KR20200045557A - 코 마이크로바이옴과 관련된 코-관련 특성화 - Google Patents
코 마이크로바이옴과 관련된 코-관련 특성화 Download PDFInfo
- Publication number
- KR20200045557A KR20200045557A KR1020207009695A KR20207009695A KR20200045557A KR 20200045557 A KR20200045557 A KR 20200045557A KR 1020207009695 A KR1020207009695 A KR 1020207009695A KR 20207009695 A KR20207009695 A KR 20207009695A KR 20200045557 A KR20200045557 A KR 20200045557A
- Authority
- KR
- South Korea
- Prior art keywords
- nose
- user
- microbiome
- characterization
- determining
- Prior art date
Links
- 238000012512 characterization method Methods 0.000 title claims abstract description 440
- 244000005700 microbiome Species 0.000 title claims description 483
- 238000000034 method Methods 0.000 claims abstract description 300
- 230000000813 microbial effect Effects 0.000 claims abstract description 157
- 230000000153 supplemental effect Effects 0.000 claims abstract description 84
- 238000002560 therapeutic procedure Methods 0.000 claims description 327
- 239000000203 mixture Substances 0.000 claims description 111
- 238000012163 sequencing technique Methods 0.000 claims description 59
- 230000001225 therapeutic effect Effects 0.000 claims description 53
- 150000007523 nucleic acids Chemical class 0.000 claims description 40
- 108020004707 nucleic acids Proteins 0.000 claims description 38
- 102000039446 nucleic acids Human genes 0.000 claims description 38
- 238000005070 sampling Methods 0.000 claims description 32
- 230000006872 improvement Effects 0.000 claims description 21
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000007481 next generation sequencing Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 14
- 241000207206 Cardiobacterium Species 0.000 claims description 9
- 241000568397 Lysinibacillus Species 0.000 claims description 9
- 241001147751 Dolosigranulum Species 0.000 claims description 8
- 241000605909 Fusobacterium Species 0.000 claims description 8
- 241000589180 Rhizobium Species 0.000 claims description 8
- 241000190932 Rhodopseudomonas Species 0.000 claims description 8
- 241000186216 Corynebacterium Species 0.000 claims description 7
- 241000579717 Dermacoccus Species 0.000 claims description 7
- 241000604449 Megasphaera Species 0.000 claims description 7
- 241000970829 Mesorhizobium Species 0.000 claims description 7
- 241001267951 Parasutterella Species 0.000 claims description 7
- 241000191025 Rhodobacter Species 0.000 claims description 7
- 241000589634 Xanthomonas Species 0.000 claims description 7
- 241001024600 Aggregatibacter Species 0.000 claims description 6
- 241000193830 Bacillus <bacterium> Species 0.000 claims description 6
- 241000186000 Bifidobacterium Species 0.000 claims description 6
- 241001633683 Centipeda <firmicute> Species 0.000 claims description 6
- 241000186359 Mycobacterium Species 0.000 claims description 6
- 241000520272 Pantoea Species 0.000 claims description 6
- 241000122116 Parvimonas Species 0.000 claims description 6
- 241000605894 Porphyromonas Species 0.000 claims description 6
- 241000186429 Propionibacterium Species 0.000 claims description 6
- 241000191940 Staphylococcus Species 0.000 claims description 6
- 241000201860 Abiotrophia Species 0.000 claims description 5
- 241000590020 Achromobacter Species 0.000 claims description 5
- 241000589291 Acinetobacter Species 0.000 claims description 5
- 241000606750 Actinobacillus Species 0.000 claims description 5
- 241000186046 Actinomyces Species 0.000 claims description 5
- 241000379991 Anaerococcus Species 0.000 claims description 5
- 241001227086 Anaerostipes Species 0.000 claims description 5
- 241001626813 Anoxybacillus Species 0.000 claims description 5
- 241000320697 Aquabacterium Species 0.000 claims description 5
- 241000186063 Arthrobacter Species 0.000 claims description 5
- 241000193818 Atopobium Species 0.000 claims description 5
- 241000606125 Bacteroides Species 0.000 claims description 5
- 241000611351 Bergeyella Species 0.000 claims description 5
- 241001202853 Blautia Species 0.000 claims description 5
- 241000589173 Bradyrhizobium Species 0.000 claims description 5
- 241000186146 Brevibacterium Species 0.000 claims description 5
- 241001453380 Burkholderia Species 0.000 claims description 5
- 241000589876 Campylobacter Species 0.000 claims description 5
- 241000190890 Capnocytophaga Species 0.000 claims description 5
- 241000863012 Caulobacter Species 0.000 claims description 5
- 241000611330 Chryseobacterium Species 0.000 claims description 5
- 241001464956 Collinsella Species 0.000 claims description 5
- 241000192093 Deinococcus Species 0.000 claims description 5
- 241001600129 Delftia Species 0.000 claims description 5
- 241001508502 Dermabacter Species 0.000 claims description 5
- 241001143779 Dorea Species 0.000 claims description 5
- 241000588914 Enterobacter Species 0.000 claims description 5
- 241001608234 Faecalibacterium Species 0.000 claims description 5
- 241001617393 Finegoldia Species 0.000 claims description 5
- 241000589565 Flavobacterium Species 0.000 claims description 5
- 241000412001 Fusicatenibacter Species 0.000 claims description 5
- 241000193789 Gemella Species 0.000 claims description 5
- 241000235796 Granulicatella Species 0.000 claims description 5
- 241000606790 Haemophilus Species 0.000 claims description 5
- 241000605016 Herbaspirillum Species 0.000 claims description 5
- 241001223144 Hydrogenophilus Species 0.000 claims description 5
- 241000588748 Klebsiella Species 0.000 claims description 5
- 241000579722 Kocuria Species 0.000 claims description 5
- 241000186660 Lactobacillus Species 0.000 claims description 5
- 241000194036 Lactococcus Species 0.000 claims description 5
- 241000217859 Lautropia Species 0.000 claims description 5
- 241001453171 Leptotrichia Species 0.000 claims description 5
- 241000555676 Malassezia Species 0.000 claims description 5
- 241000921347 Meiothermus Species 0.000 claims description 5
- 241000192041 Micrococcus Species 0.000 claims description 5
- 241000588621 Moraxella Species 0.000 claims description 5
- 241000909297 Negativicoccus Species 0.000 claims description 5
- 241000588653 Neisseria Species 0.000 claims description 5
- 241000383839 Novosphingobium Species 0.000 claims description 5
- 241000372441 Pelomonas Species 0.000 claims description 5
- 241000351207 Peptoniphilus Species 0.000 claims description 5
- 241000191992 Peptostreptococcus Species 0.000 claims description 5
- 241001135342 Phyllobacterium Species 0.000 claims description 5
- 241000605861 Prevotella Species 0.000 claims description 5
- 241000202386 Pseudobutyrivibrio Species 0.000 claims description 5
- 241000589516 Pseudomonas Species 0.000 claims description 5
- 241000232299 Ralstonia Species 0.000 claims description 5
- 241001453443 Rothia <bacteria> Species 0.000 claims description 5
- 241001647968 Shinella Species 0.000 claims description 5
- 241000736131 Sphingomonas Species 0.000 claims description 5
- 241000122971 Stenotrophomonas Species 0.000 claims description 5
- 241000194017 Streptococcus Species 0.000 claims description 5
- 229940039696 lactobacillus Drugs 0.000 claims description 5
- 241000521092 Alloprevotella Species 0.000 claims description 4
- 241000131407 Brevundimonas Species 0.000 claims description 4
- 241000936945 Facklamia Species 0.000 claims description 4
- 241001454354 Kingella Species 0.000 claims description 4
- 241000589323 Methylobacterium Species 0.000 claims description 4
- 241000605947 Roseburia Species 0.000 claims description 4
- 241001148134 Veillonella Species 0.000 claims description 4
- 241000192023 Sarcina Species 0.000 claims description 3
- 241001535083 Dialister Species 0.000 claims description 2
- 101710134784 Agnoprotein Proteins 0.000 claims 3
- 241001162968 Sarsina Species 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 107
- 210000001331 nose Anatomy 0.000 description 407
- 239000000523 sample Substances 0.000 description 124
- 238000012545 processing Methods 0.000 description 103
- 239000012472 biological sample Substances 0.000 description 96
- 238000004458 analytical method Methods 0.000 description 71
- 230000006870 function Effects 0.000 description 47
- 230000000875 corresponding effect Effects 0.000 description 42
- 238000013459 approach Methods 0.000 description 37
- 230000003321 amplification Effects 0.000 description 33
- 238000003199 nucleic acid amplification method Methods 0.000 description 33
- 239000006041 probiotic Substances 0.000 description 33
- 235000018291 probiotics Nutrition 0.000 description 33
- 230000007613 environmental effect Effects 0.000 description 32
- 230000000529 probiotic effect Effects 0.000 description 31
- 108090000623 proteins and genes Proteins 0.000 description 28
- 230000002596 correlated effect Effects 0.000 description 27
- 230000036541 health Effects 0.000 description 26
- 230000004048 modification Effects 0.000 description 22
- 238000012986 modification Methods 0.000 description 22
- 238000005516 engineering process Methods 0.000 description 21
- 241000894006 Bacteria Species 0.000 description 20
- 238000012360 testing method Methods 0.000 description 20
- 230000006399 behavior Effects 0.000 description 19
- 239000003814 drug Substances 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000012544 monitoring process Methods 0.000 description 16
- 241001515965 unidentified phage Species 0.000 description 16
- 230000002068 genetic effect Effects 0.000 description 15
- 210000004392 genitalia Anatomy 0.000 description 15
- 210000000214 mouth Anatomy 0.000 description 15
- 238000009258 post-therapy Methods 0.000 description 15
- 230000003542 behavioural effect Effects 0.000 description 14
- 238000003745 diagnosis Methods 0.000 description 14
- 238000011282 treatment Methods 0.000 description 14
- 230000001580 bacterial effect Effects 0.000 description 13
- 229940079593 drug Drugs 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 12
- 238000000746 purification Methods 0.000 description 12
- 230000009467 reduction Effects 0.000 description 12
- 235000013406 prebiotics Nutrition 0.000 description 11
- 102000004169 proteins and genes Human genes 0.000 description 11
- 230000002123 temporal effect Effects 0.000 description 11
- 201000010099 disease Diseases 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 10
- 230000000694 effects Effects 0.000 description 10
- 238000007637 random forest analysis Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 230000009278 visceral effect Effects 0.000 description 10
- 235000005911 diet Nutrition 0.000 description 9
- 238000000528 statistical test Methods 0.000 description 9
- RYYVLZVUVIJVGH-UHFFFAOYSA-N caffeine Chemical compound CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 238000003752 polymerase chain reaction Methods 0.000 description 8
- 108091093088 Amplicon Proteins 0.000 description 7
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 7
- 239000011324 bead Substances 0.000 description 7
- 235000013305 food Nutrition 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 238000013507 mapping Methods 0.000 description 7
- 230000001737 promoting effect Effects 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 108020004465 16S ribosomal RNA Proteins 0.000 description 6
- 108020004414 DNA Proteins 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 6
- 239000000090 biomarker Substances 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 6
- 238000009472 formulation Methods 0.000 description 6
- 244000005702 human microbiome Species 0.000 description 6
- 230000001965 increasing effect Effects 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 239000013589 supplement Substances 0.000 description 6
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000000295 complement effect Effects 0.000 description 5
- 238000002405 diagnostic procedure Methods 0.000 description 5
- 230000037213 diet Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000007672 fourth generation sequencing Methods 0.000 description 5
- 210000000936 intestine Anatomy 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 230000037081 physical activity Effects 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 230000002441 reversible effect Effects 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 230000000699 topical effect Effects 0.000 description 5
- LPHGQDQBBGAPDZ-UHFFFAOYSA-N Isocaffeine Natural products CN1C(=O)N(C)C(=O)C2=C1N(C)C=N2 LPHGQDQBBGAPDZ-UHFFFAOYSA-N 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- VJEONQKOZGKCAK-UHFFFAOYSA-N caffeine Natural products CN1C(=O)N(C)C(=O)C2=C1C=CN2C VJEONQKOZGKCAK-UHFFFAOYSA-N 0.000 description 4
- 229960001948 caffeine Drugs 0.000 description 4
- 239000003153 chemical reaction reagent Substances 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000000378 dietary effect Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000000968 intestinal effect Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 238000012175 pyrosequencing Methods 0.000 description 4
- 238000007480 sanger sequencing Methods 0.000 description 4
- 230000001568 sexual effect Effects 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 208000035473 Communicable disease Diseases 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 3
- 102000004190 Enzymes Human genes 0.000 description 3
- 108090000790 Enzymes Proteins 0.000 description 3
- 108091028043 Nucleic acid sequence Proteins 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000027455 binding Effects 0.000 description 3
- 210000000746 body region Anatomy 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 3
- 230000009089 cytolysis Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000006694 eating habits Nutrition 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000001747 exhibiting effect Effects 0.000 description 3
- 230000036449 good health Effects 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 208000015181 infectious disease Diseases 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 230000002906 microbiologic effect Effects 0.000 description 3
- 210000003491 skin Anatomy 0.000 description 3
- 150000003384 small molecules Chemical class 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000008685 targeting Effects 0.000 description 3
- 241000203069 Archaea Species 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 2
- 241000588752 Kluyvera Species 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- -1 PCR product) Chemical class 0.000 description 2
- 208000036071 Rhinorrhea Diseases 0.000 description 2
- 206010039101 Rhinorrhoea Diseases 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000000172 allergic effect Effects 0.000 description 2
- 150000001413 amino acids Chemical group 0.000 description 2
- 239000003242 anti bacterial agent Substances 0.000 description 2
- 229940088710 antibiotic agent Drugs 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000013542 behavioral therapy Methods 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- 230000003115 biocidal effect Effects 0.000 description 2
- 239000012620 biological material Substances 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000001574 biopsy Methods 0.000 description 2
- 238000009534 blood test Methods 0.000 description 2
- 235000014633 carbohydrates Nutrition 0.000 description 2
- 150000001720 carbohydrates Chemical class 0.000 description 2
- 238000009225 cognitive behavioral therapy Methods 0.000 description 2
- 230000001332 colony forming effect Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 235000021004 dietary regimen Nutrition 0.000 description 2
- 238000004090 dissolution Methods 0.000 description 2
- 238000010828 elution Methods 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 210000002919 epithelial cell Anatomy 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000002550 fecal effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012165 high-throughput sequencing Methods 0.000 description 2
- 210000005260 human cell Anatomy 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000001976 improved effect Effects 0.000 description 2
- 238000007834 ligase chain reaction Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 231100001160 nonlethal Toxicity 0.000 description 2
- 244000052769 pathogen Species 0.000 description 2
- 230000001717 pathogenic effect Effects 0.000 description 2
- 238000011338 personalized therapy Methods 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 239000000092 prognostic biomarker Substances 0.000 description 2
- 238000001671 psychotherapy Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 206010039083 rhinitis Diseases 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 201000009890 sinusitis Diseases 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 239000007790 solid phase Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 235000001366 vegetable intake Nutrition 0.000 description 2
- 230000003612 virological effect Effects 0.000 description 2
- 108020004463 18S ribosomal RNA Proteins 0.000 description 1
- 102100033409 40S ribosomal protein S3 Human genes 0.000 description 1
- 102100024088 40S ribosomal protein S7 Human genes 0.000 description 1
- 102100037663 40S ribosomal protein S8 Human genes 0.000 description 1
- 102100040881 60S acidic ribosomal protein P0 Human genes 0.000 description 1
- 108050002744 60S acidic ribosomal protein P0 Proteins 0.000 description 1
- 102100035322 60S ribosomal protein L24 Human genes 0.000 description 1
- 102100021671 60S ribosomal protein L29 Human genes 0.000 description 1
- 206010063409 Acarodermatitis Diseases 0.000 description 1
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000701474 Alistipes Species 0.000 description 1
- 208000035285 Allergic Seasonal Rhinitis Diseases 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 102220479260 Apolipoprotein D_S15P_mutation Human genes 0.000 description 1
- 235000017060 Arachis glabrata Nutrition 0.000 description 1
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 235000010777 Arachis hypogaea Nutrition 0.000 description 1
- 235000018262 Arachis monticola Nutrition 0.000 description 1
- 201000002909 Aspergillosis Diseases 0.000 description 1
- 208000036641 Aspergillus infections Diseases 0.000 description 1
- 201000008283 Atrophic Rhinitis Diseases 0.000 description 1
- 241001226430 Bacillus polyfermenticus Species 0.000 description 1
- 102000004506 Blood Proteins Human genes 0.000 description 1
- 108010017384 Blood Proteins Proteins 0.000 description 1
- 108091033409 CRISPR Proteins 0.000 description 1
- 238000010354 CRISPR gene editing Methods 0.000 description 1
- 201000009030 Carcinoma Diseases 0.000 description 1
- 108010078791 Carrier Proteins Proteins 0.000 description 1
- 206010008587 Choanal atresia Diseases 0.000 description 1
- 208000025678 Ciliary Motility disease Diseases 0.000 description 1
- 241001478240 Coccus Species 0.000 description 1
- 102100030797 Conserved oligomeric Golgi complex subunit 2 Human genes 0.000 description 1
- 238000001712 DNA sequencing Methods 0.000 description 1
- 208000027244 Dysbiosis Diseases 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 102100031334 Elongation factor 2 Human genes 0.000 description 1
- 241000588724 Escherichia coli Species 0.000 description 1
- 101000704130 Escherichia coli (strain K12) Signal recognition particle protein Proteins 0.000 description 1
- 102100039466 Eukaryotic translation initiation factor 5B Human genes 0.000 description 1
- 241000192125 Firmicutes Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 208000034826 Genetic Predisposition to Disease Diseases 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 101000660926 Homo sapiens 60S ribosomal protein L24 Proteins 0.000 description 1
- 101000920113 Homo sapiens Conserved oligomeric Golgi complex subunit 2 Proteins 0.000 description 1
- 101001036496 Homo sapiens Eukaryotic translation initiation factor 5B Proteins 0.000 description 1
- 108010056651 Hydroxymethylbilane synthase Proteins 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010021118 Hypotonia Diseases 0.000 description 1
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 238000007397 LAMP assay Methods 0.000 description 1
- 240000001046 Lactobacillus acidophilus Species 0.000 description 1
- 235000013956 Lactobacillus acidophilus Nutrition 0.000 description 1
- 244000199866 Lactobacillus casei Species 0.000 description 1
- 235000013958 Lactobacillus casei Nutrition 0.000 description 1
- 240000006024 Lactobacillus plantarum Species 0.000 description 1
- 235000013965 Lactobacillus plantarum Nutrition 0.000 description 1
- 241000218588 Lactobacillus rhamnosus Species 0.000 description 1
- 206010023849 Laryngeal papilloma Diseases 0.000 description 1
- 102000003843 Metalloendopeptidases Human genes 0.000 description 1
- 108090000131 Metalloendopeptidases Proteins 0.000 description 1
- 108060004795 Methyltransferase Proteins 0.000 description 1
- 108700005443 Microbial Genes Proteins 0.000 description 1
- 241000736262 Microbiota Species 0.000 description 1
- 108091007491 NSP3 Papain-like protease domains Proteins 0.000 description 1
- 208000000592 Nasal Polyps Diseases 0.000 description 1
- 206010028735 Nasal congestion Diseases 0.000 description 1
- 206010028762 Nasal septum deviation Diseases 0.000 description 1
- 208000001894 Nasopharyngeal Neoplasms Diseases 0.000 description 1
- 244000061176 Nicotiana tabacum Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 108091005804 Peptidases Proteins 0.000 description 1
- 108010077519 Peptide Elongation Factor 2 Proteins 0.000 description 1
- 102100035215 Phenylalanine-tRNA ligase alpha subunit Human genes 0.000 description 1
- 101710147128 Phenylalanine-tRNA ligase alpha subunit Proteins 0.000 description 1
- 102100035312 Phenylalanine-tRNA ligase beta subunit Human genes 0.000 description 1
- 101710182373 Phenylalanine-tRNA ligase beta subunit Proteins 0.000 description 1
- 101710110580 Phenylalanine-tRNA ligase beta subunit, chloroplastic Proteins 0.000 description 1
- 102100034391 Porphobilinogen deaminase Human genes 0.000 description 1
- 101710202161 Probable phenylalanine-tRNA ligase alpha subunit Proteins 0.000 description 1
- 101710119935 Probable phenylalanine-tRNA ligase beta subunit Proteins 0.000 description 1
- 239000004365 Protease Substances 0.000 description 1
- 101710132637 Protein C2 Proteins 0.000 description 1
- 101710132632 Protein C4 Proteins 0.000 description 1
- 101710132701 Protein L1 Proteins 0.000 description 1
- 101710132697 Protein L2 Proteins 0.000 description 1
- 101710132686 Protein L3 Proteins 0.000 description 1
- 101710132684 Protein L5 Proteins 0.000 description 1
- 238000011529 RT qPCR Methods 0.000 description 1
- 101710136899 Replication enhancer protein Proteins 0.000 description 1
- 206010057190 Respiratory tract infections Diseases 0.000 description 1
- 102100037486 Reverse transcriptase/ribonuclease H Human genes 0.000 description 1
- 206010039088 Rhinitis atrophic Diseases 0.000 description 1
- 108010083644 Ribonucleases Proteins 0.000 description 1
- 102000006382 Ribonucleases Human genes 0.000 description 1
- 108050003655 Ribosomal protein L13 Proteins 0.000 description 1
- 102000013817 Ribosomal protein L13 Human genes 0.000 description 1
- 108050006916 Ribosomal protein L25/L23 Proteins 0.000 description 1
- 102000019382 Ribosomal protein L25/L23 Human genes 0.000 description 1
- 102000004394 Ribosomal protein S10 Human genes 0.000 description 1
- 108090000928 Ribosomal protein S10 Proteins 0.000 description 1
- 102000018489 Ribosomal protein S12/S23 Human genes 0.000 description 1
- 108050007707 Ribosomal protein S12/S23 Proteins 0.000 description 1
- 102000010983 Ribosomal protein S13 Human genes 0.000 description 1
- 108050001197 Ribosomal protein S13 Proteins 0.000 description 1
- 102000004339 Ribosomal protein S2 Human genes 0.000 description 1
- 108090000904 Ribosomal protein S2 Proteins 0.000 description 1
- 102000004282 Ribosomal protein S9 Human genes 0.000 description 1
- 108090000878 Ribosomal protein S9 Proteins 0.000 description 1
- 240000004808 Saccharomyces cerevisiae Species 0.000 description 1
- 206010039509 Scab Diseases 0.000 description 1
- 241000447727 Scabies Species 0.000 description 1
- 241000555745 Sciuridae Species 0.000 description 1
- 244000057717 Streptococcus lactis Species 0.000 description 1
- 235000014897 Streptococcus lactis Nutrition 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- 101710195626 Transcriptional activator protein Proteins 0.000 description 1
- 102000008579 Transposases Human genes 0.000 description 1
- 108010020764 Transposases Proteins 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 206010070488 Upper-airway cough syndrome Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 150000001298 alcohols Chemical class 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 235000001014 amino acid Nutrition 0.000 description 1
- 230000003110 anti-inflammatory effect Effects 0.000 description 1
- 239000004599 antimicrobial Substances 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 208000010668 atopic eczema Diseases 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 229940104704 bacillus polyfermenticus Drugs 0.000 description 1
- 230000007147 bacterial dysbiosis Effects 0.000 description 1
- 238000002869 basic local alignment search tool Methods 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 238000003766 bioinformatics method Methods 0.000 description 1
- 238000010170 biological method Methods 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 238000004113 cell culture Methods 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 230000003196 chaotropic effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- HEDRZPFGACZZDS-UHFFFAOYSA-N chloroform Substances ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 208000027157 chronic rhinosinusitis Diseases 0.000 description 1
- 210000004081 cilia Anatomy 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000011281 clinical therapy Methods 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000009226 cognitive therapy Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 108091036078 conserved sequence Proteins 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000016396 cytokine production Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 210000004443 dendritic cell Anatomy 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 235000021061 dietary behavior Nutrition 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 235000018823 dietary intake Nutrition 0.000 description 1
- 235000001434 dietary modification Nutrition 0.000 description 1
- 235000015872 dietary supplement Nutrition 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 230000007140 dysbiosis Effects 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 208000001780 epistaxis Diseases 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000021197 fiber intake Nutrition 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 235000020983 fruit intake Nutrition 0.000 description 1
- 230000002538 fungal effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012252 genetic analysis Methods 0.000 description 1
- 238000012268 genome sequencing Methods 0.000 description 1
- 210000002175 goblet cell Anatomy 0.000 description 1
- 230000007148 gut bacterial dysbiosis Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 238000007849 hot-start PCR Methods 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 230000005965 immune activity Effects 0.000 description 1
- 230000028993 immune response Effects 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 201000010151 inverted papilloma Diseases 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 238000011005 laboratory method Methods 0.000 description 1
- 229940039695 lactobacillus acidophilus Drugs 0.000 description 1
- 229940017800 lactobacillus casei Drugs 0.000 description 1
- 229940072205 lactobacillus plantarum Drugs 0.000 description 1
- 208000009000 laryngeal papillomatosis Diseases 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000006210 lotion Substances 0.000 description 1
- 235000019689 luncheon sausage Nutrition 0.000 description 1
- 238000007403 mPCR Methods 0.000 description 1
- 208000025848 malignant tumor of nasopharynx Diseases 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010339 medical test Methods 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 210000004379 membrane Anatomy 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000010197 meta-analysis Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 201000002266 mite infestation Diseases 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000004682 mucosal barrier function Effects 0.000 description 1
- 230000036640 muscle relaxation Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000011807 nanoball Substances 0.000 description 1
- 210000003928 nasal cavity Anatomy 0.000 description 1
- 201000011216 nasopharynx carcinoma Diseases 0.000 description 1
- 229930014626 natural product Natural products 0.000 description 1
- 238000007857 nested PCR Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 208000037916 non-allergic rhinitis Diseases 0.000 description 1
- 108091027963 non-coding RNA Proteins 0.000 description 1
- 102000042567 non-coding RNA Human genes 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 239000002674 ointment Substances 0.000 description 1
- 238000013488 ordinary least square regression Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000007918 pathogenicity Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000001558 permutation test Methods 0.000 description 1
- 239000007793 ph indicator Substances 0.000 description 1
- 230000002974 pharmacogenomic effect Effects 0.000 description 1
- 150000002989 phenols Chemical class 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000037074 physically active Effects 0.000 description 1
- 102000054765 polymorphisms of proteins Human genes 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 201000009266 primary ciliary dyskinesia Diseases 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- 102000004196 processed proteins & peptides Human genes 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 208000001307 recurrent respiratory papillomatosis Diseases 0.000 description 1
- 238000006722 reduction reaction Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 208000020029 respiratory tract infectious disease Diseases 0.000 description 1
- 238000003757 reverse transcription PCR Methods 0.000 description 1
- 108090000731 ribonuclease HII Proteins 0.000 description 1
- 108010025591 ribosomal protein L16 Proteins 0.000 description 1
- 108010025498 ribosomal protein L29 Proteins 0.000 description 1
- 102000004413 ribosomal protein S11 Human genes 0.000 description 1
- 108090000930 ribosomal protein S11 Proteins 0.000 description 1
- 108010033804 ribosomal protein S3 Proteins 0.000 description 1
- 102000004337 ribosomal protein S5 Human genes 0.000 description 1
- 108090000902 ribosomal protein S5 Proteins 0.000 description 1
- 108010033405 ribosomal protein S7 Proteins 0.000 description 1
- 108010033800 ribosomal protein S8 Proteins 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 102200007391 rs794726878 Human genes 0.000 description 1
- 229960002181 saccharomyces boulardii Drugs 0.000 description 1
- 208000005687 scabies Diseases 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000002864 sequence alignment Methods 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 208000007183 sinonasal undifferentiated carcinoma Diseases 0.000 description 1
- 244000005714 skin microbiome Species 0.000 description 1
- 238000010181 skin prick test Methods 0.000 description 1
- 239000000344 soap Substances 0.000 description 1
- 230000011273 social behavior Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000000527 sonication Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 230000009870 specific binding Effects 0.000 description 1
- 238000002798 spectrophotometry method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 238000000551 statistical hypothesis test Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- 101710194142 tRNA pseudouridine synthase B Proteins 0.000 description 1
- 229940124597 therapeutic agent Drugs 0.000 description 1
- 238000011287 therapeutic dose Methods 0.000 description 1
- 238000007671 third-generation sequencing Methods 0.000 description 1
- 210000001578 tight junction Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000007862 touchdown PCR Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000003039 volatile agent Substances 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
- 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
-
- 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
- G16B40/30—Unsupervised 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
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/106—Pharmacogenomics, i.e. genetic variability in individual responses to drugs and drug metabolism
-
- 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
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Physics & Mathematics (AREA)
- Organic Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Microbiology (AREA)
- Molecular Biology (AREA)
- Immunology (AREA)
- Genetics & Genomics (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioethics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
코-관련 특성화를 위한 방법은 대상자 세트와 관련된 미생물 데이터세트를 결정하는 단계; 및/또는 개인으로부터 획득된 코 샘플에 기초하고 개인의 집단으로부터 획득된 마이크로바이옴 데이터세트와 비교하는, 미생물 데이터세트, 즉 마이크로바이옴에 기초하여 특성화 프로세스를 수행하는 단계를 포함할 수 있으며, 여기서 개인의 지리적 위치, 기후, 캘린더 시즌 및 연령이 데이터세트에서 보충 데이터로 사용될 수 있다.
Description
관련 출원에 대한 상호-참조
본 출원은 2017년 9월 6일에 제출된 시리얼 번호 62/554,985의 미국 가출원의 우선권을 주장하며, 이는 본 명세서에 그 전체가 참조로 포함된다.
본 출원은, 2014년 10월 21일에 제출된 시리얼 번호 62/066,369의 미국 가출원, 2014년 12월 4일에 제출된 시리얼 번호 62/087,551의 미국 가출원, 2014년 12월 17일 제출된 시리얼 번호 62/092,999의 미국 가출원, 2015년 4월 14일에 제출된 시리얼 번호 62/147,376의 미국 가출원, 2015년 4월 14일에 제출된 시리얼 번호 62/147,212의 미국 가출원, 2015년 4월 14일에 제출된 시리얼 번호 62/147,362의 미국 가출원, 2015년 4월 13일 출원된 시리얼 번호 62/146,855의 미국 가출원, 및 2015년 8월 18일 출원된 시리얼 번호 62/206,654의 미국 가출원의 우선권을 주장하는 2015년 10월 21일에 제출된 시리얼 번호 14/919,614의 미국 계속 출원인, 2017년 05월 26일에 제출된 시리얼 번호 15/606,743의 미국 출원에 관한 것이며, 이는 본 명세서에 그 전체가 참조로 포함된다.
본 발명은 일반적으로 유전체학 및 미생물학에 관한 것이다.
마이크로바이옴(microbiome)은 유기체와 관련된 커멘설(commensal), 공생(symbiotic), 및 병원성 미생물의 생태 공동체를 포함할 수 있다. 인간 마이크로바이옴의 특성화는 복잡한 프로세스이다. 인간의 마이크로바이옴은 인간 세포보다 10배 더 많은 미생물 세포를 포함하지만, 인간의 마이크로바이옴의 특성화는 샘플 프로세싱 기술, 유전자 분석 기술 및 대량의 데이터를 프로세싱하기 위한 자원의 한계로 인해 여전히 초기 단계에 있다. 현재의 지식은 여러 건강 컨디션과의 마이크로바이옴 연관의 역할을 명확하게 확립했으며, 인간 질병 발달에 대한 숙주 유전적 및 환경적 요인의 증가적으로 인식된 매개자가 되었다. 마이크로바이옴은 다수의 건강/질병-관련 상태에서 적어도 부분적인 역할을 하는 것으로 의심된다. 또한, 마이크로바이옴은 인간, 식물 및/또는 동물 건강에 대한 환경적 요인의 영향을 매개할 수 있다. 대상자의 건강에 영향을 미치는 마이크로바이옴의 깊은 의미를 고려하면, 마이크로바이옴의 특성화와 관련된 노력, 특성화로부터 통찰력의 생성, 및/또는 장내 세균 불균형(dysbiosis)의 상태를 교정하도록 구성된 치료제의 생성이 추구되어야 한다.
비강(nasal passages)은 인체에서 미생물 다양성의 주요 저장소 중 하나이다. 이 저장소의 중요한 특성은 미생물 조성의 변화가 지리적 및 시간적 변화를 반영할 수 있는 환경과의 영구적인 접촉이다. 비강은 또한 인체 건강에 중요한 역할을 하며 인체에 대한 첫 번째 접근 장벽 중 한 부분이다.
그러나, 인간의 마이크로바이옴(예를 들어, 코 마이크로바이옴)을 분석하고, 특성화를 결정하고, 그리고/또는 얻어진 통찰력에 기초하여 치료적 조치를 제공하기 위한 종래의 접근법은 많은 의문에 답하지 못하였다.
도 1a-1b는 방법 구현의 변형의 흐름도를 나타낸 것을 포함하며;
도 2는 방법 및 시스템의 구현의 변형을 포함하며;
도 3a-3d는 캘린더 시즌 및 기후 타입과 관련하여 분류군 분포의 특정 실시예를 포함하며;
도 4는 방법 구현의 변형의 흐름도를 나타낸 것을 포함하며;
도 5는 방법의 구현에서 특성화 모델의 생성에 대한 프로세스의 변형을 포함하며;
도 6은 방법의 구현에서 이에 의해 프로바이오틱-기반 요법(therapies)이 작동하는 메거니즘의 변형을 포함하며;
도 7은 방법의 구현에서 샘플 프로세싱의 변형을 포함하며;
도 8은 통지 제공의 실시예를 포함하며;
도 9는 방법 구현의 변형의 개략도를 나타낸 것을 포함하며;
도 10a-10b는 모델로 특성화 프로세스를 수행하는 변형을 포함하며;
도 11은 방법의 구현에서 요법을 촉진하는 것을 포함하며;
도 12는 샘플 세트와 관련된 샘플의 지리적 위치, 기후 타입, 및 수(number)의 특정 실시예를 포함한다.
도 2는 방법 및 시스템의 구현의 변형을 포함하며;
도 3a-3d는 캘린더 시즌 및 기후 타입과 관련하여 분류군 분포의 특정 실시예를 포함하며;
도 4는 방법 구현의 변형의 흐름도를 나타낸 것을 포함하며;
도 5는 방법의 구현에서 특성화 모델의 생성에 대한 프로세스의 변형을 포함하며;
도 6은 방법의 구현에서 이에 의해 프로바이오틱-기반 요법(therapies)이 작동하는 메거니즘의 변형을 포함하며;
도 7은 방법의 구현에서 샘플 프로세싱의 변형을 포함하며;
도 8은 통지 제공의 실시예를 포함하며;
도 9는 방법 구현의 변형의 개략도를 나타낸 것을 포함하며;
도 10a-10b는 모델로 특성화 프로세스를 수행하는 변형을 포함하며;
도 11은 방법의 구현에서 요법을 촉진하는 것을 포함하며;
도 12는 샘플 세트와 관련된 샘플의 지리적 위치, 기후 타입, 및 수(number)의 특정 실시예를 포함한다.
이하의 구현들의 설명은 구현들을 한정하려는 것이 아니라, 어느 당업자가 만들고 사용할 수 있게 하기 위한 것이다.
1. 개요.
도 1a-1b에 보이는 바와 같이, (예를 들어, 미생물과 코(nasal)-관련 특성화, 등에 대한)방법(100)의 구현은: 사용자 세트와 관련된 미생물 데이터세트(예를 들어 미생물 서열 데이터세트; 미생물 서열 데이터세트에 기초한 것과 같은 마이크로바이옴 조성 다양성 데이터세트; 미생물 서열 데이터세트에 기초한 것과 같은 마이크로바이옴 기능적 다양성 데이터세트, 등)를 결정하는 단계(예를 들어, 대상자 세트로부터의 샘플에 기초하여 미생물 데이터세트를 결정하는 단계) S110; 및/또는 미생물 데이터 세트에 기초하여(예를 들어, 하나 이상의 코-관련 컨디션과 관련되고 미생물 데이터세트로부터 유래된 마이크로바이옴 조성 특징 및/또는 마이크로바이옴 기능적 특징에 기초하여), 특성화 프로세스를 수행하는 단계(S130)(예를 들어, 전처리, 특징 결정, 특징 프로세싱, 코-관련 특성화 모델 프로세싱, 등)를 포함할 수 있으며, 여기서 특성화 프로세스를 수행하는 단계는 추가적으로 또는 대안적으로 (예를 들어, 샘플과 관련된 캘린더 시즌 예측을 위한; 하나 이상의 코-관련 컨디션을 위한, 등) 코-관련 특성화 프로세스를 수행하는 단계(S135); 및/또는 하나 이상의 요법을 결정하는 단계(S140)(예를 들어, 예방, 향상(ameliorating), 위험의 감소, 및/또는 다른 방법으로 하나 이상의 코-관련 컨디션을 개선시키는 것 등을 위한 요법을 결정하는 단계)를 포함할 수 있다.
방법(100)의 구현은 추가적으로 또는 대안적으로 다음 중 하나 이상을 포함할 수 있다: (예를 들어, 하나 이상의 코-관련 특성화; 등을 결정하는 데 사용하기 위한) 보충 데이터를 프로세싱하는 단계(S120); 사용자(예를 들어, 대상자, 인간, 동물, 환자; 등)와 관련된 하나 이상의 생물학적 샘플을 프로세싱하는 단계(S150); 하나 이상의 특성화 프로세스와 함께, 사용자의 생물학적 샘플(예를 들어, 생물학적 샘플의 샘플 프로세싱 및/또는 시퀀싱으로부터 유래됨, 등)과 관련된 사용자 마이크로바이옴 데이터세트(예를 들어, 사용자 미생물 서열 데이터세트; 사용자 마이크로바이옴 조성 데이터세트; 사용자 마이크로바이옴 기능 데이터세트; 사용자 미생물 데이터세트로부터 유래된 사용자 마이크로바이옴 특징; 여기서 사용자 마이크로바이옴 특징은 하나 이상의 특성화 프로세스로부터 결정된 마이크로바이옴 특징에 대한 특징 값에 대응함; 등)에 기초하여, 사용자와 관련된 코-관련 특성화를 결정하는 단계(S160); (예를 들어, 코-관련 특성화 및/또는 요법 모델에 기초하여; 하나 이상의 코-관련 컨디션의 개선을 용이하게 하는, 등) 사용자에 대한 하나 이상의 코-관련 컨디션을 위한 치료적 개입을 용이하게 하는 단계(S170)(예를 들어, 사용자에게 용법을 제공하는 단계); 시간 경과에 따라, (예를 들어, 사용자로부터의 생물학적 샘플 시리즈를 프로세싱하는 단계에 기초하여) 사용자에 대한 하나 이상의 요법의 효과를 모니터링 및/또는 기타 적합한 구성(예를 들어, 마이크로바이옴 특성, 등)을 모니터링하는 단계(S180)(예를 들어, 시간 경과에 따른 사용자에 대한, 요법과 관련된 사용자 마이크로바이옴 조성 특징 및/또는 기능적 특징과 같은 사용자 마이크로바이옴 특성을 평가하는 것과 같음); 및/또는 임의의 기타 적합한 프로세스.
특정 실시예에서, (예를 들어, 미생물과 관련된 코-관련 특성화, 등을 위한) 방법(100)은 대상자 세트의 코 부위(및/또는 기타 적합한 신체 부위)로부터 수집된 샘플로부터의 미생물 핵산에 기초하여, 대상자 세트(지리적 다양성, 기후 타입 다양성, 연령 다양성, 인류통계학적 다양성, 등과 관련된 대상자를 포함; 하나 이상의 코-관련 컨디션을 가지는 대상자를 포함; 코-관련 컨디션을 가지지 않는 대상자를 포함, 여기서 이러한 대상자와 관련된 샘플 및/또는 데이터는 컨트롤로 작용할 수 있음; 등)와 관련된 미생물 서열 데이터세트를 결정하는 단계; 미생물 서열 데이터세트(예를 들어, 샘플과 관련된 미생물 서열 데이터세트 및/또는 보충 데이터로 분석 기술을 적용하는 것에 기초하여 추출됨; 등)에 기초하여, 마이크로바이옴 조성 특징 세트 및 마이크로바이옴 기능적 특징 세트 중 적어도 하나를 포함하는 마이크로바이옴 특징 세트를 결정하는 단계; 대상자 세트와 관련된 마이크로바이옴 조성 특징 세트 및 보충 데이터(예를 들어, 캘린더 시즌, 지리적 위치, 기후 상태, 연령, 샘플링 시간, 코-관련 컨디션 데이터, 및/또는 샘플 및/또는 대상자와 관련된 기타 데이터를 포함하는 보충 데이터; 등)에 기초하여, 코-관련 특성화 모델(예를 들어, 하나 이상의 샘플에 대한 캘린더 시즌, 지리적 위치, 기후 상태 및/또는 기타 적합한 파라미터를 예측하기 위함; 등)을 생성하는 단계; 및/또는 사용자의 코 부위(및/또는 기타 적합한 신체 부위)에서 수집된 사용자 샘플 및 코-관련 특성화 모델에 기초하여 사용자와 관련된 하나 이상의 코-관련 특성화를 결정(예를 들어, 샘플링 시간과 관련된 것과 같은 사용자 샘플과 관련된 캘린더 시즌을 결정; 사용자에 대한 하나 이상의 코-관련 컨디션의 특성화를 결정)하는 단계를 포함할 수 있다.
