
計算モジュール２１２を備え、前記計算モジュール２１２は、
前記妊娠対象から得た微生物叢試料の「微生物分類学的存在量プロファイル」を受け取ること；
「分類学的構成歪み」値、及び前記「微生物分類学的存在量プロファイル」の分布特性値の少なくとも１つを計算することであって、前記「分類学的構成歪み」値及び前記分布特性値は、前記微生物分類学的存在量プロファイルからの複数の微生物の存在量値の偏りを定量化し、前記「分類学的構成歪み」値及び前記分布特性値の前記計算は、
ａ）前記微生物分類学的存在量プロファイルからの複数の微生物の存在量値の和の計算によって、合計個体数「Ｍ」を得ること；
ｂ）前記微生物分類学的存在量プロファイルからの複数の微生物の存在量値を含む選別リスト「Ｌ」を生成することであって、前記選別リスト「Ｌ」は、存在量値の昇順又は降順でランク付けした前記微生物分類学的存在量プロファイル中に存在する複数の微生物から構成され、前記リストＬを存在量値の増加順で選別した場合、前記選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「疎分類群」に対応し、前記選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「主分類群」に対応し、前記リストＬを存在量値の減少順で選別した場合、前記選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「主分類群」に対応し、前記選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「疎分類群」に対応する、生成すること；
ｃ）累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数することであって、前記リストＬを増加順で選別した場合、前記存在量値は、前記選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積される、又は累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数することであって、前記リストＬを減少順で選別した場合、前記存在量値は、前記選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積され、「ｉ」は、整数又は小数である、計数すること；
ｄ）累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数することであって、前記リストＬを増加順で選別した場合、前記存在量値は、前記選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積される、又は累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数することであって、前記リストＬを減少順で選別した場合、前記存在量値は、前記選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積され、「ｊ」は、整数又は小数である、計数すること；
ｅ）「ｉ」及び「ｊ」の値の事前に定義した範囲のＳＴi及びＤＴjの計数を得、２つのセットの値「ＳＴ」及び「ＤＴ」をそれぞれ生成するために、前記ステップｃ及びｄを繰り返すことであって、ｉ及びｊは、事前に定義した範囲内の２つの同一の等差数列に属し、等差数列の連続項の間の公差は、事前に定義した整数又は事前に定義した小数値である、繰り返すこと；
ｆ）ＤＴj及びＤＴj値に対応する複数の順位付き対を含むセット「Ｃ」を得るために、前記セット「ＤＴ」及び「ＳＴ」のデカルト積を計算すること；
ｇ）前記セット「Ｃ」における各順位付き対の（ＤＴj÷ＳＴi）を計算することにより、セットＤＳＲを導出すること；
ｈ）前記「微生物分類学的存在量プロファイル」の分布特性値である前記セットＤＳＲの分布特性値を計算することであって、前記セットＤＳＲの中央傾向値を含む、計算すること；
ｉ）前記セットＤＳＲの中央傾向値を含む分布特性値に対し数学的変換を適用することによって前記「分類学的構成歪み」値を計算すること
を含む、計算すること；並びに
前記セットＤＳＲの中央傾向値、又は前記「分類学的構成歪み」値の少なくとも１つの、事前に定義した閾値との差に基づき、妊娠対象に対する早産リスクを決定することとを含み、
前記セットＤＳＲの中央傾向値が、セットＤＳＲの中央値であり、
前記妊娠対象に対する早産リスクの決定は、１つ又は複数の早産リスク・カテゴリに妊娠対象をカテゴリ化することを更に含み、前記カテゴリ化は、前記セットＤＳＲの中央傾向値、前記セットＤＳＲの分布特性値、又は「分類学的構成歪み」値の少なくとも１つの、事前に定義した閾値との差に基づき、前記１つ又は複数のリスク・カテゴリは、低早産リスク・カテゴリ、中早産リスク・カテゴリ、及び高早産リスク・カテゴリを含み、
妊婦から得た膣微生物叢試料の場合、前記低早産リスク・カテゴリは、前記事前に定義した閾値０．９２２を超える「分類学的構成歪み」値で示され、前記中早産リスク・カテゴリは、前記事前に定義した閾値０．８８７から０．９２２までの範囲の「分類学的構成歪み」値で示され、前記高早産リスク・カテゴリは、前記事前に定義した閾値０．８８７未満の「分類学的構成歪み値」で示され、前記「分類学的構成歪み」値は、単位元から、前記セットＤＳＲの計算した中央値を減算することによって得られ、
妊婦から得た膣微生物叢試料の場合、前記高早産リスク・カテゴリは、前記事前に定義した閾値０．１１３を超える前記セットＤＳＲの中央傾向値で示され、前記中早産リスク・カテゴリは、前記事前に定義した閾値０．０７８から０．１１３までの範囲の前記セットＤＳＲの中央傾向値で示され、前記低早産リスク・カテゴリは、前記事前に定義した閾値０．０７８未満の前記セットＤＳＲの中央傾向値で示され、前記セットＤＳＲの前記中央傾向値は、前記セットＤＳＲの中央値である
ことを特徴とするシステム。 - ハードウェア・プロセッサによって、計算デバイス内で実行可能な、妊娠対象に対する早産リスクを評価するためのプログラムを実施する、非一時的コンピュータ可読媒体であって、前記プログラムは、
配列決定プラットフォーム１１２を介して、妊娠中のヒト被験者である妊娠対象からの微生物叢試料からの微生物の配列決定ＤＮＡデータを得るプログラム・コードであって、前記微生物の配列決定ＤＮＡデータを得ることは、
少なくとも１つのＤＮＡ抽出技法を使用して、前記微生物叢試料中に存在する複数の微生物に対応する微生物のＤＮＡを単離すること；及び、
微生物の配列決定したＤＮＡデータを得るために、少なくとも１つのＤＮＡ配列決定技法を使用して微生物のＤＮＡを配列決定すること
を含む、得ること；並びに、
ハードウェア・プロセッサ２０２によって、１つ又は複数の分類区分化技法を使用して、微生物の前記配列決定ＤＮＡデータを計算分析することによって、前記微生物叢試料の「微生物分類学的存在量プロファイル」を生成するプログラム・コードであって、前記微生物分類学的存在量プロファイルは、前記微生物叢試料中に存在する複数の微生物の存在量値を含む、プログラム・コード、を更に含み、
前記妊娠対象から得た微生物叢試料の「微生物分類学的存在量プロファイル」を受け取るプログラム・コードであって、前記微生物分類学的存在量プロファイルは、前記微生物叢試料中に存在する複数の微生物の存在量値を含む、プログラム・コード；及び
「分類学的構成歪み」値、及び前記「微生物分類学的存在量プロファイル」の分布特性値の少なくとも１つを計算するプログラム・コードであって、前記「分類学的構成歪み」値及び前記分布特性値は、前記微生物分類学的存在量プロファイルからの複数の微生物の存在量値の偏りを定量化し、前記「分類学的構成歪み」値及び前記分布特性値の前記計算は、
ａ）前記微生物分類学的存在量プロファイルからの複数の微生物の存在量値の和の計算によって、合計個体数「Ｍ」を得ること；
ｂ）前記微生物分類学的存在量プロファイルからの複数の微生物の存在量値を含む選別リスト「Ｌ」を生成することであって、前記選別リスト「Ｌ」は、存在量値の昇順又は降順でランク付けした前記微生物分類学的存在量プロファイル中に存在する複数の微生物から構成され、前記リストＬを存在量値の増加順で選別した場合、前記選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「疎分類群」に対応し、前記選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「主分類群」に対応し、前記リストＬを存在量値の減少順で選別した場合、前記選別リスト「Ｌ」内の１つ又は複数の上位ランク入力は、「主分類群」に対応し、前記選別リスト「Ｌ」内の１つ又は複数の下位ランク入力は、「疎分類群」に対応する、生成すること；
ｃ）累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数することであって、リストＬを増加順で選別した場合、前記存在量値は、前記選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積される、又は累積存在量が合計個体数「Ｍ」の≧ｉ％である「疎分類群」の最小数（ＳＴi）を計数することであって、前記リストＬを減少順で選別した場合、前記存在量値は、前記選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積され、「ｉ」は、整数又は小数である、計数すること；
ｄ）累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数することであって、前記リストＬを増加順で選別した場合、前記存在量値は、前記選別リスト「Ｌ」内で各微生物が減少するランクの順で漸進的に累積される、又は累積存在量が合計個体数「Ｍ」の≧ｊ％である「主分類群」の最小数（ＤＴj）を計数することであって、前記リストＬを減少順で選別した場合、前記存在量値は、前記選別リスト「Ｌ」内で各微生物が増加するランクの順で漸進的に累積され、「ｊ」は、整数又は小数である、計数すること；
ｅ）「ｉ」及び「ｊ」の値の事前に定義した範囲のＳＴi及びＤＴjの計数を得、２つのセットの値「ＳＴ」及び「ＤＴ」をそれぞれ生成するために、前記ステップｃ及びｄを繰り返すことであって、ｉ及びｊは、事前に定義した範囲内の２つの同一の等差数列に属し、等差数列の連続項の間の公差は、事前に定義した整数又は事前に定義した小数値である、繰り返すこと；
ｆ）ＤＴj及びＤＴj値に対応する複数の順位付き対を含むセット「Ｃ」を得るために、セット「ＤＴ」及び「ＳＴ」のデカルト積を計算すること；
ｇ）前記セット「Ｃ」における各順位付き対の（ＤＴj÷ＳＴi）を計算することにより、セットＤＳＲを導出すること；
ｈ）前記「微生物分類学的存在量プロファイル」の分布特性値である前記セットＤＳＲの分布特性値を計算することであって、前記セットＤＳＲの中央傾向値を含む、計算すること；
ｉ）前記セットＤＳＲの中央傾向値を含む分布特性値に対し数学的変換を適用することによって前記「分類学的構成歪み」値を計算すること
を含む、プログラム・コード；
前記セットＤＳＲの中央傾向値、又は前記「分類学的構成歪み」値の少なくとも１つの、事前に定義した閾値との差に基づき、妊娠対象に対する早産リスクを決定するプログラム・コードを含み、
前記セットＤＳＲの中央傾向値が、セットＤＳＲの中央値であり、
前記妊娠対象に対する早産リスクの決定は、１つ又は複数の早産リスク・カテゴリに妊娠対象をカテゴリ化することを更に含み、前記カテゴリ化は、前記セットＤＳＲの中央傾向値、前記セットＤＳＲの分布特性値、又は「分類学的構成歪み」値の少なくとも１つの、事前に定義した閾値との差に基づき、前記１つ又は複数のリスク・カテゴリは、低早産リスク・カテゴリ、中早産リスク・カテゴリ、及び高早産リスク・カテゴリを含み、
妊婦から得た膣微生物叢試料の場合、前記低早産リスク・カテゴリは、前記事前に定義した閾値０．９２２を超える「分類学的構成歪み」値で示され、前記中早産リスク・カテゴリは、前記事前に定義した閾値０．８８７から０．９２２までの範囲の「分類学的構成歪み」値で示され、前記高早産リスク・カテゴリは、前記事前に定義した閾値０．８８７未満の「分類学的構成歪み値」で示され、前記「分類学的構成歪み」値は、単位元から、前記セットＤＳＲの計算した中央値を減算することによって得られ、
妊婦から得た膣微生物叢試料の場合、前記高早産リスク・カテゴリは、前記事前に定義した閾値０．１１３を超える前記セットＤＳＲの中央傾向値で示され、前記中早産リスク・カテゴリは、前記事前に定義した閾値０．０７８から０．１１３までの範囲の前記セットＤＳＲの中央傾向値で示され、前記低早産リスク・カテゴリは、前記事前に定義した閾値０．０７８未満の前記セットＤＳＲの中央傾向値で示され、前記セットＤＳＲの前記中央傾向値は、前記セットＤＳＲの中央値である
ことを特徴とする非一時的コンピュータ可読媒体。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IN201621005426 | 2016-02-16 | ||
| IN201621005426 | 2016-02-16 | ||
| PCT/IB2017/050840 WO2017141169A1 (en) | 2016-02-16 | 2017-02-15 | Method and system for early risk assessment of preterm delivery outcome |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2019511922A JP2019511922A (ja) | 2019-05-09 |
| JP2019511922A5 JP2019511922A5 (ja) | 2020-02-06 |
| JP7060518B2 true JP7060518B2 (ja) | 2022-04-26 |
Family
ID=59624818
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018551395A Active JP7060518B2 (ja) | 2016-02-16 | 2017-02-15 | 早産転帰に対する早期リスク評価のための方法及びシステム |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US11062808B2 (ja) |
| EP (1) | EP3416653B1 (ja) |
| JP (1) | JP7060518B2 (ja) |
| CN (1) | CN108778287B (ja) |
| AR (1) | AR107737A1 (ja) |
| AU (1) | AU2017220785B2 (ja) |
| WO (1) | WO2017141169A1 (ja) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2699733C1 (ru) * | 2018-03-30 | 2019-09-09 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Московская государственная академия ветеринарной медицины и биотехнологии - МВА имени К.И. Скрябина" (ФГБОУ ВО МГАВМиБ - МВА имени К.И. Скрябина) | Способ лабораторной ультразвуковой диагностики ранних стадий жеребости |
| EP3620539A1 (en) * | 2018-08-10 | 2020-03-11 | Tata Consultancy Services Limited | Method and system for improving amplicon sequencing based taxonomic resolution of microbial communities |
| GB2612911B (en) * | 2019-02-14 | 2023-11-22 | Mirvie Inc | Methods and systems for determining a pregnancy-related state of a subject |
| CN112587089B (zh) * | 2020-11-19 | 2023-04-21 | 新希望六和股份有限公司 | 基于人工智能的妊娠检测方法、装置、计算机设备和介质 |
| WO2022198239A1 (en) * | 2021-03-18 | 2022-09-22 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and methods to generate a surgical risk score and uses thereof |
| KR102559223B1 (ko) * | 2021-07-19 | 2023-07-26 | 주식회사 디앤피바이오텍 | 기계 학습에 기반한 조산 위험도 예측 장치 |
| US11664100B2 (en) * | 2021-08-17 | 2023-05-30 | Birth Model, Inc. | Predicting time to vaginal delivery |
| KR20230150145A (ko) | 2022-04-21 | 2023-10-30 | 이화여자대학교 산학협력단 | 마이크로바이옴을 분석하는 학습 모델을 이용한 조산 예측 방법 및 분석장치 |
| CN115227295B (zh) * | 2022-09-19 | 2023-01-24 | 深圳市雄帝科技股份有限公司 | 咽拭子采样设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008063928A2 (en) | 2006-11-09 | 2008-05-29 | Proteogenix, Inc. | Proteomic analysis of cervical-vaginal fluids for detecting intra-uterine infection or determining pre-term delivery risk in a pregnant female |
| WO2015013214A2 (en) | 2013-07-21 | 2015-01-29 | Whole Biome, Inc. | Methods and systems for microbiome characterization, monitoring and treatment |
| WO2016000539A1 (en) | 2014-06-30 | 2016-01-07 | The Chinese University Of Hong Kong | Detecting bacterial taxa for predicting adverse pregnancy outcomes |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7627437B2 (en) | 2005-01-14 | 2009-12-01 | Idaho Research Foundation | Categorization of microbial communities |
| WO2008073491A1 (en) * | 2006-12-11 | 2008-06-19 | University Of Florida Research Foundation, Inc. | System and method for analyzing progress of labor and preterm labor |
| US20110144076A1 (en) * | 2008-05-01 | 2011-06-16 | Michelle A Williams | Preterm delivery diagnostic assay |
| WO2011053666A1 (en) * | 2009-10-29 | 2011-05-05 | The Trustees Of The University Of Pennsylvania | Method of predicting risk of preterm birth |
| US20110152840A1 (en) * | 2009-12-23 | 2011-06-23 | Drugtech Corporation | Methods for reducing the occurrence of preterm delivery and other pregnancy-related conditions |
| US20140186332A1 (en) | 2012-12-28 | 2014-07-03 | NX Pharmagen | Biomarkers of preterm birth |
| WO2014152985A1 (en) * | 2013-03-14 | 2014-09-25 | Children's Hospital Medical Center | Biomarkers of preterm necrotizing enterocolitis |
| US20140287948A1 (en) | 2013-03-15 | 2014-09-25 | Sera Prognostics, Inc. | Biomarkers and methods for predicting preterm birth |
| WO2015153841A1 (en) * | 2014-04-04 | 2015-10-08 | Ritter Pharmaceuticals, Inc. | Methods and compositions for microbiome alteration |
-
2017
- 2017-02-15 JP JP2018551395A patent/JP7060518B2/ja active Active
- 2017-02-15 EP EP17752766.0A patent/EP3416653B1/en active Active
- 2017-02-15 US US16/076,622 patent/US11062808B2/en active Active
- 2017-02-15 AU AU2017220785A patent/AU2017220785B2/en active Active
- 2017-02-15 WO PCT/IB2017/050840 patent/WO2017141169A1/en active Application Filing
- 2017-02-15 CN CN201780018749.0A patent/CN108778287B/zh active Active
- 2017-02-16 AR ARP170100387A patent/AR107737A1/es unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008063928A2 (en) | 2006-11-09 | 2008-05-29 | Proteogenix, Inc. | Proteomic analysis of cervical-vaginal fluids for detecting intra-uterine infection or determining pre-term delivery risk in a pregnant female |
| WO2015013214A2 (en) | 2013-07-21 | 2015-01-29 | Whole Biome, Inc. | Methods and systems for microbiome characterization, monitoring and treatment |
| WO2016000539A1 (en) | 2014-06-30 | 2016-01-07 | The Chinese University Of Hong Kong | Detecting bacterial taxa for predicting adverse pregnancy outcomes |
Non-Patent Citations (3)
| Title |
|---|
| ＰＮＡＳ，２０１５年，Ｖｏｌ．１１２，Ｎｏ．３５，ｐ．１１０６０－１１０６５ |
| Ｒｅｐｒｏｄｕｃｔｉｖｅ Ｓｃｉｅｎｃｅｓ，２０１４年，Ｖｏｌ．２１，Ｎｏ．１，ｐ．３２－４０ |
| Ｓｃｉｅｎｔｉｆｉｃ Ｒｅｐｏｒｔｓ，２０１４年，Ｖｏｌ．４，５１３６，ｐ．１－６ |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3416653A4 (en) | 2019-06-19 |
| US20190046105A1 (en) | 2019-02-14 |
| WO2017141169A1 (en) | 2017-08-24 |
| EP3416653B1 (en) | 2022-05-25 |
| AR107737A1 (es) | 2018-05-30 |
| CN108778287A (zh) | 2018-11-09 |
| CN108778287B (zh) | 2021-08-31 |
| AU2017220785A1 (en) | 2018-09-27 |
| EP3416653A1 (en) | 2018-12-26 |
| JP2019511922A (ja) | 2019-05-09 |
| AU2017220785B2 (en) | 2019-02-21 |
| US11062808B2 (en) | 2021-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7060518B2 (ja) | 早産転帰に対する早期リスク評価のための方法及びシステム | |
| Serrano et al. | Racioethnic diversity in the dynamics of the vaginal microbiome during pregnancy | |
| Robinson et al. | Intricacies of assessing the human microbiome in epidemiologic studies | |
| Norton et al. | Non-Invasive Chromosomal Evaluation (NICE) Study: results of a multicenter prospective cohort study for detection of fetal trisomy 21 and trisomy 18 | |
| Parnell et al. | Maternal microbiomes in preterm birth: recent progress and analytical pipelines | |
| CN110770838B (zh) | 用于确定体细胞突变克隆性的方法和系统 | |
| Burnham et al. | Separating the signal from the noise in metagenomic cell-free DNA sequencing | |
| CN107075446B (zh) | 用于肥胖症相关疾病的生物标记物 | |
| Baud et al. | Microbial diversity in the vaginal microbiota and its link to pregnancy outcomes | |
| US20210324473A1 (en) | Indices of Microbial Diversity Relating To Health | |
| Xu et al. | Informative priors on fetal fraction increase power of the noninvasive prenatal screen | |
| US20220243247A1 (en) | Vaginal microbiome markers for prediction of prevention of preterm birth and other adverse pregnancy outcomes | |
| Bybjerg-Grauholm et al. | RNA sequencing of archived neonatal dried blood spots | |
| JP7506060B2 (ja) | 検出限界ベースの品質管理メトリック | |
| Benn | Posttest risk calculation following positive noninvasive prenatal screening using cell-free DNA in maternal plasma | |
| JP6860771B2 (ja) | 絨毛膜羊膜炎関連微生物検出用プライマーセット、アッセイキット、および絨毛膜羊膜炎検出方法 | |
| WO2016049927A1 (en) | Biomarkers for obesity related diseases | |
| US20240290488A1 (en) | Systems and methods for determining oral microbiome compositions and health outcomes | |
| Liu et al. | Squeegee: de-novo identification of reagent and laboratory induced microbial contaminants in low biomass microbiomes | |
| WO2021112236A1 (ja) | 絨毛膜羊膜炎の発症予測方法 | |
| WO2023246808A1 (zh) | 利用癌症中剪接异常的短外显子辅助癌症诊断和预后 | |
| JP2023109481A (ja) | 妊娠関連有害事象の発生を予測する方法、予測装置及びコンピュータプログラム | |
| WO2021112237A1 (ja) | 絨毛膜羊膜炎の発症予測方法 | |
| US20110275085A1 (en) | Method for detection of autoimmune diseases | |
| Trujillo et al. | P-566 Addressing ethnic underrepresentation in carrier screening: prioritizing comprehensive variant curation over ClinVar-based automated analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180927 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180927 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20181212 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190108 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190408 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190530 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20190730 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191202 |
|
| A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20191202 |
|
| C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20191202 |
|
| C11 | Written invitation by the commissioner to file amendments |
Free format text: JAPANESE INTERMEDIATE CODE: C11 Effective date: 20191218 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191213 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20200108 |
|
| C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20200114 |
|
| A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20200306 |
|
| C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20200310 |
|
| C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20200923 |
|
| C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20210323 |
|
| C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20210413 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210623 |
|
| C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20210720 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210726 |
|
| C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20211116 |
|
| C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20220118 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220208 |
|
| C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20220308 |
|
| C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20220412 |
|
| C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20220412 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220414 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7060518 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |