KR20230033922A - Method for predicting skin age using microbiome - Google Patents
Method for predicting skin age using microbiome Download PDFInfo
- Publication number
- KR20230033922A KR20230033922A KR1020210116907A KR20210116907A KR20230033922A KR 20230033922 A KR20230033922 A KR 20230033922A KR 1020210116907 A KR1020210116907 A KR 1020210116907A KR 20210116907 A KR20210116907 A KR 20210116907A KR 20230033922 A KR20230033922 A KR 20230033922A
- Authority
- KR
- South Korea
- Prior art keywords
- skin
- microorganisms
- genus
- log
- cutibacterium
- Prior art date
Links
- 244000005700 microbiome Species 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 38
- 241000928573 Cutibacterium Species 0.000 claims abstract description 50
- 241000192142 Proteobacteria Species 0.000 claims abstract description 40
- 241000194110 Bacillus sp. (in: Bacteria) Species 0.000 claims abstract description 25
- 241000477420 Rothia sp. Species 0.000 claims abstract description 25
- 230000000813 microbial effect Effects 0.000 claims description 43
- 238000012417 linear regression Methods 0.000 claims description 35
- 241000193830 Bacillus <bacterium> Species 0.000 claims description 20
- 239000013256 coordination polymer Substances 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000004445 quantitative analysis Methods 0.000 claims description 17
- 238000007481 next generation sequencing Methods 0.000 claims description 6
- 238000003753 real-time PCR Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 241000894007 species Species 0.000 claims description 3
- 230000001747 exhibiting effect Effects 0.000 claims 2
- 210000002374 sebum Anatomy 0.000 description 15
- 238000012360 testing method Methods 0.000 description 13
- 238000012790 confirmation Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 108020004465 16S ribosomal RNA Proteins 0.000 description 2
- 108020004414 DNA Proteins 0.000 description 2
- 241000282412 Homo Species 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 238000003968 anodic stripping voltammetry Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009759 skin aging Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 108091093088 Amplicon Proteins 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 241000736262 Microbiota Species 0.000 description 1
- 241001453443 Rothia <bacteria> Species 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000003763 chloroplast Anatomy 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 210000003470 mitochondria Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 230000036555 skin type Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- C12Q2600/124—Animal traits, i.e. production traits, including athletic performance or the like
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Organic Chemistry (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Microbiology (AREA)
- Immunology (AREA)
- Molecular Biology (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
Description
본 개시는 마이크로바이옴을 이용한 피부 나이 예측 방법에 관한 것이다.The present disclosure relates to a method for predicting skin age using a microbiome.
인간의 피부 노화는 개인별 편차를 가지고 진행되기 때문에, 생물학적 나이가 동일한 사람이라 하더라도 피부 노화 정도는 상이할 수 있다. 피부과 의사들에 따르면, 인간의 피부 나이는 확대된 시각적 특징과 피부 주름의 길이, 너비, 두께를 통하여 결정될 수 있다고 한다. 이러한 시각적 특징과 개인적 경험에 기초하여 피부과 의사들은 피부 나이라는 개념을 사용하여 피부 상태를 추론한다. 피부 나이는 해당 객체의 나이가 아니라 피부의 특징이 몇 살이냐에 따라 정의된다. 따라서 피부 나이를 예측하기 위해서는 많은 사람들로부터 수집된 피부 특징과 전문가에 의한 그들의 전문적인 분석과 같은 사실자료가 필요하다.Since human skin aging progresses with individual variation, even people of the same biological age may have different degrees of skin aging. According to dermatologists, human skin age can be determined through enlarged visual features and the length, width, and thickness of skin folds. Based on these visual characteristics and personal experiences, dermatologists use the concept of skin age to infer skin conditions. Skin age is defined not according to the age of the object, but according to the age of the skin feature. Therefore, in order to predict skin age, factual data such as skin characteristics collected from many people and their professional analysis by experts are required.
한편, 이러한 피부 나이는 대상자의 피부를 관찰하는 사람의 주관적인 느낌에 따라 다르게 판단될 수 있으며, 피부 나이를 판별하기 위한 객관적인 기준도 정립되지 않아, 피부 나이를 계량화하는 데 어려움이 있다. 즉, 대상자의 피부 나이가 몇 세인지와 같은 객관적이고 계량화된 평가는 전문가의 전문적인 분석이 아니면 쉽게 판단할 수 없는 난점이 있었다.On the other hand, such skin age may be judged differently according to the subjective feeling of the person observing the skin of the subject, and objective criteria for determining the skin age have not been established, making it difficult to quantify the skin age. That is, objective and quantified evaluation, such as the age of the subject's skin, has a difficulty in that it cannot be easily judged without professional analysis by experts.
이에, 피부 나이를 보다 객관적으로 예측하고자 하는 연구가 세계적으로 증가하고 있는 추세이다. 이러한 관점에서, 보다 객관적인 기준에 기초하여 피부 나이를 측정하는, 즉 신뢰성과 정확성이 확보된 피부 나이 측정 기술이 요구된다.Accordingly, studies to more objectively predict skin age are increasing worldwide. From this point of view, a technique for measuring skin age based on a more objective criterion, that is, ensuring reliability and accuracy, is required.
한편, 사람과 동물의 체내와 체외에는 다양한 미생물이 군집을 이루고 있다. 이 미생물 군집(microbiota)은 자연적으로 사람과 동물의 체내외에 자리 잡고 있으며, 미생물이 발생한 몸의 부위에 따라 미생물 군집의 특징이 결정된다. 특정 미생물군은 피부에 유익한 작용을 하는데, 약산성을 유지하거나 피부에 본래 존재하지 않거나 혹은 적은 수로 존재하는 유해균의 감염으로부터 피부를 보호하는 역할을 한다.On the other hand, various microorganisms form a community inside and outside the body of humans and animals. This microbial community (microbiota) is naturally located inside and outside the body of humans and animals, and the characteristics of the microbial community are determined according to the part of the body where the microorganism is generated. Certain microbes have a beneficial effect on the skin, such as maintaining weak acidity or protecting the skin from infection by harmful bacteria that are not originally present on the skin or are present in small numbers.
인체 내 존재하는 미생물 군집(microbiota)을 마이크로바이옴이라고 부르며 인간의 몸속에서 함께 공존하고 있는 미생물과 이들의 유전 정보 전체를 일컫는다. 최근 우리 몸속에 서식하는 미생물이 인체에 미치는 영향력이 매우 크다는 것이 연구결과 밝혀짐으로써 세컨드 게놈으로 여겨지고 있으며 다양한 분야에서 마이크로바이옴 연구가 진행되고 있다.The microbiome is the microbiome that exists in the human body, and refers to all the microorganisms and their genetic information coexisting in the human body. Recently, research has revealed that microorganisms living in our body have a very large influence on the human body, and it is regarded as the second genome, and microbiome research is being conducted in various fields.
본 개시는 피부 미생물 정보를 이용하여 보다 정확하고 신뢰성이 높은 피부 나이 예측 방법을 제공하는 것을 목적으로 한다.An object of the present disclosure is to provide a more accurate and highly reliable skin age prediction method using skin microbial information.
상기한 목적을 달성하기 위하여, 본 발명의 일 실시예는 (1) 대상체의 피부로부터 피부 미생물 시료를 채취하는 단계;In order to achieve the above object, one embodiment of the present invention comprises (1) collecting a skin microorganism sample from the skin of a subject;
(2) 상기 채취된 피부 미생물 시료 내의 프로테오박테리아(Proteobacteria) 문, 큐티박테리움 속(Cutibacterium sp.), 로시아 속(Rothia sp.) 및 바실러스 속(Bacillus sp.) 중에서 선택된 2종 이상의 미생물의 서열을 증폭하여 상기 미생물을 정량 분석하는 단계; 및(2) Two or more microorganisms selected from among Proteobacteria, Cutibacterium sp. , Rothia sp. , and Bacillus sp. in the collected skin microbial sample Quantitatively analyzing the microorganism by amplifying the sequence of; and
(3) 상기 선택된 2종 이상의 미생물의 정량비로부터 대상체의 피부 나이를 예측하는 단계;(3) predicting the skin age of the subject from the quantitative ratio of the two or more selected microorganisms;
를 포함하는, 피부 나이 예측 방법을 제공한다.Including, it provides a skin age prediction method.
또한, 본 발명의 다른 실시예는 대상체의 피부로부터 피부 미생물 시료를 획득하는 시료 채취부;In addition, another embodiment of the present invention is a sample collection unit for obtaining a skin microorganism sample from the skin of the subject;
상기 시료 채취부에서 획득된 피부 미생물 시료 내의 프로테오박테리아 (Proteobacteria) 문, 큐티박테리움 속 (Cutibacterium sp.), 로시아 속 (Rothia sp.) 및 바실러스 속 (Bacillus sp.) 중에서 선택된 2종 이상의 미생물의 서열을 증폭하여 상기 미생물을 정량 분석하는 미생물 분석부; 및Two or more species selected from Proteobacteria, Cutibacterium sp. , Rothia sp. , and Bacillus sp. in the skin microbial sample obtained from the sampling unit Microorganism analysis unit for quantitatively analyzing the microorganisms by amplifying the sequence of the microorganisms; and
상기 미생물 분석부에서 분석된 2종 이상의 미생물의 정량비로부터 대상체의 피부 나이를 예측하는 나이 예측부;an age prediction unit for predicting a skin age of a subject from a quantitative ratio of two or more types of microorganisms analyzed by the microorganism analysis unit;
를 포함하는, 피부 나이 예측 키트를 제공한다.It provides a skin age prediction kit comprising a.
본 개시에 의한 피부 나이 예측 방법에 따르면, 특정 피부 미생물의 정량비를 활용함으로써 보다 신뢰성이 높고 정확하게 피부 나이를 예측할 할 수 있다.According to the method for predicting skin age according to the present disclosure, skin age can be predicted more reliably and accurately by utilizing a quantitative ratio of specific skin microorganisms.
도 1은 프로테오박테리아 (Proteobacteria) 문, 큐티박테리움 속 (Cutibacterium sp.), 로시아 속 (Rothia sp.) 및 바실러스 속 (Bacillus sp.) 미생물과 피부 나이의 상관 관계를 각각 나타낸 그래프이다.
도 2는 프로테오박테리아(Proteobacteria) 문 및 큐티박테리움 속 (Cutibacterium sp.) 미생물의 정량비의 로그 스케일 값(Log2CP)과 피부 나이의 상관 관계를 나타낸 그래프이다.
도 3은 본 발명의 일 실시예에 따른 실시예 1 내지 4의 선형 회귀 모델에 의한 예측 나이의 오차 값을 나타낸 그래프이다.
도 4는 본 발명의 일 실시예에 따른 실시예 3 및 4의 선형 회귀 모델에 의한 예측 나이 및 실제 나이와 피지량(sebum)의 상관 관계를 각각 나타낸 그래프이다.
도 5는 본 발명의 일 실시예에 따른 실시예 1 및 4의 선형 회귀 모델에 의한 예측 나이 및 실제 나이와 피지량의 상관 관계를 각각 나타낸 그래프이다.1 is a graph showing the correlation between microorganisms of the genus Proteobacteria, Cutibacterium sp. , Rothia sp. , and Bacillus sp. and skin age, respectively.
Figure 2 is a graph showing the correlation between the log scale value (Log 2 CP) of the quantitative ratio of microorganisms of the phylum Proteobacteria and the genus Cutibacterium ( Cutibacterium sp. ) and skin age.
3 is a graph showing error values of predicted ages by the linear regression models of Examples 1 to 4 according to an embodiment of the present invention.
4 is a graph showing the correlation between predicted age and actual age by the linear regression model of Examples 3 and 4 according to an embodiment of the present invention and the amount of sebum, respectively.
5 is a graph showing the correlation between predicted age and actual age by the linear regression model of Examples 1 and 4 according to an embodiment of the present invention and the amount of sebum, respectively.
전술한 바와 같이, 피부 나이를 객관적이고 정확히 예측하기 위한 방법은 아직 정형화되어 있지 않다. 이에, 정확한 피부 나이 예측에 대하여 연구를 거듭한 결과, 피부 내에 존재하는 특정 미생물의 중량비를 활용함에 따라 피부 나이를 보다 정확하고 객관적으로 예측할 수 있음을 알 수 있었다.As described above, a method for objectively and accurately predicting skin age has not yet been standardized. Accordingly, as a result of repeated studies on accurate skin age prediction, it was found that skin age can be predicted more accurately and objectively by utilizing the weight ratio of specific microorganisms present in the skin.
이하, 본 발명을 상세히 설명한다.Hereinafter, the present invention will be described in detail.
본 발명의 일 측면에 따른 피부 나이 예측 방법은, 대상체의 피부로부터 채취된 피부 미생물 시료 내의 특정 미생물을 정량 분석하고, 정량 분석 결과 값을 이용한 2종 이상의 미생물 간의 정량비를 활용하여 대상체의 피부 나이를 예측한다.A skin age prediction method according to an aspect of the present invention quantitatively analyzes a specific microorganism in a skin microbial sample collected from the skin of a subject, and utilizes a quantitative ratio between two or more types of microorganisms using the quantitative analysis result value to determine the skin age of the subject. predict
구체적인 구현예에 따르면, 본 발명의 일 측면에 따른 피부 나이 예측 방법은, 아래의 단계 (1) 내지 (3)을 포함할 수 있다.According to a specific embodiment, the skin age prediction method according to an aspect of the present invention may include the following steps (1) to (3).
(1) 대상체의 피부로부터 피부 미생물 시료를 채취하는 단계;(1) collecting a skin microorganism sample from the skin of a subject;
(2) 상기 채취된 피부 미생물 시료 내의 프로테오박테리아 (Proteobacteria) 문, 큐티박테리움 속 (Cutibacterium sp.), 로시아 속 (Rothia sp.) 및 바실러스 속 (Bacillus sp.) 중에서 선택된 2종 이상의 미생물의 서열을 증폭하여 상기 미생물을 정량 분석하는 단계; 및(2) Two or more microorganisms selected from among Proteobacteria, Cutibacterium sp. , Rothia sp. and Bacillus sp. in the collected skin microbial sample Quantitatively analyzing the microorganism by amplifying the sequence of; and
(3) 상기 선택된 2종 이상의 미생물의 정량비로부터 대상체의 피부 나이를 예측하는 단계.(3) predicting the skin age of the subject from the quantitative ratio of the two or more selected microorganisms.
일 실시예에 있어서, 상기 단계 (1)은 피부 미생물 시료를 채취하는 단계로서, 대상체의 피부로부터 피부 미생물 시료를 채취하는 부분은 특별히 제한되지 않으며, 예를 들어 안면, 구체적으로 뺨일 수 있다.In one embodiment, the step (1) is a step of collecting a skin microbial sample, and the part for collecting a skin microbial sample from the skin of the subject is not particularly limited, and may be, for example, the face, specifically the cheek.
일 실시예에 있어서, 상기 단계 (1)에서의 피부 미생물 시료는 테이프 스트립핑, 스크레이핑(scraping), 소제(swabbing) 등의 방법을 통해 채취될 수 있으나, 복수의 미생물이 포함되어 있는 피부 미생물 시료를 채취할 수 있는 임의의 공지 방법이라면 모두 가능하며, 이에 한정되는 것은 아니다.In one embodiment, the skin microbial sample in step (1) may be collected through a method such as tape stripping, scraping, or swabbing, but the skin containing a plurality of microorganisms Any known method capable of collecting a microbial sample may be used, but is not limited thereto.
일 실시예에 있어서, 상기 피부 미생물 시료는 복수의 미생물을 포함하며, 상기 단계 (2)는 피부 미생물 시료 내 미생물을 정량 분석하는 단계로서, 상기 복수의 미생물을 포함하는 피부 미생물 시료로부터 DNA를 추출한 다음 정량 PCR(quantitative PCR) 또는 차세대염기서열분석 (next generation sequencing, NGS) 방법을 이용하여 미생물의 서열을 증폭 및 분석할 수 있다.In one embodiment, the skin microbial sample includes a plurality of microorganisms, and the step (2) is a step of quantitatively analyzing the microorganisms in the skin microbial sample, extracting DNA from the skin microbial sample containing the plurality of microorganisms The microbial sequence can be amplified and analyzed using the following quantitative PCR or next generation sequencing (NGS) method.
일 실시예에 있어서, 상기 단계 (2)에서는, 상기 채취된 피부 미생물 시료 내의 프로테오박테리아 (Proteobacteria) 문, 로시아 속 (Rothia sp.) 및 바실러스 속 (Bacillus sp.) 중에서 선택된 1종 이상의 미생물; 및 큐티박테리움(Cutibacterium sp.) 속 미생물의 서열을 증폭하여 상기 미생물을 정량 분석할 수 있다.In one embodiment, in the step (2), Proteobacteria (Proteobacteria) phylum, Rothia genus ( Rothia sp. ) and Bacillus genus ( Bacillus sp. ) in the collected skin microbial sample One or more microorganisms selected from ; And Cutibacterium ( Cutibacterium sp. ) By amplifying the sequence of the microorganism of the genus, the microorganism can be quantitatively analyzed.
일 실시예에 있어서, 상기 단계 (2)에서는, 상기 채취된 피부 미생물 시료 내의 프로테오박테리아(Proteobacteria) 문, 로시아 속 (Rothia sp.), 바실러스 속 (Bacillus sp.) 및 큐티박테리움 속 (Cutibacterium sp.) 미생물의 서열을 증폭하여 상기 미생물들을 정량 분석할 수 있다.In one embodiment, in the step (2), Proteobacteria phylum, Rothia sp. , Bacillus sp. and Cutibacterium genus in the collected skin microorganism sample ( Cutibacterium sp. ) By amplifying the sequence of the microorganisms, the microorganisms can be quantitatively analyzed.
일 실시예에 있어서, 상기 단계 (3)은 단계 (2)에서 정량 분석된 미생물의 정량비로부터 대상체의 피부 나이를 예측하는 단계로서, 상기 큐티박테리움 속 (Cutibacterium sp.) 미생물이 피부 나이와 음의 상관관계를 나타내는 것, 상기 프로테오박테리아(Proteobacteria) 문, 로시아 속 (Rothia sp.) 및 바실러스 속 (Bacillus sp.) 중에서 선택된 1종 이상의 미생물이 피부 나이와 양의 상관관계를 나타내는 것을 이용하여 대상체의 피부 나이를 예측할 수 있다.In one embodiment, the step (3) is a step of predicting the skin age of the subject from the quantitative ratio of the microorganisms quantitatively analyzed in step (2), wherein the Cutibacterium sp. Representing a negative correlation, the proteobacteria (Proteobacteria) phylum, Rosia genus ( Rothia sp. ) and Bacillus genus ( Bacillus sp. ) To show a positive correlation with skin age of one or more microorganisms selected from It is possible to predict the skin age of the subject using the method.
일 실시예에 있어서, 상기 단계 (3)에서, 상기 미생물의 정량비는 다음 중 하나 이상의 로그 스케일(log scale)로 변환되어 정규화될 수 있다:In one embodiment, in the step (3), the quantitative ratio of the microorganisms may be normalized by converting to a log scale of one or more of the following:
(i) log2CP=log2((Cutibacterium sp.)/(Proteobacteria))(i) log 2 CP=log 2 (( Cutibacterium sp. )/(Proteobacteria))
(ii) log2RC=log2((Rothia sp.)/(Cutibacterium sp.))(ii) log 2 RC=log 2 (( Rothia sp. )/( Cutibacterium sp. ))
(iii) log2BC=log2((Bacillus sp.)/(Cutibacterium sp.)).(iii) log 2 BC=log 2 (( Bacillus sp. )/( Cutibacterium sp. )).
여기서, (Cutibacterium sp.), (Proteobacteria), (Rothia sp.) 및 (Bacillus sp.)는 각각 큐티박테리움 속 미생물, 프로테오박테리아 문 미생물, 로시아 속 미생물 및 바실러스 속 미생물의 정량 분석 결과 값을 의미한다.Here, ( Cutibacterium sp. ), (Proteobacteria), ( Rothia sp. ) and ( Bacillus sp. ) are the results of quantitative analysis of microorganisms of the genus Cutibacterium, microorganisms of the phylum Proteobacteria, microorganisms of the genus Rosia and microorganisms of the genus Bacillus, respectively. means
일 실시예에 있어서, 상기 단계 (3)에서는, 다음 중 하나 이상의 선형 회귀 모델을 이용하여 대상체의 피부 나이를 예측할 수 있다:In one embodiment, in step (3), the skin age of the subject may be predicted using one or more of the following linear regression models:
(i) y = -1.9318*log2CP + 40.4767;(i) y = -1.9318*log 2 CP + 40.4767;
(ii) y = -0.7695*log2CP + 1.6986*log2RC + 55.7376;(ii) y = -0.7695*log 2 CP + 1.6986*log 2 RC + 55.7376;
(iii) y = -0.8064*log2CP + 1.0166*log2RC + 1.0567*log2BC + 61.8824.(iii) y = -0.8064*log 2 CP + 1.0166*log 2 RC + 1.0567*log 2 BC + 61.8824.
일 실시예에 있어서, 상기 단계 (2)에서 로시아 속 미생물 및 바실러스 속 미생물의 정량 분석 결과 값이 결측된 경우, 상기 단계 (3)에서는 (i)의 선형 회귀 모델을 이용하여 대상체의 피부 나이를 예측할 수 있다.In one embodiment, when the quantitative analysis result of the microorganisms of the genus Rosia and the microorganisms of the genus Bacillus is missing in the step (2), the skin age of the subject is determined by using the linear regression model of (i) in the step (3) can predict
일 실시예에 있어서, 상기 단계 (2)에서 바실러스 속 미생물의 정량 분석 결과 값이 결측된 경우, 상기 단계 (3)에서는 (ii)의 선형 회귀 모델을 이용하여 대상체의 피부 나이를 예측할 수 있다.In one embodiment, when the result of the quantitative analysis of microorganisms of the genus Bacillus is missing in step (2), the skin age of the subject can be predicted in step (3) using the linear regression model of (ii).
일 실시예에 있어서, 상기 단계 (2)에서 정량 분석 결과 값이 결측된 미생물이 없는 경우, 상기 단계 (3)에서는 (iii)의 선형 회귀 모델을 이용하여 대상체의 피부 나이를 예측할 수 있다.In one embodiment, when there is no microorganism whose quantitative analysis result value is missing in step (2), the skin age of the subject can be predicted in step (3) using the linear regression model of (iii).
이상에서 설명한 바와 같이, 본 발명의 일 측면에 따른 피부 나이 예측 방법에 따르면, 피부 나이와 상관 관계가 높은 특정 미생물들의 중량비를 활용함으로써 보다 객관적이고 정확하게 피부 나이를 예측할 수 있으며, 이러한 예측 결과를 토대로 개인 피부별 맞춤형 화장품을 제공하는데 유용하게 활용될 수 있다.As described above, according to the method for predicting skin age according to one aspect of the present invention, it is possible to more objectively and accurately predict skin age by utilizing the weight ratio of specific microorganisms that have a high correlation with skin age. It can be usefully used to provide customized cosmetics for individual skin types.
본 발명은 다른 측면에서, 대상체의 피부로부터 피부 미생물 시료를 획득하는 시료 채취부; 상기 시료 채취부에서 획득된 피부 미생물 시료 내의 프로테오박테리아 (Proteobacteria) 문, 큐티박테리움 속 (Cutibacterium sp.), 로시아 속 (Rothia sp.) 및 바실러스 속 (Bacillus sp.) 중에서 선택된 2종 이상의 미생물의 서열을 증폭하여 상기 미생물을 정량 분석하는 미생물 분석부; 및 상기 미생물 분석부에서 분석된 2종 이상의 미생물의 정량비로부터 대상체의 피부 나이를 예측하는 나이 예측부;를 포함하는, 피부 나이 예측 키트 또는 피부 나이 예측 시스템에 관한 것일 수 있다.In another aspect, the present invention includes a sample collection unit for obtaining a skin microorganism sample from the skin of a subject; Two or more species selected from Proteobacteria, Cutibacterium sp. , Rothia sp. , and Bacillus sp. in the skin microbial sample obtained from the sampling unit Microorganism analysis unit for quantitatively analyzing the microorganisms by amplifying the sequence of the microorganisms; and an age prediction unit for predicting the skin age of the subject from the quantitative ratio of the two or more types of microorganisms analyzed by the microorganism analysis unit.
상기 시료 채취부에서의 피부 미생물 시료 채취, 상기 미생물 분석부에서의 미생물 정량 분석 및 상기 나이 예측 부에서의 피부 나이 예측에 관해서는 상기 피부 나이 예측 방법의 (1) 피부 미생물 시료 채취 단계, (2) 미생물 정량 분석 단계 및 (3) 피부 나이 예측 단계에 관하여 상세히 설명한 바와 같다.With respect to skin microbial sample collection in the sample collection unit, microbial quantitative analysis in the microbial analysis unit, and skin age prediction in the age prediction unit, (1) skin microbial sample collection step of the skin age prediction method, (2) ) Microorganism quantitative analysis step and (3) skin age prediction step as described in detail.
이하, 본 발명의 내용을 실시예 및 시험예를 통하여 보다 구체적으로 설명한다. 그러나, 이러한 실시예 및 시험예는 본 발명의 내용을 이해하기 위해 제시되는 것일 뿐, 본 발명의 권리범위가 이러한 실시예 및 시험예로 한정되는 것은 아니고, 당업계에서 통상적으로 주지된 변형, 치환 및 삽입 등을 수행할 수 있으며, 이에 대한 것도 본 발명의 범위에 포함된다.Hereinafter, the contents of the present invention will be described in more detail through examples and test examples. However, these examples and test examples are only presented to understand the contents of the present invention, and the scope of the present invention is not limited to these examples and test examples, and modifications and substitutions commonly known in the art and insertion, etc., which are also included in the scope of the present invention.
[시험예 1] 실제 나이와 특정 미생물의 상관 관계 확인[Test Example 1] Confirmation of correlation between actual age and specific microorganisms
한국인 20대 여성 56명, 30대 여성 46명, 4대 여성 44명, 50대 여성 8명 및 60대 여성 26명 총 180명의 뺨에서 피부 미생물 시료를 채취하였으며, 각 피부 미생물 시료 내 특정 미생물 (프로테오박테리아(Proteobacteria) 문, 큐티박테리움 속 (Cutibacterium sp.), 로시아 속 (Rothia sp.), 바실러스 속 (Bacillus sp.))을 정량 분석하여 실제 나이와 미생물 간의 상관 관계를 확인하였다.Skin microbial samples were collected from the cheeks of 180 Korean women (56 women in their 20s, 46 women in their 30s, 44 women in their 4th years, 8 women in their 50s, and 26 women in their 60s). Proteobacteria (Proteobacteria), Cutibacterium ( Cutibacterium sp. ), Rosia ( Rothia sp. ), Bacillus ( Bacillus sp. )) were quantitatively analyzed to confirm the correlation between actual age and microorganisms.
구체적으로, 피부 미생물 분석은 피부 미생물 시료 확보와 미생물 군집 분석 두 단계로 나뉘어 진행되었다. 피험자의 왼쪽 또는 오른쪽 뺨의 5 x 4 cm2 면적을 멸균된 면봉으로 swab 하여 2~3회 가량 피부 미생물을 채취하였다. 채취한 피부 미생물 시료는 사용 전까지 -80℃ 에서 보관하였다. 시료로부터 전체 미생물 유전체 DNA(genomic DNA)를 추출한 후, 세균의 16S rRNA 유전자의 V4-V5 영역을 타겟으로 하는 프라이머 (16S-518F: TCG TCG GCA GCG TCA GAT GTG TAT AAG AGA CAG CCA GCA GCY GCG GTA AN, 16S-926R: GTC TCG TGG GCT CGG AGA TGT GTA TAA GAG ACA GCC GTC AAT TCN TTT RAG T)를 이용하여 PCR을 통해 타겟 서열을 증폭시켰다. 증폭된 16S rRNA 유전자는 Illumina MiSeq platform을 활용하여 시퀀싱 하였다. Specifically, the skin microbial analysis was conducted in two steps: obtaining a skin microbial sample and analyzing the microbial community. A 5 x 4 cm 2 area of the subject's left or right cheek was swabbed with a sterilized cotton swab to collect skin microorganisms 2-3 times. The collected skin microbial samples were stored at -80 ° C until use. After extracting total microbial genomic DNA from the sample, primers targeting the V4-V5 region of the bacterial 16S rRNA gene (16S-518F: TCG TCG GCA GCG TCA GAT GTG TAT AAG AGA CAG CCA GCA GCY GCG GTA AN, 16S-926R: GTC TCG TGG GCT CGG AGA TGT GTA TAA GAG ACA GCC GTC AAT TCN TTT RAG T) was used to amplify the target sequence through PCR. The amplified 16S rRNA gene was sequenced using the Illumina MiSeq platform.
시퀀싱 단계에서 획득한 염기 서열 정보는 QIIME 2(Quantitative 114 Insights Into Microbial Ecology) pipeline (ver. 2020.8)을 이용하여 분석하였다 (Caporaso, J. G. et al., "QIIME allows analysis of high-throughput community sequencing data", 397 Nat. Methods 2010, 7 (5), 335). 염기 서열 정보에서 프라이머 서열을 제거한 후 Deblur Plugin을 이용하여 quality score 20 이하의 서열을 필터링 하고, 융합(merge)된 서열을 375 bp로 자른 뒤 100% OTU 군집분류(clustering)에 해당하는 Amplicon Sequencing Variants (ASVs) 정보를 획득하였다. 획득한 ASV들을 대상으로 GreenGenes database (ver. 13_5)를 이용하여 분류 분석(taxonomic analysis)을 진행하였으며, 미토콘드리아와 엽록체를 제거하여 피부 미생물 군집 정보를 획득하였다. 각 피험자 미생물 군집 속 특정 미생물은 전체 미생물 대비 특정 미생물의 존재 비율로 정량 되었다. 확보된 미생물들의 존재 비율과 피험자 실제 나이의 상관 관계 분석을 통해 통계적으로 유의한 수준 (P < 0.05)에서 상관 계수(r)의 절대값이 높은 미생물 4종을 선발하였다. The nucleotide sequence information obtained in the sequencing step was analyzed using the QIIME 2 (Quantitative 114 Insights Into Microbial Ecology) pipeline (ver. 2020.8) (Caporaso, JG et al. , "QIIME allows analysis of high-throughput community sequencing data" , 397 Nat. Methods 2010; 7 (5), 335). After removing the primer sequence from the base sequence information, filtering the sequence with a quality score of 20 or less using the Deblur Plugin, cutting the merged sequence into 375 bp, and Amplicon Sequencing Variants corresponding to 100% OTU clustering (ASVs) information was obtained. For the acquired ASVs, taxonomic analysis was performed using the GreenGenes database (ver. 13_5), and mitochondria and chloroplasts were removed to obtain skin microbial community information. The specific microorganisms in each subject's microbial community were quantified as the ratio of the presence of specific microorganisms to the total microorganisms. Through a correlation analysis between the percentage of microorganisms obtained and the actual age of the subject, four microorganisms with a high absolute value of the correlation coefficient ( r ) were selected at a statistically significant level ( P < 0.05).
그 결과는 도 1에 나타내었으며, 도 1의 결과로부터, 큐티박테리움 속 미생물은 피부가 노화함에 따라, 즉, 실제 나이가 높아짐에 따라 감소하는 경향을 보여 음의 상관 관계(r=-0.4197) 에 있음을 알 수 있으며, 프로테오박테리아 문, 로시아 속 및 바실러스 속 미생물은 실제 나이가 높아짐에 따라 증가하는 경향을 보여 양의 상관 관계(프로테오박테리아 문: r=0.3541; 로시아 속: r=0.3769; 바실러스 속: r=0.428)에 있음을 알 수 있었다.The results are shown in Figure 1, and from the results of Figure 1, the microorganisms of the genus Cutibacterium tend to decrease as the skin ages, that is, as the actual age increases, showing a negative correlation ( r = -0.4197) It can be seen that there is a positive correlation (Proteobacteria: r = 0.3541; Rosia: r = 0.3769; genus Bacillus: r = 0.428).
[실시예 1] 미생물 정량비의 로그 스케일로의 변환[Example 1] Conversion of microbial quantification ratio to log scale
상기 시험예 1에서 분석된 프로테오박테리아(Proteobacteria) 문, 큐티박테리움 속 (Cutibacterium sp.), 로시아 속 (Rothia sp.) 및 바실러스 속 (Bacillus sp.) 미생물들의 정량 분석 값을 사용하여 하기 로그 스케일로 변환함으로써 미생물 정량비를 정규화 하였다.Using the quantitative analysis values of microorganisms of the genus Proteobacteria, Cutibacterium sp. , Rothia sp. , and Bacillus sp. , analyzed in Test Example 1, the following Microbial quantification ratios were normalized by transforming to a logarithmic scale.
(i) log2CP=log2((Cutibacterium sp.)/(Proteobacteria))(i) log 2 CP=log 2 (( Cutibacterium sp. )/(Proteobacteria))
(ii) log2RC=log2((Rothia sp.)/(Cutibacterium sp.))(ii) log 2 RC=log 2 (( Rothia sp. )/( Cutibacterium sp. ))
(iii) log2BC=log2((Bacillus sp.)/(Cutibacterium sp.))(iii) log 2 BC=log 2 (( Bacillus sp. )/( Cutibacterium sp. ))
(여기서, (Cutibacterium sp.), (Proteobacteria), (Rothia sp.) 및 (Bacillus sp.)는 각각 상기 시험예 1에서의 큐티박테리움 속 미생물, 프로테오박테리아 문 미생물, 로시아 속 미생물 및 바실러스 속 미생물의 정량 분석 결과 값을 의미한다.)(Here, ( Cutibacterium sp. ), (Proteobacteria), ( Rothia sp. ) and ( Bacillus sp. ) are microorganisms of the genus Cutibacterium, microorganisms of the phylum Proteobacteria, microorganisms of the genus Rosia and Bacillus, respectively, in Test Example 1. It means the result of quantitative analysis of microorganisms in the genus.)
[시험예 2] 피부 나이와 미생물 정량비의 상관 관계 확인[Test Example 2] Confirmation of correlation between skin age and microbial ratio
상기 실시예 1에서 계산된 프로테오박테리아 문 (P) 및 큐티박테리움 속 (C) 미생물의 정량비 (C/P)의 로그 스케일 값과 피부 나이 간의 상관 관계를 확인하였으며, 그 결과는 도 2 및 하기 표 1에 나타내었다.The correlation between the log scale value of the quantitative ratio (C/P) of microorganisms of the genus Proteobacteria (P) and Cutibacterium (C) calculated in Example 1 and skin age was confirmed, and the results are shown in FIG. 2 and shown in Table 1 below.
도 2 및 표 1의 결과로부터, 피부 나이와 양의 상관 관계에 있는 프로테오박테리아 문 미생물에 대한 피부 나이와 음의 상관 관계에 있는 큐티박테리움 속 미생물의 정량비(C/P)를 로그 스케일로 변환할 경우, 상기 시험예 1과 같이 프로테오박테리아 문 또는 큐티박테리움 속 미생물 각각을 활용한 경우에 비하여, 상관 계수 절대값이 증가하는 것을 확인할 수 있었다.From the results of FIG. 2 and Table 1, the quantitative ratio (C / P) of microorganisms of the genus Cutibacterium negatively correlated with skin age to the microorganisms of the phylum Proteobacteria positively correlated with skin age was calculated on a log scale When converted to Test Example 1, it was confirmed that the absolute value of the correlation coefficient increased compared to the case where each of the microorganisms belonging to the genus Proteobacteria or Cutibacterium was used as in Test Example 1.
[실시예 2 내지 5] 미생물 정량비를 활용한 선형 회귀 모델 수립[Examples 2 to 5] Establishment of linear regression model using microbial quantitative ratio
상기 실시예 1에서 계산된 각 미생물 정량비의 로그 스케일을 활용하여 하기의 선형 회귀 모델들을 수립하였다.The following linear regression models were established using the logarithmic scale of each microbial quantification ratio calculated in Example 1.
(i) y = -1.9318*log2CP + 40.4767;(i) y = -1.9318*log 2 CP + 40.4767;
(ii) y = -0.7695*log2CP + 1.6986*log2RC + 55.7376;(ii) y = -0.7695*log 2 CP + 1.6986*log 2 RC + 55.7376;
(iii) y = -0.8064*log2CP + 1.0166*log2RC + 1.0567*log2BC + 61.8824(iii) y = -0.8064*log 2 CP + 1.0166*log 2 RC + 1.0567*log 2 BC + 61.8824
(i)의 경우 프로테오박테리아 문 미생물이 검출되지 않은 피험자 2명을 제외한 총 178명을 대상으로 하여 모델링 하였으며, (ii)의 경우에는 로시아 속 미생물이 검출되지 않은 피험자 72명을 제외한 총 108명을 대상으로 하여 모델링 하였고, (iii)의 경우 로시아 속 미생물 및 바실러스 속 미생물의 결측값을 각각 log2RC, log2BC 최소값으로 치환하여 모든 피험자 180명을 대상으로 하여 모델링하였다.In the case of (i), a total of 178 subjects were modeled, excluding 2 subjects in which no microorganisms of the genus Rosia were detected, and in the case of (ii), a total of 108 subjects, excluding 72 subjects in which no microorganisms of the genus Rosia were detected, were modeled. In the case of (iii), missing values of microorganisms of the genus Rosia and microorganisms of the genus Bacillus were replaced with log 2 RC and log 2 BC minimum values, respectively, and all 180 subjects were modeled.
이때 (i)의 선형 회귀 모델을 실시예 2로 하였으며, (ii)의 선형 회귀 모델은 실시예 3, (iii)의 선형 회귀 모델을 실시예 4로 하였다.At this time, the linear regression model of (i) was Example 2, and the linear regression model of (ii) was Example 3, and the linear regression model of (iii) was Example 4.
또한, 실시예 5의 경우에는, (i), (ii) 및 (iii)의 혼합 모델로서, 구체적으로, 로시아 속 및 바실러스 속 미생물이 결측된 경우에는 (i)의 선형 회귀 모델을 사용하고 바실러스 속 미생물이 결측된 경우에는 (ii)의 선형 회귀 모델을 사용, 결측값이 없는 경우에는 (iii)의 선형 회귀 모델을 사용하는 혼합 모델을 실시예 5로 하였다.In addition, in the case of Example 5, as a mixed model of (i), (ii) and (iii), specifically, when the microorganisms of the genus Rosia and the genus Bacillus are missing, the linear regression model of (i) is used, Example 5 was a mixed model in which the linear regression model of (ii) was used when the Bacillus genus microorganism was missing, and the linear regression model of (iii) was used when there was no missing value.
[시험예 3] 선형 회귀 모델에 의한 피부 나이 예측의 오차 정도 확인[Test Example 3] Confirmation of Error in Skin Age Prediction by Linear Regression Model
상기 실시예 1 내지 5를 통한 피부 나이 예측 선형 회귀 모델 수립에 사용되지 않은 20대 남녀 14명 (남 1, 여 13), 30대 남녀 24명 (남 8, 여 16), 40대 남녀 26명 (남 1, 여 25명) 총 64명의 피부 미생물 시료를 사용하여, 상기 실시예 2 내지 5의 선형 회귀 모델의 나이 예측의 오차 정도를 측정하였다. 이때 64명의 피부 미생물 시료는 상기 시험예 1에서의 피부 미생물 시료 채취와 동일한 방법에 의해 채취 및 분석, 그 결과는 도 3과 하기 표 2 및 3에 나타내었다.14 males and females in their 20s (1 male, 13 females), 24 males and females in their 30s (8 males, 16 females), 26 males and females in their 40s who were not used to establish the skin age prediction linear regression model through Examples 1 to 5 (1 male, 25 females) Using skin microorganism samples from a total of 64 people, the degree of error in predicting the age of the linear regression models of Examples 2 to 5 was measured. At this time, 64 skin microbial samples were collected and analyzed by the same method as the skin microbial sample collection in Test Example 1, and the results are shown in FIG. 3 and Tables 2 and 3 below.
도 3과 표 2 및 3의 결과로부터, 실시예 2의 선형 회귀 모델 및 실시예 2, 3 및 4의 혼합 모델인 실시예 5의 모델에 의한 나이 예측이 오차 정도가 상대적으로 낮은 것을 확인할 수 있었으며, 특히 혼합 모델인 실시예 5에 의한 나이 예측이 오차 정도가 가장 낮은 것을 확인할 수 있었다.From the results of FIG. 3 and Tables 2 and 3, it was confirmed that the age prediction by the linear regression model of Example 2 and the model of Example 5, which is a mixed model of Examples 2, 3 and 4, had a relatively low degree of error. , in particular, it was confirmed that the age prediction by Example 5, which is a mixed model, had the lowest degree of error.
[시험예 4] 선형 회귀 모델에 의하여 예측된 피부 나이와 피지량의 상관 관계 분석 (모델 수립 데이터)[Test Example 4] Correlation analysis between skin age and sebum amount predicted by linear regression model (model establishment data)
상기 실시예 1 내지 5를 통한 피부 나이 예측 선형 회귀 모델 수립에 사용된 총 180명의 피부 미생물 시료를 사용하여, 실제 나이 및 상기 실시예 2 내지 5의 선형 회귀 모델에 의하여 예측된 피부 나이와 피지량(sebum)의 상관 관계를 분석하였다. 이때, 피지량은 세안한 뒤 항온습실에서 15분 이상 대기한 후 Sebumeter를 이용하여 뺨에서 측정한 값 (μg/cm2)을 사용하였다. Skin age and sebum amount ( sebum) was analyzed. At this time, the amount of sebum was measured on the cheek using a Sebumeter after waiting for more than 15 minutes in a constant temperature and humidity room after washing the face ( μ g / cm 2 ) was used.
그 결과는 도 4 및 하기 표 4에 나타내었다.The results are shown in Figure 4 and Table 4 below.
도 4 및 표 4의 결과로부터, 실시예 2 내지 5의 선형 회귀 모델에 의하여 예측된 피부 나이도 실제 나이와 마찬가지로 피지량에 있어서 음의 상관관계를 나타내며, 특히 실시예 4 및 5의 선형 회귀 모델에 의하여 예측된 피부 나이와 피지량의 상관 계수가 가장 높은 것을 확인할 수 있었다.From the results of FIG. 4 and Table 4, the skin age predicted by the linear regression model of Examples 2 to 5 also shows a negative correlation in the amount of sebum, like the actual age, and in particular, the linear regression model of Examples 4 and 5 It was confirmed that the correlation coefficient between the predicted skin age and sebum amount was the highest.
[시험예 5] 선형 회귀 모델에 의하여 예측된 피부 나이와 피지량의 상관 관계 분석 (외부 데이터)[Test Example 5] Correlation analysis between skin age and sebum amount predicted by linear regression model (external data)
상기 실시예 1 내지 5를 통한 피부 나이 예측 선형 회귀 모델 수립에 사용되지 않은 20대 남녀 14명 (남 1, 여 13), 30대 남녀 24명 (남 8, 여 16), 40대 남녀 26명 (남 1, 여 25명) 64명의 피부 미생물 시료를 사용하여, 실제 나이 및 상기 실시예 2 내지 5의 선형 회귀 모델에 의하여 예측된 피부 나이와 피지량(sebum)의 상관 관계를 분석하였다. 이때, 피지량은 세안한 뒤 항온습실에서 15분 이상 대기한 후 Sebumeter를 이용하여 뺨에서 측정한 값 (μg/cm2)을 사용하였다.14 males and females in their 20s (1 male, 13 females), 24 males and females in their 30s (8 males, 16 females), 26 males and females in their 40s who were not used to establish the skin age prediction linear regression model through Examples 1 to 5 Using 64 skin microorganism samples (1 male, 25 females), the correlation between actual age and skin age predicted by the linear regression model of Examples 2 to 5 and sebum amount was analyzed. At this time, the amount of sebum was measured on the cheek using a Sebumeter after waiting for more than 15 minutes in a constant temperature and humidity room after washing the face ( μ g / cm 2 ) was used.
그 결과는 도 5 및 하기 표 5에 나타내었다.The results are shown in Figure 5 and Table 5 below.
도 5 및 표 5의 결과로부터, 실시예 2 내지 5의 선형 회귀 모델에 의하여 예측된 피부 나이도 실제 나이와 마찬가지로 피지량에 있어서 음의 상관관계를 나타내며, 그 중에서도 실시예 2 및 5의 모델에 의하여 예측된 피부 나이의 경우 실제 나이와 비슷한 수준의 상관 관계를 나타냄을 확인할 수 있었다. 특히, 실시예 5의 선형 회귀 모델에 의하여 예측된 피부 나이의 경우에는 통계적으로 유의한 수준 (P < 0.05)에서 실제 나이보다도 피지량과의 상관 계수가 높은 것을 확인할 수 있었다.From the results of FIG. 5 and Table 5, the skin age predicted by the linear regression model of Examples 2 to 5 also shows a negative correlation in the amount of sebum, just like the actual age. It was confirmed that the predicted skin age showed a similar level of correlation with the actual age. In particular, in the case of the skin age predicted by the linear regression model of Example 5, it was confirmed that the correlation coefficient with the sebum amount was higher than the actual age at a statistically significant level ( P < 0.05).
Claims (18)
(2) 상기 채취된 피부 미생물 시료 내의 프로테오박테리아 (Proteobacteria) 문, 큐티박테리움 속 (Cutibacterium sp.), 로시아 속 (Rothia sp.) 및 바실러스 속 (Bacillus sp.) 중에서 선택된 2종 이상의 미생물의 서열을 증폭하여 상기 미생물을 정량 분석하는 단계; 및
(3) 상기 선택된 2종 이상의 미생물의 정량비로부터 대상체의 피부 나이를 예측하는 단계;
를 포함하는, 피부 나이 예측 방법.(1) collecting a skin microorganism sample from the skin of a subject;
(2) Two or more microorganisms selected from among Proteobacteria, Cutibacterium sp. , Rothia sp. and Bacillus sp. in the collected skin microbial sample Quantitatively analyzing the microorganism by amplifying the sequence of; and
(3) predicting the skin age of the subject from the quantitative ratio of the two or more selected microorganisms;
Including, skin age prediction method.
정량 PCR (quantitative PCR) 또는 차세대염기서열분석 (next generation sequencing, NGS) 방법을 이용하여 미생물의 서열을 증폭하는, 피부 나이 예측 방법.The method of claim 1, wherein in step (2),
A method for predicting skin age by amplifying microbial sequences using quantitative PCR or next generation sequencing (NGS) methods.
상기 채취된 피부 미생물 시료 내의 프로테오박테리아(Proteobacteria) 문, 로시아 속 (Rothia sp.) 및 바실러스 속 (Bacillus sp.) 중에서 선택된 1종 이상의 미생물; 및 큐티박테리움 속 (Cutibacterium sp.) 미생물의 서열을 증폭하여 상기 미생물을 정량 분석하는, 피부 나이 예측 방법.The method of claim 1, wherein in step (2),
Proteobacteria (Proteobacteria) phylum, Rosia genus ( Rothia sp. ) and Bacillus genus ( Bacillus sp. ) in the collected skin microbial sample; And Cutibacterium genus ( Cutibacterium sp. ) By amplifying the sequence of the microorganism to quantitatively analyze the microorganism, skin age prediction method.
상기 큐티박테리움 속 (Cutibacterium sp.) 미생물이 피부 나이와 음의 상관관계를 나타내는 것, 상기 프로테오박테리아(Proteobacteria) 문, 로시아 속 (Rothia sp.) 및 바실러스 속 (Bacillus sp.) 중에서 선택된 1종 이상의 미생물이 피부 나이와 양의 상관관계를 나타내는 것을 이용하여 대상체의 피부 나이를 예측하는, 피부 나이 예측 방법.The method of claim 1, wherein in step (3),
The Cutibacterium genus ( Cutibacterium sp. ) Microorganisms exhibiting a negative correlation with skin age, the Proteobacteria (Proteobacteria) phylum, Rosia genus ( Rothia sp. ) and Bacillus genus ( Bacillus sp. ) selected from A method for predicting skin age, wherein one or more microorganisms predict a skin age of a subject using a positive correlation with skin age.
상기 단계 (3)에서 상기 미생물의 정량비는 다음 중 하나 이상의 로그 스케일(log scale)로 변환되어 정규화되는, 피부 나이 예측 방법:
(i) log2CP=log2((Cutibacterium sp.)/(Proteobacteria));
(ii) log2RC=log2((Rothia sp.)/(Cutibacterium sp.));
(iii) log2BC=log2((Bacillus sp.)/(Cutibacterium sp.));
여기서, (Cutibacterium sp.), (Proteobacteria), (Rothia sp.) 및 (Bacillus sp.)는 각각 큐티박테리움 속 미생물, 프로테오박테리아 문 미생물, 로시아 속 미생물 및 바실러스 속 미생물의 정량 분석 결과 값을 의미한다.According to claim 1,
In the step (3), the quantitative ratio of the microorganisms is normalized by converting to one or more of the following log scales, skin age prediction method:
(i) log 2 CP=log 2 (( Cutibacterium sp. )/(Proteobacteria));
(ii) log 2 RC=log 2 (( Rothia sp. )/( Cutibacterium sp. ));
(iii) log 2 BC=log 2 (( Bacillus sp. )/( Cutibacterium sp. ));
Here, ( Cutibacterium sp. ), (Proteobacteria), ( Rothia sp. ) and ( Bacillus sp. ) are the results of quantitative analysis of microorganisms of the genus Cutibacterium, microorganisms of the phylum Proteobacteria, microorganisms of the genus Rosia and microorganisms of the genus Bacillus, respectively. means
다음 중 하나 이상의 선형 회귀 모델을 이용하여 대상체의 피부 나이를 예측하는, 피부 나이 예측 방법:
(i) y = -1.9318*log2CP + 40.4767;
(ii) y = -0.7695*log2CP + 1.6986*log2RC + 55.7376;
(iii) y = -0.8064*log2CP + 1.0166*log2RC + 1.0567*log2BC + 61.8824The method of claim 5, wherein in step (3),
A skin age prediction method, wherein the skin age of a subject is predicted using one or more of the following linear regression models:
(i) y = -1.9318*log 2 CP + 40.4767;
(ii) y = -0.7695*log 2 CP + 1.6986*log 2 RC + 55.7376;
(iii) y = -0.8064*log 2 CP + 1.0166*log 2 RC + 1.0567*log 2 BC + 61.8824
상기 단계 (2)에서 로시아 속 미생물 및 바실러스 속 미생물의 정량 분석 결과 값이 결측된 경우, 상기 단계 (3)에서는 (i)의 선형 회귀 모델을 이용하여 대상체의 피부 나이를 예측하는, 피부 나이 예측 방법.According to claim 6,
When the quantitative analysis result of the microorganisms of the genus Rosia and the microorganisms of the genus Bacillus are missing in the step (2), the skin age of the subject is predicted using the linear regression model of (i) in the step (3), skin age prediction method.
상기 단계 (2)에서 바실러스 속 미생물의 정량 분석 결과 값이 결측된 경우, 상기 단계 (3)에서는 (ii)의 선형 회귀 모델을 이용하여 대상체의 피부 나이를 예측하는, 피부 나이 예측 방법.According to claim 6,
When the quantitative analysis result of the microorganism of the genus Bacillus is missing in the step (2), the skin age of the subject is predicted using the linear regression model of (ii) in the step (3). Method for predicting skin age.
상기 단계 (2)에서 정량 분석 결과 값이 결측된 미생물이 없는 경우, 상기 단계 (3)에서는 (iii)의 선형 회귀 모델을 이용하여 대상체의 피부 나이를 예측하는, 피부 나이 예측 방법.According to claim 6,
If there is no microorganism whose quantitative analysis result value is missing in step (2), skin age prediction method of predicting the skin age of the subject using the linear regression model of (iii) in step (3).
상기 시료 채취부에서 획득된 피부 미생물 시료 내의 프로테오박테리아(Proteobacteria) 문, 큐티박테리움(Cutibacterium sp.) 속, 로시아(Rothia sp.) 속 및 바실러스(Bacillus sp.) 속 중에서 선택된 2종 이상의 미생물의 서열을 증폭하여 상기 미생물을 정량 분석하는 미생물 분석부; 및
상기 미생물 분석부에서 분석된 2종 이상의 미생물의 정량비로부터 대상체의 피부 나이를 예측하는 나이 예측부;
를 포함하는, 피부 나이 예측 키트.a sample collection unit that obtains a skin microorganism sample from the skin of a subject;
Two or more species selected from the genus Proteobacteria, the genus Cutibacterium sp. , the genus Rothia sp. , and the genus Bacillus sp. in the skin microbial sample obtained from the sampling unit Microorganism analysis unit for quantitatively analyzing the microorganisms by amplifying the sequence of the microorganisms; and
an age prediction unit for predicting a skin age of a subject from a quantitative ratio of two or more types of microorganisms analyzed by the microorganism analysis unit;
Containing, skin age prediction kit.
정량 PCR (quantitative PCR) 또는 차세대염기서열분석 (next generation sequencing, NGS) 방법을 이용하여 미생물의 서열을 증폭하는, 피부 나이 예측 키트.11. The method of claim 10, wherein the microorganism analysis unit,
A skin age prediction kit that amplifies microbial sequences using quantitative PCR or next generation sequencing (NGS) methods.
상기 피부 미생물 시료 내의 프로테오박테리아(Proteobacteria) 문, 로시아(Rothia sp.) 속 및 바실러스(Bacillus sp.) 속 중에서 선택된 1종 이상의 미생물; 및 큐티박테리움(Cutibacterium sp.) 속 미생물의 서열을 증폭하여 상기 미생물을 정량 분석하는, 피부 나이 예측 키트.11. The method of claim 10, wherein the microorganism analysis unit,
At least one microorganism selected from the genus Proteobacteria, Rothia sp., and Bacillus sp. in the skin microbial sample; And Cutibacterium ( Cutibacterium sp. ) A skin age prediction kit for quantitatively analyzing the microorganism by amplifying the sequence of the genus microorganism.
상기 큐티박테리움 속 (Cutibacterium sp.) 미생물이 피부 나이와 음의 상관관계를 나타내는 것, 상기 프로테오박테리아(Proteobacteria) 문, 로시아 속 (Rothia sp.) 및 바실러스 속 (Bacillus sp.) 중에서 선택된 1종 이상의 미생물이 피부 나이와 양의 상관관계를 나타내는 것을 이용하여 대상체의 피부 나이를 예측하는, 피부 나이 예측 키트.11. The method of claim 10, wherein the age prediction unit,
The Cutibacterium genus ( Cutibacterium sp. ) Microorganisms exhibiting a negative correlation with skin age, the Proteobacteria (Proteobacteria) phylum, Rosia genus ( Rothia sp. ) and Bacillus genus ( Bacillus sp. ) selected from A skin age prediction kit for predicting the skin age of a subject by using that one or more microorganisms show a positive correlation with skin age.
상기 2종 이상의 미생물의 정량비는 다음 중 하나 이상의 로그 스케일(log scale)로 변환되어 정규화되는, 피부 나이 예측 키트:
(i) log2CP=log2((Cutibacterium sp.)/(Proteobacteria));
(ii) log2RC=log2((Rothia sp.)/(Cutibacterium sp.));
(iii) log2BC=log2((Bacillus sp.)/(Cutibacterium sp.));
여기서, (Cutibacterium sp.), (Proteobacteria), (Rothia sp.) 및 (Bacillus sp.)는 각각 큐티박테리움 속 미생물, 프로테오박테리아 문 미생물, 로시아 속 미생물 및 바실러스 속 미생물의 정량 분석 결과 값을 의미한다.According to claim 10,
The quantitative ratio of the two or more microorganisms is normalized by converting to one or more of the following log scales, skin age prediction kit:
(i) log 2 CP=log 2 (( Cutibacterium sp. )/(Proteobacteria));
(ii) log 2 RC=log 2 (( Rothia sp. )/( Cutibacterium sp. ));
(iii) log 2 BC=log 2 (( Bacillus sp. )/( Cutibacterium sp. ));
Here, ( Cutibacterium sp. ), (Proteobacteria), ( Rothia sp. ) and ( Bacillus sp. ) are the results of quantitative analysis of microorganisms of the genus Cutibacterium, microorganisms of the phylum Proteobacteria, microorganisms of the genus Rosia and microorganisms of the genus Bacillus, respectively. means
다음 중 하나 이상의 선형 회귀 모델을 이용하여 대상체의 피부 나이를 예측하는, 피부 나이 예측 키트:
(i) y = -1.9318*log2CP + 40.4767;
(ii) y = -0.7695*log2CP + 1.6986*log2RC + 55.7376;
(iii) y = -0.8064*log2CP + 1.0166*log2RC + 1.0567*log2BC + 61.8824.The method of claim 14, wherein the age prediction unit,
A skin age prediction kit that predicts the skin age of a subject using one or more of the following linear regression models:
(i) y = -1.9318*log 2 CP + 40.4767;
(ii) y = -0.7695*log 2 CP + 1.6986*log 2 RC + 55.7376;
(iii) y = -0.8064*log 2 CP + 1.0166*log 2 RC + 1.0567*log 2 BC + 61.8824.
상기 미생물 분석부에서 로시아 속 미생물 및 바실러스 속 미생물의 정량 분석 결과 값이 결측된 경우, 상기 나이 예측부는 (i)의 선형 회귀 모델을 이용하여 대상체의 피부 나이를 예측하는, 피부 나이 예측 키트.According to claim 15,
When the quantitative analysis result of the microorganisms of the genus Rosia and the microorganisms of the genus Bacillus is missing in the microorganism analysis unit, the age prediction unit predicts the skin age of the subject using the linear regression model of (i) Skin age prediction kit.
상기 미생물 분석부에서 바실러스 속 미생물의 정량 분석 결과 값이 결측된 경우, 상기 나이 예측부는 (ii)의 선형 회귀 모델을 이용하여 대상체의 피부 나이를 예측하는, 피부 나이 예측 키트.According to claim 15,
Skin age prediction kit, wherein the age prediction unit predicts the skin age of the subject using the linear regression model of (ii) when the value of the quantitative analysis of the microorganisms of the genus Bacillus is missing in the microorganism analysis unit.
상기 미생물 분석부에서 정량 분석 결과 값이 결측된 미생물이 없는 경우, 상기 나이 예측부는 (iii)의 선형 회귀 모델을 이용하여 대상체의 피부 나이를 예측하는, 피부 나이 예측 키트.According to claim 15,
When there is no microorganism whose quantitative analysis result value is missing in the microorganism analysis unit, the age prediction unit predicts the skin age of the subject using the linear regression model of (iii), skin age prediction kit.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210116907A KR20230033922A (en) | 2021-09-02 | 2021-09-02 | Method for predicting skin age using microbiome |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210116907A KR20230033922A (en) | 2021-09-02 | 2021-09-02 | Method for predicting skin age using microbiome |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20230033922A true KR20230033922A (en) | 2023-03-09 |
Family
ID=85511550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210116907A KR20230033922A (en) | 2021-09-02 | 2021-09-02 | Method for predicting skin age using microbiome |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20230033922A (en) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200121692A (en) | 2019-04-16 | 2020-10-26 | 아이이씨코리아 주식회사 | Method and apparatus for estimating age of skin |
-
2021
- 2021-09-02 KR KR1020210116907A patent/KR20230033922A/en unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200121692A (en) | 2019-04-16 | 2020-10-26 | 아이이씨코리아 주식회사 | Method and apparatus for estimating age of skin |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107922979B (en) | Method for evaluating physical condition, method for presenting information, and method for screening substance for improving or preventing physical condition | |
CN105209918B (en) | Biomarker authentication method and system | |
Galimanas et al. | Bacterial community composition of chronic periodontitis and novel oral sampling sites for detecting disease indicators | |
EP2994753B1 (en) | Method and system for assessing health condition | |
EP3483266A1 (en) | Intraoral examination method | |
CN109234385A (en) | Detect the primer sets and kit of Alzheimer's disease gene mutation | |
Kim et al. | Comparison of the oral microbial composition between healthy individuals and periodontitis patients in different oral sampling sites using 16S metagenome profiling | |
KR20230033922A (en) | Method for predicting skin age using microbiome | |
CN111261222B (en) | Construction method of oral microbial community detection model | |
CN113257344A (en) | Method for establishing cell state evaluation model | |
CN107058561A (en) | Self-closing disease biomarker and its application | |
Alsherees et al. | Molecular study of Proteus mirabilis bacteria isolated from urine and wounds in hospitals Al-Najaf province | |
Toyama et al. | Features of the oral microbiome in Japanese elderly people with 20 or more teeth and a non-severe periodontal condition during periodontal maintenance treatment: A cross-sectional study | |
JP7263684B2 (en) | Machine learning device, trained model, data structure, periodontal disease test method, periodontal disease test system and periodontal disease test kit | |
EP4229223B1 (en) | Development of a personalised periodontitis score for patient risk stratification and targeted therapy | |
Sripong | Pre-analytical Associated Factors of Foreign DNA Detection Beneath Deceased’s Fingernails | |
WO2019004400A1 (en) | Method for determining presence or absence of caries or risk of development thereof, and biomarker | |
JP2023104356A (en) | Method for measuring higher brain functions | |
KR20230038042A (en) | Method for predicting risk of dental caries | |
Kumar et al. | Age estimation by telomere length by Rt PCR method in south Delhi Random Population-a pilot study | |
Bakiri et al. | Identity Detection of Streptococcus Mutans in Saliva Using PCR Technique. | |
JP2023104355A (en) | Method for measuring memory function | |
CN114686606A (en) | Skin care recommendation method and system based on skin flora | |
Usuga-Vacca et al. | Association of Root Biofilm Bacteriome with Root Caries Lesion Severity and Activity | |
Bishop | Document Title: Estimating Postmortem Interval: A Molecular Approach |