특정 실시예에서, (예를 들어, 미생물과 관련된 코-관련 특성화 등을 위한) 방법(100)은, (예를 들어, 샘플 키트 제공 및 수집을 통해)사용자로부터 샘플을 수집하며, 여기서 샘플은 사용자의 코-부위(및/또는 기타 적합한 신체 부위)로부터 이며, 그리고 미생물 핵산을 포함하는, 단계; 샘플의 미생물 핵산에 기초(예를 들어, 샘플 준비 및/또는 샘플 시퀀싱, 등에 기초)하여 사용자와 관련된 미생물 데이터세트를 결정하는 단계; 미생물 데이터세트에 기초하여 사용자 마이크로바이옴 특징(예를 들어, 사용자 마이크로바이옴 조성 특징 및/또는 사용자 마이크로바이옴 기능적 특징 중 적어도 하나를 포함함, 등)을 결정하는 단계; 및/또는 하나 이상의 코-관련 특성화를 결정(예를 들어, 샘플링 시간과 관련된 것과 같은, 사용자 샘플과 관련된 캘린더 시즌을 결정; 사용자를 위한 하나 이상의 코-관련 컨디션의 특성화를 결정; 등)하는 단계를 포함할 수 있다.
방법(100) 및/또는 시스템(200)의 구현은 주어진 시점에서 사용자의 코 마이크로바이옴에 기초한 것과 같은, 하나 이상의 코-관련 특성화(예를 들어, 샘플에 대한 캘린더 시즌 예측, 오리진(origin)과 관련한 것과 같은, 샘플에 대한 지리적 위치 예측, 하나 이상의 코-관련 컨디션에 대한 특성화; 등)를 결정하는 데 기능할 수 있다(예를 들어, 수집된 샘플에 대한 예측 오리진 및/또는 계절성(seasonality)와 관련된 코 마이크로바이옴에서의 지리적 및 시간적 변형을 설명).
특정 실시예에서, 코-관련 특성화는 아비오트로피아(Abiotrophia), 아크로모박터(Achromobacter), 아시네토박터(Acinetobacter), 액티노바실루스(Actinobacillus), 액티노미세스(Actinomyces), 아그레가티박터(Aggregatibacter), 알리스티페스(Alistipes), 알로프레보텔라(Alloprevotella), 아네로코커스(Anaerococcus), 아네로스티페스(Anaerostipes), 아녹시바실루스(Anoxybacillus), 아쿠아박테리움(Aquabacterium), 아르쓰로박터(Arthrobacter), 아토포비움(Atopobium), 바실루스(Bacillus), 박테로이데스(Bacteroides), 버지엘라(Bergeyella), 비피도박테리움(Bifidobacterium), 블라우티아(Blautia), 브레디리조비움(Bradyrhizobium), 브레비박테리움(Brevibacterium), 브레분디모나스(Brevundimonas), 버크홀데리아(Burkholderia), 캄필로박터(Campylobacter), 카프노사이토파가(Capnocytophaga), 카울로박터(Caulobacter), 센티페다(Centipeda), 크리세오박테리움(Chryseobacterium), 콜린셀라(Collinsella), 코리네박테리움(Corynebacterium), 데이노코커스(Deinococcus), 델프티아(Delftia), 더마박터(Dermabacter), 디알리스터(Dialister), 돌로시그라눌럼(Dolosigranulum), 도레아(Dorea), 엔테로박터(Enterobacter), 파에칼리박테리움(Faecalibacterium), 피네골디아(Finegoldia), 플라보박테리움(Flavobacterium), 푸시카테니박터(Fusicatenibacter), 푸조박테리움(Fusobacterium), 게멜라(Gemella), 그라눌리카텔라(Granulicatella), 헤모필루스(Haemophilus), 헤르바스피릴룸(Herbaspirillum), 하이드로제노필루스(Hydrogenophilus), 크렙시엘라(Klebsiella), 클루이베라(Kluyvera), 코쿠리아(Kocuria), 락토바실루스(Lactobacillus), 락토코커스(Lactococcus), 라우트로피아(Lautropia), 렙토트리키아(Leptotrichia), 말라세지아(Malassezia), 메가스파에라(Megasphaera), 메이오써머스(Meiothermus), 메틸로박테리움(Methylobacterium), 마이크로코커스(Micrococcus), 모락셀라(Moraxella), 마이코박테리움(Mycobacterium), 네가티비코커스(Negativicoccus), 나이세리아(Neisseria), 노보스핑고비움(Novosphingobium), 오크로박트럼(Ochrobactrum), 판토에아(Pantoea), 파라박테로이데스(Parabacteroides), 파르비모나스(Parvimonas), 펠로모나스(Pelomonas), 펩토니필루스(Peptoniphilus), 펩토스트렙토코커스(Peptostreptococcus), 필로박테리움(Phyllobacterium), 포르피로모나스(Porphyromonas), 프레보텔라(Prevotella), 프로피오니박테리움(Propionibacterium), 슈도부티리비브리오(Pseudobutyrivibrio), 슈도모나스(Pseudomonas), 랄스토니아(Ralstonia), 리조비움(Rhizobium), 로제부리아(Roseburia), 로티아(Rothia), 사르시나(Sarcina), 시넬라(Shinella), 스핑고모나스(Sphingomonas), 스타필로코커스(Staphylococcus), 스테노트로포모나스(Stenotrophomonas), 스트렙토코커스(Streptococcus), 베일로넬라(Veillonella), 파라수테렐라(Parasutterella), 로도슈도모나스(Rhodopseudomonas), 크산토모나스(Xanthomonas), 메조리조비움(Mesorhizobium), 팍클라미아(Facklamia), 킨겔라(Kingella), 로도박터(Rhodobacter), 리시니바실루스(Lysinibacillus), 더마코커스(Dermacoccus), 카디오박테리움(Cardiobacterium), 및/또는 기타 적합한 분류군(예를 들어, 지리적 위치 파라미터; 캘린더 시즌 및/또는 기타 샘플링 시간 파라미터; 코-관련 컨디션; 등의 정보) 중 적어도 하나와 관련된 마이크로바이옴 조성 특징(예를 들어, 상대적 풍부도 특징)에 기초할 수 있다.
추가적으로 또는 대안적으로, 방법(100) 및/또는 시스템(200)의 구현은, 바이오마커로 사용하기 위한(예를 들어, 진단적 프로세스를 위한, 치료 프로세스를 위한, 등), 샘플 식별 및/또는 트랙킹(tracking), 및 또는 기타 적합한 목적에서 사용하기 위한 것과 같은, 하나 이상의 코-관련 특성화(예를 들어, 코-관련 컨디션과 관련됨; 등)와 관련된(예를 들어, 양성적으로 상관 관계가 있는, 음성적으로 상관 관계가 있는, 등) 마이크로바이옴 특징 식별, 보충 특징(예를 들어 보충 데이터로부터 유래됨, 등), 및/또는 기타 적합한 데이터에 기능할 수 있다. 실시예에서, 마이크로바이옴 특징 및 환경적 요인(예를 들어, 캘린더 시즌, 기타 샘플링 시간 파라미터; 지리적 위치; 생활 컨디션; 기후 타입; 등) 사이의 관련성은 식별, 적용, 및/또는 다른 방법으로 사용(예를 들어, 새로운 샘플과 관련된 환경적 요인을 예측하기 위한, 등)될 수 있다. 실시예에서, 코-관련 특성화는 마이크로바이옴 조성(예를 들어, 마이크로바이옴 조성 다양성, 등), 마이크로바이옴 기능(예를 들어, 마이크로바이옴 기능적 다양성, 등), 및/또는 기타 적합한 마이크로바이옴-관련 측면 중 적어도 하나 이상과 관련될 수 있다. 실시예에서, 미생물 특징(예를 들어, 하나 이상의 코-관련 컨디션을 나타내는 대상에 대한 것과 같이, 사용자의 마이크로바이옴에 존재하는 미생물의 상대적 풍부도와 관련된 것과 같은, 조성, 기능, 및/또는 인식 가능한 패턴의 다양성의 설명; 등) 및 /또는 미생물 데이터세트(예를 들어, 마이크로바이옴 특징이 유래될 수 있음, 등)는 특성화(예를 들어, 진단, 위험 평가, 등), 치료적 개입 용이화, 모니터링, 및/또는 생물정보학적 파이프라인, 분석 기술, 및/또는 본원에서 설명된 기타 적합한 접근법과 같은, 기타 적합한 목적을 위해 사용될 수 있다. 추가적으로 또는 대안적으로, 방법(100) 및/또는 시스템(200)의 구현은, 특성화 (예를 들어, 진단; 관련된 정보의 제공; 등) 및/또는 사용자의 치료의 맥락과 같은, 다수의 코-관련 컨디션을 위한 교차-컨디션 분석을 수행하는 것(예를 들어, 상이한 코-관련 컨디션 상이에서 상관 관계, 공변량, 동반질병, 및/또는 기타 적합한 관계를 결정하는 것과 같은, 다수의 코-관련 컨디션에 대한 특성화 프로세스를 수행하는 것)에 기능할 수 있다.
추가적으로 또는 대안적으로, 구현은 관련된 요법(예를 들어, 코 부위 및/또는 내장의 부위, 피부 부위, 입 부위, 생식기 부위, 기타 수집 부위 중 임의의 하나 이상을 포함하는 기타 적합한 신체 부위와 같은 특정 신체 부위와 관련된; 요법 모델에 의해 결정되는 요법; 등)의 촉진에 의한 것과 같은, 하나 이상의 코-관련 컨디션에 대한 치료적 개입의 용이화(예를 들어, 요법 선택; 요법 촉진 및/또는 제공; 요법 모니터링; 요법 평가; 등)에 기능할 수 있다. 추가적으로 또는 대안적으로, 구현은 그들의 마이크로바이옴(예를 들어, 임상 진단으로서; 동반 진단으로서; 사용자 마이크로바이옴 특징; 등)에 기초하여 사용자를 특성화 및/또는 진단하는 데 사용, 및/또는 하나 이상의 코-관련 컨디션과 관련 있는 대상자를 위한 요법의 선택 및 제공에 사용할 수 있는 모델과 같은, 모델(예를 들어, 샘플 메타데이터 예측, 사용자 특성 예측, 및/또는 표현형 예측을 위한 것과 같은 코-관련 특성화 모델; 요법 결정을 위한 것과 같은 요법 모델; 특징 프로세스를 위한 것과 같은 머신 러닝 모델; 등)을 생성하는 데 기능할 수 있다. 추가적으로 또는 대안적으로, 구현은 본원에서 설명된 임의의 적합한 기능을 수행할 수 있다.
이와 같이, 사용자 집단(예를 들어, 하나 이상의 코-관련 컨디션과 관련되며; 양성적으로 또는 음성적으로 하나 이상의 코-관련 컨디션과 상관 관계가 있는 대상자 집단; 등)으로부터의 데이터는, 미생물-관련 건강 상태 및/또는 개선 영역을 나타내기 위해, 및/또는 하나 이상의 코-관련 컨디션과 관련 있는 치료적 개입을 용이화(예를 들어, 하나 이상의 요법 촉진; 하나 이상의 코-관련 컨디션과 관련 있는 개선된 건강 상태와 상관 관계가 있는 상태와 같은, 원하는 평형 상태 세트 중 하나 이상을 위한 사용자의 마이크로바이옴의 조성 및/또는 기능적 다양성의 조절 용이화; 등) 하기 위해 후속 사용자의 특성화에 사용될 수 있다. 방법(100)의 변형은, 하나 이상의 코-관련 컨디션과 같은, 시간 경과에 따른 보충 데이터 프로세싱에 대한 추가 또는 대안으로, 신체 부위에 걸쳐(예를 들어, 코 부위, 내장 부위, 입 부위, 피부 부위, 생식기 부위와 같은 특정 신체 부위 타입에 대응하는 수집 부위와 같은, 사용자의 샘플 수집 부위; 등에 걸쳐), 시간의 경과에 따른(예를 들어, 여러 캘린더 시즌에 걸쳐; 요법 섭생의 코스 내내; 코-관련 컨디션에 대한 사용자의 경험 정도; 등을 통해) 사용자로부터의 추가 샘플의 수집 및 분석(예를 들어, 코-관련 특성화 모델)을 통하는 것과 같이, 사용자에게 제공되는 요법의 선택, 모니터링(예를 들어, 효능 모니터링, 등) 및/또는 요법의 조절을 추가로 용이하게 할 수 있다. 그러나, 집단, 서브그룹, 개체, 및/또는 기타 적합한 독립체(entities)로부터의 데이터는 임의의 적합한 목적을 위해 방법(100) 및/또는 시스템(200)의 구현의 임의의 적합한 일부로써 사용될 수 있다.
방법(100) 및/또는 시스템(200)의 구현은 바람직하게 코-관련 컨디션과 관련하여 수행될 수 있는 방법(100) 및/또는 시스템(200)의 구현 중 하나 이상의 코-관련 컨디션을 위한 특성화 및/또는 요법, 및/또는 임의의 적합한 일부를 결정 및/또는 촉진할 수 있다.
코-관련 컨디션은 다음 중 하나 이상을 포함할 수 있다: 부비강 감염(sinus infections), 비용종(nasal polyps), 건초열(Hay fever), 비중격만곡증(nasal septum deviation), 알레르기(allergies), 비염(rhinitis) (예를 들어, 만성 위축성 비염(chronic atrophic rhinitis), 비알레르기성 비염(nonallergic rhinitis), 등.), 비루(rhinorrhea), 만성 비루(chronic rhinosinusitis), 바이러스성 코 감염(bacterial nasal infections), 코피(nosebleeds), 후비루증후군(post-nasal drip), 재발성 호흡기 유두종(recurrent respiratory papillomatosis), 후두 유두종(laryngeal papillomatosis), 콧물(runny nose), 부비강 종양(sinus tumors), 비폐색(stuffy nose), 비충혈(nasal congestion), 암종(carcinoma) (예를 들어, 비상강악동 미분화 암종(sinonasal undifferentiated carcinoma), 등), 진균성 비부동염(fungal sinusitis), 후각소실(ansomia), 후비공 폐쇄(choanal atresia), 원발성섬모운동이상증(primary ciliary dyskinesia), 반전성 유두종(inverted papilloma), 코 내의 오브젝트(objects in the nose), 비인두암(nasopharynx cancer), 아스페르길루스증(aspergillosis), 호흡기 감염(respiratory tract infections), 감염 질병(infectious diseases) 및/또는 코 및/또는 비강과 관련된 임의의 적합한 컨디션.
추가적으로 또는 대안적으로, 코-관련 컨디션은 다음 중 하나를 포함할 수 있다: 질병, 증강, 원인(예를 들어, 트리거, 등), 관련 중증도, 행동(예를 들어, 신체적 활성 행동; 알코올 소비; 흡연 행동; 스트레스-관련 특성; 기타 심리학적 특성; 질병; 사회적 행동; 카페인 소지; 알코올 소비; 수면 습관; 기타 습관; 섬유질 섭취, 과일 섭취, 야채 섭취와 같은 식이-관련 행동; 명상 및/또는 기타 이완 행동; 코-관련 컨디션을 위한 진단 및/또는 치료적 개입의 정보, 상관 관계, 지침, 용이화, 및/또는 관련된 다른 방식의 라이프스타일 컨디션; 코 및/또는 코-관련 컨디션에 영향을 주고/주거나 관련된 다른 방식의 행동; 등), 환경적 요인(예를 들어, 캘린더 시즌, 기타 샘플링 시간, 지리적 위치, 기후 타입, 등), 인류통계적-관련된 특성(예를 들어, 나이, 무게, 인종, 성별, 등), 표현형(예를 들어, 인간, 동물, 식물, 진균체에 대해 측정 가능한 표현형; 코 및/또는 기타 관련된 측면과 관련된 표현형, 등), 및/또는 코-관련 컨디션과 관련된 임의의 기타 적합한 측면. 일 실시예에서, 하나 이상의 코-관련 컨디션은 정상적인 신체적, 정신적, 사회적 및/또는 정서적 기능을 방해할 수 있다.
방법(100) 및/또는 시스템(200)의 구현은, 코-관련 특성화를 위해, 사용자로부터 하나 이상의 생물학적 샘플(예를 들어, 하나 이상의 수집 부위에 걸쳐 수집된, 등)을 프로세싱, 치료적 개입을 용이화, 및/또는 임의의 기타 적합한 목적을 위한, 하나 이상의 샘플 취급 프로세스 및/또는 특성화 프로세스를 적용하는 것과 관련된 것과 같이, 단일 사용자에 대해 구현될 수 있다. 추가적으로 또는 대안적으로, 구현은 대상자 집단(예를 들어, 사용자를 포함, 사용자를 제외)에 대해 구현될 수 있으며, 여기서 대상자 집단은 임의의 적합한 타입의 특성(예를 들어, 코-관련 컨디션, 인류통계학적 특성, 행동, 마이크로바이옴 조성 및/또는 기능, 등)을 위해 유사 및/또는 임의의 기타 대상자와 유사하지 않은 대상자를 포함할 수 있으며; 사용자의 서브그룹을 위해 구현될 수 있으며(예를 들어, 코-관련 특성화 및/또는 요법 결정에 영향을 미치는 특성 공유, 등); 식물, 동물, 미생물, 및/또는 임의의 기타 적합한 독립체를 위해 구현될 수 있다. 따라서, 대상자 세트(예를 들어, 대상자 집단, 대상자 세트, 사용자의 서브그룹, 등)로부터 유래된 정보는 후속 사용자에게 추가적인 통찰력을 제공하기 위해 사용될 수 있다. 변형으로, 생물학적 샘플 세트의 집합은 바람직하게 다음 중 하나 이사의 대상을 포함하는 광범위한 대상자의 다양성과 관련되고 프로세스 된다: 상이한 인류통계학적 특성(예를 들어, 성별, 연령, 결혼 상태, 민족, 국적, 사회경제적 상태, 성적 취향 등), 상이한 코-관련 컨디션(예를 들어, 건강 및 질병 상태; 상이한 유전자 성향; 등), 상이한 생활 상황(예를 들어, 혼자 사는 것, 애완 동물과 함께 사는 것, 중요한 다른 사람과 함께 사는 것, 아이와 함께 사는 것, 등), 상이한 식이 습관(예를 들어, 잡식성, 채식주의자, 완전 채식주의자, 설탕 소비, 산 소비, 카페인 소비, 등), 상이한 행동 경향(예를 들어, 신체 활동 수준, 약물 사용, 알코올 사용 등), 상이한 수준의 이동성(예를 들어, 주어진 시간 내에 이동한 거리와 관련됨) 및/또는 임의의 기타 적합한 특성(예를 들어, 마이크로바이옴 조성 및/또는 기능에 영향을 미치는, 이와 상관 관계가 있는, 및/또는 다른 방식으로 이와 관련된 특성, 등). 실시예에서, 대상자의 수가 증가함에 따라, 방법(100) 및/또는 시스템(200)의 구현의 일부에서 구현된 프로세스의 예측력은, 그들의 마이크로바이옴에 기초하여(예를 들어, 사용자에 대한 샘플을 위한 상이한 수집 위치와 관련하여, 등), 후속 사용자들의 특성화와 관련하여 (예를 들어, 특성이 변형하는, 등), 증가할 수 있다. 그러나, 방법(100) 및/또는 시스템(200)의 구현의 일부는 임의의 적합한 독립체 또는 독립체들에 대해 임의의 적합한 방식으로 수행 및/또는 구성될 수 있다.
변형으로, 방법(100) 구현의 임의의 적합한 일부를 개선 및/또는 시스템(200) 구현의 임의의 적합한 구성을 개선시키기 위한 것과 같이, 방법(100)의 구현의 일부는 임의의 적합한 순서로 반복적으로 수행될 수 있으며, 그리고/또는 시스템(200)의 구현의 임의의 적합한 구성은 반복적으로 적용될 수 있다. 일 실시예에서, 방법(100)의 구현의 일부는 하나 이상의 미생물 데이터베이스(예를 들어, 시간 경과에 따른 대상자로부터 수집된 샘플, 하나 이상의 코-관련 컨디션의 코스, 및/또는 치료적 개입과 같은, 추가적인 샘플의 수집 및 분석에 의한 것과 같이, 상이한 분류 및 컨디션과 관련된 새로운 마커를 식별하는 것을 통한 분류학적 데이터베이스의 개선; 등)를 정제; 특성화 프로세스(예를 들어, 임상적으로 관련된 결과를 식별하기 위한 것과 같은, 타겟의 사용자 상대적 풍부도와 비교하기 위한 기준 풍부도의 업데이트를 통해; 특성화 모델의 생성 및 업데이트를 통해; 단일 생물학적 샘플을 이용하여 특성화될 수 있는 컨디션 수를 증가하는 것을 통해; 등)의 정제; 요법 프로세스(예를 들어, 민감도, 특정성, 정밀도 및 음성 예측 값을 프로세싱하는 특성화 결과에 기초하여 요법이 선택될 수 있는 경우와 같이, 시간 경과에 따라 특성화 프로세스를 반복적으로 수행하는 것과 같은, 시간 경과에 따라 요법으로 마이크로바이옴 조성의 모니터링 및 조정을 통해, 등), 및/또는 기타 적합한 프로세스를 가능하게 하도록 반복적으로 수행될 수 있다.
본원에 설명된 데이터(예를 들어, 마이크로바이옴 특징, 미생물 데이터세트, 모델, 코-관련 특성화, 보충 데이터, 통지, 등)는 임의의 적합한 시간적 지표(예를 들어, 초, 분, 시간, 일, 주, 달, 캘린더 시즌, 년, 등)와 관련될 수 있으며, 이는 다음 중 하나 이상을 포함한다: 데이터가 수집된(예를 들어, 샘플이 수집된; 샘플링 시간을 나타내는 시간적 지표 등), 결정된, 전송된, 수신된, 및/또는 다른 방식으로 프로세싱된 경우를 나타내는 시간적 지표; 데이터에 의해 설명된 콘텐츠에 맥락을 제공하는 시간적 지표(예를 들어, 코-관련 특성화가 특정 시간에서의 코-관련 컨디션, 샘플 메타데이터, 사용자 특성 및/또는 사용자 마이크로바이옴 상태를 설명하는 것과 같은, 미생물-관련 특성화와 관련된 시간적 지표 등); 시간적 지표의 변화(예를 들어, 시간 경과에 따른 코-관련 특성화 및/또는 코 마이크로바이옴에서의 변화; 요법을 받는 것에 대한 반응과 같은 변화; 샘플 수집, 샘플 분석, 코-관련 특성화 또는 사용자에게 요법의 제공, 및/또는 방법(100)의 기타 적합한 부분 사이의 지연 등); 및/또는 시간과 관련된 기타 적합한 지표.
추가적으로 또는 대안적으로, 파라미터, 매트릭스, 입력, 출력 및/또는 기타 적합한 데이터는 스코어(예를 들어, 코-관련 컨디션 성향 스코어; 특징 관련성 스코어; 상관 관계 스코어, 공분산 스코어, 마이크로바이옴 다양성 스코어, 심각도 스코어, 등), 개별 값(예를 들어, 상이한 수집 부위에 대한 컨디션 성향 스코어와 같은 개별 코-관련 스코어, 등), 집계 값(예를 들어, 상이한 수집 부위에 대한 개별 미생물-관련 스코어에 기초한 전체 스코어, 등), 이진 값(binary values)(예를 들어, 마이크로바이옴 특징의 존재 또는 부재; 코-관련 컨디션의 존재 또는 부재, 등), 상대 값(예를 들어, 상대 분류학적 그룹 풍부도, 상대 마이크로바이옴 기능 풍부도, 상대 특징 풍부도, 등), 분류(예를 들어, 사용자에 대한 코-관련 컨디션 분류 및/또는 진단; 특징 분류; 행동 분류; 인구통계학적 특성 분류, 등), 신뢰 수준(예를 들어, 미생물 서열 데이터세트; 마이크로바이옴 다양성 스코어; 기타 코-관련 특성화; 기타 출력과 관련된 것, 등), 식별자(identifiers), 스펙트럼에 따른 값 및/또는 임의의 기타 적합한 타입의 값을 포함하는 값 타입과 관련될 수 있다. 본원에 설명된 임의의 적합한 타입의 데이터는 (예를 들어, 본원에 설명된 상이한 분석 기술, 모델 및/또는 기타 적합한 구성에 대한) 입력으로서 사용될 수 있고, (예를 들어, 상이한 분석 기술, 모델, 등의) 출력으로서 생성될 수 있고, 그리고/또는 방법(100) 및/또는 시스템(200)과 관련된 임의의 적합한 구성에 대해 임의의 적합한 방식으로 조작될 수 있다.
본원에 설명된 방법(100) 및/또는 프로세스의 하나 이상의 예 및/또는 구현의 일부는, 이벤트(예를 들어, 방법(100)의 일부의 수행)를 트리거하기 위해, 시간적 관계에서(예를 들어, 실질적으로 동시에, 이에 반응하여, 순차적으로, 이전에, 후속적으로, 등), 비동기적으로(asynchronously)(예를 들어, 순차적으로), 동시에(예를 들어, 병렬 데이터 프로세싱; 동시 교차-컨디션 분석; 환경적 요인 및/또는 코-관련 컨디션과 관련된 타겟 서열에 대응하는 미생물 핵산 단편의 다중 증폭과 같은, 다중 샘플 프로세싱; 코-관련 컨디션의 패널을 실질적으로 동시에 평가하기 위한 샘플 프로세싱 및 분석 수행; 미생물 데이터세트, 마이크로바이옴을 컴퓨터로 결정하고, 그리고/또는 다수의 사용자에 대해 병렬로 코-관련 컨디션을 특성화하는 것; 예를 들어, 시스템 프로세싱 능력을 향상시키기 위해 병렬적 컴퓨팅을 위한 상이한 스레드(threads) 상에서 동시에 하는 것과 같이, 등), 그리고/또는 시스템(200)의 하나 이상의 예, 구성, 및/또는 본원에 설명된 독립체를 이용함으로써 그리고/또는 이용하여 임의의 적합한 시간 및 빈도로 임의의 적합한 순서로, 수행될 수 있다. 일 실시예로, 방법(100)은 차세대 시퀀싱 시스템으로 (예를 들어, 브릿지 증폭 기질의 증폭을 포함하는 라이브러리 제조 후; 등) (및/또는 기타 적합한 시퀀싱 시스템) 하나 이상의 생물학적 샘플의 미생물 핵산을 프로세싱하는 것에 기초하여 미생물 데이터세트를 생성하는 단계 및 차세대 시퀀싱 플랫폼과 소통하도록 작동 가능한 컴퓨팅 디바이스에서의 마이크로바이옴 특징 및 마이크로바이옴 기능적 다양성 특징을 결정하는 단계를 포함할 수 있다. 그러나, 방법(100) 및/또는 시스템(200)은 임의의 적합한 방식으로 구성될 수 있다.
2. 실시예.
마이크로바이옴 분석은 (예를 들어, 방법(100) 구현의 일부 등에 따라) 미생물에 의해 야기되는, 미생물과 상관 관계 있는, 및/또는 다른 방식으로 미생물과 관련된 코-관련 컨디션에 대한 정확하고 그리고/또는 효율적인 (예를 들어, 사용자 마이크로바이옴의, 사용자 샘플의, 사용자의, 등의) 코-관련 특성화 및/또는 요법 제공을 가능하게 할 수 있다. 기술의 특정 실시예는 기존의 접근법에 의해 직면되는 여러 가지 어려움을 극복할 수 있다. 첫째, 기존의 접근법은 환자가 한 명 이상의 보살핌 제공자를 방문하여 코-관련 컨디션과 같은, 특성화 및/또는 요법 권장을 받아야 하며, 이는 진단 및/또는 치료 전에 경과한 시간의 양, 건강 보살핌 질의 불일치, 및/또는 보살핌 제공자 방문의 다른 측면과 관련된 비효율성 및/또는 건강-위험에 이르게 할 수 있다. 둘째, 인간 게놈 시퀀싱을 위한 기존의 유전자 시퀀싱 및 분석 기술은 마이크로바이옴에 적용될 때 호환 불가능 및/또는 비효율적일 수 있다(예를 들어, 인간 마이크로바이옴은 인간의 세포보다 10배 이상의 미생물 세포를 포함할 수 있고; 실행 가능한 분석 기술 및 분석 기술을 활용하는 수단은 상이할 수 있고; 증폭 편향을 감소시키기 위한 것과 같이, 최적 샘플 프로세싱 기술이 다를 수 있고; 코-관련 특성화에 대한 상이한 접근법이 이용될 수 있으며; 컨디션 및 상관 관계의 타입이 다를 수 있고; 관련된 컨디션의 원인 및/또는 관련된 컨디션에 대한 실행 가능한 요법이 다를 수 있고; 서열 기준 데이터베이스(sequence reference databases)가 다를 수 있고; 마이크로바이옴은 상이한 수집 부위에서와 같이 사용자의 상이한 신체 부위에 걸쳐 다양할 수 있고, 코 마이크로바이옴과 같은, 마이크로바이옴은 지리, 기후, 캘린더 시즌, 샘플링 시간, 생활 컨디션, 기타 환경적 요인, 행동에 걸쳐 다양할 수 있는 경우, 등). 셋째, 시퀀싱 기술(예를 들어, 차세대 시퀀싱, 관련된 기술, 등)의 시작은 존재하지도 않은 기술적인 이슈들(예를 들어, 생성된 서열 데이터의 과잉에 대한 데이터 프로세싱 및 분석 이슈; 다중 방식 프로세싱 상의 다수의 생물학적 샘플 프로세싱에 대한 이슈, 정보 표시 이슈; 요법 예측 이슈; 요법 제공 이슈, 등)을 야기시켰지만, 유전 물질의 시퀀싱과 관련된 속도 및 데이터 생성에서 전례 없는 진보를 가져왔다. 방법(100) 및/또는 시스템(200)의 특정 실시예들은 적어도 앞서 설명한 어려움에 대해 기술적으로 뿌리내린 해결책을 제공할 수 있다.
첫째, 기술의 특정 실시예는 독립체(entities)(예를 들어, 사용자, 생물학적 샘플, 의료기기를 포함하는 요법 용이화 시스템, 등)를 상이한 상태(states) 또는 사물로 변형시킬 수 있다. 예를 들어, 기술은 생물학적 샘플을 하나 이상의 코-관련 컨디션과 관련하여(예를 들어, 차세대 시퀀싱 시스템, 다중 증폭 작업의 사용, 등을 통해), 사용자를 특성화하는 데 사용할 수 있는 미생물 데이터세트 및/또는 마이크로바이옴 특징을 생성하기 위해 시퀀싱되고 분석될 수 있는 구성으로 변형시킬 수 있다. 또 다른 실시예에서, 기술은 요법(예를 들어, 마이크로바이옴 특성화에 기초하여 개인 맞춤화된 요법, 등)을 식별, 단념(discourage), 및/또는 촉진(예를 들어, 제시, 추천, 제공, 관리, 등) 할 수 있으며, 그리고/또는 다른 방식으로 치료적 개입을 용이하게 할 수 있으며(예를 들어, 사용자의 마이크로바이옴 조성, 마이크로바이옴 기능성의 변형을 용이하게 함, 등), 이는 하나 이상의 코-관련 컨디션을 예방 및/또는 향상할 수 있고, 이에 의해, 하나 이상의 마이크로바이옴 특징을 적용(예를 들어, 상관 관계, 관계, 및/또는 마이크로바이옴 및 하나 이상의 코-관련 컨디션 사이의 기타 적합한 관련성을 적용; 등)하는 것과 같이, 마이크로바이옴 및/또는 환자의 건강을 변형(예를 들어, 미생물-관련 컨디션과 관련된 건강 상태 개선 등)시킬 수 있다. 또 다른 실시예에서, 기술은 코 (및/또는 내장, 피부, 입, 및/또는 생식기, 등과 같은 기타 적합한 부위) 마이크로바이옴과 관련된 미생물 표적하고 그리고/또는 변형시킬 수 있다(예를 들어, 하나 이상의 부위-특이적 요법과 관련된 치료적 개입을 용이화함으로써, 등). 또 다른 실시예에서, 기술은 (예를 들어, 실행할 요법 용이화 시스템에 대한 제어 명령을 생성함으로써) 요법을 촉진하기 위한 요법-용이화 시스템(예를 들어, 식이 시스템, 자동화 의약 디스펜서; 행동 변화 시스템; 진단 시스템; 질병 요법 용이화 시스템, 등)을 제어할 수 있고, 이에 의해, 요법 용이화 시스템을 변형시킬 수 있다.
둘째, 기술의 특정 실시예는 이전에 실행할 수 없었던 기능의 컴퓨터 성능을 용이하게 하는 것에 의한 것과 같이, 컴퓨터-관련 기술(예를 들어, 코-관련 컨디션에 대한 미생물-관련 데이터의 저장, 검색 및/또는 프로세싱에 있어서 컴퓨터 효율의 개선; 생물학적 샘플 프로세싱과 관련된 컴퓨터 프로세싱, 등)의 개선을 도모할 수 있다. 예를 들어, 기술은 코-관련 특성화를 개선시키고 그리고/또는 코-관련 컨디션에 대한 치료적 개입을 용이하게 하기 위해(예를 들어, 샘플 프로세싱 테크닉 및/또는 시퀀싱 기술의 진보에 기인하여, 최근에 생성되고 그리고/또는 실행가능하게 된), 논-제네릭 미생물 데이터세트 및/또는 마이크로바이옴 특징에 대해 논-제네릭 방식으로 분석 기술 세트를 적용할 수 있다.
셋째, 기술의 특정 실시예는 프로세싱 속도, 코-관련 특성화, 정확도, 마이크로바이옴-관련 요법 결정 및 촉진, 및/또는 코-관련 컨디션과 관련된 기타 적합한 측면에서의 개선을 도모할 수 있다. 예를 들어, 기술은 환경적 요인 예측 및/또는 코-관련 컨디션과 관련된 것과 같은, 하나 이상의 타입의 코-관련 특성화에 대한 특정 관련성의 마이크로바이옴 특징(예를 들어, 코-관련 컨디션에 대해 관련된 프로세싱된 마이크로바이옴 특징; 다수의 코-관련 컨디션과 관련된 교차-컨디션 마이크로바이옴 특징, 등)을 결정, 선택 및/또는 다른 방식으로 프로세싱하기 위해 논-제네릭 미생물 데이터세트를 활용할 수 있으며, 이는 정확도의 개선(예를 들어, 가장 관련된 마이크로바이옴 특징을 사용함으로써; 맞춤화된 분석 기술을 활용함으로써, 등); 프로세싱 속도의 개선(예를 들어, 관련 마이크로바이옴 특징의 서브세트를 선택함으로써; 차원수(dimensionality) 감소 기술을 수행함으로써; 맞춤화된 분석 기술을 활용함으로써, 등), 및/또는 기타 컴퓨터적인 개선(예를 들어, 코-관련 컨디션의 표시와 같은, 표현형 예측과 관련된, 등), 기타 적합한 특성화, 치료적 개입의 용이화, 및/또는 기타 적합한 목적의 개선을 용이하게 할 수 있다. 특정 실시예에서, 기술은 특성화 및/또는 요법(예를 들어, 모델, 등을 통해)을 생성, 적용, 및/또는 다른 방식으로 용이화하기 위해서 방대하고 잠재적인 (예를 들어, 서열 데이터와 같은 방대한 마이크로바이옴 데이터로부터 추출 가능한; 단일변량 통계학적 테스트에 의해 식별 가능한, 등) 특징들의 풀(pool of features)에서 특징들 외의 특징들(예를 들어, 하나 이상의 코-관련 컨디션과 관련된 마이크로바이옴 기능적 특징들; 코-관련 컨디션과 관련된 분류학적 그룹의 건강, 존재, 부재 및/또는 기타 적합한 범위를 나타내는 기준 상대적 풍부도 특징들(reference relative abundance features)과 같은 마이크로바이옴 조성 다양성 특징들; 코-관련 컨디션 및/또는 요법 반응과 상관된 기준 상대적 풍부도 특징들과 비교될 수 있는 사용자 상대적 풍부도 특징들(user relative abundance features), 등)의 최적화된 서브세트를 선택하기 위한 특징-선택 규칙들(feature-selection rules)(예를 들어, 조성, 기능에 대한; 보충 데이터세트로부터 추출된 보충 특징들에 대한 마이크로바이옴 특징-선택 규칙, 등)을 적용할 수 있다. 마이크로바이옴(예를 들어, 인간 마이크로바이옴, 동물 마이크로바이옴, 등)의 잠재적인 크기는 과다한 데이터로 번역될 수 있고, 이는 코-관련 컨디션과 관련하여 실행 가능한 마이크로바이옴 통찰력을 얻기 위해 방대한 어레이의 데이터를 프로세싱하고 분석하는 방법에 대한 의문을 제기한다. 그러나, 특징-선택 규칙들 및/또는 기타 적합한 컴퓨터-구현가능 규칙들은 다음 중 하나 이상을 가능하게 할 수 있다: 보다 짧은 생성 및 실행 시간(예를 들어, 모델을 생성 및/또는 적용하기 위한; 코-관련 특성화 및/또는 관련 요법을 결정하기 위한; 등); 최적화된 샘플 프로세싱 기술(예를 들어, 특이성을 개선하고, 증폭 바이어스(bias), 및/또는 다른 적절한 파라미터를 감소시키기 위해 최적화하는 것과 같이, 분류학적 그룹, 서열, 및/또는 코-관련 컨디션과 관련된 기타 적합한 데이터의 컴퓨터 분석을 통해 식별된 프라이머 타입을 사용함으로써 얻어지는 생물학적 샘플로부터의 미생물 핵산, 기타 생체분자, 및/또는 기타 샘플 프로세싱 구성의 변형을 개선시키는 것); 효율적인 결과 해석을 용이하게 하는 모델 단순화; 과다적합(overfitting)의 감소; 코-관련 컨디션과 관련되어 시간 경과에 따른 다수의 사용자에 대한 코-관련 특성화를 생성, 저장, 및 적용하는 것과 관련된 네트워크 효과(예를 들어, 코-관련 특성화의 예측력 및/또는 요법 결정을 개선하기 위해 증가하는 사용자 수와 관련된 증가하는 마이크로바이옴-관련 데이터의 양의 수집 및 프로세싱을 통해, 등); 데이터 저장 및 검색(retrieving)(예를 들어, 코-관련 특성화 모듈을 저장 및/또는 검색하는 것; 상이한 코-관련 컨디션을 갖는, 상이한 사용자 및/또는 사용자 세트와 관련된 것과 같은 특정 모델을 저장하는 것; 사용자 계정과 관련된 미생물 데이터세트를 저장하는 것; 하나 이상의 요법 및/또는 상기 요법을 받는 사용자와 관련된 요법 모니터링 데이터를 저장하는 것; 코-관련 컨디션에 대한 개인 맞춤형 특성화 및/또는 치료의 전달을 개선하기 위한, 특징들, 코-관련 특성화, 및/또는 사용자, 사용자 세트, 및/또는 기타 독립체와 관련된 기타 적합한 데이터를 저장하는 것), 및/또는 기술적인 영역에 대한 기타 적합한 개선.
넷째, 기술의 특정 실시예는 샘플 취급 시스템, 코-관련 특성화 시스템, 및 복수의 사용자를 포함하는 구성에 걸친 기능성의 창의적인 분포에 해당할 수 있으며, 샘플 취급 시스템은 복수의 사용자로부터 생물학적 샘플을 실질적으로 동시에 (예를 들어, 다중 방식으로) 프로세싱할 수 있고, 이는 코-관련 컨디션에 대한 (예를 들어, 사용자의 마이크로바이옴 식이 행동, 프로바이오틱스-관련 행동, 의료 이력, 인구통계학적 특성, 기타 행동, 선호도와 같은 사용자의 마이크로바이옴에 맞춤화된, 등) 개인 맞춤형 특성화, 및/또는 요법을 생성하는 데 미생물-관련 특성화 시스템에 의해 활용될 수 있다.
다섯째, 기술의 특정 실시예는 적어도, 유전체학, 미생물학, 마이크로바이옴-관련 컴퓨테이션, 진단학, 치료학, 마이크로바이옴-관련 디지털 의학, 디지털 의학 일반, 모델링, 및/또는 기타 관련 분야의 기술분야를 개선할 수 있다. 일 실시예로, 기술은 코-관련 컨디션에 대한 (예를 들어, 진단에 사용되어 치료적 개입을 용이하게 하는 바이오마커로서 작용할 수 있는, 등) 관련 미생물 특징의 컴퓨터상의 식별에 의한 것과 같이, 상이한 코-관련 컨디션을 모델링하고 그리고/또는 특성화할 수 있다. 다른 실시예로, 기술은 다수의 코-관련 컨디션(예를 들어, 질병, 표현형, 등)과 관련된(예를 들어, 전체적으로 공유, 전체적으로 상관적인 것, 등)과 관련된 교차-컨디션 마이크로바이옴 특징들을 식별 및 평가하기 위한 교차-컨디션 분석을 수행할 수 있다. 이러한 마이크로바이옴 특징들의 식별 및 특성화는 동반 및/또는 다중동반 코-관련 컨디션(예를 들어, 환경적 요인과 연관될 수 있어, 이에 따라 마이크로바이옴과 연관될 수 있는, 등)의 위험 및 유행을 감소시킴으로써, (예를 들어, 진단 및 치료적 개입을 용이하게 하는 것에 의한 것과 같이 집단 및 개별 수준에서, 등) 개선된 건강 보살핌의 실행을 용이하게 할 수 있다. 특정 실시예에서, 기술은 기술분야의 개선을 수여하기 위한 것과 같이, 비전통적인 프로세스(예를 들어, 샘플 프로세싱 프로세스; 컴퓨터 분석 프로세스; 등)을 적용할 수 있다.
여섯째, 기술은 방법(100) 및/또는 시스템(200)의 구현과 관련된 적합한 일부를 수행하는 데 있어서, 전문화된 컴퓨팅 디바이스(예를 들어, 차세대 시퀀싱 시스템; 코-관련 특성화 시스템; 요법 용이화 시스템과 같은 샘플 취급 시스템과 관련된 디바이스, 등)를 활용할 수 있다.
그러나, 기술의 특정 실시예는 코-관련 특성화, 마이크로바이옴 조절을 위해, 그리고/또는 방법(100)의 적합한 구현 일부를 수행하기 위해, 일반화되지 않은 구성 및/또는 적합한 구성을 사용하는 맥락에서 임의의 적합한 개선을 제공할 수 있다.
3.1 미생물 데이터세트의 결정.
방법(100)의 구현예는, 사용자 세트와 관련된 미생물 데이터세트(예를 들어, 미생물 서열 데이터세트, 미생물 서열 데이터세트에 기초한 것과 같은 마이크로바이옴 조성 다양성 데이터세트, 미생물 서열 데이터세트에 기초한 것과 같은 마이크로바이옴 기능성 다양성 데이터세트, 등)를 결정하는 단계(S110)를 포함하는 블록 S110을 포함할 수 있다. 블록 S110은 하나 이상의 코-관련 컨디션과 관련된 것과 같이, 이에 상응하는 마이크로바이옴과 관련된 조성적, 기능적, 약리유전학(pharmacogenomics), 및/또는 기타 적합한 측면을 결정하기 위해, 샘플(예를 들어, 생물학적 샘플; 비-생물학적 샘플; 인구통계학적 특성 및/또는 기타 적합한 특성을 공유하는 대상자 집단, 대상자의 서브집단, 대상자의 서브그룹과 관련된 샘플의 집합 세트; 사용자 샘플; 등)을 프로세싱하는 기능을 할 수 있다.
조성 및/또는 기능적 특징은 (예를 들어, 각 그룹의 전체 풍부도, 각 그룹의 상대적 풍부도, 대표되는 그룹의 총수, 등으로 측정했을 때) 다른 그룹의 계, 문, 강, 목, 과, 속, 종, 아종, 균주(strain) 및/또는 기타 적합한 종내 분류군(infraspecies taxon)의 상이한 그룹에 걸쳐 미생물 분포와 관련된 파라미터를 포함하여, 미생물 수준(및/또는 다른 적절한 그래뉼라러티(granularity))에서의 하나 이상의 측면을 포함할 수 있다. 조성 및/또는 기능적 측면은 또한 조작상분류단위(operational taxonomic units; OTUs)의 용어로 나타낼 수 있다. 조성 및/또는 기능적 측면은 추가적으로 또는 대안적으로 유전자 수준(예를 들어, 다좌위 서열 타이핑(multilocus sequence typing)에 의해 결정되는 영역, 16S 서열, 18S 서열, ITS 서열, 다른 유전자 마커, 기타 계통발생 마커, 등)에서의 조성 측면을 포함할 수 있다. 조성 및 기능적 측면은 특정 기능(예를 들어, 효소 활성, 수송 기능, 면역 활성, 등)과 관련된 유전자의 존재 또는 부재, 또는 양을 포함할 수 있다. 그러므로, S110 블록의 출력은 S130 블록의 특성화 프로세스, 및/또는 상기 방법(100)의 기타 적합한 일부에 대해 마이크로바이옴 특징(예를 들어, 마이크로바이옴 특징을 식별하는데 사용될 수 있는 미생물 서열 데이터세트의 생성, 등)의 결정을 용이하게 하는데 사용될 수 있고(예를 들어, 여기서 블록 S110은 마이크로바이옴 조성 데이터세트, 마이크로바이옴 기능적 데이터세트, 및/또는 이로부터 마이크로바이옴 특징이 추출될 수 있는 기타 적합한 미생물의 출력을 이끌 수 있는, 등), 상기 특징들은 미생물-기반(예를 들어, 박테리아 속의 존재), 유전자-기반(예를 들어, 특정 유전자 영역 및/또는 서열의 대표성 기반), 기능-기반(예를 들어, 특정 촉매 활성의 존재), 및/또는 임의의 기타 적합한 마이크로바이옴 특징들일 수 있다.
변형으로, 블록 S110은 다음 중 하나 이상과 관련된 유전자과와 관련하여 박테리아 및/또는 고세균(archaea)에서 유래된 계통 발생 마커(예를 들어, 미생물 데이터세트 등을 생성하기 위한 등)에 기초한 평가 및/또는 프로세싱을 포함할 수 있다: 리보솜 단백질 S2, 리보솜 단백질 S3, 리보솜 단백질 S5, 리보솜 단백질 S7, 리보솜 단백질 S8, 리보솜 단백질 S9, 리보솜 단백질 S10, 리보솜 단백질 S11, 리보솜 단백질 S12/S23, 리보솜 단백질 S13, 리보솜 단백질 S15P/S13e, 리보솜 단백질 S17, 리보솜 단백질 S19, 리보솜 단백질 L1, 리보솜 단백질 L2, 리보솜 단백질 L3, 리보솜 단백질 L4/L1e, 리보솜 단백질 L5, 리보솜 단백질 L6, 리보솜 단백질 L10, 리보솜 단백질 L11, 리보솜 단백질 L14b/L23e, 리보솜 단백질 L15, 리보솜 단백질 L16/L10E, 리보솜 단백질 L18P/L5E, 리보솜 단백질 L22, 리보솜 단백질 L24, 리보솜 단백질 L25/L23, 리보솜 단백질 L29, 번역 신장 팩터 EF-2, 번역 개시 팩터 IF-2, 메탈로엔도펩티다아제, ffh 신호 인식 입자 단백질, 페닐알라닐-tRNA 합성효소 베타 서브유닛, 페닐알라닐-tRNA 합성효소 알파 서브유닛, tRNA 슈도우리딘 신타아제 B, 포르포빌리노겐 디아미나아제, 리보솜 단백질 L13, 포스포리보포르밀글리시나미딘 시클로-리가아제, 및 리보뉴클레아제 HII. 추가적으로 또는 대안적으로, 마커는 표적 서열(예를 들어, 프라이머 서열; 보존 서열; 돌연변이, 다형성을 포함하는 서열; 뉴클레오타이드 서열; 아미노산 서열을 포함하는 서열을 공유하는 프라이머 타입을 사용하여 다중 증폭을 용이하게 하기 위한 것과 같이, 미생물 분류학적 그룹과 관련된 서열; 기능적 측면과 관련된 서열; 코-관련 컨디션과 상관 관계가 있는 서열; 상이한 요법에 대한 사용자 반응을 나타내는 서열; 집단 및/또는 임의의 적합한 대상자 세트에 걸쳐 변하지 않는 서열 등), 단백질(예를 들어, 세럼 단백질, 항체, 등), 펩타이드, 탄수화물, 지질, 기타 핵산, 전체 세포(whole cells), 대사 산물, 천연물, 유전적 소인 바이오마커, 진단 바이오마커, 예후 바이오마커, 예측 바이오마커, 기타 분자 바이오마커, 유전자 발현 마커, 이미징 바이오마커, 및/또는 기타 적합한 마커를 포함할 수 있다. 그러나, 마커는 마이크로바이옴 조성, 마이크로바이옴 기능성 및/또는 코-관련 컨디션과 관련된 임의의 기타 적합한 마커(들)를 포함할 수 있다.
따라서, 생물학적 샘플의 각각의 집합 세트 각각에 대한 마이크로바이옴 조성 및/또는 기능적 측면을 특성화하는 것은 바람직하게, 대상자 또는 대상자 집단으로부터 각각의 생물학적 샘플과 관련된 마이크로바이옴 및 기능적 측면을 양적 및/또는 질적으로 특성화하기 위해, 이에 한정하는 것은 아니나, 앰플리콘 시퀀싱(예를 들어, 16S, 18S, ITS), UMIs, 3 단계 PCR, CRISPR, 프라이머의 사용, 및/또는 컴퓨터적인 기술(예를 들어, 바이오정보학의 도구 활용)을 포함하는 샘플 프로세싱 기술(예를 들어, 해중 실험실 기술(wet laboratory techniques); 도 7에 도시된 바와 같음; 등)의 조합을 포함한다.
변형으로, 블록 S110에서의 샘플 프로세싱은 다음 중 임의의 하나 이상을 포함할 수 있다: 생물학적 샘플의 용해, 생물학적 샘플의 세포막 파괴, 생물학적 샘플로부터 원치 않는 요소들(예를 들어, RNA, 단백질)의 분리, 생물학적 샘플에서 핵산(예를 들어, DNA)의 정제, 생물학적 샘플로부터 핵산 증폭, 생물학적 샘플의 증폭된 핵산의 추가 정제, 및 생물학적 샘플의 증폭된 핵산의 시퀀싱. 일 실시예에서, 블록 S110은: 사용자 세트로부터 생물학적 샘플(예를 들어, 샘플 용기를 포함하는 샘플링 키트로 사용자에 의해 수집된 생물학적 샘플, 등)을 수집하는 단계를 포함할 수 있으며, 여기서 생물학적 샘플은 코-관련 컨디션과 관련된 미생물 핵산(예를 들어, 코-관련 컨디션과 상관 관계 있는 표적 서열을 포함하는 미생물 핵산, 등)을 포함한다. 또 다른 실시예에서, 블록 S110은 사용자 세트에게 샘플링 키트 세트를 제공하는 단계를 포함할 수 있으며, 샘플링 키트 세트의 각각의 샘플링 키트는 사용자 세트의 사용자로부터 생물학적 샘플을 수용하도록 작동 가능한 (예를 들어, 용해 시약 등과 같은 전처리 시약을 포함하는, 등) 샘플 용기를 포함한다.
변형으로, 생물학적 샘플의 용해 및/또는 생물학적 샘플의 세포에서 막을 파괴하는 것은 바람직하게 물리적 방법(예를 들어, 비드 비팅, 질소 감압, 균질화, 초음파 처리)을 포함하며, 이는 시퀀싱 시, 특정 박테리아 그룹의 표현에서 편향을 생성하는 특정 시약을 생략한다. 추가적으로 또는 대안적으로, 블록 S110에서 용해 또는 파괴는 화학적 방법(예를 들어, 세제 사용, 용매 사용, 계면활성제 사용, 등)을 포함할 수 있다. 추가적으로 또는 대안적으로, 블록 S110에서 용해 또는 파괴는 생물학적 방법을 포함할 수 있다. 변형으로, 바람직하지 않은 요소의 분리는 RNase를 사용하여 RNA를 제거하고 그리고/또는 프로테아제를 사용하여 단백질을 제거하는 것을 포함할 수 있다. 변형으로, 핵산의 정제는 다음 중 하나 이상을 포함할 수 있다: 생물학적 샘플로부터 핵산의 침전(예를 들어, 알코올-기반 침전 방법을 사용하여), 액체-액체 기반 정제 기술(예를 들어, 페놀-클로로포름 추출), 크로마토그래피-기반 정제 기술(예를 들어, 컬럼 흡착), 핵산에 바인딩하도록 구성되고, 용리 환경(예를 들어, 용리 용액을 갖는, pH 변화를 제공하는, 온도 변화를 제공하는, 등)의 존재 하에서 핵산을 방출하도록 구성된 바인딩 모이어티-바운드 입자(예를 들어, 자성 비드, 부력 비드, 크기 분포를 갖는 비드, 초음파 반응 비드 등)의 사용을 포함하는 정제 기술 및 임의의 기타 적합한 정제 기술.
변형으로, 정제된 핵산의 증폭은 다음 중 하나 이상을 포함할 수 있다: 중합효소 연쇄반응(PCR)-기반 기술(예를 들어, 고체상 PCR, RT-PCR, qPCR, 다중 PCR, 터치다운 PCT(touchdown PCR), 나노 PCR, 네스티드 PCR(nested PCR), 핫 스타트 PCR(hot start PCR), 등), 헬리케이즈-의존 증폭(helicase-dependent amplification, HDA), 루프 매개 등온 증폭(loop mediated isothermal amplification; LAMP), 자가-유지 서열 복제(self-sustained sequence replication, 3SR), 핵산서열 기반 증폭(nucleic acid sequence based amplification, NASBA), 가닥 치환 증폭(strand displacement amplification, SDA), 롤링 서클 증폭(rolling circle amplification, RCA), 라이게이즈 연쇄반응(ligase chain reaction, LCR), 및 기타 적합한 증폭 기술. 정제된 핵산 증폭에 있어서, 사용되는 프라이머들은 바람직하게 분류학적으로, 계통발생적으로, 진단용으로, 제형용으로 (예를 들어, 프로바이오틱 제형용으로), 및/또는 기타 적절한 목적용으로 정보를 제공하는 핵산 영역/서열(예를 들어, 16S 영역, 18S 영역, ITS 영역, 등)을 증폭하도록 설정될 뿐만 아니라, 증폭 편향(amplification bias)을 방지 또는 최소화하도록 선택된다. 따라서, 증폭 편향을 회피하도록 설정된 보편적인 프라이머들(예를 들어, 16S rRNA를 위한 F27-R338 프라이머 세트, 16S rRNA를 위한 F515-R806 프라이머 세트, 등)이 증폭에 사용될 수 있다. 추가적으로 또는 대안적으로, 생물학적 샘플에, 사용자에게, 코-관련 컨디션에, 분류군에, 표적 서열에, 및/또는 임의의 기타 적합한 구성에 특이적으로 통합된 바코드 서열 및/또는 UMIs를 포함할 수 있고, 이것은 시퀀싱-후 식별 프로세스(예를 들어, 마이크로바이옴 조성 및/또는 마이크로바이옴 기능적 측면에 대한 서열 판독을 맵핑하기 위한; 등)를 용이하게 할 수 있다. 특정 실시예에서, 프라이머를 적용하는 단계는 16S 유전자(예를 들어, 16S rRNA를 코딩하는 유전자)를 보편적인 V4 프라이머들(예를 들어, 515F: GTGCCAGCMGCCGCGGTAA 및 806R: GGACTACHVGGGTWTCTAAT), 가변(예를 들어, 반-보존된 초 가변 영역, 등) 영역(예를 들어 V1-V8 영역), 및/또는 RNA 유전자의 임의의 기타 적합한 일부와 관련된 기타 적합한 프라이머들로 증폭시키는 단계를 포함할 수 있다. 블록 S110의 변형에서 사용되는 프라이머들은 추가적으로 또는 대안적으로 상보적인 어댑터를 포함하는 시퀀싱 기술(예를 들어, 일루미나 시퀀싱(Illumina Sequencing))과 상호 작동하도록 설정된 어댑터 영역을 포함할 수 있다. 추가적으로 또는 대안적으로, 블록 S110은 (예를 들어, 넥스테라(Nextera) 키트를 사용하여) 프로세싱을 용이하게 하도록 구성된 임의의 기타 단계를 구현할 수 있다. 특정 실시예에서, 증폭 및/또는 샘플 프로세싱 작업을 수행하는 단계는 다중 방식으로 이루어질 수 있다(예를 들어, 단일 생물학적 샘플에 대해, 다중 사용자들에 걸쳐 다수의 생물학적 샘플에 대해, 등). 또 다른 특정 실시예에서, 증폭을 수행하는 것은 3 스텝 PCR, 비드 기반 정규화와 같이, 라이브러리들에 대해 균형을 맞추고, 출발 물질의 양과 독립적으로 모든 앰플리콘을 검출하기 위한 정규화 단계, 및/또는 기타 적합한 기술을 포함할 수 있다.
변형으로, 정제된 핵산의 시퀀싱은 표적 앰플리콘 시퀀싱(targeted amplicon sequencing), 다음 중 하나 이상을 포함하는 기술을 구현하는 방법들을 포함할 수 있다: 합성에 의한 시퀀싱 기술(sequencing-by-synthesis techniques)(예를 들어, 일루미나 시퀀싱(Illumina sequencing)), 캐필러리 시퀀싱 기술(capillary sequencing techniques)(예를 들어, 생거 시퀀싱(Sanger sequencing)), 파이로시퀀싱 기술(pyrosequencing techniques) 및 나노포어 시퀀싱 기술(예를 들어, 옥스포드 나노포어 기술(Oxford Nanopore technique)을 사용함).
특정 실시예에서, 생물학적 샘플 세트의 생물학적 샘플로부터의 핵산의 증폭 및 시퀀싱은: 올리고 어댑터를 갖는 기질상에서 생물학적 샘플의 DNA 단편의 브릿지 증폭을 포함하는 고체상 PCR, 여기서 증폭은 포워드 인덱스 서열(forward index sequence)(예를 들어, MiSeq/NextSeq/HiSeq 플랫폼에 대한 일루미나 포워드 인덱스(Illumina forward index)에 대응하는), 포워드 바코드 서열, 트랜스포제이즈 서열(예를 들어, MiSeq/NextSeq/HiSeq 플랫폼에 대한 트랜스포제이즈(transposase) 바인딩 부위에 대응하는), 링커(예를 들어, 균질성을 감소시키고 서열 결과를 개선하기 위해 설정된 0, 1 또는 2-염기 단편), 부가적인 랜덤 염기, UMIs, 특정 표적 영역을 표적하기 위한 서열(예를 들어, 16S rRNA 영역, 18S rRNA 영역, ITS 영역), 역방향 인덱스 서열(reverse index sequence) (예를 들어, MiSeq/NextSeq/HiSeq 플랫폼에 대한 일루미나 역방향 인덱스(Illumina reverse index)에 대응하는), 및 역방향 바코드 서열를 가지는 프라이머를 포함한다. 특정 실시예에서, 시퀀싱은 (예를 들어, HiSeq 플랫폼으로, MiSeq 플랫폼으로, NextSeq 플랫폼으로, 등) 합성에 의한 시퀀싱 기술을 이용하는 일루미나 시퀀싱을 포함한다. 또 다른 특정 실시예에서, 방법(100)은: 하나 이상의 코-관련 컨디션과 관련된 하나 이상의 유전적 표적과 호환 가능한 하나 이상의 프라이머 타입을 식별하는 단계(예를 들어, 하나 이상의 코-관련 컨디션의 바이오마커; 양성적으로 상관 관계가 있는, 음성적으로 상관 관계가 있는; 원인이 되는; 등); 미생물 핵산을 단편화하고, 그리고/또는 코-관련 컨디션과 관련된 하나 이상의 유전자 표적과 호환 가능한 하나 이상의 식별된 프라이머 타입(예를 들어, 프라이머 타입에 대응하는 프라이머들, 등)에 기초하여 단편화된 미생물 핵산에 대헤 다중 증폭을 프로세스하는 것과 같이, 하나 이상의 프라이머 타입에 기초(예를 들어, 하나 이상의 프라이머 타입에 대응하는 프라이머에 기초, 그리고 수집된 생물학적 샘플에 포함되는 미생물 핵산에 기초, 등)하여, 하나 이상의 사용자(예를 들어, 대상자 세트)에 대해 미생물 데이터세트(예를 들어, 차세대 시퀀싱 시스템에 의한 것과 같은; 미생물 서열 데이터세트; 등)를 결정하는 단계; 및/또는 미생물 데이터세트로부터 유래된 코-관련 특성화에 기초하여, 사용자 컨디션에 대한 요법(예를 들어, 코-관련 컨디션에 대해; 원하는 분류군 및 원하는 마이크로바이옴 기능의 집단 크기 중 적어도 하나와 관련되어 사용자의 마이크로바이옴의 선택적인 조절이 가능하도록 하는 것, 등)을 촉진(예를 들어, 제공)하는 단계를 포함할 수 있다. 특정 실시예에서, 미생물 데이터세트를 결정하는 단계는 미생물 핵산에 대한 단일 증폭 프로세스 및 다중 증폭 프로세스 중 적어도 하나를 통해 증폭된 미생물 핵산을 생성하는 단계; 및 차세대 시퀀싱 시스템으로, 증폭된 미생물 핵산에 기초하여 미생물 데이터세트를 결정하는 단계를 포함할 수 있다. 일 실시예에서, 하나 이상의 미생물 서열 데이터세트를 결정하는 단계는 차세대 시퀀싱 시스템으로 미생물 핵산(예를 들어, 수집된 샘샘플로부터, 등)을 시퀀싱하는 단계에 기초할 수 있다.
실시예에서, 생물학적 샘플은 내장 수집 부위(예를 들어, 내장 부위의 신체 부위 타입에 대응함), 피부 수집 부위(예를 들어, 피부 부위의 신체 부위 타입에 대응함), 코 수집 부위(예를 들어, 코 부위의 신체 부위 타입에 대응함), 입 수집 부위(예를 들어, 입 부위의 신체 부위 타입에 대응함), 및 생식기 수집 부위(예를 들어, 생식기 부위의 신체 부위 타입에 대응함) 중 적어도 하나를 포함하는 하나 이상의 수집 부위에 대응할 수 있다. 특정 실시예에서, 미생물 데이터세트(예를 들어, 미생물 서열 데이터세트, 등)를 결정하는 단계는 하나 이상의 코-관련 컨디션 및 수집 부위 세트 중 제1 수집 부위와 관련된 제1 유전적 표적과 호환 가능한 제1 프라이머 타입을 식별하는 단계; 하나 이상의 코-관련 컨디션 및 수집 부위 세트 중 제2 수집 부위와 관련된 제2 유전적 표적과 호환 가능한 제2 프라이머 타입을 식별하는 단계; 미생물 핵산, 제1 프라이머 타입에 대응하는 제1 프라이머, 및 제2 프라이머 타입에 대응하는 제2 프라이머에 기초하여 대상자 세트에 대한 미생물 데이터세트를 생성하는 단계를 포함할 수 있다.
변형으로, 블록 S110에 사용되는 프라이머(프라이머 서열에 상응하는 프라이머 타입의, 등) 및/또는 방법(100)의 기타 적합한 일부는 단백질 유전자(예를 들어, 다수의 표적 및/또는 분류에 대해 다중 증폭을 가능하게 하기 위한 것과 같이, 다수의 분류에 걸쳐 보존된 단백질 유전자 서열에 대해 코딩하는)와 관련된 프라이머를 포함할 수 있다. 프라이머는 추가적으로 또는 대안적으로, 코-관련 컨디션(예를 들어, 코-관련 컨디션과 상관 관계 있는 미생물에 대한 미생물 서열 바이오마커를 포함하는 유전적 표적과 호환 가능한 프라이머, 등), 마이크로바이옴 조성 특징(예를 들어, 코-관련 컨디션과 상관 관계 있는 분류의 그룹과 관련된 마이크로바이옴 조성 특징에 대응하는 유전적 표적과 호환 가능한 식별된 프라이머; 이로부터 상대적 풍부도 특징이 유래되는 유전적 서열, 등), 기능적 다양성 특징, 보충적 특징, 및/또는 기타 적합한 특징 및/또는 데이터와 관련될 수 있다. 프라이머 (및/또는 본원에 설명된 기타 적합한 분자, 마커, 및/또는 생물학적 물질)는 임의의 적합한 크기(예를 들어, 서열 길이, 염기쌍의 수, 보존된 서열 길이, 다양한 영역 길이, 등)를 가질 수 있다. 추가적으로 또는 대안적으로, 임의의 적합한 수의 프라이머가 특성화(예를 들어, 코-관련 특성화, 등)를 수행하고, 샘플 프로세싱(예를 들어, 증폭 바이어스(bias) 감소, 등을 통해)을 개선하고, 그리고/또는 임의의 적합한 목적을 위해 샘플 프로세싱에 사용될 수 있다. 프라이머는 임의의 적합한 수의 표적, 서열, 분류, 컨디션, 및/또는 기타 적합한 측면과 관련될 수 있다. 블록 S110 및/또는 방법(100)의 기타 적합한 일부에 사용되는 프라이머는 블록 S110에 설명된 프로세스(예를 들어, 분류학적 데이터베이스를 생성하는데 사용된 파라미터에 기초한 프라이머 선택) 및/또는 방법(100) 구현의 임의의 기타 적합한 일부를 통해 선택될 수 있다. 추가적으로 또는 대안적으로, 프라이머 (및/또는 프라이머와 관련된 프로세스)는 2015년 10월 21일에 출원된 미국 특허출원 제14/919,614호에 설명된 것을 포함하고, 그리고/또는 이와 유사할 수 있으며, 이는 본원에 그 전체가 참조로 포함된다. 그러나, 프라이머의 식별 및/또는 사용은 임의의 적절한 방식으로 구성될 수 있다.
샘플 프로세싱의 일부 변형은 시퀀싱 전에, 과량의 증폭 요소(예를 들어, 프라이머, dNTP, 효소, 염, 등)를 제거하는 기능을 하는, 증폭된 핵산(예를 들어, PCR 산물)의 추가 정제를 포함할 수 있다. 예를 들어, 추가 정제는 다음 중 하나 이상을 사용하여 용이하게 될 수 있다: 정제 키트, 버퍼, 알코올, pH 지시약, 카오트로픽 염(chaotropic), 핵산 바인딩 필터, 원심분리 및/또는 기타 적합한 정제 기술.
변형으로, 블록 S110에서의 컴퓨터적인 프로세싱은 다음 중 임의의 하나 이상을 포함할 수 있다: 마이크로바이옴-유래 서열의 식별(예를 들어, 대상 서열 및 오염물과 대조되는 것으로), 마이크로바이옴-유래된 서열의 정렬 및 맵핑(예를 들어, 단일 말단 정렬, 언갭(ungapped) 정렬, 갭 정렬, 페어링 중 하나 이상을 이용한 단편화 서열의 정렬), 및 생물학적 샘플과 관련된 마이크로바이옴의 조성적 및/또는 기능적 측면과 관련된(예를 들어, 유래된) 특징을 생성.
마이크로바이옴-유래 서열의 식별은 대상 게놈-유래 서열을 제거하기 위해, 샘플 프로세싱으로부터 대상 기준 게놈(예를 들어, 게놈 기준 컨소시엄에 의해 제공된)으로의 서열 데이터를 맵핑하는 단계를 포함할 수 있다. 서열 데이터를 대상 기준 게놈에 맵핑한 후 남아있는 미식별 서열은, 그 다음, 추가적으로 서열 유사성 및/또는 기준-기반 접근법(예를 들어, VAMPS 사용, MG-RAST 사용, QIIME 데이터베이스 사용)에 기초하여 작동 분류학 유닛(OTUs)으로 클러스터링되고, 정렬되고(예를 들어, 게놈 해싱(genome hashing) 접근법 사용, Needleman-Wunsch 알고리즘 사용, Smith-Waterman 알고리즘 사용), 그리고 정렬 알고리즘(예를 들어, 기본 로컬 정렬 검색 도구(Basic Local Alignment Search Tool) FPGA 가속 정렬 도구, BWA를 사용한 BWT-인덱싱, SOAP을 사용한 BWT-인덱싱, Bowtie를 사용한 BWT-인덱싱, 등)을 사용하여 기준 박테리아 게놈(예를 들어, 국립 생물공학정보센터(National Center for Biotechnology Information)에서 제공된)에 맵핑될 수 있다. 미식별된 서열의 맵핑은 추가적으로 또는 대안적으로 기준 고세균류 게놈, 바이러스 게놈 및/또는 진핵생물 게놈에 대한 맵핑을 포함할 수 있다. 또한, 분류군의 맵핑은 기존 데이터베이스와 관련되어 그리고/또는 주문-생성된 데이터베이스와 관련되어 수행될 수 있다.
블록 S120에 설명된 임의의 적합한 프로세스는 임의의 적절한 수의 생물학적 샘플에 대해 다중의 방식으로 수행될 수 있다. 일 실시예에서, 블록 S 120은 포워드 및 리버스 인덱스(예를 들어, 유일한 조합)를 가지는 다수의 샘플을 바코딩하는 단계, 다중의 방식으로 다수의 샘플을 시퀀싱하는 단계; 그리고, 시퀀싱 후에 상이한 사용자에 대응하여 샘플의 다중화를 해제(demultiplexing)하는 단계를 포함할 수 있다. 추가적으로 또는 대안적으로, 블록 S110의 일부의 임의의 수의 예는 임의의 적합한 시간 및 빈도로 수행될 수 있다. 그러나, 생물학적 샘플을 프로세싱하는 단계, 미생물 데이터세트를 결정하는 단계, 및/또는 기타 관련된 측면은 2018년 07월 27일에 출원된 미국 특허출원 제16/047,840호에 설명된 것과 유사한 임의의 적합한 방식으로 수행될 수 있으며, 이는 본원에 그 전체가 참조로 포함된다.
실시예에서, 미생물 데이터세트는 하나 이상의 코-관련 특성화 프로세스를 촉진하기 위해 결정(예를 들어, 블록 S130, S135, S160, 및/또는 방법(100) 구현의 적합한 일부, 등과 관련한)될 수 있다. 특정 실시예에서, 방법(100)은 대상자 세트로부터 샘플 세트를 수집하는 단계(예를 들어, 대상자 세트에 의해 셀프-샘플링; 대상자 세트의 코 부위에서 샘플링; 등); 하나 이상의 환경적 요인(예를 들어, 샘플링 날짜와 같은 샘플링 시간에 따른, 시즌 및 기후; 등)에 기초하여 대상 세트를 서브셋팅하는 단계; 샘플 세트로부터 DNA를 추출(예를 들어, 마그네틱 비드를 사용; 등)하는 단계; DNA로부터 표적을 증폭(예를 들어, 바코딩된 프라이머들을 이용하여; 16S rRNA 영역의 V4 영역; 등)하는 단계; 증폭된 라이브러리를 시퀀싱(예를 들어, 페어-엔드 시퀀싱; 하나 이상의 차세대 시퀀싱 시스템을 사용하여; 등)하는 단계; 코-관련 특성화에 대한 보충 데이터(예를 들어, 캘린더 시즌, 기후 타입, 기타 환경적 요인을 포함하는 샘플 메타데이터, 등)와의 조합으로 분석될 수 있는 마이크로바이옴 조성과 관련된 분류학적 카운트, 풍부도, 및/또는 기타 적합한 데이터와 같은, 미생물 데이터세트(예를 들어, 프로세싱된 미생물 데이터세트; 등)의 결정 및/또는 마이크로바이옴 특징(예를 들어, 마이크로바이옴 조성 특징; 등)의 결정을 용이하게 하기 위해, 키메라(chimeras) 제거 후에, 양 단부를 미리 큐레이트된(curated) 앰플리콘 데이터세트에 배열하는 것과 같이, 하나 이상의 분석 기술을 적용(예를 들어, 특성화 프로세스를 수행하는 단계와 관련하여; 등)하는 단계(예를 들어, 블록 S130, S135, S160, 및/또는 방법(100) 구현의 적합한 일부, 등과 관련한)를 포함할 수 있다. 특정 실시예에서, 기후 타입은 샘플 및/또는 사용자의 지리적 위치에 기초하여 주요 Koppen 기후 분류 타입(Major Koppen climate classification types)을 사용하여 (샘플, 등에) 할당될 수 있다.
그러나, 생물학적 샘플을 프로세싱하는 단계, 미생물 데이터세트를 생성하는 단계, 및/또는 기타 관련된 측면은 임의의 적합한 방식으로 수행될 수 있다.
3.2 보충 데이터 프로세싱.
방법(100)의 구현은 추가적으로 또는 대안적으로, 블록 S120을 포함할 수 있으며, 이는 코-관련 특성화(예를 들어, 코-관련 특성화에서 사용될 수 있는 보충 데이터, 등), 하나 이상의 코-관련 컨디션, 하나 이상의 사용자, 및/또는 기타 적합한 독립체와 관련된(예를 들어, 정보 제공되는; 설명되는; 나타내는; 상관 관계 있는; 등) 보충 데이터와 같이, 보충 데이터(예를 들어, 하나 이상의 보충 데이터세트, 등)를 프로세싱(예를 들어, 수신, 수집, 변환, 보충 특징 결정, 보충 특징 순위, 상관 관계 식별, 등)하는 단계를 포함할 수 있다. 블록 S120은 미생물 데이터세트, 마이크로바이옴 특징(예를 들어, 코-관련 특성화를 결정하는 것 및/또는 치료적 개입을 용이화 하는 것과 관련된, 등)을 보충하기 위한 데이터를 프로세스하는 데 기능할 수 있으며, 및/또는 방법(100) 및/또는 시스템(200)의 임의의 적합한 일부를 보충하는 데 기능(예를 들어, 트레이닝의 용이화, 유효화, 생성, 결정, 적용 및/또는 기타 다른 방식으로 코-관련 특성화 모델을 프로세싱 하는 것을 위하는 것과 같은, 블록 S130에서와 같이, 하나 이상의 특성화 프로세스를 용이화하기 위한 보충 데이터를 프로세싱하는 것, 등)할 수 있다. 일 실시예에서, 보충 데이터는 설문조사-유래 데이터, 사용자 데이터, 부위-특이적 데이터, 및 디바이스 데이터(및/또는 기타 적합한 보충 데이터) 중 적어도 하나를 포함할 수 있으며, 여기서 방법(100)의 일 실시예는 설문조사-유래 데이터, 사용자 데이터, 부위-특이적 데이터, 및 디바이스 데이터 (및/또는 기타 적합한 보충 데이터) 중 적어도 하나에 기초하여 보충 특징 세트를 결정하는 단계; 및 보충 특징, 마이크로바이옴 특징, 및/또는 기타 적합한 데이터에 기초하여 하나 이상의 코-관련 특성화 모델을 프로세싱(예를 들어, 생성, 트레이닝, 적용, 등)하는 단계를 포함할 수 있다.
보충 데이터는 다음 중 하나 이상을 포함할 수 있다: 샘플 메타데이터(예를 들어, 하나 이상의 샘플에 대한, 지리적 위치 파라미터, 캘린더 시즌 파라미터, 기후 타입); 환경적 요인(예를 들어, 본원에 설명됨); 설문조사-유래 데이터(예를 들어, 본원에 설명된 임의의 적합한 타입의 데이터에 대한, 샘플 메타데이터, 사용자 데이터, 하나 이상의 코-관련 컨디션을 위해 설문 조사한 하나 이상의 설문 조사에 대한 응답으로부터의 데이터; 등); 부위-특이적 데이터(예를 들어, 코 부위에 대한 정보를 제공하는 데이터; 특정 수집 부위 및 하나 이상의 코-관련 컨디션에서의 마이크로바이옴 사이에 상관 관계를 나타내는 사전 생물학적 지식과 같은, 상이한 수집 부위; 등); 코-관련 컨디션 데이터(예를 들어, 마이크로바이옴 특성, 요법, 사용자와 관련된 것과 같이, 상이한 코-관련 컨디션에 대한 정보를 제공하는 데이터, 등); 디바이스 데이터(예를 들어, 센서 데이터; 코와 관련된 맥락별 센서 데이터; 웨어러블 디바이스 데이터; 의료 디바이스 데이터; 모바일폰 어플리케이션 데이터와 같은 사용자 디바이스 데이터; 웹 어플리케이션 데이터; 등); 사용자 데이터(예를 들어, 연령, 민족성; 과거 요법, 과거 의료 검사 데이터와 같은 과거 및 현재 의료 데이터의 사용자 의료 데이터; 의료 디바이스-유래 데이터; 생리학적 데이터; 의료 테스트와 관련된 데이터; 소셜 미디어 데이터; 인류통계학적 데이터; 가족력 데이터; 행동을 설명하는 행동 데이터; 생활 컨디션과 관은 환경적 요인을 설명하는 환경적 요인 데이터; 음식 확립(food establishment) 체크인 데이터, 분광 광도 분석으로부터의 데이터, 사용자-입력 데이터, 프로바이오틱 및/또는 프리바이오틱 식품 아이템과 관련된 영양 데이터, 소비된 음식의 타입, 소비된 음식의 양, 칼로리 데이터, 식이 섭생(regimen) 데이터, 및/또는 기타 적합한 식이-관련 데이터와 같은 식이-관련 데이터; 등); 사전 생물학적 지식(예를 들어, 코-관련 컨디션의 정보 제공, 마이크로바이옴 특성, 마이크로바이옴 특성 및 코-관련 컨디션 사이의 관련성, 등); 및/또는 임의의 기타 적합한 타입의 보충 데이터.
변형으로, 보충 데이터를 프로세싱하는 단계는 설문조사-유래 데이터를 프로세싱하는 단계를 포함할 수 있으며, 여기서 설문조사-유래 데이터는 샘플 메타데이터, 컨디션 데이터(예를 들어, 존재, 부재, 및/또는 하나 이상의 코-관련 컨디션의 민감도를 나타내는 것, 등), 생리학적 데이터, 인류통계학적 데이터, 행동 데이터, 환경적 요인 데이터(예를 들어, 환경적 요인을 설명하는, 등), 기타 타입의 보충 데이터, 및/또는 기타 적합한 데이터를 제공할 수 있다.
생리학적 데이터는 생리학적 특징과 관련된 정보(예를 들어, 키, 체중, 체질량 지수, 체지방률, 체모 수준, 병력, 등)를 포함할 수 있다. 인구통계학적 데이터는 인구통계학적 특징(예를 들어, 성별, 연령, 민족성, 결혼 상태, 형제 자매 수, 사회 경제적 상태, 성적 취향, 등)과 관련된 정보를 포함할 수 있다. 행동 데이터는 다음 중 하나 이상을 포함하는 행동을 설명할 수 있다: 건강-관련 상태(예를 들어, 건강 및 질병 상태), 식이 습관(예를 들어, 알코올 소비, 카페인 소비, 잡식성, 채식주의자, 완전 채식주의자, 설탕 소비, 산 소비, 밀, 계란, 콩, 트리너트, 땅콩, 조개류의 소비, 알레르기 특성, 다른 음식 아이템의 소비 및/또는 회피, 등), 행동 성향(예를 들어, 신체 활동의 수준, 약물 사용, 알코올 사용, 습관 발달, 등), 상이한 수준의 이동성(예를 들어, 주어진 시간 내에 이동한 거리와 관련된; 모션 및/또는 위치 센서와 같은 이동성 센서에 의해 표시된; 운동량, 예를 들어, 낮음, 중간 및/또는 극한의 신체적 운동 활동; 등), 상이한 수준의 성적 활동(예를 들어, 파트너 수 및 성적 취향 관련) 및 임의의 기타 적합한 행동 정보. 설문조사-유래 데이터는 정량적 데이터, 정성적 데이터, 및/또는 기타 적합한 타입의 설문조사-유래 데이터를 포함할 수 있으며, 예를 들어, 정성적 데이터는 (예를 들어, 민감도의 스케일, 정성적 반응을 정량화된 스코어로 맵핑하는 것 등을 사용하여) 정량적 데이터로 변환될 수 있다. 설문조사-유래 데이터의 프로세싱은 하나 이상의 사용자, 대상자, 및/또는 기타 적합한 독립체에 대한 하나 이상의 설문조사를 제공하는 것에 의한 것과 같이, 설문조사-유래 데이터의 수집을 용이화하는 것을 포함할 수 있다. 설문조사는 직접(in-person)(예를 들어, 샘플 키트의 제공 및/또는 샘플의 수신을 조정하여; 등), 전자적으로(예를 들어, 계정 설정 동안, 대상자의 전자 디바이스의 어플리케이션 실행 시, 인터넷 접속을 통해 접근 가능한 웹 어플리케이션 및/또는 웹 사이트에서, 등), 및/또는 기타 적합한 방식으로 제공될 수 있다.
추가적으로 또는 대안적으로, 보충 데이터를 프로세싱하는 단계는 센서 데이터(예를 들어, 코-관련 디바이스, 웨어러블 컴퓨팅 디바이스, 모바일 디바이스의 센서; 사용자 스마트 폰의 생체 센서와 같은, 사용자와 관련된 생체 센서; 등)를 프로세싱하는 단계를 포함할 수 있다. 센서 데이터는 다음 중 임의의 하나 이상을 포함할 수 있다: 신체 활동- 및/또는 신체 액션-관련 데이터(예를 들어, 모바일 디바이스 및/또는 웨어러블 전자 디바이스와 같은, 하나 이상의 디바이스로부터의 가속도계 데이터, 자이로스코프(gyroscope) 데이터, GPS 데이터와 같은 위치 센서 데이터, 및/또는 기타 이동성 센서 데이터, 등), 환경적 요인을 설명하는 센서 데이터(예를 들어, 온도 데이터, 고도 데이터, 기후 데이터, 광 파라미터 데이터, 압력 데이터, 공기 질 데이터, 등), 생체 센서 데이터(예를 들어, 혈압 데이터; 온도 데이터; 스웰링과 관련된 압력 데이터; 심박수 센서 데이터; 지문 센서 데이터; 얼굴 이미지 및/또는 비디오와 같은 광학 센서 데이터; 모바일 디바이스의 센서를 통해 기록된 데이터; 웨어러블 또는 기타 주변 디바이스를 통해 기록된 데이터; 등), 및/또는 센서와 관련된 임의의 기타 적합한 데이터. 추가적으로 또는 대안적으로, 센서 데이터는 다음 중 하나 이상에서 샘플링된 데이터를 포함할 수 있다: 광학 센서(예를 들어, 이미지 센서, 광 센서, 카메라, 등), 오디오 센서(예를 들어, 마이크로폰, 등), 온도 센서, 휘발성 화합물 센서, 공기 질 센서, 무게 센서, 습도 센서, 깊이 센서, 위치 센서(GPS 수신; 비콘(beacons); 실내 위치 추적 시스템(indoor positioning systems); 나침반; 등), 모션 센서(예를 들어, 가속기, 자이로스코프, 자력계, 사용자가 착용한 디바이스에 통합된 모션 센서, 등), 생체 센서(예를 들어, 심박수를 모니터링하기 위한 것과 같은 심박수 센서; 지문 센서; 안면 인식 센서; 생체 임피던스 센서, 등), 압력 센서, 근접 센서(proximity sensors)(예를 들어, 제3 자 객체의 모션 및/또는 기타 측면을 모니터링 하기 위한; 등), 흐름 센서, 전력 센서(예를 들어, 홀 효과 센서(Hall effect sensors), 가상 현실-관련 센서, 증강 현실-관련 센서, 및/또는 기타 적합한 타입의 센서.
추가적으로 또는 대안적으로, 보충 데이터는 의료 기록 데이터 및/또는 임상 데이터를 포함할 수 있다. 이와 같이, 보충 데이터세트의 일부는 하나 이상의 전자 건강 기록(electronic health records, EHRs)로부터 유래될 수 있다. 대안적으로 또는 추가적으로, 보충 데이터는 임의의 기타 적합한 진단적 정보(예를 들어, 임상 진단 정보)를 포함할 수 있다. (예를 들어, 추출된 보충 특징의 형태, 등으로) 임의의 적합한 보충 데이터는 방법(100) 및/또는 시스템(200) 구현의 일부를 수행(예를 들어, 특성화 프로세스, 등을 수행)하기 위해, 마이크로바이옴 특징 및/또는 기타 적합한 데이터를 조합 및/또는 사용할 수 있다. 예를 들어, 컴퓨터 단층 촬영(CT 스캔), 초음파, 생검, 혈액 검사, 암 스크리닝 시험, 소변 테스트(예를 들어, 감염을 검출 하기 위해; 등), 진단 이미징, 코-관련 컨디션과 관련된 기타 적합한 진단 순서, 설문조사-관련 정보, 및/또는 임의의 기타 적합한 테스트와 관련된(예를 들어, 유래된, 등) 보충 데이터를 보충으로 사용할 수 있다(예를 들어, 방법(100) 및/또는 시스템(200) 구현의 임의의 적합한 일부를 위해).
추가적으로 또는 대안적으로, 보충 데이터는 다음 중 하나 이상을 포함하는 요법-관련 데이터를 포함할 수 있다: 요법 섭생, 요법의 타입, 추천 요법, 사용자에 의해 사용된 요법, 요법 준수(adherence) 및/또는 요법과 관련된 기타 적합한 데이터. 예를 들어, 보충 데이터는 하나 이상의 요법과 관련된 사용자 준수 매트릭스(예를 들어, 의약 준수, 프로바이오틱 준수, 신체 운동 준수, 식이 준수, 등)를 포함할 수 있다. 그러나, 보충 데이터를 프로세싱하는 것은 임의의 적합한 방식으로 수행될 수 있다.
3.3 특성화 프로세스 수행.
방법(100)의 구현은 블록 S130을 포함할 수 있으며, 이는 미생물 데이터 세트(예를 들어, 블록 S110으로 유래된, 등) 및/또는 기타 적합한 데이터(예를 들어, 보충 데이터세트; 등)에 기초하는 것과 같이, 하나 이상의 코-관련 컨디션과 관련하여 특성화 프로세스(예를 들어, 전처리; 특징 생성; 특징 프로세싱; 다수의 신체 부위에 대한 다중-부위 특성화와 같이, 신체 부위에 대응하는 수집 부위에서 수집된 샘플에 대한 것과 같은, 하나 이상의 특정 신체 부위에 특징적인 특성화와 같은, 부위-특이적 특성화; 다수의 코-관련 컨디션에 대한 교차-컨디션 분석; 모델 생성; 등)를 수행하는 단계(S130)를 포함할 수 있다. 블록 S130은 그들의 마이크로바이옴 조성(예를 들어, 마이크로바이옴 조성 다양성 특징, 등), 기능(예를 들어, 마이크로바이옴 기능적 다양성 특징, 등), 및/또는 기타 적합한 마이크로바이옴 특징에 기초하여, 사용자 또는 사용자 세트에 대한 코-관련 특성화를 결정하는 데 사용될 수 있는 특징 및/또는 특징 조합을 식별, 결정, 추출, 및/또는 다른 방식으로 프로세스하는 데 기능할 수 있다(예를 들어, 코-관련 특성화를 결정하기 위해 특성화 모델의 생성 및 적용을 통하는 것과 같이, 등).
이와 같이, 특성화 프로세스는 하나 이상의 그들의 건강 컨디션 상태(예를 들어, 코-관련 컨디션 상태), 행동 특징, 의학적 상태, 인류통계학적 특성, 및/또는 임의의 기타 적합한 특징과 관련하여, 그들의 마이크로바이옴 조성 및/또는 기능 특징에 기초하여, 대상자(예를 들어, 행동 특징의 면에서, 의학적 컨디션의 면에서, 인류 통계학적 특성의 면에서, 등)를 특성화 할 수 있는 진단 도구로서 사용될 수 있다. 이러한 특성화는 요법의 결정, 추천, 및/또는 제공(예를 들어, 요법 모델의 방식에 의해 결정된 것과 같은, 개인 맞춤화된 요법, 등) 및/또는 다른 방식으로 치료적 개입을 용이화하는 것에 사용될 수 있다. 추가적으로 또는 대안적으로, 특성화 프로세스는 (예를 들어, 하나 이상의 마이크로바이옴 특징 및 하나 이상의 코-관련 컨디션 사이의 관련성을 포함하는, 등) 미생물 데이터베이스에 기초할 수 있다.
특성화 프로세스를 수행하는 단계(S130)는 미생물 데이터세트, 마이크로바이옴 특징, 및/또는 다운스트림 프로세싱을 용이하게 하기 위한 기타 적합한 데이터를 전처리하는 것을 포함할 수 있다(예를 들어, 코-관련 특성화 결정, 등). 일 실시예에서, 특성화 프로세스를 수행하는 단계는 다음 중 하나 이상에 의해 미생물 데이터세트를 필터링(예를 들어, 마이크로바이옴 특징을 결정하기 위해 분석 기술 세트를 적용하기 이전과 같은 미생물 서열 데이터세트를 필터링, 등)하는 단계를 포함할 수 있다: a) 생물학적 샘플 세트의 제1 샘플 이상치(outliers)(예를 들어, 하나 이상의 코-관련 컨디션과 관련된 등)에 대응하는 제1 샘플 데이터를 제거하는 것, 예를 들어 여기서 제1 샘플 이상치가 주요 구성 분석, 차원 감소 기술(dimensionality reduction technique), 및 다변량 방법론 중 적어도 하나에 의해 결정됨; b) 생물학적 샘플 세트의 제2 샘플 이상치에 대응하는 제2 샘플 데이터를 제거하는 것, 여기서 제2 샘플 이상치는 마이크로바이옴 특징 세트에 대해 대응하는 데이터 품질에 기초하여 결정될 수 있음(예를 들어, 역치 컨디션 미만의 고품질 데이터를 갖는 다수의 마이크로바이옴 특징에 상응하는 샘플을 제거하는 것 등); 및 c) 역치 샘플 수 컨디션을 만족하는 데 실패한 마이크로바이옴 특징에 대한 샘플 수에 기초하여 마이크로바이옴 특징 세트로부터 하나 이상의 마이크로바이옴 특징을 제거하는 것, 여기서 샘플 수는 마이크로바이옴 특징에 대해 고품질 데이터와 관련된 샘플의 수에 대응함. 그러나, 전처리는 임의의 적절한 방식으로 임의의 적합한 분석 기술로 수행될 수 있다.
특성화 프로세스를 수행함에 있어서, 블록 S130은 컴퓨터상의 방법(예를 들어, 통계학적 방법, 머신 러닝 방법, 인공지능 방법, 생물정보학 방법, 등)을 사용하여 하나 이상의 코-관련 컨디션(예를 들어, 하나 이상의 코-관련 컨디션을 갖는 사용자 세트의 특성적인 특징)과 관련된 특징을 나타냄으로써 대상자를 특성화(예를 들어, 사용자 마이크로바이옴 특징을 결정하는 단계는 하나 이상의 코-관련 컨디션과 상관 관계가 있거나 그리고/또는 다른 방식으로 관련이 있는 특성화 프로세스에 의해 식별되는 마이크로바이옴 특징에 대한 특징 값을 결정하는 단계를 포함할 수 있음, 등)할 수 있다.
도 5에서 보이는 바와 같이, 특성화 프로세스를 수행하는 단계는, 하나 이상의 분석 기술의 적용을 통하는 것과 같이, 하나 이상의 코-관련 특성화(예를 들어, 하나 이상의 코-관련 컨디션에 대해 큰 관련성이 있는 마이크로바이옴 특징을 식별하는 것; 하나 이상의 코-과련 컨디션과 관련하여 식별된 마이크로바이옴 특징에 대응하는 사용자 마이크로바이옴 특징의 존재, 부재, 및/또는 값과 같은, 사용자 마이크로바이옴 특징을 결정하는 것, 등)와 관련된 하나 이상의 마이크로바이옴 특징을 결정하는 단계를 포함할 수 있다. 일 실시예에 있어서, 마이크로바이옴 특징(예를 들어, 마이크로바이옴 조성 특징, 마이크로바이옴 기능 특징, 등)을 결정하는 단계는 미생물 데이터세트(예를 들어, 미생물 서열 데이터세트, 등)에 기초하는 것과 같은, 단일변량 통계학적 테스트, 다변량 통계학적 테스트, 차원 감소 기술, 및 인공 지능 접근법 중 적어도 하나를 포함하는 분석 기술 세트를 적용할 수 있으며, 그리고 여기서 마이크로바이옴 특징은 사용자에 대한 코-관련 특성화의 결정과 관련된 컴퓨팅 시스템-관련 기능성을 개선시키기 위해 구성될 수 있다(예를 들어, 정확도, 에러 감소, 처리 속도, 스케일린, 등과 관련하여). 일 실시예에서, 마이크로바이옴 특징(예를 들어, 사용자 마이크로바이옴 특징, 등)을 결정하는 단계는, 미생물 데이터세트에 기초하여, 마이크로바이옴 조성 다양성 특징 및 마이크로바이옴 기능적 다양성 특징 중 적어도 하나의 존재, 마이크로바이옴 조성 다양성 특징 및 마이크로바이옴 기능적 다양성 특징 중 적어도 하나의 부재, 제1 코-관련 컨디션과 관련된 상이한 분류학적 그룹의 상대적인 풍부도를 설명하는 상대적 풍부도 특징, 상이한 분류학적 그룹과 관련된 적어도 두 개의 마이크로바이옴 특징 사이의 비율을 설명하는 비율 특징, 상이한 분류학적 그룹 사이의 상호 작용을 설명하는 상호작용 특징, 및 상이한 분류학적 그룹 사이의 계통 발생학적 거리를 설명하는 계통 발생학적 거리 중 적어도 하나를 결정하기 위한 분석 기술 세트를 적용하는 단계를 포함할 수 있으며, 그리고 여기서 분석 기술 세트는 단일변량 통계학적 테스트, 다변량 통계학적 테스트, 차원 감소 기술, 및 인공 지능 접근법 중 적어도 하나를 포함할 수 있다.
변형으로, 생물학적 샘플과 관련된 마이크로바이옴의 대표 미생물 그룹의 식별에서, 생물학적 샘플과 관련된 마이크로바이옴의 조성적 및 기능적 측면과 관련된(예를 들어, 유래된) 특징을 생성하는 단계는, 방법(100)의 후속 블록의 특성화에 유용한 마커를 식별하기 위해, 멀티로커스 서열 타이핑(multilocus sequence typing, MSLT)에 기초하여 특징을 생성하는 단계를 포함할 수 있다. 추가적으로 또는 대안적으로, 생성된 특징은 특정 분류학적 그룹의 미생물의 존재 또는 부재, 및/또는 존재하는 분류학적 그룹의 미생물 사이의 비율을 설명하는 특징을 생성하는 것을 포함할 수 있다. 추가적으로 또는 대안적으로, 특징을 생성하는 단계는 다음 중 하나 이상을 설명하는 특징을 생성하는 단계를 포함할 수 있다: 표현되는 분류학적 그룹의 수량, 표현되는 분류학적 그룹의 네트워크, 상이한 분류학적 그룹의 표현에서 상관 관계, 상이한 분류학적 그룹의 상호 작용, 상이한 분류학적 그룹에 의해 생성된 생성물, 상이한 분류학적 그룹에 의해 생성되는 생성물 사이의 상호 작용, 죽어 있는 미생물 및 살아 있는 미생물 사이의 비율(예를 들어, 상이한 표현된 분류학적 그룹에 대해, RNA 분석에 기초하여), 계통발생학적 거리(예를 들어, 칸토로비치-루빈스타인 거리(Kantorovich-Rubinstein distances), 와세르스타인 거리(Wasserstein distances) 등의 면에서), 임의의 기타 적합한 분류학적 그룹-관련 특징(들), 임의의 기타 적합한 유전적 또는 기능적 측면(들).
추가적으로 또는 대안적으로, 특징을 생성하는 단계는, 예를 들어 sparCC 접근법을 사용하거나, 게놈 상대적 풍부도 및 평균 사이즈(Genome Relative Abundance and Average size, GAAS) 접근법을 사용하거나 그리고/또는 서열-유사성 데이터를 이용하여 하나 이상의 미생물 그룹의 상대적 풍부도의 최대 가능성 추정을 수행하는 혼합 모델 이론을 사용한 게놈 상대적 풍부도(Genome Relative Abundance using Mixture Model theory, GRAMMy)) 접근법을 사용하여, 상이한 미생물 그룹의 상대적 풍부도를 설명하는 특징을 생성하는 단계를 포함할 수 있다. 추가적으로 또는 대안적으로, 특징을 생성하는 단계는 풍부도 매트릭스로부터 유래된 분류학적 변형의 통계적 측정을 생성하는 단계를 포함할 수 있다. 추가적으로 또는 대안적으로, 특징을 생성하는 단계는 (예를 들어, 다른 분류의 풍부도에 영향을 미치는 분류군의 풍부도의 변화와 관련하여) 상대적 풍부도 요인과 관련된 (예를 들어, 유래된) 특징을 생성하는 단계를 포함할 수 있다. 추가적으로 또는 대안적으로, 특징을 생성하는 단계는 하나 이상의 분류학적 그룹의 존재를 설명하는 정성적 특징의 생성을 분리적으로 및/또는 조합하여 포함할 수 있다. 추가적으로 또는 대안적으로, 특징을 생성하는 단계는 생물학적 샘플과 관련된 마이크로바이옴의 미생물을 특성화하는 유전자 마커(예를 들어, 대표적인 16S, 18S 및/또는 ITS 서열)와 관련된 특징의 생성을 포함할 수 있다. 추가적으로 또는 대안적으로, 특징을 생성하는 단계는 특정 유전자 및/또는 특정 유전자를 갖는 유기체의 기능적 연관성과 관련된 특징의 생성을 포함할 수 있다. 추가적으로 또는 대안적으로, 특징을 생성하는 단계는 분류군 및/또는 분류군에 기인한 생성물의 병원성에 관련된 특징의 생성을 포함할 수 있다. 그러나, 블록 S130은 생물학적 샘플의 핵산의 시퀀싱 및 맵핑으로부터 도출된 임의의 기타 적합한 특징(들)의 결정을 포함할 수 있다. 예를 들어, 특징(들)은 조합적(예를 들어, 쌍(pair), 트리플렛(triplets)을 포함), 상관적(예를 들어, 상이한 특징들 사이의 상관과 관련됨), 상관 관계적, 및/또는 특징의 변화(예를 들어, 일시적인 변화, 샘플 부위에 걸친 변화 등, 공간적 변화 등)와 관련될 수 있다. 그러나, 마이크로바이옴 특징을 결정하는 단계는 임의의 적합한 방식으로 수행될 수 있다.
변형으로, 특성화 프로세스를 수행하는 단계는 제1 신체 부위와 관련된 부위-특이적 특징의 제1 서브세트를 포함하는 부위-특이적 특징 세트에 기초하여 코-관련 특성화를 수행하는 것과 같이, 다수의 수집 부위와 관련하여 하나 이상의 다중-부위 분석을 수행(예를 들어, 코-관련 특성화 모델과 함께; 다중-부위 특성화를 생성하는 단계, 등)하는 단계를 포함할 수 있다. 그러나, 다중-부위 분석은 임의의 적합한 방식으로 수행될 수 있다.
변형으로, 특성화 프로세스를 수행하는 단계는 다수의 코-관련 컨디션에 대한 하나 이상의 교차-컨디션 분석(예를 들어, 코-관련 특성화 모델을 사용하는, 등)을 수행하는 단계를 포함할 수 있다. 일 실시예에서, 교차-컨디션 분석을 수행하는 단계는 하나 이상의 분석 기술에 기초하여, 다수의 코-관련 컨디션(예를 들어, 제1 코-관련 컨디션 및 제2 코-관련 컨디션, 등)과 관련된 (마이크로바이옴 특징을 결정하는 단계의 부분으로써, 등) 교차-컨디션 특징 세트를 결정하는 단계를 포함할 수 있으며, 여기서 코-관련 특성화를 결정하는 단계는 하나 이상의 코-관련 특성화 모델에 기초하여, 다수의 코-관련 컨디션(예를 들어, 제1 및 제2 코-관련 컨디션, 등)에 대한 사용자를 위한 코-관련 특성화를 결정하는 단계를 포함할 수 있으며, 그리고 여기서 교차-컨디션 특성 세트는 다수의 코-관련 컨디션에 대한 사용자를 위한 코-관련 특성화의 결정과 관련된 컴퓨팅 시스템-관련 기능성을 개선시키기 위해 구성된다. 교차-컨디션 분석을 수행하는 단계는 교차-컨디션 상관 관계 매트릭스(예를 들어, 상이한 코-관련 컨디션에 대응하는 데이터 사이의 상관 관계 및/또는 공변량, 등) 및/또는 교차-컨디션 분석과 관련된 기타 적합한 매트릭스를 결정하는 단계를 포함할 수 있다. 그러나, 교차-컨디션 분석을 수행하는 단계는 임의의 적합한 방식으로 수행될 수 있다.
변형으로, 특성화는 표적 상태를 나타내는 제1 대상자 그룹(예를 들어, 코-관련 컨디션 상태) 및 표적 상태를 나타내지 않는 제2 대상자 그룹(예를 들어, "정상" 상태) 사이의 유사성 및/또는 차이의 통계학적 분석(예를 들어, 확률 분포의 분석)과 관련된(예를 들어, 유래된)특징에 기초할 수 있다. 이러한 변형의 구현에서, 콜모고로프-스미르노프 테스트(Kolmogorov-Smirnov (KS) test), 순열 테스트(permutation test), 크래머-본 미세스 테스트(Cramer-von Mises test), 임의의 기타 통계학적 테스트(예를 들어, t-테스트, z-테스트, 카이-스퀘어 테스트, 분포와 관련된 테스트, 등), 및/또는 기타 적합한 분석 기술 중 하나 이상을 사용할 수 있다. 특히, 하나 이상의 이러한 통계학적 가설 테스트는 표적 상태를 나타내는 제1 대상자 그룹(예를 들어, 아픈 상태) 및 표적 상태를 나타내지 않는 제2 대상자 그룹(예를 들어, 정상 상태를 가지는)에서 풍부도의 다양한 정도를 가지는 특징 세트를 평가하는 데 사용될 수 있다. 보다 구체적으로, 평가된 특징 세트는 특성화에서 신뢰를 증가시키거나 감소시키기 위해, 제1 대상자 그룹 및 제2 대상자 그룹과 관련된 다양성에 속하는 퍼센트 풍부도 및/또는 임의의 기타 적합한 파라미터에 기초하여 강요될 수 있다. 이 실시예의 특정 구현에서, 특징은 제1 대상자 그룹 및 제2 대상자 그룹의 특정 비율로 풍부한 박테리아의 분류군으로부터 유래될 수 있으며, 여기서 제1 대상자 그룹 및 제2 대상자 그룹 사이의 분류군의 상대적 풍부도는, 유의성 표시(예를 들어, p-값의 면에서)와 함께, KS 테스트로부터 결정될 수 있다. 따라서, 블록 S130의 출력은 유의성 표시(예를 들어, 0.0013의 p-값)와 함께, 정규화된 상대적 풍부도 값(예를 들어, 코-관련 컨디션을 가지는 대상자 vs. 코-관련 컨디션을 가지지 않는 대상자; 아픈 대상자 vs. 건강한 대상자에서 분류군의 25% 더 큰 풍부도)을 포함할 수 있다. 특징 생성의 변형은 추가적으로 또는 대안적으로 기능적 특징 또는 메타데이터 특징(예를 들어, 비-박테리아 마커)으로부터 유래되거나 구현될 수 있다. 추가적으로 또는 대안적으로, 임의의 적합한 마이크로바이옴 특징은 다음 중 임의의 하나 이상을 포함하는 통계학적 분석(예를 들어, 미생물 서열 데이터세트 및/또는 기타 적합한 미생물 데이터세트에 적용, 등)에 기초하여 유래될 수 있다: 예측 분석, 다중 가설 테스팅, 랜덤 포레스트 테스트, 주요 구성 분석, 및/또는 기타 적합한 분석 기술.
특성화 프로세스의 수행에서, 블록 S130은 추가적으로 또는 대안적으로 마이크로바이옴 조성 다양성 데이터세트 및 마이크로바이옴 기능적 다양성 데이터세트 중 적어도 하나로부터의 입력 데이터를, 대상자 집단의 특성화 예측 효능을 테스트할 수 있는 특징 벡터로 변환할 수 있다. 보충 데이터세트로부터의 데이터는 특성화 세트의 하나 이상의 특성화를 표시를 제공하는 데 사용될 수 있으며, 여기서 특성화 프로세스는 분류를 정확하게 예측하는 데 예측력의 정도가 높은(또는 정도가 낮은) 특징 및/또는 특징 조합을 식별하기 위해, 후보 특징 및 후보 분류의 트레이닝 데이터세트로 트레이닝된다. 이오 같이, 트레이닝 데이터세트와 함께 특성화 프로세스의 정제는 특정 대상자 분류와 높은 상관 관계를 가지는 (예를 들어, 대상자 특징의, 특징 조합의) 특징 세트를 식별한다.
변형으로, 특성화 프로세스의 분류를 예측하는 데 효과적인 특징 벡터(및/또는 임의의 적합한 특징 세트)는 다음 중 하나 이상과 관련된 특징을 포함할 수 있다: 마이크로바이옴 다양성 매트릭스(예를 들어, 분류학적 그룹에 걸친 분포와 관련하여, 고세균, 박테리아, 바이러스, 및/또는 진핵 생물 그룹에 걸친 분포와 관련하여), 어느 마이크로바이옴 내 분류학적 그룹의 존재, 어느 마이크로바이옴 내 특정 유전자 서열(예를 들어, 16S 서열)의 표현, 어느 마이크로바이옴 내 분류학적 그룹의 상대적 풍부도, 마이크로바이옴 탄력(resilience) 매트릭스(예를 들어, 보충 데이터세트로부터 결정된 동요에 반응하여), 주어진 기능(효소, 트랜스포터, 면역 시스템으로부터의 단백질, 호르몬, 간섭 RNA, 등)을 가지는 단백질 또는 RNA를 암호화하는 유전자의 풍부도 및 마이크로바이옴 다양성 데이터세트 및/또는 보충 데이터세트와 관련된(예를 들어, 유래된) 임의의 기타 적합한 특징. 변형으로, 마이크로바이옴 특징은 다음 중 적어도 하나와 관련(포함, 대응, 대표, 등)될 수 있다: 마이크로바이옴 특징(예를 들어, 사용자 마이크로바이옴 특징, 등)으로부터의 마이크로바이옴 특징의 존재, 마이크로바이옴 특징으로부터의 마이크로바이옴 특징의 부재, 코-관련 컨디션과 관련된 상이한 분류학적 그룹의 상대적 풍부도; 상이한 분류학적 그룹과 관련된 적어도 두 개의 마이크로바이옴 특징 사이의 비율, 상이한 분류학적 그룹 사이의 상호 작용, 및 상이한 분류학적 그룹 사이의 계통발생학적 거리. 특정 실시예에서, 마이크로바이옴 특징은 마이크로바이옴 조성 다양성 특징(예를 들어, 상이한 분류와 관련된 상태 풍부도, 등) 및 마이크로바이옴 기능적 다양성 특징(예를 들어, 상이한 기능적 특징에 대응하는 서열의 상대적 풍부도; 등) 중 적어도 하나와 관련된 하나 이상의 상대적 풍부도 특성을 포함할 수 있다. 상대적 풍부도 특성 및/또는 기타 적합한 마이크로바이옴 특성(및/또는 본원에 설명된 기타 적합한 데이터)은 다음에 기초하여 추출되거나 그리고/또는 다른 방식으로 결정될 수 있다: 정규화, 선형 잠재 변수 분석(linear latent variable analysis) 및 비-선형 잠재 변수 분석, 선형 회귀, 비-선형 회귀, 커널 방법(kernel method), 특징 임베딩(embedding) 방법, 머신 러닝 방법, 통계학적 추론 방법 및/또는 기타 적합한 분석 기술 중 적어도 하나로부터 유래된 특징 벡터. 추가적으로 또는 대안적으로, 특징의 조합은 특징 벡터에 사용될 수 있으며, 여기서 특징은 특징 세트의 일부로써 조합된 특징을 제공하여 그룹화하거나 그리고/또는 가중화(weighted)될 수 있다. 예를 들어, 하나의 특징 또는 특징 세트는 어느 마이크로바이옴 내 박테리아의 다수의 표현된 분류의 가중화된 합성물, 어느 마이크로바이옴 내 특정 박테리아 속의 존재, 어느 마이크로바이옴 내 특정 16S 서열의 표현, 및 박테리아의 제2 문에 대한 제1 문의 상대적 풍부도를 포함할 수 있다. 그러나, 특징 벡터는 추가적으로 또는 대안적으로 임의의 적합한 방식으로 결정될 수 있다.
변형으로, 특성화 프로세스는 배깅(bagging)(예를 들어, 부트스트랩 어그리게이션(bootstrap aggregation)) 및 랜덤 세트 특징과 관련된 결정 트리, T를 구성하기 위한 트레이닝 데이터세트로부터 랜덤 세트 특징의 선택을 조합하는 랜덤 포레스트 예측기(random forest predictor, RFP) 알고리즘에 따라 생성되고 트레이닝될 수 있다. 랜덤 포레스트 알고리즘을 사용하는 경우, 결정 트리 세트로부터의 N 케이스가 랜덤하게 샘플링되어 결정 트리의 서브세트를 생성하는 것으로 교체되며, 그리고 각각의 노드에서, m 예측 특징은 평가를 위한 모든 예측 특징으로부터 선택된다. (예를 들어, 목적 기능에 따라) 노드에서 최상의 스플릿을 제공하는 예측 특징은 스플릿을 수행하는 데 사용된다(예를 들어, 노드에서의 이분기점(bifurcation)으로, 노드에서의 삼분기점(trifurcation)으로). 큰 데이터세트로부터 여러 번 샘플링함으로써, 분류 예측에 강한 특징을 식별하는, 특성화 프로세스의 강도를 유의하게 증가시킬 수 있다. 이러한 변형으로, 모델의 견고성(robustness)를 증가시키기 위한 것과 같이, 프로세싱 동안 바이어스(bias)를 예방(예를 들어, 샘플링 바이어스) 및/또는 바이어스의 양을 계산하기 위한 조치가 포함될 수 있다.
변형으로, 블록 S130 및/또는 방법(100)의 다른 일부는 집단-레벨 데이터를 프로세스하기 위해 컴퓨터로 구현된 규칙을 적용하는 단계를 포함할 수 있으나, 그러나 추가적으로 또는 대안적으로 인류통계학적-특이적 기준(예를 들어, 요법 섭생(therapy regimens), 식이 섭생, 신체 활동 섭생, 민족성, 연령, 성별, 체중, 행동 등과 같은 하나 이상의 인류통계학적 특징을 공유하는 서브그룹), 컨디션-특이적 기준(예를 들어, 특정 코-관련 컨디션, 미생물-관련 컨디션의 조합, 미생물-관련 컨디션에 대한 트리거, 관련된 증상을 나타내는 서브그룹, 등), 샘플 타입-특이적 기준(예를 들어, 상이한 수집 사이트에서 유래된 마이크로바이옴을 프로세스하기 위한 상이한 컴퓨터-구현 규칙 적용; 등), 사용자 기준(예를 들어, 상이한 사용자에 대한 상이한 컴퓨터-구현 규칙; 등) 및/또는 임의의 기타 적합한 기준 상의 마이크로바이옴-관련 데이터를 프로세스하기 위한 컴퓨터-구현 규칙을 적용하는 것을 포함할 수 있다. 이와 같이, 블록 S130은 하나 이상의 서브그룹으로 사용자의 집단으로부터의 사용자를 할당하는 단계; 및 상이한 서브그룹을 위한 특징(예를 들어, 사용되는 특징 타입의 세트; 특징으로부터 생성된 특성화 모델의 타입; 등)을 결정하기 위한 상이한 컴퓨터-구현 규칙을 적용하는 단계를 포함할 수 있다. 그러나, 컴퓨터-구현 규칙을 적용하는 단계는 임의의 적합한 방식으로 수행할 수 있다.
또 다른 변형으로, 블록 S130은 하나 이상의 코-관련 컨디션(예를 들어, 코-관련 컨디션과 관련된 사용자 마이크로바이옴 특성을 설명하여 사용자에 대한 특성화를 출력하기 위해; 하나 이상의 코-관련 컨디션에 대한 용법 결정을 출력하기 위한 요법 모델; 등)을 위해 하나 이상의 코-관련 특성화 모델(예를 들어, 코-관련 컨디션 모델, 요법 모델, 등)을 프로세싱(예를 들어, 생성, 트레이닝, 업데이팅, 실행, 저장, 등)하는 단계를 포함할 수 있다. 특성화 모델은 바람직하게 입력으로서 마이크로바이옴 특징, 그리고 바람직하게 코-관련 특성화 출력 및/또는 이의 임의의 적합한 구성을 이점으로 활용(leverage)하나; 그러나 특성화 모델은 임의의 적합한 출력을 생성하기 위해 임의의 적합한 입력을 사용할 수 있다. 일 실시예에서, 블록 S130은 하나 이상의 코-관련 컨디션을 위해, 보충 데이터, 마이크로바이옴 조성 다양성 특징, 및 마이크로바이옴 기능적 다양성 특징, 기타 마이크로바이옴 특징, 코-관련 특성화 모델의 출력, 및/또는 기타 적합한 데이터를 하나 이상의 특성화 모델(예를 들어, 보충 데이터 및 마이크로바이옴 특징에 기초하여 코-관련 특성화 모델을 트레이닝하는 것; 등)로 변환하는 단계를 포함할 수 있다. 또 다른 실시예에서, 방법(100)은 다음을 포함할 수 있다: 사용자 집단으로부터의 샘플 세트에 기초(예를 들어, 및/또는 코-관련 컨디션과 관련된 하나 이상의 프라이머 타입에 기초; 등)하여, 하나 이상의 코-관련 컨디션과 관련된 사용자 집단을 위해, 집단 미생물 서열 데이터세트(예를 들어, 집단의 상이한 사용자를 위한 미생물 서열 출력을 포함하는 것; 등)을 결정하는 단계; 대상자 집단을 위한 하나 이상의 코-관련 컨디션의 진단과 관련된 보충 데이터세트를 수집하는 단계; 및 집단 미생물 서열 데이터세트 및 보충 데이터세트에 기초하여 코-관련 컨디션 특성화 모델을 생성하는 단계. 일 실시예에서, 방법(100)은 사용자로부터의 샘플에 기초하여 사용자에 대한 사용자 마이크로바이옴 특징 세트를 결정하는 단계, 여기서 사용자 마이크로바이옴 특징 세트는 대상자 세트와 관련된 마이크로바이옴 특징과 관련됨(예를 들어, 하나 이상의 코-관련 컨디션과 관련된 대상자 세트; 마이크로바이옴 조성 특징 세트 및 마이크로바이옴 기능적 특징 세트에 대응하는 생물학적 샘플을 프로세싱하는 단계에 기초하여, 하나 이상의 코-관련 컨디션과 상관 관계 있도록 결정될 수 있는, 마이크로바이옴 특징, 등); 요법 모델 및 사용자 마이크로바이옴 특징 세트에 기초하여 하나 이상의 코-관련 컨디션에 대한 사용자를 위한 요법을 결정하는 단계를 포함하는, 코-관련 특성화를 결정하는 단계; 요법을 제공하는 단계(예를 들어, 사용자와 관련된 컴퓨팅 디바이스에서 사용자에 게 요법의 추천을 제공하는 것, 등) 및/또는 다른 방식으로 치료적 개입을 용이화를 포함할 수 있다.
또 다른 변형에서, 도 10a-10b에서 보여지는 바와 같이, 상이한 코-관련 특성화 모델 및/또는 기타 적합한 모델(예를 들어 상이한 알고리즘, 상이한 세트의 특징, 상이한 입력 및/또는 출력 타입으로 생성된, 모델에 적용하는 시간, 빈도, 구성과 관련된 것과 같이 상이한 방식으로 적용, 등)은 상이한 코-관련 컨디션, 상이한 사용자 인류통계학적 특성(예를 들어, 연령, 성별, 체중, 키, 민족성에 기초한 것; 등), 상이한 신체 부위(예를 들어, 내장 부위 모델, 코 부위 모델, 피부 부위 모델, 입 부위 모델, 생식기 부위 모델, 등), 개별 사용자, 보충적인 데이터(예를 들어, 마이크로바이옴 특징, 코-관련 컨디션, 및/또는 기타 적합한 구성; 생체 센서 데이터 및/또는 설문조사 응답 데이터 vs. 보충 데이터와 독립된 모델과 관련된 특징의 선행 지식을 통합한 모델, 등), 및/또는 기타 적합한 기준(criteria)를 위해 생성할 수 있다. 특정 일 실시예에서, 방법(100)은 제1 신체 부위(예를 들어, 내장 부위; 제1 신체 부위에 대응하는 신체 수집 부위에서 사용자에 의해 수집되는 샘플; 하나 이상의 적합한 신체 부위; 등)와 관련된 제1 부위-특이적 샘플을 수집하는 단계; 부위-특이적 샘플에 기초하여 미생물 데이터세트를 결정하는 단계; 미생물 데이터세트에 기초하여 제1 부위-특이적 마이크로바이옴 특징(예를 들어, 부위-특이적 조성 특징; 부위-특이적 기능적 특징; 코-관련 컨디션과 관련된 본원에서 설명된 적합한 마이크로바이옴 특징; 제1 신체 부위와 관련된 특징; 등)을 결정하는 단계; 제1 부위-특이적 마이크로바이옴 특징에 기초하여 제1 부위-특이적 코-관련 특성화 모델(예를 들어, 내장 부위-특이적 코-관련 특성화 모델; 등)을 결정하는 단계; 및 제1 부위-특이적 코-관련 특성화 모델에 기초하여(예를 들어, 제1 신체 부위에 대응하는 사용자의 신체 수집 부위에서 수집된 사용자 샘플에 기초하여 유래된, 사용자 부위-특이적 마이크로바이옴 특징과 같은, 사용자 마이크로바이옴 특징을 프로세스하기 위한 제1 부위-특이적 코-관련 특성화 모델을 사용하여), 코-관련 컨디션에 대한 사용자를 위한 코-관련 컨디션을 결정하는 단계를 포함할 수 있다. 특정 실시예에서, 방법(100)은 제2 신체 부위(예를 들어, 피부 부위, 생식기 부위, 입 부위, 및 코 부위 중 적어도 하나; 하나 이상의 적합한 신체 부위; 등)와 관련된 제2 부위-특이적 샘플을 수집하는 단계; 제2 부위-특이적 마이크로바이옴 특징(예를 들어, 부위-특이적 조성 특징; 부위-특이적 기능적 특징; 제2 신체 부위와 관련된 특징; 등)을 결정하는 단계; 제2 부위-특이적 조성 특징에 기초하여 제2 부위-특이적 코-관련 특성화 모델(예를 들어, 제2 신체 부위 관련된, 등)을 생성하는 단계; 추가적인 사용자, 제2 신체 부위와 관련된 사용자 샘플(예를 들어, 제2 신체 부위에 대응한 수집 부위에서 추가적인 사용자에 의해 수집된, 등)로부터 사용자 샘플을 수집하는 단계; 및 제2 부위-특이적 코-관련 특성화 모델에 기초하여(예를 들어, 사용자의 피부 수집 부위로부터 수집된 사용자 샘플에 기초하여 적용되기 위한 피부 부위-특이적 코-관련 특성화를 선택하는 것과 같이, 사용자 샘플 및 신체 부위 사이의 연관성에 기초하여 적용되기 위한, 부위-특이적 코-관련 특성화 모델 세트로부터, 제2 부위-특이적 코-관련 특성화 모델을 선택하는 것; 등) 코-관련 컨디션에 대한 추가적인 사용자를 위한 추가적인 코-관련 특성화를 결정하는 단계를 포함할 수 있다.
변형으로, 코-관련 특성화 및/또는 임의의 기타 적합한 특성화를 결정하는 단계는 다음 중 하나 이상과 같은, 특정 신체 부위(예를 들어, 내장, 건강한 내장, 피부, 코, 입, 생식기, 기타 적합한 신체 부위, 기타 샘플 수집 부위, 등)와 관련하여 코-관련 특성화를 포함하는 부위-특이적 코-관련 특성화(예를 들어, 부위-특이적 분석)를 결정하는 단계를 포함할 수 있다: 부위-특이적 데이터에 기초하여 유래된 특성화 모델에 기초한 코-관련 특성화를 결정하는 단계(예를 들어, 하나 이상의 신체 부위와 관련된 마이크로바이옴 특징 및 코-관련 컨디션 사이의 상관 관계를 정의하는 단계); 하나 이상의 신체 부위, 및/또는 임의의 기타 적합한 부위-관련 프로세스에서 수집된 사용자 생물학적 샘플에 기초하여 코-관련 특성화를 결정하는 단계. 실시예에서, 머신 러닝 접근법(예를 들어, 분류기, 딥 러닝 알고리즘, SVM, 랜덤 포레스트), 파라미터 최적화 접근법(예를 들어, 베이지안 파라미터 최적화), 유효화 접근법(예를 들어, 교차 유효화 접근법), 통계학적 테스트(예를 들어, 단일변량 통계학적 기술(univariate statistical techniques), 다변량 통계학적 기술, 정준상관 분석과 같은 상관 관계 분석, 등), 차원 감소 기술(예를 들어, PCA), 및/또는 기타 적합한 분석 기술(예를 들어, 본원에서 설명된)은 부위-관련(예를 들어, 신체 부위-관련, 등) 특성화(예를 들어, 각 타입의 샘플 수집과 같은, 하나 이상의 샘플 수집 부위를 위한 하나 이상의 접근법을 사용하는 것, 등), 기타 적합한 특성화, 요법, 및/또는 임의의 기타 적합한 출력을 결정하는 단계에 적용될 수 있다. 특정 실시예에서, 특성화 프로세스(예를 들어, 코-관련 특성화 모델에 기초하여; 코-관련 특성화를 결정하는 단계; 마이크로바이옴 특징을 결정하는 단계; 등)를 수행하는 단계는 다음 중 적어도 하나를 적용하는 단계를 포함할 수 있다: 머신 러닝 접근법, 파라미터 최적화 접근법, 통계학적 테스트, 차원 감소 접근법, 및/또는 기타 적합한 접근법(예를 들어, 마이크로바이옴 조성의 다양성 특징의 세트 및/또는 마이크로바이옴 기능적 다양성 특징의 세트와 같은 마이크로바이옴 특징은 내장 부위, 피부 부위, 코 부위, 입 부위, 생식기 부위 중 적어도 하나에서 수집되는 미생물과 관련될 수 있는 경우, 등). 또 다른 특정 실시예에서, 다수의 샘플 수집 부위에서 수행되는 특성화 프로세스는 집합 특성화(예를 들어, 본원에서 설명된 하나 이상의 컨디션에 대한 것과 같은, 응집 마이크로바이옴 스코어, 등)를 결정하기 위해 조합될 수 있는 개별적인 특성화를 생성하는 데 사용될 수 있다. 그러나, 방법(100)은 임의의 적합한 방식으로 부위-특이성 및/또는 기타 부위-관련성과 함께, 임의의 적합한 부위-관련(예를 들어, 부위-특정) 출력을 결정하는 단계, 및/또는 방법(100)의 임의의 적합한 일부를 수행하는 단계(예를 들어, 샘플 수집, 샘플 프로세싱, 요법 결정)를 포함할 수 있다.
대상자(들)의 특성화는 방법(100)의 구현에 따라 생성된 분석을 서포팅함에 있어서, 특성화 프로세스의 민감성을 추가적으로 분석하기 위해 고 위양성 테스트(high false positive test) 및/또는 고 위음성 테스트(high false negative test)의 사용을 추가적으로 또는 대안적으로 구현할 수 있다.
도 4-5에서 보여지는 바와 같이, 특성화 프로세스를 수행하는 단계는, 하나 이상의 기준 마이크로바이옴 파라미터 범위를 결정하는 단계(예를 들어, 건강한 기준 상대적 풍부도 범위, 여기서 범위는 건강한 마이크로바이옴 및/또는 하나 이상의 컨디션의 부재와 관련될 수 있음; 하나 이상의 컨디션의 존재 및/또는 위험과 관련된 위험 기준 상대적 풍부도 범위; 하나 이상의 분류군의 풍부도에 대한 미생물 조성 범위; 샘플에 존재하는 미생물의 계통발생학적 다양성; 하나 이상의 분류군과 관련된 기능적 특징에 대한 미생물 기능적 다양성 범위; 등); 사용자에 대한 사용자 마이크로바이옴 파라미터를 결정하는 단계; 및/또는 사용자 마이크로바이옴 파라미터 및 기준 마이크로바이옴 파라미터 범위 사이의 비교에 기초하여 사용자에 대한 특성화를 생성하는 단계(예를 들어, 상이한 박테리아 표적에 대한 건강한 기준 범위를 벗어나는 풍부도를 나타내는 사용자 마이크로바이옴 파라미터에 기초하여, 코-관련 특성화와 관련된 박테리아 표적과 관련하여 건강하지 않은 마아크로바이옴 조성을 프로세싱하여 사용자를 특성화하는 단계; 등) 및/또는 임의의 기타 적합한 작업을 포함할 수 있다. 마이크로바이옴 파라미터 범위는 임의의 적합한 하한 및 상한을 가질 수 있다. 기준 마이크로바이옴 파라미터 범위는 임의의 적합한 신뢰 구간을 표현하는 범위를 포함할 수 있다(예를 들어, 사용자 집단에 걸쳐 99%의 신뢰 구간). 일 실시예에서, 기준 상대적 풍부도 범위는 해당 분류군에 대응하는 판독(read) 횟수를 총 판독 횟수(예를 들어, 클러스터된 및 필터링된 판독의 총수)로 나눈 것에 기초하는 것과 같이, 임의의 적합한 분류군에 대해 계산될 수 있으며; 그러나, 기준 상대적 풍부도 범위는 임의의 적합한 방식으로 계산될 수 있다.
변형으로, 기준 마이크로바이옴 파라미터 범위를 결정하는 단계는 경험적으로(empirically) 수행될 수 있다. 예를 들어, 블록 S130은 사용자 집단으로부터 생물학적 샘플 및 보충 데이터 세트를 수집하는 단계를 포함 할 수 있다. 사용자 집단은 마이크로바이옴 조성, 마이크로바이옴 계통발생학적 다양성, 마이크로바이옴 기능적 다양성, 컨디션, 및/또는 기타 적합한 특성 중 임의의 적합한 상태와 관련된 사용자를 포함할 수 있으며, 여기서 보충 데이터세트(예를 들어, 사용자와 관련된 모바일 디바이스에서 실행되는 어플리케이션에서 디지털 방식으로 설문 조사)는 특성의 정보를 줄 수 있다. 특정 실시예에서, 방법(100)은 다음을 포함 할 수 있다: 건강한 사용자 집단으로부터 생물학적 샘플을 프로세싱하는 단계; 미생물 서열을 결정하기 위해 (예를 들어, 블록 S120에서와 같이) 생물학적 샘플을 프로세싱하는 단계; 각각의 사용자에 대한 (예를 들어, 표적 분류군의 목록으로부터) 각각의 분류군의 상대적 풍부도를 결정하는 단계; 건강한 사용자 집단에 걸친 상대적 풍부도에 기초하여 각각의 분류군에 대한 건강한 범위를 생성하는 단계. 그러나, 경험적으로 기준 마이크로바이옴 파라미터 범위를 결정하는 단계는 임의의 적합한 방식으로 수행 될 수 있다. 특정 실시예에서, 보충 데이터는 대상자 세트로부터 대상자 서브세트에 대한 적어도 하나의 코-관련 상태가 부족함 나타낼 수 있고; 여기서 마이크로바이옴 특징 세트를 결정하는 단계는 미생물 서열 데이터세트에 기초하여, 대상자의 서브세트와 관련된 건강한 기준 마이크로바이옴 파라미터 범위를 결정하는 단계를 포함할 수 있으며; 그리고 여기서 코-관련 특성화 모델을 생성하는 단계는 보충 데이터 및 건강한 기준 마이크로바이옴 파라미터 범위에 기초하여, 코-관련 특성화 모델(예를 들어, 기준 마이크로바이옴 파라미터 범위를 사용자 마이크로바이옴 특징 및/또는 파라미터와 비교하기 위해 분석 기술을 사용하는 모델; 등)을 생성하는 단계를 포함할 수 있다. 변형으로, 기준 마이크로바이옴 파라미터 범위를 결정하는 단계는 수동적 및/또는 자동적으로 컨디션-관련 정보 공급원을 프로세싱하는 것에 기초하는 것과 같이, 비-경험적으로 수행될 수 있다.
특정 실시예에서, 특성화 프로세스를 수행하는 단계는 샘플 세트의 분석에 기초한 것과 같이, 건강한 기준 코 마이크로바이옴 파라미터 범위(예를 들어, 분류군에 대한 건강한 기준 코 마이크로바이옴 상대적 풍부도 범위)를 결정하는 단계를 포함할 수 있으며, 여기서 샘플은 다음 중 하나 이상에 기초하여 선택될 수 있다: 셀프-보고된 건강한 개인, 6개월 전에 항생제 사용이 없음, 코-관련 컨디션의 부족(예를 들어, 일정 기간 동안 전염병의 부족; 등), 환경적 요인(예를 들어, 캘린더 시즌, 지리적 위치, 등), 사용자 데이터, 임의의 적합한 타입의 보충 데이터, 및/또는 기타 적합한 기준. 그러나, 기준 마이크로바이옴 파라미터 범위(및/또는 기타 적합한 마이크로바이옴 특징; 등)를 결정하는 단계는 임의의 적합한 방식으로 수행될 수 있다.
변형으로, 사용자에 대한 하나 이상의 사용자 마이크로바이옴 특징을 결정하는 단계는 바람직하게, 사용자의 생물학적 샘플(예를 들어, 클러스터된, 및 필터링된 판독들(reads), 등)로부터 유래된 미생물 서열에 기초하여 생성된다. 예를 들어, 사용자 마이크로바이옴 특징을 결정하는 단계는 상이한 분류군(예를 들어, 본원에서 설명된 분류군)에 대한 상대적 풍부도를 결정하는 단계를 포함하며, 여기서 이러한 상대적 풍부도 특징은 코-관련 특성화를 결정하는 단계에서와 같이, 기준 코 미생물 파라미터 범위(예를 들어, 건강한 기준 코 마이크로바이옴 파라미터 범위; 등)에 대비할 수 있다. 특정 실시예에서, 방법(100)은 다음을 포함할 수 있다: 마이크로바이옴 조성 특징, 마이크로바이옴 계통 발생학적 다양성 특징, 및/또는 마이크로바이옴 기능적 다양성 특징(예를 들어, 건강한 사용자의 생물학적 샘플로부터 유래된, 등)의 값으로부터 기준 마이크로바이옴 파라미터 범위를 결정하는 단계; 및 사용자 마이크로바이옴 조성 특징 값, 사용자 마이크로바이옴 계통발생학적 다양성 특징 값, 및/또는 사용자 마이크로바이옴 기능적 다양성 특징 값을 기준 마이크로바이옴 파라미터 범위와 비교하여, 사용자에 대한 코-관련 특성화를 결정하는 단계(예를 들어, 기준 마이크로바이옴 파라미터 범위에 긍정적 및/또는 부정적인 컨디션에 대한 것; 기준 마이크로바이옴 파라미터 범위에 긍정적 및/또는 부정적인 환경적 요인에 대한 것; 등).
하나 이상의 사용자 마이크로바이옴 특징을 하나 이상의 특성(예를 들어, 분류, 컨디션, 등)과 관련된 하나 이상의 기준 마이크로바이옴 특징(예를 들어, 파라미터 범위, 등)과 비교하는 단계는, 기준 마이크로바이옴 파라미터 범위의 안쪽 또는 바깥 쪽의 사용자 마이크로바이옴 파라미터 값에 기초하여 특성(예를 들어, 건강한 마이크로바이옴, 등)을 프로세싱하거나 특성을 프로세싱 하지 않음으로써, 사용자를 특성화하는 단계를 포함할 수 있다.
추가적으로 또는 대안적으로 블록 S130에 대해, 특성화 프로세스를 수행하는 단계는 임계(예를 들어, 컨디션과 관련된 임계 세트와 관련하여 분류군 세트의 상대적 풍부도에 기초한 컨디션의 위험을 결정하는 단계, 등), 가중(예를 들어, 제1 분류군이 관심 컨디션과 더 높은 상관 관계를 가지는 경우와 같이, 제2 분류군의 상대적 풍부도 보다 더 무거운 제1 분류군의 상대적 풍부도를 가중화하는 단계, 등), 머신 러닝 모델(예를 들어, 마이크로바이옴 특징으로 트레이닝된 분류 모델 및 분류학적 데이터베이터에 저장된 분류군에 대한 라벨에 대응하는 단계; 등), 컴퓨터-구현 규칙(예를 들어, 마이크로바이옴 특징을 추출하기 위한 특징-엔지니어링 규칙; 모델 생성 규칙; 사용자 선호 규칙; 미생물 서열 생성 규칙; 서열 정렬 규칙; 등), 및/또는 임의의 기타 적합한 측면들에 기초할 수 있다. 특정 실시예에서, 각각의 건강한 컨디션에 대한 유의성 지수는 컨디션에 영향을 미치는 검출된 마이크로바이옴의 모든 구성원에 대한 과학적 문헌(scientific literature)으로 획득된 전체 통계적 관련성으로 계산되며; 식별된 상관 관계는 관련된 마이크로바이옴의 임상 결과에 기초하여, 컨디션을 가지는 마이크로바이옴의 전체 관련성을 계산하기 위해 커스텀(custom) 통계적 메타-분석 및 데이터 변환을 진행하며; 그리고 유의성 지수는 건강 상태와 관련된 마이크로바이옴의 상태를 나타내는 0 내지 100의 범위로 표현된다.
그러나 하나 이상의 특성화 프로세스를 수행하는 단계(S130)은 임의의 적합한 방식으로 수행될 수 있다.
3.3 A 코-관련 특성화 프로세스.
특성화 프로세스(S130)를 수행하는 단계는 하나 이상의 샘플, 사용자에 대해(예를 들어, 하나 이상의 코-관련 특성화 모델을 진단한 대상자와 같은, 하나 이상의 대상자가 하나 이상의 환경적 요인 및/또는 코-관련 컨디션과 관련된 것과 같이, 하나 이상의 코-관련 특성화 모델을 생성하기 위한 대상자 세트로부터 데이터를 샘플에 대응하기 위한 것; 사용자로부터 샘플을 시퀀싱하여 유래된 사용자 마이크로바이옴 서열 데이터세트를 위해 하나 이상의 코-관련 특성화 모델을 적용하는 단계를 통하는 것과 같은, 하나 이상의 코-관련 특성화 모델을 사용하는 단계를 통하는 것과 같이, 사용자에 대한 코-관련 특성화를 생성하기 위한 단일 사용자를 위한 것; 등), 및/또는 코-관련 컨디션에 대한 것과 같은, 코-관련 특성화 프로세스를 수행하는 단계(S130)(예를 들어, 하나 이상의 코-관련 컨디션에 대한 특성화를 결정하는 단계; 하나 이상의 코-관련 특성화 모델을 결정 및/또는 적용하는 단계; 블록 S130과 관련되어 설명된 임의의 적합한 접근법을 사용하여 코-관련 특성화를 결정하는 단계; 등)를 포함할 수 있다.
변형으로, 코-관련 특성화 프로세스를 수행하는 단계는 하나 이상의 코-관련 컨디션과 관련된 마이크로바이옴 특징을 결정하는 단계를 포함할 수 있다. 일 실시예에서, 코-관련 특성화 프로세스를 수행하는 단계는 하나 이상의 분석 기술(예를 들어, 통계학적 분석)을 적용하여, 하나 이상의 코-관련 컨디션(예를 들어, 단일 코-관련 컨디션과 관련된 특징, 다중 코-관련 컨디션 및/또는 기타 적합한 피부-관련 컨디션과 관련된 교차-컨디션 특징, 등)과의 높은 상관 관계(예를 들어, 긍정적 상관 관계, 부정적 상관 관계, 등)를 가지는 마이크로바이옴 특징(예를 들어, 마이크로바이옴 조성의 특징, 마이크로바이옴 조성의 다양성 특징, 마이크로바이옴 기능적 특징, 마이크로바이옴 기능적 다양성 특징, 등)의 세트를 식별하는 단계를 포함할 수 있다. 특정 실시예에서, 마이크로바이옴 특징 세트(예를 들어, 하나 이상의 코-관련 특성화 모델을 생성에 사용하기 위해; 하나 이상의 코-관련 컨디션과 상관 관계 있거나 그리고/또는 다른 방식으로 관련된; 등)를 결정하는 단계는 미생물 데이터세트에 기초하여, 마이크로바이옴 조성 다양성 특징 및 마이크로바이옴 기능적 다양성 특징 중 적어도 하나의 존재, 마이크로바이옴 조성 다양성 특징 및 마이크로바이옴 기능적 다양성 특징 중 적어도 하나의 부재, 코-관련 컨디션과 관련된 상이한 분류학적 그룹의 상대적인 풍부도를 설명하는 상대적 풍부도 특징, 상이한 분류학적 그룹과 관련된 적어도 두 개의 마이크로바이옴 특징 사이의 비율을 설명하는 비율 특징, 상이한 분류학적 그룹 사이의 상호 작용을 설명하는 상호작용 특징, 및 상이한 분류학적 그룹 사이의 계통 발생학적 거리를 설명하는 계통 발생학적 거리 중 적어도 하나를 결정하기 위한 분석 기술 세트를 적용하는 단계를 포함할 수 있으며, 그리고/또는 여기서 분석 기술 세트는 단일변량 통계학적 테스트, 다변량 통계학적 테스트, 차원 감소 기술, 및 인공 지능 접근법 중 적어도 하나를 포함할 수 있다.
실시예에서, 코-관련 특성화 프로세스를 수행하는 단계는 하나 이상의 코-관련 컨디션과 관련된 하나 이상의 사용자의 상태에 긍정적인 영향을 가지는 요법과 관련된 개입의 용이화를 통하는 것과 같이, 하나 이상의 코-관련 컨디션에 대한 치료적 개입을 용이하게 할 수 있다.
일 실시예에서, 코-관련 특성화 프로세스를 수행하는 단계(예를 들어, 하나 이상의 보충 데이터 타입 및/또는 코-관련 컨디션과 높은 상관 관계가 있는 특징을 결정하는 단계; 코-관련 특성화 모델의 머신 러닝 분류기를 생성하는 단계; 등)는 대상자 집단의 서브세트(예를 들어, 하나 이상의 보충과 관련된 대상자 및/또는 샘플; 하나 이상의 코-관련 컨디션을 가짐; 하나 이상의 코-관련 컨디션을 가지지 않는 대상자; 등)로부터 유래된 트레이닝 데이터세트로 모델을 트레이닝하고, 그리고 대상자 집단 서브세트로부터 유래된 유효 데이터세트로 유효화시키기 위한 랜덤 포레스트 접근법의 적용에 기초할 수 있다.
변형으로, 코-관련 특성화 프로세스를 수행하는 단계는 마이크로바이옴 특징 및 보충 특징(예를 들어, 보충 데이터; 미가공(raw) 보충 데이터로부터 유래된; 등)에 기초할 수 있다. 일 실시예에서, 마이크로바이옴 조성 특징(예를 들어, 하나 이상의 카운트(counts), 풍부도, 상관 관계, 관련성 지수를 포함하는 분류학적으로 관련된 파라미터, 등)은 샘플 메타데이터(예를 들어, 지리적 위치, 기후 타입, 샘플링 시간, 샘플링 시간에 기초한 캘린더 시즌, 등) 및/또는 적합한 보충 데이터(예를 들어, 설문조사-유래된 데이터; 등)과의 조합으로 분석될 수 있다. 특정 실시예에서, 마이크로바이옴 조성 특징 및 보충 특징은, 샘플 메타데이터(예를 들어, 캘린더 시즌, 지리적 위치, 기후 타입, 등), 기타 적합한 보충 데이터 타입, 하나 이상의 코-관련 컨디션, 코 마이크로바이옴 건강, 및/또는 기타 적합한 특성과 관련된 분류에 대한 것과 같은, 데이터세트에 존재하지 않는 새로운 샘플을 분류하는 데 사용될 수 있는 코-관련 특성화 모델(예를 들어, 높은-품질의 예측기, 등)을 생성하는 단계에 대한, 관리 및 관리되지 않는 클러스터링 모델(예를 들어, 랜덤 포레스트, 서포트 벡터 머신, k-평균 클러스터링, 등)과 같은, 하나 이상의 인공 지능 접근법을 사용하여 분류될 수 있다.
일 실시예에서, 랜덤 포레스트 접근법(및/또는 기타 적합한 인공 지능 접근법)은 코 마이크로바이옴(예를 들어, 코 부위로부터 수집된 샘플과 관련된 마이크로바이옴 특징; 등)에 기초하여, 캘린더 시즌(및/또는 기타 적합한 특성)으로 코 샘플(예를 들어, 지리적 위치, 기후 타입, 및 샘플의 수와 같은 도 12에 설명된 코 샘플 세트, 등)을 분류하기 위해 하나 이상의 코-관련 특성화 모델을 트레이닝하는 데 적용될 수 있다. 특정 실시예에서, 방법(100)은 대상자 세트로부터 코 부위 샘플 세트를 수집(예를 들어, 대상자 세트의 코 부위에서 수집된, 등); (예를 들어, 대상자 세트에 의해 제공된 설문조사 보충 데이터로부터 결정된 샘플링 시간에 기초하여; 등) 캘린더 시즌에 의해 코 부위 샘플 세트를 태깅(tagging); 샘플에 기초하여 미생물 데이터세트를 결정; 미생물 데이터세트에 기초하여 마이크로바이옴 조성 특징(예를 들어, 샘플에서의 속 분류군(genus taxa) 존재 및/또는 상대적 풍부도; 등)을 결정; 트레이닝 데이터가 캘린더 시즌(예를 들어, 여름, 가을, 겨울, 봄, 여기서 트레이닝 데이터는 임시 모델을 트레이닝하기 위해 K 서브샘플로 분할할 수 있음)이 라벨링된 경우와 같이, 데이터세트에 대한 파라미터를 일반화(예를 들어, 학습을 위해 상이한 파라미터를 사용하여 K 서브세트로 분할(split); 등)하기 위한 교차 유효화(예를 들어, 베이지안(Bayesian) 최적화; 등); 주요(key) 특징 결정 (예를 들어, 상이한 라벨에 대한 가장 큰 상관 관계 및 정보성과 함께; 임시 모델 당 주요 특징을 결정; 본원에서 설명된 것과 같은, 마이크로바이옴 조성 특징; 기타 마이크로바이옴 특징; 대상자 또는 사용자의 연령과 같은 보충 데이터; 등); 및/또는 하나 이상의 코-관련 특성화 모델을 생성(예를 들어, 에타(eta) 범위, 최대 깊이 범위, 라운드 수, 서브샘플 속도(subsample rate); 바이트리(bytree) 범위; 주요 특징에 기초하는 특징 선택 접근법 사용; 분할 없이 데이터를 포함하는 모든 서프샘플에 기초; 결측값(missing values) 파라미터와 같은 추가적인 파라미터에 기초; 등)할 수 있다.
그러나, 마이크로바이옴 특징을 결정하는 단계, 모델을 생성하는 단계, 및/또는 하나 이상의 코-관련 특성화와 관련된 기타 적합한 측면들은 임의의 적합한 방식으로 수행될 수 있다.
하나 이상의 코-관련 특성화와 관련된(예를 들어, 긍정적으로 상관 관계가 있는; 부정적으로 상관 관계가 있는; 진단에 유용한; 등) 마이크로바이옴 특징(예를 들어, 마이크로바이옴 조성 특징; 하나 이상의 신체 부위와 관련된 부위-특이적 조성 특징; 마이크로바이옴 기능적 특징; 하나 이상의 신체 부위와 관련된 부위-특이적 기능적 특징; 사용자 마이크로바이옴 특징; 등)은 하나 이상의 신체 부위(예를 들어, 코 부위; 여기서 마이크로바이옴 조성 특징은, 신체 부위에 대응하는 신체 수집 부위에서 수집된 샘플로부터 신체 부위에서 관찰되는 마이크로바이옴 조성에 특이적인 것과 같이, 조성 특징 및 하나 이상의 코-관련 컨디션 사이의 상관관계가 하나 이상의 신체 부위에 특이적일 수 있는 경우와 같은, 하나 이상의 신체 부위와 관련된 부위-특이적 조성 특징을 포함할 수 있음; 등)와 관련된 것과 같이, 다음의 분류군(예를 들어, 풍부도를 설명하는 특징; 상대적 풍부도를 설명하는 특징; 기능적 측면과 관련된 것을 설명하는 특징; 유래된 특징; 존재 및/또는 부재를 설명하는 특징; 등) 중 하나 이상의 임의의 조합과 관련된 특징(예를 들어, 마이크로바이옴 조성 특징, 등)을 포함할 수 있다: 아비오트로피아(Abiotrophia), 아크로모박터(Achromobacter), 아시네토박터(Acinetobacter), 액티노바실루스(Actinobacillus), 액티노미세스(Actinomyces), 아그레가티박터(Aggregatibacter), 알리스티페스(Alistipes), 알로프레보텔라(Alloprevotella), 아네로코커스(Anaerococcus), 아네로스티페스(Anaerostipes), 아녹시바실루스(Anoxybacillus), 아쿠아박테리움(Aquabacterium), 아르쓰로박터(Arthrobacter), 아토포비움(Atopobium), 바실루스(Bacillus), 박테로이데스(Bacteroides), 버지엘라(Bergeyella), 비피도박테리움(Bifidobacterium), 블라우티아(Blautia), 브레디리조비움(Bradyrhizobium), 브레비박테리움(Brevibacterium), 브레분디모나스(Brevundimonas), 버크홀데리아(Burkholderia), 캄필로박터(Campylobacter), 카프노사이토파가(Capnocytophaga), 카울로박터(Caulobacter), 센티페다(Centipeda), 크리세오박테리움(Chryseobacterium), 콜린셀라(Collinsella), 코리네박테리움(Corynebacterium), 데이노코커스(Deinococcus), 델프티아(Delftia), 더마박터(Dermabacter), 디알리스터(Dialister), 돌로시그라눌럼(Dolosigranulum), 도레아(Dorea), 엔테로박터(Enterobacter), 파에칼리박테리움(Faecalibacterium), 피네골디아(Finegoldia), 플라보박테리움(Flavobacterium), 푸시카테니박터(Fusicatenibacter), 푸조박테리움(Fusobacterium), 게멜라(Gemella), 그라눌리카텔라(Granulicatella), 헤모필루스(Haemophilus), 헤르바스피릴룸(Herbaspirillum), 하이드로제노필루스(Hydrogenophilus), 크렙시엘라(Klebsiella), 클루이베라(Kluyvera), 코쿠리아(Kocuria), 락토바실루스(Lactobacillus), 락토코커스(Lactococcus), 라우트로피아(Lautropia), 렙토트리키아(Leptotrichia), 말라세지아(Malassezia), 메가스파에라(Megasphaera), 메이오써머스(Meiothermus), 메틸로박테리움(Methylobacterium), 마이크로코커스(Micrococcus), 모락셀라(Moraxella), 마이코박테리움(Mycobacterium), 네가티비코커스(Negativicoccus), 나이세리아(Neisseria), 노보스핑고비움(Novosphingobium), 오크로박트럼(Ochrobactrum), 판토에아(Pantoea), 파라박테로이데스(Parabacteroides), 파르비모나스(Parvimonas), 펠로모나스(Pelomonas), 펩토니필루스(Peptoniphilus), 펩토스트렙토코커스(Peptostreptococcus), 필로박테리움(Phyllobacterium), 포르피로모나스(Porphyromonas), 프레보텔라(Prevotella), 프로피오니박테리움(Propionibacterium), 슈도부티리비브리오(Pseudobutyrivibrio), 슈도모나스(Pseudomonas), 랄스토니아(Ralstonia), 리조비움(Rhizobium), 로제부리아(Roseburia), 로티아(Rothia), 사르시나(Sarcina), 시넬라(Shinella), 스핑고모나스(Sphingomonas), 스타필로코커스(Staphylococcus), 스테노트로포모나스(Stenotrophomonas), 스트렙토코커스(Streptococcus), 베일로넬라(Veillonella), 파라수테렐라(Parasutterella), 로도슈도모나스(Rhodopseudomonas), 크산토모나스(Xanthomonas), 메조리조비움(Mesorhizobium), 팍클라미아(Facklamia), 킨겔라(Kingella), 로도박터(Rhodobacter), 리시니바실루스(Lysinibacillus), 더마코커스(Dermacoccus), 카디오박테리움(Cardiobacterium) 및/또는 기타 적합한 분류군(예를 들어, 본원에서 설명된). 실시예에서, 속 스타필로코커스, 코리네박테리움, 및/또는 프로피오니박테리움으로부터 임의의 적합한 종 분류군을 포함할 수 있다. 실시예에서, 마이크로바이옴 특징은 전염병과 관련된 돌로시그라눌럼 및/또는 모락셀라, 및/또는 임의의 적합한 코-관련 컨디션과 관련된 것과 같은, 종(및/또는 기타 적합한 분류군 타입)을 포함할 수 있다. 특정 실시예에서, 도 3a-3d에 보이는 바와 같이, 마이크로바이옴 조성 특징(예를 들어, 주요 마이크로바이옴 조성 특징)은, 방법(100)의 임의의 적합한 일부를 구현하기 위한 것과 같이, 획득될 수 있고(예를 들어, 도 12에서 설명된 샘플과 같이, 코 부위 샘플 세트를 프로세싱하는 것으로부터), 프로세싱될 수 있고(예를 들어, 특징을 결정하기 위해 사용되고; 하나 이상의 코-관련 특성화 모델을 생성 및/또는 적용하는 데 사용되는; 등), 그리고/또는 다른 방식으로 사용될 수 있는 기후 타입 및 캘린더 시즌과 관련된 상이한 분류군(예를 들어, 과다 표현된 분규룬; 등)에 대한 카운트(및/또는 기타 적합한 풍부도 매트릭스)를 포함한다.
임의의 적합한 마이크로바이옴 특징, 보충 특징, 및/또는 본원에서 설명된 기타 적합한 데이터는 하나 이상의 코-관련 특성화 모델을 프로세싱(예를 들어, 생성, 적용, 등)하는 데 사용될 수 있다.
특정 실시예에서, 방법(100)은 코-관련 특성화 모델에 기초(예를 들어, 본원에서 설명된 분류군과 관련된 마이크로바이옴 조성 특징, 및/또는 보충 데이터에 기초하여 생성된; 본원에서 설명된 하나 이상의 변형에서 설명된 바와 같이 트레이닝된 코-관련 특성화 모델; 등)하여, 사용자의 코 부위에서 수집된 사용자 샘플(예를 들어, 미지의 샘플링 시간과 관련된 사용자 샘플; 등)과 관련된 캘린더 시즌 파라미터(예를 들어, 여름, 가을, 겨울, 봄의 캘린더 시즌 예측; 기타 적합한 시즌; 등)를 결정하는 단계를 포함할 수 있는, 코-관련 특성화를 결정하는 단계를 포함할 수 있다. 특정 실시예에서, 코-관련 특성화 모델은 캘린더 시즌 특성화 머신 러닝 모델을 포함할 수 있으며, 여기서 코-관련 특성화 모델을 생성하는 단계는 대상자 세트의 코 부위로부터 수집된 샘플과 관련된(예를 들어, 보충 데이터로부터 결정된) 마이크로바이옴 조성 특징 세트 및 캘린더 시즌에 기초하여 캘린더 시즌 특성화 머신 러닝 모델을 트레이닝하는 단계를 포함할 수 있으며, 그리고 여기서 캘린더 시즌 파라미터를 결정하는 단계는 캘린더 시즌 특성화 머신 러닝 모델 및 사용자의 코 부위에서 수집된 사용자 샘플에 기초하여 캘린더 시즌 파라미터를 결정하는 단계를 포함할 수 있다. 특정 실시예에서, 보충 데이터는 대상자 세트의 연령을 포함할 수 있으며, 여기서 코-관련 특성화 모델을 생성하는 단계는 마이크로바이옴 조성 특징 세트 및 대상자 세트의 연령에 기초하여 코-관련 특성화 모델을 생성하는 단계를 포함할 수 있으며, 그리고 여기서 캘린더 시즌 파라미터(예를 들어, 사용자 샘플과 관련된)를 결정하는 단계는 코-관련 특성화 모델, 사용자의 코 부위에서 수집된 사용자 샘플, 및 사용자의 연령(예를 들어, 여기서 연령은 코-관련 특성화에 대한 주요 보충 특징일 수 있음, 등)에 기초하여 캘린더 시즌 파라미터를 결정하는 단계를 포함할 수 있다. 특정 실시예에서, 대상자 세트와 관련된 보충 데이터는 지리적 위치, 기후 타입, 및 샘플링 시간 중 적어도 하나를 포함할 수 있으며, 여기서 코-관련 특성화 모델을 생성하는 단계는 마이크로바이옴 조성 특징 세트, 대상자 세트의 연령, 그리고 지리적 위치, 기후 타입, 및 샘플링 시간 중 적어도 하나에 기초하여 코-관련 특성화 모델을 생성하는 단계를 포함할 수 있으며, 그리고 여기서 캘린더 시즌 파라미터를 결정하는 단계는 코-관련 특성화 모델, 사용자의 코 부위에서 수집된 사용자 샘플, 사용자의 연령, 그리고 지리적 위치, 사용자의 지리적 위치와 관련된 기후 타입, 및 사용자의 코 부위에서 수집된 사용자 샘플과 관련된 사용자 샘플링 시간 중 적어도 하나에 기초하여 캘린더 시즌 파라미터를 결정하는 단계를 포함할 수 있다. 그러나, 임의의 적합한 샘플 시간 파라미터(예를 들어, 캘린더 시즌 파라미터; 분, 시간, 일, 달, 년과 같은 임의의 적합한 시간 기간, 등)는 예측될 수 있으며; 코-관련 특성화 모델과 관련될 수 있으며, 그리고/또는 다른 방식으로 사용될 수 있다.
특정 예에서, 캘린더 시즌-특이적 특성화 모델은 정확도, 민감성, 특이성, 커브 아래 영역, 및/또는 모델과 관련된 기타 적합한 매트릭스(예를 들어, 모든 캘린더 시즌에 대한 상대 예측기 모델)의 개선을 위한 것과 같이, 캘린더 시즌 서브세트에 대한(예를 들어, 여름, 가을, 겨울, 봄의 서브세트에 대한; 상이한 서브세트에 대한 상이한 특징 세트를 사용하여; 캘린더 시즌의 풀 세트에 대한 모델과 관련된 상이한 특징 세트를 사용하여; 등) 예측과 같이, 프로세싱(예를 들어, 생성, 적용, 등)될 수 있다. 특정 실시예에서, 봄 및 겨울 시즌 예측에 대한 코-관련 특성화 모델(예를 들어, 이진 분류 모델)을 프로세싱 할 수 있다. 그러나, 보충 데이터 타입의 임의의 서브세트에 대한 코-관련 특성화 모델(예를 들어, 도시, 국가, 대륙의 서브세트와 같이, 지리적 위치의 서브세트와 같은, 환경적 요인의 서브세트)은 임의의 적합한 방식으로 프로세싱될 수 있다.
특정 실시예에서, 코-관련 특성화를 결정하는 단계는 코-관련 특성화 모델(예를 들어, 본원에서 설명된) 및 사용자 샘플(예를 들어, 사용자의 코 부위에서 수집된)에 기초하는 것과 같이, 사용자 샘플(예를 들어, 미지의 지리적 위치와 관련된 사용자 샘플; 등)과 관련된 지리적 위치 파라미터를 결정(예를 들어, 예측)하는 단계를 포함할 수 있다.
특정 실시예에서, 코-관련 특성화 모델은 하나 이상의 코-관련 컨디션과 관련될 수 있으며(예를 들어, 모델의 출력은 하나 이상의 사용자에 대한 하나 이상의 코-관련 컨디션의 정보 제공이 가능함), 그리고 코-관련 특성화를 결정하는 단계는 코-관련 특성화 모델 및 사용자의 코 부위에서 수집된 사용자 샘플에 기초하는 것과 같이, 하나 이상의 코-관련 컨디션에 대한 사용자를 위한 코-관련 특성화를 결정하는 단계를 포함할 수 있다. 특정 실시예에서, 방법(100)은 하나 이상의 코-관련 특성화에 기초하여, 하나 이상의 코-관련 컨디션의 개선을 용이하게 하기 위해 사용자에게 치료적 개입(예를 들어, 요법 제공; 요법 추천 제공; 등)을 용이화하는 단계를 포함할 수 있다.
특정 실시예에서, 마이크로바이옴 특징(예를 들어, 본원에서 설명된 분류군과 관련된 마이크로바이옴 조성 특징, 등)은 상이한 대상자 서브세트로부터 수집된 코 부위 샘플에 대해 분석 기술(예를 들어, 랜덤 포레스트 접근법, 교차 유효화 접근법, 등)을 적용함으로써 결정될 수 있으며, 각각의 대상자 서브세트는 샘플링 시간, 및/또는 기타 적합한 샘플링 시간 파라미터와 관련된 상이한 캘린더 시즌 파라미터에 대응한다.
특정 실시예에서, 방법(100)은 분류군 판넬(예를 들어, 본원에 설명된; 상이한 분류군의 상대적 풍부도; 건강한 범위, 건강하지 않은 범위, 기타 사용자와의 비교를 위해; 등)과 관련된 것과 같은, 하나 이상의 사용자의 코 마이크로바이옴을 특성화하는 단계를 포함하는 코-관련 특성화를 결정하는 단계를 포함할 수 있다.
실시예에서, 다수의 분류군 중 하나 이상과 관련된 마커는 다수의 분류군과 관련된 16S rRNA 유전적 서열을 포함할 수 있다. 마커 및/또는 다수의 분류군은 다음 중 하나 이상과 관련(예를 들어, 긍적적으로 관련, 부정적으로 관련, 등)될 수 있다: 컨디션, 병원체, 공생 박테리아, 프로바이오틱 박테리아, 및/또는 임의의 기타 마커-관련 정보, 여기서 이러한 관련성은 미생물 데이터베이스에 저장되고, 특성화 프로세스에 적용되고, 그리고/또는 다른 방식으로 프로세싱될 수 있다.
추가적으로 또는 대안적으로 하나 이상의 코-관련 특성화와 관련된 마이크로바이옴 특징은 다음 중 하나 이상으로부터의 기능 및/또는 이와 관련된 다른 방식에 대응하는(예를 들어, 코 부위와 같은 하나 이상의 하나 이상의 신체 부위와 관련된 것과 같은, 여기서 마이크로바이옴 기능적 특징은, 신체 부위에 대응하는 신체 수집 부위에서 수집된 샘플로부터 신체 부위에서 관찰되는 미생물에 대응하는 마이크로바이옴 기능에 특이적인 것과 같이, 기능적 특징 및 하나 이상의 코-관련 특성화 사이의 상관 관계가 신체 부위에 특이적일 수 있는 경우와 같은, 하나 이상의 신체 부위와 관련된 부위-특이적 기능적 특징을 포함할 수 있음; 등) 마이크로바이옴 기능적 특징(예를 들어, 본원에서 설명된 분류군 하에 분류된 미생물과 같이, 하나 이상의 미생물과 관련된 기능을 설명하는 특징; 기능적 다양성을 설명하는 특징; 존재, 부재, 풍부도, 및/또는 상대적 풍부도를 설명하는 특징; 등)을 포함할 수 있다: 오솔로그 그룹의 클러스터(Clusters of Orthologous Groups, COG) 데이터베이스(예를 들어, COG, COG2, 등), 유전자 및 게놈 교토 백과사전 (Kyoto Encyclopedia of Genes and Genomes, KEGG) 데이터베이스(예를 들어, KEGG2, KEGG3, KEGG4, 등), 및/또는 사용 가능한 임의의 기타 적합한 데이터베이스(예를 들어, 미생물 기능 데이터가 있는 데이터베이스 등). 그러나, 마이크로바이옴 특징은 임의의 적합한 미생물 기능, 인간 기능, 및/또는 기타 적합한 기능성과 관련된 임의의 적합한 마이크로바이옴 기능적 특징을 포함 할 수 있다.
변형으로, (예를 들어, 부위-특이적 코-관련 특성화 모델과 또한 관련된 하나 이상의 신체 부위와 관련된 사용자 부위-특이적 마이크로바이옴 특징을 프로세싱하는 단계에 기초하여 코-관련 특성화를 결정하는 단계에 대한; 등) 부위-특이적 코-관련 특성화 모델 및 (예를 들어, 신체 부위와 관련된, 등) 코-관련 특성화는 본원에서 설명된 (예를 들어, 하나 이상의 신체 부위와 관련된; 등) 부위-특이적 마이크로바이옴 특징(예를 들어, 부위-특이적 조성 특징; 부위-특이적 기능적 특징; 등)에 기초하여 결정될 수 있다. 실시예에서, 방법(100)은 하나 이상의 신체 부위와 관련된 부위-특이적 마이크로바이옴 특징을 포함하는 사용자 마이크로바이옴 특징(예를 들어, 코-관련 특성화 및/또는 요법이 결정 및/또는 초진될 수 있는 사용자에 대해; 상관 관계가 있는 것과 같이, 하나 이상의 코-관련 특성화와 관련되도록 결정된 마이크로바이옴 특징에 대한 사용자를 위한 특징 값들을 결정; 등)을 결정하는 단계를 포함할 수 있다.
특정 실시예에서, 본원에서 설명된 마이크로바이옴 조성 특징(예를 들어, 부위-특이적 조성 특징을 포함하는, 등), 본원에서 설명된 마이크로바이옴 기능적 특징, 및/또는 기타 적합한 마이크로바이옴 특징은, 하나 이상의 환경적 요인, 기타 보충 데이터 타입, 코-관련 컨디션(예를 들어, 코-관련 컨디션을 가지는 대상자를 포함하는 대상자 세트; 코-관련 컨디션이 없는 대상자를 포함하는, 여기서 이러한 샘플 및/또는 관련된 데이터는 컨트롤로써 작용할 수 있음; 대상자 집단; 등), 및/또는 기타 적합한 측면들과 관련된 대상자 세트로부터의 샘플에 기초하여 결정된(예를 들어, 샘플의 미생물 핵산 시퀀싱, 등) 하나 이상의 미생물 데이터세트(예를 들어, 미생물 서열 데이터세트, 등)에 기초하여 결정될 수 있다.
변형으로, 본원에서 설명된 마이크로바이옴 특징의 임의의 적합한 조합은, 코 마이크로바이옴 및/또는 적합한 신체 부위와 관련된(예를 들어, 건강한 마이크로바이옴을 가지는 사용자와 관련된 표적 마이크로바이옴 조성 및/또는 기능성에 대한, 등) 기타 적합한 마이크로바이옴에서 미생물의 존재, 부재 또는 상대적 풍부도의 조절을 포함하는 것과 같이, 코 미생물총(microbiota)을 건강한 코호트(cohort)(예를 들어, 마이크로바이옴 다양성 개선)로 복원시키는 것에 대한 것과 같은, 하나 이상의 코-관련 컨디션 및/또는 미생물과 관련된 상태에 대한 예방, 치료, 및/또는 치료적 개입의 적합한 용이화에 사용될 수 있다. 그러나, 코-관련 컨디션과 관련된 마이크로바이옴 특징은 하나 이상의 코-관련 컨디션에 대한 예방, 치료, 및/또는 치료적 개입의 적합한 용이화를 위해, 임의의 적합한 방식으로 적용될 수 있다.
일 실시예에서, 방법(100)은 제1 조성 특징 세트(예를 들어 제1 변형과 관련된 상기에서 설명된 마이크로바이옴 특징 중 적어도 하나 이상을 포함; 마이크로바이옴 특징의 임의의 적합한 조합을 포함; 등), 제1 코-관련 특성화 모델, 제2 조성 특징 세트(예를 들어, 제2 변형과 관련된 상기에서 설명된 마이크로바이옴 특징 중 적어도 하나 이상을 포함; 마이크로바이옴 특징의 임의의 적합한 조합을 포함; 등), 및 제2 코-관련 특성화 모델에 기초하여 제1 코-관련 컨디션 및 제2 코-관련 컨디션에 대한 사용자를 위한 코-관련 특성화를 결정하는 단계를 포함하며, 여기서 제1 코-관련 특성화 모델은 제1 코-관련 컨디션(예를 들여, 여기서 제1 코-관련 특성화 모델은 제1 코-관련 컨디션에 대한 특성화를 결정함, 등)과 관련되며, 그리고 여기서 제2 코-관련 특성화 모델은 제2 코-관련 컨디션(예를 들어, 여기서 제2 코-관련 특성화 모델은 제2 코-관련 컨디션에 대한 특성화를 결정함, 등)과 관련된다. 실시예에서, 사용자 마이크로바이옴 특징을 결정하는 단계는 오솔로그 그룹의 클러스터(COG) 데이터베이스 및 유전자 및 게놈 교토 백과사전(KEGG) 데이터베이스 중 적어도 하나로부터 제1 기능과 관련된 제1 사용자 마이크로바이옴 기능적 특징을 결정하는 단계, 여기서 제1 사용자 마이크로바이옴 기능적 특징은 제1 코-관련 컨디션과 관련되며; 그리고 COG 데이터베이스 및 KEGG 데이터베이스 중 적어도 하나로부터 제2 기능과 관련된 제2 사용자 마이크로바이옴 기능적 특징을 결정하는 단계를 포함할 수 있으며, 여기서 제2 사용자 마이크로바이옴 기능적 특징은 제2 코-관련 컨디션과 관련되며, 여기서 코-관련 특성화를 결정하는 단계는 제1 조성 특징 세트, 제1 사용자 마이크로바이옴 기능적 특징, 제1 코-관련 특성화 모델, 제2 조성 특징 세트, 제2 사용자 마이크로바이옴 기능적 특징, 및 제2 코-관련 특성화 모델에 기초하여 제1 코-관련 컨디션 및 제2 코-관련 컨디션에 대한 사용자를 위한 코-관련 특성화를 결정하는 단계를 포함할 수 있다. 추가적으로 또는 대안적으로, 마이크로바이옴 특징의 임의의 조합은, 임의의 적합한 방식으로, 하나 이상의 코-관련 컨디션에 대한 코-관련 특성화를 결정하기 위해, 코-관련 특성화 모델의 임의의 적합한 수 및 타입과 함께 사용될 수 있다.
실시예에서, 방법(100)은 상기 및/또는 본원에서 설명된 마이크로바이옴 특징의 임의의 적합한 조합에 기초(예를 들어, 본원에서 설명된 분류군 중 적어도 하나와 관련된 특징을 포함하는 마이크로바이옴 조성 특징 세트에 기초; 및/또는 본원에서 설명된 데이터베이스로부터의 기능에 대응하는 것과 같은, 본원에서 설명된 마이크로바이옴 기능적 특징에 기초; 등)하여 하나 이상의 코-관련 특성화 모델을 생성하는 단계를 포함할 수 잇다. 일 실시예에서, 사용자에 대한 특성화 프로세스를 수행하는 단계는, 본원에서 설명된 마이크로바이옴 특징(예를 들어, 상기에서 설명된 마이크로바이옴 특징, 등)과 관련된 검출, 대응하는 값, 및/또는 기타 측면들에 기초하는 것과 같은, 그리고 진단, 기타 특성화(예를 들어, 치료-관련 특성화, 등), 치료, 모니터링, 및/또는 코-관련 컨디션과 관련된 기타 적합한 접근법의 통상적인 접근법에 대한 추가적인(예를 들어, 보충, 보완, 등) 또는 대안적인 방식으로와 같이, 하나 이상의 코-관련 컨디션을 갖는 것으로 사용자를 특성화하는 것을 포함할 수 있다. 변형으로, 마이크로바이옴 특징은 코-관련 컨디션과 관련된 진단, 기타 특성화, 치료, 모니터링, 및/또는 임의의 기타 적합한 목적 및/또는 접근법에 대해 사용될 수 있다.
임의의 적합한 분류군, 관련성, 특징, 및/또는 기타 적합한 데이터는 2018년 7월 27일에 제출된, 미국 특허 출원 제16/047,840호에 설명된 임의의 적합한 방식으로 유도할 수 있으며, 이는 본 명세서에 그 전체가 참조로 포함된다.
그러나, 하나 이상의 코-관련 특성화를 결정하는 단계는 임의의 적합한 방식으로 수행될 수 있다.
3.3.B 요법 결정.
특성화 프로세스 S130을 수행하는 단계(예를 들어, 코-관련 요법을 수행하는 단계)는 하나 이상의 요법(예를 들어, 하나 이상의 특성화 프로세스에 기초하여 특성화된 사용자에서와 같이, 코-관련 컨디션과 관련된 하나 이상의 측면을 개선하기 위한 것과 같은, 마이크로바이옴 조성, 기능, 다양성 및/또는 기타 적합한 측면을 조절하도록 설정된 요법)을 결정하는 단계를 포함할 수 있는 블록 S140을 포함할 수 있다. 블록 S140은 요법을 식별, 선택, 서열화(rank), 우선 순위 결정(prioritize), 예측, 단념(discourage), 및/또는 다른 방식으로 결정(예를 들어, 요법 결정 용이화, 등)하는 기능을 할 수 있다. 예를 들어, 블록 S140은 프로바이오틱-기반 요법, 박테리오파지-기반 요법, 소분자-기반 요법, 및/또는 대상자의 마이크로바이옴 조성, 기능, 다양성, 및/또는 기타 특성(예를 들어, 임의의 적합한 부위에서의 마이크로바이옴, 등)을 하나 이상의 코-관련 컨디션의 상태를 수정하기 위한, 그리고/또는 기타 적합한 목적을 위한 사용자의 건강을 촉진함에 있어서 원하는 상태(예를 들어, 평형 상태, 등)를 향해 변화(shift)시킬 수 있는 요법과 같은 기타 적합한 요법 중 하나 이상을 결정하는 단계를 포함할 수 있다.
요법(예를 들어, 코-관련 요법 등)은 다음 중 하나 이상을 포함할 수 있다: 소모품(consumable)(예를 들어, 프로바이오틱 요법, 프리(pre)바이오틱 요법, 항생제와 같은 약물, 알레르기 또는 감기 약물, 박테리오파지-기반 요법, 기저 컨디션(underlying conditions)에 대한 소모품, 소분자 요법, 등); 디바이스-관련 요법(예를 들어, 모니터링 디바이스; 센서-기반 디바이스; 의료 디바이스; 이식형 의료 디바이스; 등); 외과 수술; 심리-관련 요법(예를 들어, 인지 행동 요법, 불안 요법, 대화 요법, 정신 역학 요법, 행동-중심(action-oriented) 요법, 합리적인 정서 행동 요법, 대인 정신요법, 이완 트레이닝, 심호흡 기술, 점진적 근육 이완, 명상, 등); 행동 수정 요법(예를 들어, 운동 증가와 같은 신체 활동 추천 사항; 설탕 섭취 감소, 야채 섭취 증가, 생선 섭취 증가, 카페인 소비 감소, 알코올 소비 감소, 탄수화물 섭취 감소와 같은 식이 추천 사항; 담배 섭취 감소와 같은 흡연 추천 사항, 체중-관련 추천 사항; 수면 습관 추천 사항, 등); 국소 투여 요법(예를 들어, 국소적 프로바이오틱, 프리바이오틱 및/또는 항생제; 박테리오파지-기반 요법); 환경적 요인 수정 요법; 하나 이상의 맹장-관련 컨디션과 관련된 임의의 기타 적합한 측면의 수정; 및/또는 임의의 기타 적합한 요법(예를 들어, 하나 이상의 코-관련 컨디션을 개선하기 위한 요법, 하나 이상의 코-관련 컨디션의 위험을 감소시키기 위한 요법과 같은, 하나 이상의 코-관련 컨디션과 관련된 건강 상태를 개선하기 위해, 등). 실시예에서, 요법의 유형은 하기 중 하나 이상을 포함할 수 있다: 프로바이오틱 요법, 박테리오파지-기반 요법, 소분자-기반 요법, 인지/행동 요법, 물리적 재활 요법, 임상 요법, 약물-기반 요법, 식이(diet)-관련 요법, 및/또는 사용자의 건강을 증진시키는 데 있어서 임의의 기타 적합한 방식으로 작동하도록 설계된 임의의 기타 적합한 요법.
변형으로, 요법은 하나 이상의 신체 부위와 관련된 부위-특이적 요법, 예를 들어 사용자의 하나 이상의 상이한 신체 부위(예를 들어, 하나 이상의 상이한 수집 부위, 등)에서 마이크로바이옴 조성 및/또는 기능의 수정(modification)을 용이하게 하기 위해, 예를 들어 코 부위 및/또는 내장 부위, 피부 부위, 입 부위 및/또는 생식기 부위 중 하나 이상을 포함하는 기타 적합한 부위와 관련된 미생물의 표적화 및/또는 형질 전환; 예를 들어, 하나 이상의 사용자 신체 부위에서의 마이크로바이옴과 같이, 하나 이상의 사용자 신체 부위를 특이적으로 표적화하도록 구성된 하나 이상의 요법과 관련한 치료적 개입을 용이하게 함으로써; 예를 들어 하나 이상의 코-관련 컨디션의 개선을 용이하게 하기 위해(예를 들어, 특정 사용자 신체 부위에서 사용자 마이크로바이옴 조성 및/또는 기능을 표적 마이크로바이옴 조성 및/또는 기능으로, 예를 들어 특정 신체 부위에서의 마이크로바이옴 조성 및/또는 기능 그리고 건강한 마이크로바이옴 상태와 관련된 및/또는 하나 이상의 코-관련 컨디션의 부족과 관련하여 수정함으로써, 등) 포함할 수 있다. 부위-특이적 요법은 임의의 하나 이상의 소모품(예를 들어, 코 부위 마이크로바이옴 및/또는 임의의 적합한 신체 부위와 관련된 마이크로바이옴을 표적으로 하는; 등); 국소 요법(예를 들어, 피부 마이크로바이옴, 코 마이크로바이옴, 입 마이크로바이옴, 생식기 마이크로바이옴을 수정하기 위해, 등); 및/또는 기타 적합한 타입의 요법을 포함할 수 있다. 일 실시예에서, 방법(100)은 사용자로부터 제1 신체 부위(예를 들어, 코 부위, 내장 부위, 피부 부위, 생식기 부위, 입 부위 및 코 부위 중 적어도 하나를 포함, 등)와 관련된 샘플을 수집하는 단계; 제1 신체 부위와 관련된 부위-특이적 조성 특징을 결정하는 단계; 부위-특이적 조성 특징에 기초하여 코-관련 컨디션에 대한 사용자를 위한 코-관련 특성화를 결정하는 단계; 및 코-관련 특성화에 기초하여, 코-관련 컨디션의 개선을 용이하게 하기 위해, 사용에 대한 제1 부위-특이적 요법과 관련하여 치료적 개입을 용이하게 하는 단계(예를 들어, 제1 부위-특이적 요법을 사용자에게 제공하는 것; 등)를 포함할 수 있으며, 여기서 제1 부위-특이적 요법은 제1 신체 부위와 관련된다. 일 실시예에서, 방법(100)은, 제1 부위-특이적 요법과 관련하여 치료적 개입을 용이하게 한 후(예를 들어, 제1 부위-특이적 요법의 제공 후, 등) 사용자로부터 제2 신체 부위(예를 들어, 코 부위, 내장 부위, 피부 부위, 생식기 부위, 입 부위 중 적어도 하나를 포함하는; 등)와 관련된 요법-후 샘플을 수집하는 단계; 제2 신체 부위와 관련된 부위-특이적 특징에 기초하여 코-관련 컨디션에 대한 사용자를 위한 요법-후 코-관련 특성화를 결정하는 단계; 및 요법-후 코-관련 특성화에 기초하여, 코-관련 컨디션의 개선을 용이하게 하기 위해, 사용자에 대한 제2 부위-특이적 요법과 관련하여 치료적 개입을 용이하게 하는 단계(예를 들어, 사용자에게 제2 부위-특이적 요법을 제공하는 단계; 등)를 포함할 수 있으며, 여기서 제2 부위-특이적 요법은 제2 신체 부위와 관련되는 것이다.
변형으로, 요법은 하나 이상의 박테리오파지-기반 요법(예를 들어, 소모품의 형태, 국소 투여 요법의 형태, 등)을 포함 할 수 있으며, 여기서 대상자에서 나타나는 특정 박테리아(또는 다른 미생물)에 특이적인 박테리오파지의 하나 이상의 집단은(예를 들어, 콜로니 형성 유닛 면에서) 특정 박테리아의 집단을 하향-조절(down-regulate)하거나 또는 다른 방식으로 제거하는데 사용될 수 있다. 이와 같이, 박테리오파지-기반 요법은 대상자에서 나타나는 박테리아의 바람직하지 않은 집단(들)의 크기(들)를 감소시키기 위해 사용될 수 있다. 추가적으로 또는 대안적으로, 박테리오파지-기반 요법은 사용된 박테리오파지(들)에 의해 표적화되지 않은 박테리아 집단의 상대적 풍부도를 증가시키기 위해 사용될 수 있다. 그러나, 박테리오파지-기반 요법은 임의의 적합한 방식으로 마이크로바이옴의 특성(예를 들어, 마이크로바이옴 조성, 마이크로바이옴 기능, 등)을 조절하는데 사용될 수 있고, 그리고/또는 임의의 적합한 목적으로 사용될 수 있다.
변형으로, 요법은 본원에 기술된 임의의 적합한 분류군(예를 들어, 하나 이상의 코-관련 컨디션과 관련된 하나 이상의 마이크로바이옴 조성 특징과 관련하여, 등), 및/또는 분류학적 그룹과 관련된 임의의 기타 적합한 미생물(예를 들어, 마이크로바이옴 특징과 관련한 것과 같은, 본원에 설명된 분류군의 미생물; 본원에 설명된 기능적 특징과 관련된 분류군, 등) 중 적어도 하나 이상(예를 들어, 하나 이상의 임의의 조합을 포함하여, 임의의 적합한 양 및/또는 농도, 예를 들어 임의의 적합한 상대량 및/또는 농도; 등을 포함)의 임의의 조합과 관련된 하나 이상의 프로바이오틱 요법 및/또는 프리(pre)바이오틱 요법을 포함할 수 있다. 하나 이상의 프로바이오틱 요법 및/또는 기타 적합한 요법에 대하여, 주어진 분류학적 그룹과 관련된 미생물 및/또는 임의의 적합한 미생물 조합이 십만(0.1 million) 내지 100억(10 billion) CFU의 용량 및/또는 임의의 적합한 양으로 제공 될 수 있다(예를 들어, 요법에 반응하여 환자의 마이크로바이옴의 포지티브 조정(positive adjustment)을 예측하는 요법 모델로부터 결정된 바와 같은; 상이한 분류군에 대해 상이한 양; 상이한 분류군에 대해 동일하거나 유사한 양; 등). 일 실시예에서, 대상자는 그/그녀의 다음 중 하나 이상에 맞추어진 섭생(regimen)에 따른 프로바이오틱 제형(formulation)을 포함하는 캡슐을 섭취하도록 지시될 수 있다: 생리적(예를 들어, 체질량 지수, 체중, 키), 인류 통계학적 특성(예를 들어, 성별, 연령), 장내세균불균형(dysbiosis)의 중증도, 약물에 대한 민감성, 및 기타 적합한 요인. 실시예에서, 프로바이오틱 요법 및/또는 프리바이오틱 요법이 하나 이상의 코-관련 컨디션의 개선을 용이하게 하기 위해(예를 들어, 조성, 기능, 등과 관련하여) 사용자 마이크로바이옴을 조절하는데 사용될 수 있다. 실시예에서, 치료적 개입의 용이화는, 하나 이상의 코-관련 컨디션의 개선 용이화를 위하는 것과 같이, 사용자에게 하나 이상의 프로바이오틱 요법 및/또는 프리바이오틱 요법을 촉진(예를 들어, 추천, 관련하여 사용자에게 정보제공, 제공, 투여, 획득의 용이화, 등)하는 단계를 포함할 수 있다.
프로바이오틱 요법의 특정 실시예에서, 도 6에서 보여지는 바와 같이, 요법 모델의 후보 요법은 다음 중 하나 이상을 수행할 수 있다: 물리적 장벽을 제공함으로써 (예를 들어, 군락 저항성(colonization resistance)에 의해) 상피세포 내로 병원체 진입을 차단, 배상 세포(goblet cell)의 자극에 의한 점막 장벽 형성 유도, 대상자의 상피 세포 사이의 정점 치밀이음(apical tight junctions)의 무결성 향상(예를 들어, 조나-오클루덴 1(zona-occluden 1)의 조절 자극에 의해, 치밀이음 단백질 재분포 방지에 의해), 항균 인자 생성, 항-염증성 사이토카인 생산 자극(예를 들어, 수지상 세포의 시그널링 및 조절 T-세포의 유도에 의해), 면역 반응의 촉발, 및 장내세균불균형 상태로부터 대상자의 마이크로바이옴을 조정하는 임의의 기타 적합한 기능 수행. 그러나, 프로바이오틱 요법 및/또는 프리바이오틱 요법은 임의의 적합한 방식으로 구성될 수 있다.
또 다른 특정 실시예에서, 요법은 의료-디바이스 기반 요법(예를 들어, 인간 행동 수정과 관련된, 질병-관련 컨디션의 치료와 관련된, 등)을 포함 할 수 있다.
변형으로, 요법 모델은 바람직하게는 대상자의 큰 집단으로부터의 데이터를 기초로 하며, 이는 블록 S110에서 마이크로바이옴 다양성 데이터 세트가 유래되는 대상자의 집단을 포함할 수 있으며, 여기서 다양한 치료적 조치(therapeutic measures)에 대한 노출 전 및 노출 후의 마이크로바이옴 조성 및/또는 기능적 특징 또는 건강 상태는 잘 특성화된다. 이러한 데이터는 상이한 코-관련 특성화에 기초하여 대상자에 대해 원하는 결과를 제공하는 치료적 조치를 식별하는데 있어서, 요법 예비(provision) 모델을 트레이닝시키고 유효화하는데 사용될 수 있다. 변형으로, 감독 머신 러닝 알고리즘(supervised machine learning algorithm)로써 서포트 벡터 머신(support vector machines)을 사용하여 치료 예비 모델을 생성할 수 있다. 그러나, 앞서 설명한 임의의 기타 적합한 머신 러닝 알고리즘이 요법 예비 모델의 생성을 용이하게 할 수 있다.
추가적으로 또는 대안적으로, 요법 모델은 양호한 건강 상태로 식별된 대상자 집단의 대상자로부터 평가된, "정상(normal)" 또는 기준선 마이크로바이옴 조성물 및/또는 기능적 특징의 식별과 관련하여 유래될 수 있다. 양호한 건강 상태로 특성화된 (예를 들어, 특성화 프로세스의 특징을 사용하여) 대상자 집단의 대상자 서브세트의 식별 시, 양호한 건강 상태의 대상자에 대한 마이크로바이옴 조성 및/또는 기능적 특징을 조절하는 요법은 블록 S140에서 생성될 수 있다. 따라서, 블록 S140은 하나 이상의 기준선 마이크로바이옴 조성 및/또는 기능적 특징(예를 들어, 각각의 인류통계 특성 세트에 대한 하나의 기준선 마이크로바이옴)의 식별, 및 식별된 기준선 마이크로바이옴 조성 및/또는 기능적 특징 중 하나에 대한 장내세균불균형(dysbiosis)의 상태에 있는 대상자의 마이크로바이옴을 전환시킬 수 있는 잠재적인 요법 제형 및 요법 섭생(therapy regimens)을 포함할 수 있다. 그러나, 요법 모델은 임의의 기타 적합한 방식으로 생성 및/또는 개량될 수 있다.
프로바이오틱 요법 및/또는 프리바이오틱 요법과 관련된(예를 들어, 요법 용이화 시스템에 의해 적용되는 요법 모델에 의해 결정된 프로바이오틱 요법과 관련된, 등) 미생물 조성물은 배양 가능한(예를 들어, 스케일러블한(scalable) 요법을 제공하도록 확장될 수 있는) 및/또는 비-치명적인(예를 들어, 원하는 치료 용량에서 비-치명적인) 미생물을 포함할 수 있다. 나아가, 미생물 조성은 대상자의 마이크로바이옴에 급성 또는 조절된(moderated) 영향을 갖는 단일 타입의 미생물을 포함할 수 있다. 추가적으로 또는 대안적으로, 미생물 조성은 대상자의 마이크로바이옴을 원하는 상태로 유도하는데 서로 협력하도록 구성된 다중 타입의 마이크로바이옴의 균형 잡힌 조합을 포함할 수 있다. 예를 들어, 프로바이오틱 요법에서 다중 타입의 박테리아의 조합은 대상자의 마이크로바이옴에 긍정적으로 영향을 미치는 강력한 효과를 갖는 제2 박테리아 타입에 의해 사용되는 생산물을 생성하는 제1 박테리아 타입을 포함할 수 있다. 추가적으로 또는 대안적으로, 프로바이오틱 요법에서 다중 타입의 박테리아의 조합은 대상자의 마이크로바이옴에 긍정적으로 영향을 미치는 동일한 기능을 갖는 단백질을 생성하는 여러 박테리아 타입을 포함할 수 있다.
프로바이오틱 및/또는 프리바이오틱 조성은 자연적으로 또는 합성적으로 유래될 수 있다. 예를 들어, 일 적용으로, 프로바이오틱 조성은 분변 물질 또는 기타 생물학적 물질(예를 들어, 특성화 프로세스 및 요법 모델을 사용하여 식별된 바와 같이, 기준선 마이크로바이옴 조성 및/또는 기능적 특징을 갖는 하나 이상의 대상자의 것)로부터 자연적으로 유래될 수 있다. 추가적으로 또는 대안적으로, 프로바이오틱 조성은 특성화 프로세스 및 요법 모델을 사용하여 식별된 바와 같이, 기준선 마이크로바이옴 조성 및/또는 기능적 특징에 기초하여 합성적으로 유래될 수 있다(예를 들어, 벤치탑(benchtop) 방법을 사용하여 유도될 수 있다). 변형으로, 프로바이오틱 요법에 사용될 수 있는 미생물 제제는 다음 중 하나를 포함할 수 있다: 효모(예를 들어, 사카로미세스 보울라디(Saccharomyces boulardii)), 그람-음성 박테리아(예를 들어, 이. 콜라이 니슬(E. coli Nissle), 그람-양성 박테리아(예를 들어, 비피도박테리아 비피덤, 비피도박테리아 인판티스(Bifidobacteria infantis), 락토바실루스 람노서스(Lactobacillus rhamnosus), 락토코커스 락티스(Lactococcus lactis), 락토바실루스 플란타럼(Lactobacillus plantarum), 락토바실러스 아시도필루스(Lactobacillus acidophilus), 락토바실루스 카세이(Lactobacillus casei), 바실루스 폴리페르멘티커스(Bacillus polyfermenticus), 등) 및 임의의 기타 적합한 타입의 미생물 제제. 그러나, 프로바이오틱 요법, 프리바이오틱 요법 및/또는 기타 적합한 요법은 본원에 설명된 임의의 적합한 분류군과 관련된 임의의 적합한 미생물 조합을 포함할 수 있고, 그리고/또는 요법은 임의의 적합한 방식으로 구성될 수 있다.
블록 S140은 하나 이상의 요법을 결정하기 위한 하나 이상의 요법 모델을 실행, 저장, 검색 및/또는 다른 방식으로 프로세싱하는 단계를 포함할 수 있다. 하나 이상의 요법 모델을 프로세싱하는 단계는 바람직하게 마이크로바이옴 특징에 기초한다. 예를 들어, 요법 모델을 생성하는 단계는 하나 이상의 코-관련 컨디션과 관련된 마이크로바이옴 특징, 마이크로바이옴 특성과 관련된 요법 효능과 같은 요법-관련 측면, 및/또는 기타 적합한 데이터에 기초할 수 있다. 추가적으로 또는 대안적으로, 요법 모델을 프로세싱하는 단계는 임의의 적합한 데이터에 기초할 수 있다. 일 실시예에서, 요법 모델을 프로세싱하는 단계는 하나 이상의 요법 모델, 사용자 마이크로바이옴 특징(예를 들어, 사용자 마이크로바이옴 특징값을 하나 이상의 요법 모델에 입력하는 것 등), 보충 데이터(예를 들어, 미생물-관련 대사; 사용자 병력; 인류통계학적 특성과 같은 사용자 인류통계적 데이터와 관련된 것과 같이 요법과 관련된 사전 지식; 등), 및/또는 임의의 기타 적합한 데이터에 기초하여 사용자에 대한 하나 이상의 요법을 결정하는 단계를 포함할 수 있다. 그러나, 요법 모델을 프로세싱하는 단계는 임의의 적합한 방식으로 임의의 적합한 데이터에 기초할 수 있다.
코-관련 특성화 모델은 하나 이상의 요법 모델을 포함할 수 있다. 일 실시예에서, 하나 이상의 코-관련 특성화를 결정하는 단계(예를 들어, 하나 이상의 사용자에 대해, 하나 이상의 코-관련 컨디션에 대해, 등)는, 하나 이상의 요법 모델(예를 들어, 하나 이상의 요법 모델을 적용하는 것, 등) 및/또는 기타 적합한 데이터(예를 들어, 사용자 마이크로바이옴 특징과 같은 마이크로바이옴 특징, 사용자 미생물 데이터세트와 같은 미생물 데이터세트, 등)에 기초한 것과 같이, 하나 이상의 요법을 결정하는 단계를 포함할 수 있다. 특정 실시예에서, 하나 이상의 코-관련 특성화를 결정하는 단계는 사용자에 대한 제1 코-관련 특성화를 결정하는 단계(예를 들어, 하나 이상의 코-관련 컨디션에 대한 경향을 설명하는 단계, 등); 및 제1 코-관련 특성화에 기초하여 사용자에 대한 제2 코-관련 특성화를 결정하는 단계(예를 들어, 하나 이상의 코-관련 컨디션에 대한 경향에 기초하여 사용자에게 추천하기 위한 것과 같은, 하나 이상의 요법을 결정하는 단계, 등)를 포함할 수 있다. 특정 실시예에서, 코-관련 특성화는 경향-관련 데이터(예를 들어, 진단 데이터; 관련 마이크로바이옴 조성, 기능, 다양성 및/또는 기타 특성; 등) 및 요법-관련 데이터(예를 들어, 추천 요법; 잠재적 요법; 등)를 모두 포함할 수 있다. 그러나, 코-관련 특성화는 임의의 적합한 데이터(예를 들어, 본원에 설명된 데이터의 임의의 조합, 등)를 포함할 수 있다.
요법 모델을 프로세싱하는 단계는 다수의 요법 모델을 프로세싱하는 단계를 포함할 수 있다. 예를 들어, 상이한 요법에 대해 상이한 요법 모델이 프로세싱될 수 있다(예를 들어, 소모품(consumable) 요법을 결정하기 위한 제1 요법 모델 및 심리-관련 요법을 결정하기 위한 제2 요법 모델과 같은, 상이한 개별 요법에 대한 상이한 모델; 상이한 조합 및/또는 카테고리의 요법에 대한 상이한 모델; 등). 일 실시예에서, 상이한 요법 모델이 상이한 코-관련 컨디션에 대해 프로세싱될 수 있다(예를 들어, 상이한 개별 코-관련 컨디션에 대한 상이한 모델; 상이한 조합 및/또는 카테고리의 코-관련 컨디션에 대한 상이한 모델 등). 추가적으로 또는 대안적으로, 임의의 적합한 타입의 데이터 및/또는 독립체에 대해(예를 들어, 이에 기초하여; 이에 대해 상이한 요법 모델을 프로세싱하기 위해; 등) 다수의 요법 모델을 프로세싱 하는 단계가 수행될 수 있다. 그러나, 다수의 요법 모델을 프로세싱하는 단계는 임의의 적합한 방식으로 수행될 수 있고, 그리고 하나 이상의 요법 모델의 결정 및/또는 적용은 임의의 적합한 방식으로 수행될 수 있다.
3.4 사용자 생물학적 샘플의 프로세싱.
방법(100)의 구현은 추가적으로 또는 대안적으로 사용자로부터 하나 이상의 생물학적 샘플(예를 들어, 사용자의 상이한 수집 부위로부터의 생물학적 샘플, 등)을 프로세싱하는 단계를 포함할 수 있는 블록 S150을 포함할 수 있다. 블록 S150은 특성화 프로세스를 위한 입력을 유도하기 위해 사용하기 위한 것과 같이(예를 들어, 하나 이상의 코-관련 특성화 모델을 적용하는 것에 의한 것과 같이, 사용자에 대한 코-관련 특성화를 생성하기 위해, 등), 사용자에 대한 미생물 데이터세트의 생성을 용이하게 하는 기능을 할 수 있다. 이와 같이, 블록 S150은 하나 이상의 사용자로부터 하나 이상의 생물학적 샘플(예를 들어, 시간 경과에 따라 동일한 사용자에 대한 다중 생물학적 샘플, 상이한 사용자에 대한 상이한 생물학적 샘플, 등)을 수신, 프로세싱 및/또는 분석하는 것을 포함할 수 있다. 블록 S150에서, 생물학적 샘플은 바람직하게 비-침습적인(non-invasive) 방식으로 사용자 및/또는 사용자의 환경으로부터 생성된다. 변형으로, 비-침습적인 샘플 수신 방식은 다음 중 임의의 하나 이상을 사용할 수 있다: 투과성 기질(예를 들어, 사용자의 신체 영역을 닦도록 구성된 면봉, 화장지, 스펀지, 등), 사용자의 신체 영역으로부터 샘플을 수신하도록 구성된 비-투과성 기질(예를 들어, 슬라이드, 테이프, 등) 용기(예를 들어, 바이얼, 튜브, 백, 등), 및 임의의 기타 적합한 샘플-수신 요소. 특정 실시예에서, 생물학적 샘플은 비-침습적인 방식으로(예를 들어, 면봉 및 바이얼을 사용하여) 사용자의 코, 피부, 생식기, 입 및 내장 중 하나 이상으로부터(예를 들어, 대변 샘플 등을 통해, 등) 수집될 수 있다. 그러나, 생물학적 샘플은 추가적으로 또는 대안적으로 반-침습적 방식 또는 침습적 방식으로 수신될 수 있다. 변형으로, 샘플 수신의 침습적 방식은 다음 중 임의의 하나 이상을 사용할 수 있다: 바늘, 주사기, 생검 요소, 랜스(lance) 및 반-침습적 또는 침습적 방식으로 샘플을 수집하기 위한 임의의 기타 적합한 도구. 특정 실시예에서, 샘플은 혈액 샘플, 혈장/혈청 샘플(예를 들어, 무-세포 DNA의 추출을 가능하게 하도록) 및 조직 샘플을 포함할 수 있다.
상기 변형 및 실시예에서, 생물학적 샘플은 또 다른 독립체(예를 들어, 사용자와 관련된 관리인, 건강관리 전문가, 자동화된 또는 반자동화된 샘플 수집 장치, 등)에 의한 용이화 없이 사용자의 신체로부터 채취되거나, 또는 대안적으로 또 다른 독립체의 도움으로 사용자의 신체로부터 채취될 수 있다. 일 실시예에서, 샘플 추출 프로세스에서 다른 독립체에 의한 용이화 없이 생물학적 샘플을 사용자로부터 채취한 경우, 샘플-제공 키트가 사용자에게 제공될 수 있다. 실시예에서, 키트는 샘플 획득을 위한 하나 이상의 면봉, 보관을 위해 면봉을 받도록 구성된 하나 이상의 용기, 샘플 제공 및 사용자 계정 설정을 위한 지침, 샘플(들)을 사용자와 연관시키도록 구성된 요소들(예를 들어, 바코드 식별자, 태그, 등), 및 사용자로부터 샘플(들)이 샘플 프로세싱 작업으로 전달될 수 있게 하는 리셉터클(receptacle)(예를 들어, 우편 배송 시스템)을 포함할 수 있다. 또 다른 실시예에서, 또 다른 독립체의 도움으로 생물학적 샘플이 사용자로부터 추출되는 경우, 하나 이상의 샘플은 사용자로부터 임상 또는 연구 설정에 수집될 수 있다(예를 들어, 임상적 예약 동안). 그러나, 생물학적 샘플은 임의의 기타 적합한 방식으로 사용자로부터 수신될 수 있다.
나아가, 사용자로부터 생물학적 샘플을 프로세싱 및 분석하는 단계는 (예를 들어, 사용자 미생물 데이터세트를 생성하기 위해, 등) 바람직하게 상기 블록 S110과 관련하여 설명된 구현, 변형, 및/또는 실시예 중 하나와 유사한 방식으로, 및/또는 방법(100) 및/또는 시스템(200)의 구현의 임의의 기타 적합한 일부로 수행된다. 이와 같이, 블록 S150에서의 생물학적 샘플의 수신 및 프로세싱은 프로세스의 일관성을 제공하기 위한 것과 같이, 방법(100)의 특성화 프로세스를 수행하기 위해 사용된 생물학적 샘플을 수신 및 프로세싱하기 위한 것들과 유사한 프로세스를 사용하여 사용자를 위해 수행될 수 있다. 그러나, 블록 S150에서의 생물학적 샘플 수신 및/또는 프로세싱은 추가적으로 또는 대안적으로 임의의 기타 적합한 방식으로 수행될 수 있다.
3.5 코-관련 특성화의 결정.
방법(100)의 구현은 추가적으로 또는 대안적으로 블록 S160을 포함할 수 있으며, 이는 하나 이상의 특성화 프로세스(예를 들어, 블록 S130과 관련하여 설명된 하나 이상의 특성화 프로세스, 등)와 함께, 사용자의 하나 이상의 샘플(예를 들어, 코 부위 샘플, 등)로부터 유래된 하나 이상의 미생물 데이터세트 프로세싱(예를 들어, 사용자 미생물 서열 데이터세트, 마이크로바이옴 조성 데이터세트, 마이크로바이옴 기능적 다양성 데이터세트; 하나 이상의 코-관련 특성화를 결정하기 위해 사용될 수 있는 사용자 마이크로바이옴 특징을 추출하기 위한(예를 들어, 특징값 추출; 등) 미생물 데이터세트의 프로세싱; 등)에 기초한 것과 같이, 사용자에 대한 코-관련 특성화를 결정하는 단계를 포함할 수 있다. 블록 S160은 사용자의 마이크로바이옴-유래 데이터로부터 특징을 추출하는 것을 통해, 그리고 상기 블록 S130에 설명된 특성화 프로세스에 특징을 입력으로서 사용하는 것과 같이(예를 들어, 코-관련 컨디션 특성화 모델에 입력으로서 사용자 마이크로바이옴 특징값을 사용하는 것, 등), 사용자와 관련된(예를 들어, 사용자의 샘플과 관련된; 사용자 특성과 관련된; 하나 이상의 코-관련 컨디션과 관련된; 등) 하나 이상의 측면을 특성화하는 기능을 할 수 있다. 일 실시예에서, 블록 S160은 사용자 마이크로바이옴 특징 및 코-관련 컨디션 모델(예를 들어, 블록 S130에서 생성된)에 기초하여 사용자에 대한 코-관련 특성화를 생성하는 단계를 포함할 수 있다. 코-관련 특성화는 본원에서 설명된 임의의 적합한 타입의 특성화(예를 들어, 환경적 요인-관련 특성화; 임의의 적합한 보충 데이터 타입에 대한 특성화; 코-관련 컨디션, 단일 코-관련 컨디션, 및/또는 기타 적합한 코-관련 컨디션의 조합에 대한 것과 같은, 코-관련 컨디션 특성화; 등), 사용자, 수집 부위, 및/또는 기타 적합한 독립체를 포함할 수 있다. 실시예에서, 코-관련 특성화는 다음 중 하나 이상을 포함할 수 있다: 진단(예를 들어, 코-관련 컨디션의 존재 또는 부재 등); 위험(예를 들어, 코-관련 컨디션의 발달 및/또는 존재에 대한 위험 스코어); 코-관련 특성화와 관한 정보(예를 들어, 증상, 사인(signs), 트리거, 관련 컨디션. 등); 비교(예를 들어, 다른 서브그룹, 집단, 사용자, 히스토릭 마이크로바이옴 조성 및/또는 기능적 다양성과 같은 사용자의 히스토릭 건강 상태와의 비교; 코-관련 컨디션과 관련된 비교, 등); 요법 결정; 특성화 프로세스와 관련된 기타 적합한 출력; 및/또는 임의의 기타 적합한 데이터.
변형으로, 코-관련 특성화는 하나 이상의 분류군(예를 들어, 환경적 요인 세트와 관련 있는 것과 같이, 코 마이크로바이옴과 상관 관계 있는; 등), 코 부위, 코-관련 컨디션, 및/또는 기타 적합한 측면들과 관련된(예를 들어, 상관 관계 있는, 부정적으로 상관 관계 있는; 긍정적으로 상관 관계 있는; 등) 마이크로바이옴 다양성 스코어(예를 들어, 마이크로바이옴 조성, 기능, 등)를 포함할 수 있다. 실시예에서, 코-관련 특성화는 시간 경과에 따른 마이크로바이옴 다양성 스코어(예를 들어, 시간 경과에 따라 수집된 사용자의 다수의 생물학적 샘플에 대해 산출된), 다른 사용자에 대한 마이크로바이옴 다양성 스코어에 대한 비교, 및/또는 임의의 기타 적합한 타입의 마이크로바이옴 다양성 스코어를 포함할 수 있다. 그러나, 마이크로바이옴 다양성 스코어를 프로세싱하는 단계(예를 들어, 요법을 결정 및/또는 제공하기 위해 마이크로바이옴 다양성 스코어를 사용하여 마이크로바이옴 다양성 스코어를 결정하는 단계, 등)는 임의의 적합한 방식으로 수행될 수 있다.
블록 S160에서 코-관련 특성화를 결정하는 단계는 사용자의 마이크로바이옴 조성 및/또는 기능적 특징과 관련된 특징 및/또는 특징의 조합을 결정하는 단계(예를 들어, 사용자와 관련된 특징값을 결정하는 것으로서, 특징값은 블록 S130에서 결정된 마이크로바이옴 특징에 대응함, 등), 특징을 특성화 프로세스에 입력하는 단계, 및 다음 중 하나 이상에 속하는 것으로서 사용자를 특성화하는 출력을 수신하는 단계; 행동 그룹, 성별 그룹, 식이 그룹, 질병-상태 그룹 및 특성화 프로세스에 의해 식별될 수 있는 임의의 기타 적합한 그룹. 블록 S160은 추가적으로 또는 대안적으로 사용자의 특성화와 관련된 신뢰 매트릭의 생성 및/또는 출력을 포함한다. 예를 들어, 신뢰 매트릭은 특성화를 생성하기 위해 사용된 특징의 수, 특성화를 생성하기 위해 사용된 특징의 상대 무게(weights) 또는 랭킹, 특성화 프로세스에서 바이어스의 측정치(measures), 및/또는 특성화 프로세스의 측면과 관련된 임의의 기타 적합한 파라미터로부터 유래될 수 있다. 그러나, 사용자 마이크로바이옴 특징을 활용하는 것은 임의의 적합한 코-관련 특성화를 결정하기 위한 임의의 적합한 방식으로 수행될 수 있다.
일부 변형으로, 사용자의 미생물 데이터세트로부터 추출된 특징은 보충적 특징(예를 들어, 설문조사에서 유래된 특징, 병력에서 유래된 특징, 센서 데이터와 같은; 사용자에 대해 수집된 보충 데이터로부터 추출된 사용자 보충 특징 값, 등)으로 보충될 수 있으며, 여기서 이러한 데이터, 사용자 마이크로바이옴 데이터, 및/또는 기타 적합한 데이터는 블록 S130, 블록 S160 및/또는 방법(100)의 구현의 기타 적합한 일부의 특성화 프로세스를 추가적으로 개량하기 위해 사용될 수 있다.
코-관련 특성화를 결정하는 단계는 바람직하게, 예를 들어 블록 S130에 설명된 프로세스를 이용함으로써, 그리고/또는 본원에 설명된 임의의 적합한 접근법을 이용함으로써, 사용자(예를 들어, 사용자 미생물 데이터세트에 기초하여)에 대한 사용자 마이크로바이옴 특징(예를 들어, 사용자 마이크로바이옴 조성 다양성 특징; 사용자 마이크로바이옴 기능적 다양성 특징; 특징값 추출; 등), 특성화 모델, 및/또는 기타 적합한 구성을 추출 및 적용하는 단계를 포함한다.
변형으로, 도 8에 보여지는 바와 같이, 블록 S160은 웹 인터페이스, 모바일 어플리케이션, 및/또는 임의의 기타 적합한 인터페이스에서와 같이, 코-관련 특성화(예를 들어, 치료적 개입을 용이하게 하는 것의 일부로서; 특성화로부터 추출된 정보; 등)를 제시하는 단계를 포함할 수 있으나, 정보의 제시는 임의의 적합한 방식으로 수행될 수 있다. 그러나, 사용자의 미생물 데이터세트는 추가적으로 또는 대안적으로 방법(100)의 모델을 향상시키기 위한 임의의 적합한 방식으로 사용될 수 있으며, 그리고 블록 S160은 임의의 적합한 방식으로 수행될 수 있다.
3.6 치료적 개입의 용이화.
도 11에 보여지는 바와 같이, 방법(100)의 구현은 추가적으로 또는 대안적으로 블록 S170을 포함할 수 있으며, 이는 (예를 들어, 코-관련 특성화 및/또는 요법 모델에 기초하여) 하나 이상의 사용자에 대해 하나 이상의 코-관련 컨디션에 대한 치료적 개입을 용이하게 하는 단계(예를 들어, 요법 촉진, 요법 제공, 요법 제공의 용이화, 등)를 포함할 수 있다. 블록 S170은, 예를 들어 하나 이상의 코-관련 컨디션 및/또는 기준 코 마이크로바이옴(예를 들어, 코 마이크로바이옴에 대한 분류군의 건강한 범위; 등)과 관련하여, 원하는 평형 상태 (및/또는 다른 방식으로 코-관련 컨디션의 상태를 개선시키는 것, 등)를 향해 사용자의 마이크로바이옴 조성 및/또는 기능적 다양성을 전환시키는 것과 같이, 사용자에 대해 하나 이상의 요법과 관련되어 치료적 개입을 권장, 촉진, 제공, 및/또는 다른 방식으로 용이하게 하는 기능을 할 수 있다. 블록 S170은 이들의 마이크로바이옴 조성 및 기능적 특징에 따라 사용자에게 맞춤화된 요법의 제공을 포함할 수 있으며, 여기서 맞춤화된 요법은 식별된 특성화를 갖는 사용자의 장내 세균 불균형을 수정하도록 구성된 미생물 제형을 포함할 수 있다. 이와 같이, 요법 결정의 출력은 트레이닝된 요법 모델에 기초하여 사용자에게 맞춤화된 요법 제형 및 섭생(예를 들어, 투여, 사용 지침)을 직접 촉진하도록 사용될 수 있다. 추가적으로 또는 대안적으로, 요법 제공은 원하는 상태를 향해 마이크로바이옴 조성 및/또는 기능적 특징을 전환시키기 위해 구성된 이용 가능한 치료적 조치의 추천을 포함할 수 있다. 변형으로, 요법은 다음 중 임의의 하나 이상을 포함할 수 있다: 소모품, 국소 요법(예를 들어, 로션, 연고, 방부제 등), 약물(예를 들어, 임의의 적합한 약물 타입 및/또는 투여량과 관련된 약물 등), 박테리오파지, 환경 치료, 행동 수정(예를 들어, 식이 수정 요법, 스트레스-감소 요법, 신체 활동-관련 요법, 등), 진단 절차, 기타 의료-관련 절차, 및/또는 코-관련 컨디션과 관련된 임의의 기타 적합한 요법. 소모품은 다음 중 임의의 하나 이상을 포함할 수 있다: 식품 및/또는 음료 품목(예를 들어, 프로바이오틱 및/또는 프리바이오틱 식품 및/또는 음료 품목, 등), 영양 보충제(예를 들어, 비타민, 미네랄, 섬유, 지방산, 아미노산, 프리바이오틱스, 프로바이오틱스, 등), 소모품 약물, 및/또는 임의의 기타 적합한 치료적 조치. 일 실시예에서, 하나 이상의 요법 및/또는 다른 방식으로 치료적 개입을 용이하게 하는 것을 제공하는 단계는 하나 이상의 사용자와 관련된 하나 이상의 컴퓨팅 디바이스(예를 들어, 컴퓨팅 디바이스에서 제공되는 웹 애플리케이션과 같은, 사용자 인터페이스, 등)에서 하나 이상의 사용자에게 하나 이상의 요법에 대한 추천을 제공하는 단계를 포함할 수 있다.
예를 들어, 상업적으로 이용가능한 프로바이오틱 보충제들의 조합은 요법 모델의 출력에 따른 사용자에 대한 적합한 프로바이오틱 요법을 포함할 수 있다. 또 다른 실시예에서, 방법(100)은 코-관련 컨디션 모델(예를 들어, 및/또는 사용자 마이크로바이옴 특징)에 기초하여 코-관련 컨디션에 대해 사용자에 대한 코-관련 컨디션을 결정하는 단계; 그리고 코-관련 컨디션 위험에 기초하여 사용자에게 요법을 촉진하는 단계를 포함할 수 있다.
변형으로, 치료적 개입을 용이하게 하는 단계는 (예를 들어, 하나 이상의 코-관련 컨디션과 관련된 사용자 건강 상태를 개선하기 위해 사용자 마이크로바이옴의 조절을 위한 것과 같이, 다른 요법의 후속적인 촉진을 동기 부여할 수 있는 코-관련 컨디션의 검출을 용이하게 하는 단계, 등) 진단적 절차를 촉진하는 단계를 포함할 수 있다. 진단적 절차는 다음 중 임의의 하나 이상을 포함할 수 있다: 병력 분석, 영상 검사, 세포배양 테스트, 항체 테스트, 피부 찌름(prick) 테스트, 패치 테스트, 혈액 테스트, 챌린지 테스트, 방법(100)의 구현의 일부를 수행하는 것, 및/또는 코-관련 컨디션의 검출(예를 들어, 관찰, 예측, 등)을 용이하게 하기 위한 임의의 기타 적합한 절차. 추가적으로 또는 대안적으로, 진단적 디바이스-관련 정보 및/또는 기타 적합한 진단적 정보는 보충 데이터 세트의 일부로서 (예를 들어, 블록 S120과 관련하여, 이러한 데이터는 특성화 모델, 요법 모델, 및/또는 기타 적합한 모델을 결정 및/또는 적용하는데 사용될 수 있는, 등) 프로세싱될 수 있고, 그리고/또는 수집, 사용, 및/또는 다른 방식으로 방법(100)의 구현의 임의의 적합한 일부와 관련하여 프로세싱될 수 있다(예를 들어, 블록 S180과 관련된 요법 효능을 모니터링하기 위해 사용자에 대한 진단적 절차를 투여하는 것, 등).
변형으로, 블록 S170은 박테리오파지-기반 요법을 촉진하는 단계를 포함할 수 있다. 보다 구체적으로, 사용자에서 나타나는 특정 박테리아 (또는 다른 미생물)에 특이적인 박테리오파지 집단(예를 들어, 콜로니 형성 유닛의 관점에서)이 특정 박테리아의 집단을 하향-조절 또는 다른 방식으로 제거하기 위해 사용될 수 있다. 이와 같이, 박테리오파지-기반 요법은 사용자에서 나타나는 원치 않는 박테리아 집단(들)의 크기(들)를 줄이는데 사용될 수 있다. 상호보완적으로, 박테리오파지-기반 요법은 사용된 박테리오파지(들)에 의해 표적화되지 않은 박테리아 집단의 상대적 풍부도를 증가시키는데 사용될 수 있다.
변형으로, 치료적 개입을 용이하게 하는 단계(예를 들어, 요법 제공, 등)는 추천 요법, 다른 형태의 요법, 코-관련 특성화, 및/또는 기타 적합한 데이터와 관련하여 사용자에게 통지를 제공하는 단계를 포함할 수 있다. 특정 실시예에서, 사용자에게 요법을 제공하는 단계는, 웹 인터페이스에서 통지를 제시하는 것을 통하는 것과 같이(예를 들어, 사용자와 관련되고 식별되는 사용자 계정 등을 통해), 요법 추천(예를 들어, 사용자에 대한 코-관련 특성화로부터 유래된 정보를 실질적으로 동시에 제공함; 등) 및/또는 기타 적합한 요법-관련 정보(예를 들어, 요법 효능; 다른 개별 사용자, 사용자 서브그룹 및/또는 사용자 집단과의 비교; 요법 비교; 히스토릭 요법 및/또는 관련된 요법-관련 정보; 인지 행동 요법과 같은 심리 요법 가이드; 등)를 제공하는 단계를 포함할 수 있다. 통지는 어플리케이션, 웹 인터페이스 및/또는 통지 제공을 위해 구성된 클라이언트에게 메세지 전달을 실행하는 전자 디바이스(예를 들어, 개인용 컴퓨터, 모바일 디바이스, 태블릿, 웨어러블, 머리에 착용하는 웨어러블 컴퓨팅 디바이스, 손목에 착용하는 웨어러블 컴퓨팅 디바이스, 등)에 의해 사용자에게 제공될 수 있다. 일 실시예에서, 사용자와 관련된 개인용 컴퓨터 또는 랩톱의 웹 인터페이스는 사용자에 의해, 사용자의 사용자 계정에 액세스를 제공할 수 있으며, 여기서 사용자 계정은 (예를 들어, 코-관련 컨디션과의 상관 관계와 관련하여; 등) 사용자의 코-관련 특성화, 사용자의 마이크로바이옴의 측면의 상세한 특성화에 관한 정보, 및/또는 (예를 들어, 블록 S140 및/또는 S170, 등에서 생성된) 제안된 치료적 조치에 관한 통지를 포함한다. 또 다른 실시예에서, 개인 전자 디바이스(예를 들어, 스마트 폰, 스마트 워치, 머리에 착용하는 스마트 디바이스)에서 실행되는 어플리케이션은 블록 S170의 요법 모델에 의해 생성된 요법 제안에 관한 통지(예를 들어, 디스플레이로, 햅틱으로(haptically), 청각적 방식 등으로)를 제공하도록 구성될 수 있다. 통지 및/또는 프로바이오틱 요법은 추가적으로 또는 대안적으로 사용자와 관련된 독립체(예를 들어, 간병인, 배우자, 중요한 다른 사람, 건강관리 전문가, 등)를 통해 직접 제공될 수 있다. 일부 추가 변형으로, 통지는 추가적으로 또는 대안적으로, 독립체가 요법의 제공을 용이하게 할 수 있는 경우와 같이, 사용자와 관련된 엔티티(예를 들어, 건강관리 전문가)에게 제공될 수 있다(예를 들어, 처방에 의해, 치료적 세션을 수행하는 것에 의해, 컴퓨팅 디바이스의 광학 및/또는 오디오 센서를 이용한 디지털 원격 의료 세션을 통하여, 등). 그러나, 통지를 제공하고 그리고/또는 치료를 용이하게 하는 것은 임의의 적합한 방식으로 수행된다.
3.7 요법 효과 모니터링.
도 9에 보여지는 바와 같이, 방법(100)은 추가적으로 또는 대안적으로 블록 S180을 포함할 수 있으며, 이는 시간 경과에 따라, (예를 들어, 사용자로부터 일련의 생물학적 샘플을 프로세싱하는 것에 기초하여) 하나 이상의 요법의 효과를 모니터링하고 그리고/또는 사용자에 대한 다른 적합한 구성(예를 들어, 마이크로바이옴 특성 등)을 모니터링하는 단계를 포함할 수 있다. 블록 S180은 하나 이상의 요법의 긍정적 효과, 부정적인 효과 및/또는 효과의 부족(예를 들어, 주어진 특성화의 사용자를 위한 요법 모델에 의해 제안된, 등)에 관한 추가 데이터를 수집하고 그리고/또는 (예를 들어, 시점 세트에서 사용자에 대한 마이크로바이옴 조성 및/또는 기능적 특징을 평가하기 위해서, 등) 마이크로바이옴 특성을 모니터링하는 기능을 할 수 있다.
(예를 들어, 요법 전반에 걸쳐 사용자로부터 생물학적 샘플을 수신 및 분석함으로써, 요법 전반에 걸쳐 사용자로부터 설문조사에서 유래된 데이터를 수신함으로써) 요법 모델에 의해 촉진된 요법의 과정 동안에 사용자의 모니터링은 이에 따라 블록 S130의 특성화 프로세스에 의해 제공된 각각의 특성화, 및 블록 S140 및 S170에 제공된 각각의 추천된 요법 조치에 대한 요법-효과 모델을 생성하기 위해 사용될 수 있다. 블록 S180에서, 요법을 포함하는 요법 섭생의 하나 이상의 주요 시점에서 추가 생물학적 샘플, 보충 데이터, 및/또는 기타 적합한 데이터를 제공하도록 사용자가 자극될 수 있고, 그리고 추가 생물학적 샘플(들)은 (예를 들어, 블록 S120과 관련하여 설명된 것과 유사한 방식으로) 프로세싱되고 분석되어, 사용자의 마이크로바이옴 조성 및/또는 기능적 특징의 조절을 특성화하는 매트릭스를 생성할 수 있다. 예를 들어, 매트릭스는 초기 시점에서 사용자의 마이크로바이옴에 나타난 하나 이상의 분류학적 그룹의 상대적 풍부도의 변화, 사용자의 마이크로바이옴의 특정 분류학적 그룹의 나타남의 변화, 사용자 마이크로바이옴의 제1 분류학적 그룹 박테리아의 풍부도와 제2 분류그룹 박테리아의 풍부도 사이의 비율, 사용자의 마이크로바이옴에서 하나 이상의 기능적 패밀리의 상대적 풍부도의 변화 중 하나 이상과 관련되며, 그리고 임의의 기타 적합한 매트릭스가 마이크로바이옴 조성 및/또는 기능적 특징의 변화로부터 요법 효과를 평가하기 위해 사용될 수 있다. 추가적으로 또는 대안적으로, 요법 중 사용자의 경험(예를 들어, 경험한 부작용, 개선의 개인 평가, 행동 수정, 증상 개선, 등)에 속하는 사용자로부터의 설문조사로부터 유래된 데이터는 블록 S180의 요법의 효과를 결정하는 데 사용될 수 있다. 예를 들어, 방법(100)은 사용자로부터 요법-후 생물학적 샘플을 수신하는 단계; 보충 데이터 세트를 사용자로부터 수집하는 단계로서, 여기서 보충 데이터세트는 요법(예를 들어, 결정되고 촉진된 요법)에 대한 사용자 준수(adherence) 및/또는 기타 적합한 사용자 특성(예를 들어, 행동, 컨디션, 등)을 설명하는 단계; 코-관련 특성화 모델 및 요법-후 생물학적 샘플에 기초하여 코-관련 컨디션과 관련된 제1 사용자의 요법-후 코-관련 특성화를 생성하는 단계; 및 요법-후 코-관련 특성화에 기초(예를 들어, 요법-후 코-관련 특성화와 요법-전 코-관련 특성화 사이의 비교, 등에 기초)하여 코-관련 컨디션에 대해 사용자에 대한 업데이트된 요법 및/또는 요법에 대한 사용자 준수(예를 들어, 코-관련 컨디션과 관련된 사용자 마이크로바이옴에 대한 긍정적 또는 부정적 결과에 기초하여 요법을 수정시키는 것; 등)를 촉진하는 단계를 포함할 수 있다. 추가적으로 또는 대안적으로, 기타 적합한 데이터(예를 들어, 하나 이상의 코-관련 컨디션과 관련된 사용자 행동을 설명하는 보충 데이터; 관찰된 증상과 같은 코-관련 컨디션을 설명하는 보충 데이터; 등)가 요법-후 특성화(예를 들어, 코-관련 컨디션과 관련하여 요법 전/후에서 변화 정도; 등), 업데이트된 요법(예를 들어, 효과 및/또는 촉진된 요법에 대한 준수에 기초하여 업데이트된 요법 결정, 등)을 결정하는 데 사용될 수 있다.
일 실시예에서, 방법(100)은, 보충 데이터(예를 들어, 증상 중증도와 관련된 것과 같이, 코-관련 컨디션의 상태를 알려주는 설문조사로부터 유래된 데이터; 등)를 수집하는 단계; 사용자 마이크로바이옴 특징 및 보충 데이터에 기초하여 사용자에 대한 코-관련 특성화를 결정하는 단계; 코-관련 특성화에 기초하여 (예를 들어, 사용자에 대해 요법을 촉진하는; 등) 코-관련 컨디션에 대해 치료와 관련된 치료적 개입을 용이하게 하는 단계; 요법-후 샘플을 사용자로부터 수집하는 단계(예를 들어, 치료적 개입을 용이하게 한 후; 코 부위 샘플, 등); (예를 들어, 제2 설문조사로부터 유래된 데이터 및 디바이스 데이터 중 적어도 하나를 포함하는; 등) 후속적인 보충 데이터를 수집하는 단계; 및 후속적인 보충 데이터 및 요법-후 생물학적 샘플과 관련된 요법-후 사용자 마이크로바이옴 특징에 기초하여 코-관련 컨디션에 대해 사용자에 대한 요법-후 코-관련 특성화를 결정하는 단계를 포함할 수 있다. 실시예에서, 방법(100)은 요법-후 코-관련 특성화에 기초하여, 코-관련 컨디션을 개선하기 위해 사용자에 대해 업데이트된 요법(예를 들어, 요법의 수정; 상이한 요법; 등)과 관련되어 치료적 개입을 용이하게 하는 단계를 포함할 수 있으며, 예를 들어, 여기서 업데이트된 요법은 소모품, 디바이스-관련 요법, 외과 수술(surgical operation), 심리-관련 요법, 행동 수정 요법, 및 환경적 요인 수정 요법 중 적어도 하나를 포함할 수 있다. 실시예에서, 요법-후 코-관련 특성화를 결정하는 단계는, 요법-후 마이크로바이옴 특징에 기초하여, 사용자의 마이크로바이옴 특성 및 코-관련 컨디션과 관련되어 행동 및 환경 요인(및/또는 기타 적합한 특성) 중 적어도 하나를 공유하는 사용자 서브그룹에 대응하는 기준 마이크로바이옴 특성 사이의 비교를 결정하는 단계를 포함할 수 있으며, 그리고 여기서 업데이트된 요법과 관련하여 치료적 개입을 용이하게 하는 단계는 행동 수정 요법 및 환경적 요인 수정 요법 및/또는 기타 적합한 요법 중 적어도 하나를 용이하게 하기 위해 사용자에 대한 비교를 제시하는 단계를 포함할 수 있다. 그러나, 블록 S180은 추가 생물학적 샘플, 추가 보충 데이터, 및/또는 기타 적합한 추가 데이터와 관련되어 임의의 적합한 방식으로 수행될 수 있다.
요법 효과, (예를 들어, 추가의 코-관련 특성화, 요법 등을 결정하기 위한) 추가 생물학적 샘플의 프로세싱, 및/또는 코-관련 컨디션과 관련되어 계속된 생물학적 샘플 수집, 프로세싱, 및 분석과 관련된 기타 적합한 측면이, 모델(예를 들어, 특성화 모델, 요법 모델, 등)을 생성, 업데이팅, 및/또는 다른 방식으로 프로세싱하기 위해, 그리고/또는 임의의 기타 적합한 목적을 위해(예를 들어, 방법(100)의 구현의 기타 일부과 관련된 입력으로서), 임의의 적합한 시간 및 빈도로 수행될 수 있다.
4. 시스템.
도 2에 보여지는 바와 같이, 시스템(200)의 구현(예를 들어, 코-관련 컨디션의 특성화를 위한)은 다음 중 임의의 하나 이상을 포함할 수 있다: 미생물 데이터세트(예를 들어, 미생물 유전적 서열; 미생물 서열 데이터세트; 등)의 결정을 용이하게 하기 위해 하나 이상의 사용자(예를 들어, 인간 대상자, 환자, 동물 대상자, 환경 생태계, 보살핌 제공자, 등)로부터의 생물학적 샘플(예를 들어, 프리프로세싱 시약을 포함하는 용기 내에 포함되고 사용자에 의해 수집된; 등)의 수집 및/또는 프로세싱하기 위해 작동 가능한 취급 시스템(예를 들어, 샘플 취급 시스템, 등)(210); 마이크로바이옴 특징을 결정(예를 들어, 마이크로바이옴 조성 특징; 마이크로바이옴 기능적 특징; 다양성 특징; 상대적 풍부도 범위; 예를 들어 미생물 데이터세트 및/또는 기타 적합한 데이터에 기초하여; 등), 코-관련 특성화를 결정(예를 들어, 코-관련 컨디션 특성화, 요법-관련 특성화, 사용자에 대한 특성화, 등)하기 위해 작동 가능한 코-관련 특성화 시스템(220); 및/또는 하나 이상의 코-관련 컨디션(예를 들어, 하나 이상의 코-관련 컨디션에 기초하여; 하나 이상의 코-관련 컨디션을 개선하기 위해; 등)에 대한 치료적 개입을 용이(예를 들어, 요법 촉진, 등)하기 하도록 작동 가능한 요법 용이화 시스템(230).
시스템(200)의 구현은 하나 이상의 취급 시스템(210)을 포함할 수 있으며, 이는 코-관련 특성화 및/또는 치료적 개입의 생성을 용이하게 하기 위해, 미생물 핵산 및/또는 생물학적 샘플의 다른 구성들을 데이터(예를 들어, 후속적으로 정렬되고 분석될 수 있는 유전 서열; 미생물 데이터세트; 등)로 변형시키기 위해 생물학적 샘플을 수신 및/또는 프로세싱(예를 들어, 단편화, 증폭, 서열화, 관련 데이터 세트 생성, 등)하는 기능을 할 수 있다. 취급 시스템(210)은 추가적으로 또는 대안적으로, 메일 전달 시스템을 통하는 것과 같이, (예를 들어, 샘플 키트(250)에 대한 구매 주문에 응답하여) 다수의 사용자에게 (예를 들어, 하나 이상의 수집 부위로부터 샘플을 수집하기 위한 샘플 용기, 지침 등을 포함하는) 샘플 키트(250)를 제공하는 기능을 할 수 있다. 취급 시스템(210)은, 미생물 데이터(예를 들어, 미생물 서열 데이터, 미생물 데이터세트를 위한 기타 데이터, 등) 생성 시와 같이, 하나 이상의 생물학적 샘플을 시퀀싱하기 위해(예를 들어, 생물학적 샘플 등으로부터 미생물 핵산을 시퀀싱하기 위해, 등), 하나 이상의 시퀀싱 시스템(215)(예를 들어, 차세대 시퀀싱 시스템, 표적화된 앰플리콘 시퀀싱을 위한 시퀀싱 시스템, 시퀀싱-합성(sequencing-by-synthesis) 기술, 캐필러리 시퀀싱(capillary sequencing) 기술, 생거 시퀀싱, 파이로시퀀싱(pyrosequencing) 기술, 나노포어 시퀀싱 기술, 등)을 포함할 수 있다. 차세대 시퀀싱 시스템(예를 들어, 차세대 시퀀싱 플렛폼, 등)은 고-처리량(high-throughput) 시퀀싱(예를 들어, 고-처리량 시퀀싱 기술을 통해 용이화; 대규모 병렬 시그니쳐 시퀀싱(massively parallel signature sequencing), 폴로니 시퀀싱(Polony sequencing), 454 파이로시퀀싱(454 pyrosequencing), 일루미나 시퀀싱(Illumina sequencing), 솔리드 시퀀싱(SOLiD sequencing), 이온 토렌트 반도체 시퀀싱(Ion Torrent semiconductor sequencing), DNA 나노볼 시퀀싱(DNA nanoball sequencing), 헬리스코프 단일 분자 시퀀싱(Heliscope single molecule sequencing), 단일 분자 실시간 시퀀싱(Single molecule real time(SMRT) sequencing), 나노포어 DNA 시퀀싱(Nanopore DNA sequencing), 등), 시퀀싱 기술의 임의의 세대 수(generation number)(예를 들어, 제2 세대 시퀀싱 기술, 제3 세대 시퀀싱 기술, 제4 세대 시퀀싱 기술, 등), 엠플리콘-관련 시퀀싱(예를 들어, 표적화된 엠플리콘 시퀀싱), 시퀀싱-합성, 터널링 전류 시퀀싱(tunnelling currents sequencing), 하이브리드화에 의한 시퀀싱(sequencing by hybridization), 질량분석 시퀀싱(mass spectrometry sequencing), 현미경-기반 기술(microscopy-based techniques), 및/또는 임의의 적합한 차세대 시퀀싱 기술 중 하나 이상을 위한 임의의 적합한 시퀀싱 시스템(예를 들어, 시퀀싱 플렛폼, 등)을 포함할 수 있다. 추가적으로 또는 대안적으로, 시퀀싱 시스템(215)는 캐필러리 시퀀싱, 생거 시퀀싱(예를 들어, 미세 유체 생거 시퀀싱, 등), 파이로시퀀싱, 나노포어 시퀀싱(옥스포드 나노포어 시퀀싱, 등), 및/또는 임의의 적합한 시퀀싱 기술에 의해 용이화되는 임의의 기타 적합한 타입의 시퀀싱 중 임의의 하나 이상을 구현할 수 있다.
취급 시스템(210)은 추가적으로 또는 대안적으로, 시퀀싱 시스템에 의해 시퀀싱되는 다중 방식으로, 생물학적 샘플을 자동적으로 준비하도록 작동 가능한(예를 들어, 코-관련 컨디션과 관련된 유전적 표적과 호환 가능한 프라이머를 이용하여 단편화 및 증폭) 라이브러리 제조 시스템; 및/또는 임의의 적합한 구성을 포함한다. 취급 시스템(210)은 본원에 설명된 임의의 적합한 샘플 프로세싱 기술을 수행할 수 있다. 그러나, 취급 시스템(210) 및 관련된 구성은 임의의 적합한 방식으로 구성될 수 있다.
시스템(200)은 하나 이상의 코-관련 특성화 시스템(220)을 포함할 수 있으며, 이는 미생물 데이터세트(예를 들어, 미생물 유전자 서열; 기준 서열에 대한 정렬을 이끄는 프로세싱된 생물학적 샘플에 기초한, 등), 마이크로바이옴 특징(예를 들어, 개체 변수; 변수 그룹; 표현형 예측, 통계적 설명과 관련된 특징; 개체로부터 획득된 샘플과 관련된 변수; 코-관련 컨디션과 관련된 변수; 샘플의 마이크로바이옴 조성 및/또는 기능성을 상대적으로 또는 절대적으로 정량화하는 데 있어서, 완전히 또는 부분적으로 설명된 변수, 등), 모델, 및/또는 코-관련 특성화 및/또는 치료적 개입을 용이하게 하기 위한 기타 적합한 데이터를 결정, 분석, 특성화, 및/또는 다른 방식으로 프로세싱하는 기능을 할 수 있다. 실시예에서, 코-관련 특성화 시스템(220)은 하나 이상의 코-관련 컨디션과 관련된 샘플들(예를 들어, 코-관련 컨디션과 관련된 존재, 부재, 위험, 이에 대한 경향, 및/또는 기타 측면들과 관련된 샘플들, 등) 사이의 차이를 통계적으로 설명하는 특징의 정보와 관련하여 식별할 수 있으며, 예를 들어 차이 분석의 경우, 다른 샘플들을 차별화(예를 들어, 컨디션의 존재 또는 부재와 관련된 서브그룹의 차별화, 등)하는 특징들에 보완적인 관점(complementing views)을 제공할 수 있다. 특정 실시예에서, 개별 예측기, 특정 생물학적 프로세스, 및/또는 통계적으로 유추된 잠재 변수는 특성화, 진단 및/또는 치료와 관련하여 다양한 다운스트림 기회를 용이하게 하기 위해 상이한 수준의 데이터 복잡성에서 보완적인 정보(complementary information)를 제공할 수 있다. 또 다른 특정 실시예에서, 코-관련 특성화 시스템(220)은 하나 이상의 특성화 프로세스를 수행하기 위한 보충 데이터를 프로세싱할 수 있다.
코-관련 특성화 시스템(220)은 코-관련 특성화 모델을 생성, 적용, 및/또는 다른 방식으로 프로세싱 하는 것을 포함할 수 있으며, 이는 하나 이상의 코-관련 컨디션의 특성화를 위한 코-관련 컨디션 모델(예를 들어, 하나 이상의 사용자에 대해 하나 이상의 코-관련 컨디션의 경향 결정, 등), 요법을 결정하기 위한 요법 모델, 및/또는 시스템(200) 및/또는 방법(100)의 구현과 관련된 임의의 적합한 목적을 위한 임의의 기타 적합한 모델 중 임의의 하나 이상을 포함할 수 있다. 특정 실시예에서, 코-관련 특성화 시스템(220)은 하나 이상의 코-관련 컨디션을 치료하기 위해 사용된 요법을 식별 및/또는 특성화하기 위한 요법 모델을 생성 및/또는 적용(예를 들어, 교차-컨디션 분석에 기초하여, 등)할 수 있다. 상이한 코-관련 특성화 모델(예를 들어, 코-관련 특성화 모델의 상이한 조합; 상이한 분석 기술을 적용하는 상이한 모델; 상이한 입력 및/또는 출력 타입; 시간 및/또는 빈도와 관련된 것과 같이 상이한 방식으로 적용된; 등)은 다음 중 하나 이상에 기초하여 적용(예를 들어, 실행, 선택, 검색, 저장, 등)될 수 있다: 보충 데이터(예를 들어, 캘린더 시즌 파라미터를 예측하는 상이한 캘린더 시즌에 대한 상이한 모델과 같이, 상이한 환경적 요인과 같은 보충 데이터의 상이한 타입을 예측하기 위한 상이한 모델, 등), 코-관련 컨디션(예를 들어, 상이한 코-관련 특성화 모델이 상이한 코-관련 컨디션 및/또는 컨디션들의 조합과 관련된 프로세싱 데이터에 대한 적합성의 차별화 수준을 프로세싱하는 경우와 같이, 코-관련 컨디션 또는 특성화될 컨디션에 따라 상이한 코-관련 특성화 모델을 사용하는, 등), 사용자(예를 들어, 상이한 사용자 데이터 및/또는 특성, 인류통계학적 특성, 유전, 환경적 요인에 기초하는 상이한 코-관련 특성화 모델, 등), 코-관련 특성화(예를 들어, 코-관련 컨디션에 대해 관련된 마이크로바이옴 조성을 식별하는 것 vs. 경향 스코어를 결정하는 것에 대한 것과 같이, 요법-관련 특성화 vs. 진단-관련 특성화와 같은, 상이한 타입의 특성화에 대한 코-관련 특성화 모델; 등), 요법(예를 들어, 상이한 요법의 효과를 모니터링하기 위한 상이한 코-관련 특성화 모델, 등), 신체 부위(예를 들어, 상이한 샘플 수집 부위로부터의 생물학적 샘플에 대응하는 미생물 데이터세트를 프로세싱하기 위한 상이한 코-관련 특성화 모델, 등), 및/또는 임의의 기타 적합한 구성들. 그러나, 코-관련 특성화 모델은 코-관련 특성화 및/또는 치료적 개입을 용이하게 하기 위한 임의의 적합한 방식으로 조정 및/또는 사용될 수 있다.
코-관련 특성화 시스템(220)은 바람직하게는 부위-특이적 코-관련 특성화(예를 들어, 부위-특이적 분석)를 결정할 수 있다. 실시예에서, 코-관련 특성화 시스템(220)은 상이한 부위-특이적 코-관련 특성화 모델을 생성 및/또는 적용할 수 있다. 특정 실시예에서, 상이한 부위-특이적 코-관련 특성화 모델은, 부위-특이적 코-관련 특성화 모델이 관련된 하나 이상의 신체 부위와 관련된 부위-특이적 특징과 같은, 상이한 마이크로바이옴 특징에 기초하여 생성되고 그리고/또는 적용될 수 있다(예를 들어, 사용자 코 부위에서 수집된 사용자 샘플에 기초하여 특성화를 결정하기 위해 적용될 수 있는 코 부위-특이적 코-관련 특성화 모델을 생성하기 위한 것과 같이, 대상자의 코 수집 부위에서 수집된 샘플로부터 유래되거나 그리고/또는 하나 이상의 코-관련 특성화와 상관 관계 있는 코 부위-특이적 특징을 사용하는; 등). 부위-특이적 코-관련 특성화 모델, 부위-특이적 특징, 샘플, 부위-특이적 요법, 및/또는 기타 적합한 독립체(예를 들어, 신체 부위와 관련될 수 있는, 등)는 바람직하게 하나 이상의 코 부위, 내장 부위(예를 들어, 대변 샘플에 기초하여 특성화될 수 있음, 등), 피부 부위, 생식기 부위, 입 부위, 및/또는 임의의 적합한 신체 영역을 포함하는 적어도 하나의 신체 부위(예를 들어, 샘플 수집 부위에 대응하는, 등)와 관련된다. 실시예에서, 상이한 코-관련 특성화 모델은 상이한 타입의 입력, 출력, 코-관련 특성화, 코-관련 컨디션(예를 들어, 특성화될 필요가 있는 상이한 표현형 조치), 및/또는 임의의 기타 적합한 독립체로 조정될 수 있다. 그러나, 부위-특이적 코-관련 특성화는 코-관련 특성화 시스템(220) 및/또는 기타 적합한 구성에 의해 임의의 방식으로 구성되고 임의의 방식으로 결정될 수 있다.
코-관련 특성화 모델, 기타 모델들, 시스템(200) 구현의 기타 구성 요소, 및/또는 방법(100) 구현의 적합한 일부(예를 들어, 특성화 프로세스, 마이크로바이옴 특징 결정, 코-관련 특성화 결정, 등)는 다음 중 임의의 하나 이상을 포함하는 분석 기술을 이용할 수 있다: 단일변량 통계 테스트, 다변량 통계 테스트, 차원 감소 기술(dimensionality reduction techniques), 인공 지능 접근법(예를 들어, 머신 러닝 접근법, 등), 데이터에 대한 패턴 인식 수행(예를 들어, 코-관련 컨디션과 마이크로바이옴 특징 사이의 상관 관계 식별, 등), 다중 공급원으로부터의 데이터 융합(예를 들어, 데이터로부터 추출된 마이크로바이옴 특징에 기초한 것과 같이, 하나 이상의 코-관련 컨디션과 관련된 다수의 사용자로부터의 마이크로바이옴 데이터 및/또는 보충 데이터에 기초한 특성화 모델 생성; 등), 값들의 조합(예를 들어, 평균 값, 등), 압축, 변환(예를 들어, 디지털-아날로그 변환, 아날로그-디지털 변환), 데이터에 대한 통계적 추정 수행(예를 들어, 오디너리 리스트 스퀘어 회귀(ordinary least squares regression), 논-네거티브 리스트 스퀘어 회귀(non-negative least squares regression), 주성분 분석, 능선 회귀(ridge regression), 등), 웨이브 조절(wave modulation), 정규화, 업데이팅(예를 들어, 시간 경과에 따른 프로세싱된 생물학적 샘플에 기초한 특성화 모델 및/또는 요법 모델, 등), 순위(예를 들어, 마이크로바이옴 특징; 요법; 등), 가중화(weighting)(예를 들어, 마이크로바이옴 특징; 등), 유효화(validating), 필터링(예를 들어, 기준선 보정, 데이터 크로핑(data cropping), 등), 노이즈 감소, 스무딩(smoothing), 채우기(예를 들어, 갭 채우기), 정렬, 모델 피팅, 비닝(binning), 윈도잉, 클리핑(clipping), 변환(transformation), 수학 연산(예를 들어, 미분, 이동 평균, 합산, 빼기, 곱하기, 나누기, 등), 데이터 결합, 다중화, 역다중화(demultiplexing), 보간(interpolating), 외삽, 클러스터링, 이미지 프로세싱 기술, 기타 신호 프로세싱 작업, 기타 이미지 프로세싱 작업, 시각화 및/또는 임의의 기타 적합한 프로세싱 작업.
인공 지능 접근법은 다음 중 임의의 하나 이상을 포함한다: 감독 학습(supervised learning)(예를 들어, 로지스틱 회귀(logistic regression) 사용, 역전파 신경망(back propagation neural networks) 사용, 랜덤 포레스트 사용, 결정 트리(decision trees), 등), 비감독 학습(예를 들어, 아프리오리(Apriori) 알고리즘 사용, K-평균(K-means) 클러스터링 사용), 반-감독 학습, 딥 러닝 알고리즘(예를 들어, 신경망, 제한된 볼츠만 머신(restricted Boltzmann machine), 딥 빌리프 네트워크 방법(deep belief network method), 컨볼루셔널 신경망 방법(convolutional neural network method), 반복 신경망 방법(recurrent neural network method), 스택형 자동-인코더 방법(stacked auto-encoder method), 등), 강화 학습(예를 들어, Q-러닝(Q-learning) 알고리즘 사용, 시간 차이 학습(temporal difference learning) 사용), 회귀 알고리즘(예를 들어, 오디너리 리스트 스퀘어, 로지스틱 회귀, 단계적 회귀, 다변량 적응 회귀 스플라인(multivariate adaptive regression splines), 국소 추정 산점도 스무딩(locally estimated scatterplot smoothing), 등), 인스턴스-기반 방법(instance-based method)(예를 들어, k-최근접 이웃(k-nearest neighbor), 학습 벡터 양자화(learning vector quantization), 자가-조직화 맵(self-organizing map), 등), 정규화 방법(예를 들어, 능선 회귀, 최소 절대 쉬링키지 및 선택 오퍼레이터(least absolute shrinkage and selection operator), 엘라스틱 네트(elastic net), 등), 결정 트리 학습 방법(예를 들어, 분류 및 회귀 트리, 반복 이분법 3, C4.5(iterative dichotomiser 3, C4.5), 카이-제곱 자동 상호작용 감지(chi-squared automatic interaction detection), 결정 스텀프(decision stump), 랜덤 포레스트, 다변량 적응 회귀 스플라인, 구배 부스팅 머신(gradient boosting machines), 등), 베이지안 방법(Bayesian method)(예를 들어, 나이브 베이즈(naive Bayes), 평균 원-디펜던스 추정기(averaged one-dependence estimators), 베이지안 빌리프 네트워크, 등), 커널 방법(kernel method)(예를 들어, 서포트 벡터 머신, 방사형 기본 함수(radial basis function), 선형 판별 분석(linear discriminate analysis), 등), 클러스터링 방법(예를 들어, k-평균 클러스터링, 기대 최대화, 등), 관련 규칙 학습 알고리즘(예를 들어, 아프리오리 알고리즘, 이틀랏(Eclat) 알고리즘, 등), 인공 신경망 모델(예를 들어, 퍼셉트론(Perceptron) 방법, 역-전파(back-propagation) 방법, 홉필드(Hopfield) 네트워크 방법, 자가-조직화 맵 방법, 학습 벡터 양자화 방법, 등), 앙상블 방법(예를 들어, 부스팅, 부스트래핑된 집합, 에이다부스트(AdaBoost), 스택 일반화, 구배 부스팅 머신 방법, 랜덤 포레스트 방법, 등) 및/또는 임의의 적합한 인공 지능 접근법. 그러나, 데이터 프로세싱은 임의의 적합한 방식으로 이용될 수 있다.
코-관련 특성화 시스템(220)은 다수의 코-관련 컨디션에 대한 교차-컨디션 분석을 수행할 수 있다(예를 들어, 다중-컨디션 마이크로바이옴 특징과 같은, 상이한 코-관련 특성화 모델의 출력에 기초하여 다중-컨디션 특성화를 생성; 등). 예를 들어, 코-관련 특성화 시스템은 미생물 데이터, 마이크로바이옴 특징, 및/또는 다수의 코-관련 컨디션과 관련된(예를 들어, 진단된, 특성화된, 등)사용자의 기타 적합한 마이크로바이옴 특성에 기초하여 코-관련 컨디션 사이의 관계를 통상화할 수 있다. 특정 실시예에서, 교차-컨디션 분석은 개별적인 코-관련 컨디션에 대한 특성화에 기초하여 수행될 수 있다(예를 들어, 개별적인 코-관련 컨디션에 대한 코-관련 특성화 모델의 출력, 등). 교차-컨디션 분석은 컨디션-특이적 특징(예를 들어, 단일 코-관련 컨디션과 독점적으로 관련된, 등), 다중-컨디션 특징(예를 들어, 둘 이상의 코-관련 컨디션과 관련된, 등), 및/또는 임의의 기타 적합한 타입의 특징의 식별을 포함할 수 있다. 교차-컨디션 분석은 상이한 쌍의 코-관련 컨디션의 평가에 의한 것과 같이, 상관 관계, 일치의 정보를 주는 파라미터, 및/또는 둘 이상의 코-관련 컨디션 사이의 관계를 설명하는 기타 유사한 파라미터의 결정을 포함할 수 있다. 그러나, 코-관련 특성화 시스템 및/또는 기타 적합한 구성은 교차-컨디션 분석을 용이하게 할 수 있는 임의의 적합한 방식으로 구성될 수 있다(예를 들어, 교차-컨디션 분석 목적을 위해 분석 기술 적용; 교차-컨디션 특성화 생성, 등).
코-관련 특성화 시스템(220)은 (예를 들어, 코-관련 특성화 모델을 적용하기 위한, 등) 원격 컴퓨팅 시스템을 포함할 수 있으나, 추가적으로 또는 대안적으로 임의의 적합한 컴퓨팅 시스템(예를 들어, 로컬 컴퓨팅 시스템, 사용자 디바이스, 취급 시스템 구성, 등)을 포함할 수 있다. 그러나, 코-관련 특성화 시스템(220)은 임의의 적합한 빙식으로 구성될 수 있다.
시스템(200)의 구현은 하나 이상의 요법 용이화 시스템(230)을 포함할 수 있으며, 이는 (예를 들어, 하나 이상의 코-관련 컨디션과 관련되어 사용자의 상태를 개선하기 위한, 사용자 마이크로바이옴 조성 및 기능적 다양성의 조절 용이화, 등) 하나 이상의 코-관련 컨디션에 대해 치료적 개입(예를 들어, 하나 이상의 요법을 촉진, 등)을 용이하게 하기 위한 기능을 할 수 있다. 요법 용이화 시스템(230)은, 부위-특이적 특성화(예를 들어, 다수의 신체 부위와 관련된 다중-부위 특성화, 등), 다중-컨디션 특성화, 기타 특성화, 및/또는 임의의 기타 적합한 데이터에 기초하는 것과 같이, 임의의 수의 수집 부위(예를 들어, 샘플의 수집 부위의 임의의 적합한 수에 대응; 등)와 관련된 임의의 수의 코-관련 컨디션에 대한 치료적 개입을 용이하게 할 수 있다. 요법 용이화 시스템(230)은 다음 중 임의의 하나 이상을 포함할 수 있다: 통신 시스템(예를 들어, 요법 추천, 선택, 단념 및/또는 기타 적합한 요법-관련 정보를 컴퓨팅 디바이스(예를 들어, 사용자 디바이스 및/또는 보살핌 제공자 디바이스; 모바일 디바이스; 스마트폰; 데스트탑 컴퓨터; 컴퓨팅 디바이스에 의해 접속되는 웹사이트, 웹 어플리케이션, 및/또는 모바일 어플리케이션; 등)에 통신하기 위해; 코-관련 컨디션과 관련되어 보살핌 제공자와 대상자 사이에 원격 진료를 가능하게 하기 위해; 등); 사용자 디바이스상에서 실행 가능한 어플리케이션(예를 들어, 사용자에 대한 마이크로바이옴 조성 및/또는 기능성을 나타내는 것; 등), 의료 디바이스(예를 들어, 상이한 수집 부위로부터 샘플을 수집하기 위한 것과 같은 생물학적 샘플링 디바이스; 의약 제공 디바이스; 외과적(surgical) 시스템; 등), 사용자 디바이스(예를 들어, 생체 센서), 및/또는 임의의 기타 적합한 구성. 하나 이상의 요법 용이화 시스템(230)은 코-관련 특성화 시스템(220)을 제어 가능할 수 있고, 이와 통신 가능할 수 있고 그리고/또는 이와 관련될 수 있다. 예를 들어, 코-관련 특성화 시스템(220)은 대응하는 사용자(예를 들어, 인터페이스(240), 등에서)에게 제시(예를 들어, 발신(transmit), 통신, 등)하기 위한 요법 용이화 시스템(230)에 대한 하나 이상의 코-관련 컨디션의 특성화를 생성할 수 있다. 또 다른 실시예에서, 요법 용이화 시스템(230)은 요법을 촉진(예를 들어, 하나 이상의 코-관련 컨디션과 관련된 사용자 상태를 개선하기 위한 할일 목록 어플리케이션, 라이프스타일 변화를 촉진하는 것, 등)하기 위해 디바이스(예를 들어, 사용자 스마트폰)의 어플리케이션 및/또는 기타 소프트웨어를 업데이트 및/또는 다른 방식으로 수정시킬 수 있다. 그러나, 요법 용이화 시스템(230)은 임의의 기타 방식으로 구성될 수 있다.
도 11에 보여지는 바와 같이, 시스템(200)의 구현은 추가적으로 또는 대안적으로 인터페이스(240)을 포함할 수 있으며, 이는 마이크로바이옴 특성, 코-관련 컨디션 정보(예를 들어, 경향 매트릭스; 요법 추천; 다른 사용자와의 비교; 다른 특성화; 등), 및/또는 하나 이상의 코-관련 특성화와 관련된(예를 들어, 포함되는, 관련된, 이로부터 유래될 수 있는, 등) 특정 정보(예를 들어, 본원에 설명된 임의의 적합한 데이터)의 제시를 개선시키는 기능을 할 수 있다. 예를 들어, 인터페이스(240)는, 인류통계학적 특성을 공유하는 사용자 그룹(예를 들어, 흡연자, 운동하는 사람, 상이한 식이 섭생의 사용자, 프로바이오틱스 소비자, 항생제 사용자, 특정 요법을 받고 있는 그룹, 등)과 관련된 것과 같이, 하나 이상의 코-관련 컨디션에 대한 마이크로바이옴 조성(예를 들어, 분류학적 그룹; 상대적 풍부도; 등), 기능적 다양성(예를 들어, 특정 기능과 관련된 유전자의 상대적 풍부도), 및 경향 매트릭스를 포함하는 코-관련 컨디션 정보를 제시할 수 있다. 그러나, 인터페이스(240)는 임의의 적합한 방식으로 구성될 수 있다.
시스템(200) 구현의 구성들은 일반적으로 별개의 구성들로서 설명되지만, 이들은 물리적 및/또는 논리적으로 임의의 방식으로 통합될 수 있다. 예를 들어, 컴퓨팅 시스템(예를 들어, 원격 컴퓨팅 시스템, 사용자 디바이스, 등)은 코-관련 특성화 시스템(220)(예를 들어, 사용자에 대한 코-관련 컨디션의 특성화를 생성하기 위해 마이크로바이옴-관련 컨디션 모델을 적용하는 것, 등) 및 요법 용이화 시스템(230)(예를 들어, 마이크로바이옴 조성 및/또는 기능과 관련된 통찰력을 제시함으로써; 요법 추천 및/또는 정보를 제시함으로써; 코-관련 개선을 위한 요법과 관련된 사용자에게 알리기 위해, 스마트폰의 캘린더 어플리케이션에 매일의 이벤트를 스케줄링함으로써 치료적 개입을 용이하게 하는 것, 등)의 일부 및/또는 전부를 구현할 수 있다. 일 실시예에서, 시스템(200)의 구현은 요법 용이화 시스템(230)을 생략할 수 있다. 그러나, 시스템(200)의 구현의 기능성은 임의의 적합한 시스템 구성들 중에서 임의의 적합한 방식으로 분배될 수 있다. 그러나, 시스템(200)의 구성들은 임의의 적합한 방식으로 구성될 수 있다.
5. 기타.
그러나, 방법(100)의 구현은 대상자로부터 생물학적 샘플의 수신, 대상자로부터 생물학적 샘플의 프로세싱, 생물학적 샘플로부터 유래된 데이터 분석, 및 대상자의 특정 마이크로바이옴 조성 및/또는 기능적 특징에 따라 맞춤화된 진단 및/또는 프로바이오틱-기반 요법을 제공하도록 사용될 수 있는 모델의 생성을 용이하게 하도록 구성된 기타 임의의 적합한 블록 또는 단계를 포함할 수 있다.
방법(100) 및/또는 시스템(200)의 구현은 임의의 변형(예를 들어, 구현, 변형, 실시예, 특정 실시예, 도면, 등)을 포함하여, 다양한 시스템 구성 및 다양한 방법 프로세스의 모든 조합 및 순열을 포함할 수 있으며, 방법(100) 및/또는 본원에 설명된 프로세스의 구현의 일부는 비동기적으로(asynchronously)(예를 들어, 연속적으로), 동시에(예를 들어, 병렬적으로), 또는 임의의 기타 적합한 순서로, 시스템(200) 및/또는 본원에 설명된 기타 독립체의 하나 이상의 인스턴스(instances), 엘리먼트(elements), 구성 및/또는 기타 측면을 사용함으로써 그리고/또는 이를 사용하여 수행될 수 있다.
본원에 설명된 임의의 변형(예를 들어, 구현, 변형, 실시예, 특정 실시예, 도면, 등) 및/또는 본원에 설명된 변형의 임의의 일부는 추가적으로 또는 대안적으로 조합, 집합, 배제, 사용, 연속 수행, 병렬 수행되고, 그리고/또는 다른 방식으로 적용될 수 있다.
방법(100) 및/또는 시스템(200)의 구현의 일부는 컴퓨터-판독 가능 지침을 저장하는 컴퓨터-판독 가능 매체를 수신하도록 구성된 기계로서 적어도 부분적으로 구현 및/또는 실행될 수 있다. 지침은 시스템과 통합될 수 있는 컴퓨터-실행 가능 구성에 의해 실행될 수 있다. 컴퓨터-판독 가능 매체는 RAMs, ROMs, 플래시 메모리, EEPROMs, 광학 디바이스(CD 또는 DVD), 하드 드라이브, 플로피 드라이브, 또는 임의의 적합한 디바이스와 같은 임의의 적합한 컴퓨터-판독 가능 매체에 저장될 수 있다. 컴퓨터-실행 가능 구성은 일반 또는 어플리케이션 특정 프로세서일 수 있지만, 그러나 임의의 적합한 전용 하드웨어 또는 하드웨어/펌웨어 조합 디바이스가 대안적으로 또는 추가적으로 지침을 실행할 수 있다.
당업자는 앞선 상세한 설명 및 도면 및 청구범위로부터 인식할 수 있는 바와 같이, 청구 범위에 정의된 범위를 벗어나지 않고 방법(100), 시스템(200), 및/또는 변형의 구현에 대한 수정 및 변화가 이루어질 수 있다.
Claims (22)
- 대상자 세트의 코 부위로부터 수집된 샘플로부터의 미생물 핵산에 기초하여, 대상자 세트와 관련된 미생물 서열 데이터세트를 결정하는 단계;
미생물 서열 데이터세트에 기초하여 마이크로바이옴 조성 특징 세트를 결정하는 단계;
마이크로바이옴 조성 특징 세트 및 대상자 세트와 관련된 보충 데이터에 기초하여 코-관련 특성화 모델을 생성하는 단계; 및
코-관련 특성화 모델 및 사용자의 코 부위에서 수집된 사용자 샘플에 기초하여 사용자와 관련된 코-관련 특성화를 결정하는 단계
를 포함하는, 미생물과 관련된 코-관련 특성화 방법.
- 제1항에 있어서, 마이크로바이옴 조성 특징 세트는 아비오트로피아(Abiotrophia), 아크로모박터(Achromobacter), 아시네토박터(Acinetobacter), 액티노바실루스(Actinobacillus), 액티노미세스(Actinomyces), 아그레가티박터(Aggregatibacter), 알리스티페스(Alistipes), 알로프레보텔라(Alloprevotella), 아네로코커스(Anaerococcus), 아네로스티페스(Anaerostipes), 아녹시바실루스(Anoxybacillus), 아쿠아박테리움(Aquabacterium), 아르쓰로박터(Arthrobacter), 아토포비움(Atopobium), 바실루스(Bacillus), 박테로이데스(Bacteroides), 버지엘라(Bergeyella), 비피도박테리움(Bifidobacterium), 블라우티아(Blautia), 브레디리조비움(Bradyrhizobium), 브레비박테리움(Brevibacterium), 브레분디모나스(Brevundimonas), 버크홀데리아(Burkholderia), 캄필로박터(Campylobacter), 카프노사이토파가(Capnocytophaga), 카울로박터(Caulobacter), 센티페다(Centipeda), 크리세오박테리움(Chryseobacterium), 콜린셀라(Collinsella), 코리네박테리움(Corynebacterium), 데이노코커스(Deinococcus), 델프티아(Delftia), 더마박터(Dermabacter), 디알리스터(Dialister), 돌로시그라눌럼(Dolosigranulum), 도레아(Dorea), 엔테로박터(Enterobacter), 파에칼리박테리움(Faecalibacterium), 피네골디아(Finegoldia), 플라보박테리움(Flavobacterium), 푸시카테니박터(Fusicatenibacter), 푸조박테리움(Fusobacterium), 게멜라(Gemella), 그라눌리카텔라(Granulicatella), 헤모필루스(Haemophilus), 헤르바스피릴룸(Herbaspirillum), 하이드로제노필루스(Hydrogenophilus), 크렙시엘라(Klebsiella), 클루이베라(Kluyvera), 코쿠리아(Kocuria), 락토바실루스(Lactobacillus), 락토코커스(Lactococcus), 라우트로피아(Lautropia), 렙토트리키아(Leptotrichia), 말라세지아(Malassezia), 메가스파에라(Megasphaera), 메이오써머스(Meiothermus), 메틸로박테리움(Methylobacterium), 마이크로코커스(Micrococcus), 모락셀라(Moraxella), 마이코박테리움(Mycobacterium), 네가티비코커스(Negativicoccus), 나이세리아(Neisseria), 노보스핑고비움(Novosphingobium), 오크로박트럼(Ochrobactrum), 판토에아(Pantoea), 파라박테로이데스(Parabacteroides), 파르비모나스(Parvimonas), 펠로모나스(Pelomonas), 펩토니필루스(Peptoniphilus), 펩토스트렙토코커스(Peptostreptococcus), 필로박테리움(Phyllobacterium), 포르피로모나스(Porphyromonas), 프레보텔라(Prevotella), 프로피오니박테리움(Propionibacterium), 슈도부티리비브리오(Pseudobutyrivibrio), 슈도모나스(Pseudomonas), 랄스토니아(Ralstonia), 리조비움(Rhizobium), 로제부리아(Roseburia), 로티아(Rothia), 사르시나(Sarcina), 시넬라(Shinella), 스핑고모나스(Sphingomonas), 스타필로코커스(Staphylococcus), 스테노트로포모나스(Stenotrophomonas), 스트렙토코커스(Streptococcus), 베일로넬라(Veillonella), 파라수테렐라(Parasutterella), 로도슈도모나스(Rhodopseudomonas), 크산토모나스(Xanthomonas), 메조리조비움(Mesorhizobium), 팍클라미아(Facklamia), 킨겔라(Kingella), 로도박터(Rhodobacter), 리시니바실루스(Lysinibacillus), 더마코커스(Dermacoccus), 및 카디오박테리움(Cardiobacterium) 중 적어도 하나와 관련된, 방법.
- 제2항에 있어서, 마이크로바이옴 조성 특징 세트는 아비오트로피아(Abiotrophia), 아크로모박터(Achromobacter), 아시네토박터(Acinetobacter), 액티노바실루스(Actinobacillus), 액티노미세스(Actinomyces), 아그레가티박터(Aggregatibacter), 알리스티페스(Alistipes), 알로프레보텔라(Alloprevotella), 아네로코커스(Anaerococcus), 아네로스티페스(Anaerostipes), 아녹시바실루스(Anoxybacillus), 아쿠아박테리움(Aquabacterium), 아르쏘로박터(Arthrobacter), 아토포비움(Atopobium), 바실루스(Bacillus), 박테로이데스(Bacteroides), 버지엘라(Bergeyella), 비피도박테리움(Bifidobacterium), 블라우티아(Blautia), 브레디리조비움(Bradyrhizobium), 브레비박테리움(Brevibacterium), 브레분디모나스(Brevundimonas), 버크홀데리아(Burkholderia), 캄필로박터(Campylobacter), 카프노사이토파가(Capnocytophaga), 카울로박터(Caulobacter), 센티페다(Centipeda), 크리세오박테리움(Chryseobacterium), 콜린셀라(Collinsella), 코리네박테리움(Corynebacterium), 데이노코커스(Deinococcus), 델프티아(Delftia), 더마박터(Dermabacter), 디알리스터(Dialister), 돌로시그라눌럼(Dolosigranulum), 도레아(Dorea), 엔테로박터(Enterobacter), 파에칼리박테리움(Faecalibacterium), 피네골디아(Finegoldia), 플라보박테리움(Flavobacterium), 푸시카테니박터(Fusicatenibacter), 푸조박테리움(Fusobacterium), 게멜라(Gemella), 그라눌리카텔라(Granulicatella), 헤모필루스(Haemophilus), 헤르바스피릴룸(Herbaspirillum), 하이드로제노필루스(Hydrogenophilus), 크렙시엘라(Klebsiella), 클루이베라(Kluyvera), 코쿠리아(Kocuria), 락토바실루스(Lactobacillus), 락토코커스(Lactococcus), 라우트로피아(Lautropia), 렙토트리키아(Leptotrichia), 말라세지아(Malassezia), 메가스파에라(Megasphaera), 메이오써머스(Meiothermus), 메틸로박테리움(Methylobacterium), 마이크로코커스(Micrococcus), 모락셀라(Moraxella), 마이코박테리움(Mycobacterium), 네가티비코커스(Negativicoccus), 나이세리아(Neisseria), 노보스핑고비움(Novosphingobium), 오크로박트럼(Ochrobactrum), 판토에아(Pantoea), 파라박테로이데스(Parabacteroides), 파르비모나스(Parvimonas), 펠로모나스(Pelomonas), 펩토니필루스(Peptoniphilus), 펩토스트렙토코커스(Peptostreptococcus), 필로박테리움(Phyllobacterium), 포르피로모나스(Porphyromonas), 프레보텔라(Prevotella), 프로피오니박테리움(Propionibacterium), 슈도부티리비브리오(Pseudobutyrivibrio), 슈도모나스(Pseudomonas), 랄스토니아(Ralstonia), 리조비움(Rhizobium), 로제부리아(Roseburia), 로티아(Rothia), 사르시나(Sarcina), 시넬라(Shinella), 스핑고모나스(Sphingomonas), 스타필로코커스(Staphylococcus), 스테노트로포모나스(Stenotrophomonas), 스트렙토코커스(Streptococcus), 베일로넬라(Veillonella), 파라수테렐라(Parasutterella), 로도슈도모나스(Rhodopseudomonas), 크산토모나스(Xanthomonas), 메조리조비움(Mesorhizobium), 팍클라미아(Facklamia), 킨겔라(Kingella), 로도박터(Rhodobacter), 리시니바실루스(Lysinibacillus), 더마코커스(Dermacoccus), 및 카디오박테리움(Cardiobacterium) 중 적어도 하나에 대한 적어도 하나의 상대적인 풍부도 특징을 포함하는, 방법.
- 제2항에 있어서, 코-관련 특성화를 결정하는 단계는 코-관련 특성화 모델 및 사용자 샘플에 기초하여, 사용자의 코 부위에서 수집된 사용자 샘플과 관련된 캘린더 시즌 파라미터(calendar season parameter)를 결정하는 단계를 포함하는, 방법.
- 제4항에 있어서, 코-관련 특성화 모델은 캘린더 시즌 특성화 머신 러닝 모델을 포함하며, 여기서 코-관련 특성화 모델을 생성하는 단계는 대상자 세트의 코 부위로부터 수집된 샘플과 관련된 캘린더 시즌 및 마이크로바이옴 조성 특징 세트에 기초하여 캘린더 시즌 특성화 머신 러닝 모델을 트레이닝하는 단계를 포함하며, 그리고 여기서 캘린더 시즌 파라미터를 결정하는 단계는 사용자의 코 부위에서 수집된 사용자 샘플 및 캘린더 시즌 특성화 머신 러닝 모델에 기초하여 캘린더 시즌 파라미터를 결정하는 단계를 포함하는, 방법.
- 제4항에 있어서, 캘린더 시즌 파라미터를 결정하는 단계는 샘플과 관련된, 봄 시즌 예측 및 겨울 시즌 예측 중 적어도 하나를 결정하는 단계를 포함하며, 그리고 여기서 사용자 마이크로바이옴 조성 특징은 파라수테렐라(Parasutterella), 로도슈도모나스(Rhodopseudomonas), 크산토모나스(Xanthomonas), 메조리조비움(Mesorhizobium), 팍클라미아(Facklamia), 킨겔라(Kingella), 로도박터(Rhodobacter), 리시니바실루스(Lysinibacillus), 더마코커스(Dermacoccus), 및 카디오박테리움(Cardiobacterium) 중 적어도 하나와 관련된, 방법.
- 제4항에 있어서, 보충 데이터는 대상자 세트의 연령을 포함하며, 여기서 코-관련 특성화 모델을 생성하는 단계는 대상자 세트의 연령 및 마이크로바이옴 조성 특징 세트에 기초하여 코-관련 특성화 모델을 생성하는 단계를 포함하여, 그리고 여기서 캘린더 시즌 파라미터를 결정하는 단계는 코-관련 특성화 모델, 사용자의 코 부위에서 수집된 사용자 샘플, 그리고 사용자의 연령에 기초하여 캘린더 시즌 파라미터를 결정하는 단계를 포함하는, 방법.
- 제7항에 있어서, 대상자 세트와 관련된 보충 데이터는 지리적 위치, 기후 타입, 및 샘플링 시간 중 적어도 하나를 포함하며, 여기서 코-관련 특성화 모델을 생성하는 단계는 마이크로바이옴 조성 특징 세트, 대상자 세트의 연령, 그리고 지리적 위치, 기후 타입, 및 샘플링 시간 중 적어도 하나에 기초하여 코-관련 특성화 모델을 생성하는 단계를 포함하며, 그리고 여기서 캘린더 시즌 파라미터를 결정하는 단계는 코-관련 특성화 모델, 사용자의 코 부위에서 수집된 사용자 샘플, 사용자의 연령, 그리고 사용자의 지리적 위치, 사용자의 지리적 위치와 관련된 기후 타입, 및 사용자의 코 부위에서 수집된 사용자 샘플과 관련된 사용자의 샘플링 시간 중 적어도 하나에 기초하여 캘린더 시즌 파라미터를 결정하는 단계를 포함하는, 방법.
- 제2항에 있어서, 코-관련 특성화를 결정하는 단계는 코-관련 특성화 모델 및 사용자 샘플에 기초하여, 사용자 샘플과 관련된 지리적 위치 파라미터를 결정하는 단계를 포함하는, 방법.
- 제1항에 있어서, 코-관련 특성화 모델은 코-관련 컨디션과 관련되며, 그리고 여기서 코-관련 특성화를 결정하는 단계는 코-관련 특성화 모델 및 사용자의 코 부위에서 수집된 사용자 샘플에 기초하여, 코-관련 컨디션을 위한 사용자에 대한 코-관련 특성화를 결정하는 단계를 포함하는, 방법.
- 제10항에 있어서, 코-관련 특성화에 기초하여, 코-관련 컨디션의 개선을 용이하게 하기 위한 사용자에 대한 요법을 제공하는 단계를 추가로 포함하는, 방법.
- 제1항에 있어서, 대상자 세트와 관련된 미생물 서열 데이터세트를 결정하는 단계는 차세대 시퀀싱 시스템으로 미생물 핵산을 시퀀싱하는 것에 기초하여 미생물 서열 데이터세트를 결정하는 단계를 포함하는, 방법.
- 사용자의 코 부위로부터의 샘플이며 미생물 핵산을 포함하는 샘플을 사용자로부터 수집하는 단계;
샘플의 미생물 핵산에 기초하여 사용자와 관련된 미생물 데이터세트를 결정하는 단계;
미생물 데이터세트에 기초하여 사용자 마이크로바이옴 조성 특징을 결정하는 단계; 및
사용자 마이크로바이옴 조성 특징에 기초하여 사용자와 관련된 코-관련 특성화를 결정하는 단계
를 포함하는, 미생물과 관련된 코-관련 특성화 방법.
- 제13항에 있어서, 사용자 마이크로바이옴 조성 특징은 아비오트로피아(Abiotrophia), 아크로모박터(Achromobacter), 아시네토박터(Acinetobacter), 액티노바실루스(Actinobacillus), 액티노미세스(Actinomyces), 아그레가티박터(Aggregatibacter), 알리스티페스(Alistipes), 알로프레보텔라(Alloprevotella), 아네로코커스(Anaerococcus), 아네로스티페스(Anaerostipes), 아녹시바실루스(Anoxybacillus), 아쿠아박테리움(Aquabacterium), 아르쏘로박터(Arthrobacter), 아토포비움(Atopobium), 바실루스(Bacillus), 박테로이데스(Bacteroides), 버지엘라(Bergeyella), 비피도박테리움(Bifidobacterium), 블라우티아(Blautia), 브레디리조비움(Bradyrhizobium), 브레비박테리움(Brevibacterium), 브레분디모나스(Brevundimonas), 버크홀데리아(Burkholderia), 캄필로박터(Campylobacter), 카프노사이토파가(Capnocytophaga), 카울로박터(Caulobacter), 센티페다(Centipeda), 크리세오박테리움(Chryseobacterium), 콜린셀라(Collinsella), 코리네박테리움(Corynebacterium), 데이노코커스(Deinococcus), 델프티아(Delftia), 더마박터(Dermabacter), 디알리스터(Dialister), 돌로시그라눌럼(Dolosigranulum), 도레아(Dorea), 엔테로박터(Enterobacter), 파에칼리박테리움(Faecalibacterium), 피네골디아(Finegoldia), 플라보박테리움(Flavobacterium), 푸시카테니박터(Fusicatenibacter), 푸조박테리움(Fusobacterium), 게멜라(Gemella), 그라눌리카텔라(Granulicatella), 헤모필루스(Haemophilus), 헤르바스피릴룸(Herbaspirillum), 하이드로제노필루스(Hydrogenophilus), 크렙시엘라(Klebsiella), 클루이베라(Kluyvera), 코쿠리아(Kocuria), 락토바실루스(Lactobacillus), 락토코커스(Lactococcus), 라우트로피아(Lautropia), 렙토트리키아(Leptotrichia), 말라세지아(Malassezia), 메가스파에라(Megasphaera), 메이오써머스(Meiothermus), 메틸로박테리움(Methylobacterium), 마이크로코커스(Micrococcus), 모락셀라(Moraxella), 마이코박테리움(Mycobacterium), 네가티비코커스(Negativicoccus), 나이세리아(Neisseria), 노보스핑고비움(Novosphingobium), 오크로박트럼(Ochrobactrum), 판토에아(Pantoea), 파라박테로이데스(Parabacteroides), 파르비모나스(Parvimonas), 펠로모나스(Pelomonas), 펩토니필루스(Peptoniphilus), 펩토스트렙토코커스(Peptostreptococcus), 필로박테리움(Phyllobacterium), 포르피로모나스(Porphyromonas), 프레보텔라(Prevotella), 프로피오니박테리움(Propionibacterium), 슈도부티리비브리오(Pseudobutyrivibrio), 슈도모나스(Pseudomonas), 랄스토니아(Ralstonia), 리조비움(Rhizobium), 로제부리아(Roseburia), 로티아(Rothia), 사르시나(Sarcina), 시넬라(Shinella), 스핑고모나스(Sphingomonas), 스타필로코커스(Staphylococcus), 스테노트로포모나스(Stenotrophomonas), 스트렙토코커스(Streptococcus), 베일로넬라(Veillonella), 파라수테렐라(Parasutterella), 로도슈도모나스(Rhodopseudomonas), 크산토모나스(Xanthomonas), 메조리조비움(Mesorhizobium), 팍클라미아(Facklamia), 킨겔라(Kingella), 로도박터(Rhodobacter), 리시니바실루스(Lysinibacillus), 더마코커스(Dermacoccus), 및 카디오박테리움(Cardiobacterium) 중 적어도 하나와 관련된, 방법.
- 제14항에 있어서, 사용자와 관련된 코-관련 특성화를 결정하는 단계는 사용자 마이크로바이옴 조성 특징 및 사용자의 연령에 기초하여 코-관련 특성화를 결정하는 단계를 포함하는, 방법.
- 제13항에 있어서, 코-관련 특성화를 결정하는 단계는 사용자 마이크로바이옴 조성 특징에 기초하여, 사용자의 코 부위로부터의 샘플과 관련된 캘린더 시즌 파라미터를 결정하는 단계를 포함하는, 방법.
- 제16항에 있어서, 캘린더 시즌 파라미터를 결정하는 단계는 샘플과 관련된, 봄 시즌 예측 및 겨울 시즌 예측 중 적어도 하나를 결정하는 단계를 포함하며, 그리고 여기서 사용자 마이크로바이옴 조성 특징은 파라수테렐라(Parasutterella), 로도슈도모나스(Rhodopseudomonas), 크산토모나스(Xanthomonas), 메조리조비움(Mesorhizobium), 팍클라미아(Facklamia), 킨겔라(Kingella), 로도박터(Rhodobacter), 리시니바실루스(Lysinibacillus), 더마코커스(Dermacoccus), 및 카디오박테리움(Cardiobacterium) 중 적어도 하나와 관련된, 방법.
- 제13항에 있어서, 사용자에 대한 코-관련 특성화를 결정하는 단계는 사용자 마이크로바이옴 조성 특징 및 사용자와 관련된 보충 데이터에 기초하여 코-관련 특성화를 결정하는 단계를 포함하며, 여기서 보충 데이터는 지리적 위치, 기후 타입, 및 샘플링 시간 중 적어도 하나를 포함하는, 방법.
- 제13항에 있어서, 사용자와 관련된 코-관련 특성화를 결정하는 단계는 사용자 마이크로바이옴 조성 특징에 기초하여, 사용자의 코 부위로부터의 샘플과 관련된 지리적 위치 파라미터를 결정하는 단계를 포함하는, 방법.
- 제13항에 있어서, 코-관련 특성화를 결정하는 단계는 사용자 마이크로바이옴 조성 특징에 기초하여, 미생물과 관련된 코-관련 컨디션을 위한 사용자에 대한 코-관련 특성화를 결정하는 단계를 포함하는, 방법.
- 제20항에 있어서, 코-관련 특성화에 기초하여, 코-관련 컨디션의 개선을 용이하게 하기 위한 사용자에 대한 요법과 관련하여 치료적 개입을 용이화하는 단계를 추가로 포함하는, 방법.
- 제13항에 있어서, 코-관련 특성화를 결정하는 단계는 사용자 마이크로바이옴 조성 특징 및 마이크로바이옴 조성 특징 세트 및 대상자 세트와 관련된 보충 데이터로 트레이닝된 코-관련 특성화 머신 러닝 모델에 기초하여, 사용자와 관련된 코-관련 특성화를 결정하는 단계를 포함하는, 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762554985P | 2017-09-06 | 2017-09-06 | |
| US62/554,985 | 2017-09-06 | ||
| PCT/US2018/049806 WO2019051130A1 (en) | 2017-09-06 | 2018-09-06 | NASAL CHARACTERIZATION, ASSOCIATED WITH MICROBIOMA OF NOSE |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200045557A true KR20200045557A (ko) | 2020-05-04 |
Family
ID=63684575
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020207009695A KR20200045557A (ko) | 2017-09-06 | 2018-09-06 | 코 마이크로바이옴과 관련된 코-관련 특성화 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US20200202979A1 (ko) |
| EP (1) | EP3679162A1 (ko) |
| JP (1) | JP2020532995A (ko) |
| KR (1) | KR20200045557A (ko) |
| CN (1) | CN111315899A (ko) |
| AU (1) | AU2018327227A1 (ko) |
| SG (1) | SG11202001850YA (ko) |
| WO (1) | WO2019051130A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024043531A1 (ko) * | 2022-08-26 | 2024-02-29 | 고려대학교 산학협력단 | 비강종물 감별을 위한 모델의 학습 방법 및 학습 장치, 비강종물 감별 방법 및 장치 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190211378A1 (en) * | 2015-09-09 | 2019-07-11 | uBiome, Inc. | Method and system for microbiome-derived diagnostics and therapeutics for cerebro-craniofacial health |
| CN110195028B (zh) * | 2019-03-08 | 2022-03-01 | 大连理工大学 | 一种堆肥低温复合发酵菌剂的制备方法及应用 |
| CN110218784B (zh) * | 2019-06-14 | 2023-05-05 | 首都医科大学附属北京同仁医院 | 菌群丰度检测物在制备鼻息肉及其预后检测剂中的应用 |
| CN111243677B (zh) * | 2020-01-07 | 2023-04-14 | 北京唐颐惠康生物医学技术有限公司 | 一种基于细胞质量保证的时间控制方法及系统 |
| CN111681707B (zh) * | 2020-03-09 | 2023-09-05 | 中国科学院亚热带农业生态研究所 | 一种基于鼻腔真核微生物相对丰度的评价保育猪个体所处生长环境温湿状态的方法 |
| CN112562867A (zh) * | 2021-02-22 | 2021-03-26 | 天津迈德新医药科技有限公司 | 一种预测极早期hiv感染风险的装置、存储介质和电子装置 |
| CN117646077A (zh) * | 2023-11-13 | 2024-03-05 | 中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所） | 一组用于鼻咽癌早期诊断的组织内微生物标志物 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AR085409A1 (es) * | 2011-02-25 | 2013-10-02 | Tricorder Diagnostics Llc | Firmas microbianas como indicadores de exposicon a radiacion |
| US9663831B2 (en) * | 2014-01-25 | 2017-05-30 | uBiome, Inc. | Method and system for microbiome analysis |
| AU2015335907A1 (en) * | 2014-10-21 | 2017-04-13 | Psomagen, Inc. | Method and system for microbiome-derived diagnostics and therapeutics |
| WO2018209308A1 (en) * | 2017-05-12 | 2018-11-15 | The Regents Of The University Of California | Treating and detecting dysbiosis |
-
2018
- 2018-09-06 WO PCT/US2018/049806 patent/WO2019051130A1/en unknown
- 2018-09-06 US US16/642,618 patent/US20200202979A1/en not_active Abandoned
- 2018-09-06 AU AU2018327227A patent/AU2018327227A1/en active Pending
- 2018-09-06 KR KR1020207009695A patent/KR20200045557A/ko not_active Application Discontinuation
- 2018-09-06 JP JP2020514186A patent/JP2020532995A/ja active Pending
- 2018-09-06 EP EP18778742.9A patent/EP3679162A1/en active Pending
- 2018-09-06 SG SG11202001850YA patent/SG11202001850YA/en unknown
- 2018-09-06 CN CN201880071816.XA patent/CN111315899A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024043531A1 (ko) * | 2022-08-26 | 2024-02-29 | 고려대학교 산학협력단 | 비강종물 감별을 위한 모델의 학습 방법 및 학습 장치, 비강종물 감별 방법 및 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| SG11202001850YA (en) | 2020-03-30 |
| CN111315899A (zh) | 2020-06-19 |
| WO2019051130A1 (en) | 2019-03-14 |
| US20200202979A1 (en) | 2020-06-25 |
| AU2018327227A1 (en) | 2020-04-16 |
| JP2020532995A (ja) | 2020-11-19 |
| EP3679162A1 (en) | 2020-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2018318756B2 (en) | Disease-associated microbiome characterization process | |
| US10388407B2 (en) | Method and system for characterizing a headache-related condition | |
| US10380325B2 (en) | Method and system for microbiome-derived diagnostics and therapeutics | |
| US11001900B2 (en) | Method and system for characterization for female reproductive system-related conditions associated with microorganisms | |
| US10366793B2 (en) | Method and system for characterizing microorganism-related conditions | |
| US20190172555A1 (en) | Method and system for microbiome-derived diagnostics and therapeutics for oral health | |
| KR20200045557A (ko) | 코 마이크로바이옴과 관련된 코-관련 특성화 | |
| US10381112B2 (en) | Method and system for characterizing allergy-related conditions associated with microorganisms | |
| CN108350019B (zh) | 用于细菌性阴道病的源自微生物群系的诊断及治疗方法和系统 | |
| KR20200047626A (ko) | 미생물과 관련된 여성 생식계통-관련 컨디션에 대한 특성화를 위한 방법 및 시스템 | |
| AU2022202660A1 (en) | Method and system for characterization for appendix-related conditions associated with microorganisms | |
| CN108348168B (zh) | 用于湿疹的源自微生物群系的诊断及治疗方法和系统 | |
| US11773455B2 (en) | Method and system for microbiome-derived diagnostics and therapeutics infectious disease and other health conditions associated with antibiotic usage | |
| US20180342322A1 (en) | Method and system for characterization for appendix-related conditions associated with microorganisms | |
| US20190019575A1 (en) | Nasal-related characterization associated with the nose microbiome | |
| WO2018112459A1 (en) | Method and system for characterizing microorganism-related conditions | |
| US20190211378A1 (en) | Method and system for microbiome-derived diagnostics and therapeutics for cerebro-craniofacial health | |
| US20190087536A1 (en) | Method and system for microbiome-derived diagnostics and therapeutics for conditions associated with thyroid health issues | |
| WO2018094376A1 (en) | Method and system for characterizing a headache-related condition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |