JP7208223B2 - 疾患関連マイクロバイオーム特徴解析プロセス - Google Patents
疾患関連マイクロバイオーム特徴解析プロセス Download PDFInfo
- Publication number
- JP7208223B2 JP7208223B2 JP2020509005A JP2020509005A JP7208223B2 JP 7208223 B2 JP7208223 B2 JP 7208223B2 JP 2020509005 A JP2020509005 A JP 2020509005A JP 2020509005 A JP2020509005 A JP 2020509005A JP 7208223 B2 JP7208223 B2 JP 7208223B2
- Authority
- JP
- Japan
- Prior art keywords
- kegg3
- metabolism
- genus
- species
- microbiome
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
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
- 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
-
- 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
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
-
- 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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Organic Chemistry (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biotechnology (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Microbiology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Bioethics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medicinal Chemistry (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Description
関連出願の相互参照
本出願は、各々参照により全体を本明細書に援用する２０１７年１１月０６日に出願された米国特許仮出願番号第６２／５８２１９１号、２０１７年８月１４日に出願された米国特許仮出願番号第６２／５４５０３９号、及び２０１８年４月１６日に出願された米国特許仮出願番号第６２／６５８３０８号の利益を主張する。
本出願は、各々参照により全体を本明細書に援用する２０１７年１１月０６日に出願された米国特許仮出願番号第６２／５８２１９１号、２０１７年８月１４日に出願された米国特許仮出願番号第６２／５４５０３９号、及び２０１８年４月１６日に出願された米国特許仮出願番号第６２／６５８３０８号の利益を主張する。
本開示は、全般的に、ゲノム科学及び微生物学に関連する。
マイクロバイオームはある生物に伴う片利共生性微生物、相利共生性微生物、及び病原性微生物の生態群集を含み得る。ヒトマイクロバイオームの特徴解析（characterization）は複雑な過程である。ヒトマイクロバイオームにはヒト細胞の１０倍を超える微生物細胞が含まれるが、ヒトマイクロバイオームの特徴解析は、試料処理技術の限界、遺伝的分析技術の限界、及び大量データ処理のためのリソースの限界等のために、未だに初期の段階にある。複数の健康状態についてのマイクロバイオーム集団の役割が現在の知識から明確になっており、この知識はヒトの疾患発症における宿主の遺伝的因子と環境的因子の理解をますます高めるものとなっている。マイクロバイオームは多くの健康／疾患関連状態（例えば、出産準備、糖尿病、自己免疫障害、胃腸障害、リウマチ性障害、神経障害等）において少なくとも部分的な役割を果たすと考えられている。さらに、マイクロバイオームは、ヒト、植物、及び／又は動物の健康に対する環境因子の効果を媒介する可能性がある。対象の健康への影響にマイクロバイオームが深く関わっていることを考慮すると、マイクロバイオームの特徴解析、その特徴解析からの理解、及び共生バランス失調状態を改良するように構成されている治療法の作成に関して努力する必要がある。しかしながら、ヒトマイクロバイオームを分析し、且つ／又は得られた理解に基づいて治療手段を提供するための現行の方法とシステム（ｓｙｓｔｅｍ：系）には、多くの疑問が答えられずに残されている。
したがって、例えば個人単位及び／又は集団単位で使用するための、１種類又は複数種類の、微生物に関連する健康状態及び／又は対応関係（例えば、微生物及び／又は状態に関連する特定の特徴等）を、特徴解析する、監視する、診断する、及び／又は介入するための、新規且つ有用な方法及び／又は系の必要性が、微生物学の分野に存在する。
以下の本実施形態の説明はこれらの実施形態を限定することを意図しておらず、むしろ当業者がこれらの実施形態を実施及び使用できるようにすることを意図している。
１．大要
図１に示されるように、１種類又は複数種類の、微生物が関連する状態（例えば、疾患関連状態、ヒト行動状態等）を特徴解析するための方法１００の実施形態は、対象群に関連する微生物データセット（例えば、微生物配列データセット、微生物配列データセット等に基づくマイクロバイオーム構成多様性データセット、微生物配列データセット等に基づくマイクロバイオーム機能多様性データセット等）を決定すること（Ｓ１１０）、及び、マイクロバイオーム特徴解析モジュールセットを用いて解析技術を適用することにより前記微生物データセットに基づいて（例えば、前記微生物データセットに由来するマイクロバイオーム特徴等に基づいて）１種類又は複数種類の微生物関連状態（例えば、ヒト行動状態、疾患関連状態等）について特徴解析プロセス（例えば、前処理、特徴生成、特徴処理、複数の採取部位についてのマルチサイト特徴解析、複数種類の微生物関連状態についての相互分析、モデル作成等）を実施すること（Ｓ１３０）を含み得る。
図１に示されるように、１種類又は複数種類の、微生物が関連する状態（例えば、疾患関連状態、ヒト行動状態等）を特徴解析するための方法１００の実施形態は、対象群に関連する微生物データセット（例えば、微生物配列データセット、微生物配列データセット等に基づくマイクロバイオーム構成多様性データセット、微生物配列データセット等に基づくマイクロバイオーム機能多様性データセット等）を決定すること（Ｓ１１０）、及び、マイクロバイオーム特徴解析モジュールセットを用いて解析技術を適用することにより前記微生物データセットに基づいて（例えば、前記微生物データセットに由来するマイクロバイオーム特徴等に基づいて）１種類又は複数種類の微生物関連状態（例えば、ヒト行動状態、疾患関連状態等）について特徴解析プロセス（例えば、前処理、特徴生成、特徴処理、複数の採取部位についてのマルチサイト特徴解析、複数種類の微生物関連状態についての相互分析、モデル作成等）を実施すること（Ｓ１３０）を含み得る。
前記方法１００の実施形態は加えて、又は代替として前記対象群の１種類又は複数種類の微生物関連状態に関連する（例えば、それらの微生物関連状態についての情報を与える、それらの状態を説明する、それらの状態を示す、それらの状態と相関する等の）補足データセット（例えば、前記ユーザーの医学的状態の履歴などの１又は複数の特徴を説明する補足データセット等）を処理すること（Ｓ１２０）、１種類又は複数種類の微生物関連状態を予防、改善、及び／又はそれら以外では抑制するための治療法を決定するための治療モデルを決定すること（Ｓ１４０）、ユーザー（例えば、対象、ヒト、動物、患者等）に関連する１又は複数の生体試料を処理すること（Ｓ１５０）、前記ユーザーの前記生体試料に由来するユーザー微生物データセット（例えば、ユーザー微生物配列データセット、ユーザーマイクロバイオーム構成データセット、ユーザーマイクロバイオーム機能データセット等）の処理に基づく前記ユーザーに対する微生物関連特徴解析（例えば、ヒト行動特徴解析、疾患関連特徴解析等）を前記特徴解析プロセスにより決定すること（Ｓ１６０）、（例えば、前記微生物関連特徴解析、及び／又は治療モデル等に基づいて）前記ユーザーの１種類又は複数種類の微生物関連状態に対する治療介入を促進すること（Ｓ１７０）、前記ユーザーに対する前記治療法に関連するマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴を経時的に評価するために生体試料の処理に基づいて前記ユーザーに対する前記治療法の有効性を監視すること（Ｓ１８０）、及び／又は他のあらゆる適切な操作のうちの１つ、又は複数を含み得る。
前記方法１００及び／又は前記系２００の実施形態は、１又は複数のマイクロバイオーム特徴解析モジュール（例えば、１又は複数の解析技術等を適用するためのモジュール）を適用することにより治療介入の促進等（例えば、治療法選択、治療の推進及び／又は提供、治療監視、治療評価等）のために微生物関連状態、及び／又は微生物関連状態に関連してユーザー（例えば、ヒト行動状態、疾患関連状態等）を特徴解析（例えば、査定、評価、診断、説明等）するように機能し得る。一例において、前記方法１００は、一セットの対象群に関連する生体試料に由来する微生物核酸群に基づいて、前記一セットの対象群に関連する微生物配列データセットを決定すること、ここで前記微生物核酸群は、微生物が関連する複数種類の状態に関連する；前記微生物配列データセットに基づいて、マイクロバイオーム特徴解析モジュールセットを用いて、一セットの解析技術群（例えば、単変量統計検定などの統計的検定、次元削減法、人工知能アプローチ、本明細書に記載される別のアプローチ等のうちの少なくとも１つ）を適用することにより、一セットのマイクロバイオーム特徴群を決定すること；前記一セットのマイクロバイオーム特徴群（及び／又は他のあらゆる適切なデータ）に基づいて微生物関連状態のモデル（例えば、表現型予測、例えば前記微生物関連状態についてのユーザーの傾向スコアの推定のためのモデル等）を作製すること、及び、前記微生物関連状態のモデル及び前記ユーザー由来の試料に基づいて（例えば、前記微生物関連状態のモデルと共に使用するためのユーザーマイクロバイオーム特徴値を作製するための試料処理及び演算処理等を介して）、ユーザーについての前記微生物関連状態の特徴解析結果を決定すること、を含み得る。
加えて、又は代替として、前記方法１００及び／又は前記系２００の実施形態は、例えばユーザーを特徴解析、診断、及び／又は治療する上で複数種類の微生物関連状態のために（例えば、複数種類の微生物関連状態の特徴解析等のために）相互分析（例えば、１又は複数のマイクロバイオーム特徴解析モジュールを使用する相互分析等）を実施するように機能し得る。一例において、前記方法１００は、前記対象群に関連する生体試料群に由来する微生物核酸群であって、前記複数種類の微生物関連状態に関連する前記微生物核酸群（例えば、前記複数種類の微生物関連状態のうちの２つ以上と相関するマイクロバイオーム特徴に関連する前記微生物核酸群等）に基づいて、前記一セットの対象群に関連する微生物配列データセットを決定すること；前記微生物配列データセットに基づいて、一セットのマイクロバイオーム特徴解析モジュール群を用いて、一セットの多状態マイクロバイオーム特徴群を決定すること、ここで前記一セットの多状態マイクロバイオーム特徴群のうちのそれぞれの多状態マイクロバイオーム特徴は、前記複数種類の微生物関連状態（例えば、関連度、相関性、共分散の点で複数種類の微生物関連状態にわたって共通の特徴等）のうちの２つ以上の微生物関連状態に関連する；ユーザーに対して、前記一セットの多状態マイクロバイオーム特徴群及び前記ユーザー由来の試料に基づいて、前記複数種類の微生物関連状態（例えば、前記複数種類の微生物関連状態のうちの部分集合、全て等）のうちの複数の微生物関連状態について多状態特徴解析結果を決定すること；及び前記多状態特徴解析に基づいて、前記複数種類の微生物関連状態のうちの前記複数の微生物関連状態に対する治療介入を促進すること、を含み得る。
加えて、又は代替として、前記方法１００及び／又は前記系２００の実施形態は（例えば、診断過程、治療過程等のための）バイオマーカーとして使用すること等のために様々な微生物関連状態に関連するマイクロバイオーム特徴を特定し得る。例において、微生物関連特徴解析はユーザーマイクロバイオーム構成（例えば、マイクロバイオーム構成多様性等）、マイクロバイオーム機能（例えば、マイクロバイオーム機能多様性等）、及び／又は他の適切なマイクロバイオーム関連態様のうちの少なくとも１又は複数に関連し得る。
加えて、又は代替として、実施形態は、関連の治療法（例えば、腸、皮膚、鼻、口、生殖器などの特定の生理的部位、他の適切な生理的部位、他の採取部位等に関する治療法）を推進すること等により微生物関連状態に対する治療介入を促進するように機能し得る。加えて、又は代替として、実施例はモデル（例えば、表現型予測及び／又は予測スコア等のためのマイクロバイオーム特徴解析モジュール、特徴処理等のための機械学習モデル等）、例えばユーザーのマイクロバイオームに基づいて（例えば、臨床診断、コンパニオン診断等として、ユーザーマイクロバイオーム特徴に基づいて）前記ユーザーを特徴解析及び／又は診断するために使用可能なモデルや１種類又は複数種類の微生物関連状態に関連して対象に対する治療法（例えば、プロバイオティクスベースの治療法、ファージベースの治療法、低分子ベースの治療法、臨床手法等）を選択及び／又は提供するために使用可能なモデルを作成するために機能し得る。加えて、又は代替として、実施形態は本明細書に記載されるあらゆる適切な機能を実施することができる。
したがって、対象群由来のデータ（例えば、１種類又は複数種類の微生物関連状態に関連するデータ等）は後のユーザーを特徴解析するため、例えば微生物関連の健康状態及び／又は改善領域を示すために、及び／又は治療介入の促進すること（例えば、１又は複数の治療法を推進すること、所望の平衡状態セットのうちの１つ、又は複数の状態、例えば１種類又は複数種類の微生物関連状態に関連する改善された健康状態と相関する状態に向けてユーザーのマイクロバイオームの構成多様性及び／又は機能多様性の改変を促進すること等）のために１又は複数のマイクロバイオーム特徴解析モジュール（例えば、モデル作成等のためのモジュール）により処理され得る。前記方法１００の変形例はさらに例えば経時的な（例えば、治療計画の期間、ユーザーが微生物関連状態を有している期間等にわたる）対象由来の追加資料及び／又は（例えば、特徴解析が複数の状態の相互特徴解析を含み得る場合等に）１種類又は複数種類の微生物関連状態についての複数の採取部位にわたる追加試料の採取と（例えば、マイクロバイオーム特徴解析モジュールによる）分析を介してユーザーに加えられる治療法の選択、監視（例えば、効力の監視等）、及び／又は調節を促進することができる。しかしながら、集団、部分集団、個体、及び／又は他の適切な存在に由来するデータは、あらゆる適切な目的のために、前記方法１００や前記系２００のあらゆる適切な部分によって使用可能である。
前記方法１００及び／又は前記系２００の実施形態は、好ましくは、１種類又は複数種類の微生物関連状態についての特徴解析及び／又は治療法を作成及び／又は推進すること（例えば、提供すること、提示すること、通知すること等）ができ、前記特徴解析及び／又は治療法は疾患、症状、原因（例えば、誘因等）、障害、付随するリスク（例えば、傾向スコア等）、付随する重症度、行動（例えば、カフェイン消費、習慣、食事等）、及び／又は微生物関連状態に関連する他のあらゆる適切な態様のうちの１つ、又は複数を含み得る。微生物関連状態は１種類又は複数種類の疾患関連状態を含むことができ、それらの状態には皮膚関連状態（例えば、にきび、皮膚筋炎、湿疹、酒さ、乾燥肌、乾癬、ふけ症、光過敏症、鮫肌、痒み、皮膚剥離、鱗皮剥落、皮膚剥落、細い線又はひび割れ、浅黒い皮膚を有する個体での灰色の皮膚、発赤、出血し、感染症につながり得るひび割れなどの深いひび割れ、頭皮の痒み及び鱗皮剥落、刺激を伴う油性肌などの油性肌、ヘアケア製品などの製品への皮膚過敏症、頭皮マイクロバイオームの平衡失調等）、胃腸関連状態（例えば、過敏性腸症候群、炎症性腸疾患、潰瘍性大腸炎、セリアック病、クローン病、腹部膨満、痔疾患、便秘、逆流症、血便、下痢等）、アレルギー関連状態（例えば、小麦、グルテン、乳製品、大豆、ピーナッツ、甲殻類、ナッツ類、卵等に関連するアレルギー及び／又は不寛容）、歩行運動関連状態（例えば、痛風、リウマチ性関節炎、骨関節炎、反応性関節炎、多発性硬化症、パーキンソン病等）、癌関連状態（例えば、リンパ腫、白血病、芽腫、生殖細胞腫瘍、癌腫、肉腫、乳癌、前立腺癌、基底細胞癌、皮膚癌、結腸癌、肺癌、あらゆる適切な生理的領域に関連する癌状態等）、心血管関連状態（例えば、冠動脈心疾患、炎症性心疾患、心臓弁膜症、肥満、脳卒中等）、貧血症（例えば、サラセミア、鎌形赤血球症、悪性貧血、ファンコーニ症、溶血性貧血、再生不良性貧血、鉄欠乏症等）、神経関連状態（例えば、ＡＤＨＤ、ＡＤＤ、不安症、アスペルガー症候群、自閉症、慢性疲労症候群、鬱等）、自己免疫関連状態（例えば、スプルー、ＡＩＤＳ、シェーグレン症候群、ループス等）、内分泌関連状態（例えば、肥満、グレーブス病、橋本甲状腺炎、代謝性疾患、Ｉ型真正糖尿病、ＩＩ型真正糖尿病等）、ライム病、意思伝達関連状態、睡眠関連状態、代謝関連状態、体重関連状態、疼痛関連状態、遺伝子関連状態、慢性疾患、及び／又は他のあらゆる適切な種類の疾患関連状態のうちのいずれか１つ、又は複数が含まれ得る。変形例において、前記方法１００及び／又は前記系２００の実施形態の一部が１種類又は複数種類の微生物関連状態（例えば、皮膚関連状態等）を患うユーザーへの１又は複数の標的療法を推進（例えば、提供等）する上で使用可能である。加えて、又は代替として、微生物関連状態は１種類又は複数種類のヒト行動状態を含むことができ、それらの行動状態にはカフェイン消費、アルコール消費、他の食品消費、栄養補助食品消費、プロバイオティクス関連行動（例えば、消費、回避等）、他の食事行動、習慣性行動（例えば、喫煙、低度、中度、及び／又は強度の運動状態などの運動状態等）、閉経、他の生物学的過程、社会行動、他の行動、及び／又は他のあらゆる適切なヒト行動状態のうちのいずれか１つ、又は複数が含まれ得る。状態はあらゆる適切な表現型（例えば、ヒト、動物、植物、菌体等について測定可能な表現型）と関連し得る。
前記方法１００及び／又は前記系２００の実施形態は、例えば単一ユーザーに由来する（例えば、１又は複数の採取部位から採取された）１又は複数の生体試料を処理するため、微生物関連特徴解析のため、治療介入を促進するため、及び／又は（例えば、１種類又は複数種類の微生物関連状態等についての）他のあらゆる適切な目的のための１又は複数のマイクロバイオーム特徴解析モジュールの適用に関し、前記ユーザーに対して実施可能である。加えて、又は代替として、実施形態はあらゆる適切な種類の特徴（例えば、微生物関連状態に関する特徴、人工統計学的特徴行動に関する特徴、マイクロバイオーム構成及び／又はマイクロバイオーム機能に関する特徴等）について他のあらゆる対象と似ていたり似ていなかったりする対象を含み得る対象群（例えば、前記ユーザーを含む集団、前記ユーザーを除外する集団）に対して実施可能であり、ユーザーの部分集団（例えば、微生物関連特徴解析及び／又は治療決定に影響する特徴などの特徴を共有する部分集団等）に対して実施可能であり、植物、動物、微生物、及び／又は他のあらゆる適切な存在に対して実施可能である。したがって、後のユーザーを加えて理解するために対象群（例えば、対象群、対象群、ユーザー部分集団等）から得られる情報が使用され得る。一変形例において、生体試料集合セットは、様々な対象者属性（例えば、性別、年齢、婚姻関係、民族的帰属、国籍、社会経済的状態、性的指向等）、様々な微生物関連状態（例えば、健康状態及び疾患状態、様々な遺伝的傾向等）、様々な生活状況（例えば、単独生活、ペットとの生活、大切な人との生活、子供との生活等）、様々な食習慣（例えば、雑食性、菜食主義、絶対菜食主義、糖消費、酸消費、カフェイン消費等）、様々な行動傾向（例えば、身体活動レベル、薬物使用、アルコール摂取等）、様々なレベルの運動性（例えば、所与の時間内に移動する距離に関する運動性）、及び／又は他のあらゆる適切な特徴（例えば、マイクロバイオーム構成及び／又はマイクロバイオーム機能に影響するか、相関するか、且つ／又はそれら以外では関連する特徴等）のうちの１つ、又は複数を有するユーザー等を含む多様なユーザーに関連し、そのようなユーザーについて処理されることが好ましい。例において、ユーザー数が増加するにつれ前記方法１００の一部において実行される処理の予測力が様々なユーザーのマイクロバイオームに基づく前記様々なユーザーの特徴解析等に関連して（例えば、前記ユーザーについて様々な試料採取部位等に関連して）向上し得る。しかしながら、前記方法１００や前記系２００の一部はあらゆる適切な存在又は複数の存在についてあらゆる適切な方式で実施及び／又は構成され得る。
本明細書に記載されるデータ（例えば、マイクロバイオーム特徴解析モジュール入力値、マイクロバイオーム特徴解析モジュール出力値、微生物データセット、マイクロバイオーム特徴、微生物関連特徴解析、治療関連データ、ユーザーデータ、補足データ、通知等）は、そのデータが採取された時間（例えば、試料が採取された時間等を示す時間的指標）、決定された時間、伝達された時間、受領された時間、及び／又はそれら以外では処理された時間を示す時間的指標、そのデータによって説明される内容に前後関係を提供する時間的指標（例えば、微生物関連特徴解析が特定の時間における微生物関連状態及び／又はユーザーマイクロバイオーム状態を説明する場合の前記微生物関連特徴解析に関連する時間的指標等）、時間的指標の変化（例えば、治療を受けたこと等に反応した経時的な微生物関連特徴解析の変化；試料採取、試料分析、ユーザーへの微生物関連特徴解析又は治療の提供、及び／又は前記方法１００の他の適切な部分との間の待機時間等）、及び／又は時間に関連する他のあらゆる適切な指標のうちの１つ、又は複数を含むあらゆる適切な時間的指標（例えば、秒、分、時間、日数、週数等）と関連し得る。
加えて、又は代替として、パラメーター、メトリック（ｍｅｔｒｉｃ：評価指数）、入力値、出力値、及び／又は他の適切なデータは、スコア（例えば、微生物関連状態傾向スコア、特徴関連度スコア、相関スコア、共分散スコア、マイクロバイオーム多様性スコア、重症度スコア等）、個別値（例えば、様々な採取部位についての状態傾向スコアなどの個別の微生物関連スコア等）、集合値（例えば、様々な採取部位についての個別の微生物関連スコアに基づく総合スコア等）、二進値（例えば、マイクロバイオーム特徴の存在又は不在、微生物関連状態の存在又は不在等）、相対値（例えば、分類群の相対存在度、マイクロバイオーム機能の相対存在度、特徴の相対存在度等）、分類（例えば、ユーザーについての微生物関連状態分類及び／又は診断、状態についての微生物関連状態クラスター分類、特徴分類、行動分類、人工統計学的分類等）、信頼水準（例えば、微生物配列データセットに関する信頼水準、マイクロバイオーム多様性スコアに関する信頼水準、他の微生物関連特徴解析に関する信頼水準、他の出力値に関する信頼水準等）、識別子（例えば、前記データの処理に使用される前記マイクロバイオーム特徴解析モジュールを特定する識別子等）、スペクトラムに沿った値、及び／又は他のあらゆる適切な種類の値を含む値型と関連し得る。本明細書に記載されるあらゆる適切な種類のデータは入力値（例えば、様々なモジュール、モデル、及び／又は本明細書に記載される他の適切な構成要素への入力値）として使用可能であり、出力値（例えば、様々なモデル、モジュール等の出力値）として作成可能であり、且つ／又は前記方法１００や前記系２００に関連するあらゆる適切な構成要素向けにあらゆる適切な方式で操作可能である。
本明細書に記載される前記方法１００や前記処理のうちの１又は複数の例や部分は本明細書に記載される前記系２００、構成要素、及び／又は存在のうちの１又は複数の例により、及び／又はそのような例を用いてあらゆる適切な時間と頻度で非同期的に（例えば、順次）実施可能であり、同時に（例えば、システム処理能力を改善するために並行計算のための異なるスレッドに対して同時に；例えば、マイクロバイオーム特徴解析モジュールを用いる並行データ処理；同時相互分析；多重試料処理、例えば微生物関連状態に関連する標的配列に対応する微生物核酸断片の多重増幅；一群の微生物関連状態を実質的に同時に特徴解析するための試料処理と試料分析の実施；並行的な複数のユーザーについての計算による微生物データセットの決定、マイクロバイオーム特徴の決定、及び／又は微生物関連状態の特徴解析等）実施可能であり、誘発事象（例えば、前記方法１００の一部の実施）との時間的な関係の中で（例えば、誘発事象と実質的に同時に、誘発事象に応答して、誘発事象から連続的に、誘発事象の前に、誘発事象の後に、等）実施可能であり、且つ／又は他のあらゆる適切な順序で実施可能である。一例において、前記方法１００は試料操作系の次世代シーケンシングプラットフォーム（及び／又は他の適切なシーケンシングシステム）のブリッジ増幅基材を用いる１又は複数の生体試料の微生物核酸群の処理に基づいて微生物データセットを作成すること、及び前記次世代シーケンシングプラットフォームと通信するように機能することができる演算装置においてマイクロバイオーム特徴及びマイクロバイオーム機能多様性特徴を決定することを含み得る。しかしながら、前記方法１００や前記系２００はあらゆる適切な方式で構成され得る。
２．利益
マイクロバイオーム分析は、微生物が原因であり、且つ／又はそうでなければ微生物に関連する微生物関連状態について（例えば、前記方法１００の一部等に従って）正確、且つ／又は効率的な特徴解析及び／又は治療提供を可能にし得る。前記技術の具体例はユーザー状態（例えば、微生物関連状態）の特徴解析及び／又は治療介入の促進において従来のアプローチが直面する幾つかの難題を克服することができる。第一に、従来のアプローチは患者が（例えば、血液検査などの医療診断法等を介して）微生物関連状態についての特徴解析及び／又は治療推奨を受けるために１又は複数の医療提供者を訪問することを必要とする場合があり、このことは診断や治療の前に費やされる時間、一定しない医療の質、及び／又は医療提供者訪問の他の態様と関連する非効率や健康リスクになり得る。第二に、ヒトゲノムシーケンシングのための従来の遺伝子シーケンシング法及び分析法はマイクロバイオームに適用されるときに（例えば、ヒトマイクロバイオームがヒト細胞の１０倍を超える微生物細胞を含み得る場合、生体分析法及びそれらの生体分析法を活用する手段が異なり得る場合、最適な試料処理法が例えば増幅バイアスを低減させるために異なり得る場合、微生物関連特徴解析に対して様々なアプローチが使用され得る場合、状態の種類と相関が異なり得る場合、関連状態の原因及び／又は関連状態向けの実行可能な治療法が異なり得る場合、配列基準データベースが異なり得る場合、マイクロバイオームがユーザーの様々な体領域で、例えば様々な採取部位等において異なり得る場合等に）不適合及び／又は非効率である場合がある。第三に、シーケンシング法（例えば、次世代シーケンシング、類似技術等）の開始によって遺伝物質のシーケンシングに関連するスピードとデータ作成の点での先例のない利点を別として存在しなかっただろう技術上の問題（例えば、作成された過剰な配列データに対するデータ処理及びデータ分析上の問題、複数の生体試料を多重方式で処理する上での問題、情報表示の問題、治療法予測の問題、治療法提供の問題等）が生じた。前記方法１００及び／又は前記系２００の具体例は技術に根差した解決法を少なくとも上記の難題に対して与えることができる。
マイクロバイオーム分析は、微生物が原因であり、且つ／又はそうでなければ微生物に関連する微生物関連状態について（例えば、前記方法１００の一部等に従って）正確、且つ／又は効率的な特徴解析及び／又は治療提供を可能にし得る。前記技術の具体例はユーザー状態（例えば、微生物関連状態）の特徴解析及び／又は治療介入の促進において従来のアプローチが直面する幾つかの難題を克服することができる。第一に、従来のアプローチは患者が（例えば、血液検査などの医療診断法等を介して）微生物関連状態についての特徴解析及び／又は治療推奨を受けるために１又は複数の医療提供者を訪問することを必要とする場合があり、このことは診断や治療の前に費やされる時間、一定しない医療の質、及び／又は医療提供者訪問の他の態様と関連する非効率や健康リスクになり得る。第二に、ヒトゲノムシーケンシングのための従来の遺伝子シーケンシング法及び分析法はマイクロバイオームに適用されるときに（例えば、ヒトマイクロバイオームがヒト細胞の１０倍を超える微生物細胞を含み得る場合、生体分析法及びそれらの生体分析法を活用する手段が異なり得る場合、最適な試料処理法が例えば増幅バイアスを低減させるために異なり得る場合、微生物関連特徴解析に対して様々なアプローチが使用され得る場合、状態の種類と相関が異なり得る場合、関連状態の原因及び／又は関連状態向けの実行可能な治療法が異なり得る場合、配列基準データベースが異なり得る場合、マイクロバイオームがユーザーの様々な体領域で、例えば様々な採取部位等において異なり得る場合等に）不適合及び／又は非効率である場合がある。第三に、シーケンシング法（例えば、次世代シーケンシング、類似技術等）の開始によって遺伝物質のシーケンシングに関連するスピードとデータ作成の点での先例のない利点を別として存在しなかっただろう技術上の問題（例えば、作成された過剰な配列データに対するデータ処理及びデータ分析上の問題、複数の生体試料を多重方式で処理する上での問題、情報表示の問題、治療法予測の問題、治療法提供の問題等）が生じた。前記方法１００及び／又は前記系２００の具体例は技術に根差した解決法を少なくとも上記の難題に対して与えることができる。
第一に、前記技術の具体例は存在（例えば、ユーザー、生体試料、医療機器を含む治療促進系等）を、異なる状態又は物（ｄｉｆｆｅｒｅｎｔ ｓｔａｔｅｓ ｏｒ ｔｈｉｎｇｓ）に変換することができる。例えば、前記技術は（例えば、マイクロバイオーム特徴解析モジュール、次世代シーケンシングシステム、多重増幅操作等を使用すること等を通して）１種類又は複数種類の微生物関連状態に関連してユーザーを特徴解析するために利用可能な微生物データセット及び／又はマイクロバイオーム特徴を作成するために生体試料を配列解析及び分析され得る構成要素に変換することができる。別の例において、前記技術は治療法（例えば、マイクロバイオーム特徴解析に基づく個別化治療法等）を特定する、推進（例えば、提示、推奨等）する、反対する、且つ／又は提供することができ、且つ／又はそうでない場合に治療介入を促進（例えば、ユーザーのマイクロバイオーム構成、マイクロバイオーム機能性の改変の促進等）することができ、これにより１種類又は複数種類の微生物関連状態を予防及び／又は改善することができ、それにより前記患者のマイクロバイオーム及び／又は健康が変換される（例えば、微生物関連状態に関連する健康状態が改善される等）。別の例において、前記技術はユーザーの１又は複数の様々な生理的部位（例えば、１又は複数の様々な採取部位等）におけるマイクロバイオーム構成及び／又はマイクロバイオーム機能を変換することができ、例えば腸、鼻、皮膚、口、及び／又は生殖器のマイクロバイオームに関連する微生物を標的とする、且つ／又は変換することができる。別の例において、前記技術は（例えば、治療促進系を実行するための制御命令を作成すること等により）治療関連システム（例えば、食事療法システム、自動薬品供給装置、行動修正システム、診断システム、疾患治療促進システム等）を制御して治療法を推進することができ、それにより治療促進系が変換される。
第二に、前記技術の具体例は以前には実行できなかったコンピュータ機能の実行を促進すること等によりコンピュータ関連技術の改善（例えば、微生物関連状態についての微生物関連データの保存、検索、及び／又は処理における演算効率の改善、生体試料処理に関連する演算処理の改善等）を行うことができる。例えば、前記技術は微生物関連特徴解析を改善するため、且つ／又は微生物関連状態に対する治療介入を促進するためにマイクロバイオーム特徴解析モジュールセットを活用して特定の微生物データセット及び／又はマイクロバイオーム特徴（例えば、細菌になって作成可能になったものや試料処理技術及び／又はシーケンシング技術の進歩のために利用可能になったもの等）に対して特別に複数の解析技術を適用することができる。
第三に、前記技術の具体例は処理速度、微生物関連特徴解析、正確性、マイクロバイオーム関連治療法の決定と推進、及び／又は微生物関連状態に関する他の適切な態様の改善を行うことができる。例えば、前記技術は特定の微生物データセットと共にマイクロバイオーム特徴解析モジュールセットを活用して１種類又は複数種類の微生物関連状態と特に関連性のあるマイクロバイオーム特徴（例えば、微生物関連状態に対する関連度スコアに関連する処理済みマイクロバイオーム特徴、複数種類の微生物関連状態に関連性のある相互マイクロバイオーム特徴等）を決定、選択、及び／又はそれら以外では処理することができ、これにより（例えば、最も適切なマイクロバイオーム特徴を使用すること、目的に合わせた解析技術を活用すること等による）正確性の改善、（例えば、適切なマイクロバイオーム特徴サブセットを選択すること、次元削減法を実施すること、目的に合わせた解析技術を活用すること等による）処理速度の改善、並びに／又は表現型予測（例えば、前記微生物関連状態の兆候等）、他の適切な特徴解析、治療介入促進、及び／若しくは他の適切な目的に関する他の計算に関する改善を促進することができる。特定の例において、前記技術は１又は複数のマイクロバイオーム特徴解析モジュールと共に特徴選択規則（例えば、組成、機能についてのマイクロバイオーム特徴選択規則、補足データセットから抽出される補足的特徴についてのマイクロバイオーム特徴選択規則等）を適用することにより（例えば、モデル等を介して）特徴解析及び／又は治療法を作成、適用、及び／又はそれら以外では促進するために多大で潜在的な特徴（例えば、配列データなどの過剰なマイクロバイオームデータから抽出可能な特徴、単変量統計検定などの統計的検定により特定可能な特徴等）の集まりから最適な特徴サブセット（例えば、１種類又は複数種類の微生物関連状態に関連するマイクロバイオーム機能特徴、微生物関連状態に関連する分類群の健康、存在、不在、及び／又は他の適切な範囲を表す基準相対存在度特徴などのマイクロバイオーム構成多様性特徴、微生物関連状態及び／又は治療応答に相関する基準相対存在度特徴に比較され得るユーザー相対存在度特徴等）を選択することができる。マイクロバイオーム（例えば、ヒトマイクロバイオーム、動物マイクロバイオーム等）の潜在的規模から過剰なデータ量が生じる可能性があり、微生物関連状態に関してマイクロバイオームを実用的に理解するための莫大なデータの処理分析法について疑問が生じる。しかしながら、前記特徴選択規則及び／又は他の適切なコンピュータ実装可能な規則により（例えば、モデルの作成及び／又は適用、微生物関連特徴解析及び／又は関連の治療法の決定等のための）作成実行時間の短縮、試料処理法の最適化（例えば、特異性の改善、増幅バイアスの低減、及び／又は他の適切なパラメーターについて最適化する一方で微生物関連状態に関連する分類群、配列、及び／又は他の適切なデータのコンピュータ分析を介して特定されたプライマー種、他の生体分子、及び／又は他の試料処理構成要素を使用することにより生体試料由来の微生物核酸群の変換を改善すること等）、結果の効率的な解釈を促進するモデル単純化、過剰適合の減少、（例えば、微生物関連特徴解析及び／又は治療法決定の予測力を改善するためのユーザー数の増加に付随して量が増加したマイクロバイオーム関連データの収集と処理等を介した）微生物関連状態についての複数のユーザーの経時的マイクロバイオーム特徴解析を作成、保存、及び適用することに関するネットワーク効果、データ保存及び検索（例えば、マイクロバイオーム特徴解析モジュールの保存及び／又は検索、様々なユーザー及び／又はユーザー集団等、様々な微生物関連状態に関連する特定のモデルの保存、ユーザーアカウントに関連する微生物データセットの保存、１又は複数の治療法及び／又は前記治療法を受けるユーザーに関連する治療監視データの保存、前記微生物関連状態について個別化された特徴解析及び／又は治療の適用を改善するためのユーザー、ユーザー集団、及び／又は他の存在に関連する特徴、微生物関連特徴解析、及び／又は他の適切なデータの保存等）の改善、及び／又は技術分野に対する他の適切な改善のうちの１つ、又は複数が可能になり得る。
第四に、前記技術の具体例は試料操作系、（例えば、各モジュールが異なっているが相補的な機能性を有し得るマイクロバイオーム特徴解析モジュールセット等を含む）微生物関連特徴解析系、及び複数のユーザーを含むネットワークに機能を発明的に付与することができ、その場合に前記試料操作系は前記複数のユーザー由来の生体試料の実質的に同時の（例えば、多重的な）処理を行うことができ、この生体試料の処理は微生物関連状態についての個別化された特徴解析及び／又は治療法（例えば、前記ユーザーの食事行動、プロバイオティクス関連行動、病歴、対象者属性、他の行動、嗜好等に関連する前記ユーザーのマイクロバイオームに対して個別化された特徴解析及び／又は治療法等）を作成する上で前記微生物関連特徴解析系によって活用され得る。
第五に、前記技術の具体例は少なくともゲノム科学分野、微生物学分野、マイクロバイオーム関連計算法分野、診断学分野、治療学分野、マイクロバイオーム関連デジタル医学分野、一般デジタル医学分野、モデリング分野、及び／又は他の関連の分野を改善することができる。一例において、前記技術はマイクロバイオーム特徴解析モジュールセットを活用して例えば微生物関連状態についての適切な微生物特徴（例えば、診断において使用されるバイオマーカーとして作用することができる特徴であって、治療介入を促進することになる特徴等）をコンピュータ計算により特定することで様々な微生物関連状態をモデル化及び／又は特徴解析することができる。別の例において、前記技術は相互分析を実施して複数種類の微生物関連状態（例えば、疾患、表現型等）に関連する（例えば、共有される、相関する等）相互マイクロバイオーム特徴を特定及び特徴解析することができる。マイクロバイオーム特徴のそのような特定と特徴解析は併存性及び／又は多重併存性の微生物関連状態（例えば、環境因子に関連する場合があり、したがってマイクロバイオームに関連する場合がある微生物関連状態等）のリスク及び有病率を低下させることにより（例えば、診断及び治療介入を促進すること等により集団レベル及び個体レベル等で）医療行為の改善を促進することができる。
第六に、前記技術は前記方法１００や前記系２００に関連する適切な部分の実施の際に特殊な演算装置（例えば、次世代シーケンシングシステムなどの前記試料操作系に関連する装置、微生物関連特徴解析系に関連する装置、治療促進系等）を活用することができる。
しかしながら、前記技術の具体例は微生物関連特徴解析、マイクロバイオーム調節、及び／又は前記方法１００の他の適切な部分の実施のために特殊なコンピュータシステムを使用する背景で他のあらゆる適切な利益を提供することができる。
３．系
図２に示されるように、（例えば、微生物関連状態を特徴解析するための）前記系２００の実施形態は微生物データセット（例えば、微生物遺伝子配列、微生物配列データセット等）を決定するために１又は複数のユーザー（例えば、ヒト対象、患者、動物対象、環境生態系、医療提供者等）に由来する生体試料（例えば、ユーザーによって採取され、かつ、前処理試薬を含む容器に入れられた生体試料等）を採取及び／又は処理するように機能することができる操作系（例えば、試料操作系等）２１０、ユーザーマイクロバイオーム特徴（例えば、微生物データセット及び／又は他の適切なデータ等に基づいて決定されるマイクロバイオーム構成特徴、マイクロバイオーム機能特徴、多様性特徴、相対存在度範囲等）、微生物関連特徴解析（例えば、微生物関連状態特徴解析、治療関連特徴解析、ユーザー特徴解析等）を決定するように機能することができる微生物関連特徴解析系２２０、及び／又は（例えば、１種類又は複数種類の微生物関連状態等に基づいた）１種類又は複数種類の微生物関連状態に対する治療介入を促進する（例えば、治療法の推進等）ように機能することができる治療促進系２３０のうちのいずれか１つ、又は複数を含むことができる。
図２に示されるように、（例えば、微生物関連状態を特徴解析するための）前記系２００の実施形態は微生物データセット（例えば、微生物遺伝子配列、微生物配列データセット等）を決定するために１又は複数のユーザー（例えば、ヒト対象、患者、動物対象、環境生態系、医療提供者等）に由来する生体試料（例えば、ユーザーによって採取され、かつ、前処理試薬を含む容器に入れられた生体試料等）を採取及び／又は処理するように機能することができる操作系（例えば、試料操作系等）２１０、ユーザーマイクロバイオーム特徴（例えば、微生物データセット及び／又は他の適切なデータ等に基づいて決定されるマイクロバイオーム構成特徴、マイクロバイオーム機能特徴、多様性特徴、相対存在度範囲等）、微生物関連特徴解析（例えば、微生物関連状態特徴解析、治療関連特徴解析、ユーザー特徴解析等）を決定するように機能することができる微生物関連特徴解析系２２０、及び／又は（例えば、１種類又は複数種類の微生物関連状態等に基づいた）１種類又は複数種類の微生物関連状態に対する治療介入を促進する（例えば、治療法の推進等）ように機能することができる治療促進系２３０のうちのいずれか１つ、又は複数を含むことができる。
特定の例において、前記系２００は、
一セットの対象群に関連する一セットの試料群に基づいて微生物遺伝子配列を決定するように機能することができるシーケンシングシステム（例えば、次世代シーケンシングシステム等）を含む試料操作システム、ここで前記試料群は、微生物が関連する状態に関連する微生物核酸を含む；
統計的検定（例えば、単変量統計検定等）、次元削減法、人工知能アプローチ、及び／又は本明細書に記載される他の適切なアプローチのうちの２つ以上を含む一セットの解析技術群を適用するように機能することができる一セットのマイクロバイオーム特徴解析モジュール群２２１、
前記微生物遺伝子配列に基づいて一セットのマイクロバイオーム特徴群を決定するために、前記一セットの解析技術群のうちの第１の解析技術（例えば、１又は複数の単変量統計検定及び／又は適切な統計的検定等）を適用するように機能することができる、第１マイクロバイオーム特徴解析モジュール２２１’、ここで前記一セットのマイクロバイオーム特徴群は、前記微生物関連状態に関連する（例えば、前記微生物関連状態に相関等する）、及び
前記一セットのマイクロバイオーム特徴群（例えば、前記第１マイクロバイオーム特徴解析モジュール２２１’の出力値が連続的、連鎖的に前記第２マイクロバイオーム特徴解析モジュール２２１’’への入力値として使用され得る場合等に）に基づいて一セットの処理済みマイクロバイオーム特徴群（例えば、次元削減特徴セット、１種類又は複数種類の微生物関連状態について最も適切な特徴を含む特徴セット等）を決定するために、前記一セットの解析技術群のうちの第２の解析技術（例えば、次元削減法）を適用するように機能することができる、第２マイクロバイオーム特徴解析モジュール２２１’’、ここで前記処理済みマイクロバイオーム特徴セットは、前記微生物関連状態の特徴解析を改善する（例えば、微生物関連特徴解析、治療介入の促進、及び／又は本明細書に記載される他の適切な機能性に関して正確性の改善、処理速度の改善、及びそれらによる計算系の機能性の改善のために多大で潜在的な特徴の集まりから目的に合わせた特徴のサブセットを特定及び活用すること等を介して改善する）ように構成されている、
を含む；及び
前記処理済みマイクロバイオーム特徴セットに基づいて作成され、ユーザーについての前記微生物関連状態の特徴解析結果を決定するように機能することができる微生物関連状態のモデル
を含み得る。
一セットの対象群に関連する一セットの試料群に基づいて微生物遺伝子配列を決定するように機能することができるシーケンシングシステム（例えば、次世代シーケンシングシステム等）を含む試料操作システム、ここで前記試料群は、微生物が関連する状態に関連する微生物核酸を含む；
統計的検定（例えば、単変量統計検定等）、次元削減法、人工知能アプローチ、及び／又は本明細書に記載される他の適切なアプローチのうちの２つ以上を含む一セットの解析技術群を適用するように機能することができる一セットのマイクロバイオーム特徴解析モジュール群２２１、
前記微生物遺伝子配列に基づいて一セットのマイクロバイオーム特徴群を決定するために、前記一セットの解析技術群のうちの第１の解析技術（例えば、１又は複数の単変量統計検定及び／又は適切な統計的検定等）を適用するように機能することができる、第１マイクロバイオーム特徴解析モジュール２２１’、ここで前記一セットのマイクロバイオーム特徴群は、前記微生物関連状態に関連する（例えば、前記微生物関連状態に相関等する）、及び
前記一セットのマイクロバイオーム特徴群（例えば、前記第１マイクロバイオーム特徴解析モジュール２２１’の出力値が連続的、連鎖的に前記第２マイクロバイオーム特徴解析モジュール２２１’’への入力値として使用され得る場合等に）に基づいて一セットの処理済みマイクロバイオーム特徴群（例えば、次元削減特徴セット、１種類又は複数種類の微生物関連状態について最も適切な特徴を含む特徴セット等）を決定するために、前記一セットの解析技術群のうちの第２の解析技術（例えば、次元削減法）を適用するように機能することができる、第２マイクロバイオーム特徴解析モジュール２２１’’、ここで前記処理済みマイクロバイオーム特徴セットは、前記微生物関連状態の特徴解析を改善する（例えば、微生物関連特徴解析、治療介入の促進、及び／又は本明細書に記載される他の適切な機能性に関して正確性の改善、処理速度の改善、及びそれらによる計算系の機能性の改善のために多大で潜在的な特徴の集まりから目的に合わせた特徴のサブセットを特定及び活用すること等を介して改善する）ように構成されている、
を含む；及び
前記処理済みマイクロバイオーム特徴セットに基づいて作成され、ユーザーについての前記微生物関連状態の特徴解析結果を決定するように機能することができる微生物関連状態のモデル
を含み得る。
前記系２００の前記操作系２１０は微生物関連特徴解析の作成及び／又は治療介入を促進するためのデータ（例えば、後にアラインメント作成され、かつ、分析され得る遺伝子配列、微生物データセット等）に生体試料の微生物核酸群及び／又は他の構成要素を変換するために前記生体試料を受領及び／又は処理（例えば、断片化、増幅、シーケンシング、関連のデータセットの作成等）するように機能し得る。前記操作系２１０は加えて、又は代替として郵送システム等を介して複数のユーザーに試料キット２５０（例えば、試料容器、１又は複数の採取部位から試料を採取するための説明書等を含むキット）を（例えば、試料キット２５０の発注書に応答して）提供するように機能し得る。前記操作系２１０は微生物データ（例えば、微生物配列データ、微生物データセット用の他のデータ等）の作成等における１又は複数の生体試料のシーケンシング（例えば、前記生体試料に由来する微生物核酸群のシーケンシング等）のために１又は複数のシーケンシングシステム２１５（例えば、次世代シーケンシングシステム、ターゲットアンプリコンシーケンシング、メタトランスクリプトームシーケンシング、メタゲノミックシーケンシング、シーケンシング・バイ・シンセシス法、キャピラリーシーケンシング法、サンガーシーケンシング、パイロシーケンシング法、ナノポアシーケンシング法向けのシーケンシングシステム等）を含み得る。前記操作系２１０は加えて、又は代替としてシーケンシングシステムにより配列解析される生体試料及び／又はあらゆる適切な構成要素を多重自動調製する（例えば、断片化し、且つ、前記微生物関連状態に関連する遺伝的標的に適合するプライマーを使用して増幅する）ように機能することができるライブラリー調製系を含み得る。前記操作系は本明細書に記載されるあらゆる適切な試料処理法を実施することができる。しかしながら、前記操作系２１０及び関連の構成要素はあらゆる適切な方式で構成され得る。
前記系２００の前記マイクロバイオーム特徴解析系２２０は微生物データセット（例えば、微生物遺伝子配列につながる生体試料処理、基準配列へのアラインメントに基づく微生物データセット等）、マイクロバイオーム特徴（例えば、個々の変数、変数群、表現型予測に、統計的記述に適切な特徴、個体から得られた試料に関連する変数、微生物関連状態に関連する変数、前記試料のマイクロバイオーム構成及び／又は機能性を完全に、又は部分的に説明する相対量又は絶対量での変数等）、モデル（例えば、微生物関連状態のモデル等）、及び／又は微生物関連特徴解析や治療介入を促進するための他の適切なデータを決定、分析、特徴解析、及び／又はそれら以外では処理するように機能し得る。例において、前記マイクロバイオーム特徴解析系２２０は、例えば様々な試料の差を示す（例えば、状態の存在又は不在に関連する部分集団の差を示す）特徴に対する相補的な見解が様々な分析によって提供され得る場合、１種類又は複数種類の微生物関連状態に関連する試料間の差異（例えば、微生物関連状態の存在、微生物関連状態の不在、微生物関連状態のリスク、微生物関連状態になりやすい傾向、及び／又は微生物関連状態に関する他の態様に関連する試料等）を統計学的に説明する特徴から得られる情報を特定し得る。特定の例において、個々の予測器、特定の生物学的過程、及び／又は統計学的に推測される潜在変数はデータの複雑性が様々なレベルの相補的情報を提供することにより特徴解析、診断、及び／又は治療に関連する様々な下流の機会を促進し得る。特定の例において、前記マイクロバイオーム特徴解析系２２０は１種類又は複数種類の微生物関連状態を治療するために使用される治療法を特定及び／又は特徴解析するための治療モデル（例えば、相互分析等に基づくモデル）を作成及び／又は適用することができる。別の特定の例において、前記マイクロバイオーム特徴解析系２２０は補足データ（例えば、ユーザー、マイクロバイオーム特徴、微生物関連状態、他の構成要素に関連する事前知識などのマイクロバイオーム特徴解析モジュール２２１の適用の改善に使用される事前知識）を処理する。
前記マイクロバイオーム特徴解析系２２０は１又は複数のマイクロバイオーム特徴解析モジュール２２１（例えば、独立モジュール、相互依存モジュール等）を含むことが好ましく、前記特徴解析モジュールは（例えば、図２３に示されるように）微生物関連特徴解析及び／又は治療介入の促進において微生物データセット、マイクロバイオーム特徴、補足データ、及び／又は他の適切なデータを処理する際に１又は複数の解析技術を適用するように機能し得る。
あらゆる適切なマイクロバイオーム特徴解析モジュール２２１（例えば、あらゆる適切な解析技術を活用するマイクロバイオーム特徴解析モジュール等）をあらゆる適切な方式で（例えば、出力値及び入力値に関して複数のマイクロバイオーム特徴解析モジュール２２１を連鎖させること等により）連続的に、同時に、反復的に、及び／又はあらゆる適切な時間的関係によりあらゆる適切な組み合わせで適用することができる。例えば、マイクロバイオーム特徴解析モジュール２２１の出力値は微生物関連特徴解析（例えば、それ自体で目的の結果等）を構成する場合があり、中間要素（例えば、治療モデルなどのモデルのために入力値として同一又は異なるマイクロバイオーム特徴解析モジュール２２１に使用される中間要素等）として処理される場合があり、且つ／又はあらゆる適切な目的のために使用される場合がある。具体例において、複数のマイクロバイオーム特徴解析モジュール２２１を連鎖させることができ（例えば、マイクロバイオーム特徴解析モジュール２２１の１又は複数の出力値が同一又は別のマイクロバイオーム特徴解析モジュール２２１への１又は複数の入力値として使用され得る場合等）、且つ／又はそうでない場合に（例えば、データシェアリング、微生物関連特徴解析への寄与、１種類又は複数種類の微生物関連状態との関連等に関して）連結させることができ、これにより特徴選択（例えば、後で使用するためのマイクロバイオーム特徴サブセットの選択等）、特徴加重（例えば、あらゆる適切なマイクロバイオーム特徴解析モジュール２２１、モデル、及び／又は他の適切な処理において使用可能な様々な特徴に対する様々な重みの決定、例えば特徴に対する重要性の上昇又は減少のための特徴加重等）、ウォームスタート（例えば、第１マイクロバイオーム特徴解析モジュール２２１’に関連する出力値及び／又は他の処理が統計的学習及び／又は推定の改善等に関して第２マイクロバイオーム特徴解析モジュール２２１’’に関連する処理を支援及び／又はそれ以外では改善することができ、このことが最も適切な特徴に対する集中の促進に関連し得る場合等）のうちの１つ、又は複数が促進され得る。例えば、第１マイクロバイオーム特徴解析モジュール２２１’は、（例えば、第１の解析技術を適用することにより）一セットのマイクロバイオーム特徴群を決定することができ、前記第２マイクロバイオーム特徴解析モジュール２２１’’は、前記マイクロバイオーム特徴セットを処理して前記処理済みマイクロバイオーム特徴セットにするために、特徴選択、特徴加重、及びウォームスタートのうちの少なくとも１つを実施するために第２の解析技術を適用できる（例えば、適用するように機能することができる）。しかしながら、マイクロバイオーム特徴解析モジュール２２１はあらゆる適切な目的のためにあらゆる数のデータセット、ユーザー、微生物関連状態、治療法、及び／又は他の適切な存在についてあらゆる適切な時間と頻度で適用され得る。
様々なマイクロバイオーム特徴解析モジュール２２１（例えば、時間及び／又は頻度等に関して様々な方式で適用される様々な組合せのマイクロバイオーム特徴解析モジュール２２１、様々な解析技術を適用する様々なモジュール、様々な入力型及び／又は出力型モジュール等）が微生物関連状態（例えば、様々なマイクロバイオーム特徴解析モジュール２２１がデータ様々な微生物関連状態に関するデータの処理について様々なレベルで適切である場合等に特徴解析中の前記微生物関連状態又は複数の前記微生物関連状態に応じて様々な組合せのマイクロバイオーム特徴解析モジュール２２１を使用すること等）、ユーザー（例えば、様々なユーザーデータ及び／又は特徴、例えば対応する試料採取部位、対象者属性、遺伝学、環境因子に基づく様々なマイクロバイオーム特徴解析モジュール２２１等）、微生物関連特徴解析（例えば、治療関連特徴解析と診断関連特徴解析などの様々な種類の特徴解析のため、適切なマイクロバイオーム構成の特定と微生物関連状態の傾向スコアの決定のため等の様々なマイクロバイオーム特徴解析モジュール２２１等）、治療法（例えば、様々な治療法の効力を監視するための様々なマイクロバイオーム特徴解析モジュール２２１等）、及び／又は他のあらゆる適切な構成要素のうちの１つ、又は複数に基づいて適用（例えば、実行、選択、検索、保存等）され得る。例において、様々なマイクロバイオーム特徴解析モジュール２２１が様々な種類の入力値、出力値、微生物関連特徴解析、微生物関連状態（例えば、特徴解析される必要がある様々な表現型尺度）、及び／又は他のあらゆる適切な存在に対して適合化され得る。しかしながら、マイクロバイオーム特徴解析モジュール２２１は微生物関連特徴解析及び／又は治療介入を促進するためにあらゆる適切な方式で適合化、及び／又は使用され得る。
マイクロバイオーム特徴解析モジュール２２１、モデル、前記系２００の他の構成要素、及び／又は前記方法１００の適切な部分（例えば、マイクロバイオーム特徴の決定、微生物関連特徴解析結果の決定等）は、統計的検定（例えば、単変量統計検定、多変量統計検定等）次元削減法、人工知能アプローチ（例えば、機械学習アプローチ等）、データに対するパターン認識の実施（例えば、微生物関連状態とマイクロバイオーム特徴との間の相関の特定等）、複数の起源に由来するデータの融合（例えば、１種類又は複数種類の微生物関連状態に関連する複数のユーザーに由来するマイクロバイオームデータ及び／又は補足データ、例えばそれらのデータから抽出されたマイクロバイオーム特徴に基づく特徴解析モデルの作成等）、値の組合せ（例えば、値の平均等）、圧縮、変換（例えば、デジタル－アナログ変換、アナログ－デジタル変換）、データに対する統計的推測の実施（例えば通常最小二乗回帰、非負最小二乗回帰、主成分分析、リッジ回帰等）、波動変調、正規化、更新（例えば、処理済み経時的生体試料に基づく特徴解析モデル及び／又は治療モデルの更新等）、等級付け（例えば、マイクロバイオーム特徴、治療法等）、加重（例えば、マイクロバイオーム特徴等）、検証、フィルタリング（例えば、ベースラインの補正、データの間引きのためのフィルタリング等）、ノイズ除去、スムージング、フィリング（例えば、ギャップフィリング）、アライニング、モデルフィッティング、ビニング、ウィンドウィング、クリッピング、転換、数学的演算（例えば、導関数、移動平均、加算、減算、乗算、除算等）、データ結合、多重化、逆多重化、内挿、外挿、クラスタリング、画像処理法、他の信号処理操作、他の画像処理操作、視覚化、及び／又は他のあらゆる適切な処理操作のうちのいずれか１つ、又は複数を含む解析技術を用いることができる。人工知能アプローチは教師あり学習（例えば、ロジスティック回帰、バックプロパゲーションニューラルネットワーク、ランダムフォレスト、決定木等を使用する教師あり学習）、教師なし学習（例えば、アプリオリ・アルゴリズム、Ｋ平均クラスタリングを使用する教師なし学習）、半教師あり学習、ディープラーニングアルゴリズム（例えば、ニューラルネットワーク、制限ボルツマンマシン、ディープビリーフネットワーク法、畳み込みニューラルネットワーク法、再帰型ニューラルネットワーク法、積層オートエンコーダ法等）、強化学習（例えば、Ｑ学習アルゴリズム、時間的差分学習を使用する強化学習）、回帰アルゴリズム（例えば、通常最小二乗、ロジスティック回帰、ステップワイズ回帰、多変量適応型回帰スプライン、局所推定散布図スムージング等）、事例に基づく方法（例えば、ｋ近傍法、学習ベクトル量子化、自己組織化写像等）、正則化法（例えば、リッジ回帰、リーストアブソリュートシュリンケージ・アンド・セレクションオペレータ、エラスティックネット等）、決定木学習法（例えば、分類・回帰ツリー、反復ダイコトマイザー３、Ｃ４．５、カイ二乗自動交互作用検出、決定株、ランダムフォレスト、多変量適応型回帰スプライン、勾配ブースティングマシン等）、ベイズ法（例えば、単純ベイズ、平均単依存推定器、ベイジアン・ビリーフネットワーク等）、カーネル法（例えば、サポートベクターマシン、放射基底関数、線形判別分析等）、クラスタリング法（例えば、Ｋ平均クラスタリング、期待値最大化法等）、相関ルール学習アルゴリズム（例えば、アプリオリ・アルゴリズム、Ｅｃｌａｔアルゴリズム等）、人工ニューラルネットワークモデル（例えば、パーセプトロン法、バックプロパゲーション法、ホップフィールド・ネットワーク法、自己組織化写像法、学習ベクトル量子化法等）、アンサンブル法（例えば、ブースティング、ブーストラップアグリゲーション、アダブースト、積層一般化、勾配ブースティングマシン法、ランダムフォレスト法等）、及び／又はあらゆる適切な人工知能アプローチのうちのいずれか１つ、又は複数を含み得る。しかしながら、あらゆる適切な方式でデータ処理を用いることができる。
第１の変形例において、図１０に示されるように、マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＡ２２２）は、１又は複数の統計的検定（例えば、単変量統計検定、多変量等）を適用することができ、前記統計的検定は、ｔ検定、コルモゴロフ・スミルノフ検定、回帰モデル、及び／又は統計的検定に関連する他の適切な方法のうちのいずれか１つ、又は複数を含み得る。前記マイクロバイオーム特徴解析モジュール２２１は、一セットのマイクロバイオーム特徴群を（例えば、微生物遺伝子配列を含むデータセットなどの微生物データセット、マイクロバイオーム特徴と微生物関連状態との間の関連性などの事前知識、対象、ユーザーについての情報を与える補足データ等に基づいて）決定するために統計的検定を適用することができる。前記マイクロバイオーム特徴解析モジュール２２１は複数の統計的検定（例えば、単変量統計検定、多変量等）を適用することができ、それらの複数の統計的検定は例えば平均値と分散又は存在や不在のパターンの変化を検出するための様々なモデル化法を用いることにより相互に補完し得る。一例において、特定されたマイクロバイオーム特徴等に関して前記様々な解析技術の間での関連性（例えば、類似性、差異）を（例えば、セクションＡ及びセクションＣの様々な単独の検定、及びセクションＢに関する複数の検定からの統合された出力値等を示す図１８に示されるように）示すため、前記様々な種類の統計的検定（例えば、単変量統計検定、多変量等）（及び／又は他の適切な解析技術）の出力値（例えば、結果）が合同、グループ化、及び／又はそれら以外では集約化され得る特定の例において、第１マイクロバイオーム特徴解析モジュール２２１は第１統計的検定（例えば、単変量統計検定等）を適用することにより一セットの第１マイクロバイオーム特徴群を決定する（例えば、決定するように機能する）ことができ、且つ、第２マイクロバイオーム特徴解析モジュール２２１’’（及び／又は同じ第１マイクロバイオーム特徴解析モジュール２２１’の使用）は第２統計的検定（例えば、第２単変量統計検定等）を適用することにより一セットの第２マイクロバイオーム特徴群を決定することができる。複数の解析技術の出力値の集約は様々な解析技術の様々な出力値の積集合の計算又は和集合の計算を含むことができ、その場合に特異度と感度の目標とするバランス（例えば、高い特異度と低い感度、高い感度と低い特異度等）を達成するためにそのような集約された出力値の活用を用いることができる。あらゆる適切な微生物データセット、マイクロバイオーム特徴解析モジュール２２１の入力値や出力値、及び／又は他の適切なデータが入力値として使用されてよく、又は統計的検定の出力値であってよく、且つ、前記マイクロバイオーム特徴解析モジュール２２１の出力値が他のあらゆる適切なマイクロバイオーム特徴解析モジュール２２１への入力値として使用されてよい。しかしながら、前記マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＡ２２２）はあらゆる適切な方式で構成され得る。
第２の変形例において、図１１に示されるように、マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＢ２２３）は教師あり次元削減法、教師なし次元削減法、欠損値比率、主成分分析（ＰＣＡ）、確率的ＰＣＡ、行列分解法、潜在的ディリクレ配分法又は階層ディリクレ過程などの成分混合モデル、アイソマップ又は局所線形埋め込みなどの特徴埋め込み法、部分的最小二乗回帰、サモンマッピング、多次元尺度法、射影追跡、及び／又は次元削減に関連する他のあらゆる適切な方法のうちのいずれか１つ、又は複数を含む１又は複数の次元削減法を適用することができる。次元削減法の適用によりデータセットから次元数（例えば、特徴、試料等）を減らすことができる。あらゆる適切な微生物データセット、マイクロバイオーム特徴解析モジュール２２１の入力値や出力値、及び／又は他の適切なデータが入力値として使用されてよく、又は前記次元削減法の出力値（例えば、マイクロバイオーム特徴を使用して特徴の数を減らすための次元削減法の入力値として統計的検定により決定される出力値等）であってよく、且つ、前記マイクロバイオーム特徴解析モジュール２２１の出力値が他のあらゆる適切なマイクロバイオーム特徴解析モジュール２２１への入力値（例えば、ランダムフォレスト、カーネルマシン、サポートベクターマシン、回帰法などの統計的検定、人工知能アプローチ、解析モジュールＡ２２２、解析モジュールＣ２２４等への入力値）として使用されてよい。前記マイクロバイオーム特徴解析モジュール２２１の適用により推定上の潜在的特徴と前記１種類又は複数種類の微生物関連状態に関連する表現型関連データとの間の線形又は非線形の関連性の決定が促進され得る。前記マイクロバイオーム特徴解析モジュール２２１の出力値は微生物関連特徴解析（例えば、それ自体で目的の結果）を含むことができ、追加の分析の出力値（例えば、試料のクラスタリング及び分類に有用な予測値及び／又は潜在的特徴を個々の特徴に加えることによる分析の出力値等）を含むことができ、且つ／又はあらゆる適切な目的のために使用され得る。しかしながら、前記マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＢ２２３）はあらゆる適切な方式で構成され得る。
第３の変形例において、図１２に示されるように、マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＣ２２４）は１又は複数の機械学習モデル（及び／又は他の適切な人工知能アプローチ）の適用を促進することができる。例において、前記マイクロバイオーム特徴解析モジュール２２１は表現型及び／又は他の微生物関連状態の非線形予測機能の符号化等を介して人工知能アプローチ（例えば、ニューラルネットワーク、オートエンコーダモデル、又は敵対的生成ネットワーク等）のアーキテクチャ及び／又はパラメーター推定の構築を導くように機能し得る。あらゆる適切な微生物データセット、マイクロバイオーム特徴解析モジュール２２１の入力値や出力値、及び／又は他の適切なデータが入力値として使用されてよく、又は出力値（例えば、入力値として統計的検定の出力値、次元削減アプローチの出力値、解析モジュールＡ２２２の出力値、解析モジュールＢ２２３の出力値、及び／又はあらゆる適切なデータを使用すること等）であってよく、且つ、前記マイクロバイオーム特徴解析モジュール２２１の出力値が他のあらゆる適切なマイクロバイオーム特徴解析モジュール２２１への入力値として使用されてよい。前記マイクロバイオーム特徴解析モジュール２２１の出力値は微生物関連特徴解析（例えば、微生物関連状態の傾向スコアなどの表現型予測等）を含むことができ、追加の分析の出力値（例えば、予測値を表す特徴の関連度スコアであって、表現型予測及び／又は他の種類の予測にとって最も適切な特徴を特定するために使用され得る関連度スコア等）を含むことができ、且つ／又はあらゆる適切な目的のために使用され得る。しかしながら、前記マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＣ２２４）はあらゆる適切な方式で構成され得る。
第４の変形例において、図１３に示されるように、マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＤ２２５）は微生物データ（例えば、様々なマイクロバイオーム構成プロファイル等）、マイクロバイオーム特徴、及び／又はそれらのデータの変換から得られる特徴（例えば、比率、積、次元削減アルゴリズムの適用から得られる特徴等）の間での統計的交互作用の検出のために１又は複数の解析技術（例えば、回帰及び／又は同等の方法、ランダムフォレスト及び／又はサポートベクターマシンなどの機械学習アルゴリズム、データ圧縮法、カーネルマシン等を介した交互作用の２次元以上での検定）を適用することができる。しかしながら、前記マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＤ２２５）はあらゆる適切な方式で構成され得る。
第５の変形例において、図１４に示されるように、マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＥ２２６）は、統計的検定（例えば、単変量統計検定、多変量統計検定等）、単変量解析技術、多変量解析技術、人工知能アプローチ（例えば、機械学習モデル等）、及び／又は（例えば、前記マイクロバイオーム構成、機能、及び／又は前記微生物関連状態に関連する他の適切なマイクロバイオーム関連態様の要約として出力値が使用され得る場合等に）他の適切な方法のうちの少なくとも１つ、又は複数を含む解析技術を適用すること等を介して表現型予測、リスク指標、傾向スコア、他の指標、及び／又は微生物関連状態に関連する他の適切な評価指数（例えば、ユーザーの微生物関連状態に関連する評価指数等）を決定することができる。前記マイクロバイオーム特徴解析モジュール２２１は実証的分析を用いる正規化法等を介して一連の出力値について最小値及び／又は最大値を規定することができる。一例において、基準試料セット（例えば、それらの基準試料に対応するデータ等）についてスコアを計算することができ、その場合に最小観察値と最大観察値を記録及び使用してスコアが０～１の範囲になることを助長することができる式である「正規化スコア＝（試料スコア－最小スコア）／（最大スコア－最少スコア）」という式に従って特定の試料（例えば、後続の試料）のスコアを正規化することができる。加えて、又は代替として、前記マイクロバイオーム特徴解析モジュール２２１は校正済みスコア（例えば、特徴解析、診断指導、及び／又は治療指導における認識可能な値を有するスコア等）を決定することができる。一例において、前記マイクロバイオーム特徴解析モジュール２２１は試料セット（例えば、健康対象及び目的の１種類又は複数種類の微生物関連状態を有する対象に対応する試料セット等）についてスコア（例えば、傾向スコア等）を決定すること、その傾向スコアのそれぞれ可能な値（例えば、１０）について前記目的の１種類又は複数種類の微生物関連状態を有する対象であって、その値と同等以上のスコア値を有する前記対象の分率（例えば、疾患対象の数／（疾患対象の数＋健康対象の数））を計算することによりそれらの傾向スコアを校正済みスコア（例えば、０～１の範囲のスコア）に変換することにより校正済みスコアを決定することができ、この場合に校正済みスコア＝（試料スコアよりも高いスコアを有する事例数）／（全事例数＋対照数）であり、且つ、傾向スコア値の関数として疾患個体の分率の確率密度関数を推定するものとしてこれを理解することができる。しかしながら、前記マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＥ２２６）はあらゆる適切な方式で構成され得る。
第６の変形例において、図１５に示されるように、マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＦ２２６）は他のマイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＡ２２２、解析モジュールＢ２２３、解析モジュールＣ２２４等）に関連する処理を改善するためにマイクロバイオーム特徴（例えば、マイクロバイオーム特徴と微生物関連状態との間の関連性、ユーザー特徴との関連性等）、微生物関連状態、ユーザー、微生物データセット、及び／又は他の適切な構成要素の事前知識（例えば、生物学的データ、ユーザーデータ等）を適用することができる。一例において、前記マイクロバイオーム特徴解析モジュール２２１はエラー率が低くなった改善された予測モデルになるように統計的推定を誘導し、それによりその演算システムの機能性を改善することができる。例において、データモデリングステップ、他の解析技術、及び／又は他のあらゆる適切な処理の時点で外部変数を含む硬質特徴、フィルタリング、加重スキームの活用を介してそのような知識（例えば、事前情報等）を含むことができる。しかしながら、前記マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＦ２２６）はあらゆる適切な方式で構成され得る。
第７の変形例において、図１６に示されるように、マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＧ２２７）は、例えば前記１種類又は複数種類の微生物関連状態と関連する、又は関連していないことがわかっている特徴の間で大体共通である中心的な特徴を特定するため、１種類又は複数種類の微生物関連状態と統計的に関連があると特定された前記特徴を処理して前記１種類又は複数種類の微生物関連状態に関連していない他の特徴と対比させることができる。前記マイクロバイオーム特徴解析モジュール２２１は遺伝子調節ネットワーク又は生化学的経路などの生物学的注釈に対するマッピング（例えば、前記マイクロバイオーム特徴等のマッピング）を作成及び／又は活用することができる。しかしながら、前記マイクロバイオーム特徴解析モジュール２２１（例えば、解析モジュールＧ２２７）はあらゆる適切な方式で構成され得る。
図１７に示されるように、前記マイクロバイオーム特徴解析系２２０は好ましくは複数の部位から採取された試料に関連するマルチサイト分析の実施（例えば、様々な採取部位に関連するマルチサイト微生物データセットに基づくマイクロバイオーム特徴解析モジュール２２１によりマルチサイト分析の実施、マイクロバイオーム特徴解析モジュール２２１の出力値に基づくマルチサイト特徴解析の作成等）を行うことができる。部位（例えば、採取部位等）は腸、皮膚、鼻、口、生殖器、他の適切な生理的部位、他の試料採取部位、及び／又は他のあらゆる適切な部位のうちのいずれか１つ、又は複数の領域を含み得る。マルチサイト分析は（例えば、マイクロバイオーム特徴を特定するための、及び／又は関連するモデル、例えば複数の採取部位に関連するデータセットの分析を目的として合わせた様々なモデルを作成するための異なる集団等に関して）集団レベルで、（例えば、ユーザーに対して）個体レベルで、且つ／又はあらゆる適切な存在に対して実施可能である。マルチサイト分析は１又は複数のマイクロバイオーム特徴解析モジュール２２１及び／又は他のあらゆる適切な構成要素（例えば、遠隔計算処理システム、ユーザー装置等）により、且つ／又は基づいて（例えば、前記モジュールの出力値等に基づいて）実施可能である。例えば、前記系２００は、腸、生殖器、口、皮膚、及び鼻のうちの少なくとも２つを含む複数の採取部位から採取される多様部位試料をはじめとする生体試料を処理（例えば、採取、配列解析等）するように機能することができる試料操作ネットワーク、及び、前記多様部位試料に基づいて前記一セットのマイクロバイオーム特徴群のうちの複数の第１のサブセットに属するマイクロバイオーム特徴を決定するために第１統計的検定（例えば、単変量統計検定等）（及び／又は他の適切な解析技術）を適用するように機能することができる第１マイクロバイオーム特徴解析モジュール２２１を含み得、ここで、前記複数の第１のマイクロバイオーム特徴サブセットのうちの各マイクロバイオーム特徴サブセットは、前記複数の採取部位のうちの異なる採取部位（例えば、異なる採取部位についての異なるマイクロバイオーム構成及び／又はマイクロバイオーム機能に基づく前記異なる採取部位についての、異なる又は同じ種類の、マイクロバイオーム特徴等）に対応する。前記例において、前記系２００は、前記多様部位試料に基づいて前記一セットのマイクロバイオーム特徴群のうちの第２のサブセットに属するマイクロバイオーム特徴を（例えば、前記複数の第１のサブセットに属するマイクロバイオーム特徴が前記第１統計的検定に対応し、且つ、前記第１サブセットのうちの異なるサブセットが異なる採取部位に対応する場合、前記第２のサブセットに属するマイクロバイオーム特徴が前記追加統計的検定に対応し、且つ、前記第２サブセットのうちの異なるサブセットが異なる採取部位に対応する場合等に）決定するために追加の統計的検定（例えば、単変量統計検定、前記第１統計的検定とは異なる種類の統計的検定、例えば異なる単変量統計検定等）を適用するように機能することができる第２マイクロバイオーム特徴解析モジュール２２１を含むことができ、ここで前記微生物関連状態のモデル（例えば、複数種類の微生物関連状態のモデル、例えば様々な採取部位及び／又は前記様々な採取部位に関連する様々な微生物関連状態が前記マイクロバイオーム特徴に基づいて作成可能である場合のマルチサイト分析用のモデル等）は、前記第１のマイクロバイオーム特徴サブセット及び前記第２のマイクロバイオーム特徴サブセットに基づいて作成される。
マルチサイト分析は部位別特徴解析（例えば、様々な採取部位において採取された試料に対応する様々な微生物データセットから計算された様々な個々の部位別傾向スコア等）、部位別治療介入促進、及び／又はマルチサイト分析に関連する他のあらゆる適切な処理の統合、結合、及び／又はそれら以外では集約を含み得る。マルチサイト分析はスコア又は確率を扱うベイジアンアプローチ及び頻度論的アプローチを含む統計手法、及び／又は他の適切な解析技術のうちの少なくとも１つ、又は複数を適用することにより（例えば、マイクロバイオーム特徴解析モジュール２２１等を用いて）実施可能である。一変形例において、（例えば、単一ユーザー、複数ユーザー等の）様々な採取部位に関連する個々の評価指数（例えば、１種類又は複数種類の微生物関連状態についての傾向スコア及び／又は他の評価指数）をまとめて、例えばそれらの個々の評価指数値の平均値を使用することにより総合評価指数（例えば、総合疾患性向スコア及び／又は他の評価指数等）を決定することができる。個々の部位別データ（例えば、個体についての個々の傾向スコア等）に由来する不確かさを総合評価指数（例えば、総合疾患性向スコア等）に反映させるために標準的な式を用いて標準偏差が計算可能である。例において、前記総合評価指数（例えば、マルチサイト特徴解析等）はあらゆる単一部位別評価指数であって、相補的、且つ、非重複的な情報を提供し得る部位別評価指数に関する追加情報を説明することができる。特定の例において、相補性とは様々な部位に対応する前記マイクロバイオーム関連特徴解析（例えば、評価指数等）が完全には相関しないこと（例えば、１部位のマイクロバイオーム構成、機能、及び／又は他の適切な特徴解析が別の部位のマイクロバイオーム構成、機能、及び／又は他の適切な特徴解析で完全に予測され得ないこと等）を意味し得る。マルチサイト分析は試料採取部位間での情報の重複性を説明することができる（例えば、マルチサイト分析できないことが試料採取部位間で強い相関を有する部位に過大な重要性を与えること等により偏った総合評価指数につながり得る場合等）。一変形例において、前記マイクロバイオーム特徴解析系２２０は、例えば改善された（例えば、正確性等が上昇した）総合評価指数を決定するため、対応するデータから推定され得る試料採取間での（例えば、前記様々な多様部位試料に対応する前記微生物データセット等の間での）共分散／相関に関する情報を使用することができる。一例において、例えば非重複的な情報を説明するために多変量統計的アプローチが（例えば、共分散及び／又は相関の推定等のために）適用され得る。特定の例において、平均値と標準偏差は検討されている部位に対応する前記マイクロバイオーム特徴（例えば、マイクロバイオーム構成、マイクロバイオーム機能、マイクロバイオーム特徴、微生物データセット、マイクロバイオームプロファイルの他の適切な態様等）の間での特定の共分散／相関パターンを用いて推定され得る。平均値と分散は
によって推定可能であり、式中、Ｓは検討されている部位の数であり、ｘｉは部位別スコアであり、σｉとσｉｊがそれぞれｉ番の部位別スコア分散、及びｉ番の部位とｊ番の部位との間の共分散パラメーターである。これらの共分散及び／又は相関の推定は多変量統計的方法を用いて実施可能である。特定の例において、前記マイクロバイオーム特徴解析系２２０はマルチサイト微生物データを有するユーザーについて各部位のデータに対して別々に次元削減法を、例えばＰＣＡの使用及び前記データの特徴解析に充分な潜在変数サブセットの選択を介して適用することができ、且つ／又は各部位由来の潜在変数について共分散／相関が多変量方法を用いて、例えば正準相関分析の使用を介して推定され得るが、あらゆる適切な解析技術及び／又はマイクロバイオーム特徴解析モジュール２２１がマルチサイト分析に適用可能である。
特定の例において、図１７に示されるように、（例えば、１種類又は複数種類の微生物関連状態についての）総合傾向スコアは、ユーザーの２か所以上の採取部位からの試料の採取、マルチサイト微生物データセットの決定（例えば、実験室処理及び／又は下流バイオインフォマティクスを介した部位別微生物データを含むデータセットの決定等）、部位別傾向スコアの決定（例えば、マイクロバイオーム特徴解析モジュール２２１を用いて決定された部位別マイクロバイオーム特徴に基づく決定、部位別微生物関連状態傾向推定アルゴリズムを介した決定、以前に学習したパラメトリック関数又はノンパラメトリック関数に基づいて疾患傾向についてマイクロバイオームプロファイルにスコアをつける機械学習モデル、回帰モデル、クラスタリングアルゴリズムのうちの少なくとも１つを含む解析技術を介した決定等）、並びに部位別傾向スコア、部位間マイクロバイオームプロファイルの非自明相関パターン情報、及び／又は他の適切なデータに基づいた総合傾向スコアの決定のうちの１つ、又は複数によって決定され得る。マルチサイト分析（例えば、総合評価指数を作成するための様々な部位に由来する相補的情報の結合等）は微生物関連状態傾向の全体的尺度を提供することができ、その全体的尺度は例えば診断及び治療の決定（例えば、治療介入の促進等）を導くために患者生物季節学と統合され得る。しかしながら、前記マイクロバイオーム特徴解析系及び／又は他の適切な構成要素はマルチサイト分析（例えば、マルチサイト分析目的の解析技術の適用、マルチサイト特徴解析の作成等）を促進するようにあらゆる適切な方式で構成され得る。
前記マイクロバイオーム特徴解析系は好ましくは複数種類の微生物関連状態について相互分析（例えば、１又は複数のマイクロバイオーム特徴解析モジュール２２１を使用する相互分析、多条件マイクロバイオーム特徴などのマイクロバイオーム特徴解析モジュール２２１の出力値に基づいて多状態特徴解析を作成する相互分析等）を実施することができる。例えば、前記マイクロバイオーム特徴解析系は複数種類の微生物関連状態に関連する（例えば、複数種類の微生物関連状態について診断された、複数種類の微生物関連状態を特徴とする、等）ユーザーの微生物データ、マイクロバイオーム特徴、及び／又は他の適切なマイクロバイオーム特徴に基づいて微生物関連状態間の関連性を特徴解析することができる。特定の例において、相互分析は個々の微生物関連状態についての特徴解析（例えば、個々の微生物関連状態についてのマイクロバイオーム特徴解析モジュール２２１からの出力値等）に基づいて実施され得る。相互分析は状態特異的特徴（例えば、単一の微生物関連状態に限って関連する特徴等）、多条件特徴（例えば、２種類以上の微生物関連状態に関連する特徴等）、及び／又は他のあらゆる適切な種類の特徴の特定を含み得る。相互分析は、例えば様々なペアの微生物関連状態を特徴解析することにより２種類以上の微生物関連状態間の関連性を説明する相関、一致、及び／又は他の類似のパラメーターについての情報を与えるパラメーターを決定することを含むことができ、その相互分析では順位付けられたペアのパラメーター値が高くなるほど類似性（例えば、共有度）がより高いマイクロバイオーム特徴と関連付けられ得る。一例において、相互相関分析は複数種類の微生物関連状態に由来するデータの関連のマイクロバイオーム特徴（例えば、微生物データ、マイクロバイオーム特徴等）に関する共同分析を含み得る。相互相関分析は、（例えば、個々の微生物関連状態の分析、及びその分析による特徴解析の比較においてマイクロバイオーム特徴解析モジュール２２１を適用するため等に）多変量モデル、正準相関モデル、マルチラベル人工知能アプローチ（例えば、マルチラベル教師あり、マルチラベル教師なし、マルチラベル半教師あり機械学習又は人工知能アプローチ等）、及び／又は他のあらゆる適切な解析技術のうちのいずれか１つ、又は複数を含む解析技術の適用を含み得る。しかしながら、前記マイクロバイオーム特徴解析系及び／又は他の適切な構成要素は相互分析（例えば、相互相関分析目的の解析技術の適用、相互特徴解析の作成等）を促進するようにあらゆる適切な方式で構成され得る。
前記マイクロバイオーム特徴解析系２２０は遠隔計算処理システム（例えば、マイクロバイオーム特徴解析モジュール２２１を適用するため等の遠隔計算処理システム）を含むことが好ましいが、加えて、又は代替としてあらゆる適切な演算システム（例えば、局所的演算システム、ユーザー装置、ハンドリングシステム構成要素等）を含み得る。しかしながら、前記マイクロバイオーム特徴解析系２２０はあらゆる適切な方式で構成され得る。
前記系２００の前記治療促進系２３０は１種類又は複数種類の微生物関連状態について（例えば、１種類又は複数種類の微生物関連状態に関連してユーザーの状態を改善するためにユーザーマイクロバイオーム構成及び機能の多様性の改変等を促進する）治療介入を促進する（例えば、１又は複数の治療法等を推進する）ように機能し得る。前記治療促進系２３０は、例えばマルチサイト特徴解析、多状態特徴解析、他の特徴解析、及び／又は他のあらゆる適切なデータに基づいてあらゆる数の採取部位に関連するあらゆる数の微生物関連状態に対する治療介入を促進することができる。前記治療促進系２３０は通信システム（例えば、ユーザー装置及び／又は医療提供者装置に治療推奨、選択、反対、及び／又は他の適切な治療関連情報を伝達するための通信システム、微生物関連状態に関して医療提供者と対象との間での遠隔医療を可能にするための通信システム等）、ユーザー装置上で実行可能なアプリケーション（例えば、ユーザーにマイクロバイオーム構成及び／又は機能性を示すアプリケーション等）、医療機器（例えば、様々な採取部位からの試料採取等のための生体試料採取装置、薬品投与装置、外科手術システム等）、ユーザー装置（例えば、バイオメトリックセンサー）、及び／又は他のあらゆる適切な構成要素のうちのいずれか１つ、又は複数を含み得る。１又は複数の治療促進系２３０は前記マイクロバイオーム特徴解析系２２０により制御可能であり、前記特徴解析系と通信可能であり、且つ／又はそれら以外では前記特徴解析系と連携可能である。例えば、前記マイクロバイオーム特徴解析系２２０は、該当するユーザーに対して（例えば、インターフェース２４０等において）提示（例えば、送付、伝達等）するために前記治療促進系２３０向けの１種類又は複数種類の微生物関連状態の特徴解析を作成することができる。別の例において、前記治療促進系２３０は治療を推進するためのデバイス（例えば、ユーザースマートフォン）のアプリケーション及び／又は他のソフトウェアを更新するか、且つ／又はそうでなければ改変することができる（例えば、１種類又は複数種類の微生物関連状態に関連するユーザー状態を改善するために生活習慣の変更をやることリストアプリケーションにおいて促すこと等）。しかしながら、前記治療促進系２３０は他のあらゆる方式で構成され得る。
図９に示されるように、前記系２００は加えて、又は代替としてインターフェース２４０を含むことができ、そのインターフェースはマイクロバイオーム特徴、微生物関連状態情報（例えば、傾向性評価指数、治療推奨、他のユーザーとの比較、他の特徴解析等）の提示を改善するように機能し得る。例において、前記インターフェース２４０は、例えば人工統計学的特徴を共有するユーザー群（例えば、喫煙者、運動選手、様々な食餌療法のユーザー、プロバイオティクスの消費者、抗生物質ユーザー、特定の治療法を受けているグループ等）に対して比較した１種類又は複数種類の微生物関連状態についてのマイクロバイオーム構成（例えば、分類群、相対存在度等）、機能多様性（例えば、特定の機能に関連する遺伝子の相対存在度）、及び傾向性評価指数を含む微生物関連状態情報を提示することができる。しかしながら、前記インターフェース２４０はあらゆる適切な方式で構成され得る。
前記系２００の前記構成要素は個々の構成要素として概説されているのに対し、それらの構成要素はあらゆる形式で物理的及び／又は論理的に統合され得る。例えば、演算システム（例えば、遠隔計算処理システム、ユーザー装置等）によって前記マイクロバイオーム特徴解析系２２０の一部及び／又は全体が実行される（例えば、ユーザーについての微生物関連状態の特徴解析を作成するためにマイクロバイオーム関連状態のモデル等が適用される）場合と前記治療促進系２３０の一部及び／又は全体が実行される（例えば、マイクロバイオーム構成及び／又はマイクロバイオーム機能に関連する理解を提示すること、治療推奨及び／又は治療情報を提示すること、前記特徴解析に基づいて特定されたプロバイオティクス療法を行うように前記ユーザーに通知するようにスマートフォンのカレンダーアプリケーションに毎日のイベントをスケジュールすること等を介して治療介入が促進される）場合があり得る。しかしながら、前記系２００の機能性はあらゆる適切なシステム構成要素にあらゆる適切な方式で付与され得る。加えて、又は代替として、前記系２００及び／又は方法１００は、参照により全体を本明細書に援用する２０１５年１月０９日に出願された米国特許出願公開第１４／５９３４２４号の明細書に記載されるものに類似の（例えば、微生物関連状態に関連して適用される）あらゆる適切な構成要素及び／又は機能を含み得る。しかしながら、前記系２００の前記構成要素はあらゆる適切な方式で構成され得る。
４．１．微生物データセットの作成
ブロックＳ１１０は対象群に関連する微生物データセット（例えば、微生物配列データセット、微生物配列データセット等に基づくマイクロバイオーム構成多様性データセット、微生物配列データセット等に基づくマイクロバイオーム機能多様性データセット等）を決定すること（Ｓ１１０）を含み得る。ブロックＳ１１０は、例えば１種類又は複数種類の微生物関連状態に関連して組成態様、機能態様、ゲノム薬理学、及び／又は該当するマイクロバイオームに関連する他の態様を決定するため、生体試料（例えば、人工統計学的特徴及び／又は他の適切な特徴を共有する対象群、対象亜集団、対象部分集団に関連する生体試料集合セット等）を処理するように機能し得る。組成態様及び／又は機能態様は微生物レベル（及び／又は他の適切な細分性）での態様のうちの１つ、又は複数を含むことができ、それらの態様には界、門、綱、目、科、属、種、亜種、株、及び／又は他のあらゆる適切な種以下の分類からなる様々な群にわたる微生物の分布に関連するパラメーター（例えば、各群の全存在量、各群の相対存在度、表示されている群の総数等で測定されるようなパラメーター）が含まれる。組成態様及び／又は機能態様が操作的分類単位（ＯＴＵ）に関連して表される場合もある。組成態様及び／又は機能態様は加えて、又は代替として遺伝子レベルの組成態様（例えば、多遺伝子座配列タイピングにより決定される領域、１６Ｓ配列、１８Ｓ配列、ＩＴＳ配列、他の遺伝子マーカー、他の系統発生マーカー等）を含み得る。組成態様及び機能態様は特定の機能（例えば酵素活性、輸送機能、免疫活性等）に関連する遺伝子の存在又は不在又は量を含み得る。したがって、ブロックＳ１１０の出力値は、（例えば、マイクロバイオーム特徴を抽出することができるマイクロバイオーム構成データセット、マイクロバイオーム機能データセット、及び／又は他の適切な微生物データセットの出力値がブロックＳ１１０によって引き出され得る場合等に）ブロックＳ１３０の特徴解析プロセス及び／又は前記方法１００の他の適切な部分のためにマイクロバイオーム特徴であって、微生物ベースの特徴（例えば、細菌の属の存在）、遺伝子ベースの特徴（例えば、特定の遺伝子領域及び／又は配列の提示に基づく特徴）、機能ベースの特徴（例えば、特定の触媒活性の存在）、及び／又は他のあらゆる適切なマイクロバイオーム特徴であり得る前記特徴の決定を促進するために使用され得る。
ブロックＳ１１０は対象群に関連する微生物データセット（例えば、微生物配列データセット、微生物配列データセット等に基づくマイクロバイオーム構成多様性データセット、微生物配列データセット等に基づくマイクロバイオーム機能多様性データセット等）を決定すること（Ｓ１１０）を含み得る。ブロックＳ１１０は、例えば１種類又は複数種類の微生物関連状態に関連して組成態様、機能態様、ゲノム薬理学、及び／又は該当するマイクロバイオームに関連する他の態様を決定するため、生体試料（例えば、人工統計学的特徴及び／又は他の適切な特徴を共有する対象群、対象亜集団、対象部分集団に関連する生体試料集合セット等）を処理するように機能し得る。組成態様及び／又は機能態様は微生物レベル（及び／又は他の適切な細分性）での態様のうちの１つ、又は複数を含むことができ、それらの態様には界、門、綱、目、科、属、種、亜種、株、及び／又は他のあらゆる適切な種以下の分類からなる様々な群にわたる微生物の分布に関連するパラメーター（例えば、各群の全存在量、各群の相対存在度、表示されている群の総数等で測定されるようなパラメーター）が含まれる。組成態様及び／又は機能態様が操作的分類単位（ＯＴＵ）に関連して表される場合もある。組成態様及び／又は機能態様は加えて、又は代替として遺伝子レベルの組成態様（例えば、多遺伝子座配列タイピングにより決定される領域、１６Ｓ配列、１８Ｓ配列、ＩＴＳ配列、他の遺伝子マーカー、他の系統発生マーカー等）を含み得る。組成態様及び機能態様は特定の機能（例えば酵素活性、輸送機能、免疫活性等）に関連する遺伝子の存在又は不在又は量を含み得る。したがって、ブロックＳ１１０の出力値は、（例えば、マイクロバイオーム特徴を抽出することができるマイクロバイオーム構成データセット、マイクロバイオーム機能データセット、及び／又は他の適切な微生物データセットの出力値がブロックＳ１１０によって引き出され得る場合等に）ブロックＳ１３０の特徴解析プロセス及び／又は前記方法１００の他の適切な部分のためにマイクロバイオーム特徴であって、微生物ベースの特徴（例えば、細菌の属の存在）、遺伝子ベースの特徴（例えば、特定の遺伝子領域及び／又は配列の提示に基づく特徴）、機能ベースの特徴（例えば、特定の触媒活性の存在）、及び／又は他のあらゆる適切なマイクロバイオーム特徴であり得る前記特徴の決定を促進するために使用され得る。
一変形例において、ブロックＳ１１０は、リボソームタンパク質Ｓ２、リボソームタンパク質Ｓ３、リボソームタンパク質Ｓ５、リボソームタンパク質Ｓ７、リボソームタンパク質Ｓ８、リボソームタンパク質Ｓ９、リボソームタンパク質Ｓ１０、リボソームタンパク質Ｓ１１、リボソームタンパク質Ｓ１２／Ｓ２３、リボソームタンパク質Ｓ１３、リボソームタンパク質Ｓ１５Ｐ／Ｓ１３ｅ、リボソームタンパク質Ｓ１７、リボソームタンパク質Ｓ１９、リボソームタンパク質Ｌ１、リボソームタンパク質Ｌ２、リボソームタンパク質Ｌ３、リボソームタンパク質Ｌ４／Ｌ１ｅ、リボソームタンパク質Ｌ５、リボソームタンパク質Ｌ６、リボソームタンパク質Ｌ１０、リボソームタンパク質Ｌ１１、リボソームタンパク質Ｌ１４ｂ／Ｌ２３ｅ、リボソームタンパク質Ｌ１５、リボソームタンパク質Ｌ１６／Ｌ１０Ｅ、リボソームタンパク質Ｌ１８Ｐ／Ｌ５Ｅ、リボソームタンパク質Ｌ２２、リボソームタンパク質Ｌ２４、リボソームタンパク質Ｌ２５／Ｌ２３、リボソームタンパク質Ｌ２９、翻訳伸長因子ＥＦ－２、翻訳開始因子ＩＦ－２、メタロエンドペプチダーゼ、ｆｆｈシグナル識別粒子タンパク質、フェニルアラニルｔＲＮＡ合成酵素ベータサブユニット、フェニルアラニルｔＲＮＡ合成酵素アルファサブユニット、ｔＲＮＡシュードウリジン合成酵素Ｂ、ポルフォビリノーゲンデアミナーゼ、リボソームタンパク質Ｌ１３、ホスホリボシルホルミルグリシンアミジンシクロリガーゼ、及びリボヌクレアーゼＨＩＩのうちの１つ、又は複数に関連する遺伝子ファミリーに関係する細菌及び／又は古細菌に由来する系統発生マーカー（例えば、微生物データセット作成のための系統発生マーカー等）に基づく特徴解析及び／又は処理を含み得る。加えて、又は代替として、マーカーは標的配列（例えば、微生物分類群に関連する配列、機能態様に関連する配列、微生物関連状態に相関する配列、様々な治療法に対するユーザーの応答を表す配列、例えばプライマー配列を共有するプライマー種を使用する多重増幅を促進するための集団及び／又はあらゆる適切な対象群にわたって不変の配列、保存配列、突然変異を含む配列、多型、ヌクレオチド配列、アミノ酸配列等）、タンパク質（例えば、血清タンパク質、抗体等）、ペプチド、炭水化物、脂質、他の核酸、全細胞、代謝物、天然産物、遺伝的素因バイオマーカー、診断バイオマーカー、予後診断バイオマーカー、予測バイオマーカー、他の分子バイオマーカー、遺伝子発現マーカー、画像化バイオマーカー、及び／又は他の適切なマーカーを含み得る。しかしながら、マーカーはマイクロバイオーム構成、マイクロバイオーム機能性、及び／又は微生物関連状態に関連する他のあらゆる適切なマーカーを含み得る。
したがって、前記生体試料集合セットの各々のマイクロバイオーム構成態様及び／又はマイクロバイオーム機能態様の特徴解析は、対象又は対象群に由来する各生体試料に関連するマイクロバイオーム及び機能態様を定量的及び／又は定性的に特徴解析するための試料処理技術の組合せ（例えば、図５に示されるようなウェットラボラトリー技法）を含むことが好ましく、それらの試料処理技術にはアンプリコンシーケンシング（例えば、１６Ｓ、１８Ｓ、ＩＴＳ）、ＵＭＩ、３ステップＰＣＲ、Ｃｒｉｓｐｒ、メタゲノミックアプローチ、メタトランスクリプトーム、ランダムプライマーの使用、及びコンピュータ技法（例えば、バイオインフォマティクスツールの利用）が含まれるがこれらに限定されない。
変形例において、ブロックＳ１１０における試料処理は、生体試料の溶解、生体試料の細胞の膜の破壊、生体試料からの望ましくない要素（例えば、ＲＮＡ、タンパク質）の分離、生体試料中の核酸（例えば、ＤＮＡ）の精製、生体試料由来の核酸の増幅、生体試料の増幅した核酸の追加精製、及び生体試料の増幅した核酸のシーケンシングのうちのいずれか１つ、又は複数を含み得る。一例において、ブロックＳ１１０は前記微生物関連状態に関連する微生物核酸群（例えば、微生物関連状態に相関する標的配列を含む微生物核酸群等）を含む生体試料をユーザー集団から採取すること（例えば、試料容器を含む試料採取キットを用いた前記ユーザーによる生体試料の採取等）を含み得る。別の例において、ブロックＳ１１０はユーザー集団の一ユーザーに由来する生体試料を受領するように機能することができる試料容器（例えば、溶解試薬などの前処理試薬を含む試料容器等）を各試料採取キットに含む試料採取キットセットを前記ユーザー集団に提供することを含み得る。
変形例において、生体試料の溶解及び／又は生体試料の細胞の膜の破壊は、物理的方法（例えば、ビーズビ－ティンング、窒素減圧、ホモジナイゼーション、ソニケーション）を含むことが好ましく、これによりシーケンシング時にある特定の細菌群の提示に偏りをもたらすある特定の試薬が省かれる。加えて、又は代替として、ブロックＳ１１０における溶解又は破壊は化学的方法（例えば、界面活性剤の使用、溶媒の使用、表面活性剤の使用等）を含み得る。加えて、又は代替として、ブロックＳ１１０における溶解又は破壊は生物学的方法を含み得る。変形例において、望ましくない要素の分離はＲＮＡ分解酵素を使用するＲＮＡの除去及び／又はタンパク質分解酵素を使用するタンパク質の除去を含み得る。変形例において、核酸の精製は前記生体試料由来の核酸の沈殿（例えば、アルコールベースの沈殿方法の使用）、液体／液体ベースの精製方法（例えば、フェノール／クロロホルム抽出）、クロマトグラフィーベースの精製方法（例えば、カラム吸着）、核酸に結合するように構成されており、且つ、溶出環境（例えば、ある溶出溶液を有する環境、ｐＨ変化をもたらす環境、温度変化をもたらす環境等）が存在する状態で核酸を解離するように構成されている捕捉部分結合粒子（例えば、磁性ビーズ、浮揚性ビーズ、様々な粒度分布を有するビーズ、超音波応答性ビーズ等）の使用を含む精製方法、及び他のあらゆる適切な精製方法のうちの１つ、又は複数を含み得る。
変形例において、精製した核酸の増幅は、ポリメラーゼ連鎖反応（ＰＣＲ）ベースの方法（例えば、固相ＰＣＲ、ＲＴ－ＰＣＲ、ｑＰＣＲ、マルチプレックスＰＣＲ、タッチダウンＰＣＲ、ナノＰＣＲ、ネステッドＰＣＲ、ホットスタートＰＣＲ等）、ヘリカーゼ依存性増幅法（ＨＤＡ）、ループ介在等温増幅法（ＬＡＭＰ）、自家持続配列複製法（３ＳＲ）、核酸配列ベース増幅法（ＮＡＳＢＡ）、鎖置換増幅法（ＳＤＡ）、ローリングサークル増幅法（ＲＣＡ）、リガーゼ連鎖反応（ＬＣＲ）、及び他のあらゆる適切な増幅法のうちの１つ、又は複数を含み得る。精製した核酸の増幅では使用プライマーは分類学的に、系統発生学的に、診断のために、製剤（例えば、プロバイオティクス製剤）のために、且つ／又は他のあらゆる適切な目的のために情報価値のある核酸領域／配列（例えば、１６Ｓ領域、１８Ｓ領域、ＩＴＳ領域の配列等）を増幅するように構成されていることが好ましく、同時に増幅バイアスを防止又は最小化するように選択されていることが好ましい。したがって、増幅バイアスを回避するように構成されているユニバーサルプライマー（例えば、１６Ｓ ＲＮＡ用のＦ２７－Ｒ３３８プライマーセット、１６Ｓ ＲＮＡ用のＦ５１５－Ｒ８０６プライマーセット等）が増幅に使用可能である。加えて、又は代替として、生体試料、ユーザー、微生物関連状態、分類群、標的配列、及び／又は他のあらゆる適切な構成要素に特異的な組み込み型バーコード配列及び／又はＵＭＩが含まれ、それらの配列はシーケンシング後の特定過程（例えば、マイクロバイオーム構成態様及び／又はマイクロバイオーム機能態様に対する配列リードをマッピングするための特定処理等）を促進することができる。加えて、又は代替として、ブロックＳ１１０の変形例で使用されるプライマーは、相補的アダプターを伴うシーケンシング法（例えば、イルミナ・シーケンシング）と協働するように構成されているアダプター領域を含み得る。加えて、又は代替として、ブロックＳ１１０は、処理（例えば、Ｎｅｘｔｅｒａキットを使用する処理）を促進するように構成されている他のあらゆる工程を実行することができる。特定の例において、増幅及び／又は試料処理操作の実施は（例えば、単一の生体試料、複数ユーザーの複数の生体試料等について）多重的であり得る。別の特定の例において、増幅の実施はライブラリー間のバランスを取り、且つ、出発物質の量と無関係に混合物の全てのアンプリコンを検出するための正規化工程、例えば３ステップＰＣＲ、ビーズベース正規化法、及び／又は他の適切な方法を含み得る。
変形例において、精製した核酸のシーケンシングは、ターゲットアンプリコンシーケンシング、メタトランスクリプトームシーケンシング、及び／又はメタゲノミックシーケンシングを含む方法を含むことができ、シーケンシング・バイ・シンセシス法（例えば、イルミナ・シーケンシング）、キャピラリーシーケンシング法（例えば、サンガーシーケンシング）、パイロシーケンシング法、及びナノポアシーケンシング法（例えば、オックスフォード・ナノポア法を使用する方法）のうちの１つ、又は複数を含む方法を実施する。
特定の例において、前記生体試料セットの生体試料に由来する核酸の増幅及びシーケンシングは、オリゴアダプターを含む基材上での前記生体試料のＤＮＡ断片のブリッジ増幅を伴う固相ＰＣＲを含み、その増幅にはフォワードインデックス配列（例えば、ＭｉＳｅｑ／ＮｅｘｔＳｅｑ／ＨｉＳｅｑプラットフォーム向けのイルミナ・フォワードインデックスに対応するフォワードインデックス配列）、フォワードバーコード配列、トランスポゼース配列（例えば、ＭｉＳｅｑ／ＮｅｘｔＳｅｑ／ＨｉＳｅｑプラットフォーム向けのトランスポゼース結合部位に対応するトランスポゼース配列）、リンカー（例えば、同質性を低下させ、且つ、シーケンシングの結果を改善するように構成されている０塩基、１塩基、又は２塩基の断片）、追加ランダム塩基、ＵＭＩ、特定の標的領域（例えば、１６Ｓ領域、１８Ｓ領域、ＩＴＳ領域）を標的とするための配列、リバースインデックス配列（例えば、ＭｉＳｅｑ／ＨｉＳｅｑプラットフォーム向けのイルミナ・リバースインデックスに対応するリバースインデックス配列）、及びリバースバーコード配列を有するプライマーが関与する。前記特定の例において、シーケンシングはシーケンシング・バイ・シンセシス法を用いるイルミナ・シーケンシング（例えば、ＨｉＳｅｑプラットフォーム、ＭｉＳｅｑプラットフォーム、ＮｅｘｔＳｅｑプラットフォームを使用するイルミナ・シーケンシング等）を含み得る。別の特定の例において、前記方法１００は１種類又は複数種類の微生物関連状態（例えば、ヒト行動状態、疾患関連状態等）に関連する１又は複数の遺伝子標的と適合する１又は複数のプライマー種を特定すること、例えば微生物核酸群の断片化及び／又は前記ヒト行動状態に関連する遺伝子標的に適合する前記１又は複数の特定されたプライマー種に基づく前記断片化微生物核酸群を用いる多重増幅の実施を介して前記１又は複数のプライマー種（及び、例えば採取された生体試料に含まれる微生物核酸群等）に基づく１又は複数のユーザー（例えば、対象群）についての微生物データセット（例えば、微生物配列データセット等）を作成すること、及び／又は前記微生物データセットから得られた微生物関連特徴解析に基づく前記ユーザー状態に対する治療法（例えば、所望の分類群の集団の大きさ及び所望のマイクロバイオーム機能のうちの少なくとも１つに関して前記ユーザーのマイクロバイオームの選択的改変を可能にする治療法等）を推進すること（例えば、提供すること）を含み得る。
変形例において、ブロックＳ１１０及び／又は前記方法１００の他の部分において使用されるプライマー（例えば、プライマー配列に対応するプライマー種等）は、タンパク質遺伝子に関連するプライマー（例えば、複数の標的及び／又は分類群に対する多重増幅を可能にするため等の複数の分類群にわたって保存されて適切いるタンパク質遺伝子配列をコードするプライマー等）を含み得る。加えて、又は代替として、プライマーは、微生物関連状態と関連してよく（例えば、ヒト行動状態及び／又は疾患関連状態などの微生物関連状態と相関する微生物向けの微生物配列バイオマーカーを含む遺伝子標的と適合するプライマー等）、マイクロバイオーム構成特徴と関連してよく（例えば、微生物関連状態に相関する分類群のうちの一群と関連するマイクロバイオーム構成特徴に対応する遺伝子標的と適合することが特定されたプライマー、相対存在度特徴が得られる遺伝子配列等）、機能多様性特徴と関連してよく、補足的特徴と関連してよく、且つ／又は他の適切な特徴やデータと関連してよい。プライマー（及び／又は他の適切な分子、マーカー、及び／又は本明細書に記載される生体物質）はあらゆる適切な大きさ（例えば、配列長、塩基対数、保存配列長、可変領域長等）を有し得る。加えて、又は代替として、あらゆる適切な数のプライマーが特徴解析（例えば、微生物関連特徴解析等）の実施、試料処理の改善（例えば、増幅バイアスの低減を介した改善等）、及び／又はあらゆる適切な目的のために試料処理において使用され得る。前記プライマーはあらゆる適切な数の標的、配列、分類群、状態、及び／又は他の適切な態様と関連し得る。ブロックＳ１１０及び／又は前記方法１００の他の適切な部分において使用されるプライマーはブロックＳ１１０に記載される処理（例えば、分類学データベースの作成に使用されるパラメーターに基づくプライマーの選択）及び／又は前記方法１００の他のあらゆる適切な部分を介して選択され得る。一例において、ブロックＳ１１０は前記微生物関連状態に関連する微生物核酸群配列向けのプライマー種（例えば、微生物関連状態に相関する微生物核酸群配列を増幅するように機能することができるプライマー向けのプライマー種等）の特定、及び前記プライマー種及び前記微生物核酸群に基づく（例えば、微生物核酸群の増幅用の前記プライマー種のプライマーを使用すること、及び前記微生物配列データセットを作成するための前記増幅核酸をシーケンシングすること等に基づく）前記微生物配列データセットの作成を含み得る。特定の例において、ブロックＳ１１０は前記微生物核酸群の断片化、並びに前記断片化微生物核酸群及び前記微生物関連状態に関連する前記特定済みプライマー種に基づく前記断片化微生物核酸群を用いる多重増幅の実施を含み得る。加えて、又は代替として、プライマー（及び／又はプライマーに関連する処理）は、参照により全体を本明細書に援用する２０１５年１０月２１日に出願された米国特許出願公開第１４／９１９６１４号の明細書に記載されるものを含むことができ、且つ／又はその明細書に記載されるものと類似していてよい。しかしながら、プライマーの特定及び／又は使用はあらゆる適切な方式で構成され得る。
試料処理の幾つかの変形例はシーケンシング前の増幅した核酸（例えば、ＰＣＲ産物）の追加精製を含むことができ、その追加精製は過剰な増幅要素（例えば、プライマー、ｄＮＴＰ、酵素、塩等）を除去するように働く。例において、追加精製は精製キット、緩衝液、アルコール、ｐＨ指示薬、カオトロピック塩、核酸結合フィルター、遠心分離、及び／又は他のあらゆる適切な精製法のうちのいずれか１つ、又は複数を使用して促進され得る。
変形例において、ブロックＳ１１０における演算処理はマイクロバイオーム由来配列（例えば、対象配列と対照的な配列と混入配列）の特定、マイクロバイオーム由来配列のアラインメントとマッピング（例えば、シングルエンドアラインメント、ギャップなしアラインメント、ギャップありアラインメント、ペアリングのうちの１つ、又は複数を使用する断片化配列のアラインメント）、並びに生体試料に関連するマイクロバイオームの組成態様及び／又は機能態様に関連する（例えば、由来する）特徴の作成のうちのいずれか１つ、又は複数を含み得る。
対象ゲノム由来配列を除去するためにマイクロバイオーム由来配列の特定は試料処理に由来する配列データの（例えば、ゲノムリファレンスコンソーシアムにより提供される）対象基準ゲノムへのマッピングを含み得る。その後、配列データの対象基準ゲノムへのマッピングの後に残っている未特定の配列はさらに配列の類似性及び／又は（例えば、ＶＡＭＰＳデータベース、ＭＧ－ＲＡＳＴデータベース、ＱＩＩＭＥデータベースを使用する）基準ベースアプローチに基づいて操作的分類単位（ＯＴＵ）にクラスター分類され、（例えば、ゲノムハッシングアプローチ、ニードルマン・ウンシュアルゴリズム、スミス・ウォーターマンアルゴリズムを使用して）アラインメント形成され、かつ、アラインメントアルゴリズム（例えば、ベーシックローカルアラインメントサーチツール、ＦＰＧＡ加速アラインメントツール、ＢＷＡを使用するＢＷＴ索引付け、ＳＯＡＰを使用するＢＷＴ索引付け、Ｂｏｗｔｉｅを使用するＢＷＴ索引付け等）を使用して（例えば、米国国立バイオテクノロジー情報センターにより提供される）基準細菌ゲノムへマッピングされ得る。加えて、又は代替として、未特定の配列のマッピングは基準古細菌ゲノム、ウイルスゲノム、及び／又は真核生物ゲノムへのマッピングを含み得る。さらに、既存のデータベースに対して、且つ／又は自作のデータベースに対して分類群のマッピングが実施され得る。
生体試料に関連するマイクロバイオームの現れた微生物群が特定されたところで生体試料に関連するマイクロバイオームの組成態様及び機能態様に関連する（例えば、由来する）特徴が作成され得る。一変形例において、特徴作成は前記方法１００の後続のブロックにおける特徴解析に有用なマーカーを特定するために多遺伝子座配列タイピング（ＭＳＬＴ）に基づいて特徴を生成することを含み得る。加えて、又は代替として、特徴作成はある特定の分類群の微生物の存在又は不在、及び／又は表示されている分類群の微生物の比率を説明する特徴を作成することを含み得る。加えて、又は代替として、特徴作成は現れた分類群の量、現れた分類群のネットワーク、様々な分類群の提示における相関、様々な分類群間の交互作用、様々な分類群によって作製される産物、様々な分類群によって作製される産物間の交互作用、死んだ微生物と生きている微生物との間の比率（例えば、ＲＮＡの分析に基づく様々な現れた分類群についての比率）、系統発生学的距離（例えば、カントロビッチ－ルビンシュタイン距離、ヴァッサーシュタイン距離等に関する距離）、他のあらゆる適切な分類群関連特徴、他のあらゆる適切な遺伝的態様又は機能態様のうちの１つ、又は複数を説明する特徴を作成することを含み得る。
加えて、又は代替として、特徴作成は例えばｓｐａｒＣＣアプローチを用いて、ゲノム相対存在度及び平均サイズ（ＧＡＡＳ）アプローチを用いて、且つ／又は１又は複数の群の微生物の相対存在度の最尤推定を実施するために配列類似性データを使用する混合モデル理論（ＧＲＡＭＭｙ）アプローチを用いるゲノム相対存在度を用いて様々な微生物群の相対存在度を説明する特徴を作成することを含み得る。加えて、又は代替として、特徴作成は存在度評価指数から得られるような分類学的多様性の統計的尺度を作成することを含み得る。加えて、又は代替として、特徴作成は相対存在度因子に関連する（例えば、由来する）特徴（例えば、他の分類群の存在度に影響するある分類群の存在度の変化に関する特徴）を作成することを含み得る。加えて、又は代替として、特徴作成は１又は複数の分類群の存在を単独で、且つ／又は組み合わせて説明する定性的特徴を作成することを含み得る。加えて、又は代替として、特徴作成は生体試料に関連するマイクロバイオームの微生物を特徴づける遺伝子マーカー（例えば、代表的な１６Ｓ配列、１８Ｓ配列、及び／又はＩＴＳ配列）に関連する特徴を作成することを含み得る。加えて、又は代替として、特徴作成は特定の遺伝子及び／又は前記特定の遺伝子を有する生物の機能的関連性に関連する特徴を作成することを含み得る。加えて、又は代替として、特徴作成は分類群の病原性及び／又は分類群に起因する産物に関連する特徴を作成することを含み得る。しかしながら、ブロックＳ１２０は生体試料の核酸のシーケンシング及びマッピングから得られる他のあらゆる適切な特徴を作成することを含み得る。例えば、前記特徴は組み合わせによるものであり得（例えばペア、トリプレットが関わる）、相関的であり得（例えば、様々な特徴間の相関に関連し）、且つ／又は特徴の変化（例えば、時間的変化、試料部位等による変化、空間的変化等）に関連し得る。しかしながら、生体試料の処理、微生物データセットの作成、及び／又はブロックＳ１１０に関連する他の態様はあらゆる適切な方式で実施され得る。
４．２．補足データセットの処理
加えて、又は代替として、前記方法１００はブロックＳ１２０を含むことができ、そのブロックはユーザー集団についての１種類又は複数種類の微生物関連状態（例えば、ユーザー行動等に関連するヒト行動状態、関連の病歴、症状、投薬などの疾患関連状態等）に関連する（例えば、前記微生物関連状態についての情報を与える、それらの状態を説明する、それらの状態を示す等）補足データセットを処理すること（例えば、受領すること、収集すること、変換すること等）を含み得る。ブロックＳ１２０は前記対象群の１又は複数の対象に関連するデータを取得するように機能することができ、そのデータは（例えば、ブロックＳ１３０における）前記微生物関連特徴解析プロセスをトレーニングする、検証する、適用する、且つ／又はそれら以外ではその微生物関連特徴解析プロセスについての情報を与えるために使用され得る。ブロックＳ１２０において、前記補足データセットは調査由来データを含むことが好ましいが、加えて、又は代替として、部位特異的データ（例えば、様々な採取部位についての情報を与えるデータ等）、微生物関連状態データ（例えば、微生物関連状態のデータ情報等）、センサーから得られる前後関係のデータ（例えば、ウェラブルデバイスデータ等）、医療データ（例えば、現在及び病歴についての医療データ、医療機器由来データ、医学的検査に関連するデータ等）、ソーシャルメディアデータ、ユーザーデータ（例えば、センサーデータ、人工統計学的データに関連するデータ等）、携帯電話データ（例えば、携帯電話アプリケーションデータ等）、ウェッブアプリケーションデータ、これまでの生物学的知識（例えば、微生物関連状態についての情報を与える知識、マイクロバイオーム特徴、マイクロバイオーム特徴と微生物関連状態との間の関連性等）、及び／又は他のあらゆる適切な種類のデータのうちのいずれか１つ、又は複数を含み得る。調査由来データの受領を含むブロックＳ１２０の変形例において、前記調査由来データは対象に関連する生理学的情報、人工統計学的情報、及び行動情報を提供することが好ましい。生理学的情報は生理学的特徴（例えば、身長、体重、肥満度指数、体脂肪率、体毛レベル等）に関連する情報を含み得る。人工統計学的情報は人工統計学的特徴（例えば、性別、年齢、民族的帰属、婚姻関係、兄弟姉妹の数、社会経済的状態、性的指向等）に関連する情報を含み得る。行動情報は健康状態（例えば、健康状態及び疾患状態）、生活状況（例えば、単独生活、ペットとの生活、大切な人との生活、子供との生活等）、食習慣（例えば、アルコール消費、カフェイン消費、雑食性、菜食主義、絶対菜食主義、糖の消費、酸の消費、小麦、卵、大豆、ナッツ類、ピーナッツ、甲殻類、及び／又は他の適切な食品の消費等）、行動傾向（例えば、身体活動レベル、薬物使用、アルコール摂取、嗜癖の発達等）、様々なレベルの運動性（例えば、低度、中度、及び／又は強度の身体運動活動などの運動量、所与の時間内に移動する距離に関する運動性、モーションセンサー及び／又は位置センサーなどの運動センサーにより示される運動性等）、様々なレベルの性的活動（例えば、パートナー数及び性的指向に関連する情報）、及び他のあらゆる適切な行動情報のうちの１つ、又は複数に関連する情報を含み得る。調査由来データは定量的データ及び／又は（例えば、重症度スケール、定性的応答の定量スコアへのマッピング等を使用して）定量的データに変換可能な定性的データを含み得る。
加えて、又は代替として、前記方法１００はブロックＳ１２０を含むことができ、そのブロックはユーザー集団についての１種類又は複数種類の微生物関連状態（例えば、ユーザー行動等に関連するヒト行動状態、関連の病歴、症状、投薬などの疾患関連状態等）に関連する（例えば、前記微生物関連状態についての情報を与える、それらの状態を説明する、それらの状態を示す等）補足データセットを処理すること（例えば、受領すること、収集すること、変換すること等）を含み得る。ブロックＳ１２０は前記対象群の１又は複数の対象に関連するデータを取得するように機能することができ、そのデータは（例えば、ブロックＳ１３０における）前記微生物関連特徴解析プロセスをトレーニングする、検証する、適用する、且つ／又はそれら以外ではその微生物関連特徴解析プロセスについての情報を与えるために使用され得る。ブロックＳ１２０において、前記補足データセットは調査由来データを含むことが好ましいが、加えて、又は代替として、部位特異的データ（例えば、様々な採取部位についての情報を与えるデータ等）、微生物関連状態データ（例えば、微生物関連状態のデータ情報等）、センサーから得られる前後関係のデータ（例えば、ウェラブルデバイスデータ等）、医療データ（例えば、現在及び病歴についての医療データ、医療機器由来データ、医学的検査に関連するデータ等）、ソーシャルメディアデータ、ユーザーデータ（例えば、センサーデータ、人工統計学的データに関連するデータ等）、携帯電話データ（例えば、携帯電話アプリケーションデータ等）、ウェッブアプリケーションデータ、これまでの生物学的知識（例えば、微生物関連状態についての情報を与える知識、マイクロバイオーム特徴、マイクロバイオーム特徴と微生物関連状態との間の関連性等）、及び／又は他のあらゆる適切な種類のデータのうちのいずれか１つ、又は複数を含み得る。調査由来データの受領を含むブロックＳ１２０の変形例において、前記調査由来データは対象に関連する生理学的情報、人工統計学的情報、及び行動情報を提供することが好ましい。生理学的情報は生理学的特徴（例えば、身長、体重、肥満度指数、体脂肪率、体毛レベル等）に関連する情報を含み得る。人工統計学的情報は人工統計学的特徴（例えば、性別、年齢、民族的帰属、婚姻関係、兄弟姉妹の数、社会経済的状態、性的指向等）に関連する情報を含み得る。行動情報は健康状態（例えば、健康状態及び疾患状態）、生活状況（例えば、単独生活、ペットとの生活、大切な人との生活、子供との生活等）、食習慣（例えば、アルコール消費、カフェイン消費、雑食性、菜食主義、絶対菜食主義、糖の消費、酸の消費、小麦、卵、大豆、ナッツ類、ピーナッツ、甲殻類、及び／又は他の適切な食品の消費等）、行動傾向（例えば、身体活動レベル、薬物使用、アルコール摂取、嗜癖の発達等）、様々なレベルの運動性（例えば、低度、中度、及び／又は強度の身体運動活動などの運動量、所与の時間内に移動する距離に関する運動性、モーションセンサー及び／又は位置センサーなどの運動センサーにより示される運動性等）、様々なレベルの性的活動（例えば、パートナー数及び性的指向に関連する情報）、及び他のあらゆる適切な行動情報のうちの１つ、又は複数に関連する情報を含み得る。調査由来データは定量的データ及び／又は（例えば、重症度スケール、定性的応答の定量スコアへのマッピング等を使用して）定量的データに変換可能な定性的データを含み得る。
調査由来データの受領の促進において、ブロックＳ１３０は、前記対象群のうちの対象に、又は前記対象群のうちの対象に関連する存在に１種類又は複数種類の調査を実施することを含み得る。調査は直接に（例えば、対象からの試料の提出及び受領と同時に）、電子的に（例えば、対象によるアカウント設定の間に、対象の電子デバイスで実行されるアプリケーションにおいて、インターネット接続を介してアクセス可能なウェッブアプリケーションにおいて等）、及び／又は他のあらゆる適切な方式で実施され得る。
加えて、又は代替として、前記補足データセットの一部は、対象に関連するセンサー（例えば、ウェラブル演算装置のセンサー、モバイルデバイスのセンサー、前記ユーザーに関連するバイオメトリックセンサー等）に由来し得る。したがって、ブロックＳ１３０は、身体活動関連データ又は物理作用関連データ（例えば、対象のモバイルデバイス又はウェラブル電子デバイスからの加速度計及びジャイロスコープデータ）、環境データ（例えば、温度データ、高度データ、気候データ、光パラメーターデータ等）、患者栄養又は食事関連データ（例えば、食品事業所の記帳からのデータ、分光光度分析からのデータ、ユーザーが入力したデータ、プロバイオティクス食品やプレバイオティクス食品に関する栄養データ、消費された食品の種類、消費された食品の量、食事等）、バイオメトリックデータ（例えば、患者のモバイル演算装置内のセンサーを介して記録されるデータ、患者のモバイル演算装置と連絡しているウェラブルデバイス又は他の周辺デバイスを介して記録されるデータ）、位置データ（例えば、ＧＰＳエレメントを使用するデータ）、及び他のあらゆる適切なデータのうちの１つ、又は複数を受領することを含み得る。変形例において、センサーデータは、光学センサー（例えば、画像センサー、光センサー等）、音響センサー、温度センサー、揮発性化合物センサー、体重センサー、湿度センサー、深度センサー、位置センサー（ＧＰＳ受信機等）、慣性センサー（例えば、加速度計、ジャイロスコープ、磁力計等）、バイオメトリックセンサー（例えば、心拍数センサー、指紋センサー、生体電気インピーダンスセンサー等）、圧力センサー、流量センサー、電力センサー（例えば、ホール効果センサー）、及び／又は他のあらゆる適切なセンサーのうちの１つ、又は複数において収集されるデータを含み得る。
加えて、又は代替として、前記補足データセットの一部は前記対象の医療記録データ及び／又は臨床データに由来し得る。したがって、前記補足データセットの一部は前記対象の１又は複数の電子健康診断書（ＥＨＲ）に由来し得る。
加えて、又は代替として、ブロックＳ１２０の前記補足データセットは他のあらゆる適切な診断情報（例えば、臨床診断情報）を含むことができ、その診断情報は前記方法１００の後続のブロックにおける対象の特徴解析を支援するための特徴に由来する分析情報と組み合わせ可能である。例えば、大腸内視鏡検査、生検、血液検査、画像診断、他の適切な診断法、調査関連情報、及び／又は他のあらゆる適切な検査から得られる情報を（例えば、前記方法１００のあらゆる適切な部分のために）使用して補足することができる。
加えて、又は代替として、前記補足データセットは、治療計画、治療法の種類、推奨される治療法、前記ユーザーにより用いられる治療法、治療アドヒアランス等のうちの１つ、又は複数を含む治療関連データを含み得る。例えば、前記補足データセットは推奨される治療法に対するユーザーアドヒアランス（例えば、服薬アドヒアランス、プロバイオティクスアドヒアランス、身体運動アドヒアランス、食事アドヒアランス等）を含み得る。しかしながら、補足データセットの処理はあらゆる適切な方式で実施され得る。
４．３．特徴解析プロセスの実施
ブロックＳ１３０は１又は複数のマイクロバイオーム特徴解析モジュールを用いて解析技術を適用することにより（例えば、ブロックＳ１１０等に由来する）微生物データセット及び／又は他の適切なデータ（例えば、補足データセット等）等に基づいて１種類又は複数種類の微生物関連状態について特徴解析プロセス（例えば、前処理、特徴生成、特徴処理、複数の採取部位についてのマルチサイト特徴解析、複数種類の微生物関連状態についての相互分析、モデル作成等）を実施することを含み得る（Ｓ１３０）。ブロックＳ１３０は、ユーザー又は／及びユーザー集団のマイクロバイオーム構成（例えば、マイクロバイオーム構成多様性特徴等）、機能（例えば、マイクロバイオーム機能多様性特徴等）、及び／又は他の適切なマイクロバイオーム特徴に基づいて（例えば、微生物関連特徴解析等を決定するための特徴解析モデルの作成と適用等を介する）前記ユーザー又は／及びユーザー集団について微生物関連特徴解析結果を決定するために使用可能な特徴及び／又は特徴の組合せを特定、決定、抽出、及び／又はそれら以外では処理するように機能し得る。したがって、前記特徴解析プロセスは、対象の健康状態（例えば、微生物関連状態状態）、行動形質、医学的状態、人工統計学的形質、及び／又は他のあらゆる適切な形質のうちの１つ、又は複数に関して対象のマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴に基づいて対象を（例えば、行動形質に関して、医学的状態に関して、人工統計学的形質等に関して）特徴解析することができる診断ツールとして使用され得る。そのような特徴解析は治療法（例えば、治療モデル等によって決定された個別化治療法等）を決定、推奨、及び／又は提供するため、且つ／又はそれ以外では治療介入を促進するために使用可能である。
ブロックＳ１３０は１又は複数のマイクロバイオーム特徴解析モジュールを用いて解析技術を適用することにより（例えば、ブロックＳ１１０等に由来する）微生物データセット及び／又は他の適切なデータ（例えば、補足データセット等）等に基づいて１種類又は複数種類の微生物関連状態について特徴解析プロセス（例えば、前処理、特徴生成、特徴処理、複数の採取部位についてのマルチサイト特徴解析、複数種類の微生物関連状態についての相互分析、モデル作成等）を実施することを含み得る（Ｓ１３０）。ブロックＳ１３０は、ユーザー又は／及びユーザー集団のマイクロバイオーム構成（例えば、マイクロバイオーム構成多様性特徴等）、機能（例えば、マイクロバイオーム機能多様性特徴等）、及び／又は他の適切なマイクロバイオーム特徴に基づいて（例えば、微生物関連特徴解析等を決定するための特徴解析モデルの作成と適用等を介する）前記ユーザー又は／及びユーザー集団について微生物関連特徴解析結果を決定するために使用可能な特徴及び／又は特徴の組合せを特定、決定、抽出、及び／又はそれら以外では処理するように機能し得る。したがって、前記特徴解析プロセスは、対象の健康状態（例えば、微生物関連状態状態）、行動形質、医学的状態、人工統計学的形質、及び／又は他のあらゆる適切な形質のうちの１つ、又は複数に関して対象のマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴に基づいて対象を（例えば、行動形質に関して、医学的状態に関して、人工統計学的形質等に関して）特徴解析することができる診断ツールとして使用され得る。そのような特徴解析は治療法（例えば、治療モデル等によって決定された個別化治療法等）を決定、推奨、及び／又は提供するため、且つ／又はそれ以外では治療介入を促進するために使用可能である。
特徴解析プロセスの実施（Ｓ１３０）は下流処理（例えば、微生物関連特徴解析結果の決定等）を促進するための前処理微生物データセット、マイクロバイオーム特徴、及び／又は他の適切なデータを含み得る。一例において、特徴解析プロセスの実施は（ａ）（例えば、１種類又は複数種類の微生物関連状態等に関連する）前記一セットの生体試料群の第１試料はずれ値に対応する第１の試料データを除外すること、ここで前記第１試料はずれ値は、例えば主成分分析、次元削減法、及び多変量解析技術のうちの少なくとも１つにより決定される；（ｂ）前記一セットの生体試料群うちの第２試料はずれ値に対応する第２の試料データを除外すること（例えば、閾値条件未満である、高品質データを有する多数のマイクロバイオーム特徴に該当する試料を除外すること等）、ここで前記第２試料はずれ値は、前記一セットのマイクロバイオーム特徴群についての対応データ品質に基づいて決定され得る；及び（ｃ）マイクロバイオーム特徴の試料数が閾値試料数条件を満たすことができないことに基づいて前記一セットのマイクロバイオーム特徴群から１又は複数のマイクロバイオーム特徴を除外すること、ここで前記試料数は前記マイクロバイオーム特徴についての高品質データに関連する試料の数に対応する、のうちの少なくとも１つにより微生物データセットをフィルタリングすること（例えば、一セットの解析技術群を適用して前記マイクロバイオーム特徴を決定する前等に微生物配列データセットをフィルタリングすること等）を含み得る。しかしながら、前処理はあらゆる適切な解析技術を用いてあらゆる適切な方式で実施され得る。
前記特徴解析プロセスの実施において、ブロックＳ１３０は１種類又は複数種類の微生物関連状態に関連する特徴（例えば、前記１種類又は複数種類の微生物関連状態を有するユーザー集団の特徴等）を示すような対象を特徴解析するための計算方法（例えば、統計学的方法、機械学習方法、人工知能方法、バイオインフォマティクス方法等）を使用することができる。
ブロックＳ１３０は（例えば、マイクロバイオーム特徴の決定、微生物関連特徴解析の作成等のための）１又は複数のマイクロバイオーム特徴解析モジュールにより１又は複数の解析技術を適用することを含むことが好ましい。例えば、一セットのマイクロバイオーム特徴群を決定するための一セットの解析技術群の適用は、（例えば、微生物配列データセット等に基づいて）初期セットに属するマイクロバイオーム特徴群を決定すること、並びに、次元削減法が欠損値比率、主成分分析、確率的主成分分析、行列分解法、成分混合モデル、及び特徴埋め込み法のうちの少なくとも１つを含み得る場合等に、前記一セットのマイクロバイオーム特徴解析モジュール群のうちの第１マイクロバイオーム特徴解析モジュール（例えば、解析モジュールＢ等）を用いて、前記一セットの初期マイクロバイオーム特徴群に対して１又は複数の前記次元削減法を適用して、一セットのマイクロバイオーム特徴群を決定すること（例えば、前記一セットのマイクロバイオーム特徴群が前記マイクロバイオーム特徴の初期セットよりも少ないマイクロバイオーム特徴を含む場合等）を含み得る。一例において、前記マイクロバイオーム特徴の初期セットの決定は、統計的検定（例えば、単変量統計検定、多変量等）がｔ検定、コルモゴロフ・スミルノフ検定、及び回帰モデルのうちの少なくとも１つを含み得る場合等に、前記一セットのマイクロバイオーム特徴解析モジュール群のうちの第２マイクロバイオーム特徴解析モジュール（例えば、解析モジュールＡ等）を用いて、１又は複数の前記統計的検定（例えば、単変量統計検定、多変量等）を適用して（例えば、前記微生物配列データセット等に基づいて）、前記マイクロバイオーム特徴の初期セットを決定することを含み得る。一例において、前記方法１００は、前記マイクロバイオーム特徴解析モジュールセットのうちの第２マイクロバイオーム特徴解析モジュール（例えば、解析モジュールＣ等）を用いて、機械学習アプローチ（及び／又は他の適切な人工知能アプローチ等）を適用して、前記一セットのマイクロバイオーム特徴群について関連度スコアを決定することを含むことができ、ここで前記微生物関連状態のモデルの作成は、前記一セットのマイクロバイオーム特徴群及び前記関連度スコアに基づいて微生物関連状態のモデル（例えば、１種類又は複数種類の微生物関連状態の特徴解析を作成するためのモデル等）を作成することを含み得る。
特徴解析プロセス（及び／又は他の適切な前記方法１００や前記系２００の一部）はあらゆる適切な種類及び／又は数の微生物関連状態について実施され得る。一変形例において、特徴解析プロセスは１種類又は複数種類の皮膚関連状態について実施され得る。一例において、１種類又は複数種類の皮膚関連状態（例えば、皮膚光過敏症、ふけ症、乾燥肌、存在、不在等）と関連を有する対象について、前記方法１００は微生物データセット（例えば、対象について様々な採取部位等において採取された生体試料に由来する微生物核酸群をシーケンシングすることから作成された微生物配列データセット等）を決定すること、及びマイクロバイオーム特徴解析モジュールセットのうちのマイクロバイオーム特徴解析モジュール（例えば、解析モジュールＡ等）を用いてマイクロバイオーム特徴サブセットを決定するための前記対象の様々な採取部位に対応する微生物データセットに基づいて複数の統計的検定（例えば、コルモゴロフ・スミルノフ検定、ベータ二項回帰検定、及びゼロ過剰ベータ二項回帰検定、単変量統計検定、多変量統計検定等）を適用することを含むことができ、各マイクロバイオーム特徴サブセットは異なる採取部位、異なる微生物関連状態（例えば、様々な皮膚関連状態等）、異なる適用される統計的検定（例えば、表１、表２、表３、表４、及び表５に示されるような統計的検定等）、そのような存在の様々な組合せ、及び／又は他のあらゆる適切な存在に対応する。前記例において、特徴解析プロセスの実施はマイクロバイオーム特徴（例えば、マイクロバイオーム特徴、微生物データセット等）から計算される距離行列を得るために前記マイクロバイオーム特徴解析モジュールセットのうちの第２マイクロバイオーム特徴解析モジュール（例えば、解析モジュールＢ等）を用いて次元削減法（例えば、教師あり及び／又は教師なし次元削減法等）を適用することを含むことができ、その場合にこのようなデータは特徴サブセット（例えば、１種類又は複数種類の微生物関連状態について最も適切な特徴等）を選択するために機械学習アプローチ（及び／又は他の適切な人工知能アプローチ）と共に使用され得る。特定の例において、特徴解析プロセスの実施は（例えば、ランダムフォレスト法の適用を介して）特徴関連度スコア及び／又は特徴重要度に関連する他の適切な評価指数を決定すること、及び補足データ（例えば、第３マイクロバイオーム特徴解析モジュール、解析モジュールＦ等を使用した前記マイクロバイオーム特徴についての情報を与える生物学的事前知識等）と共に前記特徴関連度スコア及び／又は他の適切な評価指数を使用してマイクロバイオーム機能特徴の試料レベルを数量化することを含み得る。別の特定の例において、マイクロバイオーム特徴は、例えば分析された試料のマイクロバイオーム機能特徴の存在度プロファイルとマイクロバイオームサブシステムの主成分との間の１又は複数の相関係数の決定に基づいてマイクロバイオームサブシステム（例えば、マイクロバイオーム特徴集合体、マイクロバイオーム特徴群等）に（例えば、ソフトアサインメント等を介して）統合され得る。
別の変形例において、特徴解析プロセスは１又は複数の胃腸関連状態について実施され得る。一例において、１又は複数の胃腸関連状態（例えば、炎症性腸疾患、存在、不在等）と関連を有する対象について、前記方法１００は（例えば、様々な採取部位等に対応する）微生物データセットを決定すること、及びマイクロバイオーム特徴解析モジュールセットのうちのマイクロバイオーム特徴解析モジュールを用いてマイクロバイオーム特徴サブセットを決定するための前記対象の様々な採取部位に対応する微生物データセットに基づいて複数の統計的検定（例えば、コルモゴロフ・スミルノフ検定、ベータ二項回帰検定、及びゼロ過剰ベータ二項回帰検定等）を適用することを含むことができ、（例えば、それぞれ４８４マイクロバイオーム特徴と１４１マイクロバイオーム特徴からなる和集合と積集合を例示する図１８に示されるように所与の採取部位及び微生物関連状態について、様々な適用された統計的検定にまたがるマイクロバイオーム特徴の積集合を特定するために前記様々な個々の結果が比較可能である場合等に）各マイクロバイオーム特徴サブセットは異なる採取部位、異なる微生物関連状態（例えば、様々な皮膚関連状態等）、異なる適用される統計的検定（例えば、表１５、表１６、表１７、表１８、及び表１９に示されるような統計的検定等）、そのような存在の様々な組合せ、及び／又は他のあらゆる適切な存在に対応する。前記例において、特徴解析プロセスの実施は前記マイクロバイオーム特徴解析モジュールセットのうちの第２マイクロバイオーム特徴解析モジュール（例えば、解析モジュールＢ等）を用いて前記マイクロバイオーム特徴の間で相関ネットワークを構築するために次元削減法（例えば、教師あり及び／又は教師なし次元削減法等）を適用することを含むことができ、その相関ネットワークは適切なソフトウェアツール及び／又はソフトウェアパッケージ等を介した相互関連特徴セット（例えば、マイクロバイオームサブシステム等）の特定に使用され得る。前記例において、特徴解析プロセスの実施は、前記マイクロバイオームサブシステムに含まれる前記マイクロバイオーム特徴について対象のマイクロバイオーム特徴（例えば、マイクロバイオームプロファイル等）をまとめる各試料について単数を得るためにＰＣＡアプローチを適用すること等を介して各マイクロバイオームサブシステム（例えば、各相互関連一セットのマイクロバイオーム特徴群等）についてサマリー変数を決定することを含み得る。前記例において、ソフトウェアツール及び／又は他の適切な方法はネットワーク構築及びマイクロバイオームサブシステム検出のため、例えば適切な分析パラメーターを経験的に決定することのために使用可能である。特定の例において、ソフトスレッショルディング・パワーについて例えば図１９に示されるように１と２０の間の可能な値のセットを選択（例えば、高い接続性を保持しているネットワークと比較的に明確なサブシステム検出を説明するためにべき指数２を選択すること等）ができ、この図では検出された各マイクロバイオームサブシステムを異なるグレースケールの色で表すマイクロバイオーム特徴解析モジュール（例えば、解析モジュールＢ等）を適用することで得られる次元削減が表されている。次元削減が４７．７ｘという因数によるものである（例えば、およそ２桁；最初に分析を考えた４３０マイクロバイオーム特徴の９変数への変換による等）場合に（例えば、各マイクロバイオームサブシステムに対して１成分の）主成分セットにより表される元データが次元削減法の適用により低次元で表される可能性があり、且つ、各マイクロバイオーム特徴とマイクロバイオームサブシステムとの間の直接マッピングが（例えば、各マイクロバイオーム特徴がマイクロバイオームサブシステムに割り当てられており、且つ、ソフト割り当ても分析された試料の特徴と前記サブシステムの主成分との間の相関によって得られている得られたマッピングについて説明している表２０に示されるように）特定される。前記例において、前記特徴解析プロセスの実施は、（例えば、表２１に示されるように）分析された試料のマイクロバイオーム機能特徴の存在度プロファイルとマイクロバイオームサブシステムの主成分との間の相関係数を計算することにより前記マイクロバイオーム機能特徴の前記マイクロバイオームサブシステムへのソフトアサインメントを得るための前記マイクロバイオームサブシステムへの統合のため、前記マイクロバイオーム特徴解析モジュールセットのうちの第３マイクロバイオーム特徴解析モジュール（例えば、解析モジュールＦ）を用いてすること補足データ（例えば、前記マイクロバイオーム特徴のこれまでの生物学的知識等）を活用して前記マイクロバイオーム機能特徴の試料レベルの数量化（例えば、適切なソフトウェアツールで実施されるような数量化）を行うことを含み得る。前記マイクロバイオーム特徴解析モジュールの出力値（例えば、前記次元削減法の出力値、解析モジュールＢの出力値）は（例えば、解析モジュールＢの出力値が解析モジュールＣ及び／又は他の適切なマイクロバイオーム特徴解析モジュールへの入力値として使用可能な場合等に）１又は複数の機械学習モデルの作成、実行、及び／又はそれら以外では処理に使用可能である。特定の例において、機械学習分類器（例えば、ランダムフォレスト分類器）が特徴関連度スコア及び／又は他の特徴重要度評価指数を決定するため（例えば、最も重要なマイクロバイオームサブシステムの主成分予測器を決定するため等）に作成され得る場合、マイクロバイオームサブシステム主成分は２種類のラベルを有する炎症性腸疾患状態の予測器、すなわちそれらの状態を報告する事例とそれらの状態を有していることを報告しない対照として使用され得る。前記特定の例において、表２２に示されるように、特徴重要度評価指数により関連度順位が５、２、６、０、３、１、４、７、８と番号付けられた様々なマイクロバイオームサブシステムについて特定され、その場合にマイクロバイオームサブシステム５が２番目に関連度の高い予測サブシステムよりも約１．５倍高い特徴重要度と最も関連度の低い予測サブシステムよりも約１０倍高い特徴重要度を有している最も適切なサブシステムとして特定された。サブシステム５に関連するマイクロバイオーム特徴が表２３に示されており、サブシステム５とさらに強く関連するマイクロバイオーム機能特徴が表２４に示されており、分類と機能との間の交互作用を図で表したものを図２０に見ることができる。マイクロバイオーム特徴と低分子及び薬品代謝との間の関係についてのこれまでの生物学的知識がサブシステム５、他のマイクロバイオームサブシステム、及び／又は他の適切なマイクロバイオーム特徴に関連する代謝に影響する可能性がある薬品を特定するために用いることができる場合、前記特定の例においてサブシステム５の２２種類のマイクロバイオーム特徴のうちの６種類が（例えば、表２５に示されるような）合計で１２種類の分子と薬品の代謝に対して役割を有した場合、それらの１２分子のうちの４分子が炎症に役割を有する（例えば、炎症性腸疾患等に関連する）場合、及びこのような処理がアカルボースの場合のように薬理学的治療の選択肢を決定するために適切な分子、レスベラトロール、タウリン及びフラボノイドの場合のように食事及び生活スタイルの変化に適切な分子、及び／又はそれら以外では治療介入を促進するために適切な分子を特定し得る場合に補足データがマイクロバイオーム特徴解析モジュール（例えば、解析モジュールＦ）により使用され得る。特定の例において、特徴解析結果の決定は、例えば微生物関連状態のモデル、ユーザー由来の試料、一セットのマイクロバイオーム特徴群と薬品代謝との間の既知の関連性、及び／又は他のあらゆる適切なデータに基づいて、１種類又は複数種類の微生物関連状態と関連する薬品代謝特徴解析結果を決定することを含み得る。
変形例において、特徴解析プロセスの実施は、複数の採取部位に関連する１又は複数のマルチサイト分析（例えば、マイクロバイオーム特徴解析モジュールを使用する分析、マルチサイト特徴解析を作成する分析等）を実施することを含み得る。例えば、微生物関連特徴解析（例えば、１種類又は複数種類の微生物関連状態等についての特徴解析）の決定は、腸、生殖器、口、皮膚、及び鼻のうちの少なくとも２つを含む複数の採取部位に対応する多様部位試料セットをユーザーから採取すること、前記複数の採取部位のうちの異なる採取部位に対応する（且つ、例えば、前記１種類又は複数種類の微生物関連状態等に関連する）各部位別疾患性向メトリックからなる一セットの部位別疾患性向メトリック群を、前記一セットの多様部位試料群に基づいて（例えば、マイクロバイオーム特徴解析モジュールを用いて作製された微生物関連状態のモデル等を用いて）決定すること、及び前記一セットの部位別疾患性向メトリック群に基づいて前記ユーザーについての総合的疾患性向メトリックを決定することを含み得る（例えば、この場合に前記総合的疾患性向メトリックは前記１種類又は複数種類の微生物関連状態に関連する）。前記例において、前記方法１００は、前記一セットの多様部位試料群に基づいて前記複数の採取部位に関連する微生物データセットを決定することを含むことができ、ここで前記総合的疾患性向メトリックの決定は：共分散メトリック及び相関メトリックのうちの少なくとも一方を前記微生物データセットに基づいて決定すること、ここで、前記共分散メトリック及び前記相関メトリックのうちの前記少なくとも一方は前記複数の採取部位に関連する；及び前記一セットの部位別疾患性向メトリック群並びに前記共分散メトリック及び前記相関メトリックのうちの前記少なくとも一方に基づいて前記ユーザーについての前記総合的疾患性向メトリックを決定すること、を含み得る。しかしながら、マルチサイト分析はあらゆる適切な方式で実施され得る。
変形例において、特徴解析プロセスの実施は複数種類の微生物関連状態について（例えば、マイクロバイオーム特徴解析モジュール等を使用して）１又は複数の相互分析を実施することを含み得る。一例において、前記方法１００は、酒さ、セリアック病、光過敏症、小麦アレルギー、グルテン不寛容（例えば、グルテンアレルギー等）、乳製品アレルギー、腹部膨満、リウマチ性関節炎、炎症性腸症候群（ＩＢＳ）、痔疾患、便秘、逆流症、多発性硬化症、骨関節炎、潰瘍性大腸炎、クローン病、下痢、大豆アレルギー、ピーナッツアレルギー、ナッツ類アレルギー、卵アレルギー、乾癬、橋本甲状腺炎、グレーブス病、炎症性腸疾患、及び血便を含む２６種類の（及び／又は他の適切な数の）様々な微生物関連状態のうちの１つ、又は複数を訴える対象についてメタデータ及びマイクロバイオーム特徴（例えば、マイクロバイオーム構成、機能等）を分析することを含み得る。相互分析の実施の中に２種類の状態の間で微生物関連状態関連性が共有される程度についての情報を前記多条件特徴等に基づいて与えるマイクロバイオーム相関パラメーターを決定することが含まれ得る場合、マイクロバイオーム特徴解析モジュール（例えば、解析モジュールＢ及び解析モジュールＣ等）が状態特異的特徴及び多条件特徴（例えば、複数種類の微生物関連状態等に共有される特徴）についての情報を与える予測モデルの構築に適用可能である。前記相互分析の実施は前記マイクロバイオーム特徴（例えば、マイクロバイオーム特徴、微生物データセット等）から計算される前記距離行列に対して次元削減法を適用すること、及び前記潜在変数を機械学習モデル及び／又は他の適切な人工知能アプローチと共に使用することを含み得る。特定の例において、前記相互分析の実施はマイクロバイオーム特徴（例えば、前記様々な対象に対応する前記様々な試料についてのマイクロバイオーム特徴等）間のブレイ・カーティス非類似度を決定すること、その結果の試料非類似度行列を入力値として特異値分解に適用して主成分及び固有値を得ること、及びデータの全分散の１／１０００を説明する前記主成分に対して追加の分析を実施することを含み得る。後続の相互分析、例えばマイクロバイオーム特徴解析モジュール（例えば、解析モジュールＣ）を用いて前記マイクロバイオーム特徴によって説明される状態間相互相関を数量化するための機械学習モデル及び／又は他の適切な人工知能アプローチ、例えばベイジアン・マルチカーネル回帰を適用することを含む相互分析が実施され得る。前記相互分析の実施は前記マイクロバイオームに関連する各微生物関連状態（例えば、表現型）の分散を推定する多変量分散成分モデルを使用して前記マイクロバイオーム特徴によって説明される状態の間の相関を数量化すること、及び前記マイクロバイオーム特徴によって説明される前記微生物関連状態間の共分散を数量化することを含み得る。特定の例において、前記相互分析の実施は
という式の２分散成分モデルを適合させることを含むことができ、式中
であり、ここで
であり、ｕ０は
によって数量化された２つの表現型に対する共通の効果をとり、ｕ１は
によって数量化された表現型特異的効果をとる。前記特定の例において、前記表現型の共分散は
として構成可能であり、それは
というマイクロバイオーム介在相関推定値につながり、各形質についてそれぞれ
及び
という前記マイクロバイオームによって説明される表現型分散についての分数につながる。前記特定の例において、前記共相関は
として計算可能であり、量的遺伝学命名法での相関遺伝率に類似している。それぞれの形質についてｘは前記試料の特異値分解、ブレイ・カーティス類似度行列から得られる主成分のサブセットに対応し得る。前記モデルは適切なソフトウェアツールを用いて適合され得る。性別、年齢、及び／又は他の適切なユーザーデータが前記分析における固定効果共変量として含まれ得る。別の例において、前記方法１００は多条件マイクロバイオーム特徴の決定であって、前記微生物配列データセットに基づいて決定されるマイクロバイオーム特徴の初期セットに対して前記一セットのマイクロバイオーム特徴解析モジュール群のうちの第１マイクロバイオーム特徴解析モジュール（例えば、解析モジュールＢ等）を用いて次元削減法を適用することを含む前記多条件マイクロバイオーム特徴の決定、前記一セットのマイクロバイオーム特徴解析モジュール群のうちの第２マイクロバイオーム特徴解析モジュールを用いる前記複数種類の微生物関連状態に属する異なる状態間（ｂｅｔｗｅｅｎ ｄｉｆｆｅｒｅｎｔ ｃｏｎｄｉｔｉｏｎｓ）の状態間相互相関メトリックの決定、並びに前記状態間相互相関メトリック、前記一セットの多状態マイクロバイオーム特徴群、及び前記ユーザー由来の試料に基づく多状態特徴解析結果の決定を含み得る。前記例において、前記ユーザーについての前記多状態特徴解析結果の決定は、前記複数種類の微生物関連状態についての現ユーザー状態（例えば、前記微生物関連状態間の併存疾患、前記微生物関連状態間の相関等に基づいて）、前記一セットの多状態マイクロバイオーム特徴群、前記ユーザー由来の前記試料、及び前記状態間相互相関メトリックに基づいて前記複数種類の微生物関連状態の追加ユーザー状態の特徴解析結果を決定することを含み得る。前記例において、前記第２マイクロバイオーム特徴解析モジュールを用いた前記状態間相互相関メトリックの決定は、前記複数種類の微生物関連状態のうちの相異なる状態に、多変量モデル、正準相関モデル、及びマルチラベル人工知能アプローチのうちの少なくとも１つを適用することを含み得る。しかしながら、状態間相互相関メトリックの決定、相互分析に関連する他の適切な評価指数の決定、及び／又は他の適切な相互分析の実施はあらゆる適切な方式で実施され得る。
相互分析の実施は微生物関連状態の群（例えば、クラスター）、例えば類似したパターンの共有されたマイクロバイオーム特徴（例えば、共有されたマイクロバイオーム関連性等）を有する微生物関連状態の群を特定することを含み得る。例えば、前記方法１００は多状態マイクロバイオーム特徴群に基づいて前記複数種類の微生物関連状態から一セットの微生物関連状態グループ群を決定すること（例えば、マイクロバイオーム特徴解析モジュール等を用いて決定すること）、及び前記一セットの微生物関連状態グループ群（及び、例えば、多状態特徴解析結果等）に基づいて前記微生物関連状態に対する治療介入を促進することを含み得る。一例において、群の特定は入力値がペアワイズ調整済み相関の行列である
を含み得る場合に教師なし階層クラスタリングを実施すること、行間のスピアマン相関を介して距離行列を計算して行間の距離を推定すること、及び前記距離行列を階層クラスタリングの入力値として使用することを含み得る。前記例において、ベイジアン・マルチカーネル回帰が、特定の例において（例えば、図２１及び表２６に示されるように）因子寄与（Ｒ２）が潰瘍性大腸炎の６３％から光過敏症の１０％までの範囲であった場合、微生物データ（例えば、マイクロバイオーム特徴）によって説明されるかなりの、しかし変わり得る割合の表現型分散を特定するために使用可能である。前記例において、多変量混合モデルの適用が３２５ペアの疾患間で前記マイクロバイオーム関連相関
を推定するために使用可能であり、その場合にそれらの結果が（例えば、図２２及び図２５に示されるような）分析中の前記微生物関連状態のデータドリブン配置を得るための前記マイクロバイオームベースの相関を用いたクラスター分析のために使用可能であり、且つ、階層構成が６群の微生物関連状態群（例えば、クラスター、表２７に示されるような微生物関連状態群、対角線上の数が所与の群内の併存疾患を有する個体であって、同じ群の微生物関連状態を訴える場合の個体を表し、且つ、対角線上にない数が対角線上にない点に対応する各群のうちの少なくとも１種類の状態等を訴える個体など、複数の群にわたる併存疾患を有する個体を表す図２５に示されるような微生物関連状態群等）になり得る。統計学的に有意な状態のペアが特定可能である。前記例において、クラスターＶ及びクラスターＶＩが偶然として予期されるよりも高いクラスター間有意性相関（二項ｐ値＝２×１０－１０、観察値＝７６％、３０ペアのうちの２３ペア、期待値＝２４％、３２５ペアのうちの７９ペア）を有した場合、及びこれらのクラスターが自己免疫及びアレルギー状態を特徴とする場合（例えば、相関のまとめを表２７等に示すことができる場合）に多重検定補正により３２５ペアの疾患のうちの７５ペア（２３％）が有意に関連する相関として特定することになり（ボンフェローニ補正ｐ値＜０．０５）、その有意に関連する相関は７５群間関連のうちの５２群間関連（６９％）を１５ペアのうちの１０ペアの中に含むことができる。例において、相互分析はヒト腸マイクロバイオーム及び／又は他の部位に対応する他の適切なマイクロバイオーム等に関連して疾患併存症を示すことができる。例において、得られたデータから複数の自己免疫疾患について分散が著しく変動する（例えば、潰瘍性大腸炎についてはＲ２＝０．６９、橋本甲状腺炎についてはＲ２＝０．４９、クローン病についてはＲ２＝０．６９等）ことを説明するマイクロバイオームを示すことが可能である場合等に得られたデータによってヒト腸マイクロバイオームと複数の状態（例えば、併存状態等）との間の関連が裏付けられる。
前記例において、相互分析により６群の微生物関連状態グループ群、すなわち小麦及びグルテン関連障害、及び酒さと皮膚光過敏症を含む（例えば、共起性等に関連した表２８に示されるような状態）クラスターＩ、乳製品アレルギー（例えば、表２９等に示される状態）、リウマチ性関節炎（ＲＡ）及び腹部膨満を含むクラスターＩＩ、過敏性腸症候群（ＩＢＳ）（例えば、ＩＢＤ及び他の微生物関連状態との共起性に関連した表３０に示されるような状態等）、逆流症、便秘及び痔を含むクラスターＩＩＩ、多発性硬化症（ＭＳ）及び骨関節炎（ＯＡ）を含むクラスターＩＶ、潰瘍性大腸炎及びクローン病、ＩＢＤの２つのサブタイプ、及び両方の症状で一般的な下痢症を含むクラスターＶ、残りの食物アレルギー（例えば、大豆アレルギー、ピーナッツアレルギー、ナッツ類アレルギー及び卵アレルギー）及び自己免疫疾患（例えば、乾癬、橋本甲状腺炎、グレーブス病、及びＩＢＤ）を含むクラスターＶＩが特定され得る。一例において、前記一セットの微生物関連状態グループ群は、アレルギー関連状態を含む第１グループ、歩行運動関連状態を含む第２グループ、及び胃腸関連状態を含む第３グループのうちの少なくとも１つを含むことができ、治療介入を促進することは、多状態特徴解析及び前記第１グループ、前記第２グループ、及び前記第３グループのうちの前記少なくとも１つに基づいて（例えば、前記微生物関連状態のクラスターへの分類等に基づいて）前記微生物関連状態に対する治療介入を促進することを含み得る。一例において、様々な数の併存疾患を有する女性と男性の割合が（例えば、表３１に示されるように）計算可能である。
相互分析の実施が治療介入の促進に用いられ得る。相互分析の実施が生物学的に適切な状態群を特定するための微生物関連状態のグループ分けに使用可能であり、そのグループ分けは一次予防、早期スクリーニング、個別化治療法の開発、及び／又は他のあらゆる適切な治療適用を含む多層式治療介入等のためにユーザーのマイクロバイオーム特徴及び併存状態のリスクに基づいてユーザーを層別化することにより治療介入を促進することができる。微生物関連状態のマイクロバイオームドリブン分類（例えば、クラスタリング等）は予防、診断、治療、及び／又は他の適切な治療介入関連過程を促進するため、例えば治療法を優先させるため、且つ／又は同じ群の状態を好転させるため、及び／又は群内で反対の転帰を示す治療法に反対するためのユーザーの層別化を可能にし得る。例えば、治療介入の促進は（ａ）前記一セットの微生物関連状態グループ群のうちの少なくとも１つの微生物関連状態グループ（例えば、１又は複数のマイクロバイオーム特徴解析モジュールを介して本明細書に記載される解析技術を用いて特定される微生物関連状態群等）への前記ユーザーの割当てに基づいて、ユーザーに対して第１の治療法を推進すること、（ｂ）前記一セットの微生物関連状態グループ群のうちの同じ微生物関連状態グループに属する微生物関連状態間での関連性に基づいて、前記ユーザーに対して第２の治療法を推進すること、及び（ｃ）前記一セットの微生物関連状態グループ群のうちの異なる微生物関連状態グループに属する微生物関連状態間での関連性に基づいて、前記ユーザーに対して第３の治療法を行わないようにすること、のうちの少なくとも１つを含み得る。しかしながら、相互分析及び／又は他のあらゆる適切な特徴解析プロセスはあらゆる適切な方式で治療介入を促進するために使用され得る。
一変形例において、特徴解析は標的状態（例えば、微生物関連状態状態）を示す第１群の対象と前記標的状態を示さない（例えば、「正常」状態の）第２群の対象との間の類似性及び／又は差異の統計的分析（例えば、確率分布の分析）に関連する（例えば、由来する）特徴に基づき得る。この変形例の実施において、コルモゴロフ・スミルノフ（ＫＳ）検定、パーミューテーション検定、クラメール－フォン・ミーゼス検定、他のあらゆる統計的検定（例えば、ｔ検定、ｚ検定、カイ二乗検定、分布を伴う検定等）、及び／又は他の適切な解析技術のうちの１つ、又は複数が使用可能である。特に、１又は複数のこのような統計的仮説検定が標的状態（例えば、疾患状態）を示す第１群の対象と前記標的状態を示さない（例えば、正常状態を有する）第２群の対象の異なる存在度を有する特徴セットを特徴解析するために使用され得る。さらに詳細に説明すると、前記特徴解析の信頼性を上昇又は低下させるため、特徴解析された前記特徴セットが前記第１群の対象及び前記第２群の対象に関連する多様性に関係する存在率及び／又は他のあらゆる適切なパラメーターに基づいて制約され得る。この例の特定の実施態様において特徴は、ある特定のパーセンテージの前記第１の対象群及び前記第２群の対象に数多く存在する細菌の分類群の前記第１群の対象と前記第２群の対象との間での相対存在度が有意性を（例えば、ｐ値により）示すＫＳ検定から決定可能である場合にその分類群に由来し得る。したがって、ブロックＳ１３０の出力値は有意性を（例えば、０．００１３のｐ値で）示す正規化された相対存在度値（例えば、微生物関連状態を有する対象と前記微生物関連状態を有しない対象との間、疾患対象と健康対象との間での２５％を超えるある分類群の存在度）を含み得る。加えて、又は代替として、特徴生成の変形例は機能特徴又はメタデータ特徴（例えば、非細菌マーカー）を実装可能であり、又はそれらの特徴に由来し得る。加えて、又は代替として、あらゆる適切なマイクロバイオーム特徴が予測分析、多重仮説検定、ランダムフォレスト検定、主成分分析、及び／又は他の適切な解析技術のうちのいずれか１つ、又は複数を含む統計的分析（例えば、微生物配列データセット及び／又は他の適切な微生物データセットに適用される統計的分析等）に基づいて導出され得る。
前記特徴解析プロセスの実施において、ブロックＳ１３０は加えて、又は代替として前記マイクロバイオーム構成多様性データセット及びマイクロバイオーム機能多様性データセットのうちの少なくとも１つからの入力データを前記対象群の特徴解析の予測における有効性について検定され得る特徴ベクトルに変換することができる。分類の正確な予測について高い程度（又は低い程度）の予測力を有する特徴及び／又は特徴の組合せを特定するための候補特徴及び候補分類のトレーニングデータセットにより前記特徴解析プロセスがトレーニングされている場合、前記補足データセットのデータが特徴解析セットのうちの１又は複数の特徴解析を示すために使用可能である。したがって、トレーニングデータセットによる前記特徴解析プロセスの改良により特定の分類の対象との高い相関を有する特徴セット（例えば、対象特徴のセット、特徴の組合せのセット）が特定される。
変形例において、前記特徴解析プロセスの分類予測に有効な特徴ベクトル（及び／又はあらゆる適切な特徴セット）は、マイクロバイオーム多様性評価指数（例えば、複数の分類群にわたる分布に関する評価指数、複数の古細菌群、細菌群、ウイルス群、及び／又は真核生物群にわたる分布に関する評価指数）、１人のマイクロバイオームにおける分類群の存在、１人のマイクロバイオームにおける特定の遺伝子配列（例えば、１６Ｓ配列）の提示、１人のマイクロバイオームにおける複数の分類群の相対存在度、マイクロバイオーム復元力評価指数（例えば、前記補足データセットから決定される、混乱に対応する復元力の指数）、所与の機能を有するタンパク質又はＲＮＡ（酵素、輸送体、免疫系のタンパク質、ホルモン、干渉ＲＮＡ等）をコードする遺伝子の存在度、並びに前記マイクロバイオーム多様性データセット及び／又は前記補足データセットに関連する（例えば、由来する）他のあらゆる適切な特徴のうちの１つ、又は複数に関連する特徴を含み得る。変形例において、マイクロバイオーム特徴は前記複数のマイクロバイオーム特徴（例えば、ユーザーマイクロバイオーム特徴等）のうちのあるマイクロバイオーム特徴の存在、前記複数のマイクロバイオーム特徴のうちの前記マイクロバイオーム特徴の不在、前記微生物関連状態に関連する様々な分類群の相対存在度、前記様々な分類群に関連する少なくとも２つのマイクロバイオーム特徴の間の比率、前記様々な分類群間の交互作用、及び前記様々な分類群間の系統発生学的距離のうちの少なくとも１つに関連し得る（例えば、含み得る、対応し得る、代表し得る、等）。特定の例において、マイクロバイオーム特徴は前記マイクロバイオーム構成多様性特徴（例えば、様々な分類群に関連する相対存在度等）及び前記マイクロバイオーム機能多様性特徴（例えば、様々な機能特徴に対応する配列の相対存在度等）のうちの少なくとも１つに関連する１又は複数の相対存在度特徴を含み得る。相対存在度特徴及び／又は他の適切なマイクロバイオーム特徴（及び／又は本明細書に記載される他の適切なデータ）は正規化、線形潜在変数分析と非線形潜在変数分析のうちの少なくとも１つから導出される特徴ベクトル、線形回帰、非線形回帰、カーネル法、特徴埋め込み方法、機械学習方法、統計的推定方法、及び／又は他の適切な解析技術に基づいて抽出及び／又はそうでなければ決定され得る。加えて、又は代替として、特徴セット部分として組み合わせた特徴を提示する上で特徴をグループ分けする、且つ／又は特徴に加重することができる場合に特徴の組合せが特徴ベクトルに使用可能である。例えば、１つの特徴又は特徴セットは１人のマイクロバイオームにおける代表とされる細菌群の数、１人のマイクロバイオームにおける特定の属の細菌の存在、１人のマイクロバイオームにおける特定の１６Ｓ配列の提示、及び第２門の細菌に対する第１門の細菌の相対存在度からなる加重複合体を含み得る。しかしながら、前記特徴ベクトルは加えて、又は代替として他のあらゆる適切な方式で決定され得る。
図３に示されるように、このようなブロックＳ１３０の１つの代替的な変形例では前記特徴解析プロセスは、バギング（例えば、ブートストラップアグリゲーション）とトレーニングデータセット由来のランダム特徴セットの選択を組み合わせて前記ランダム特徴セットと関連する決定木であるＴのセットを構築するランダムフォレスト予測器（ＲＦＰ）アルゴリズムに従って作成及びトレーニングされ得る。ランダムフォレストアルゴリズムを使用する上で前記決定木セットのうちのＮ事例が決定木のサブセットを作成するために復元サンプリングで無作為に抽出され、かつ、各ノードについてｍ個の予測特徴が特徴解析のための予測特徴の全てから選択される。前記ノードにおいて最適な分割を（例えば、目的関数に従って）提供する予測特徴が（例えば、前記ノードにおける二分岐、前記ノードにおける三分岐のような）前記分割を実施するために使用される。大きなデータセットから標本抽出を多数回行うことにより、分類予測に強い力を有する特徴を特定するときの前記特徴解析プロセスの能力が実質的に向上され得る。この変形例において、偏り（例えば、標本抽出バイアス）を防止するための手段及び／又は偏りの量を説明するための手段が例えば前記モデルの頑健性を向上させるために処理中に含まれ得る。
一変形例において、ブロックＳ１３０及び／又は前記方法１００の他の部分は、コンピュータ実装ルール（例えば、モデル、特徴選択ルール等）を適用して集団レベルのデータを処理することを含み得るが、加えて、又は代替としてコンピュータ実装ルールを適用して人工統計学的特異的基準（例えば、治療計画、食事療法、身体活動療法、民族的帰属、年齢、性別、体重、睡眠行動などの人工統計学的特徴を共有する部分集団等）、状態特異的基準（例えば、特定の微生物関連状態、微生物関連状態の組合せ、前記微生物関連状態の誘因、関連の症状を示す部分集団等）、試料種類特異的基準（例えば、様々なコンピュータ実装ルールを適用して様々な採取部位に由来するマイクロバイオームデータを処理すること等）、ユーザー基準（例えば、様々なユーザーに対する様々なコンピュータ実装ルール等）、及び／又は他のあらゆる適切な基準でマイクロバイオーム関連データを処理することを含み得る。したがって、ブロックＳ１３０は前記ユーザー集団のユーザーを１又は複数の部分集団に割り当てること、及び前記様々な部分集団について特徴（例えば、使用された特徴の種類のセット、前記特徴から作成される特徴解析モデルの種類等）を決定するために様々なコンピュータ実装ルールを適用することを含み得る。しかしながら、コンピュータ実装ルールの適用はあらゆる適切な方式で実施され得る。
別の変形例において、ブロックＳ１３０は（例えば、微生物関連状態に関してユーザーマイクロバイオーム特徴を説明するユーザー特徴解析を出力するため等に）１種類又は複数種類の微生物関連状態についての１又は複数の特徴解析モデル（例えば、微生物関連状態特徴解析モデル等）を処理すること（例えば、作成すること、トレーニングすること、更新すること、実行すること、保存すること等）を含み得る。前記特徴解析モデルはマイクロバイオーム特徴を入力値として活用することが好ましく、且つ、微生物関連特徴解析及び／又はそのあらゆる適切な構成要素を出力することが好ましいが、特徴解析モデルは適切な入力値を使用してあらゆる適切な出力値を作成し得る。一例において、ブロックＳ１３０は前記補足データ、前記マイクロバイオーム構成多様性特徴、及び前記マイクロバイオーム機能多様性特徴、他のマイクロバイオーム特徴、マイクロバイオーム特徴解析モジュールの出力値、及び／又は他の適切なデータを１種類又は複数種類の微生物関連状態についての１又は複数の特徴解析モデル（例えば、前記補足データ及びマイクロバイオーム特徴に基づいて微生物関連特徴解析モデルをトレーニングする特徴解析モデル等）に変換することを含み得る。別の例において、前記方法１００は１種類又は複数種類の微生物関連状態に関連するユーザー集団について前記ユーザー集団の試料セットに基づいて（例えば、及び／又は前記微生物関連状態に関連する１又は複数のプライマー種等に基づいて）集団微生物配列データセット（例えば、前記集団の様々なユーザーについての微生物配列出力値を含むデータセット等）を決定すること、前記対象群について前記１種類又は複数種類の微生物関連状態の診断に関連する補足データセットを収集すること、及び前記集団微生物配列データセット及び前記補足データセットに基づいて前記微生物関連状態特徴解析モデルを作成することを含み得る。
別の変形例において、図８Ａ～図８Ｃに示されるように、様々な微生物関連特徴解析モデル及び／又は他の適切なモデル（例えば、様々なアルゴリズムで作成されたモデル、様々な特徴セットで作成されたモデル、様々な種類の入力値や出力値で作成されたモデル、モデルを適用する時間、頻度、要素等に関して様々な方式で適用されるモデル等）が様々な微生物関連状態、様々な（例えば、年齢、性別、体重、身長、民族的帰属等に基づく）ユーザー対象者属性、様々な生理的部位（例えば、腸部位モデル、鼻部位モデル、皮膚部位モデル、口部位モデル、生殖器部位モデル等）、個々のユーザー、補足データ（例えば、マイクロバイオーム特徴、微生物関連状態、及び／又は他の適切な構成要素の事前知識を組み入れているモデル、補足データと無関係のモデルに対するバイオメトリックセンサーデータに関連する特徴及び／又は調査回答データ等）、及び／又は他の適切な基準について作成され得る。
変形例において、微生物関連特徴解析及び／又は他のあらゆる適切な特徴解析結果の決定は例えば部位特異的データに基づいて導出される特徴解析モデル（例えば、微生物関連状態と１又は複数の生理的部位に関連するマイクロバイオーム特徴との間の相関を明らかにする特徴解析モデル）に基づいた微生物関連特徴解析結果の決定、１又は複数の生理的部位において採取されたユーザー生体試料に基づいた微生物関連特徴解析結果の決定、及び／又は他のあらゆる適切な部位関連処理のうちのいずれか１つ、又は複数を介して特定の生理的部位（例えば、腸、健康な腸、皮膚、鼻、口、生殖器、他の適切な生理的部位、他の試料採取部位等）に関して微生物関連特徴解析結果を決定することを含み得る。例において、機械学習アプローチ（例えば、分類器、ディープラーニングアルゴリズム）、パラメーター最適化アプローチ（例えば、ベイジアンパラメーター最適化）、検証アプローチ（例えば、相互検証アプローチ）、統計的検定（例えば、単変量統計手法、多変量統計手法、正準相関分析などの相関分析等）、次元削減法、及び／又は他の適切な解析技術（例えば、本明細書に記載される解析技術）が部位関連（例えば、生理学的部位関連等）特徴解析（例えば、１又は複数の試料採取部位について、例えば各種の試料採取部位について１又は複数のアプローチを使用する特徴解析等）、他の適切な特徴解析、治療法、及び／又は他のあらゆる適切な出力値の決定において適用され得る。特定の例において、特徴解析プロセス（例えば、微生物関連特徴解析結果を決定する特徴解析プロセス、マイクロバイオーム特徴を決定する特徴解析プロセス、微生物関連特徴解析モデルに基づく特徴解析プロセス等）の実施は（例えば、マイクロバイオーム構成多様性特徴セット及び／又はマイクロバイオーム機能多様性特徴セットなどのマイクロバイオーム特徴が腸部位、皮膚部位、鼻部位、口部位、生殖器部位等のうちの少なくとも１つにおいて採取された微生物に関連し得る場合に）機械学習アプローチ、パラメーター最適化アプローチ、統計的検定、次元削減アプローチ、及び／又は他の適切なアプローチのうちの少なくとも１つを適用することを含み得る。別の特定の例において、複数の試料採取部位について実施される特徴解析プロセスは、総合特徴解析（例えば、本明細書に記載される１種類又は複数種類の状態等についての総合マイクロバイオームスコア等）を決定するために組合せ可能である個々の特徴解析を作成するために使用され得る。しかしながら、前記方法１００はあらゆる適切な部位関連（例えば、部位特異的）出力値を決定すること、及び／又は部位特異性及び／又は他の部位関連性を有する前記方法１００のあらゆる適切な部分をあらゆる適切な方式で実施すること（例えば、試料を採取すること、試料を処理すること、治療法を決定すること）を含み得る。
加えて、又は代替として、前記対象の特徴解析は前記方法１００の実施形態に従って作成された分析を裏付ける上で前記特徴解析プロセスの感度をさらに分析するための高偽陽性検査及び／又は高偽陰性検査の使用を実装し得る。しかしながら、特徴解析プロセスの実施Ｓ１３０はあらゆる適切な方式で実施され得る。
４．３．１．皮膚関連特徴解析プロセス
特徴解析プロセスの実施Ｓ１３０は、例えば１又は複数のユーザーについて（例えば、１又は複数の皮膚関連特徴解析モデルを作成するための対象群に由来する試料に対応するデータについて、１又は複数の皮膚関連特徴解析モデル等を介して前記ユーザーについて皮膚関連特徴解析を作成するための一人のユーザーについて等）、且つ／又は（例えば、あらゆる適切な種類及び数のマイクロバイオーム特徴解析モジュール、相互分析等を使用して）１種類又は複数種類の皮膚関連状態について皮膚関連特徴解析プロセスを実施することＳ１３５（例えば、１種類又は複数種類の皮膚関連状態についての特徴解析結果を決定すること、１又は複数のマイクロバイオーム特徴解析モジュールに関連する１又は複数の解析技術を適用するモデルなどの１又は複数の皮膚関連特徴解析モデルを決定及び／又は適用すること、併存皮膚関連状態などの１種類又は複数種類の皮膚関連状態についての皮膚関連特徴解析を作成するために１又は複数のマイクロバイオーム特徴解析モジュールと共に１又は複数の解析技術を適用すること、１種類又は複数種類の皮膚関連状態について１又は複数の治療法を決定及び／又は推進することに使用される皮膚関連特徴解析結果を決定すること等）を含み得る。
特徴解析プロセスの実施Ｓ１３０は、例えば１又は複数のユーザーについて（例えば、１又は複数の皮膚関連特徴解析モデルを作成するための対象群に由来する試料に対応するデータについて、１又は複数の皮膚関連特徴解析モデル等を介して前記ユーザーについて皮膚関連特徴解析を作成するための一人のユーザーについて等）、且つ／又は（例えば、あらゆる適切な種類及び数のマイクロバイオーム特徴解析モジュール、相互分析等を使用して）１種類又は複数種類の皮膚関連状態について皮膚関連特徴解析プロセスを実施することＳ１３５（例えば、１種類又は複数種類の皮膚関連状態についての特徴解析結果を決定すること、１又は複数のマイクロバイオーム特徴解析モジュールに関連する１又は複数の解析技術を適用するモデルなどの１又は複数の皮膚関連特徴解析モデルを決定及び／又は適用すること、併存皮膚関連状態などの１種類又は複数種類の皮膚関連状態についての皮膚関連特徴解析を作成するために１又は複数のマイクロバイオーム特徴解析モジュールと共に１又は複数の解析技術を適用すること、１種類又は複数種類の皮膚関連状態について１又は複数の治療法を決定及び／又は推進することに使用される皮膚関連特徴解析結果を決定すること等）を含み得る。
一変形例において、皮膚関連特徴解析プロセスの実施は１種類又は複数種類の皮膚関連状態に関連するマイクロバイオーム特徴を決定することを含み得る。一例において、皮膚関連特徴解析プロセスの実施は１又は複数の解析技術（例えば、統計的分析）を適用して１種類又は複数種類の皮膚関連状態と最も高い相関を有する（例えば、単一の皮膚関連状態に関連する特徴、複数の皮膚関連状態及び／又は他の適切な皮膚関連状態に関連する相互特徴等の）マイクロバイオーム特徴からなる前記セット（例えば、マイクロバイオーム構成特徴、マイクロバイオーム構成多様性特徴、マイクロバイオーム機能特徴、マイクロバイオーム機能多様性特徴等）を特定することを含み得る。特定の例において、皮膚関連特徴解析プロセスの実施は、例えば１種類又は複数種類の皮膚関連状態に関して１又は複数のユーザーの状態に対して陽性の効果を有する治療法に関連する介入を促進することを介して前記１種類又は複数種類の皮膚関連状態に対する治療介入を促進し得る。別の特定の例において、皮膚関連特徴解析プロセスの実施（例えば、１種類又は複数種類の皮膚関連状態に対して最も相関性がある特徴の決定等）は前記対象群サブセット（例えば、前記１種類又は複数種類の皮膚関連状態を有する対象、前記１種類又は複数種類の皮膚関連状態を有しない対象等）に由来するトレーニングデータセットを用いてトレーニングされ、かつ、前記対象群サブセットに由来する検証データセットを用いて検証されたランダムフォレスト予測器アルゴリズムに基づき得る。しかしながら、１種類又は複数種類の皮膚関連状態に関連するマイクロバイオーム特徴及び／又は他の適切な態様の決定はあらゆる適切な方式で実施され得る。
変形例において、皮膚関連特徴解析プロセスの実施Ｓ１３５は１種類又は複数種類の光過敏性関連状態について光過敏性関連状態特徴解析プロセスを実施することを含み得る。一例において、皮膚関連特徴解析プロセスは１又は複数の治療法が陽性の効果を有するだろう光過敏性関連状態と最も高い相関を有する特徴セットを特定するための統計的分析、及び前記対象群サブセットに由来するトレーニングデータセットを用いてトレーニングされ、かつ、前記対象群サブセットに由来する検証データセットを用いて検証されたランダムフォレスト予測器アルゴリズムに基づき得る。例において、光過敏性関連状態は日光の電磁スペクトルの成分に対する皮膚の異常反応を特徴とする皮膚状態を含み得る。例において、光過敏性関連状態は皮膚検査、光線検査及び光パッチテスト、及び／又は他の適切なアプローチにより診断され得る。光過敏性関連状態は特定の微生物叢多様性並びに／又は腸微生物、あらゆる適切な生理学的部位に付随する微生物、マイクロバイオーム機能多様性、及び／若しくは他の適切なマイクロバイオーム関連態様の相対存在度に関係する健康状態に関連し得る。
１種類又は複数種類の光過敏性関連状態（及び／又は他の適切な皮膚関連状態）に関連するマイクロバイオーム特徴（例えば、正に相関する特徴、負に相関する特徴、診断に有用な特徴等）は以下の分類群、すなわちＡｌｌｏｐｒｅｖｏｔｅｌｌａ（属）、Ｐｒｅｖｏｔｅｌｌａ ｓｐ． ＷＡＬ ２０３９Ｇ （種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｂａｃｔｅｒｏｉｄａｃｅａｅ （科）、Ｂｌａｕｔｉａ （属）、Ｂａｃｔｅｒｏｉｄｅｓ（属）、Ｄｅｓｕｌｆｏｖｉｂｒｉｏ （属）、Ｃｌｏｓｔｒｉｄｉｕｍ （属）、Ｂａｃｔｅｒｏｉｄｅｓ ｖｕｌｇａｔｕｓ（種）、Ｆａｅｃａｌｉｂａｃｔｅｒｉｕｍ ｐｒａｕｓｎｉｔｚｉｉ （種）、Ｂｌａｕｔｉａ ｆａｅｃｉｓ（種）、Ａｌｉｓｔｉｐｅｓ ｐｕｔｒｅｄｉｎｉｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２０ （種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２９ （種）、Ｂａｃｔｅｒｏｉｄｅｓ ａｃｉｄｉｆａｃｉｅｎｓ（種）、Ｄｉｅｌｍａ （属）、Ｓｌａｃｋｉａ （属）、Ｅｇｇｅｒｔｈｅｌｌａ （属）、Ａｄｌｅｒｃｒｅｕｔｚｉａ （属）、Ｐａｒａｐｒｅｖｏｔｅｌｌａ （属）、Ａｌｉｓｔｉｐｅｓ（属）、Ｈｏｌｄｅｍａｎｉａ （属）、Ｅｉｓｅｎｂｅｒｇｉｅｌｌａ （属）、Ｅｎｔｅｒｏｒｈａｂｄｕｓ（属）、Ａｄｌｅｒｃｒｅｕｔｚｉａ ｅｑｕｏｌｉｆａｃｉｅｎｓ（種）、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｕｃｃｉｎａｔｕｔｅｎｓ（種）、Ｒｏｓｅｂｕｒｉａ ｉｎｕｌｉｎｉｖｏｒａｎｓ（種）、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｐ． ３７７ （種）、Ｄｅｓｕｌｆｏｖｉｂｒｉｏ ｐｉｇｅｒ （種）、Ｅｇｇｅｒｔｈｅｌｌａ ｓｐ． ＨＧＡ１ （種）、Ｌａｃｔｏｎｉｆａｃｔｏｒ ｌｏｎｇｏｖｉｆｏｒｍｉｓ（種）、Ａｌｉｓｔｉｐｅｓ ｓｐ． ＨＧＢ５ （種）、Ｈｏｌｄｅｍａｎｉａ ｆｉｌｉｆｏｒｍｉｓ（種）、Ｃｏｌｌｉｎｓｅｌｌａ ｉｎｔｅｓｔｉｎａｌｉｓ（種）、Ｎｅｉｓｓｅｒｉａ ｍａｃａｃａｅ （種）、Ｃｌｏｓｔｒｉｄｉａｃｅａｅ （科）、Ｇｅｍｅｌｌａ ｓａｎｇｕｉｎｉｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｆｒａｇｉｌｉｓ（種）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ （科）、Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ （科）、Ｐａｓｔｅｕｒｅｌｌａｃｅａｅ （科）、Ｐａｓｔｅｕｒｅｌｌａｌｅｓ（目）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｈａｅｍｏｐｈｉｌｕｓ（属）、Ｌｅｕｃｏｎｏｓｔｏｃ （属）、Ｂｒｅｖｕｎｄｉｍｏｎａｓ（属）、Ｐｒｅｖｏｔｅｌｌａ ｏｒｉｓ（種）、Ｏｄｏｒｉｂａｃｔｅｒ （属）、Ｃａｐｎｏｃｙｔｏｐｈａｇａ （属）、Ｆｌａｖｏｂａｃｔｅｒｉｕｍ （属）、Ｐｓｅｕｄｏｍｏｎａｓ ｂｒｅｎｎｅｒｉ （種）、Ｆｌａｖｏｂａｃｔｅｒｉｕｍ ｃｅｔｉ （種）、Ｂｒｅｖｕｎｄｉｍｏｎａｓ ｓｐ． ＦＸＪ８．０８０ （種）、Ｒｕｍｉｎｏｃｏｃｃａｃｅａｅ （科）、Ｖｉｂｒｉｏｎａｃｅａｅ （科）、Ｆｌａｖｏｂａｃｔｅｒｉａｃｅａｅ （科）、Ｆｕｓｏｂａｃｔｅｒｉａｃｅａｅ （科）、Ｐｏｒｐｈｙｒｏｍｏｎａｄａｃｅａｅ （科）、Ｂｒｅｖｉｂａｃｔｅｒｉａｃｅａｅ （科）、Ｒｈｏｄｏｂａｃｔｅｒａｃｅａｅ （科）、Ｉｎｔｒａｓｐｏｒａｎｇｉａｃｅａｅ （科）、Ｂｉｆｉｄｏｂａｃｔｅｒｉａｃｅａｅ （科）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｃｅａｅ （科）、Ｃａｕｌｏｂａｃｔｅｒａｃｅａｅ （科）、Ｃａｍｐｙｌｏｂａｃｔｅｒａｃｅａｅ （科）、Ｂａｃｔｅｒｏｉｄｉａ （綱）、Ｆｕｓｏｂａｃｔｅｒｉｉａ （綱）、Ｆｌａｖｏｂａｃｔｅｒｉｉａ （綱）、Ｂｉｆｉｄｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｎｅｉｓｓｅｒｉａｌｅｓ（目）、Ｂａｃｔｅｒｏｉｄａｌｅｓ（目）、Ｒｈｏｄｏｂａｃｔｅｒａｌｅｓ（目）、Ｆｌａｖｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｖｉｂｒｉｏｎａｌｅｓ（目）、Ｆｕｓｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｃａｕｌｏｂａｃｔｅｒａｌｅｓ（目）、Ｆｕｓｏｂａｃｔｅｒｉａ （門）、Ａｃｔｉｎｏｂａｃｕｌｕｍ （属）、Ｖａｒｉｂａｃｕｌｕｍ （属）、Ｆｕｓｉｃａｔｅｎｉｂａｃｔｅｒ （属）、Ｂｒｅｖｉｂａｃｔｅｒｉｕｍ （属）、Ｆａｅｃａｌｉｂａｃｔｅｒｉｕｍ （属）、Ｃａｍｐｙｌｏｂａｃｔｅｒ （属）、Ａｃｔｉｎｏｂａｃｉｌｌｕｓ（属）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ（属）、Ｆｕｓｏｂａｃｔｅｒｉｕｍ （属）、Ｃｈｒｙｓｅｏｂａｃｔｅｒｉｕｍ （属）、Ｍｅｇａｓｐｈａｅｒａ （属）、Ｒｏｔｈｉａ （属）、Ｎｅｉｓｓｅｒｉａ （属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ＢＬ３０２ （種）、Ｂａｃｔｅｒｏｉｄｅｓ ｐｌｅｂｅｉｕｓ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｕｌｃｅｒａｎｓ（種）、Ｖａｒｉｂａｃｕｌｕｍ ｃａｍｂｒｉｅｎｓｅ （種）、Ｂｌａｕｔｉａ ｗｅｘｌｅｒａｅ （種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． ＷＢ１８－１６ （種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ６３ （種）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ａｃｎｅｓ（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０１４８７ （種）、Ｈａｅｍｏｐｈｉｌｕｓ ｐａｒａｉｎｆｌｕｅｎｚａｅ （種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｅｐｉｄｅｒｍｉｄｉｓ（種）、Ｃａｍｐｙｌｏｂａｃｔｅｒ ｕｒｅｏｌｙｔｉｃｕｓ（種）、Ｊａｎｉｂａｃｔｅｒ ｓｐ． Ｍ３－５ （種）、Ｐｒｅｖｏｔｅｌｌａ ｔｉｍｏｎｅｎｓｉｓ（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ＤＮＦ００８４０ （種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ８ Ｆ７ （種）、Ｐｒｅｖｏｔｅｌｌａ ｄｉｓｉｅｎｓ（種）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ ｃａｔｏｎｉａｅ （種）、Ｆｕｓｏｂａｃｔｅｒｉｕｍ ｐｅｒｉｏｄｏｎｔｉｃｕｍ （種）、及び／又は他の適切な分類群（例えば、本明細書に記載される分類群）のうちの１つ、又は複数からなるあらゆる組合せに関連する特徴（例えば、それらの分類群の存在度を説明する特徴、相対存在度を説明する特徴、関連する機能態様を説明する特徴、導出される特徴、存在及び／又は不在を説明する特徴等）を含むことができ、且つ／又は以下のもの、すなわち感染症（ＫＥＧＧ２）、特徴不明（ＫＥＧＧ２）、代謝疾患（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、制限酵素（ＫＥＧＧ３）、ヌクレオチド除去修復（ＫＥＧＧ３）、及び／又は他の適切な機能特徴（例えば、本明細書に記載される機能特徴等）のうちの１つ、又は複数からなるあらゆる組合せに関連する機能特徴（例えば、それらの機能特徴の存在度を説明する特徴、相対存在度を説明する特徴、関連する機能態様を説明する特徴、導出される特徴、存在及び／又は不在を説明する特徴等）を含むことができる。変形例において、ユーザーの特徴解析は典型的な診断及び／又は治療アプローチに対して付加的又は代替的な方式での上記特徴のうちの１つ、又は複数の特徴の検出に基づく１又は複数の光過敏症皮膚関連状態を有する人としての前記ユーザーの特徴解析を含み得る。
変形例において、皮膚関連特徴解析プロセスの実施Ｓ１３５は１種類又は複数種類の乾燥肌関連状態について乾燥肌関連状態特徴解析プロセスを実施することを含み得る。一例において、皮膚関連特徴解析プロセスは１又は複数の治療法が陽性の効果を有するだろう乾燥肌関連状態と最も高い相関を有する特徴セットを特定するための統計的分析、及び前記対象群サブセットに由来するトレーニングデータセットを用いてトレーニングされ、かつ、前記対象群サブセットに由来する検証データセットを用いて検証されたランダムフォレスト予測器アルゴリズムに基づき得る。例において、乾燥肌関連状態は鮫肌、痒み、皮膚剥離、鱗皮剥落又は皮膚剥落、細い線又はひび割れ、浅黒い皮膚を有する人々での灰色の皮膚、発赤、出血し、感染症につながり得る深いひび割れ、及び／又は他の適切な乾燥肌関連状態のうちの１つ、又は複数を含み得る。乾燥肌関連状態は特定の微生物叢多様性並びに／又は腸微生物、あらゆる適切な生理学的部位に付随する微生物、マイクロバイオーム機能多様性、及び／若しくは他の適切なマイクロバイオーム関連態様の相対存在度に関係する健康状態に関連し得る。
１種類又は複数種類の乾燥肌関連状態（及び／又は他の適切な皮膚関連状態）に関連するマイクロバイオーム特徴（例えば、正に相関する特徴、負に相関する特徴、診断に有用な特徴等）は以下の分類群、すなわちＣｏｒｙｎｅｂａｃｔｅｒｉａｃｅａｅ（科）、Ｂａｃｉｌｌｉ（綱）、Ｌａｃｔｏｂａｃｉｌｌａｌｅｓ（目）、Ａｃｔｉｎｏｍｙｃｅｔａｌｅｓ（目）、Ｆｉｒｍｉｃｕｔｅｓ（門）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ（属）、Ｄｅｒｍａｂａｃｔｅｒａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌａｃｅａｅ（科）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ａｃｔｉｎｏｂａｃｔｅｒｉａ（綱）、Ｄｅｒｍａｂａｃｔｅｒ（属）、Ｄｉａｌｉｓｔｅｒ（属）、Ｆａｃｋｌａｍｉａ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ（属）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｕｌｃｅｒａｎｓ（種）、Ｆａｃｋｌａｍｉａ ｈｏｍｉｎｉｓ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． （種）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ｓｐ． ＭＳＰ０９Ａ（種）、Ｆａｃｋｌａｍｉａ ｓｐ． １４４０－９７（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ９Ｉ２（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０２０８０（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｇｌｕｃｕｒｏｎｏｌｙｔｉｃｕｍ（種）、Ｄｅｒｍａｂａｃｔｅｒ ｈｏｍｉｎｉｓ（種）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｐｓｅｕｄｏｍｏｎａｄａｃｅａｅ（科）、Ｓｔａｐｈｙｌｏｃｏｃｃａｃｅａｅ（科）、Ｇａｍｍａｐｒｏｔｅｏｂａｃｔｅｒｉａ（綱）、Ｂａｃｉｌｌａｌｅｓ（目）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ（属）、Ｐｓｅｕｄｏｍｏｎａｓ（属）、Ａｎａｅｒｏｇｌｏｂｕｓ（属）、Ｋｌｕｙｖｅｒａ（属）、Ａｔｏｐｏｂｉｕｍ（属）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ＢＬ３０２（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｌｏｎｇｕｍ（種）、Ａｎａｅｒｏｇｌｏｂｕｓ ｇｅｍｉｎａｔｕｓ（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． Ｓ９ ＰＲ－１６（種）、Ｐｒｅｖｏｔｅｌｌａ ｔｉｍｏｎｅｎｓｉｓ（種）、Ｋｌｕｙｖｅｒａ ｇｅｏｒｇｉａｎａ（種）、Ａｃｔｉｎｏｂａｃｕｌｕｍ（属）、Ｆｉｎｅｇｏｌｄｉａ（属）、Ｃｒｏｎｏｂａｃｔｅｒ（属）、Ａｃｉｎｅｔｏｂａｃｔｅｒ ｓｐ． ＷＢ２２－２３（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｏｃｔａｖｉｕｓ（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ９ ＡＡ１－５（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ－Ｄ－ＭＡ２（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ７－２（種）、Ｃｒｏｎｏｂａｃｔｅｒ ｓａｋａｚａｋｉｉ（種）、Ｐａｓｔｅｕｒｅｌｌａｃｅａｅ（科）、Ａｃｉｄｏｂａｃｔｅｒｉｉａ（綱）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉｉａ（綱）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｌｅｓ（目）、Ａｃｉｄｏｂａｃｔｅｒｉａ（門）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ（属）、Ｈａｅｍｏｐｈｉｌｕｓ（属）、Ａｃｉｎｅｔｏｂａｃｔｅｒ（属）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ８４０５２５４ （種）、Ｓｐｈｉｎｇｏｍｏｎａｄａｃｅａｅ（科）、Ｓｐｈｉｎｇｏｍｏｎａｄａｌｅｓ（目）、Ｋｏｃｕｒｉａ（属）、Ｇｅｍｅｌｌａ（属）、Ｖｅｉｌｌｏｎｅｌｌａ ｓｐ． ＣＭ６０（種）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ７＿１＿４７ＦＡＡ（種）、Ｇｅｍｅｌｌａ ｓｐ． ９３３－８８ （種）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ ｃａｔｏｎｉａｅ（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｐａｒａｉｎｆｌｕｅｎｚａｅ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２０（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｖｕｌｇａｔｕｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． Ｄ２２（種）、Ｄｏｒｅａ ｌｏｎｇｉｃａｔｅｎａ（種）、Ｐａｒａｂａｃｔｅｒｏｉｄｅｓ ｍｅｒｄａｅ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２９ （種）、Ｄｏｒｅａ（属）、Ｃｏｌｌｉｎｓｅｌｌａ（属）、Ｂａｃｔｅｒｏｉｄｅｓ（属）、Ｏｓｃｉｌｌｏｓｐｉｒａｃｅａｅ（科）、Ｒｕｍｉｎｏｃｏｃｃａｃｅａｅ（科）、Ｂａｃｔｅｒｏｉｄａｃｅａｅ（科）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｃｅａｅ（科）、Ｃｏｒｉｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃｌｏｓｔｒｉｄｉａｌｅｓ（目）、Ｂａｃｔｅｒｏｉｄａｌｅｓ（目）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｌｅｓ（目）、Ｃｏｒｉｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｔｈｅｒｍｏａｎａｅｒｏｂａｃｔｅｒａｌｅｓ（目）、Ｃｌｏｓｔｒｉｄｉａ（綱）、Ｂａｃｔｅｒｏｉｄｉａ（綱）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｅ（綱）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａ（門）、Ｂａｃｔｅｒｏｉｄｅｔｅｓ（門）、及び／又は他の適切な分類群（例えば、本明細書に記載される分類群）のうちの１つ、又は複数からなるあらゆる組合せに関連する特徴（例えば、それらの分類群の存在度を説明する特徴、相対存在度を説明する特徴、関連する機能態様を説明する特徴、導出される特徴、存在及び／又は不在を説明する特徴等）を含むことができ、且つ／又は以下のもの、すなわち翻訳（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、アミノ酸代謝（ＫＥＧＧ２）、細胞増殖及び細胞死（ＫＥＧＧ２）、複製及び修復（ＫＥＧＧ２）、他のアミノ酸の代謝（ＫＥＧＧ２）、神経変性疾患（ＫＥＧＧ２）、補因子及びビタミンの代謝（ＫＥＧＧ２）、輸送及び異化作用（ＫＥＧＧ２）、内分泌系（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、排出系（ＫＥＧＧ２）、酵素ファミリー（ＫＥＧＧ２）、膜輸送（ＫＥＧＧ２）、炭水化物代謝（ＫＥＧＧ２）、他の二次代謝物の生合成（ＫＥＧＧ２）、テルペノイド及びポリケチドの代謝（ＫＥＧＧ２）、感染症（ＫＥＧＧ２）、遺伝情報処理（ＫＥＧＧ２）、神経系（ＫＥＧＧ２）、環境適応（ＫＥＧＧ２）、ヌクレオチド代謝（ＫＥＧＧ２）、シグナル伝達分子及び相互作用（ＫＥＧＧ２）、シグナル伝達（ＫＥＧＧ２）、無機イオンの輸送及び代謝（ＫＥＧＧ３）、染色体（ＫＥＧＧ３）、細胞周期－カウロバクター属（ＫＥＧＧ３）、リボソーム生合成（ＫＥＧＧ３）、ＤＮＡ複製タンパク質（ＫＥＧＧ３）、翻訳因子（ＫＥＧＧ３）、グリシン、セリン及びトレオニンの代謝（ＫＥＧＧ３）、硫黄代謝（ＫＥＧＧ３）、他のイオン共役輸送体（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの生合成（ＫＥＧＧ３）、窒素代謝（ＫＥＧＧ３）、ペプチドグリカン生合成（ＫＥＧＧ３）、相同組換え（ＫＥＧＧ３）、ペルオキシソーム（ＫＥＧＧ３）、硫黄リレー系（ＫＥＧＧ３）、ペプチダーゼ（ＫＥＧＧ３）、プロテインキナーゼ（ＫＥＧＧ３）、ミスマッチ修復（ＫＥＧＧ３）、キシレン分解（ＫＥＧＧ３）、リボソーム（ＫＥＧＧ３）、ＲＮＡポリメラーゼ（ＫＥＧＧ３）、トリプトファン代謝（ＫＥＧＧ３）、ヒスチジン代謝（ＫＥＧＧ３）、ビタミン代謝（ＫＥＧＧ３）、細胞運動性及び分泌（ＫＥＧＧ３）、ピリミジン代謝（ＫＥＧＧ３）、細胞骨格タンパク質（ＫＥＧＧ３）、ＤＮＡ複製（ＫＥＧＧ３）、アミノ糖及びヌクレオチド糖の代謝（ＫＥＧＧ３）、葉酸生合成（ＫＥＧＧ３）、光合成生物における炭素固定（ＫＥＧＧ３）、ホスファチジルイノシトールシグナル伝達系（ＫＥＧＧ３）、リシン分解（ＫＥＧＧ３）、セレン化合物代謝（ＫＥＧＧ３）、フルクトース及びマンノースの代謝（ＫＥＧＧ３）、イノシトールリン酸代謝（ＫＥＧＧ３）、タンパク質のフォールディングとこれに関連するプロセッシング（ＫＥＧＧ３）、ＰＰＡＲシグナル伝達経路（ＫＥＧＧ３）、脂質代謝（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの分解（ＫＥＧＧ３）、グリオキシル酸及びジカルボン酸の代謝（ＫＥＧＧ３）、アルギニン及びプロリンの代謝（ＫＥＧＧ３）、リモネン及びピネンの分解（ＫＥＧＧ３）、Ｄ－アラニン代謝（ＫＥＧＧ３）、ポルフィリン及びクロロフィルの代謝（ＫＥＧＧ３）、Ｃ５分岐鎖二塩基酸代謝（ＫＥＧＧ３）、シャペロン及びフォールディング触媒（ＫＥＧＧ３）、脂肪酸代謝（ＫＥＧＧ３）、グルタチオン代謝（ＫＥＧＧ３）、ペントースリン酸経路（ＫＥＧＧ３）、ホスホトランスフェラーゼ系（ＰＴＳ）（ＫＥＧＧ３）、パントテン酸及びＣｏＡの生合成（ＫＥＧＧ３）、近位尿細管重炭酸塩再吸収（ＫＥＧＧ３）、ガラクトース代謝（ＫＥＧＧ３）、デンプン及びショ糖の代謝（ＫＥＧＧ３）、原発性免疫不全（ＫＥＧＧ３）、システイン及びメチオニンの代謝（ＫＥＧＧ３）、ユビキノン及び他のテルペノイド－キノンの生合成（ＫＥＧＧ３）、ＤＮＡ修復及び組換えのタンパク質（ＫＥＧＧ３）、チロシン代謝（ＫＥＧＧ３）、フェニルアラニン、チロシン、及びトリプトファンの生合成（ＫＥＧＧ３）、アミノアシル－ｔＲＮＡ生合成（ＫＥＧＧ３）、アラニン、アスパラギン酸、及びグルタミン酸の代謝（ＫＥＧＧ３）、光合成（ＫＥＧＧ３）、他の輸送体（ＫＥＧＧ３）、ブタン酸代謝（ＫＥＧＧ３）、細菌性分泌系（ＫＥＧＧ３）、グリセロリン脂質代謝（ＫＥＧＧ３）、酸化的リン酸化（ＫＥＧＧ３）、Ｉ型真正糖尿病（ＫＥＧＧ３）、解糖／糖新生（ＫＥＧＧ３）、光合成タンパク質（ＫＥＧＧ３）、輸送体（ＫＥＧＧ３）、テルペノイド骨格生合成（ＫＥＧＧ３）、不飽和脂肪酸の生合成（ＫＥＧＧ３）、シグナル伝達機構（ＫＥＧＧ３）、ケトン体の合成及び分解（ＫＥＧＧ３）、ヌクレオチド除去修復（ＫＥＧＧ３）、分泌系（ＫＥＧＧ３）、アルツハイマー病（ＫＥＧＧ３）、ゼアチン生合成（ＫＥＧＧ３）、ＩＩ型真性糖尿病（ＫＥＧＧ３）、Ｄ－グルタミン及びＤ－グルタミン酸の代謝（ＫＥＧＧ３）、タウリン及びハイポタウリンの代謝（ＫＥＧＧ３）、グルタミン酸作動性シナプス（ＫＥＧＧ３）、植物－病原体相互作用（ＫＥＧＧ３）、ビタミンＢ６代謝（ＫＥＧＧ３）、クエン酸回路（ＴＣＡサイクル）（ＫＥＧＧ３）、エチルベンゼン分解（ＫＥＧＧ３）、塩基除去修復（ＫＥＧＧ３）、複製、組換え、及び修復のタンパク質（ＫＥＧＧ３）、真核生物におけるリボソーム生合成（ＫＥＧＧ３）、アミノ安息香酸分解（ＫＥＧＧ３）、細菌運動性タンパク質（ＫＥＧＧ３）、アンサマイシン類の生合成（ＫＥＧＧ３）、イオンチャネル（ＫＥＧＧ３）、代謝（ＫＥＧＧ２）、特徴不明（Ｐｏｏｒｌｙ Ｃｈａｒａｃｔｅｒｉｚｅｄ）（ＫＥＧＧ２）、二次代謝物の生合成と生分解（ＫＥＧＧ３）、リポ酸代謝（ＫＥＧＧ３）、アミノ酸関連酵素（ＫＥＧＧ３）、翻訳タンパク質（ＫＥＧＧ３）、アスコルビン酸及びアルダル酸の代謝（ＫＥＧＧ３）、チアミン代謝（ＫＥＧＧ３）、機能未知（Ｆｕｎｃｔｉｏｎ ｕｎｋｎｏｗｎ）（ＫＥＧＧ３）、グリコサミノグリカン分解（ＫＥＧＧ３）、その他（Ｏｔｈｅｒｓ）（ＫＥＧＧ３）、ペントース及びグルクロン酸の相互変換（ＫＥＧＧ３）、ビオチン代謝（ＫＥＧＧ３）、フェニルアラニン代謝（ＫＥＧＧ３）、スフィンゴ糖脂質生合成－ガングリオシリーズ（ＫＥＧＧ３）、ポア／イオンチャネル（Ｐｏｒｅｓ ｉｏｎ ｃｈａｎｎｅｌｓ）（ＫＥＧＧ３）、膜及び細胞内構造分子（ＫＥＧＧ３）、プリン代謝（ＫＥＧＧ３）、葉酸による１炭素プール（ＫＥＧＧ３）、ホスホン酸及びホスフィン酸の代謝（ＫＥＧＧ３）、リソソーム（ＫＥＧＧ３）、薬物代謝－他の酵素（ＫＥＧＧ３）、ペニシリン及びセファロスポリンの生合成（ＫＥＧＧ３）、ハンチントン病（ＫＥＧＧ３）、ニコチン酸及びニコチンアミドの代謝（ＫＥＧＧ３）、薬物代謝－シトクロムＰ４５０（ＫＥＧＧ３）、リポ多糖生合成タンパク質（ＫＥＧＧ３）、シトクロムＰ４５０による生体外物質の代謝（ＫＥＧＧ３）、結核（ＫＥＧＧ３）、多環式芳香族炭化水素分解（ＫＥＧＧ３）、及び／又は他のあらゆる適切な機能特徴（例えば、本明細書に記載される機能特徴等）のうちの１つ、又は複数からなるあらゆる組合せに関連する機能特徴（例えば、それらの機能特徴の存在度を説明する特徴、相対存在度を説明する特徴、関連する機能態様を説明する特徴、導出される特徴、存在及び／又は不在を説明する特徴
等）を含むことができる。変形例において、ユーザーの特徴解析は典型的な診断及び／又は治療アプローチに対して付加的又は代替的な方式での上記特徴のうちの１つ、又は複数の特徴の検出に基づく１又は複数の光過敏症皮膚関連状態を有する人としての前記ユーザーの特徴解析を含み得る。
等）を含むことができる。変形例において、ユーザーの特徴解析は典型的な診断及び／又は治療アプローチに対して付加的又は代替的な方式での上記特徴のうちの１つ、又は複数の特徴の検出に基づく１又は複数の光過敏症皮膚関連状態を有する人としての前記ユーザーの特徴解析を含み得る。
変形例において、皮膚関連特徴解析プロセスの実施Ｓ１３５は１種類又は複数種類の頭皮関連状態について頭皮関連状態特徴解析プロセスを実施することを含み得る。一例において、皮膚関連特徴解析プロセスは１又は複数の治療法が陽性の効果を有するだろう頭皮関連状態と最も高い相関を有する特徴セットを特定するための統計的分析、及び前記対象群サブセットに由来するトレーニングデータセットを用いてトレーニングされ、かつ、前記対象群サブセットに由来する検証データセットを用いて検証されたランダムフォレスト予測器アルゴリズムに基づき得る。例において、頭皮関連状態はふけ症（例えば、皮膚剥離、痒み、頭皮の皮膚の鱗皮剥落等を特徴とするふけ症）及び／又は他の適切な頭皮関連状態、例えば乾燥肌が原因の頭皮関連状態、刺激を伴う油性肌が原因の頭皮関連状態、ヘアケア製品への過敏症が原因の頭皮関連状態、頭皮マイクロバイオームの平衡失調につながり得る他の状態が原因の頭皮関連状態、及び／又は他の適切な頭皮関連状態のうちの１つ、又は複数を含み得る。頭皮関連状態は特定の微生物叢多様性並びに／又は腸微生物、あらゆる適切な生理学的部位に付随する微生物、マイクロバイオーム機能多様性、及び／若しくは他の適切なマイクロバイオーム関連態様の相対存在度に関係する健康状態に関連し得る。
１又は複数の頭皮関連状態（及び／又は他の適切な皮膚関連状態）に関連するマイクロバイオーム特徴（例えば、正に相関する特徴、負に相関する特徴、診断に有用な特徴等）は以下の分類群、すなわちＡｃｔｉｎｏｂａｃｔｅｒｉａ（綱）、Ｌａｃｔｏｂａｃｉｌｌａｌｅｓ（目）、Ａｃｔｉｎｏｍｙｃｅｔａｌｅｓ（目）、Ｆｉｒｍｉｃｕｔｅｓ（門）、Ｄｅｒｍａｂａｃｔｅｒａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌａｃｅａｅ（科）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃｏｒｙｎｅｂａｃｔｅｒｉａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌｕｓ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ（属）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ（属）、Ｄｅｒｍａｂａｃｔｅｒ（属）、Ｅｒｅｍｏｃｏｃｃｕｓ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｆｒｅｉｂｕｒｇｅｎｓｅ（種）、Ｅｒｅｍｏｃ（ＫＥＧＧ３）ｏｃｃｕｓ ｃｏｌｅｏｃｏｌａ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． （種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ９Ｉ２（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ８４０５２５４ （種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｇｌｕｃｕｒｏｎｏｌｙｔｉｃｕｍ（種）、Ｄｅｒｍａｂａｃｔｅｒ ｈｏｍｉｎｉｓ（種）、Ｃｏｒｉｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｓｔａｐｈｙｌｏｃｏｃｃａｃｅａｅ（科）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｂａｃｉｌｌａｌｅｓ（目）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ（属）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ（属）、Ａｔｏｐｏｂｉｕｍ（属）、Ｍｅｇａｓｐｈａｅｒａ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ＢＳ３５ａ（種）、Ｆｉｎｅｇｏｌｄｉａ ｍａｇｎａ（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ａｕｒｅｕｓ（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｉｎｆｌｕｅｎｚａｅ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． ＮＭＬ ９７－０１８６（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ５９ （種）、Ｄｏｒｅａ（属）、Ｒｏｓｅｂｕｒｉａ ｓｐ． １１ＳＥ３９ （種）、Ｄｏｒｅａ ｌｏｎｇｉｃａｔｅｎａ（種）、Ｐｒｅｖｏｔｅｌｌａｃｅａｅ（科）、Ｖｅｉｌｌｏｎｅｌｌａｃｅａｅ（科）、Ｏｓｃｉｌｌｏｓｐｉｒａｃｅａｅ（科）、Ｎｅｇａｔｉｖｉｃｕｔｅｓ（綱）， Ｓｅｌｅｎｏｍｏｎａｄａｌｅｓ（目）、Ｆｉｎｅｇｏｌｄｉａ（属）、Ｏｓｃｉｌｌｏｓｐｉｒａ（属）、Ｉｎｔｅｓｔｉｎｉｍｏｎａｓ（属）、Ｆｌａｖｏｎｉｆｒａｃｔｏｒ（属）、Ｐｒｅｖｏｔｅｌｌａ（属）、Ｍｏｒｙｅｌｌａ（属）、Ｃａｔｅｎｉｂａｃｔｅｒｉｕｍ ｍｉｔｓｕｏｋａｉ（種）、Ｃｏｌｌｉｎｓｅｌｌａ ａｅｒｏｆａｃｉｅｎｓ（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ２００２－２３００００４ （種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｃａｎｉｓ（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ９ ＡＡ１－５（種）、Ｐｒｅｖｏｔｅｌｌａ ｂｕｃｃａｌｉｓ（種）、Ｄｉａｌｉｓｔｅｒ ｉｎｖｉｓｕｓ（種）、Ｍｏｒａｘｅｌｌａ（属）、Ｎｅｉｓｓｅｒｉａ（属）、Ｎｅｉｓｓｅｒｉａ ｍｕｃｏｓａ（種）、Ｒｉｋｅｎｅｌｌａｃｅａｅ（科）、及び／又は他の適切な分類群（例えば、本明細書に記載される分類群）のうちの１つ、又は複数からなるあらゆる組合せに関連する特徴（例えば、それらの分類群の存在度を説明する特徴、相対存在度を説明する特徴、関連する機能態様を説明する特徴、導出される特徴、存在及び／又は不在を説明する特徴等）を含むことができ、且つ／又は以下のもの、すなわち補因子及びビタミンの代謝（ＫＥＧＧ２）、酵素ファミリー（ＫＥＧＧ２）、脂質代謝（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、解糖／糖新生（ＫＥＧＧ３）、原発性免疫不全（ＫＥＧＧ３）、ピルビン酸代謝（ＫＥＧＧ３）、輸送及び異化作用（ＫＥＧＧ２）、神経変性疾患（ＫＥＧＧ２）、内分泌系（ＫＥＧＧ２）、アミノ酸代謝（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、シグナル伝達分子及び相互作用（ＫＥＧＧ２）、他のアミノ酸の代謝（ＫＥＧＧ２）、複製及び修復（ＫＥＧＧ２）、翻訳（ＫＥＧＧ２）、細胞増殖及び細胞死（ＫＥＧＧ２）、膜輸送（ＫＥＧＧ２）、他の二次代謝物の生合成（ＫＥＧＧ２）、テルペノイド及びポリケチドの代謝（ＫＥＧＧ２）、無機イオンの輸送及び代謝（ＫＥＧＧ３）、ビタミン代謝（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの生合成（ＫＥＧＧ３）、ペルオキシソーム（ＫＥＧＧ３）、リボソーム生合成（ＫＥＧＧ３）、セレン化合物代謝（ＫＥＧＧ３）、ヒスチジン代謝（ＫＥＧＧ３）、染色体（ＫＥＧＧ３）、硫黄代謝（ＫＥＧＧ３）、ＰＰＡＲシグナル伝達経路（ＫＥＧＧ３）、ポルフィリン及びクロロフィルの代謝（ＫＥＧＧ３）、ホスファチジルイノシトールシグナル伝達系（ＫＥＧＧ３）、イノシトールリン酸代謝（ＫＥＧＧ３）、硫黄リレー系（ＫＥＧＧ３）、グリシン、セリン及びトレオニンの代謝（ＫＥＧＧ３）、ＤＮＡ複製タンパク質（ＫＥＧＧ３）、パントテン酸及びＣｏＡの生合成（ＫＥＧＧ３）、翻訳因子（ＫＥＧＧ３）、タンパク質のフォールディングとこれに関連するプロセッシング（ＫＥＧＧ３）、ＩＩ型真性糖尿病（ＫＥＧＧ３）、プロテインキナーゼ（ＫＥＧＧ３）、葉酸生合成（ＫＥＧＧ３）、リシン分解（ＫＥＧＧ３）、ＲＮＡポリメラーゼ（ＫＥＧＧ３）、Ｄ－アラニン代謝（ＫＥＧＧ３）、光合成生物における炭素固定（ＫＥＧＧ３）、窒素代謝（ＫＥＧＧ３）、グリセロリン脂質代謝（ＫＥＧＧ３）、アンサマイシン類の生合成（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの分解（ＫＥＧＧ３）、細胞骨格タンパク質（ＫＥＧＧ３）、ペプチダーゼ（ＫＥＧＧ３）、脂肪酸代謝（ＫＥＧＧ３）、細胞周期－カウロバクター属（ＫＥＧＧ３）、ホスホトランスフェラーゼ系（ＰＴＳ）（ＫＥＧＧ３）、ピリミジン代謝（ＫＥＧＧ３）、アルツハイマー病（ＫＥＧＧ３）、ブタン酸代謝（ＫＥＧＧ３）、トリプトファン代謝（ＫＥＧＧ３）、シグナル伝達機構（ＫＥＧＧ３）、ペントースリン酸経路（ＫＥＧＧ３）、他のイオン共役輸送体（ＫＥＧＧ３）、相同組換え（ＫＥＧＧ３）、複製、組換え、及び修復のタンパク質（ＫＥＧＧ３）、キシレン分解（ＫＥＧＧ３）、ミスマッチ修復（ＫＥＧＧ３）、グリオキシル酸及びジカルボン酸の代謝（ＫＥＧＧ３）、アルギニン及びプロリンの代謝（ＫＥＧＧ３）、ペプチドグリカン生合成（ＫＥＧＧ３）、シャペロン及びフォールディング触媒（ＫＥＧＧ３）、Ｉ型真正糖尿病（ＫＥＧＧ３）、ＤＮＡ複製（ＫＥＧＧ３）、細菌性分泌系（ＫＥＧＧ３）、チロシン代謝（ＫＥＧＧ３）、クエン酸回路（ＴＣＡサイクル）（ＫＥＧＧ３）、アミノ糖及びヌクレオチド糖の代謝（ＫＥＧＧ３）、リボソーム（ＫＥＧＧ３）、リモネン及びピネンの分解（ＫＥＧＧ３）、細胞運動性及び分泌（ＫＥＧＧ３）、タウリン及びハイポタウリンの代謝（ＫＥＧＧ３）、酸化的リン酸化（ＫＥＧＧ３）、フルクトース及びマンノースの代謝（ＫＥＧＧ３）、ビタミンＢ６代謝（ＫＥＧＧ３）、イオンチャネル（ＫＥＧＧ３）、ケトン体の合成及び分解（ＫＥＧＧ３）、他の輸送体（ＫＥＧＧ３）、ガラクトース代謝（ＫＥＧＧ３）、多環式芳香族炭化水素分解（ＫＥＧＧ３）、輸送体（ＫＥＧＧ３）、ＤＮＡ修復及び組換えのタンパク質（ＫＥＧＧ３）、デンプン及びショ糖の代謝（ＫＥＧＧ３）、アラニン、アスパラギン酸、及びグルタミン酸の代謝（ＫＥＧＧ３）、真核生物におけるリボソーム生合成（ＫＥＧＧ３）、分泌系（ＫＥＧＧ３）、不飽和脂肪酸の生合成（ＫＥＧＧ３）、システイン及びメチオニンの代謝（ＫＥＧＧ３）、塩基除去修復（ＫＥＧＧ３）、アミノ安息香酸分解（ＫＥＧＧ３）、光合成（ＫＥＧＧ３）、光合成タンパク質（ＫＥＧＧ３）、ポア／イオンチャネル（ＫＥＧＧ３）、脂質生合成タンパク質（ＫＥＧＧ３）、Ｄ－グルタミン及びＤ－グルタミン酸の代謝（ＫＥＧＧ３）及び／又は他のあらゆる適切な機能特徴（例えば、本明細書に記載される機能特徴等）のうちの１つ、又は複数からなるあらゆる組合せに関連する機能特徴（例えば、それらの機能特徴の存在度を説明する特徴、相対存在度を説明する特徴、関連する機能態様を説明する特徴、導出される特徴、存在及び／又は不在を説明する特徴等）を含むことができる。変形例において、ユーザーの特徴解析は典型的な診断及び／又は治療アプローチに対して付加的又は代替的な方式での上記特徴のうちの１つ、又は複数の特徴の検出に基づく１又は複数の光過敏症皮膚関連状態を有する人としての前記ユーザーの特徴解析を含み得る。
しかしながら、１又は複数の皮膚関連特徴解析結果の決定はあらゆる適切な方式で実施され得る。
４．４．治療モデルの決定
加えて、又は代替として、前記方法１００はブロックＳ１４０を含むことができ、そのブロックは前記特徴解析プロセスに従って特徴解析される対象における微生物分布を調節するように構成されている治療モデルを作成することを含み得る。ブロックＳ１４０は治療法（例えば、プロバイオティクスベースの治療法、ファージベースの治療法、低分子ベースの治療法等）、例えば前記対象の健康を促進する所望の平衡状態に向かって（例えば、あらゆる適切な部位のマイクロバイオーム等について）対象のマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴を変更することができる治療法について治療法の決定を特定、等級分け、優先、決定、予測、反対、及び／又はそれら以外では促進するように機能することができ、且つ／又は他の場合に１種類又は複数種類の微生物関連状態の状態を改変する（例えば、ヒト行動状態に関連するユーザー行動等を改変する）ための治療法を決定するように機能することができる。微生物関連状態のモデルは１又は複数の治療モデルを含み得る。ブロックＳ１４０において、前記治療法はプロバイオティクス療法、ファージベースの治療法、低分子ベースの治療法、認知／行動治療法、身体リハビリテーション治療法、臨床治療法、薬品ベースの治療法、食事関連治療法、及び／又はユーザーの健康の促進に他のあらゆる適切な方式で機能するように設計されている他のあらゆる適切な治療法のうちの１つ、又は複数を含む治療法から選択され得る。特定の例のバクテリオファージベースの治療法において、前記対象において現れるある特定の細菌（又は他の微生物）に対して特異的なバクテリオファージの（例えば、コロニー形成単位に関して）１又は複数の集団がその特定の細菌の集団を下方制御するか、又はそうでない場合に除去するために使用可能である。したがって、バクテリオファージベースの治療法は前記対象に現れた前記望ましくない細菌集団のサイズを低下させるために使用され得る。相補的なことに、バクテリオファージベースの治療法は使用する前記バクテリオファージが標的としない細菌集団の相対存在度を上昇させるために使用され得る。
加えて、又は代替として、前記方法１００はブロックＳ１４０を含むことができ、そのブロックは前記特徴解析プロセスに従って特徴解析される対象における微生物分布を調節するように構成されている治療モデルを作成することを含み得る。ブロックＳ１４０は治療法（例えば、プロバイオティクスベースの治療法、ファージベースの治療法、低分子ベースの治療法等）、例えば前記対象の健康を促進する所望の平衡状態に向かって（例えば、あらゆる適切な部位のマイクロバイオーム等について）対象のマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴を変更することができる治療法について治療法の決定を特定、等級分け、優先、決定、予測、反対、及び／又はそれら以外では促進するように機能することができ、且つ／又は他の場合に１種類又は複数種類の微生物関連状態の状態を改変する（例えば、ヒト行動状態に関連するユーザー行動等を改変する）ための治療法を決定するように機能することができる。微生物関連状態のモデルは１又は複数の治療モデルを含み得る。ブロックＳ１４０において、前記治療法はプロバイオティクス療法、ファージベースの治療法、低分子ベースの治療法、認知／行動治療法、身体リハビリテーション治療法、臨床治療法、薬品ベースの治療法、食事関連治療法、及び／又はユーザーの健康の促進に他のあらゆる適切な方式で機能するように設計されている他のあらゆる適切な治療法のうちの１つ、又は複数を含む治療法から選択され得る。特定の例のバクテリオファージベースの治療法において、前記対象において現れるある特定の細菌（又は他の微生物）に対して特異的なバクテリオファージの（例えば、コロニー形成単位に関して）１又は複数の集団がその特定の細菌の集団を下方制御するか、又はそうでない場合に除去するために使用可能である。したがって、バクテリオファージベースの治療法は前記対象に現れた前記望ましくない細菌集団のサイズを低下させるために使用され得る。相補的なことに、バクテリオファージベースの治療法は使用する前記バクテリオファージが標的としない細菌集団の相対存在度を上昇させるために使用され得る。
プロバイオティクス療法の別の特定の例において、図４に示されるように、前記治療モデルの候補治療法は（例えば、コロニー形成耐性により）物理的障壁を提供することにより上皮細胞への病原体の侵入を阻止すること、杯細胞の刺激により粘液障壁の形成を誘導すること、（例えば、ゾナオクルデンス１の発現上昇を刺激すること、タイトジャンクションタンパク質の再分配を防止することにより）対象の上皮細胞間の頂側タイトジャンクションの完全性を強化すること、抗微生物因子を産生すること、（例えば、樹状細胞のシグナル伝達及び調節性Ｔ細胞の誘導により）抗炎症性サイトカインの産生を刺激すること、免疫応答を誘起すること、及び共生バランス失調状態から離れるように対象のマイクロバイオームを調節する他のあらゆる適切な機能を実施することのうちの１つ、又は複数を実施することができる。別の特定の例において、治療法は（例えば、ヒト行動修正、疾患関連状態の治療等に関連する）医療機器ベースの治療法を含み得る。
変形例において、前記治療モデルは大集団の対象に由来することが好ましく、その大集団の対象には様々な治療手段を行う前後にマイクロバイオーム構成特徴やマイクロバイオーム機能特徴又は健康状態を充分に特徴解析するブロックＳ１１０において前記マイクロバイオーム多様性データセットを導出する前記対象群が含まれ得る。そのようなデータは対象に対して所望の転帰を与える治療手段を様々な微生物関連特徴解析に基づいて特定する上で前記治療提供モデルをトレーニング及び検証するために使用され得る。変形例において、教師あり機械学習アルゴリズムのようなサポートベクターマシンを使用して前記治療提供モデルを作成することができる。しかしながら、上記の他のあらゆる適切な機械学習アルゴリズムが前記治療提供モデルの作成を促進し得る。
加えて、又は代替として、前記治療モデルは良好な健康状態にあることが特定された対象群のうちの対象から特徴解析される場合に「通常の」又はベースラインのマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴の特定に関して導出され得る。（例えば、前記特徴解析プロセスの特徴を使用して）良好な健康状態であると特徴解析されている前記対象群のうちの対象サブセットが特定されると健康状態が良好な対象のマイクロバイオーム構成特徴及び／又は機能特徴に向けてマイクロバイオーム構成特徴及び／又は機能特徴を調節する治療法がブロックＳ１４０において作成され得る。したがって、ブロックＳ１４０は１又は複数のベースラインマイクロバイオーム構成特徴及び／又は機能特徴（例えば、対象者属性セットのうちの各々について１つのベースラインマイクロバイオーム）の特定、及び共生バランス失調状態にある対象のマイクロバイオームを前記特定済みベースラインマイクロバイオーム構成特徴及び／又は機能特徴のうちの１つに向けて変更することができる潜在的な治療用製剤及び治療計画の特定を含み得る。しかしながら、前記治療モデルは他のあらゆる適切な方式で作成及び／又は改良され得る。
前記治療モデルに関連するプロバイオティクス療法に関連する微生物組成物は培養可能（例えば、規模調整可能な治療法を提供するために増大可能）であり、且つ、非致死性（例えば、所望の治療用投薬量において非致死性）である微生物を含むことが好ましい。さらに、微生物組成物は対象のマイクロバイオームに対して急性又は穏健な効果を有する単一の種類の微生物を含み得る。加えて、又は代替として、微生物組成物は対象のマイクロバイオームを所望の状態に至らせる点で互いに協働するように構成されているバランスのとれた複数の種類の微生物の組合せを含み得る。例えば、プロバイオティクス療法における複数の種類の細菌の組合せは対象のマイクロバイオームに正の影響を与える点で強力な効果を有する第２細菌種によって使用される産物を生成する第１細菌種を含み得る。加えて、又は代替として、プロバイオティクス療法における複数の種類の細菌の組合せは対象のマイクロバイオームに正の影響を与える同じ機能を有するタンパク質を産生する数種類の細菌種を含み得る。
プロバイオティクス組成物は天然由来又は合成由来であり得る。例えば、１つの適用例においてプロバイオティクス組成物は天然物として糞便物質又は他の生物学的物質（例えば、前記特徴解析プロセス及び前記治療モデルを用いて特定されるようなベースラインマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴を有する１又は複数の対象のもの）に由来し得る。加えて、又は代替として、プロバイオティクス組成物は前記特徴解析プロセス及び前記治療モデルを用いて特定されるようなベースラインマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴に基づいて合成により（例えば、卓上方法を用いて）得られる。変形例において、プロバイオティクス療法において使用可能な微生物薬剤は酵母（例えば、サッカロマイセス・ブラウディ）、グラム陰性細菌（例えば、大腸菌Ｎｉｓｓｌｅ）、グラム陽性細菌（例えば、ビフィドバクテリウム・ビフィダム、ビフィドバクテリウム・インファンティス、ラクトバチルス・ラムノサス、ラクトコッカス・ラクチス、ラクトバチルス・プランタルム、ラクトバチルス・アシドフィルス、ラクトバチルス・カゼイ、バチルス・ポリファーメンチカス等）、及び他のあらゆる適切な種類の微生物薬剤のうちの１つ、又は複数を含み得る。
一変形例において、治療法は１種類又は複数種類の皮膚関連状態のための（例えば、１種類又は複数種類の皮膚関連状態に関連する健康状態を改善するため等の）プロバイオティクス療法であって、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｕｌｃｅｒａｎｓ、Ｆａｃｋｌａｍｉａ ｈｏｍｉｎｉｓ、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ．、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ｓｐ． ＭＳＰ０９Ａ、Ｆａｃｋｌａｍｉａ ｓｐ． １４４０－９７、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ９Ｉ２、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０２０８０、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｇｌｕｃｕｒｏｎｏｌｙｔｉｃｕｍ、Ｄｅｒｍａｂａｃｔｅｒ ｈｏｍｉｎｉｓ、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ＢＬ３０２、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｌｏｎｇｕｍ、Ａｎａｅｒｏｇｌｏｂｕｓ ｇｅｍｉｎａｔｕｓ、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． Ｓ９ ＰＲ－１６、Ｐｒｅｖｏｔｅｌｌａ ｔｉｍｏｎｅｎｓｉｓ、Ｋｌｕｙｖｅｒａ ｇｅｏｒｇｉａｎａ、Ａｃｉｎｅｔｏｂａｃｔｅｒ ｓｐ． ＷＢ２２－２３、Ａｎａｅｒｏｃｏｃｃｕｓ ｏｃｔａｖｉｕｓ、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ９ ＡＡ１－５、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ－Ｄ－ＭＡ２、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ７－２、Ｃｒｏｎｏｂａｃｔｅｒ ｓａｋａｚａｋｉｉ、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ８４０５２５４、Ｖｅｉｌｌｏｎｅｌｌａ ｓｐ． ＣＭ６０、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ７＿１＿４７ＦＡＡ、Ｇｅｍｅｌｌａ ｓｐ． ９３３－８８、Ｐｏｒｐｈｙｒｏｍｏｎａｓ ｃａｔｏｎｉａｅ、Ｈａｅｍｏｐｈｉｌｕｓ ｐａｒａｉｎｆｌｕｅｎｚａｅ、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２０、Ｂａｃｔｅｒｏｉｄｅｓ ｖｕｌｇａｔｕｓ、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． Ｄ２２、Ｄｏｒｅａ ｌｏｎｇｉｃａｔｅｎａ、Ｐａｒａｂａｃｔｅｒｏｉｄｅｓ ｍｅｒｄａｅ、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２９、Ｐｒｅｖｏｔｅｌｌａ ｓｐ． ＷＡＬ ２０３９Ｇ、Ｆａｅｃａｌｉｂａｃｔｅｒｉｕｍ ｐｒａｕｓｎｉｔｚｉｉ、Ｂｌａｕｔｉａ ｆａｅｃｉｓ、Ａｌｉｓｔｉｐｅｓ ｐｕｔｒｅｄｉｎｉｓ、Ｂａｃｔｅｒｏｉｄｅｓ ａｃｉｄｉｆａｃｉｅｎｓ、Ａｄｌｅｒｃｒｅｕｔｚｉａ ｅｑｕｏｌｉｆａｃｉｅｎｓ、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｕｃｃｉｎａｔｕｔｅｎｓ、Ｒｏｓｅｂｕｒｉａ ｉｎｕｌｉｎｉｖｏｒａｎｓ、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｐ． ３７７、Ｄｅｓｕｌｆｏｖｉｂｒｉｏ ｐｉｇｅｒ、Ｅｇｇｅｒｔｈｅｌｌａ ｓｐ． ＨＧＡ１、Ｌａｃｔｏｎｉｆａｃｔｏｒ ｌｏｎｇｏｖｉｆｏｒｍｉｓ、Ａｌｉｓｔｉｐｅｓ ｓｐ． ＨＧＢ５、Ｈｏｌｄｅｍａｎｉａ ｆｉｌｉｆｏｒｍｉｓ、Ｃｏｌｌｉｎｓｅｌｌａ ｉｎｔｅｓｔｉｎａｌｉｓ、Ｎｅｉｓｓｅｒｉａ ｍａｃａｃａｅ、Ｇｅｍｅｌｌａ ｓａｎｇｕｉｎｉｓ、Ｂａｃｔｅｒｏｉｄｅｓ ｆｒａｇｉｌｉｓ、Ｐｒｅｖｏｔｅｌｌａ ｏｒｉｓ、Ｐｓｅｕｄｏｍｏｎａｓ ｂｒｅｎｎｅｒｉ、Ｆｌａｖｏｂａｃｔｅｒｉｕｍ ｃｅｔｉ、Ｂｒｅｖｕｎｄｉｍｏｎａｓ ｓｐ． ＦＸＪ８．０８０、Ｂａｃｔｅｒｏｉｄｅｓ ｐｌｅｂｅｉｕｓ、Ｖａｒｉｂａｃｕｌｕｍ ｃａｍｂｒｉｅｎｓｅ、Ｂｌａｕｔｉａ ｗｅｘｌｅｒａｅ、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． ＷＢ１８－１６、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ６３、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ａｃｎｅｓ、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０１４８７、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｅｐｉｄｅｒｍｉｄｉｓ、Ｃａｍｐｙｌｏｂａｃｔｅｒ ｕｒｅｏｌｙｔｉｃｕｓ、Ｊａｎｉｂａｃｔｅｒ ｓｐ． Ｍ３－５、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ＤＮＦ００８４０、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ８ Ｆ７、Ｐｒｅｖｏｔｅｌｌａ ｄｉｓｉｅｎｓ、Ｆｕｓｏｂａｃｔｅｒｉｕｍ ｐｅｒｉｏｄｏｎｔｉｃｕｍ、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｆｒｅｉｂｕｒｇｅｎｓｅ、Ｅｒｅｍｏｃｏｃｃｕｓ ｃｏｌｅｏｃｏｌａ、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ＢＳ３５ａ、Ｆｉｎｅｇｏｌｄｉａ ｍａｇｎａ、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ａｕｒｅｕｓ、Ｈａｅｍｏｐｈｉｌｕｓ ｉｎｆｌｕｅｎｚａｅ、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． ＮＭＬ ９７－０１８６、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ５９、Ｒｏｓｅｂｕｒｉａ ｓｐ． １１ＳＥ３９、Ｃａｔｅｎｉｂａｃｔｅｒｉｕｍ ｍｉｔｓｕｏｋａｉ、Ｃｏｌｌｉｎｓｅｌｌａ ａｅｒｏｆａｃｉｅｎｓ、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ２００２－２３００００４、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｃａｎｉｓ、Ｐｒｅｖｏｔｅｌｌａ ｂｕｃｃａｌｉｓ、Ｄｉａｌｉｓｔｅｒ ｉｎｖｉｓｕｓ、Ｎｅｉｓｓｅｒｉａ ｍｕｃｏｓａ、及び／又はあらゆる適切な分類群（例えば、本明細書に記載される分類群）の他のあらゆる適切な微生物及び／又はファージベクター（例えば、バクテリオファージ、ウイルス等）のうちのいずれか１つ、又は複数からなる組合せを含み得る前記プロバイオティクス療法を含むことができる。特定の例において、前記プロバイオティクス療法及び／又は他の適切なプロバイオティクス療法は、治療に応答した患者マイクロバイオームの正の調節を予測する治療モデルから決定される場合に１０万～１００億ＣＦＵの投薬量で推進（例えば、推奨、他には提供等）され得る。例において、対象はその対象の生理学（例えば、肥満度指数、体重、身長）、対象者属性（例えば、性別、年齢）、共生バランス失調の重症度、薬品に対する感受性、及び／又は他のあらゆる適切な因子のうちの１つ、又は複数に合わせた計画に従って前記プロバイオティクス製剤を含むカプセル剤を摂取するように指導され得る。
一変形例において、１種類又は複数種類の光過敏性関連状態、乾燥肌関連状態、頭皮関連状態、及び／又は他の適切な皮膚関連状態を含む１種類又は複数種類の皮膚関連状態を示す対象について、皮膚関連状態に関連する微生物は対象マイクロバイオームに存在する微生物における相対存在度の認識可能なパターンの構成又は多様性に基づくデータセットを提供することができ、且つ、バイオインフォマティクスパイプライン及び／又は上記特徴解析を用いる診断ツール及び／又は治療ツールとして使用され得る。
別の変形例において、微生物データセット（例えば、対象マイクロバイオームに存在する微生物における相対存在度の認識可能なパターンの構成又は多様性に基づく微生物データセット）はバイオインフォマティクスパイプライン及び上記特徴解析を用いる診断ツールとして使用され得る。しかしながら、プロバイオティクス療法及び／又は他の適切な治療法は本明細書に記載されるあらゆる適切な分類群に関連する微生物のあらゆる適切な組合せを含み得る。
プロバイオティクス及び／又は他の適切な消耗品は１０万～１００億ＣＦＵの投薬量（及び／又は他の適切な投薬量）、例えば治療に対する応答としての患者マイクロバイオームの正の調節を予測する治療モデルから決定される投薬量で供与され得る。特定の例において、対象はその対象の生理学（例えば、肥満度指数、体重、身長）、対象者属性（例えば、性別、年齢）、共生バランス失調の重症度、薬品に対する感受性、及び他のあらゆる適切な因子のうちの１つ、又は複数に合わせた計画に従って前記プロバイオティクス製剤を含むカプセル剤を摂取するように指導され得る。微生物関連状態を示す対象について、関連の－微生物（例えば、相関するマイクロバイオーム構成特徴に対応する微生物）は対象マイクロバイオームに存在する微生物における相対存在度の認識可能なパターンの構成及び／又は多様性に基づくデータセットを提供することができ、且つ、バイオインフォマティクスパイプライン及び上記特徴解析を用いる診断ツールとして使用され得る。
４．５．ユーザー生体試料の処理
加えて、又は代替として、前記方法１００はブロックＳ１５０を含むことができ、そのブロックはユーザーに由来する１又は複数の生体試料（例えば、前記ユーザーの様々な採取部位に由来する生体試料等）を処理することを含み得る。ブロックＳ１５０は、例えば前記特徴解析プロセスのための入力値の導出に使用するため（例えば、１又は複数のマイクロバイオーム特徴解析モジュール等の適用を介した前記ユーザーについての微生物関連特徴解析の作成等のため）、前記対象についての微生物データセットの作成を促進するように機能し得る。したがって、ブロックＳ１５０は１又は複数のユーザーに由来する１又は複数の生体試料（例えば、同じユーザーについての経時的な複数の生体試料、異なるユーザーについての様々な生体試料等）を受領、処理、及び／又は分析することを含み得る。ブロックＳ１５０において、前記生体試料は前記対象及び／又は前記対象の環境から非侵襲的に作成されることが好ましい。変形例において、非侵襲的試料受領方法は対象の身体の領域から試料を受領するように構成されている浸透性基材（例えば、対象の身体の領域を拭うように構成されている綿棒、トイレットペーパー、スポンジ等）、非浸透性基材（例えば、スライドグラス、テープ等）、容器（例えば、バイアル瓶、チューブ、バッグ等）、及び他のあらゆる適切な試料受領要素のうちのいずれか１つ、又は複数を使用し得る。特定の例において、前記生体試料は前記対象の鼻、皮膚、生殖器、口、及び腸のうちの１つ、又は複数から非侵襲的に（例えば、綿棒及びバイアル瓶を使用して）採取され得る。しかしながら、前記生体試料は加えて、又は代替として半侵襲的又は侵襲的に受領され得る。変形例において、侵襲的試料受領方法は注射針、注射器、生検要素、ランセット、及び半侵襲的又は侵襲的に試料を採取するための他のあらゆる適切な器具のうちのいずれか１つ、又は複数を使用し得る。具体例において、試料は血液試料、血漿／血清試料（例えば、無細胞ＤＮＡの抽出を抽出するための試料）、及び組織試料を含み得る。
加えて、又は代替として、前記方法１００はブロックＳ１５０を含むことができ、そのブロックはユーザーに由来する１又は複数の生体試料（例えば、前記ユーザーの様々な採取部位に由来する生体試料等）を処理することを含み得る。ブロックＳ１５０は、例えば前記特徴解析プロセスのための入力値の導出に使用するため（例えば、１又は複数のマイクロバイオーム特徴解析モジュール等の適用を介した前記ユーザーについての微生物関連特徴解析の作成等のため）、前記対象についての微生物データセットの作成を促進するように機能し得る。したがって、ブロックＳ１５０は１又は複数のユーザーに由来する１又は複数の生体試料（例えば、同じユーザーについての経時的な複数の生体試料、異なるユーザーについての様々な生体試料等）を受領、処理、及び／又は分析することを含み得る。ブロックＳ１５０において、前記生体試料は前記対象及び／又は前記対象の環境から非侵襲的に作成されることが好ましい。変形例において、非侵襲的試料受領方法は対象の身体の領域から試料を受領するように構成されている浸透性基材（例えば、対象の身体の領域を拭うように構成されている綿棒、トイレットペーパー、スポンジ等）、非浸透性基材（例えば、スライドグラス、テープ等）、容器（例えば、バイアル瓶、チューブ、バッグ等）、及び他のあらゆる適切な試料受領要素のうちのいずれか１つ、又は複数を使用し得る。特定の例において、前記生体試料は前記対象の鼻、皮膚、生殖器、口、及び腸のうちの１つ、又は複数から非侵襲的に（例えば、綿棒及びバイアル瓶を使用して）採取され得る。しかしながら、前記生体試料は加えて、又は代替として半侵襲的又は侵襲的に受領され得る。変形例において、侵襲的試料受領方法は注射針、注射器、生検要素、ランセット、及び半侵襲的又は侵襲的に試料を採取するための他のあらゆる適切な器具のうちのいずれか１つ、又は複数を使用し得る。具体例において、試料は血液試料、血漿／血清試料（例えば、無細胞ＤＮＡの抽出を抽出するための試料）、及び組織試料を含み得る。
上記変形例及び上記例において、前記生体試料は別の存在（例えば、対象に付随する介護者、医療専門家、自動又は半自動試料採取装置等）による平易化を得ずに前記対象の身体から採取可能であり、又は代替として別の存在の支援を得て前記対象の身体から採取可能である。１つの例において、前記試料抽出過程において別の存在による平易化を得ずに前記生体試料が前記対象から採取される場合、前記対象に試料準備キットが供与され得る。前記例において、前記キットは試料採取用の１又は複数の綿棒、保存用に前記綿棒を受領するように構成されている１又は複数の容器、試料準備及びユーザーアカウントの設定用の説明書、前記試料を前記対象と関連付けるように構成されている要素（例えば、バーコード識別子、タグ等）、及び（例えば、郵送システムにより）前記対象由来の前記試料が試料処理操作に送達されるようにする入れ物を含み得る。別の例において、別の存在の支援を得て前記生体試料が前記対象から抽出される場合、１又は複数の試料が臨床設定又は研究設定において（例えば、通院時に）前記対象から採取され得る。しかしながら、前記生体試料は他のあらゆる適切な方式で前記対象から受領され得る。
さらに、前記対象由来の前記生体試料の（例えば、ユーザー微生物データセット等を作成するための）処理と分析は上のブロックＳ１１０に関して説明された試料受領の実施形態、変形例、及び／又は例のうちの１つ、及び／又は前記方法１００の他のあらゆる適切な部分のものと類似する方式で実施されることが好ましい。したがって、整合性を処理にもたらすためにブロックＳ１５０における前記生体試料の受領と処理は前記方法１００の特徴解析プロセスモデル及び／又は治療モデルを作成するために使用される生体試料を受領及び処理するための過程と同様の過程を用いて前記対象に対して実施され得る。しかしながら、ブロックＳ１５０における生体試料の受領と処理は代わりに他のあらゆる適切な方式で実施され得る。
４．６．微生物関連特徴解析結果の決定
加えて、又は代替として、前記方法１００はブロックＳ１６０を含むことができ、そのブロックは例えば前記ユーザーの前記生体試料に由来する１又は複数の微生物データセット（例えば、ユーザー微生物配列データセット、マイクロバイオーム構成データセット、マイクロバイオーム機能多様性データセット、マイクロバイオーム特徴を抽出するための前記微生物データセットの処理等）の処理に基づいて前記特徴解析プロセスを用いて前記ユーザーについての微生物関連特徴解析結果を決定することを含み得る。ブロックＳ１６０は、例えば対象のマイクロバイオーム由来データからの特徴の抽出及び上のブロックＳ１３０において説明された特徴解析プロセスの実施形態、変形例、又は例への入力値としての前記特徴の使用（例えば、マイクロバイオーム関連状態特徴解析モデルへの入力値としての前記ユーザーマイクロバイオーム特徴値の使用等）を介して前記ユーザーについて１種類又は複数種類の微生物関連状態を特徴解析するように機能し得る。一例において、ブロックＳ１６０はユーザーマイクロバイオーム特徴及び微生物関連状態特徴解析モデル（例えば、ブロックＳ１３０において作成される特徴解析モデル）に基づいて前記ユーザーについての微生物関連特徴解析を作成することを含み得る。微生物関連特徴解析はあらゆる数及び／又は組合せの微生物関連状態（例えば、微生物関連状態の組合せ、単一の微生物関連状態、及び／又は他の適切な微生物関連状態等）についての特徴解析であり得る。微生物関連特徴解析は診断（例えば、微生物関連状態の存在又は不在等）、リスク（例えば、微生物関連状態の発症についてのリスクスコア及び／又は微生物関連状態の存在についてのリスクスコア）、微生物関連特徴解析に関する情報（例えば、症状、兆候、誘因、関連の状態等）、比較（例えば、他の部分集団との比較、他の集団との比較、他のユーザーとの比較、マイクロバイオーム構成多様性及び／又は機能多様性の履歴などの前記ユーザーの健康状態の履歴の比較、微生物関連状態に関連する比較等）、及び／又は他のあらゆる適切なデータのうちの１つ、又は複数を含み得る。
加えて、又は代替として、前記方法１００はブロックＳ１６０を含むことができ、そのブロックは例えば前記ユーザーの前記生体試料に由来する１又は複数の微生物データセット（例えば、ユーザー微生物配列データセット、マイクロバイオーム構成データセット、マイクロバイオーム機能多様性データセット、マイクロバイオーム特徴を抽出するための前記微生物データセットの処理等）の処理に基づいて前記特徴解析プロセスを用いて前記ユーザーについての微生物関連特徴解析結果を決定することを含み得る。ブロックＳ１６０は、例えば対象のマイクロバイオーム由来データからの特徴の抽出及び上のブロックＳ１３０において説明された特徴解析プロセスの実施形態、変形例、又は例への入力値としての前記特徴の使用（例えば、マイクロバイオーム関連状態特徴解析モデルへの入力値としての前記ユーザーマイクロバイオーム特徴値の使用等）を介して前記ユーザーについて１種類又は複数種類の微生物関連状態を特徴解析するように機能し得る。一例において、ブロックＳ１６０はユーザーマイクロバイオーム特徴及び微生物関連状態特徴解析モデル（例えば、ブロックＳ１３０において作成される特徴解析モデル）に基づいて前記ユーザーについての微生物関連特徴解析を作成することを含み得る。微生物関連特徴解析はあらゆる数及び／又は組合せの微生物関連状態（例えば、微生物関連状態の組合せ、単一の微生物関連状態、及び／又は他の適切な微生物関連状態等）についての特徴解析であり得る。微生物関連特徴解析は診断（例えば、微生物関連状態の存在又は不在等）、リスク（例えば、微生物関連状態の発症についてのリスクスコア及び／又は微生物関連状態の存在についてのリスクスコア）、微生物関連特徴解析に関する情報（例えば、症状、兆候、誘因、関連の状態等）、比較（例えば、他の部分集団との比較、他の集団との比較、他のユーザーとの比較、マイクロバイオーム構成多様性及び／又は機能多様性の履歴などの前記ユーザーの健康状態の履歴の比較、微生物関連状態に関連する比較等）、及び／又は他のあらゆる適切なデータのうちの１つ、又は複数を含み得る。
別の変形例において、微生物関連特徴解析は１種類又は複数種類の微生物関連状態と相関するマイクロバイオーム多様性スコアに関連（例えば、相関、負に相関、正に相関等）するマイクロバイオーム多様性スコア（例えば、マイクロバイオーム構成、機能等に関する多様性スコア）を含み得る。例において、前記微生物関連特徴解析は経時的なマイクロバイオーム多様性スコア（例えば、経時的に採取された前記ユーザーの複数の生体試料について計算された多様性スコア）、他のユーザーについてのマイクロバイオーム多様性スコアとの比較、及び／又は他のあらゆる適切な種類のマイクロバイオーム多様性スコアを含み得る。しかしながら、マイクロバイオーム多様性スコアの処理（例えば、マイクロバイオーム多様性スコアの決定、治療法を決定及び／又は提供するためのマイクロバイオーム多様性スコア使用等）はあらゆる適切な方式で実施され得る。
ブロックＳ１６０における微生物関連特徴解析結果の決定は前記対象のマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴に関連する特徴及び／又は特徴の組合せを特定すること、前記特徴を前記特徴解析プロセスに入力すること、並びに行動群、性別群、食事群、疾患状態群、及び前記特徴解析プロセスにより特定可能な他のあらゆる適切な群のうちの１つ、又は複数に属すると前記対象を特徴解析する出力値を受領することを含むことが好ましい。加えて、又は代替として、ブロックＳ１６０は前記対象の特徴解析に関連する信頼性評価指数の作成及び／又は出力を含み得る。例えば、信頼性評価指数は前記特徴解析を作成するために使用される特徴の数、前記特徴解析を作成するために使用される相対荷重又は特徴の順位、前記特徴解析プロセスにおける偏りの程度、及び／又は前記特徴解析プロセスの態様に関連する他のあらゆる適切なパラメーターから導出され得る。しかしながら、ユーザーマイクロバイオーム特徴の活用はあらゆる適切な微生物関連特徴解析を作成するためにあらゆる適切な方式で実施され得る。
幾つかの変形例において、前記対象の前記微生物データセットから抽出される特徴には補足的特徴（例えば、調査由来特徴、病歴由来特徴、センサーデータなど、前記ユーザーについて収集された補足データから抽出される補足的特徴等）を補足することができ、この場合にこのようなデータ、前記ユーザーマイクロバイオームデータ、及び／又は他の適切なデータはブロックＳ１３０、ブロックＳ１６０、及び／又は前記方法１００の他の適切な部分の特徴解析プロセスをさらに改良するために使用され得る。
微生物関連特徴解析結果の決定は例えばブロックＳ１３０において説明されたアプローチを用いること、及び／又は本明細書に記載されるあらゆる適切なアプローチを用いることにより前記ユーザーについての（例えば、ユーザー微生物データセットに基づく）ユーザーマイクロバイオーム特徴（例えば、ユーザーマイクロバイオーム構成多様性特徴、ユーザーマイクロバイオーム機能多様性特徴等）、特徴解析モデル、及び／又は他の適切な構成要素を抽出及び適用することを含むことが好ましい。
一変形例において、図６に示されるように、ブロックＳ１６０はウェッブインターフェース、モバイルアプリケーション、及び／又は他のあらゆる適切なインターフェース等において微生物関連特徴解析（例えば、前記特徴解析から抽出される情報等）を提示することを含み得るが、情報の提示はあらゆる適切な方式で実施され得る。しかしながら、前記対象の前記微生物データセットは加えて、又は代替として前記方法１００の前記モデルを増強するために他のあらゆる適切な方式で使用可能であり、ブロックＳ１６０はあらゆる適切な方式で実施可能である。
４．７．治療介入の促進
図９に示されるように、前記方法１００は加えて、又は代替としてブロックＳ１７０を含むことができ、そのブロックは（例えば、微生物関連特徴解析及び／又は治療モデルに基づいて）１又は複数のユーザーに対して１種類又は複数種類の微生物関連状態について治療介入を促進すること（例えば、治療法を推進すること、治療法を提供すること、治療法の提供を促進すること等）を含み得る。ブロックＳ１７０は１種類又は複数種類の微生物関連状態に関連してユーザーのマイクロバイオーム構成多様性及び／又は機能多様性を所望の平衡状態に向かって変更するため（及び／又はそれ以外では前記微生物関連状態の状態を改善するため等）にユーザーに対する１又は複数の治療法に関連する治療介入を推奨、推進、提供、及び／又はそれら以外では促進するように機能し得る。ブロックＳ１７０は、マイクロバイオーム構成特徴及び機能特徴に応じた前記対象への個別化治療法であって、前記特定済み特徴解析を有する対象に特徴的な共生バランス失調を補正するように構成されている微生物製剤を含み得る前記個別化治療法の提供を含むことができる。したがって、ブロックＳ１４０の出力値はトレーニング済みの治療モデルに基づいて前記対象に個別化治療製剤及び個別化治療計画（例えば、投薬量、使用説明書）を直接的に推進するために使用可能である。加えて、又は代替として、治療提供はマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴を所望の状態に向けて変更するように構成されている利用可能な治療手段の推奨を含み得る。変形例において、治療法は消耗品、局所療法（例えば、外用水薬、軟膏、消毒薬等）、薬品（例えば、あらゆる適切な薬物治療の種類及び／又は投薬量に関連する薬品等）、バクテリオファージ、環境処理、行動修正（例えば、食事改善療法、ストレス低減療法、身体活動関連療法等）、診断手段、他の医療関連手法、及び／又は微生物関連状態に関連する他のあらゆる適切な治療法のうちのいずれか１つ、又は複数を含み得る。消耗品は、食品及び／又は飲料品（例えば、プロバイオティクス及び／又はプレバイオティクス食品及び／又は飲料品等）、補助栄養食品（例えば、ビタミン、ミネラル、食物繊維、脂肪酸、アミノ酸、プレバイオティクス、プロバイオティクス等）、消費可能な薬品、及び／又は他のあらゆる適切な治療手段のうちのいずれか１つ、又は複数を含み得る。
図９に示されるように、前記方法１００は加えて、又は代替としてブロックＳ１７０を含むことができ、そのブロックは（例えば、微生物関連特徴解析及び／又は治療モデルに基づいて）１又は複数のユーザーに対して１種類又は複数種類の微生物関連状態について治療介入を促進すること（例えば、治療法を推進すること、治療法を提供すること、治療法の提供を促進すること等）を含み得る。ブロックＳ１７０は１種類又は複数種類の微生物関連状態に関連してユーザーのマイクロバイオーム構成多様性及び／又は機能多様性を所望の平衡状態に向かって変更するため（及び／又はそれ以外では前記微生物関連状態の状態を改善するため等）にユーザーに対する１又は複数の治療法に関連する治療介入を推奨、推進、提供、及び／又はそれら以外では促進するように機能し得る。ブロックＳ１７０は、マイクロバイオーム構成特徴及び機能特徴に応じた前記対象への個別化治療法であって、前記特定済み特徴解析を有する対象に特徴的な共生バランス失調を補正するように構成されている微生物製剤を含み得る前記個別化治療法の提供を含むことができる。したがって、ブロックＳ１４０の出力値はトレーニング済みの治療モデルに基づいて前記対象に個別化治療製剤及び個別化治療計画（例えば、投薬量、使用説明書）を直接的に推進するために使用可能である。加えて、又は代替として、治療提供はマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴を所望の状態に向けて変更するように構成されている利用可能な治療手段の推奨を含み得る。変形例において、治療法は消耗品、局所療法（例えば、外用水薬、軟膏、消毒薬等）、薬品（例えば、あらゆる適切な薬物治療の種類及び／又は投薬量に関連する薬品等）、バクテリオファージ、環境処理、行動修正（例えば、食事改善療法、ストレス低減療法、身体活動関連療法等）、診断手段、他の医療関連手法、及び／又は微生物関連状態に関連する他のあらゆる適切な治療法のうちのいずれか１つ、又は複数を含み得る。消耗品は、食品及び／又は飲料品（例えば、プロバイオティクス及び／又はプレバイオティクス食品及び／又は飲料品等）、補助栄養食品（例えば、ビタミン、ミネラル、食物繊維、脂肪酸、アミノ酸、プレバイオティクス、プロバイオティクス等）、消費可能な薬品、及び／又は他のあらゆる適切な治療手段のうちのいずれか１つ、又は複数を含み得る。
例えば、市販のプロバイオティクスサプリメントの組合せは前記治療モデルの出力値に応じた前記対象に対する適切なプロバイオティクス療法を含み得る。別の例において、前記方法１００は微生物関連状態のモデル（例えば、及び／又はユーザーマイクロバイオーム特徴）に基づいて前記微生物関連状態について前記ユーザーの微生物関連状態リスクを決定すること、及び前記微生物関連状態リスクに基づいて前記ユーザーに対して治療法を推進することを含み得る。
変形例において、治療法の推進は診断手段（例えば、ヒト行動状態及び／又は疾患関連状態などの微生物関連状態の検出を促進するためであって、例えば１種類又は複数種類の微生物関連状態に関連するユーザー健康状態を改善するためにユーザーマイクロバイオームを改変するための後続の他の治療法を推進する動機を与えることができる診断手段等）を推進することを含み得る。診断手段は病歴分析、画像検査、細胞培養検査、抗体検査、皮膚プリック検査、パッチテスト、血液検査、チャレンジテスト、前記方法１００の一部の実施、及び／又は微生物関連状態の検出（例えば、観察、予測等）を促進するための他のあらゆる適切な手法のうちのいずれか１つ、又は複数を含み得る。加えて、又は代替として、診断装置関連情報及び／又は他の適切な診断情報が補足データセットの一部として（例えば、このようなデータが特徴解析モデル、治療モデル、及び／又は他の適切なモデルの決定及び／又は適用に使用可能である場合等にブロックＳ１２０に関連して）処理され、かつ／又は前記方法１００のあらゆる適切な部分に関連して収集、使用、及び／又はそれら以外では処理されること（例えば、ブロックＳ１８０に関連して治療効力を監視するためにユーザーに対して診断手段が適用されること等）があり得る。
別の変形例において、ブロックＳ１７０はバクテリオファージベースの治療法を推進することを含み得る。さらに詳細に説明すると、前記対象において現れるある特定の細菌（又は他の微生物）に対して特異的なバクテリオファージの（例えば、コロニー形成単位に関して）１又は複数の集団がその特定の細菌の集団を下方制御するか、又はそうでない場合に除去するために使用可能である。したがって、バクテリオファージベースの治療法は前記対象に現れた前記望ましくない細菌集団のサイズを低下させるために使用され得る。相補的なことに、バクテリオファージベースの治療法は使用する前記バクテリオファージが標的としない細菌集団の相対存在度を上昇させるために使用され得る。
別の変形例において、ブロックＳ１７０における治療提供は推奨される前記治療法、他の形の治療法、微生物関連特徴解析、及び／又は他の適切なデータに関する通知の対象への提供を含み得る。特定の例において、ユーザーへの治療法の提供はウェッブインターフェースに（例えば、ユーザーに関連し、且つ、ユーザーを特定するユーザーアカウント等を介して）通知を提示すること等による治療推奨（例えば、ユーザーについての微生物関連特徴解析から得られる情報の提供と実質的に同時の治療推奨等）及び／又は他の適切な治療関連情報（例えば、治療効力、他の個々のユーザー、ユーザーの部分集団、及び／又はユーザーの集団との比較、治療法の比較、治療履歴及び／又は関係する治療関連情報、認知行動療法等のための精神療法ガイド等）の提供を含み得る。通知は通知提供用に構成されているアプリケーション、ウェッブインターフェース、及び／又はメッセージングクライアントを実行する電子デバイス（例えば、パーソナルコンピュータ、モバイルデバイス、タブレット、ウェラブル、ヘッドマウントウェラブル演算装置、リストマウントウェラブル演算装置等）により対象に提供され得る。１つの例において、対象に関連するパーソナルコンピュータ又はラップトップのウェッブインターフェースによって前記対象はユーザーアカウントであって、前記ユーザーの微生物関連特徴解析に関する情報、前記ユーザーのマイクロバイオームの態様についての詳細な特徴解析（例えば、微生物関連状態との相関に関する特徴解析等）、及び／又は示唆されている治療手段に関する通知（例えば、ブロックＳ１４０及び／又はブロックＳ１７０において作成される通知等）を含む前記ユーザーアカウントにアクセスできる。別の例において、パーソナル電子デバイス（例えば、スマートフォン、スマートウォッチ、ヘッドマウントスマートデバイス）において実行されるアプリケーションはブロックＳ１７０の治療モデルによって作成される治療の示唆に関する通知を（例えば、ディスプレイに、触覚で、聴覚的に、等）提供するように構成され得る。通知及び／又はプロバイオティクス療法は加えて、又は代替として対象に関連する存在（例えば、介護者、配偶者、大切な人、医療専門家等）を介して直接的に提供され得る。幾つかの追加の変形例において、例えば対象に関連する存在（例えば、医療専門家）が（例えば、処方、治療セッションの実施、演算装置の光学センサー及び／又は音響センサーを使用するデジタル遠隔セッション等により）前記治療法の提供を促進することができる場合、通知は加えて、又は代替として前記存在に提供され得る。しかしながら、通知及び／又は他の適切な治療法の推進はあらゆる適切な方式で実施され得る。
４．８．治療有効性の監視
図７に示されるように、前記方法は加えて、又は代替としてブロックＳ１８０を含むことができ、そのブロックは前記プロバイオティクス療法に関連する一連の時点において前記対象についてマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴を特徴解析するために生体試料の処理に基づいて前記対象に対する前記治療法の有効性を監視することを詳述している。ブロックＳ１８０は所与の特徴解析の対象について前記治療モデルにより示唆されるプロバイオティクス療法の陽性の効果、陰性の効果、及び／又は有効性の欠如に関する追加データを集めるように機能し得る。したがって、前記治療モデルにより（例えば、治療中の前記対象に由来する生体試料の受領と分析、治療中の前記対象に由来する調査由来データの受領により）推進された治療の最中の対象の監視はブロックＳ１３０の特徴解析プロセスによって提供される各特徴解析、及びブロックＳ１４０とブロックＳ１７０において提供される各推奨治療手段に対する治療法有効性モデルを作成するために用いられ得る。
図７に示されるように、前記方法は加えて、又は代替としてブロックＳ１８０を含むことができ、そのブロックは前記プロバイオティクス療法に関連する一連の時点において前記対象についてマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴を特徴解析するために生体試料の処理に基づいて前記対象に対する前記治療法の有効性を監視することを詳述している。ブロックＳ１８０は所与の特徴解析の対象について前記治療モデルにより示唆されるプロバイオティクス療法の陽性の効果、陰性の効果、及び／又は有効性の欠如に関する追加データを集めるように機能し得る。したがって、前記治療モデルにより（例えば、治療中の前記対象に由来する生体試料の受領と分析、治療中の前記対象に由来する調査由来データの受領により）推進された治療の最中の対象の監視はブロックＳ１３０の特徴解析プロセスによって提供される各特徴解析、及びブロックＳ１４０とブロックＳ１７０において提供される各推奨治療手段に対する治療法有効性モデルを作成するために用いられ得る。
ブロックＳ１８０において、前記対象は前記治療を組み入れている治療計画の１又は複数の重要な時点において追加生体試料を提供するように促される場合があり、前記追加生体試料は前記対象のマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴の調節を特徴づける評価指数を作成するために（例えば、ブロックＳ１２０に関して説明された方式と同様の方式で）処理及び分析され得る。例えば、早期の時点で前記対象のマイクロバイオームに現れる１又は複数の分類群の相対存在度の変化、前記対象のマイクロバイオームの特定の分類群の提示の変化、前記対象のマイクロバイオームの第１分類群の細菌の存在度と第２分類群の細菌の存在度との間の比率、対象のマイクロバイオームにおける１又は複数の機能ファミリーの相対存在度の変化、及び他のあらゆる適切な評価指数のうちの１つ、又は複数に関する評価指数がマイクロバイオーム構成特徴及び／又はマイクロバイオーム機能特徴の変化から治療有効性を評価するために使用され得る。加えて、又は代替として、治療中の前記対象の経験（例えば、副作用の経験、改善、行動修正、症状の改善の個人的ユーザー等）に関係する前記対象に由来する調査由来データがブロックＳ１８０における前記治療法の有効性の決定に使用され得る。例えば、前記方法１００は前記ユーザーから治療後の生体試料を受領すること、治療法（例えば、決定及び推進された治療法）に対するユーザーアドヒアランス及び／又は他の適切なユーザー特徴（例えば、行動、状態等）を説明する補足データセットを前記ユーザーから収集すること、前記微生物関連状態特徴解析モデル及び前記治療後の生体試料に基づく前記微生物関連状態に関する前記第１ユーザーの治療後の微生物関連特徴解析を作成すること、及び前記治療後の微生物関連特徴解析（例えば、治療後の微生物関連特徴解析と治療前の微生物関連特徴解析との間の比較等）に基づき、且つ／又は前記治療法に対する前記ユーザーアドヒアランスに基づいて前記微生物関連状態について前記ユーザーに対する治療法の更新を推進すること（例えば、前記微生物関連状態に関する前記ユーザーマイクロバイオームについての正又は負の結果に基づいて前記治療法を修正すること等）を含み得る。加えて、又は代替として、他の適切なデータ（例えば、前記ヒト行動状態に関連するユーザー行動を説明する補足データ、観察された症状などの疾患関連状態を説明する補足データ等）が治療後の特徴解析（例えば、前記微生物関連状態に関する治療前から治療後の変化の程度等）、治療法の更新（例えば、前記推進された治療法についての有効性及び／又はアドヒアランスに基づいて新しい治療法を決定すること等）の決定に使用され得る。治療有効性、（例えば、追加微生物関連特徴解析、治療法等を決定するための）追加生体試料の処理、並びに／又は微生物関連状態に関する生体試料採取の継続、処理、及び分析に関連する他の適切な態様はモデル（例えば、特徴解析モデル、治療モデル等）を作成、更新、及び／又はそれら以外では処理するために、且つ／又は（例えば、前記方法１００の他の部分に関連する入力値のような）他のあらゆる適切な目的のためにあらゆる適切な時間と頻度で実施され得る。しかしながら、ブロックＳ１８０はあらゆる適切な方式で実施され得る。
しかしながら、前記方法１００は対象からの生体試料の受領、対象に由来する生体試料の処理、生体試料から得られたデータの分析、並びに対象の特定のマイクロバイオーム構成特徴及び／又は機能特徴に応じて個別化された診断及び／又はプロバイオティクスベースの治療法を提供するために使用可能なモデルの作成を促進するように構成されている他のあらゆる適切なブロック又はステップを含み得る。
本明細書に記載される系、要素、及び／又は存在の１又は複数の例により、且つ／又はそのような例を用いて本明細書に記載される方法及び／又は処理が非同期的に（例えば、順次）、同時に（例えば、並行して）、又は他のあらゆる適切な順序で実施可能である場合に前記系及び／又は前記方法の実施形態はあらゆる変形例、例、及び具体例を含む前記様々な系構成要素及び前記様々な方法過程の全ての組合せと順列を含み得る。
加えて、又は代替として、本明細書に記載される変形例（例えば、実施形態、変形例、例、具体例、例示等）のうちのいずれか、及び／又は本明細書に記載される変形例のうちのいずれかの部分が組み合わせ、除外、及び／又はそれら以外では適用可能である。
前記系及び前記方法及びそれらの実施形態はコンピュータ読み込み可能命令を保存するコンピュータ読み込み可能媒体を受け入れるように構成されている機械として少なくとも部分的に具現化及び／又は実装され得る。前記命令は前記系に組み入れられていることが好ましいコンピュータ実行可能コンポーネントによって実行されることが好ましい。前記コンピュータ読み込み可能媒体はＲＡＭ、ＲＯＭ、フラッシュメモリー、ＥＥＰＲＯＭ、光学デバイス（ＣＤ又はＤＶＤ）、ハードドライブ、フロッピードライブ、又はあらゆる適切な装置などのあらゆる適切なコンピュータ読み込み可能媒体上に保存され得る。前記コンピュータ実行可能コンポーネントは汎用又はアプリケーション特異的プロセッサであることが好ましいが、あらゆる適切な専用のハードウェア又はハードウェア／ファームウェア複合装置が加えて、又は代替として前記命令を実行することができる。
当業者がこれまでの詳細な説明及び図面と特許請求の範囲から理解するように、以下の特許請求の範囲において明らかにされる範囲から逸脱することなく本実施形態に対して改変と変更を行うことができる。
本願発明の例示的な態様を以下に記載する。
＜１＞
一セットの対象群に関連する一セットの試料群に基づいて微生物遺伝子配列を決定するように機能することができるシーケンシングシステムを含む試料操作システム、ここで前記試料群は、微生物が関連する状態に関連する微生物核酸を含む；
統計的検定、次元削減法、及び人工知能アプローチのうちの２つ以上を含む一セットの解析技術群を適用するように機能することができる一セットのマイクロバイオーム特徴解析モジュール群、
前記微生物遺伝子配列に基づいて一セットのマイクロバイオーム特徴群を決定するために、前記一セットの解析技術群のうちの第１の解析技術を適用するように機能することができる、第１マイクロバイオーム特徴解析モジュール、ここで前記一セットのマイクロバイオーム特徴群は、前記微生物関連状態に関連する、及び
前記一セットのマイクロバイオーム特徴群に基づいて一セットの処理済みマイクロバイオーム特徴群を決定するために、前記一セットの解析技術群のうちの第２の解析技術を適用するように機能することができる、第２マイクロバイオーム特徴解析モジュール、ここで前記処理済みマイクロバイオーム特徴セットは、前記微生物関連状態の特徴解析を改善するように構成されている、
を含む；及び
前記処理済みマイクロバイオーム特徴セットに基づいて作成され、ユーザーについての前記微生物関連状態の特徴解析結果を決定するように機能することができる微生物関連状態のモデル
を含む、微生物が関連する状態を特徴解析（ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ）するためのシステム。
＜２＞
前記第１の解析技術が、ｔ検定、コルモゴロフ・スミルノフ検定、及び回帰モデルのうちの少なくとも１つを含む統計的検定を含み、
前記第１マイクロバイオーム特徴解析モジュールは、前記微生物遺伝子配列に基づいて前記一セットのマイクロバイオーム特徴群を決定するために前記統計的検定を適用するように機能することができる、＜１＞に記載のシステム。
＜３＞
前記試料群が、腸、生殖器、口、皮膚、及び鼻のうちの２つ以上を含む複数の採取部位から採取された多様部位試料（ｓｉｔｅ－ｄｉｖｅｒｓｅ ｓａｍｐｌｅｓ）を含み、
前記第１マイクロバイオーム特徴解析モジュールは、前記多様部位試料に基づいて前記一セットのマイクロバイオーム特徴群のうちの複数の第１のサブセットに属するマイクロバイオーム特徴を決定するために前記統計的検定を適用するように機能することができる、＜１＞又は＜２＞に記載のシステム、ここで、前記複数の第１のマイクロバイオーム特徴サブセットのうちの各マイクロバイオーム特徴サブセットは、前記複数の採取部位のうちの異なる採取部位に対応する。
＜４＞
前記第２マイクロバイオーム特徴解析モジュールは、前記多様部位試料に基づいて前記一セットのマイクロバイオーム特徴群のうちの第２のサブセットに属するマイクロバイオーム特徴を決定するために追加の統計的検定を適用するように機能することができ、かつ
前記微生物関連状態のモデルは、前記第１のマイクロバイオーム特徴サブセット及び前記第２のマイクロバイオーム特徴サブセットに基づいて作成される、＜３＞に記載のシステム。
＜５＞
前記第２マイクロバイオーム特徴解析モジュールは、前記マイクロバイオーム特徴セットを処理して前記処理済みマイクロバイオーム特徴セットにするために、特徴選択、特徴加重、及びウォームスタートのうちの少なくとも１つを実施するために前記第２の解析技術を適用するように機能することができる、＜１＞又は＜２＞に記載のシステム。＜６＞
前記微生物関連状態のモデルは、前記処理済みマイクロバイオーム特徴セットに基づいて作成され、かつ前記ユーザーについての光過敏性関連状態の特徴解析結果を決定するように機能することができる皮膚関連特徴解析モデルを含み、
前記マイクロバイオーム特徴セットは、Ａｌｌｏｐｒｅｖｏｔｅｌｌａ（属）、Ｐｒｅｖｏｔｅｌｌａ ｓｐ． ＷＡＬ ２０３９Ｇ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ
ｍａｓｔｉｔｉｄｉｓ（種）、Ｂａｃｔｅｒｏｉｄａｃｅａｅ（科）、Ｂｌａｕｔｉａ（属）、Ｂａｃｔｅｒｏｉｄｅｓ（属）、Ｄｅｓｕｌｆｏｖｉｂｒｉｏ（属）、Ｃｌｏｓｔｒｉｄｉｕｍ（属）、Ｂａｃｔｅｒｏｉｄｅｓ ｖｕｌｇａｔｕｓ（種）、Ｆａｅｃａｌｉｂａｃｔｅｒｉｕｍ ｐｒａｕｓｎｉｔｚｉｉ（種）、Ｂｌａｕｔｉａ ｆａｅｃｉｓ（種）、Ａｌｉｓｔｉｐｅｓ ｐｕｔｒｅｄｉｎｉｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ
ｓｐ． ＡＲ２０ （種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２９（種）、Ｂａｃｔｅｒｏｉｄｅｓ ａｃｉｄｉｆａｃｉｅｎｓ（種）、Ｄｉｅｌｍａ（属）、Ｓｌａｃｋｉａ（属）、Ｅｇｇｅｒｔｈｅｌｌａ（属）、Ａｄｌｅｒｃｒｅｕｔｚｉａ（属）、Ｐａｒａｐｒｅｖｏｔｅｌｌａ（属）、Ａｌｉｓｔｉｐｅｓ（属）、Ｈｏｌｄｅｍａｎｉａ（属）、Ｅｉｓｅｎｂｅｒｇｉｅｌｌａ（属）、Ｅｎｔｅｒｏｒｈａｂｄｕｓ（属）、Ａｄｌｅｒｃｒｅｕｔｚｉａ ｅｑｕｏｌｉｆａｃｉｅｎｓ（種）、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｕｃｃｉｎａｔｕｔｅｎｓ（種）、Ｒｏｓｅｂｕｒｉａ ｉｎｕｌｉｎｉｖｏｒａｎｓ（種）、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｐ． ３７７（種）、Ｄｅｓｕｌｆｏｖｉｂｒｉｏ ｐｉｇｅｒ（種）、Ｅｇｇｅｒｔｈｅｌｌａ ｓｐ． ＨＧＡ１（種）、Ｌａｃｔｏｎｉｆａｃｔｏｒ ｌｏｎｇｏｖｉｆｏｒｍｉｓ（種）、Ａｌｉｓｔｉｐｅｓ ｓｐ． ＨＧＢ５（種）、Ｈｏｌｄｅｍａｎｉａ ｆｉｌｉｆｏｒｍｉｓ（種）、Ｃｏｌｌｉｎｓｅｌｌａ ｉｎｔｅｓｔｉｎａｌｉｓ（種）、Ｎｅｉｓｓｅｒｉａ ｍａｃａｃａｅ（種）、Ｃｌｏｓｔｒｉｄｉａｃｅａｅ（科）、Ｇｅｍｅｌｌａ ｓａｎｇｕｉｎｉｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｆｒａｇｉｌｉｓ（種）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ（科）、Ｐａｓｔｅｕｒｅｌｌａｃｅａｅ（科）、Ｐａｓｔｅｕｒｅｌｌａｌｅｓ（目）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｈａｅｍｏｐｈｉｌｕｓ（属）、Ｌｅｕｃｏｎｏｓｔｏｃ（属）、Ｂｒｅｖｕｎｄｉｍｏｎａｓ（属）、Ｐｒｅｖｏｔｅｌｌａ ｏｒｉｓ（種）、Ｏｄｏｒｉｂａｃｔｅｒ（属）、Ｃａｐｎｏｃｙｔｏｐｈａｇａ（属）、Ｆｌａｖｏｂａｃｔｅｒｉｕｍ（属）、Ｐｓｅｕｄｏｍｏｎａｓ ｂｒｅｎｎｅｒｉ（種）、Ｆｌａｖｏｂａｃｔｅｒｉｕｍ ｃｅｔｉ（種）、Ｂｒｅｖｕｎｄｉｍｏｎａｓ ｓｐ． ＦＸＪ８．０８０（種）、Ｒｕｍｉｎｏｃｏｃｃａｃｅａｅ（科）、Ｖｉｂｒｉｏｎａｃｅａｅ（科）、Ｆｌａｖｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｆｕｓｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｐｏｒｐｈｙｒｏｍｏｎａｄａｃｅａｅ（科）、Ｂｒｅｖｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ｒｈｏｄｏｂａｃｔｅｒａｃｅａｅ（科）、Ｉｎｔｒａｓｐｏｒａｎｇｉａｃｅａｅ（科）、Ｂｉｆｉｄｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃａｕｌｏｂａｃｔｅｒａｃｅａｅ（科）、Ｃａｍｐｙｌｏｂａｃｔｅｒａｃｅａｅ（科）、Ｂａｃｔｅｒｏｉｄｉａ（綱）、Ｆｕｓｏｂａｃｔｅｒｉｉａ（綱）、Ｆｌａｖｏｂａｃｔｅｒｉｉａ（綱）、Ｂｉｆｉｄｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｎｅｉｓｓｅｒｉａｌｅｓ（目）、Ｂａｃｔｅｒｏｉｄａｌｅｓ（目）、Ｒｈｏｄｏｂａｃｔｅｒａｌｅｓ（目）、Ｆｌａｖｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｖｉｂｒｉｏｎａｌｅｓ（目）、Ｆｕｓｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｃａｕｌｏｂａｃｔｅｒａｌｅｓ（目）、Ｆｕｓｏｂａｃｔｅｒｉａ（門）、Ａｃｔｉｎｏｂａｃｕｌｕｍ（属）、Ｖａｒｉｂａｃｕｌｕｍ（属）、Ｆｕｓｉｃａｔｅｎｉｂａｃｔｅｒ（属）、Ｂｒｅｖｉｂａｃｔｅｒｉｕｍ（属）、Ｆａｅｃａｌｉｂａｃｔｅｒｉｕｍ（属）、Ｃａｍｐｙｌｏｂａｃｔｅｒ（属）、Ａｃｔｉｎｏｂａｃｉｌｌｕｓ（属）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ（属）、Ｆｕｓｏｂａｃｔｅｒｉｕｍ（属）、Ｃｈｒｙｓｅｏｂａｃｔｅｒｉｕｍ（属）、Ｍｅｇａｓｐｈａｅｒａ（属）、Ｒｏｔｈｉａ（属）、Ｎｅｉｓｓｅｒｉａ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ＢＬ３０２（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｐｌｅｂｅｉｕｓ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｕｌｃｅｒａｎｓ（種）、Ｖａｒｉｂａｃｕｌｕｍ ｃａｍｂｒｉｅｎｓｅ（種）、Ｂｌａｕｔｉａ ｗｅｘｌｅｒａｅ（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． ＷＢ１８－１６（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ６３（種）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ａｃｎｅｓ（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０１４８７（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｐａｒａｉｎｆｌｕｅｎｚａｅ（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｅｐｉｄｅｒｍｉｄｉｓ（種）、Ｃａｍｐｙｌｏｂａｃｔｅｒ ｕｒｅｏｌｙｔｉｃｕｓ（種）、Ｊａｎｉｂａｃｔｅｒ ｓｐ． Ｍ３－５（種）、Ｐｒｅｖｏｔｅｌｌａ ｔｉｍｏｎｅｎｓｉｓ（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ＤＮＦ００８４０（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ８ Ｆ７（種）、Ｐｒｅｖｏｔｅｌｌａ ｄｉｓｉｅｎｓ（種）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ ｃａｔｏｎｉａｅ（種）、Ｆｕｓｏｂａｃｔｅｒｉｕｍ ｐｅｒｉｏｄｏｎｔｉｃｕｍ（種）、感染症（ＫＥＧＧ２）、特徴不明（Ｐｏｏｒｌｙ Ｃｈａｒａｃｔｅｒｉｚｅｄ）（ＫＥＧＧ２）、代謝疾患（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、制限酵素（ＫＥＧＧ３）、並びにヌクレオチド除去修復（ＫＥＧＧ３）のうちの少なくとも１つに関連する状態を含む、＜１＞に記載のシステム。
＜７＞
前記微生物関連状態のモデルは、前記処理済みマイクロバイオーム特徴セットに基づいて作成され、かつ前記ユーザーについての乾燥肌関連状態の特徴解析結果を決定するように機能することができる皮膚関連特徴解析モデルを含み、
前記マイクロバイオーム特徴セットは、Ｃｏｒｙｎｅｂａｃｔｅｒｉａｃｅａｅ（科）、Ｂａｃｉｌｌｉ（綱）、Ｌａｃｔｏｂａｃｉｌｌａｌｅｓ（目）、Ａｃｔｉｎｏｍｙｃｅｔａｌｅｓ（目）、Ｆｉｒｍｉｃｕｔｅｓ（門）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ（属）、Ｄｅｒｍａｂａｃｔｅｒａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌａｃｅａｅ（科）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ａｃｔｉｎｏｂａｃｔｅｒｉａ（綱）、Ｄｅｒｍａｂａｃｔｅｒ（属）、Ｄｉａｌｉｓｔｅｒ（属）、Ｆａｃｋｌａｍｉａ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ（属）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｕｌｃｅｒａｎｓ（種）、Ｆａｃｋｌａｍｉａ ｈｏｍｉｎｉｓ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． （種）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ｓｐ． ＭＳＰ０９Ａ（種）、Ｆａｃｋｌａｍｉａ ｓｐ． １４４０－９７（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ９Ｉ２（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０２０８０（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｇｌｕｃｕｒｏｎｏｌｙｔｉｃｕｍ（種）、Ｄｅｒｍａｂａｃｔｅｒ ｈｏｍｉｎｉｓ（種）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｐｓｅｕｄｏｍｏｎａｄａｃｅａｅ（科）、Ｓｔａｐｈｙｌｏｃｏｃｃａｃｅａｅ（科）、Ｇａｍｍａｐｒｏｔｅｏｂａｃｔｅｒｉａ（綱）、Ｂａｃｉｌｌａｌｅｓ（目）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ（属）、Ｐｓｅｕｄｏｍｏｎａｓ（属）、Ａｎａｅｒｏｇｌｏｂｕｓ（属）、Ｋｌｕｙｖｅｒａ（属）、Ａｔｏｐｏｂｉｕｍ（属）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ＢＬ３０２（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｌｏｎｇｕｍ（種）、Ａｎａｅｒｏｇｌｏｂｕｓ ｇｅｍｉｎａｔｕｓ（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． Ｓ９ ＰＲ－１６（種）、Ｐｒｅｖｏｔｅｌｌａ ｔｉｍｏｎｅｎｓｉｓ（種）、Ｋｌｕｙｖｅｒａ ｇｅｏｒｇｉａｎａ（種）、Ａｃｔｉｎｏｂａｃｕｌｕｍ（属）、Ｆｉｎｅｇｏｌｄｉａ（属）、Ｃｒｏｎｏｂａｃｔｅｒ（属）、Ａｃｉｎｅｔｏｂａｃｔｅｒ ｓｐ． ＷＢ２２－２３（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｏｃｔａｖｉｕｓ（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ９ ＡＡ１－５（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ－Ｄ－ＭＡ２（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ７－２（種）、Ｃｒｏｎｏｂａｃｔｅｒ
ｓａｋａｚａｋｉｉ（種）、Ｐａｓｔｅｕｒｅｌｌａｃｅａｅ（科）、Ａｃｉｄｏｂａｃｔｅｒｉｉａ（綱）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉｉａ（綱）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｌｅｓ（目）、Ａｃｉｄｏｂａｃｔｅｒｉａ（門）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ（属）、Ｈａｅｍｏｐｈｉｌｕｓ（属）、Ａｃｉｎｅｔｏｂａｃｔｅｒ（属）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ８４０５２５４ （種）、Ｓｐｈｉｎｇｏｍｏｎａｄａｃｅａｅ（科）、Ｓｐｈｉｎｇｏｍｏｎａｄａｌｅｓ（目）、Ｋｏｃｕｒｉａ（属）、Ｇｅｍｅｌｌａ（属）、Ｖｅｉｌｌｏｎｅｌｌａ ｓｐ． ＣＭ６０（種）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ７＿１＿４７ＦＡＡ（種）、Ｇｅｍｅｌｌａ ｓｐ． ９３３－８８ （種）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ ｃａｔｏｎｉａｅ（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｐａｒａｉｎｆｌｕｅｎｚａｅ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ．
ＡＲ２０（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｖｕｌｇａｔｕｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． Ｄ２２（種）、Ｄｏｒｅａ ｌｏｎｇｉｃａｔｅｎａ（種）、Ｐａｒａｂａｃｔｅｒｏｉｄｅｓ ｍｅｒｄａｅ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２９ （種）、Ｄｏｒｅａ（属）、Ｃｏｌｌｉｎｓｅｌｌａ（属）、Ｂａｃｔｅｒｏｉｄｅｓ（属）、Ｏｓｃｉｌｌｏｓｐｉｒａｃｅａｅ（科）、Ｒｕｍｉｎｏｃｏｃｃａｃｅａｅ（科）、Ｂａｃｔｅｒｏｉｄａｃｅａｅ（科）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｃｅａｅ（科）、Ｃｏｒｉｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃｌｏｓｔｒｉｄｉａｌｅｓ（目）、Ｂａｃｔｅｒｏｉｄａｌｅｓ（目）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｌｅｓ（目）、Ｃｏｒｉｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｔｈｅｒｍｏａｎａｅｒｏｂａｃｔｅｒａｌｅｓ（目）、Ｃｌｏｓｔｒｉｄｉａ（綱）、Ｂａｃｔｅｒｏｉｄｉａ（綱）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｅ（綱）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａ（門）、Ｂａｃｔｅｒｏｉｄｅｔｅｓ（門）、翻訳（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、アミノ酸代謝（ＫＥＧＧ２）、細胞増殖及び細胞死（ＫＥＧＧ２）、複製及び修復（ＫＥＧＧ２）、他のアミノ酸の代謝（ＫＥＧＧ２）、神経変性疾患（ＫＥＧＧ２）、補因子及びビタミンの代謝（ＫＥＧＧ２）、輸送及び異化作用（ＫＥＧＧ２）、内分泌系（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、排出系（ＫＥＧＧ２）、酵素ファミリー（ＫＥＧＧ２）、膜輸送（ＫＥＧＧ２）、炭水化物代謝（ＫＥＧＧ２）、他の二次代謝物の生合成（ＫＥＧＧ２）、テルペノイド及びポリケチドの代謝（ＫＥＧＧ２）、感染症（ＫＥＧＧ２）、遺伝情報処理（ＫＥＧＧ２）、神経系（ＫＥＧＧ２）、環境適応（ＫＥＧＧ２）、ヌクレオチド代謝（ＫＥＧＧ２）、シグナル伝達分子及び相互作用（ＫＥＧＧ２）、シグナル伝達（ＫＥＧＧ２）、無機イオンの輸送及び代謝（ＫＥＧＧ３）、染色体（ＫＥＧＧ３）、細胞周期－カウロバクター属（ＫＥＧＧ３）、リボソーム生合成（ＫＥＧＧ３）、ＤＮＡ複製タンパク質（ＫＥＧＧ３）、翻訳因子（ＫＥＧＧ３）、グリシン、セリン及びトレオニンの代謝（ＫＥＧＧ３）、硫黄代謝（ＫＥＧＧ３）、他のイオン共役輸送体（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの生合成（ＫＥＧＧ３）、窒素代謝（ＫＥＧＧ３）、ペプチドグリカン生合成（ＫＥＧＧ３）、相同組換え（ＫＥＧＧ３）、ペルオキシソーム（ＫＥＧＧ３）、硫黄リレー系（ＫＥＧＧ３）、ペプチダーゼ（ＫＥＧＧ３）、プロテインキナーゼ（ＫＥＧＧ３）、ミスマッチ修復（ＫＥＧＧ３）、キシレン分解（ＫＥＧＧ３）、リボソーム（ＫＥＧＧ３）、ＲＮＡポリメラーゼ（ＫＥＧＧ３）、トリプトファン代謝（ＫＥＧＧ３）、ヒスチジン代謝（ＫＥＧＧ３）、ビタミン代謝（ＫＥＧＧ３）、細胞運動性及び分泌（ＫＥＧＧ３）、ピリミジン代謝（ＫＥＧＧ３）、細胞骨格タンパク質（ＫＥＧＧ３）、ＤＮＡ複製（ＫＥＧＧ３）、アミノ糖及びヌクレオチド糖の代謝（ＫＥＧＧ３）、葉酸生合成（ＫＥＧＧ３）、光合成生物における炭素固定（ＫＥＧＧ３）、ホスファチジルイノシトールシグナル伝達系（ＫＥＧＧ３）、リシン分解（ＫＥＧＧ３）、セレン化合物代謝（ＫＥＧＧ３）、フルクトース及びマンノースの代謝（ＫＥＧＧ３）、イノシトールリン酸代謝（ＫＥＧＧ３）、タンパク質フォールディングとこれに関連するプロセッシング（ＫＥＧＧ３）、ＰＰＡＲシグナル伝達経路（ＫＥＧＧ３）、脂質代謝（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの分解（ＫＥＧＧ３）、グリオキシル酸及びジカルボン酸の代謝（ＫＥＧＧ３）、アルギニン及びプロリンの代謝（ＫＥＧＧ３）、リモネン及びピネンの分解（ＫＥＧＧ３）、Ｄ－アラニン代謝（ＫＥＧＧ３）、ポルフィリン及びクロロフィルの代謝（ＫＥＧＧ３）、Ｃ５分岐鎖二塩基酸代謝（ＫＥＧＧ３）、シャペロン及びフォールディング触媒（ＫＥＧＧ３）、脂肪酸代謝（ＫＥＧＧ３）、グルタチオン代謝（ＫＥＧＧ３）、ペントースリン酸経路（ＫＥＧＧ３）、ホスホトランスフェラーゼ系（ＰＴＳ）（ＫＥＧＧ３）、パントテン酸及びＣｏＡの生合成（ＫＥＧＧ３）、近位尿細管重炭酸塩再吸収（ＫＥＧＧ３）、ガラクトース代謝（ＫＥＧＧ３）、デンプン及びショ糖の代謝（ＫＥＧＧ３）、原発性免疫不全（ＫＥＧＧ３）、システイン及びメチオニンの代謝（ＫＥＧＧ３）、ユビキノン及び他のテルペノイド－キノンの生合成（ＫＥＧＧ３）、ＤＮＡ修復及び組換えのタンパク質（ＫＥＧＧ３）、チロシン代謝（ＫＥＧＧ３）、フェニルアラニン、チロシン、及びトリプトファンの生合成（ＫＥＧＧ３）、アミノアシル－ｔＲＮＡ生合成（ＫＥＧＧ３）、アラニン、アスパラギン酸、及びグルタミン酸の代謝（ＫＥＧＧ３）、光合成（ＫＥＧＧ３）、他の輸送体（ＫＥＧＧ３）、ブタン酸代謝（ＫＥＧＧ３）、細菌性分泌系（ＫＥＧＧ３）、グリセロリン脂質代謝（ＫＥＧＧ３）、酸化的リン酸化（ＫＥＧＧ３）、Ｉ型真正糖尿病（ＫＥＧＧ３）、解糖／糖新生（ＫＥＧＧ３）、光合成タンパク質（ＫＥＧＧ３）、輸送体（ＫＥＧＧ３）、テルペノイド骨格生合成（ＫＥＧＧ３）、不飽和脂肪酸の生合成（ＫＥＧＧ３）、シグナル伝達機構（ＫＥＧＧ３）、ケトン体の合成及び分解（ＫＥＧＧ３）、ヌクレオチド除去修復（ＫＥＧＧ３）、分泌系（ＫＥＧＧ３）、アルツハイマー病（ＫＥＧＧ３）、ゼアチン生合成（ＫＥＧＧ３）、ＩＩ型真性糖尿病（ＫＥＧＧ３）、Ｄ－グルタミン及びＤ－グルタミン酸の代謝（ＫＥＧＧ３）、タウリン及びハイポタウリンの代謝（ＫＥＧＧ３）、グルタミン酸作動性シナプス（ＫＥＧＧ３）、植物－病原体相互作用（ＫＥＧＧ３）、ビタミンＢ６代謝（ＫＥＧＧ３）、クエン酸回路（ＴＣＡサイクル）（ＫＥＧＧ３）、エチルベンゼン分解（ＫＥＧＧ３）、塩基除去修復（ＫＥＧＧ３）、複製、組換え、及び修復のタンパク質（ＫＥＧＧ３）、真核生物におけるリボソーム生合成（ＫＥＧＧ３）、アミノ安息香酸分解（ＫＥＧＧ３）、細菌運動性タンパク質（ＫＥＧＧ３）、アンサマイシン類の生合成（ＫＥＧＧ３）、イオンチャネル（ＫＥＧＧ３）、代謝（ＫＥＧＧ２）、特徴不明（Ｐｏｏｒｌｙ Ｃｈａｒａｃｔｅｒｉｚｅｄ）（ＫＥＧＧ２）、二次代謝物の生合成と生分解（ＫＥＧＧ３）、リポ酸代謝（ＫＥＧＧ３）、アミノ酸関連酵素（ＫＥＧＧ３）、翻訳タンパク質（ＫＥＧＧ３）、アスコルビン酸及びアルダル酸の代謝（ＫＥＧＧ３）、チアミン代謝（ＫＥＧＧ３）、機能未知（Ｆｕｎｃｔｉｏｎ ｕｎｋｎｏｗｎ）（ＫＥＧＧ３）、グリコサミノグリカン分解（ＫＥＧＧ３）、その他（Ｏｔｈｅｒｓ）（ＫＥＧＧ３）、ペントース及びグルクロン酸の相互変換（ＫＥＧＧ３）、ビオチン代謝（ＫＥＧＧ３）、フェニルアラニン代謝（ＫＥＧＧ３）、スフィンゴ糖脂質生合成－ガングリオシリーズ（ＫＥＧＧ３）、ポア／イオンチャネル（Ｐｏｒｅｓ ｉｏｎ ｃｈａｎｎｅｌｓ）（ＫＥＧＧ３）、膜及び細胞内構造分子（ＫＥＧＧ３）、プリン代謝（ＫＥＧＧ３）、葉酸による１炭素プール（ＫＥＧＧ３）、ホスホン酸及びホスフィン酸の代謝（ＫＥＧＧ３）、リソソーム（ＫＥＧＧ３）、薬物代謝－他の酵素（ＫＥＧＧ３）、ペニシリン及びセファロスポリンの生合成（ＫＥＧＧ３）、ハンチントン病（ＫＥＧＧ３）、ニコチン酸及びニコチンアミドの代謝（ＫＥＧＧ３）、薬物代謝－シトクロムＰ４５０（ＫＥＧＧ３）、リポ多糖生合成タンパク質（ＫＥＧＧ３）、シトクロムＰ４５０による生体外物質の代謝（ＫＥＧＧ３）、結核（ＫＥＧＧ３）、並びに多環式芳香族炭化水素分解（ＫＥＧＧ３）のうちの少なくとも１つに関連する状態を含む、＜１＞に記載のシステム。
＜８＞
前記微生物関連状態のモデルは、前記処理済みマイクロバイオーム特徴セットに基づいて作成され、かつ前記ユーザーについての頭皮関連状態の特徴解析結果を決定するように機能することができる皮膚関連特徴解析モデルを含み、
前記マイクロバイオーム特徴セットは、Ａｃｔｉｎｏｂａｃｔｅｒｉａ（綱）、Ｌａｃｔｏｂａｃｉｌｌａｌｅｓ（目）、Ａｃｔｉｎｏｍｙｃｅｔａｌｅｓ（目）、Ｆｉｒｍｉｃｕｔｅｓ（門）、Ｄｅｒｍａｂａｃｔｅｒａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌａｃｅａｅ（科）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃｏｒｙｎｅｂａｃｔｅｒｉａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌｕｓ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ（属）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ（属）、Ｄｅｒｍａｂａｃｔｅｒ（属）、Ｅｒｅｍｏｃｏｃｃｕｓ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｆｒｅｉｂｕｒｇｅｎｓｅ（種）、Ｅｒｅｍｏｃ（ＫＥＧＧ３）ｏｃｃｕｓ ｃｏｌｅｏｃｏｌａ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． （種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ９Ｉ２（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ８４０５２５４ （種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｇｌｕｃｕｒｏｎｏｌｙｔｉｃｕｍ（種）、Ｄｅｒｍａｂａｃｔｅｒ ｈｏｍｉｎｉｓ（種）、Ｃｏｒｉｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｓｔａｐｈｙｌｏｃｏｃｃａｃｅａｅ（科）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｂａｃｉｌｌａｌｅｓ（目）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ（属）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ（属）、Ａｔｏｐｏｂｉｕｍ（属）、Ｍｅｇａｓｐｈａｅｒａ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ＢＳ３５ａ（種）、Ｆｉｎｅｇｏｌｄｉａ ｍａｇｎａ（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ
ａｕｒｅｕｓ（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｉｎｆｌｕｅｎｚａｅ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． ＮＭＬ ９７－０１８６（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ５９ （種）、Ｄｏｒｅａ（属）、Ｒｏｓｅｂｕｒｉａ ｓｐ． １１ＳＥ３９ （種）、Ｄｏｒｅａ ｌｏｎｇｉｃａｔｅｎａ（種）、Ｐｒｅｖｏｔｅｌｌａｃｅａｅ（科）、Ｖｅｉｌｌｏｎｅｌｌａｃｅａｅ（科）、Ｏｓｃｉｌｌｏｓｐｉｒａｃｅａｅ（科）、Ｎｅｇａｔｉｖｉｃｕｔｅｓ（綱）， Ｓｅｌｅｎｏｍｏｎａｄａｌｅｓ（目）、Ｆｉｎｅｇｏｌｄｉａ（属）、Ｏｓｃｉｌｌｏｓｐｉｒａ（属）、Ｉｎｔｅｓｔｉｎｉｍｏｎａｓ（属）、Ｆｌａｖｏｎｉｆｒａｃｔｏｒ（属）、Ｐｒｅｖｏｔｅｌｌａ（属）、Ｍｏｒｙｅｌｌａ（属）、Ｃａｔｅｎｉｂａｃｔｅｒｉｕｍ ｍｉｔｓｕｏｋａｉ（種）、Ｃｏｌｌｉｎｓｅｌｌａ ａｅｒｏｆａｃｉｅｎｓ（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ２００２－２３００００４ （種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｃａｎｉｓ（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ．
Ｓ９ ＡＡ１－５（種）、Ｐｒｅｖｏｔｅｌｌａ ｂｕｃｃａｌｉｓ（種）、Ｄｉａｌｉｓｔｅｒ ｉｎｖｉｓｕｓ（種）、Ｍｏｒａｘｅｌｌａ（属）、Ｎｅｉｓｓｅｒｉａ（属）、Ｎｅｉｓｓｅｒｉａ ｍｕｃｏｓａ（種）、Ｒｉｋｅｎｅｌｌａｃｅａｅ（科）、補因子及びビタミンの代謝（ＫＥＧＧ２）、酵素ファミリー（ＫＥＧＧ２）、脂質代謝（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、解糖／糖新生（ＫＥＧＧ３）、原発性免疫不全（ＫＥＧＧ３）、ピルビン酸代謝（ＫＥＧＧ３）、輸送及び異化作用（ＫＥＧＧ２）、神経変性疾患（ＫＥＧＧ２）、内分泌系（ＫＥＧＧ２）、アミノ酸代謝（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、シグナル伝達分子及び相互作用（ＫＥＧＧ２）、他のアミノ酸の代謝（ＫＥＧＧ２）、複製及び修復（ＫＥＧＧ２）、翻訳（ＫＥＧＧ２）、細胞増殖及び細胞死（ＫＥＧＧ２）、膜輸送（ＫＥＧＧ２）、他の二次代謝物の生合成（ＫＥＧＧ２）、テルペノイド及びポリケチドの代謝（ＫＥＧＧ２）、無機イオンの輸送及び代謝（ＫＥＧＧ３）、ビタミン代謝（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの生合成（ＫＥＧＧ３）、ペルオキシソーム（ＫＥＧＧ３）、リボソーム生合成（ＫＥＧＧ３）、セレン化合物代謝（ＫＥＧＧ３）、ヒスチジン代謝（ＫＥＧＧ３）、染色体（ＫＥＧＧ３）、硫黄代謝（ＫＥＧＧ３）、ＰＰＡＲシグナル伝達経路（ＫＥＧＧ３）、ポルフィリン及びクロロフィルの代謝（ＫＥＧＧ３）、ホスファチジルイノシトールシグナル伝達系（ＫＥＧＧ３）、イノシトールリン酸代謝（ＫＥＧＧ３）、硫黄リレー系（ＫＥＧＧ３）、グリシン、セリン及びトレオニンの代謝（ＫＥＧＧ３）、ＤＮＡ複製タンパク質（ＫＥＧＧ３）、パントテン酸及びＣｏＡの生合成（ＫＥＧＧ３）、翻訳因子（ＫＥＧＧ３）、タンパク質のフォールディング及び関連するプロセッシング（ＫＥＧＧ３）、ＩＩ型真性糖尿病（ＫＥＧＧ３）、プロテインキナーゼ（ＫＥＧＧ３）、葉酸生合成（ＫＥＧＧ３）、リシン分解（ＫＥＧＧ３）、ＲＮＡポリメラーゼ（ＫＥＧＧ３）、Ｄ－アラニン代謝（ＫＥＧＧ３）、光合成生物における炭素固定（ＫＥＧＧ３）、窒素代謝（ＫＥＧＧ３）、グリセロリン脂質代謝（ＫＥＧＧ３）、アンサマイシン類の生合成（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの分解（ＫＥＧＧ３）、細胞骨格タンパク質（ＫＥＧＧ３）、ペプチダーゼ（ＫＥＧＧ３）、脂肪酸代謝（ＫＥＧＧ３）、細胞周期－カウロバクター属（ＫＥＧＧ３）、ホスホトランスフェラーゼ系（ＰＴＳ）（ＫＥＧＧ３）、ピリミジン代謝（ＫＥＧＧ３）、アルツハイマー病（ＫＥＧＧ３）、ブタン酸代謝（ＫＥＧＧ３）、トリプトファン代謝（ＫＥＧＧ３）、シグナル伝達機構（ＫＥＧＧ３）、ペントースリン酸経路（ＫＥＧＧ３）、他のイオン共役輸送体（ＫＥＧＧ３）、相同組換え（ＫＥＧＧ３）、複製、組換え、及び修復のタンパク質（ＫＥＧＧ３）、キシレン分解（ＫＥＧＧ３）、ミスマッチ修復（ＫＥＧＧ３）、グリオキシル酸及びジカルボン酸の代謝（ＫＥＧＧ３）、アルギニン及びプロリンの代謝（ＫＥＧＧ３）、ペプチドグリカン生合成（ＫＥＧＧ３）、シャペロン及びフォールディング触媒（ＫＥＧＧ３）、Ｉ型真正糖尿病（ＫＥＧＧ３）、ＤＮＡ複製（ＫＥＧＧ３）、細菌性分泌系（ＫＥＧＧ３）、チロシン代謝（ＫＥＧＧ３）、クエン酸回路（ＴＣＡサイクル）（ＫＥＧＧ３）、アミノ糖及びヌクレオチド糖の代謝（ＫＥＧＧ３）、リボソーム（ＫＥＧＧ３）、リモネン及びピネンの分解（ＫＥＧＧ３）、細胞運動性及び分泌（ＫＥＧＧ３）、タウリン及びハイポタウリンの代謝（ＫＥＧＧ３）、酸化的リン酸化（ＫＥＧＧ３）、フルクトース及びマンノースの代謝（ＫＥＧＧ３）、ビタミンＢ６代謝（ＫＥＧＧ３）、イオンチャネル（ＫＥＧＧ３）、ケトン体の合成及び分解（ＫＥＧＧ３）、他の輸送体（ＫＥＧＧ３）、ガラクトース代謝（ＫＥＧＧ３）、多環式芳香族炭化水素分解（ＫＥＧＧ３）、輸送体（ＫＥＧＧ３）、ＤＮＡ修復及び組換えのタンパク質（ＫＥＧＧ３）、デンプン及びショ糖の代謝（ＫＥＧＧ３）、アラニン、アスパラギン酸、及びグルタミン酸の代謝（ＫＥＧＧ３）、真核生物におけるリボソーム生合成（ＫＥＧＧ３）、分泌系（ＫＥＧＧ３）、不飽和脂肪酸の生合成（ＫＥＧＧ３）、システイン及びメチオニンの代謝（ＫＥＧＧ３）、塩基除去修復（ＫＥＧＧ３）、アミノ安息香酸分解（ＫＥＧＧ３）、光合成（ＫＥＧＧ３）、光合成タンパク質（ＫＥＧＧ３）、ポアイオンチャネル（ＫＥＧＧ３）、脂質生合成タンパク質（ＫＥＧＧ３）、並びにＤ－グルタミン及びＤ－グルタミン酸の代謝（ＫＥＧＧ３）のうちの少なくとも１つに関連する状態を含む、＜１＞に記載のシステム。
＜９＞
ユーザーに関連する試料に由来する微生物核酸群に基づいて前記ユーザーについての微生物配列データセットを決定すること；及び
前記微生物配列データセットと、一セットのマイクロバイオーム特徴群を決定するための、マイクロバイオーム特徴解析モジュールセットを用いた一セットの解析技術群の適用に基づいて作成される微生物関連状態のモデルとに基づいて、前記ユーザーについての微生物関連状態の特徴解析結果を決定すること
を含む方法であり、
前記一セットの解析技術群が統計的検定、次元削減法、及び人工知能アプローチのうちの少なくとも１つを含み、
前記マイクロバイオーム特徴解析モジュールセットは
前記一セットの解析技術群のうちの第１の解析技術を適用するように機能することができる第１マイクロバイオーム特徴解析モジュール、及び
前記一セットの解析技術群のうちの第２の解析技術を適用するように機能することができる第２マイクロバイオーム特徴解析モジュール
を含む、微生物が関連する状態を特徴解析する（ｃｈａｒａｃｔｅｒｉｚｉｎｇ）ための方法。
＜１０＞
前記一セットのマイクロバイオーム特徴群を決定するための前記一セットの解析技術群の適用は、
前記微生物配列データセットに基いて、初期セットに属するマイクロバイオーム特徴群を決定すること、及び
前記一セットのマイクロバイオーム特徴解析モジュール群のうちの前記第１マイクロバイオーム特徴解析モジュールを用いて、前記一セットの初期マイクロバイオーム特徴群に対して次元削減法を適用して、前記一セットのマイクロバイオーム特徴群を決定すること、
を含み、ここで前記次元削減法は、欠損値比率、主成分分析、確率的主成分分析、行列因子分解法、成分混合モデル、及び特徴埋め込み法のうちの少なくとも１つを含む、＜９＞に記載の方法。
＜１１＞
前記マイクロバイオーム特徴の初期セットを決定することは、前記一セットのマイクロバイオーム特徴解析モジュール群のうちの前記第２マイクロバイオーム特徴解析モジュールを用いて、前記微生物配列データセットに対して前記統計的検定を適用して、前記マイクロバイオーム特徴の初期セットを決定すること、を含み、
ここで、前記統計的検定は、ｔ検定、コルモゴロフ・スミルノフ検定、及び回帰モデルのうちの少なくとも１つを含む、＜１０＞に記載の方法。
＜１２＞
前記一セットの解析技術群の適用は、前記一セットのマイクロバイオーム特徴解析モジュール群のうちの前記第２マイクロバイオーム特徴解析モジュールを用いて、機械学習アプローチを適用して、前記一セットのマイクロバイオーム特徴群について関連度スコアを決定すること、を含み、
ここで前記微生物関連状態は、前記一セットのマイクロバイオーム特徴群及び前記関連度スコアに基づいて作成される、＜１０＞に記載の方法。
＜１３＞
前記特徴解析結果を決定することが、前記微生物関連状態のモデル、前記ユーザー由来の前記試料、及び、前記一セットのマイクロバイオーム特徴群と薬品代謝との間の既知の関連性に基づいて、前記微生物関連状態に関連する薬品代謝特徴解析結果を決定することを含む、＜１０＞に記載の方法。
＜１４＞
前記ユーザーについての前記微生物関連状態の特徴解析結果を決定することが、
腸、生殖器、口、皮膚、及び鼻のうちの２つ以上を含む複数の採取部位に対応する一セットの多様部位試料群を前記ユーザーから採取すること、ここで前記一セットの多様部位試料群は前記ユーザー由来の前記試料を含む；
前記一セットの多様部位試料群及び前記微生物関連状態のモデルに基づいて一セットの部位別疾患性向メトリック群を決定すること、ここで前記一セットの部位別疾患性向メトリック群の中の各部位別疾患性向メトリックは、前記複数の採取部位のうちの異なる採取部位に対応し、かつ、前記微生物関連状態に関連する；及び
前記一セットの部位別疾患性向メトリック群に基づいて前記ユーザーについての総合的疾患性向メトリックを決定すること、ここで前記総合的疾患性向メトリックは前記微生物関連状態に関連する、
を含む、＜９＞に記載の方法。
＜１５＞
前記一セットの多様部位試料群に基づいて前記複数の採取部位に関連する微生物データセットを決定することをさらに含み、前記総合的疾患性向メトリックの決定が、
共分散メトリック及び相関メトリックのうちの少なくとも一方を前記微生物データセットに基づいて決定すること、ここで、前記共分散メトリック及び前記相関メトリックのうちの前記少なくとも一方は前記複数の採取部位に関連する；及び
前記一セットの部位別疾患性向メトリック群並びに前記共分散メトリック及び前記相関メトリックのうちの前記少なくとも一方に基づいて前記ユーザーについての前記総合的疾患性向メトリックを決定すること、
を含む、＜１４＞に記載の方法。
＜１６＞
前記マイクロバイオーム特徴群を決定するための前記一セットの解析技術群の適用の前の、
（ａ）前記一セットの試料群のうちの第１の試料はずれ値に対応する第１の試料データを除外すること、ここで前記第１の試料はずれ値は、主成分分析、次元削減法、及び多変量解析法のうちの少なくとも１つにより決定される；（ｂ）前記一セットの試料群のうちの第２の試料はずれ値に対応する第２の試料データを除外すること、ここで前記第２の試料はずれ値は、前記一セットのマイクロバイオーム特徴群についての対応データ品質に基づいて決定される；及び（ｃ）マイクロバイオーム特徴の試料数が閾値試料数条件を満たすことができないことに基づいて当該マイクロバイオーム特徴を前記一セットのマイクロバイオーム特徴群から除外すること、ここで前記試料数は前記マイクロバイオーム特徴についての高品質データに関連する試料の数に対応する、
のうちの少なくとも１つによる前記微生物配列データセットのフィルタリングに基づいて、前記微生物関連状態のモデルが作成される、＜９＞に記載の方法。
＜１７＞
前記ユーザーについて前記微生物関連状態の特徴解析結果を決定することが、一セットのユーザーマイクロバイオーム特徴群及び前記微生物関連状態のモデルに基づいて前記ユーザーについての光過敏性関連状態の皮膚関連特徴解析結果を決定することを含み、
前記ユーザーマイクロバイオーム特徴セットは、Ａｌｌｏｐｒｅｖｏｔｅｌｌａ（属）、Ｐｒｅｖｏｔｅｌｌａ ｓｐ． ＷＡＬ ２０３９Ｇ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｂａｃｔｅｒｏｉｄａｃｅａｅ（科）、Ｂｌａｕｔｉａ（属）、Ｂａｃｔｅｒｏｉｄｅｓ（属）、Ｄｅｓｕｌｆｏｖｉｂｒｉｏ（属）、Ｃｌｏｓｔｒｉｄｉｕｍ（属）、Ｂａｃｔｅｒｏｉｄｅｓ ｖｕｌｇａｔｕｓ（種）、Ｆａｅｃａｌｉｂａｃｔｅｒｉｕｍ ｐｒａｕｓｎｉｔｚｉｉ（種）、Ｂｌａｕｔｉａ ｆａｅｃｉｓ（種）、Ａｌｉｓｔｉｐｅｓ ｐｕｔｒｅｄｉｎｉｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２０ （種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２９（種）、Ｂａｃｔｅｒｏｉｄｅｓ ａｃｉｄｉｆａｃｉｅｎｓ（種）、Ｄｉｅｌｍａ（属）、Ｓｌａｃｋｉａ（属）、Ｅｇｇｅｒｔｈｅｌｌａ（属）、Ａｄｌｅｒｃｒｅｕｔｚｉａ（属）、Ｐａｒａｐｒｅｖｏｔｅｌｌａ（属）、Ａｌｉｓｔｉｐｅｓ（属）、Ｈｏｌｄｅｍａｎｉａ（属）、Ｅｉｓｅｎｂｅｒｇｉｅｌｌａ（属）、Ｅｎｔｅｒｏｒｈａｂｄｕｓ（属）、Ａｄｌｅｒｃｒｅｕｔｚｉａ ｅｑｕｏｌｉｆａｃｉｅｎｓ（種）、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｕｃｃｉｎａｔｕｔｅｎｓ（種）、Ｒｏｓｅｂｕｒｉａ ｉｎｕｌｉｎｉｖｏｒａｎｓ（種）、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｐ． ３７７（種）、Ｄｅｓｕｌｆｏｖｉｂｒｉｏ ｐｉｇｅｒ（種）、Ｅｇｇｅｒｔｈｅｌｌａ ｓｐ． ＨＧＡ１（種）、Ｌａｃｔｏｎｉｆａｃｔｏｒ ｌｏｎｇｏｖｉｆｏｒｍｉｓ（種）、Ａｌｉｓｔｉｐｅｓ ｓｐ． ＨＧＢ５（種）、Ｈｏｌｄｅｍａｎｉａ ｆｉｌｉｆｏｒｍｉｓ（種）、Ｃｏｌｌｉｎｓｅｌｌａ ｉｎｔｅｓｔｉｎａｌｉｓ（種）、Ｎｅｉｓｓｅｒｉａ ｍａｃａｃａｅ（種）、Ｃｌｏｓｔｒｉｄｉａｃｅａｅ（科）、Ｇｅｍｅｌｌａ ｓａｎｇｕｉｎｉｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｆｒａｇｉｌｉｓ（種）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ（科）、Ｐａｓｔｅｕｒｅｌｌａｃｅａｅ（科）、Ｐａｓｔｅｕｒｅｌｌａｌｅｓ（目）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｈａｅｍｏｐｈｉｌｕｓ（属）、Ｌｅｕｃｏｎｏｓｔｏｃ（属）、Ｂｒｅｖｕｎｄｉｍｏｎａｓ（属）、Ｐｒｅｖｏｔｅｌｌａ ｏｒｉｓ（種）、Ｏｄｏｒｉｂａｃｔｅｒ（属）、Ｃａｐｎｏｃｙｔｏｐｈａｇａ（属）、Ｆｌａｖｏｂａｃｔｅｒｉｕｍ（属）、Ｐｓｅｕｄｏｍｏｎａｓ ｂｒｅｎｎｅｒｉ（種）、Ｆｌａｖｏｂａｃｔｅｒｉｕｍ ｃｅｔｉ（種）、Ｂｒｅｖｕｎｄｉｍｏｎａｓ ｓｐ． ＦＸＪ８．０８０（種）、Ｒｕｍｉｎｏｃｏｃｃａｃｅａｅ（科）、Ｖｉｂｒｉｏｎａｃｅａｅ（科）、Ｆｌａｖｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｆｕｓｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｐｏｒｐｈｙｒｏｍｏｎａｄａｃｅａｅ（科）、Ｂｒｅｖｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ｒｈｏｄｏｂａｃｔｅｒａｃｅａｅ（科）、Ｉｎｔｒａｓｐｏｒａｎｇｉａｃｅａｅ（科）、Ｂｉｆｉｄｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃａｕｌｏｂａｃｔｅｒａｃｅａｅ（科）、Ｃａｍｐｙｌｏｂａｃｔｅｒａｃｅａｅ（科）、Ｂａｃｔｅｒｏｉｄｉａ（綱）、Ｆｕｓｏｂａｃｔｅｒｉｉａ（綱）、Ｆｌａｖｏｂａｃｔｅｒｉｉａ（綱）、Ｂｉｆｉｄｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｎｅｉｓｓｅｒｉａｌｅｓ（目）、Ｂａｃｔｅｒｏｉｄａｌｅｓ（目）、Ｒｈｏｄｏｂａｃｔｅｒａｌｅｓ（目）、Ｆｌａｖｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｖｉｂｒｉｏｎａｌｅｓ（目）、Ｆｕｓｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｃａｕｌｏｂａｃｔｅｒａｌｅｓ（目）、Ｆｕｓｏｂａｃｔｅｒｉａ（門）、Ａｃｔｉｎｏｂａｃｕｌｕｍ（属）、Ｖａｒｉｂａｃｕｌｕｍ（属）、Ｆｕｓｉｃａｔｅｎｉｂａｃｔｅｒ（属）、Ｂｒｅｖｉｂａｃｔｅｒｉｕｍ（属）、Ｆａｅｃａｌｉｂａｃｔｅｒｉｕｍ（属）、Ｃａｍｐｙｌｏｂａｃｔｅｒ（属）、Ａｃｔｉｎｏｂａｃｉｌｌｕｓ（属）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ（属）、Ｆｕｓｏｂａｃｔｅｒｉｕｍ（属）、Ｃｈｒｙｓｅｏｂａｃｔｅｒｉｕｍ（属）、Ｍｅｇａｓｐｈａｅｒａ（属）、Ｒｏｔｈｉａ（属）、Ｎｅｉｓｓｅｒｉａ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ＢＬ３０２（種）、Ｂａｃｔｅｒｏｉｄｅｓ
ｐｌｅｂｅｉｕｓ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｕｌｃｅｒａｎｓ（種）、Ｖａｒｉｂａｃｕｌｕｍ ｃａｍｂｒｉｅｎｓｅ（種）、Ｂｌａｕｔｉａ ｗｅｘｌｅｒａｅ（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． ＷＢ１８－１６（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ６３（種）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ａｃｎｅｓ（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０１４８７（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｐａｒａｉｎｆｌｕｅｎｚａｅ（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｅｐｉｄｅｒｍｉｄｉｓ（種）、Ｃａｍｐｙｌｏｂａｃｔｅｒ ｕｒｅｏｌｙｔｉｃｕｓ（種）、Ｊａｎｉｂａｃｔｅｒ ｓｐ． Ｍ３－５（種）、Ｐｒｅｖｏｔｅｌｌａ ｔｉｍｏｎｅｎｓｉｓ（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ＤＮＦ００８４０（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ８ Ｆ７（種）、Ｐｒｅｖｏｔｅｌｌａ ｄｉｓｉｅｎｓ（種）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ ｃａｔｏｎｉａｅ（種）、Ｆｕｓｏｂａｃｔｅｒｉｕｍ ｐｅｒｉｏｄｏｎｔｉｃｕｍ（種）、感染症（ＫＥＧＧ２）、特徴不明（Ｐｏｏｒｌｙ Ｃｈａｒａｃｔｅｒｉｚｅｄ）（ＫＥＧＧ２）、代謝疾患（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、制限酵素（ＫＥＧＧ３）、並びにヌクレオチド除去修復（ＫＥＧＧ３）のうちの少なくとも１つに関連する特徴を含む、＜９＞に記載の方法。
＜１８＞
前記ユーザーについて前記微生物関連状態の特徴解析結果を決定することが、一セットのユーザーマイクロバイオーム特徴群及び前記微生物関連状態のモデルに基づいて前記ユーザーについての乾燥肌関連状態の皮膚関連特徴解析結果を決定することを含み、
前記一セットのユーザーマイクロバイオーム特徴群は、Ｃｏｒｙｎｅｂａｃｔｅｒｉａｃｅａｅ（科）、Ｂａｃｉｌｌｉ（綱）、Ｌａｃｔｏｂａｃｉｌｌａｌｅｓ（目）、Ａｃｔｉｎｏｍｙｃｅｔａｌｅｓ（目）、Ｆｉｒｍｉｃｕｔｅｓ（門）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ（属）、Ｄｅｒｍａｂａｃｔｅｒａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌａｃｅａｅ（科）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ａｃｔｉｎｏｂａｃｔｅｒｉａ（綱）、Ｄｅｒｍａｂａｃｔｅｒ（属）、Ｄｉａｌｉｓｔｅｒ（属）、Ｆａｃｋｌａｍｉａ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ（属）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｕｌｃｅｒａｎｓ（種）、Ｆａｃｋｌａｍｉａ ｈｏｍｉｎｉｓ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． （種）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ｓｐ． ＭＳＰ０９Ａ（種）、Ｆａｃｋｌａｍｉａ ｓｐ． １４４０－９７（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ９Ｉ２（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０２０８０（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｇｌｕｃｕｒｏｎｏｌｙｔｉｃｕｍ（種）、Ｄｅｒｍａｂａｃｔｅｒ ｈｏｍｉｎｉｓ（種）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｐｓｅｕｄｏｍｏｎａｄａｃｅａｅ（科）、Ｓｔａｐｈｙｌｏｃｏｃｃａｃｅａｅ（科）、Ｇａｍｍａｐｒｏｔｅｏｂａｃｔｅｒｉａ（綱）、Ｂａｃｉｌｌａｌｅｓ（目）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ（属）、Ｐｓｅｕｄｏｍｏｎａｓ（属）、Ａｎａｅｒｏｇｌｏｂｕｓ（属）、Ｋｌｕｙｖｅｒａ（属）、Ａｔｏｐｏｂｉｕｍ（属）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ＢＬ３０２（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｌｏｎｇｕｍ（種）、Ａｎａｅｒｏｇｌｏｂｕｓ ｇｅｍｉｎａｔｕｓ（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． Ｓ９ ＰＲ－１６（種）、Ｐｒｅｖｏｔｅｌｌａ ｔｉｍｏｎｅｎｓｉｓ（種）、Ｋｌｕｙｖｅｒａ
ｇｅｏｒｇｉａｎａ（種）、Ａｃｔｉｎｏｂａｃｕｌｕｍ（属）、Ｆｉｎｅｇｏｌｄｉａ（属）、Ｃｒｏｎｏｂａｃｔｅｒ（属）、Ａｃｉｎｅｔｏｂａｃｔｅｒ ｓｐ． ＷＢ２２－２３（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｏｃｔａｖｉｕｓ（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ９ ＡＡ１－５（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ－Ｄ－ＭＡ２（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ７－２（種）、Ｃｒｏｎｏｂａｃｔｅｒ ｓａｋａｚａｋｉｉ（種）、Ｐａｓｔｅｕｒｅｌｌａｃｅａｅ（科）、Ａｃｉｄｏｂａｃｔｅｒｉｉａ（綱）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉｉａ（綱）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｌｅｓ（目）、Ａｃｉｄｏｂａｃｔｅｒｉａ（門）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ（属）、Ｈａｅｍｏｐｈｉｌｕｓ（属）、Ａｃｉｎｅｔｏｂａｃｔｅｒ（属）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ８４０５２５４ （種）、Ｓｐｈｉｎｇｏｍｏｎａｄａｃｅａｅ（科）、Ｓｐｈｉｎｇｏｍｏｎａｄａｌｅｓ（目）、Ｋｏｃｕｒｉａ（属）、Ｇｅｍｅｌｌａ（属）、Ｖｅｉｌｌｏｎｅｌｌａ ｓｐ． ＣＭ６０（種）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ７＿１＿４７ＦＡＡ（種）、Ｇｅｍｅｌｌａ
ｓｐ． ９３３－８８ （種）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ ｃａｔｏｎｉａｅ（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｐａｒａｉｎｆｌｕｅｎｚａｅ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２０（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｖｕｌｇａｔｕｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． Ｄ２２（種）、Ｄｏｒｅａ ｌｏｎｇｉｃａｔｅｎａ（種）、Ｐａｒａｂａｃｔｅｒｏｉｄｅｓ ｍｅｒｄａｅ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２９ （種）、Ｄｏｒｅａ（属）、Ｃｏｌｌｉｎｓｅｌｌａ（属）、Ｂａｃｔｅｒｏｉｄｅｓ（属）、Ｏｓｃｉｌｌｏｓｐｉｒａｃｅａｅ（科）、Ｒｕｍｉｎｏｃｏｃｃａｃｅａｅ（科）、Ｂａｃｔｅｒｏｉｄａｃｅａｅ（科）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｃｅａｅ（科）、Ｃｏｒｉｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃｌｏｓｔｒｉｄｉａｌｅｓ（目）、Ｂａｃｔｅｒｏｉｄａｌｅｓ（目）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｌｅｓ（目）、Ｃｏｒｉｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｔｈｅｒｍｏａｎａｅｒｏｂａｃｔｅｒａｌｅｓ（目）、Ｃｌｏｓｔｒｉｄｉａ（綱）、Ｂａｃｔｅｒｏｉｄｉａ（綱）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｅ（綱）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａ（門）、Ｂａｃｔｅｒｏｉｄｅｔｅｓ（門）、翻訳（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、アミノ酸代謝（ＫＥＧＧ２）、細胞増殖及び細胞死（ＫＥＧＧ２）、複製及び修復（ＫＥＧＧ２）、他のアミノ酸の代謝（ＫＥＧＧ２）、神経変性疾患（ＫＥＧＧ２）、補因子及びビタミンの代謝（ＫＥＧＧ２）、輸送及び異化作用（ＫＥＧＧ２）、内分泌系（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、排出系（ＫＥＧＧ２）、酵素ファミリー（ＫＥＧＧ２）、膜輸送（ＫＥＧＧ２）、炭水化物代謝（ＫＥＧＧ２）、他の二次代謝物の生合成（ＫＥＧＧ２）、テルペノイド及びポリケチドの代謝（ＫＥＧＧ２）、感染症（ＫＥＧＧ２）、遺伝情報処理（ＫＥＧＧ２）、神経系（ＫＥＧＧ２）、環境適応（ＫＥＧＧ２）、ヌクレオチド代謝（ＫＥＧＧ２）、シグナル伝達分子及び相互作用（ＫＥＧＧ２）、シグナル伝達（ＫＥＧＧ２）、無機イオンの輸送及び代謝（ＫＥＧＧ３）、染色体（ＫＥＧＧ３）、細胞周期－カウロバクター属（ＫＥＧＧ３）、リボソーム生合成（ＫＥＧＧ３）、ＤＮＡ複製タンパク質（ＫＥＧＧ３）、翻訳因子（ＫＥＧＧ３）、グリシン、セリン及びトレオニンの代謝（ＫＥＧＧ３）、硫黄代謝（ＫＥＧＧ３）、他のイオン共役輸送体（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの生合成（ＫＥＧＧ３）、窒素代謝（ＫＥＧＧ３）、ペプチドグリカン生合成（ＫＥＧＧ３）、相同組換え（ＫＥＧＧ３）、ペルオキシソーム（ＫＥＧＧ３）、硫黄リレー系（ＫＥＧＧ３）、ペプチダーゼ（ＫＥＧＧ３）、プロテインキナーゼ（ＫＥＧＧ３）、ミスマッチ修復（ＫＥＧＧ３）、キシレン分解（ＫＥＧＧ３）、リボソーム（ＫＥＧＧ３）、ＲＮＡポリメラーゼ（ＫＥＧＧ３）、トリプトファン代謝（ＫＥＧＧ３）、ヒスチジン代謝（ＫＥＧＧ３）、ビタミン代謝（ＫＥＧＧ３）、細胞運動性及び分泌（ＫＥＧＧ３）、ピリミジン代謝（ＫＥＧＧ３）、細胞骨格タンパク質（ＫＥＧＧ３）、ＤＮＡ複製（ＫＥＧＧ３）、アミノ糖及びヌクレオチド糖の代謝（ＫＥＧＧ３）、葉酸生合成（ＫＥＧＧ３）、光合成生物における炭素固定（ＫＥＧＧ３）、ホスファチジルイノシトールシグナル伝達系（ＫＥＧＧ３）、リシン分解（ＫＥＧＧ３）、セレン化合物代謝（ＫＥＧＧ３）、フルクトース及びマンノースの代謝（ＫＥＧＧ３）、イノシトールリン酸代謝（ＫＥＧＧ３）、タンパク質フォールディングとこれに関連するプロセッシング（ＫＥＧＧ３）、ＰＰＡＲシグナル伝達経路（ＫＥＧＧ３）、脂質代謝（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの分解（ＫＥＧＧ３）、グリオキシル酸及びジカルボン酸の代謝（ＫＥＧＧ３）、アルギニン及びプロリンの代謝（ＫＥＧＧ３）、リモネン及びピネンの分解（ＫＥＧＧ３）、Ｄ－アラニン代謝（ＫＥＧＧ３）、ポルフィリン及びクロロフィルの代謝（ＫＥＧＧ３）、Ｃｓ分岐鎖二塩基酸代謝（ＫＥＧＧ３）、シャペロン及びフォールディング触媒（ＫＥＧＧ３）、脂肪酸代謝（ＫＥＧＧ３）、グルタチオン代謝（ＫＥＧＧ３）、ペントースリン酸経路（ＫＥＧＧ３）、ホスホトランスフェラーゼ系（ＰＴＳ）（ＫＥＧＧ３）、パントテン酸及びＣｏＡの生合成（ＫＥＧＧ３）、近位尿細管重炭酸塩再吸収（ＫＥＧＧ３）、ガラクトース代謝（ＫＥＧＧ３）、デンプン及びショ糖の代謝（ＫＥＧＧ３）、原発性免疫不全（ＫＥＧＧ３）、システイン及びメチオニンの代謝（ＫＥＧＧ３）、ユビキノン及び他のテルペノイド－キノンの生合成（ＫＥＧＧ３）、ＤＮＡ修復及び組換えのタンパク質（ＫＥＧＧ３）、チロシン代謝（ＫＥＧＧ３）、フェニルアラニン、チロシン、及びトリプトファンの生合成（ＫＥＧＧ３）、アミノアシル－ｔＲＮＡ生合成（ＫＥＧＧ３）、アラニン、アスパラギン酸、及びグルタミン酸の代謝（ＫＥＧＧ３）、光合成（ＫＥＧＧ３）、他の輸送体（ＫＥＧＧ３）、ブタン酸代謝（ＫＥＧＧ３）、細菌性分泌系（ＫＥＧＧ３）、グリセロリン脂質代謝（ＫＥＧＧ３）、酸化的リン酸化（ＫＥＧＧ３）、Ｉ型真正糖尿病（ＫＥＧＧ３）、解糖／糖新生（ＫＥＧＧ３）、光合成タンパク質（ＫＥＧＧ３）、輸送体（ＫＥＧＧ３）、テルペノイド骨格生合成（ＫＥＧＧ３）、不飽和脂肪酸の生合成（ＫＥＧＧ３）、シグナル伝達機構（ＫＥＧＧ３）、ケトン体の合成及び分解（ＫＥＧＧ３）、ヌクレオチド除去修復（ＫＥＧＧ３）、分泌系（ＫＥＧＧ３）、アルツハイマー病（ＫＥＧＧ３）、ゼアチン生合成（ＫＥＧＧ３）、ＩＩ型真性糖尿病（ＫＥＧＧ３）、Ｄ－グルタミン及びＤ－グルタミン酸の代謝（ＫＥＧＧ３）、タウリン及びハイポタウリンの代謝（ＫＥＧＧ３）、グルタミン酸作動性シナプス（ＫＥＧＧ３）、植物－病原体相互作用（ＫＥＧＧ３）、ビタミンＢ６代謝（ＫＥＧＧ３）、クエン酸回路（ＴＣＡサイクル）（ＫＥＧＧ３）、エチルベンゼン分解（ＫＥＧＧ３）、塩基除去修復（ＫＥＧＧ３）、複製、組換え、及び修復のタンパク質（ＫＥＧＧ３）、真核生物におけるリボソーム生合成（ＫＥＧＧ３）、アミノ安息香酸分解（ＫＥＧＧ３）、細菌運動性タンパク質（ＫＥＧＧ３）、アンサマイシン類の生合成（ＫＥＧＧ３）、イオンチャネル（ＫＥＧＧ３）、代謝（ＫＥＧＧ２）、特徴不明（Ｐｏｏｒｌｙ Ｃｈａｒａｃｔｅｒｉｚｅｄ）（ＫＥＧＧ２）、二次代謝物の生合成と生分解（ＫＥＧＧ３）、リポ酸代謝（ＫＥＧＧ３）、アミノ酸関連酵素（ＫＥＧＧ３）、翻訳タンパク質（ＫＥＧＧ３）、アスコルビン酸及びアルダル酸の代謝（ＫＥＧＧ３）、チアミン代謝（ＫＥＧＧ３）、機能未知（Ｆｕｎｃｔｉｏｎ ｕｎｋｎｏｗｎ）（ＫＥＧＧ３）、グリコサミノグリカン分解（ＫＥＧＧ３）、その他（Ｏｔｈｅｒｓ）（ＫＥＧＧ３）、ペントース及びグルクロン酸の相互変換（ＫＥＧＧ３）、ビオチン代謝（ＫＥＧＧ３）、フェニルアラニン代謝（ＫＥＧＧ３）、スフィンゴ糖脂質生合成－ガングリオシリーズ（ＫＥＧＧ３）、ポアイオンチャネル（Ｐｏｒｅｓ ｉｏｎ ｃｈａｎｎｅｌｓ）（ＫＥＧＧ３）、膜及び細胞内構造分子（ＫＥＧＧ３）、プリン代謝（ＫＥＧＧ３）、葉酸による１炭素プール（ＫＥＧＧ３）、ホスホン酸及びホスフィン酸の代謝（ＫＥＧＧ３）、リソソーム（ＫＥＧＧ３）、薬物代謝－他の酵素（ＫＥＧＧ３）、ペニシリン及びセファロスポリンの生合成（ＫＥＧＧ３）、ハンチントン病（ＫＥＧＧ３）、ニコチン酸及びニコチンアミドの代謝（ＫＥＧＧ３）、薬物代謝－シトクロムＰ４５０（ＫＥＧＧ３）、リポ多糖生合成タンパク質（ＫＥＧＧ３）、シトクロムＰ４５０による生体外物質の代謝（ＫＥＧＧ３）、結核（ＫＥＧＧ３）、並びに多環式芳香族炭化水素分解（ＫＥＧＧ３）のうちの少なくとも１つに関連する特徴を含む、＜９＞に記載の方法。
＜１９＞
前記ユーザーについて前記微生物関連状態の特徴解析結果を決定することが、一セットのユーザーマイクロバイオーム特徴群及び前記微生物関連状態のモデルに基づいて前記ユーザーについての頭皮関連状態の皮膚関連特徴解析結果を決定することを含み、
前記一セットのユーザーマイクロバイオーム特徴群は、Ａｃｔｉｎｏｂａｃｔｅｒｉａ（綱）、Ｌａｃｔｏｂａｃｉｌｌａｌｅｓ（目）、Ａｃｔｉｎｏｍｙｃｅｔａｌｅｓ（目）、Ｆｉｒｍｉｃｕｔｅｓ（門）、Ｄｅｒｍａｂａｃｔｅｒａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌａｃｅａｅ（科）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃｏｒｙｎｅｂａｃｔｅｒｉａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌｕｓ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ（属）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ（属）、Ｄｅｒｍａｂａｃｔｅｒ（属）、Ｅｒｅｍｏｃｏｃｃｕｓ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｆｒｅｉｂｕｒｇｅｎｓｅ（種）、Ｅｒｅｍｏｃ（ＫＥＧＧ３）ｏｃｃｕｓ ｃｏｌｅｏｃｏｌａ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． （種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ９Ｉ２（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ．
８４０５２５４ （種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｇｌｕｃｕｒｏｎｏｌｙｔｉｃｕｍ（種）、Ｄｅｒｍａｂａｃｔｅｒ ｈｏｍｉｎｉｓ（種）、Ｃｏｒｉｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｓｔａｐｈｙｌｏｃｏｃｃａｃｅａｅ（科）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｂａｃｉｌｌａｌｅｓ（目）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ（属）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ（属）、Ａｔｏｐｏｂｉｕｍ（属）、Ｍｅｇａｓｐｈａｅｒａ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ＢＳ３５ａ（種）、Ｆｉｎｅｇｏｌｄｉａ ｍａｇｎａ（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ａｕｒｅｕｓ（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｉｎｆｌｕｅｎｚａｅ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． ＮＭＬ ９７－０１８６（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ５９ （種）、Ｄｏｒｅａ（属）、Ｒｏｓｅｂｕｒｉａ ｓｐ． １１ＳＥ３９ （種）、Ｄｏｒｅａ ｌｏｎｇｉｃａｔｅｎａ（種）、Ｐｒｅｖｏｔｅｌｌａｃｅａｅ（科）、Ｖｅｉｌｌｏｎｅｌｌａｃｅａｅ（科）、Ｏｓｃｉｌｌｏｓｐｉｒａｃｅａｅ（科）、Ｎｅｇａｔｉｖｉｃｕｔｅｓ（綱）， Ｓｅｌｅｎｏｍｏｎａｄａｌｅｓ（目）、Ｆｉｎｅｇｏｌｄｉａ（属）、Ｏｓｃｉｌｌｏｓｐｉｒａ（属）、Ｉｎｔｅｓｔｉｎｉｍｏｎａｓ（属）、Ｆｌａｖｏｎｉｆｒａｃｔｏｒ（属）、Ｐｒｅｖｏｔｅｌｌａ（属）、Ｍｏｒｙｅｌｌａ（属）、Ｃａｔｅｎｉｂａｃｔｅｒｉｕｍ ｍｉｔｓｕｏｋａｉ（種）、Ｃｏｌｌｉｎｓｅｌｌａ ａｅｒｏｆａｃｉｅｎｓ（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ２００２－２３００００４ （種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｃａｎｉｓ（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ９ ＡＡ１－５（種）、Ｐｒｅｖｏｔｅｌｌａ ｂｕｃｃａｌｉｓ（種）、Ｄｉａｌｉｓｔｅｒ ｉｎｖｉｓｕｓ（種）、Ｍｏｒａｘｅｌｌａ（属）、Ｎｅｉｓｓｅｒｉａ（属）、Ｎｅｉｓｓｅｒｉａ ｍｕｃｏｓａ（種）、Ｒｉｋｅｎｅｌｌａｃｅａｅ（科）、補因子及びビタミンの代謝（ＫＥＧＧ２）、酵素ファミリー（ＫＥＧＧ２）、脂質代謝（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、解糖／糖新生（ＫＥＧＧ３）、原発性免疫不全（ＫＥＧＧ３）、ピルビン酸代謝（ＫＥＧＧ３）、輸送及び異化作用（ＫＥＧＧ２）、神経変性疾患（ＫＥＧＧ２）、内分泌系（ＫＥＧＧ２）、アミノ酸代謝（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、シグナル伝達分子及び相互作用（ＫＥＧＧ２）、他のアミノ酸の代謝（ＫＥＧＧ２）、複製及び修復（ＫＥＧＧ２）、翻訳（ＫＥＧＧ２）、細胞増殖及び細胞死（ＫＥＧＧ２）、膜輸送（ＫＥＧＧ２）、他の二次代謝物の生合成（ＫＥＧＧ２）、テルペノイド及びポリケチドの代謝（ＫＥＧＧ２）、無機イオンの輸送及び代謝（ＫＥＧＧ３）、ビタミン代謝（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの生合成（ＫＥＧＧ３）、ペルオキシソーム（ＫＥＧＧ３）、リボソーム生合成（ＫＥＧＧ３）、セレン化合物代謝（ＫＥＧＧ３）、ヒスチジン代謝（ＫＥＧＧ３）、染色体（ＫＥＧＧ３）、硫黄代謝（ＫＥＧＧ３）、ＰＰＡＲシグナル伝達経路（ＫＥＧＧ３）、ポルフィリン及びクロロフィルの代謝（ＫＥＧＧ３）、ホスファチジルイノシトールシグナル伝達系（ＫＥＧＧ３）、イノシトールリン酸代謝（ＫＥＧＧ３）、硫黄リレー系（ＫＥＧＧ３）、グリシン、セリン及びトレオニンの代謝（ＫＥＧＧ３）、ＤＮＡ複製タンパク質（ＫＥＧＧ３）、パントテン酸及びＣｏＡの生合成（ＫＥＧＧ３）、翻訳因子（ＫＥＧＧ３）、タンパク質のフォールディング及び関連するプロセッシング（ＫＥＧＧ３）、ＩＩ型真性糖尿病（ＫＥＧＧ３）、プロテインキナーゼ（ＫＥＧＧ３）、葉酸生合成（ＫＥＧＧ３）、リシン分解（ＫＥＧＧ３）、ＲＮＡポリメラーゼ（ＫＥＧＧ３）、Ｄ－アラニン代謝（ＫＥＧＧ３）、光合成生物における炭素固定（ＫＥＧＧ３）、窒素代謝（ＫＥＧＧ３）、グリセロリン脂質代謝（ＫＥＧＧ３）、アンサマイシン類の生合成（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの分解（ＫＥＧＧ３）、細胞骨格タンパク質（ＫＥＧＧ３）、ペプチダーゼ（ＫＥＧＧ３）、脂肪酸代謝（ＫＥＧＧ３）、細胞周期－カウロバクター属（ＫＥＧＧ３）、ホスホトランスフェラーゼ系（ＰＴＳ）（ＫＥＧＧ３）、ピリミジン代謝（ＫＥＧＧ３）、アルツハイマー病（ＫＥＧＧ３）、ブタン酸代謝（ＫＥＧＧ３）、トリプトファン代謝（ＫＥＧＧ３）、シグナル伝達機構（ＫＥＧＧ３）、ペントースリン酸経路（ＫＥＧＧ３）、他のイオン共役輸送体（ＫＥＧＧ３）、相同組換え（ＫＥＧＧ３）、複製、組換え、及び修復のタンパク質（ＫＥＧＧ３）、キシレン分解（ＫＥＧＧ３）、ミスマッチ修復（ＫＥＧＧ３）、グリオキシル酸及びジカルボン酸の代謝（ＫＥＧＧ３）、アルギニン及びプロリンの代謝（ＫＥＧＧ３）、ペプチドグリカン生合成（ＫＥＧＧ３）、シャペロン及びフォールディング触媒（ＫＥＧＧ３）、Ｉ型真正糖尿病（ＫＥＧＧ３）、ＤＮＡ複製（ＫＥＧＧ３）、細菌性分泌系（ＫＥＧＧ３）、チロシン代謝（ＫＥＧＧ３）、クエン酸回路（ＴＣＡサイクル）（ＫＥＧＧ３）、アミノ糖及びヌクレオチド糖の代謝（ＫＥＧＧ３）、リボソーム（ＫＥＧＧ３）、リモネン及びピネンの分解（ＫＥＧＧ３）、細胞運動性及び分泌（ＫＥＧＧ３）、タウリン及びハイポタウリンの代謝（ＫＥＧＧ３）、酸化的リン酸化（ＫＥＧＧ３）、フルクトース及びマンノースの代謝（ＫＥＧＧ３）、ビタミンＢ６代謝（ＫＥＧＧ３）、イオンチャネル（ＫＥＧＧ３）、ケトン体の合成及び分解（ＫＥＧＧ３）、他の輸送体（ＫＥＧＧ３）、ガラクトース代謝（ＫＥＧＧ３）、多環式芳香族炭化水素分解（ＫＥＧＧ３）、輸送体（ＫＥＧＧ３）、ＤＮＡ修復及び組換えのタンパク質（ＫＥＧＧ３）、デンプン及びショ糖の代謝（ＫＥＧＧ３）、アラニン、アスパラギン酸、及びグルタミン酸の代謝（ＫＥＧＧ３）、真核生物におけるリボソーム生合成（ＫＥＧＧ３）、分泌系（ＫＥＧＧ３）、不飽和脂肪酸の生合成（ＫＥＧＧ３）、システイン及びメチオニンの代謝（ＫＥＧＧ３）、塩基除去修復（ＫＥＧＧ３）、アミノ安息香酸分解（ＫＥＧＧ３）、光合成（ＫＥＧＧ３）、光合成タンパク質（ＫＥＧＧ３）、ポア／イオンチャネル（ＫＥＧＧ３）、脂質生合成タンパク質（ＫＥＧＧ３）、並びにＤ－グルタミン及びＤ－グルタミン酸の代謝（ＫＥＧＧ３）のうちの少なくとも１つに関連する特徴を含む、＜９＞に記載の方法。
＜２０＞
前記微生物関連状態が皮膚関連状態を含み、
前記特徴解析に基づいて前記皮膚関連状態について前記ユーザーに対してプロバイオティクス治療を推進することをさらに含み、
前記プロバイオティクス治療がＣｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｕｌｃｅｒａｎｓ、Ｆａｃｋｌａｍｉａ ｈｏｍｉｎｉｓ、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ．、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ｓｐ． ＭＳＰ０９Ａ、Ｆａｃｋｌａｍｉａ ｓｐ．
１４４０－９７、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ９Ｉ２、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０２０８０、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｇｌｕｃｕｒｏｎｏｌｙｔｉｃｕｍ、Ｄｅｒｍａｂａｃｔｅｒ ｈｏｍｉｎｉｓ、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ＢＬ３０２、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｌｏｎｇｕｍ、Ａｎａｅｒｏｇｌｏｂｕｓ ｇｅｍｉｎａｔｕｓ、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． Ｓ９ ＰＲ－１６、Ｐｒｅｖｏｔｅｌｌａ ｔｉｍｏｎｅｎｓｉｓ、Ｋｌｕｙｖｅｒａ ｇｅｏｒｇｉａｎａ、Ａｃｉｎｅｔｏｂａｃｔｅｒ ｓｐ． ＷＢ２２－２３、Ａｎａｅｒｏｃｏｃｃｕｓ ｏｃｔａｖｉｕｓ、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ９ ＡＡ１－５、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ－Ｄ－ＭＡ２、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ７－２、Ｃｒｏｎｏｂａｃｔｅｒ ｓａｋａｚａｋｉｉ、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ８４０５２５４、Ｖｅｉｌｌｏｎｅｌｌａ ｓｐ． ＣＭ６０、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ７＿１＿４７ＦＡＡ、Ｇｅｍｅｌｌａ ｓｐ． ９３３－８８、Ｐｏｒｐｈｙｒｏｍｏｎａｓ ｃａｔｏｎｉａｅ、Ｈａｅｍｏｐｈｉｌｕｓ ｐａｒａｉｎｆｌｕｅｎｚａｅ、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２０、Ｂａｃｔｅｒｏｉｄｅｓ ｖｕｌｇａｔｕｓ、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． Ｄ２２、Ｄｏｒｅａ ｌｏｎｇｉｃａｔｅｎａ、Ｐａｒａｂａｃｔｅｒｏｉｄｅｓ ｍｅｒｄａｅ、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２９、Ｐｒｅｖｏｔｅｌｌａ ｓｐ． ＷＡＬ ２０３９Ｇ、Ｆａｅｃａｌｉｂａｃｔｅｒｉｕｍ ｐｒａｕｓｎｉｔｚｉｉ、Ｂｌａｕｔｉａ ｆａｅｃｉｓ、Ａｌｉｓｔｉｐｅｓ ｐｕｔｒｅｄｉｎｉｓ、Ｂａｃｔｅｒｏｉｄｅｓ ａｃｉｄｉｆａｃｉｅｎｓ、Ａｄｌｅｒｃｒｅｕｔｚｉａ ｅｑｕｏｌｉｆａｃｉｅｎｓ、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｕｃｃｉｎａｔｕｔｅｎｓ、Ｒｏｓｅｂｕｒｉａ ｉｎｕｌｉｎｉｖｏｒａｎｓ、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｐ． ３７７、Ｄｅｓｕｌｆｏｖｉｂｒｉｏ ｐｉｇｅｒ、Ｅｇｇｅｒｔｈｅｌｌａ ｓｐ． ＨＧＡ１、Ｌａｃｔｏｎｉｆａｃｔｏｒ ｌｏｎｇｏｖｉｆｏｒｍｉｓ、Ａｌｉｓｔｉｐｅｓ ｓｐ．
ＨＧＢ５、Ｈｏｌｄｅｍａｎｉａ ｆｉｌｉｆｏｒｍｉｓ、Ｃｏｌｌｉｎｓｅｌｌａ ｉｎｔｅｓｔｉｎａｌｉｓ、Ｎｅｉｓｓｅｒｉａ ｍａｃａｃａｅ、Ｇｅｍｅｌｌａ ｓａｎｇｕｉｎｉｓ、Ｂａｃｔｅｒｏｉｄｅｓ ｆｒａｇｉｌｉｓ、Ｐｒｅｖｏｔｅｌｌａ
ｏｒｉｓ、Ｐｓｅｕｄｏｍｏｎａｓ ｂｒｅｎｎｅｒｉ、Ｆｌａｖｏｂａｃｔｅｒｉｕｍ ｃｅｔｉ、Ｂｒｅｖｕｎｄｉｍｏｎａｓ ｓｐ． ＦＸＪ８．０８０、Ｂａｃｔｅｒｏｉｄｅｓ ｐｌｅｂｅｉｕｓ、Ｖａｒｉｂａｃｕｌｕｍ ｃａｍｂｒｉｅｎｓｅ、Ｂｌａｕｔｉａ ｗｅｘｌｅｒａｅ、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． ＷＢ１８－１６、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ６３、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ａｃｎｅｓ、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０１４８７、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｅｐｉｄｅｒｍｉｄｉｓ、Ｃａｍｐｙｌｏｂａｃｔｅｒ ｕｒｅｏｌｙｔｉｃｕｓ、Ｊａｎｉｂａｃｔｅｒ ｓｐ． Ｍ３－５、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ＤＮＦ００８４０、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ８ Ｆ７、Ｐｒｅｖｏｔｅｌｌａ ｄｉｓｉｅｎｓ、Ｆｕｓｏｂａｃｔｅｒｉｕｍ ｐｅｒｉｏｄｏｎｔｉｃｕｍ、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｆｒｅｉｂｕｒｇｅｎｓｅ、Ｅｒｅｍｏｃｏｃｃｕｓ ｃｏｌｅｏｃｏｌａ、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ．
ＢＳ３５ａ、Ｆｉｎｅｇｏｌｄｉａ ｍａｇｎａ、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ａｕｒｅｕｓ、Ｈａｅｍｏｐｈｉｌｕｓ ｉｎｆｌｕｅｎｚａｅ、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． ＮＭＬ ９７－０１８６、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ５９、Ｒｏｓｅｂｕｒｉａ ｓｐ． １１ＳＥ３９、Ｃａｔｅｎｉｂａｃｔｅｒｉｕｍ ｍｉｔｓｕｏｋａｉ、Ｃｏｌｌｉｎｓｅｌｌａ ａｅｒｏｆａｃｉｅｎｓ、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ２００２－２３００００４、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｃａｎｉｓ、Ｐｒｅｖｏｔｅｌｌａ ｂｕｃｃａｌｉｓ、Ｄｉａｌｉｓｔｅｒ ｉｎｖｉｓｕｓ、及びＮｅｉｓｓｅｒｉａ ｍｕｃｏｓａのうちのいずれか１つに関連する微生物に関連するものである、＜９＞に記載の方法。
＜２１＞
一セットの対象群に関連する試料群に由来する微生物核酸群に基づいて、前記一セットの対象群に関連する微生物配列データセットを決定すること、ここで前記微生物核酸群は、微生物が関連する複数種類の状態に関連する；
前記微生物配列データセットに基づいて、一セットのマイクロバイオーム特徴解析モジュール群を用いて、一セットの多状態マイクロバイオーム特徴群を決定すること、ここで前記一セットの多状態マイクロバイオーム特徴群のうちのそれぞれの多状態マイクロバイオーム特徴は、前記複数種類の微生物関連状態のうちの２つ以上の微生物関連状態に関連する；
ユーザーに対して、前記一セットの多状態マイクロバイオーム特徴群及び前記ユーザー由来の試料に基づいて、前記複数種類の微生物関連状態のうちの複数の微生物関連状態について多状態特徴解析結果を決定すること；及び
前記多状態特徴解析に基づいて、前記複数種類の微生物関連状態のうちの前記複数の微生物関連状態に対する治療介入を促進すること
を含む、微生物が関連する複数種類の状態を特徴解析するための方法。
＜２２＞
前記一セットの多状態マイクロバイオーム特徴群を決定することが、前記微生物配列データセットに基づいて決定されるマイクロバイオーム特徴の初期セットに対して前記一セットのマイクロバイオーム特徴解析モジュール群のうちの第１マイクロバイオーム特徴解析モジュールを用いて次元削減法を適用することを含み、
前記方法が、前記一セットのマイクロバイオーム特徴解析モジュール群のうちの第２マイクロバイオーム特徴解析モジュールを用いて前記複数種類の微生物関連状態に属する異なる状態間の状態間相互相関分析結果を決定することをさらに含み、かつ
前記多状態特徴解析結果の決定が、状態間相互相関メトリック、前記一セットの多状態マイクロバイオーム特徴群、及び前記ユーザー由来の前記試料に基づいて前記多状態特徴解析結果を決定することを含む、
＜２１＞に記載の方法。
＜２３＞
前記ユーザーについて多状態特徴解析結果を決定することが、前記複数種類の微生物関連状態についての現ユーザー状態、前記一セットの多状態マイクロバイオーム特徴群、前記ユーザー由来の前記試料、及び前記状態間相互相関メトリックに基づいて前記複数種類の微生物関連状態の追加的状態分析の特徴解析結果を決定することを含む、＜２２＞に記載の方法。
＜２４＞
前記第２マイクロバイオーム特徴解析モジュールを用いて相互相関分析を実施することが、前記複数種類の微生物関連状態のうちの相異なる状態に、多変量モデル、正準相関モデル、及びマルチラベル人工知能アプローチのうちの少なくとも１つを適用することを含む、＜２２＞に記載の方法。
＜２５＞
前記多状態マイクロバイオーム特徴群に基づいて前記複数種類の微生物関連状態から一セットの微生物関連状態グループ群を決定することをさらに含み、
治療介入を促進することは、前記一セットの微生物関連状態グループ群及び前記多状態特徴解析結果に基づいて前記微生物関連状態に対する治療介入を促進することを含む、＜２１＞に記載の方法。
＜２６＞
治療介入を促進することが、
（ａ）前記一セットの微生物関連状態グループ群のうちの少なくとも１つの微生物関連状態グループへの前記ユーザーの割当てに基づいて、前記ユーザーに対して第１の治療を推進すること、（ｂ）前記一セットの微生物関連状態グループ群のうちの同じ微生物関連状態グループに属する微生物関連状態同士の関連性に基づいて、前記ユーザーに対して第２の治療を推進すること、及び（ｃ）前記一セットの微生物関連状態グループのうちの異なる微生物関連状態グループに属する微生物関連状態同士の関連性に基づいて、前記ユーザーに対して第３の治療法を行わないようにすること
のうちの少なくとも１つを含む、＜２５＞に記載の方法。
＜２７＞
前記一セットの微生物関連状態グループ群が、アレルギー関連状態を含む第１グループ、移動運動関連状態を含む第２グループ、及び胃腸関連状態を含む第３グループのうちの少なくとも１つを含み、 治療介入を促進することが、前記多状態特徴解析結果並びに前記第１グループ、前記第２グループ、及び前記第３グループのうちの前記少なくとも１つに基づいて、前記微生物関連状態に対する治療介入を促進することを含む、＜２５＞に記載の方法。
Claims (18)
- 一セットの対象群に関連する一セットの試料群に基づいて微生物遺伝子配列を決定するように機能することができるシーケンシングシステム、ここで前記試料群は、微生物が関連する状態に関連する微生物核酸を含み、前記一セットの対象群のうちの各々の腸、生殖器、口、皮膚、及び鼻からなる群より選択される複数の採取部位から採取された一セットの多様部位試料群を含む；
プロセッサ；及び
コンピュータ実施可能な指示が保存されているコンピュータ読み込み可能媒体
を含み、前記指示は前記プロセッサに
前記微生物遺伝子配列に基づいて一セットのマイクロバイオーム特徴群を決定するために、一セットの解析技術群のうちの第１の解析技術を適用すること、ここで前記一セットのマイクロバイオーム特徴群は、前記微生物関連状態に関連する、及び
前記一セットのマイクロバイオーム特徴群に基づいて一セットの処理済みマイクロバイオーム特徴群を決定するために、前記一セットの解析技術群のうちの第２の解析技術を適用すること、ここで前記処理済みマイクロバイオーム特徴セットは、前記微生物関連状態の特徴解析を改善するように構成されている；及び
ユーザーについての前記微生物関連状態の特徴解析結果を決定するように機能することができる微生物関連状態のモデルを、前記処理済みマイクロバイオーム特徴セットに基づいて作成すること、
を行わせるものであり、
前記一セットの解析技術が、統計的検定、次元削減法、及び人工知能アプローチのうちの２つ以上を含み、
前記第１の解析技術は、前記多様部位試料群に基づいて前記一セットのマイクロバイオーム特徴群のうちの複数の第１のサブセットに属するマイクロバイオーム特徴を決定し、ここで、前記複数の第１のマイクロバイオーム特徴サブセットのうちの各マイクロバイオーム特徴サブセットは、前記複数の採取部位のうちの異なる採取部位に対応する、
微生物が関連する状態を特徴解析（ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ）するためのシステム。 - 前記統計的検定が、ｔ検定、コルモゴロフ・スミルノフ検定、及び回帰モデルのうちの少なくとも１つを含む、請求項１に記載のシステム。
- 前記第２の解析技術は、前記多様部位試料群に基づいて前記一セットのマイクロバイオーム特徴群のうちの複数の第２のサブセットに属するマイクロバイオーム特徴を決定し、かつ
前記微生物関連状態のモデルは、前記複数の第１のマイクロバイオーム特徴サブセット及び前記複数の第２のマイクロバイオーム特徴サブセットに基づいて作成される、請求項２に記載のシステム。 - 前記第２の解析技術は、前記マイクロバイオーム特徴セットを処理して前記処理済みマイクロバイオーム特徴セットにするために、特徴選択、特徴加重、及びウォームスタートのうちの少なくとも１つを実施する、請求項１に記載のシステム。
- 前記微生物関連状態のモデルは、前記処理済みマイクロバイオーム特徴セットに基づいて作成され、かつ前記ユーザーについての光過敏性関連状態の特徴解析結果を決定するように機能することができる皮膚関連特徴解析モデルを含み、
前記マイクロバイオーム特徴セットは、Ａｌｌｏｐｒｅｖｏｔｅｌｌａ（属）、Ｐｒｅｖｏｔｅｌｌａ ｓｐ． ＷＡＬ ２０３９Ｇ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｂａｃｔｅｒｏｉｄａｃｅａｅ（科）、Ｂｌａｕｔｉａ（属）、Ｂａｃｔｅｒｏｉｄｅｓ（属）、Ｄｅｓｕｌｆｏｖｉｂｒｉｏ（属）、Ｃｌｏｓｔｒｉｄｉｕｍ（属）、Ｂａｃｔｅｒｏｉｄｅｓ ｖｕｌｇａｔｕｓ（種）、Ｆａｅｃａｌｉｂａｃｔｅｒｉｕｍ ｐｒａｕｓｎｉｔｚｉｉ（種）、Ｂｌａｕｔｉａ ｆａｅｃｉｓ（種）、Ａｌｉｓｔｉｐｅｓ ｐｕｔｒｅｄｉｎｉｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２０ （種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２９（種）、Ｂａｃｔｅｒｏｉｄｅｓ ａｃｉｄｉｆａｃｉｅｎｓ（種）、Ｄｉｅｌｍａ（属）、Ｓｌａｃｋｉａ（属）、Ｅｇｇｅｒｔｈｅｌｌａ（属）、Ａｄｌｅｒｃｒｅｕｔｚｉａ（属）、Ｐａｒａｐｒｅｖｏｔｅｌｌａ（属）、Ａｌｉｓｔｉｐｅｓ（属）、Ｈｏｌｄｅｍａｎｉａ（属）、Ｅｉｓｅｎｂｅｒｇｉｅｌｌａ（属）、Ｅｎｔｅｒｏｒｈａｂｄｕｓ（属）、Ａｄｌｅｒｃｒｅｕｔｚｉａ ｅｑｕｏｌｉｆａｃｉｅｎｓ（種）、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｕｃｃｉｎａｔｕｔｅｎｓ（種）、Ｒｏｓｅｂｕｒｉａ ｉｎｕｌｉｎｉｖｏｒａｎｓ（種）、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｐ． ３７７（種）、Ｄｅｓｕｌｆｏｖｉｂｒｉｏ ｐｉｇｅｒ（種）、Ｅｇｇｅｒｔｈｅｌｌａ ｓｐ． ＨＧＡ１（種）、Ｌａｃｔｏｎｉｆａｃｔｏｒ ｌｏｎｇｏｖｉｆｏｒｍｉｓ（種）、Ａｌｉｓｔｉｐｅｓ ｓｐ． ＨＧＢ５（種）、Ｈｏｌｄｅｍａｎｉａ ｆｉｌｉｆｏｒｍｉｓ（種）、Ｃｏｌｌｉｎｓｅｌｌａ ｉｎｔｅｓｔｉｎａｌｉｓ（種）、Ｎｅｉｓｓｅｒｉａ ｍａｃａｃａｅ（種）、Ｃｌｏｓｔｒｉｄｉａｃｅａｅ（科）、Ｇｅｍｅｌｌａ ｓａｎｇｕｉｎｉｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｆｒａｇｉｌｉｓ（種）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ（科）、Ｐａｓｔｅｕｒｅｌｌａｃｅａｅ（科）、Ｐａｓｔｅｕｒｅｌｌａｌｅｓ（目）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｈａｅｍｏｐｈｉｌｕｓ（属）、Ｌｅｕｃｏｎｏｓｔｏｃ（属）、Ｂｒｅｖｕｎｄｉｍｏｎａｓ（属）、Ｐｒｅｖｏｔｅｌｌａ ｏｒｉｓ（種）、Ｏｄｏｒｉｂａｃｔｅｒ（属）、Ｃａｐｎｏｃｙｔｏｐｈａｇａ（属）、Ｆｌａｖｏｂａｃｔｅｒｉｕｍ（属）、Ｐｓｅｕｄｏｍｏｎａｓ ｂｒｅｎｎｅｒｉ（種）、Ｆｌａｖｏｂａｃｔｅｒｉｕｍ ｃｅｔｉ（種）、Ｂｒｅｖｕｎｄｉｍｏｎａｓ ｓｐ． ＦＸＪ８．０８０（種）、Ｒｕｍｉｎｏｃｏｃｃａｃｅａｅ（科）、Ｖｉｂｒｉｏｎａｃｅａｅ（科）、Ｆｌａｖｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｆｕｓｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｐｏｒｐｈｙｒｏｍｏｎａｄａｃｅａｅ（科）、Ｂｒｅｖｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ｒｈｏｄｏｂａｃｔｅｒａｃｅａｅ（科）、Ｉｎｔｒａｓｐｏｒａｎｇｉａｃｅａｅ（科）、Ｂｉｆｉｄｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃａｕｌｏｂａｃｔｅｒａｃｅａｅ（科）、Ｃａｍｐｙｌｏｂａｃｔｅｒａｃｅａｅ（科）、Ｂａｃｔｅｒｏｉｄｉａ（綱）、Ｆｕｓｏｂａｃｔｅｒｉｉａ（綱）、Ｆｌａｖｏｂａｃｔｅｒｉｉａ（綱）、Ｂｉｆｉｄｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｎｅｉｓｓｅｒｉａｌｅｓ（目）、Ｂａｃｔｅｒｏｉｄａｌｅｓ（目）、Ｒｈｏｄｏｂａｃｔｅｒａｌｅｓ（目）、Ｆｌａｖｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｖｉｂｒｉｏｎａｌｅｓ（目）、Ｆｕｓｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｃａｕｌｏｂａｃｔｅｒａｌｅｓ（目）、Ｆｕｓｏｂａｃｔｅｒｉａ（門）、Ａｃｔｉｎｏｂａｃｕｌｕｍ（属）、Ｖａｒｉｂａｃｕｌｕｍ（属）、Ｆｕｓｉｃａｔｅｎｉｂａｃｔｅｒ（属）、Ｂｒｅｖｉｂａｃｔｅｒｉｕｍ（属）、Ｆａｅｃａｌｉｂａｃｔｅｒｉｕｍ（属）、Ｃａｍｐｙｌｏｂａｃｔｅｒ（属）、Ａｃｔｉｎｏｂａｃｉｌｌｕｓ（属）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ（属）、Ｆｕｓｏｂａｃｔｅｒｉｕｍ（属）、Ｃｈｒｙｓｅｏｂａｃｔｅｒｉｕｍ（属）、Ｍｅｇａｓｐｈａｅｒａ（属）、Ｒｏｔｈｉａ（属）、Ｎｅｉｓｓｅｒｉａ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ＢＬ３０２（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｐｌｅｂｅｉｕｓ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｕｌｃｅｒａｎｓ（種）、Ｖａｒｉｂａｃｕｌｕｍ ｃａｍｂｒｉｅｎｓｅ（種）、Ｂｌａｕｔｉａ ｗｅｘｌｅｒａｅ（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． ＷＢ１８－１６（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ６３（種）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ａｃｎｅｓ（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０１４８７（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｐａｒａｉｎｆｌｕｅｎｚａｅ（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｅｐｉｄｅｒｍｉｄｉｓ（種）、Ｃａｍｐｙｌｏｂａｃｔｅｒ ｕｒｅｏｌｙｔｉｃｕｓ（種）、Ｊａｎｉｂａｃｔｅｒ ｓｐ． Ｍ３－５（種）、Ｐｒｅｖｏｔｅｌｌａ ｔｉｍｏｎｅｎｓｉｓ（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ＤＮＦ００８４０（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ８ Ｆ７（種）、Ｐｒｅｖｏｔｅｌｌａ ｄｉｓｉｅｎｓ（種）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ ｃａｔｏｎｉａｅ（種）、Ｆｕｓｏｂａｃｔｅｒｉｕｍ ｐｅｒｉｏｄｏｎｔｉｃｕｍ（種）、感染症（ＫＥＧＧ２）、特徴不明（Ｐｏｏｒｌｙ Ｃｈａｒａｃｔｅｒｉｚｅｄ）（ＫＥＧＧ２）、代謝疾患（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、制限酵素（ＫＥＧＧ３）、並びにヌクレオチド除去修復（ＫＥＧＧ３）のうちの少なくとも１つに関連する状態を含む、請求項１に記載のシステム。 - 前記微生物関連状態のモデルは、前記処理済みマイクロバイオーム特徴セットに基づいて作成され、かつ前記ユーザーについての乾燥肌関連状態の特徴解析結果を決定するように機能することができる皮膚関連特徴解析モデルを含み、
前記マイクロバイオーム特徴セットは、Ｃｏｒｙｎｅｂａｃｔｅｒｉａｃｅａｅ（科）、Ｂａｃｉｌｌｉ（綱）、Ｌａｃｔｏｂａｃｉｌｌａｌｅｓ（目）、Ａｃｔｉｎｏｍｙｃｅｔａｌｅｓ（目）、Ｆｉｒｍｉｃｕｔｅｓ（門）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ（属）、Ｄｅｒｍａｂａｃｔｅｒａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌａｃｅａｅ（科）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ａｃｔｉｎｏｂａｃｔｅｒｉａ（綱）、Ｄｅｒｍａｂａｃｔｅｒ（属）、Ｄｉａｌｉｓｔｅｒ（属）、Ｆａｃｋｌａｍｉａ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ（属）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｕｌｃｅｒａｎｓ（種）、Ｆａｃｋｌａｍｉａ ｈｏｍｉｎｉｓ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． （種）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ｓｐ． ＭＳＰ０９Ａ（種）、Ｆａｃｋｌａｍｉａ ｓｐ． １４４０－９７（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ９Ｉ２（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０２０８０（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｇｌｕｃｕｒｏｎｏｌｙｔｉｃｕｍ（種）、Ｄｅｒｍａｂａｃｔｅｒ ｈｏｍｉｎｉｓ（種）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｐｓｅｕｄｏｍｏｎａｄａｃｅａｅ（科）、Ｓｔａｐｈｙｌｏｃｏｃｃａｃｅａｅ（科）、Ｇａｍｍａｐｒｏｔｅｏｂａｃｔｅｒｉａ（綱）、Ｂａｃｉｌｌａｌｅｓ（目）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ（属）、Ｐｓｅｕｄｏｍｏｎａｓ（属）、Ａｎａｅｒｏｇｌｏｂｕｓ（属）、Ｋｌｕｙｖｅｒａ（属）、Ａｔｏｐｏｂｉｕｍ（属）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ＢＬ３０２（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｌｏｎｇｕｍ（種）、Ａｎａｅｒｏｇｌｏｂｕｓ ｇｅｍｉｎａｔｕｓ（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． Ｓ９ ＰＲ－１６（種）、Ｐｒｅｖｏｔｅｌｌａ ｔｉｍｏｎｅｎｓｉｓ（種）、Ｋｌｕｙｖｅｒａ ｇｅｏｒｇｉａｎａ（種）、Ａｃｔｉｎｏｂａｃｕｌｕｍ（属）、Ｆｉｎｅｇｏｌｄｉａ（属）、Ｃｒｏｎｏｂａｃｔｅｒ（属）、Ａｃｉｎｅｔｏｂａｃｔｅｒ ｓｐ． ＷＢ２２－２３（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｏｃｔａｖｉｕｓ（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ９ ＡＡ１－５（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ－Ｄ－ＭＡ２（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ７－２（種）、Ｃｒｏｎｏｂａｃｔｅｒ ｓａｋａｚａｋｉｉ（種）、Ｐａｓｔｅｕｒｅｌｌａｃｅａｅ（科）、Ａｃｉｄｏｂａｃｔｅｒｉｉａ（綱）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉｉａ（綱）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｌｅｓ（目）、Ａｃｉｄｏｂａｃｔｅｒｉａ（門）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ（属）、Ｈａｅｍｏｐｈｉｌｕｓ（属）、Ａｃｉｎｅｔｏｂａｃｔｅｒ（属）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ８４０５２５４ （種）、Ｓｐｈｉｎｇｏｍｏｎａｄａｃｅａｅ（科）、Ｓｐｈｉｎｇｏｍｏｎａｄａｌｅｓ（目）、Ｋｏｃｕｒｉａ（属）、Ｇｅｍｅｌｌａ（属）、Ｖｅｉｌｌｏｎｅｌｌａ ｓｐ． ＣＭ６０（種）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ７＿１＿４７ＦＡＡ（種）、Ｇｅｍｅｌｌａ ｓｐ． ９３３－８８ （種）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ ｃａｔｏｎｉａｅ（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｐａｒａｉｎｆｌｕｅｎｚａｅ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２０（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｖｕｌｇａｔｕｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． Ｄ２２（種）、Ｄｏｒｅａ ｌｏｎｇｉｃａｔｅｎａ（種）、Ｐａｒａｂａｃｔｅｒｏｉｄｅｓ ｍｅｒｄａｅ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２９ （種）、Ｄｏｒｅａ（属）、Ｃｏｌｌｉｎｓｅｌｌａ（属）、Ｂａｃｔｅｒｏｉｄｅｓ（属）、Ｏｓｃｉｌｌｏｓｐｉｒａｃｅａｅ（科）、Ｒｕｍｉｎｏｃｏｃｃａｃｅａｅ（科）、Ｂａｃｔｅｒｏｉｄａｃｅａｅ（科）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｃｅａｅ（科）、Ｃｏｒｉｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃｌｏｓｔｒｉｄｉａｌｅｓ（目）、Ｂａｃｔｅｒｏｉｄａｌｅｓ（目）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｌｅｓ（目）、Ｃｏｒｉｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｔｈｅｒｍｏａｎａｅｒｏｂａｃｔｅｒａｌｅｓ（目）、Ｃｌｏｓｔｒｉｄｉａ（綱）、Ｂａｃｔｅｒｏｉｄｉａ（綱）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｅ（綱）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａ（門）、Ｂａｃｔｅｒｏｉｄｅｔｅｓ（門）、翻訳（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、アミノ酸代謝（ＫＥＧＧ２）、細胞増殖及び細胞死（ＫＥＧＧ２）、複製及び修復（ＫＥＧＧ２）、他のアミノ酸の代謝（ＫＥＧＧ２）、神経変性疾患（ＫＥＧＧ２）、補因子及びビタミンの代謝（ＫＥＧＧ２）、輸送及び異化作用（ＫＥＧＧ２）、内分泌系（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、排出系（ＫＥＧＧ２）、酵素ファミリー（ＫＥＧＧ２）、膜輸送（ＫＥＧＧ２）、炭水化物代謝（ＫＥＧＧ２）、他の二次代謝物の生合成（ＫＥＧＧ２）、テルペノイド及びポリケチドの代謝（ＫＥＧＧ２）、感染症（ＫＥＧＧ２）、遺伝情報処理（ＫＥＧＧ２）、神経系（ＫＥＧＧ２）、環境適応（ＫＥＧＧ２）、ヌクレオチド代謝（ＫＥＧＧ２）、シグナル伝達分子及び相互作用（ＫＥＧＧ２）、シグナル伝達（ＫＥＧＧ２）、無機イオンの輸送及び代謝（ＫＥＧＧ３）、染色体（ＫＥＧＧ３）、細胞周期－カウロバクター属（ＫＥＧＧ３）、リボソーム生合成（ＫＥＧＧ３）、ＤＮＡ複製タンパク質（ＫＥＧＧ３）、翻訳因子（ＫＥＧＧ３）、グリシン、セリン及びトレオニンの代謝（ＫＥＧＧ３）、硫黄代謝（ＫＥＧＧ３）、他のイオン共役輸送体（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの生合成（ＫＥＧＧ３）、窒素代謝（ＫＥＧＧ３）、ペプチドグリカン生合成（ＫＥＧＧ３）、相同組換え（ＫＥＧＧ３）、ペルオキシソーム（ＫＥＧＧ３）、硫黄リレー系（ＫＥＧＧ３）、ペプチダーゼ（ＫＥＧＧ３）、プロテインキナーゼ（ＫＥＧＧ３）、ミスマッチ修復（ＫＥＧＧ３）、キシレン分解（ＫＥＧＧ３）、リボソーム（ＫＥＧＧ３）、ＲＮＡポリメラーゼ（ＫＥＧＧ３）、トリプトファン代謝（ＫＥＧＧ３）、ヒスチジン代謝（ＫＥＧＧ３）、ビタミン代謝（ＫＥＧＧ３）、細胞運動性及び分泌（ＫＥＧＧ３）、ピリミジン代謝（ＫＥＧＧ３）、細胞骨格タンパク質（ＫＥＧＧ３）、ＤＮＡ複製（ＫＥＧＧ３）、アミノ糖及びヌクレオチド糖の代謝（ＫＥＧＧ３）、葉酸生合成（ＫＥＧＧ３）、光合成生物における炭素固定（ＫＥＧＧ３）、ホスファチジルイノシトールシグナル伝達系（ＫＥＧＧ３）、リシン分解（ＫＥＧＧ３）、セレン化合物代謝（ＫＥＧＧ３）、フルクトース及びマンノースの代謝（ＫＥＧＧ３）、イノシトールリン酸代謝（ＫＥＧＧ３）、タンパク質フォールディングとこれに関連するプロセッシング（ＫＥＧＧ３）、ＰＰＡＲシグナル伝達経路（ＫＥＧＧ３）、脂質代謝（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの分解（ＫＥＧＧ３）、グリオキシル酸及びジカルボン酸の代謝（ＫＥＧＧ３）、アルギニン及びプロリンの代謝（ＫＥＧＧ３）、リモネン及びピネンの分解（ＫＥＧＧ３）、Ｄ－アラニン代謝（ＫＥＧＧ３）、ポルフィリン及びクロロフィルの代謝（ＫＥＧＧ３）、Ｃ５分岐鎖二塩基酸代謝（ＫＥＧＧ３）、シャペロン及びフォールディング触媒（ＫＥＧＧ３）、脂肪酸代謝（ＫＥＧＧ３）、グルタチオン代謝（ＫＥＧＧ３）、ペントースリン酸経路（ＫＥＧＧ３）、ホスホトランスフェラーゼ系（ＰＴＳ）（ＫＥＧＧ３）、パントテン酸及びＣｏＡの生合成（ＫＥＧＧ３）、近位尿細管重炭酸塩再吸収（ＫＥＧＧ３）、ガラクトース代謝（ＫＥＧＧ３）、デンプン及びショ糖の代謝（ＫＥＧＧ３）、原発性免疫不全（ＫＥＧＧ３）、システイン及びメチオニンの代謝（ＫＥＧＧ３）、ユビキノン及び他のテルペノイド－キノンの生合成（ＫＥＧＧ３）、ＤＮＡ修復及び組換えのタンパク質（ＫＥＧＧ３）、チロシン代謝（ＫＥＧＧ３）、フェニルアラニン、チロシン、及びトリプトファンの生合成（ＫＥＧＧ３）、アミノアシル－ｔＲＮＡ生合成（ＫＥＧＧ３）、アラニン、アスパラギン酸、及びグルタミン酸の代謝（ＫＥＧＧ３）、光合成（ＫＥＧＧ３）、他の輸送体（ＫＥＧＧ３）、ブタン酸代謝（ＫＥＧＧ３）、細菌性分泌系（ＫＥＧＧ３）、グリセロリン脂質代謝（ＫＥＧＧ３）、酸化的リン酸化（ＫＥＧＧ３）、Ｉ型真正糖尿病（ＫＥＧＧ３）、解糖／糖新生（ＫＥＧＧ３）、光合成タンパク質（ＫＥＧＧ３）、輸送体（ＫＥＧＧ３）、テルペノイド骨格生合成（ＫＥＧＧ３）、不飽和脂肪酸の生合成（ＫＥＧＧ３）、シグナル伝達機構（ＫＥＧＧ３）、ケトン体の合成及び分解（ＫＥＧＧ３）、ヌクレオチド除去修復（ＫＥＧＧ３）、分泌系（ＫＥＧＧ３）、アルツハイマー病（ＫＥＧＧ３）、ゼアチン生合成（ＫＥＧＧ３）、ＩＩ型真性糖尿病（ＫＥＧＧ３）、Ｄ－グルタミン及びＤ－グルタミン酸の代謝（ＫＥＧＧ３）、タウリン及びハイポタウリンの代謝（ＫＥＧＧ３）、グルタミン酸作動性シナプス（ＫＥＧＧ３）、植物－病原体相互作用（ＫＥＧＧ３）、ビタミンＢ６代謝（ＫＥＧＧ３）、クエン酸回路（ＴＣＡサイクル）（ＫＥＧＧ３）、エチルベンゼン分解（ＫＥＧＧ３）、塩基除去修復（ＫＥＧＧ３）、複製、組換え、及び修復のタンパク質（ＫＥＧＧ３）、真核生物におけるリボソーム生合成（ＫＥＧＧ３）、アミノ安息香酸分解（ＫＥＧＧ３）、細菌運動性タンパク質（ＫＥＧＧ３）、アンサマイシン類の生合成（ＫＥＧＧ３）、イオンチャネル（ＫＥＧＧ３）、代謝（ＫＥＧＧ２）、特徴不明（Ｐｏｏｒｌｙ Ｃｈａｒａｃｔｅｒｉｚｅｄ）（ＫＥＧＧ２）、二次代謝物の生合成と生分解（ＫＥＧＧ３）、リポ酸代謝（ＫＥＧＧ３）、アミノ酸関連酵素（ＫＥＧＧ３）、翻訳タンパク質（ＫＥＧＧ３）、アスコルビン酸及びアルダル酸の代謝（ＫＥＧＧ３）、チアミン代謝（ＫＥＧＧ３）、機能未知（Ｆｕｎｃｔｉｏｎ ｕｎｋｎｏｗｎ）（ＫＥＧＧ３）、グリコサミノグリカン分解（ＫＥＧＧ３）、その他（Ｏｔｈｅｒｓ）（ＫＥＧＧ３）、ペントース及びグルクロン酸の相互変換（ＫＥＧＧ３）、ビオチン代謝（ＫＥＧＧ３）、フェニルアラニン代謝（ＫＥＧＧ３）、スフィンゴ糖脂質生合成－ガングリオシリーズ（ＫＥＧＧ３）、ポア／イオンチャネル（Ｐｏｒｅｓ ｉｏｎ ｃｈａｎｎｅｌｓ）（ＫＥＧＧ３）、膜及び細胞内構造分子（ＫＥＧＧ３）、プリン代謝（ＫＥＧＧ３）、葉酸による１炭素プール（ＫＥＧＧ３）、ホスホン酸及びホスフィン酸の代謝（ＫＥＧＧ３）、リソソーム（ＫＥＧＧ３）、薬物代謝－他の酵素（ＫＥＧＧ３）、ペニシリン及びセファロスポリンの生合成（ＫＥＧＧ３）、ハンチントン病（ＫＥＧＧ３）、ニコチン酸及びニコチンアミドの代謝（ＫＥＧＧ３）、薬物代謝－シトクロムＰ４５０（ＫＥＧＧ３）、リポ多糖生合成タンパク質（ＫＥＧＧ３）、シトクロムＰ４５０による生体外物質の代謝（ＫＥＧＧ３）、結核（ＫＥＧＧ３）、並びに多環式芳香族炭化水素分解（ＫＥＧＧ３）のうちの少なくとも１つに関連する状態を含む、請求項１に記載のシステム。 - 前記微生物関連状態のモデルは、前記処理済みマイクロバイオーム特徴セットに基づいて作成され、かつ前記ユーザーについての頭皮関連状態の特徴解析結果を決定するように機能することができる皮膚関連特徴解析モデルを含み、
前記マイクロバイオーム特徴セットは、Ａｃｔｉｎｏｂａｃｔｅｒｉａ（綱）、Ｌａｃｔｏｂａｃｉｌｌａｌｅｓ（目）、Ａｃｔｉｎｏｍｙｃｅｔａｌｅｓ（目）、Ｆｉｒｍｉｃｕｔｅｓ（門）、Ｄｅｒｍａｂａｃｔｅｒａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌａｃｅａｅ（科）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃｏｒｙｎｅｂａｃｔｅｒｉａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌｕｓ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ（属）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ（属）、Ｄｅｒｍａｂａｃｔｅｒ（属）、Ｅｒｅｍｏｃｏｃｃｕｓ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｆｒｅｉｂｕｒｇｅｎｓｅ（種）、Ｅｒｅｍｏｃ（ＫＥＧＧ３）ｏｃｃｕｓ ｃｏｌｅｏｃｏｌａ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． （種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ９Ｉ２（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ８４０５２５４ （種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｇｌｕｃｕｒｏｎｏｌｙｔｉｃｕｍ（種）、Ｄｅｒｍａｂａｃｔｅｒ ｈｏｍｉｎｉｓ（種）、Ｃｏｒｉｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｓｔａｐｈｙｌｏｃｏｃｃａｃｅａｅ（科）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｂａｃｉｌｌａｌｅｓ（目）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ（属）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ（属）、Ａｔｏｐｏｂｉｕｍ（属）、Ｍｅｇａｓｐｈａｅｒａ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ＢＳ３５ａ（種）、Ｆｉｎｅｇｏｌｄｉａ ｍａｇｎａ（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ａｕｒｅｕｓ（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｉｎｆｌｕｅｎｚａｅ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． ＮＭＬ ９７－０１８６（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ５９ （種）、Ｄｏｒｅａ（属）、Ｒｏｓｅｂｕｒｉａ ｓｐ． １１ＳＥ３９ （種）、Ｄｏｒｅａ ｌｏｎｇｉｃａｔｅｎａ（種）、Ｐｒｅｖｏｔｅｌｌａｃｅａｅ（科）、Ｖｅｉｌｌｏｎｅｌｌａｃｅａｅ（科）、Ｏｓｃｉｌｌｏｓｐｉｒａｃｅａｅ（科）、Ｎｅｇａｔｉｖｉｃｕｔｅｓ（綱）， Ｓｅｌｅｎｏｍｏｎａｄａｌｅｓ（目）、Ｆｉｎｅｇｏｌｄｉａ（属）、Ｏｓｃｉｌｌｏｓｐｉｒａ（属）、Ｉｎｔｅｓｔｉｎｉｍｏｎａｓ（属）、Ｆｌａｖｏｎｉｆｒａｃｔｏｒ（属）、Ｐｒｅｖｏｔｅｌｌａ（属）、Ｍｏｒｙｅｌｌａ（属）、Ｃａｔｅｎｉｂａｃｔｅｒｉｕｍ ｍｉｔｓｕｏｋａｉ（種）、Ｃｏｌｌｉｎｓｅｌｌａ ａｅｒｏｆａｃｉｅｎｓ（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ２００２－２３００００４ （種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｃａｎｉｓ（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ９ ＡＡ１－５（種）、Ｐｒｅｖｏｔｅｌｌａ ｂｕｃｃａｌｉｓ（種）、Ｄｉａｌｉｓｔｅｒ ｉｎｖｉｓｕｓ（種）、Ｍｏｒａｘｅｌｌａ（属）、Ｎｅｉｓｓｅｒｉａ（属）、Ｎｅｉｓｓｅｒｉａ ｍｕｃｏｓａ（種）、Ｒｉｋｅｎｅｌｌａｃｅａｅ（科）、補因子及びビタミンの代謝（ＫＥＧＧ２）、酵素ファミリー（ＫＥＧＧ２）、脂質代謝（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、解糖／糖新生（ＫＥＧＧ３）、原発性免疫不全（ＫＥＧＧ３）、ピルビン酸代謝（ＫＥＧＧ３）、輸送及び異化作用（ＫＥＧＧ２）、神経変性疾患（ＫＥＧＧ２）、内分泌系（ＫＥＧＧ２）、アミノ酸代謝（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、シグナル伝達分子及び相互作用（ＫＥＧＧ２）、他のアミノ酸の代謝（ＫＥＧＧ２）、複製及び修復（ＫＥＧＧ２）、翻訳（ＫＥＧＧ２）、細胞増殖及び細胞死（ＫＥＧＧ２）、膜輸送（ＫＥＧＧ２）、他の二次代謝物の生合成（ＫＥＧＧ２）、テルペノイド及びポリケチドの代謝（ＫＥＧＧ２）、無機イオンの輸送及び代謝（ＫＥＧＧ３）、ビタミン代謝（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの生合成（ＫＥＧＧ３）、ペルオキシソーム（ＫＥＧＧ３）、リボソーム生合成（ＫＥＧＧ３）、セレン化合物代謝（ＫＥＧＧ３）、ヒスチジン代謝（ＫＥＧＧ３）、染色体（ＫＥＧＧ３）、硫黄代謝（ＫＥＧＧ３）、ＰＰＡＲシグナル伝達経路（ＫＥＧＧ３）、ポルフィリン及びクロロフィルの代謝（ＫＥＧＧ３）、ホスファチジルイノシトールシグナル伝達系（ＫＥＧＧ３）、イノシトールリン酸代謝（ＫＥＧＧ３）、硫黄リレー系（ＫＥＧＧ３）、グリシン、セリン及びトレオニンの代謝（ＫＥＧＧ３）、ＤＮＡ複製タンパク質（ＫＥＧＧ３）、パントテン酸及びＣｏＡの生合成（ＫＥＧＧ３）、翻訳因子（ＫＥＧＧ３）、タンパク質のフォールディング及び関連するプロセッシング（ＫＥＧＧ３）、ＩＩ型真性糖尿病（ＫＥＧＧ３）、プロテインキナーゼ（ＫＥＧＧ３）、葉酸生合成（ＫＥＧＧ３）、リシン分解（ＫＥＧＧ３）、ＲＮＡポリメラーゼ（ＫＥＧＧ３）、Ｄ－アラニン代謝（ＫＥＧＧ３）、光合成生物における炭素固定（ＫＥＧＧ３）、窒素代謝（ＫＥＧＧ３）、グリセロリン脂質代謝（ＫＥＧＧ３）、アンサマイシン類の生合成（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの分解（ＫＥＧＧ３）、細胞骨格タンパク質（ＫＥＧＧ３）、ペプチダーゼ（ＫＥＧＧ３）、脂肪酸代謝（ＫＥＧＧ３）、細胞周期－カウロバクター属（ＫＥＧＧ３）、ホスホトランスフェラーゼ系（ＰＴＳ）（ＫＥＧＧ３）、ピリミジン代謝（ＫＥＧＧ３）、アルツハイマー病（ＫＥＧＧ３）、ブタン酸代謝（ＫＥＧＧ３）、トリプトファン代謝（ＫＥＧＧ３）、シグナル伝達機構（ＫＥＧＧ３）、ペントースリン酸経路（ＫＥＧＧ３）、他のイオン共役輸送体（ＫＥＧＧ３）、相同組換え（ＫＥＧＧ３）、複製、組換え、及び修復のタンパク質（ＫＥＧＧ３）、キシレン分解（ＫＥＧＧ３）、ミスマッチ修復（ＫＥＧＧ３）、グリオキシル酸及びジカルボン酸の代謝（ＫＥＧＧ３）、アルギニン及びプロリンの代謝（ＫＥＧＧ３）、ペプチドグリカン生合成（ＫＥＧＧ３）、シャペロン及びフォールディング触媒（ＫＥＧＧ３）、Ｉ型真正糖尿病（ＫＥＧＧ３）、ＤＮＡ複製（ＫＥＧＧ３）、細菌性分泌系（ＫＥＧＧ３）、チロシン代謝（ＫＥＧＧ３）、クエン酸回路（ＴＣＡサイクル）（ＫＥＧＧ３）、アミノ糖及びヌクレオチド糖の代謝（ＫＥＧＧ３）、リボソーム（ＫＥＧＧ３）、リモネン及びピネンの分解（ＫＥＧＧ３）、細胞運動性及び分泌（ＫＥＧＧ３）、タウリン及びハイポタウリンの代謝（ＫＥＧＧ３）、酸化的リン酸化（ＫＥＧＧ３）、フルクトース及びマンノースの代謝（ＫＥＧＧ３）、ビタミンＢ６代謝（ＫＥＧＧ３）、イオンチャネル（ＫＥＧＧ３）、ケトン体の合成及び分解（ＫＥＧＧ３）、他の輸送体（ＫＥＧＧ３）、ガラクトース代謝（ＫＥＧＧ３）、多環式芳香族炭化水素分解（ＫＥＧＧ３）、輸送体（ＫＥＧＧ３）、ＤＮＡ修復及び組換えのタンパク質（ＫＥＧＧ３）、デンプン及びショ糖の代謝（ＫＥＧＧ３）、アラニン、アスパラギン酸、及びグルタミン酸の代謝（ＫＥＧＧ３）、真核生物におけるリボソーム生合成（ＫＥＧＧ３）、分泌系（ＫＥＧＧ３）、不飽和脂肪酸の生合成（ＫＥＧＧ３）、システイン及びメチオニンの代謝（ＫＥＧＧ３）、塩基除去修復（ＫＥＧＧ３）、アミノ安息香酸分解（ＫＥＧＧ３）、光合成（ＫＥＧＧ３）、光合成タンパク質（ＫＥＧＧ３）、ポアイオンチャネル（ＫＥＧＧ３）、脂質生合成タンパク質（ＫＥＧＧ３）、並びにＤ－グルタミン及びＤ－グルタミン酸の代謝（ＫＥＧＧ３）のうちの少なくとも１つに関連する状態を含む、請求項１に記載のシステム。 - ユーザーに関連する試料に由来する微生物核酸群に基づいて前記ユーザーについての微生物配列データセットを決定すること；
一セットのマイクロバイオーム特徴群に基づいて微生物関連状態のモデルを作成すること；並びに
腸、生殖器、口、皮膚、及び鼻のうちの２つ以上を含む複数の採取部位に対応する一セットの多様部位試料群を前記ユーザーから採取すること、ここで前記一セットの多様部位試料群は前記ユーザー由来の前記試料を含む；
前記一セットの多様部位試料群及び前記微生物関連状態のモデルに基づいて一セットの部位別疾患性向メトリック群を決定すること、ここで前記一セットの部位別疾患性向メトリック群の中の各部位別疾患性向メトリックは、前記複数の採取部位のうちの異なる採取部位に対応し、かつ、前記微生物関連状態に関連する；及び
前記一セットの部位別疾患性向メトリック群に基づいて前記ユーザーについての総合的疾患性向メトリックを決定すること、ここで前記総合的疾患性向メトリックは前記微生物関連状態に関連する、
によって前記ユーザーについての微生物関連状態の特徴解析結果を決定すること
を含む方法であり、
前記一セットのマイクロバイオーム特徴群は、前記微生物配列データセットに一セットの解析技術群を適用することにより決定され、
前記一セットの解析技術群が統計的検定、次元削減法、及び人工知能アプローチのうちの少なくとも１つを含む、
微生物が関連する状態を特徴解析する（ｃｈａｒａｃｔｅｒｉｚｉｎｇ）ための方法。 - 前記一セットのマイクロバイオーム特徴群を決定することは、
前記微生物配列データセットに基いて、初期セットに属するマイクロバイオーム特徴群を決定すること、及び
前記初期セットのマイクロバイオーム特徴群に対して次元削減法を適用して、前記一セットのマイクロバイオーム特徴群を決定すること、
を含み、ここで前記次元削減法は、欠損値比率、主成分分析、確率的主成分分析、行列因子分解法、成分混合モデル、及び特徴埋め込み法のうちの少なくとも１つを含む、請求項８に記載の方法。 - 前記マイクロバイオーム特徴群の初期セットを決定することは、前記微生物配列データセットに対して前記統計的検定を適用して、前記マイクロバイオーム特徴群の初期セットを決定すること、を含み、
ここで、前記統計的検定は、ｔ検定、コルモゴロフ・スミルノフ検定、及び回帰モデルのうちの少なくとも１つを含む、請求項９に記載の方法。 - 機械学習アプローチが、前記一セットのマイクロバイオーム特徴群について関連度スコアを決定し、
前記微生物関連状態は、前記一セットのマイクロバイオーム特徴群及び前記関連度スコアに基づいて作成される、請求項９に記載の方法。 - 前記特徴解析結果を決定することが、前記微生物関連状態のモデル、前記ユーザー由来の前記試料、及び、前記一セットのマイクロバイオーム特徴群と薬品代謝との間の既知の関連性に基づいて、前記微生物関連状態に関連する薬品代謝特徴解析結果を決定することを含む、請求項９に記載の方法。
- 前記一セットの多様部位試料群に基づいて前記複数の採取部位に関連する微生物データセットを決定することをさらに含み、前記総合的疾患性向メトリックの決定が、
共分散メトリック及び相関メトリックのうちの少なくとも一方を前記微生物データセットに基づいて決定すること、ここで、前記共分散メトリック及び前記相関メトリックのうちの前記少なくとも一方は前記複数の採取部位に関連する；及び
前記一セットの部位別疾患性向メトリック群並びに前記共分散メトリック及び前記相関メトリックのうちの前記少なくとも一方に基づいて前記ユーザーについての前記総合的疾患性向メトリックを決定すること、
を含む、請求項８に記載の方法。 - 前記マイクロバイオーム特徴群を決定するための前記一セットの解析技術群の適用の前の、
（ａ）前記一セットの試料群のうちの第１の試料はずれ値に対応する第１の試料データを除外すること、ここで前記第１の試料はずれ値は、主成分分析、次元削減法、及び多変量解析法のうちの少なくとも１つにより決定される；（ｂ）前記一セットの試料群のうちの第２の試料はずれ値に対応する第２の試料データを除外すること、ここで前記第２の試料はずれ値は、前記一セットのマイクロバイオーム特徴群についての対応データ品質に基づいて決定される；及び（ｃ）マイクロバイオーム特徴の試料数が閾値試料数条件を満たすことができないことに基づいて当該マイクロバイオーム特徴を前記一セットのマイクロバイオーム特徴群から除外すること、ここで前記試料数は前記マイクロバイオーム特徴についての高品質データに関連する試料の数に対応する、
のうちの少なくとも１つによる前記微生物配列データセットのフィルタリングに基づいて、前記微生物関連状態のモデルが作成される、請求項８に記載の方法。 - 前記ユーザーについて前記微生物関連状態の特徴解析結果を決定することが、一セットのユーザーマイクロバイオーム特徴群及び前記微生物関連状態のモデルに基づいて前記ユーザーについての光過敏性関連状態の皮膚関連特徴解析結果を決定することを含み、
前記ユーザーマイクロバイオーム特徴セットは、Ａｌｌｏｐｒｅｖｏｔｅｌｌａ（属）、Ｐｒｅｖｏｔｅｌｌａ ｓｐ． ＷＡＬ ２０３９Ｇ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｂａｃｔｅｒｏｉｄａｃｅａｅ（科）、Ｂｌａｕｔｉａ（属）、Ｂａｃｔｅｒｏｉｄｅｓ（属）、Ｄｅｓｕｌｆｏｖｉｂｒｉｏ（属）、Ｃｌｏｓｔｒｉｄｉｕｍ（属）、Ｂａｃｔｅｒｏｉｄｅｓ ｖｕｌｇａｔｕｓ（種）、Ｆａｅｃａｌｉｂａｃｔｅｒｉｕｍ ｐｒａｕｓｎｉｔｚｉｉ（種）、Ｂｌａｕｔｉａ ｆａｅｃｉｓ（種）、Ａｌｉｓｔｉｐｅｓ ｐｕｔｒｅｄｉｎｉｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２０ （種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２９（種）、Ｂａｃｔｅｒｏｉｄｅｓ ａｃｉｄｉｆａｃｉｅｎｓ（種）、Ｄｉｅｌｍａ（属）、Ｓｌａｃｋｉａ（属）、Ｅｇｇｅｒｔｈｅｌｌａ（属）、Ａｄｌｅｒｃｒｅｕｔｚｉａ（属）、Ｐａｒａｐｒｅｖｏｔｅｌｌａ（属）、Ａｌｉｓｔｉｐｅｓ（属）、Ｈｏｌｄｅｍａｎｉａ（属）、Ｅｉｓｅｎｂｅｒｇｉｅｌｌａ（属）、Ｅｎｔｅｒｏｒｈａｂｄｕｓ（属）、Ａｄｌｅｒｃｒｅｕｔｚｉａ ｅｑｕｏｌｉｆａｃｉｅｎｓ（種）、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｕｃｃｉｎａｔｕｔｅｎｓ（種）、Ｒｏｓｅｂｕｒｉａ ｉｎｕｌｉｎｉｖｏｒａｎｓ（種）、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｐ． ３７７（種）、Ｄｅｓｕｌｆｏｖｉｂｒｉｏ ｐｉｇｅｒ（種）、Ｅｇｇｅｒｔｈｅｌｌａ ｓｐ． ＨＧＡ１（種）、Ｌａｃｔｏｎｉｆａｃｔｏｒ ｌｏｎｇｏｖｉｆｏｒｍｉｓ（種）、Ａｌｉｓｔｉｐｅｓ ｓｐ． ＨＧＢ５（種）、Ｈｏｌｄｅｍａｎｉａ ｆｉｌｉｆｏｒｍｉｓ（種）、Ｃｏｌｌｉｎｓｅｌｌａ ｉｎｔｅｓｔｉｎａｌｉｓ（種）、Ｎｅｉｓｓｅｒｉａ ｍａｃａｃａｅ（種）、Ｃｌｏｓｔｒｉｄｉａｃｅａｅ（科）、Ｇｅｍｅｌｌａ ｓａｎｇｕｉｎｉｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｆｒａｇｉｌｉｓ（種）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ（科）、Ｐａｓｔｅｕｒｅｌｌａｃｅａｅ（科）、Ｐａｓｔｅｕｒｅｌｌａｌｅｓ（目）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｈａｅｍｏｐｈｉｌｕｓ（属）、Ｌｅｕｃｏｎｏｓｔｏｃ（属）、Ｂｒｅｖｕｎｄｉｍｏｎａｓ（属）、Ｐｒｅｖｏｔｅｌｌａ ｏｒｉｓ（種）、Ｏｄｏｒｉｂａｃｔｅｒ（属）、Ｃａｐｎｏｃｙｔｏｐｈａｇａ（属）、Ｆｌａｖｏｂａｃｔｅｒｉｕｍ（属）、Ｐｓｅｕｄｏｍｏｎａｓ ｂｒｅｎｎｅｒｉ（種）、Ｆｌａｖｏｂａｃｔｅｒｉｕｍ ｃｅｔｉ（種）、Ｂｒｅｖｕｎｄｉｍｏｎａｓ ｓｐ． ＦＸＪ８．０８０（種）、Ｒｕｍｉｎｏｃｏｃｃａｃｅａｅ（科）、Ｖｉｂｒｉｏｎａｃｅａｅ（科）、Ｆｌａｖｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｆｕｓｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｐｏｒｐｈｙｒｏｍｏｎａｄａｃｅａｅ（科）、Ｂｒｅｖｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ｒｈｏｄｏｂａｃｔｅｒａｃｅａｅ（科）、Ｉｎｔｒａｓｐｏｒａｎｇｉａｃｅａｅ（科）、Ｂｉｆｉｄｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃａｕｌｏｂａｃｔｅｒａｃｅａｅ（科）、Ｃａｍｐｙｌｏｂａｃｔｅｒａｃｅａｅ（科）、Ｂａｃｔｅｒｏｉｄｉａ（綱）、Ｆｕｓｏｂａｃｔｅｒｉｉａ（綱）、Ｆｌａｖｏｂａｃｔｅｒｉｉａ（綱）、Ｂｉｆｉｄｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｎｅｉｓｓｅｒｉａｌｅｓ（目）、Ｂａｃｔｅｒｏｉｄａｌｅｓ（目）、Ｒｈｏｄｏｂａｃｔｅｒａｌｅｓ（目）、Ｆｌａｖｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｖｉｂｒｉｏｎａｌｅｓ（目）、Ｆｕｓｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｃａｕｌｏｂａｃｔｅｒａｌｅｓ（目）、Ｆｕｓｏｂａｃｔｅｒｉａ（門）、Ａｃｔｉｎｏｂａｃｕｌｕｍ（属）、Ｖａｒｉｂａｃｕｌｕｍ（属）、Ｆｕｓｉｃａｔｅｎｉｂａｃｔｅｒ（属）、Ｂｒｅｖｉｂａｃｔｅｒｉｕｍ（属）、Ｆａｅｃａｌｉｂａｃｔｅｒｉｕｍ（属）、Ｃａｍｐｙｌｏｂａｃｔｅｒ（属）、Ａｃｔｉｎｏｂａｃｉｌｌｕｓ（属）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ（属）、Ｆｕｓｏｂａｃｔｅｒｉｕｍ（属）、Ｃｈｒｙｓｅｏｂａｃｔｅｒｉｕｍ（属）、Ｍｅｇａｓｐｈａｅｒａ（属）、Ｒｏｔｈｉａ（属）、Ｎｅｉｓｓｅｒｉａ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ＢＬ３０２（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｐｌｅｂｅｉｕｓ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｕｌｃｅｒａｎｓ（種）、Ｖａｒｉｂａｃｕｌｕｍ ｃａｍｂｒｉｅｎｓｅ（種）、Ｂｌａｕｔｉａ ｗｅｘｌｅｒａｅ（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． ＷＢ１８－１６（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ６３（種）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ａｃｎｅｓ（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０１４８７（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｐａｒａｉｎｆｌｕｅｎｚａｅ（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｅｐｉｄｅｒｍｉｄｉｓ（種）、Ｃａｍｐｙｌｏｂａｃｔｅｒ ｕｒｅｏｌｙｔｉｃｕｓ（種）、Ｊａｎｉｂａｃｔｅｒ ｓｐ． Ｍ３－５（種）、Ｐｒｅｖｏｔｅｌｌａ ｔｉｍｏｎｅｎｓｉｓ（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ＤＮＦ００８４０（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ８ Ｆ７（種）、Ｐｒｅｖｏｔｅｌｌａ ｄｉｓｉｅｎｓ（種）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ ｃａｔｏｎｉａｅ（種）、Ｆｕｓｏｂａｃｔｅｒｉｕｍ ｐｅｒｉｏｄｏｎｔｉｃｕｍ（種）、感染症（ＫＥＧＧ２）、特徴不明（Ｐｏｏｒｌｙ Ｃｈａｒａｃｔｅｒｉｚｅｄ）（ＫＥＧＧ２）、代謝疾患（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、制限酵素（ＫＥＧＧ３）、並びにヌクレオチド除去修復（ＫＥＧＧ３）のうちの少なくとも１つに関連する特徴を含む、請求項８に記載の方法。 - 前記ユーザーについて前記微生物関連状態の特徴解析結果を決定することが、一セットのユーザーマイクロバイオーム特徴群及び前記微生物関連状態のモデルに基づいて前記ユーザーについての乾燥肌関連状態の皮膚関連特徴解析結果を決定することを含み、
前記一セットのユーザーマイクロバイオーム特徴群は、Ｃｏｒｙｎｅｂａｃｔｅｒｉａｃｅａｅ（科）、Ｂａｃｉｌｌｉ（綱）、Ｌａｃｔｏｂａｃｉｌｌａｌｅｓ（目）、Ａｃｔｉｎｏｍｙｃｅｔａｌｅｓ（目）、Ｆｉｒｍｉｃｕｔｅｓ（門）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ（属）、Ｄｅｒｍａｂａｃｔｅｒａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌａｃｅａｅ（科）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ａｃｔｉｎｏｂａｃｔｅｒｉａ（綱）、Ｄｅｒｍａｂａｃｔｅｒ（属）、Ｄｉａｌｉｓｔｅｒ（属）、Ｆａｃｋｌａｍｉａ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ（属）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｕｌｃｅｒａｎｓ（種）、Ｆａｃｋｌａｍｉａ ｈｏｍｉｎｉｓ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． （種）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ｓｐ． ＭＳＰ０９Ａ（種）、Ｆａｃｋｌａｍｉａ ｓｐ． １４４０－９７（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ９Ｉ２（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０２０８０（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｇｌｕｃｕｒｏｎｏｌｙｔｉｃｕｍ（種）、Ｄｅｒｍａｂａｃｔｅｒ ｈｏｍｉｎｉｓ（種）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｐｓｅｕｄｏｍｏｎａｄａｃｅａｅ（科）、Ｓｔａｐｈｙｌｏｃｏｃｃａｃｅａｅ（科）、Ｇａｍｍａｐｒｏｔｅｏｂａｃｔｅｒｉａ（綱）、Ｂａｃｉｌｌａｌｅｓ（目）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ（属）、Ｐｓｅｕｄｏｍｏｎａｓ（属）、Ａｎａｅｒｏｇｌｏｂｕｓ（属）、Ｋｌｕｙｖｅｒａ（属）、Ａｔｏｐｏｂｉｕｍ（属）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ（属）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ＢＬ３０２（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｌｏｎｇｕｍ（種）、Ａｎａｅｒｏｇｌｏｂｕｓ ｇｅｍｉｎａｔｕｓ（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． Ｓ９ ＰＲ－１６（種）、Ｐｒｅｖｏｔｅｌｌａ ｔｉｍｏｎｅｎｓｉｓ（種）、Ｋｌｕｙｖｅｒａ ｇｅｏｒｇｉａｎａ（種）、Ａｃｔｉｎｏｂａｃｕｌｕｍ（属）、Ｆｉｎｅｇｏｌｄｉａ（属）、Ｃｒｏｎｏｂａｃｔｅｒ（属）、Ａｃｉｎｅｔｏｂａｃｔｅｒ ｓｐ． ＷＢ２２－２３（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｏｃｔａｖｉｕｓ（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ９ ＡＡ１－５（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ－Ｄ－ＭＡ２（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ７－２（種）、Ｃｒｏｎｏｂａｃｔｅｒ ｓａｋａｚａｋｉｉ（種）、Ｐａｓｔｅｕｒｅｌｌａｃｅａｅ（科）、Ａｃｉｄｏｂａｃｔｅｒｉｉａ（綱）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉｉａ（綱）、Ｓｐｈｉｎｇｏｂａｃｔｅｒｉａｌｅｓ（目）、Ａｃｉｄｏｂａｃｔｅｒｉａ（門）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ（属）、Ｈａｅｍｏｐｈｉｌｕｓ（属）、Ａｃｉｎｅｔｏｂａｃｔｅｒ（属）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ８４０５２５４ （種）、Ｓｐｈｉｎｇｏｍｏｎａｄａｃｅａｅ（科）、Ｓｐｈｉｎｇｏｍｏｎａｄａｌｅｓ（目）、Ｋｏｃｕｒｉａ（属）、Ｇｅｍｅｌｌａ（属）、Ｖｅｉｌｌｏｎｅｌｌａ ｓｐ． ＣＭ６０（種）、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ７＿１＿４７ＦＡＡ（種）、Ｇｅｍｅｌｌａ ｓｐ． ９３３－８８ （種）、Ｐｏｒｐｈｙｒｏｍｏｎａｓ ｃａｔｏｎｉａｅ（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｐａｒａｉｎｆｌｕｅｎｚａｅ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２０（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｖｕｌｇａｔｕｓ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． Ｄ２２（種）、Ｄｏｒｅａ ｌｏｎｇｉｃａｔｅｎａ（種）、Ｐａｒａｂａｃｔｅｒｏｉｄｅｓ ｍｅｒｄａｅ（種）、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２９ （種）、Ｄｏｒｅａ（属）、Ｃｏｌｌｉｎｓｅｌｌａ（属）、Ｂａｃｔｅｒｏｉｄｅｓ（属）、Ｏｓｃｉｌｌｏｓｐｉｒａｃｅａｅ（科）、Ｒｕｍｉｎｏｃｏｃｃａｃｅａｅ（科）、Ｂａｃｔｅｒｏｉｄａｃｅａｅ（科）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｃｅａｅ（科）、Ｃｏｒｉｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃｌｏｓｔｒｉｄｉａｌｅｓ（目）、Ｂａｃｔｅｒｏｉｄａｌｅｓ（目）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｌｅｓ（目）、Ｃｏｒｉｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｔｈｅｒｍｏａｎａｅｒｏｂａｃｔｅｒａｌｅｓ（目）、Ｃｌｏｓｔｒｉｄｉａ（綱）、Ｂａｃｔｅｒｏｉｄｉａ（綱）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａｅ（綱）、Ｖｅｒｒｕｃｏｍｉｃｒｏｂｉａ（門）、Ｂａｃｔｅｒｏｉｄｅｔｅｓ（門）、翻訳（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、アミノ酸代謝（ＫＥＧＧ２）、細胞増殖及び細胞死（ＫＥＧＧ２）、複製及び修復（ＫＥＧＧ２）、他のアミノ酸の代謝（ＫＥＧＧ２）、神経変性疾患（ＫＥＧＧ２）、補因子及びビタミンの代謝（ＫＥＧＧ２）、輸送及び異化作用（ＫＥＧＧ２）、内分泌系（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、排出系（ＫＥＧＧ２）、酵素ファミリー（ＫＥＧＧ２）、膜輸送（ＫＥＧＧ２）、炭水化物代謝（ＫＥＧＧ２）、他の二次代謝物の生合成（ＫＥＧＧ２）、テルペノイド及びポリケチドの代謝（ＫＥＧＧ２）、感染症（ＫＥＧＧ２）、遺伝情報処理（ＫＥＧＧ２）、神経系（ＫＥＧＧ２）、環境適応（ＫＥＧＧ２）、ヌクレオチド代謝（ＫＥＧＧ２）、シグナル伝達分子及び相互作用（ＫＥＧＧ２）、シグナル伝達（ＫＥＧＧ２）、無機イオンの輸送及び代謝（ＫＥＧＧ３）、染色体（ＫＥＧＧ３）、細胞周期－カウロバクター属（ＫＥＧＧ３）、リボソーム生合成（ＫＥＧＧ３）、ＤＮＡ複製タンパク質（ＫＥＧＧ３）、翻訳因子（ＫＥＧＧ３）、グリシン、セリン及びトレオニンの代謝（ＫＥＧＧ３）、硫黄代謝（ＫＥＧＧ３）、他のイオン共役輸送体（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの生合成（ＫＥＧＧ３）、窒素代謝（ＫＥＧＧ３）、ペプチドグリカン生合成（ＫＥＧＧ３）、相同組換え（ＫＥＧＧ３）、ペルオキシソーム（ＫＥＧＧ３）、硫黄リレー系（ＫＥＧＧ３）、ペプチダーゼ（ＫＥＧＧ３）、プロテインキナーゼ（ＫＥＧＧ３）、ミスマッチ修復（ＫＥＧＧ３）、キシレン分解（ＫＥＧＧ３）、リボソーム（ＫＥＧＧ３）、ＲＮＡポリメラーゼ（ＫＥＧＧ３）、トリプトファン代謝（ＫＥＧＧ３）、ヒスチジン代謝（ＫＥＧＧ３）、ビタミン代謝（ＫＥＧＧ３）、細胞運動性及び分泌（ＫＥＧＧ３）、ピリミジン代謝（ＫＥＧＧ３）、細胞骨格タンパク質（ＫＥＧＧ３）、ＤＮＡ複製（ＫＥＧＧ３）、アミノ糖及びヌクレオチド糖の代謝（ＫＥＧＧ３）、葉酸生合成（ＫＥＧＧ３）、光合成生物における炭素固定（ＫＥＧＧ３）、ホスファチジルイノシトールシグナル伝達系（ＫＥＧＧ３）、リシン分解（ＫＥＧＧ３）、セレン化合物代謝（ＫＥＧＧ３）、フルクトース及びマンノースの代謝（ＫＥＧＧ３）、イノシトールリン酸代謝（ＫＥＧＧ３）、タンパク質フォールディングとこれに関連するプロセッシング（ＫＥＧＧ３）、ＰＰＡＲシグナル伝達経路（ＫＥＧＧ３）、脂質代謝（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの分解（ＫＥＧＧ３）、グリオキシル酸及びジカルボン酸の代謝（ＫＥＧＧ３）、アルギニン及びプロリンの代謝（ＫＥＧＧ３）、リモネン及びピネンの分解（ＫＥＧＧ３）、Ｄ－アラニン代謝（ＫＥＧＧ３）、ポルフィリン及びクロロフィルの代謝（ＫＥＧＧ３）、Ｃｓ分岐鎖二塩基酸代謝（ＫＥＧＧ３）、シャペロン及びフォールディング触媒（ＫＥＧＧ３）、脂肪酸代謝（ＫＥＧＧ３）、グルタチオン代謝（ＫＥＧＧ３）、ペントースリン酸経路（ＫＥＧＧ３）、ホスホトランスフェラーゼ系（ＰＴＳ）（ＫＥＧＧ３）、パントテン酸及びＣｏＡの生合成（ＫＥＧＧ３）、近位尿細管重炭酸塩再吸収（ＫＥＧＧ３）、ガラクトース代謝（ＫＥＧＧ３）、デンプン及びショ糖の代謝（ＫＥＧＧ３）、原発性免疫不全（ＫＥＧＧ３）、システイン及びメチオニンの代謝（ＫＥＧＧ３）、ユビキノン及び他のテルペノイド－キノンの生合成（ＫＥＧＧ３）、ＤＮＡ修復及び組換えのタンパク質（ＫＥＧＧ３）、チロシン代謝（ＫＥＧＧ３）、フェニルアラニン、チロシン、及びトリプトファンの生合成（ＫＥＧＧ３）、アミノアシル－ｔＲＮＡ生合成（ＫＥＧＧ３）、アラニン、アスパラギン酸、及びグルタミン酸の代謝（ＫＥＧＧ３）、光合成（ＫＥＧＧ３）、他の輸送体（ＫＥＧＧ３）、ブタン酸代謝（ＫＥＧＧ３）、細菌性分泌系（ＫＥＧＧ３）、グリセロリン脂質代謝（ＫＥＧＧ３）、酸化的リン酸化（ＫＥＧＧ３）、Ｉ型真正糖尿病（ＫＥＧＧ３）、解糖／糖新生（ＫＥＧＧ３）、光合成タンパク質（ＫＥＧＧ３）、輸送体（ＫＥＧＧ３）、テルペノイド骨格生合成（ＫＥＧＧ３）、不飽和脂肪酸の生合成（ＫＥＧＧ３）、シグナル伝達機構（ＫＥＧＧ３）、ケトン体の合成及び分解（ＫＥＧＧ３）、ヌクレオチド除去修復（ＫＥＧＧ３）、分泌系（ＫＥＧＧ３）、アルツハイマー病（ＫＥＧＧ３）、ゼアチン生合成（ＫＥＧＧ３）、ＩＩ型真性糖尿病（ＫＥＧＧ３）、Ｄ－グルタミン及びＤ－グルタミン酸の代謝（ＫＥＧＧ３）、タウリン及びハイポタウリンの代謝（ＫＥＧＧ３）、グルタミン酸作動性シナプス（ＫＥＧＧ３）、植物－病原体相互作用（ＫＥＧＧ３）、ビタミンＢ６代謝（ＫＥＧＧ３）、クエン酸回路（ＴＣＡサイクル）（ＫＥＧＧ３）、エチルベンゼン分解（ＫＥＧＧ３）、塩基除去修復（ＫＥＧＧ３）、複製、組換え、及び修復のタンパク質（ＫＥＧＧ３）、真核生物におけるリボソーム生合成（ＫＥＧＧ３）、アミノ安息香酸分解（ＫＥＧＧ３）、細菌運動性タンパク質（ＫＥＧＧ３）、アンサマイシン類の生合成（ＫＥＧＧ３）、イオンチャネル（ＫＥＧＧ３）、代謝（ＫＥＧＧ２）、特徴不明（Ｐｏｏｒｌｙ Ｃｈａｒａｃｔｅｒｉｚｅｄ）（ＫＥＧＧ２）、二次代謝物の生合成と生分解（ＫＥＧＧ３）、リポ酸代謝（ＫＥＧＧ３）、アミノ酸関連酵素（ＫＥＧＧ３）、翻訳タンパク質（ＫＥＧＧ３）、アスコルビン酸及びアルダル酸の代謝（ＫＥＧＧ３）、チアミン代謝（ＫＥＧＧ３）、機能未知（Ｆｕｎｃｔｉｏｎ ｕｎｋｎｏｗｎ）（ＫＥＧＧ３）、グリコサミノグリカン分解（ＫＥＧＧ３）、その他（Ｏｔｈｅｒｓ）（ＫＥＧＧ３）、ペントース及びグルクロン酸の相互変換（ＫＥＧＧ３）、ビオチン代謝（ＫＥＧＧ３）、フェニルアラニン代謝（ＫＥＧＧ３）、スフィンゴ糖脂質生合成－ガングリオシリーズ（ＫＥＧＧ３）、ポアイオンチャネル（Ｐｏｒｅｓ ｉｏｎ ｃｈａｎｎｅｌｓ）（ＫＥＧＧ３）、膜及び細胞内構造分子（ＫＥＧＧ３）、プリン代謝（ＫＥＧＧ３）、葉酸による１炭素プール（ＫＥＧＧ３）、ホスホン酸及びホスフィン酸の代謝（ＫＥＧＧ３）、リソソーム（ＫＥＧＧ３）、薬物代謝－他の酵素（ＫＥＧＧ３）、ペニシリン及びセファロスポリンの生合成（ＫＥＧＧ３）、ハンチントン病（ＫＥＧＧ３）、ニコチン酸及びニコチンアミドの代謝（ＫＥＧＧ３）、薬物代謝－シトクロムＰ４５０（ＫＥＧＧ３）、リポ多糖生合成タンパク質（ＫＥＧＧ３）、シトクロムＰ４５０による生体外物質の代謝（ＫＥＧＧ３）、結核（ＫＥＧＧ３）、並びに多環式芳香族炭化水素分解（ＫＥＧＧ３）のうちの少なくとも１つに関連する特徴を含む、請求項８に記載の方法。 - 前記ユーザーについて前記微生物関連状態の特徴解析結果を決定することが、一セットのユーザーマイクロバイオーム特徴群及び前記微生物関連状態のモデルに基づいて前記ユーザーについての頭皮関連状態の皮膚関連特徴解析結果を決定することを含み、
前記一セットのユーザーマイクロバイオーム特徴群は、Ａｃｔｉｎｏｂａｃｔｅｒｉａ（綱）、Ｌａｃｔｏｂａｃｉｌｌａｌｅｓ（目）、Ａｃｔｉｎｏｍｙｃｅｔａｌｅｓ（目）、Ｆｉｒｍｉｃｕｔｅｓ（門）、Ｄｅｒｍａｂａｃｔｅｒａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌａｃｅａｅ（科）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉａｃｅａｅ（科）、Ｃｏｒｙｎｅｂａｃｔｅｒｉａｃｅａｅ（科）、Ｌａｃｔｏｂａｃｉｌｌｕｓ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ（属）、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ（属）、Ｄｅｒｍａｂａｃｔｅｒ（属）、Ｅｒｅｍｏｃｏｃｃｕｓ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｆｒｅｉｂｕｒｇｅｎｓｅ（種）、Ｅｒｅｍｏｃ（ＫＥＧＧ３）ｏｃｃｕｓ ｃｏｌｅｏｃｏｌａ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． （種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ９Ｉ２（種）、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ８４０５２５４ （種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｇｌｕｃｕｒｏｎｏｌｙｔｉｃｕｍ（種）、Ｄｅｒｍａｂａｃｔｅｒ ｈｏｍｉｎｉｓ（種）、Ｃｏｒｉｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｃｅａｅ（科）、Ｓｔａｐｈｙｌｏｃｏｃｃａｃｅａｅ（科）、Ｅｎｔｅｒｏｂａｃｔｅｒｉａｌｅｓ（目）、Ｂａｃｉｌｌａｌｅｓ（目）、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ（属）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ（属）、Ａｔｏｐｏｂｉｕｍ（属）、Ｍｅｇａｓｐｈａｅｒａ（属）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ＢＳ３５ａ（種）、Ｆｉｎｅｇｏｌｄｉａ ｍａｇｎａ（種）、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ａｕｒｅｕｓ（種）、Ｈａｅｍｏｐｈｉｌｕｓ ｉｎｆｌｕｅｎｚａｅ（種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． ＮＭＬ ９７－０１８６（種）、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ５９ （種）、Ｄｏｒｅａ（属）、Ｒｏｓｅｂｕｒｉａ ｓｐ． １１ＳＥ３９ （種）、Ｄｏｒｅａ ｌｏｎｇｉｃａｔｅｎａ（種）、Ｐｒｅｖｏｔｅｌｌａｃｅａｅ（科）、Ｖｅｉｌｌｏｎｅｌｌａｃｅａｅ（科）、Ｏｓｃｉｌｌｏｓｐｉｒａｃｅａｅ（科）、Ｎｅｇａｔｉｖｉｃｕｔｅｓ（綱）， Ｓｅｌｅｎｏｍｏｎａｄａｌｅｓ（目）、Ｆｉｎｅｇｏｌｄｉａ（属）、Ｏｓｃｉｌｌｏｓｐｉｒａ（属）、Ｉｎｔｅｓｔｉｎｉｍｏｎａｓ（属）、Ｆｌａｖｏｎｉｆｒａｃｔｏｒ（属）、Ｐｒｅｖｏｔｅｌｌａ（属）、Ｍｏｒｙｅｌｌａ（属）、Ｃａｔｅｎｉｂａｃｔｅｒｉｕｍ ｍｉｔｓｕｏｋａｉ（種）、Ｃｏｌｌｉｎｓｅｌｌａ ａｅｒｏｆａｃｉｅｎｓ（種）、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ２００２－２３００００４ （種）、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｃａｎｉｓ（種）、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ９ ＡＡ１－５（種）、Ｐｒｅｖｏｔｅｌｌａ ｂｕｃｃａｌｉｓ（種）、Ｄｉａｌｉｓｔｅｒ ｉｎｖｉｓｕｓ（種）、Ｍｏｒａｘｅｌｌａ（属）、Ｎｅｉｓｓｅｒｉａ（属）、Ｎｅｉｓｓｅｒｉａ ｍｕｃｏｓａ（種）、Ｒｉｋｅｎｅｌｌａｃｅａｅ（科）、補因子及びビタミンの代謝（ＫＥＧＧ２）、酵素ファミリー（ＫＥＧＧ２）、脂質代謝（ＫＥＧＧ２）、免疫系疾患（ＫＥＧＧ２）、解糖／糖新生（ＫＥＧＧ３）、原発性免疫不全（ＫＥＧＧ３）、ピルビン酸代謝（ＫＥＧＧ３）、輸送及び異化作用（ＫＥＧＧ２）、神経変性疾患（ＫＥＧＧ２）、内分泌系（ＫＥＧＧ２）、アミノ酸代謝（ＫＥＧＧ２）、細胞プロセス及びシグナル伝達（ＫＥＧＧ２）、シグナル伝達分子及び相互作用（ＫＥＧＧ２）、他のアミノ酸の代謝（ＫＥＧＧ２）、複製及び修復（ＫＥＧＧ２）、翻訳（ＫＥＧＧ２）、細胞増殖及び細胞死（ＫＥＧＧ２）、膜輸送（ＫＥＧＧ２）、他の二次代謝物の生合成（ＫＥＧＧ２）、テルペノイド及びポリケチドの代謝（ＫＥＧＧ２）、無機イオンの輸送及び代謝（ＫＥＧＧ３）、ビタミン代謝（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの生合成（ＫＥＧＧ３）、ペルオキシソーム（ＫＥＧＧ３）、リボソーム生合成（ＫＥＧＧ３）、セレン化合物代謝（ＫＥＧＧ３）、ヒスチジン代謝（ＫＥＧＧ３）、染色体（ＫＥＧＧ３）、硫黄代謝（ＫＥＧＧ３）、ＰＰＡＲシグナル伝達経路（ＫＥＧＧ３）、ポルフィリン及びクロロフィルの代謝（ＫＥＧＧ３）、ホスファチジルイノシトールシグナル伝達系（ＫＥＧＧ３）、イノシトールリン酸代謝（ＫＥＧＧ３）、硫黄リレー系（ＫＥＧＧ３）、グリシン、セリン及びトレオニンの代謝（ＫＥＧＧ３）、ＤＮＡ複製タンパク質（ＫＥＧＧ３）、パントテン酸及びＣｏＡの生合成（ＫＥＧＧ３）、翻訳因子（ＫＥＧＧ３）、タンパク質のフォールディング及び関連するプロセッシング（ＫＥＧＧ３）、ＩＩ型真性糖尿病（ＫＥＧＧ３）、プロテインキナーゼ（ＫＥＧＧ３）、葉酸生合成（ＫＥＧＧ３）、リシン分解（ＫＥＧＧ３）、ＲＮＡポリメラーゼ（ＫＥＧＧ３）、Ｄ－アラニン代謝（ＫＥＧＧ３）、光合成生物における炭素固定（ＫＥＧＧ３）、窒素代謝（ＫＥＧＧ３）、グリセロリン脂質代謝（ＫＥＧＧ３）、アンサマイシン類の生合成（ＫＥＧＧ３）、バリン、ロイシン、及びイソロイシンの分解（ＫＥＧＧ３）、細胞骨格タンパク質（ＫＥＧＧ３）、ペプチダーゼ（ＫＥＧＧ３）、脂肪酸代謝（ＫＥＧＧ３）、細胞周期－カウロバクター属（ＫＥＧＧ３）、ホスホトランスフェラーゼ系（ＰＴＳ）（ＫＥＧＧ３）、ピリミジン代謝（ＫＥＧＧ３）、アルツハイマー病（ＫＥＧＧ３）、ブタン酸代謝（ＫＥＧＧ３）、トリプトファン代謝（ＫＥＧＧ３）、シグナル伝達機構（ＫＥＧＧ３）、ペントースリン酸経路（ＫＥＧＧ３）、他のイオン共役輸送体（ＫＥＧＧ３）、相同組換え（ＫＥＧＧ３）、複製、組換え、及び修復のタンパク質（ＫＥＧＧ３）、キシレン分解（ＫＥＧＧ３）、ミスマッチ修復（ＫＥＧＧ３）、グリオキシル酸及びジカルボン酸の代謝（ＫＥＧＧ３）、アルギニン及びプロリンの代謝（ＫＥＧＧ３）、ペプチドグリカン生合成（ＫＥＧＧ３）、シャペロン及びフォールディング触媒（ＫＥＧＧ３）、Ｉ型真正糖尿病（ＫＥＧＧ３）、ＤＮＡ複製（ＫＥＧＧ３）、細菌性分泌系（ＫＥＧＧ３）、チロシン代謝（ＫＥＧＧ３）、クエン酸回路（ＴＣＡサイクル）（ＫＥＧＧ３）、アミノ糖及びヌクレオチド糖の代謝（ＫＥＧＧ３）、リボソーム（ＫＥＧＧ３）、リモネン及びピネンの分解（ＫＥＧＧ３）、細胞運動性及び分泌（ＫＥＧＧ３）、タウリン及びハイポタウリンの代謝（ＫＥＧＧ３）、酸化的リン酸化（ＫＥＧＧ３）、フルクトース及びマンノースの代謝（ＫＥＧＧ３）、ビタミンＢ６代謝（ＫＥＧＧ３）、イオンチャネル（ＫＥＧＧ３）、ケトン体の合成及び分解（ＫＥＧＧ３）、他の輸送体（ＫＥＧＧ３）、ガラクトース代謝（ＫＥＧＧ３）、多環式芳香族炭化水素分解（ＫＥＧＧ３）、輸送体（ＫＥＧＧ３）、ＤＮＡ修復及び組換えのタンパク質（ＫＥＧＧ３）、デンプン及びショ糖の代謝（ＫＥＧＧ３）、アラニン、アスパラギン酸、及びグルタミン酸の代謝（ＫＥＧＧ３）、真核生物におけるリボソーム生合成（ＫＥＧＧ３）、分泌系（ＫＥＧＧ３）、不飽和脂肪酸の生合成（ＫＥＧＧ３）、システイン及びメチオニンの代謝（ＫＥＧＧ３）、塩基除去修復（ＫＥＧＧ３）、アミノ安息香酸分解（ＫＥＧＧ３）、光合成（ＫＥＧＧ３）、光合成タンパク質（ＫＥＧＧ３）、ポア／イオンチャネル（ＫＥＧＧ３）、脂質生合成タンパク質（ＫＥＧＧ３）、並びにＤ－グルタミン及びＤ－グルタミン酸の代謝（ＫＥＧＧ３）のうちの少なくとも１つに関連する特徴を含む、請求項８に記載の方法。 - 前記微生物関連状態が皮膚関連状態を含み、
前記特徴解析に基づいて前記皮膚関連状態について前記ユーザーに対してプロバイオティクス治療を推進することをさらに含み、
前記プロバイオティクス治療がＣｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｕｌｃｅｒａｎｓ、Ｆａｃｋｌａｍｉａ ｈｏｍｉｎｉｓ、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ．、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ｓｐ． ＭＳＰ０９Ａ、Ｆａｃｋｌａｍｉａ ｓｐ． １４４０－９７、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ９Ｉ２、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０２０８０、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｇｌｕｃｕｒｏｎｏｌｙｔｉｃｕｍ、Ｄｅｒｍａｂａｃｔｅｒ ｈｏｍｉｎｉｓ、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ＢＬ３０２、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｍａｓｔｉｔｉｄｉｓ、Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｌｏｎｇｕｍ、Ａｎａｅｒｏｇｌｏｂｕｓ ｇｅｍｉｎａｔｕｓ、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． Ｓ９ ＰＲ－１６、Ｐｒｅｖｏｔｅｌｌａ ｔｉｍｏｎｅｎｓｉｓ、Ｋｌｕｙｖｅｒａ ｇｅｏｒｇｉａｎａ、Ａｃｉｎｅｔｏｂａｃｔｅｒ ｓｐ． ＷＢ２２－２３、Ａｎａｅｒｏｃｏｃｃｕｓ ｏｃｔａｖｉｕｓ、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ９ ＡＡ１－５、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． Ｃ－Ｄ－ＭＡ２、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ７－２、Ｃｒｏｎｏｂａｃｔｅｒ ｓａｋａｚａｋｉｉ、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ８４０５２５４、Ｖｅｉｌｌｏｎｅｌｌａ ｓｐ． ＣＭ６０、Ｌａｃｔｏｂａｃｉｌｌｕｓ ｓｐ． ７＿１＿４７ＦＡＡ、Ｇｅｍｅｌｌａ ｓｐ． ９３３－８８、Ｐｏｒｐｈｙｒｏｍｏｎａｓ ｃａｔｏｎｉａｅ、Ｈａｅｍｏｐｈｉｌｕｓ ｐａｒａｉｎｆｌｕｅｎｚａｅ、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２０、Ｂａｃｔｅｒｏｉｄｅｓ ｖｕｌｇａｔｕｓ、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． Ｄ２２、Ｄｏｒｅａ ｌｏｎｇｉｃａｔｅｎａ、Ｐａｒａｂａｃｔｅｒｏｉｄｅｓ ｍｅｒｄａｅ、Ｂａｃｔｅｒｏｉｄｅｓ ｓｐ． ＡＲ２９、Ｐｒｅｖｏｔｅｌｌａ ｓｐ． ＷＡＬ ２０３９Ｇ、Ｆａｅｃａｌｉｂａｃｔｅｒｉｕｍ ｐｒａｕｓｎｉｔｚｉｉ、Ｂｌａｕｔｉａ ｆａｅｃｉｓ、Ａｌｉｓｔｉｐｅｓ ｐｕｔｒｅｄｉｎｉｓ、Ｂａｃｔｅｒｏｉｄｅｓ ａｃｉｄｉｆａｃｉｅｎｓ、Ａｄｌｅｒｃｒｅｕｔｚｉａ ｅｑｕｏｌｉｆａｃｉｅｎｓ、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｕｃｃｉｎａｔｕｔｅｎｓ、Ｒｏｓｅｂｕｒｉａ ｉｎｕｌｉｎｉｖｏｒａｎｓ、Ｐｈａｓｃｏｌａｒｃｔｏｂａｃｔｅｒｉｕｍ ｓｐ． ３７７、Ｄｅｓｕｌｆｏｖｉｂｒｉｏ ｐｉｇｅｒ、Ｅｇｇｅｒｔｈｅｌｌａ ｓｐ． ＨＧＡ１、Ｌａｃｔｏｎｉｆａｃｔｏｒ ｌｏｎｇｏｖｉｆｏｒｍｉｓ、Ａｌｉｓｔｉｐｅｓ ｓｐ． ＨＧＢ５、Ｈｏｌｄｅｍａｎｉａ ｆｉｌｉｆｏｒｍｉｓ、Ｃｏｌｌｉｎｓｅｌｌａ ｉｎｔｅｓｔｉｎａｌｉｓ、Ｎｅｉｓｓｅｒｉａ ｍａｃａｃａｅ、Ｇｅｍｅｌｌａ ｓａｎｇｕｉｎｉｓ、Ｂａｃｔｅｒｏｉｄｅｓ ｆｒａｇｉｌｉｓ、Ｐｒｅｖｏｔｅｌｌａ ｏｒｉｓ、Ｐｓｅｕｄｏｍｏｎａｓ ｂｒｅｎｎｅｒｉ、Ｆｌａｖｏｂａｃｔｅｒｉｕｍ ｃｅｔｉ、Ｂｒｅｖｕｎｄｉｍｏｎａｓ ｓｐ． ＦＸＪ８．０８０、Ｂａｃｔｅｒｏｉｄｅｓ ｐｌｅｂｅｉｕｓ、Ｖａｒｉｂａｃｕｌｕｍ ｃａｍｂｒｉｅｎｓｅ、Ｂｌａｕｔｉａ ｗｅｘｌｅｒａｅ、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｓｐ． ＷＢ１８－１６、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ６３、Ｐｒｏｐｉｏｎｉｂａｃｔｅｒｉｕｍ ａｃｎｅｓ、Ａｎａｅｒｏｃｏｃｃｕｓ ｓｐ． ９４０１４８７、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ｅｐｉｄｅｒｍｉｄｉｓ、Ｃａｍｐｙｌｏｂａｃｔｅｒ ｕｒｅｏｌｙｔｉｃｕｓ、Ｊａｎｉｂａｃｔｅｒ ｓｐ． Ｍ３－５、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ＤＮＦ００８４０、Ｆｉｎｅｇｏｌｄｉａ ｓｐ． Ｓ８ Ｆ７、Ｐｒｅｖｏｔｅｌｌａ ｄｉｓｉｅｎｓ、Ｆｕｓｏｂａｃｔｅｒｉｕｍ ｐｅｒｉｏｄｏｎｔｉｃｕｍ、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｆｒｅｉｂｕｒｇｅｎｓｅ、Ｅｒｅｍｏｃｏｃｃｕｓ ｃｏｌｅｏｃｏｌａ、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ＢＳ３５ａ、Ｆｉｎｅｇｏｌｄｉａ ｍａｇｎａ、Ｓｔａｐｈｙｌｏｃｏｃｃｕｓ ａｕｒｅｕｓ、Ｈａｅｍｏｐｈｉｌｕｓ ｉｎｆｌｕｅｎｚａｅ、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｓｐ． ＮＭＬ ９７－０１８６、Ｓｔｒｅｐｔｏｃｏｃｃｕｓ ｓｐ． ｏｒａｌ ｔａｘｏｎ Ｇ５９、Ｒｏｓｅｂｕｒｉａ ｓｐ． １１ＳＥ３９、Ｃａｔｅｎｉｂａｃｔｅｒｉｕｍ ｍｉｔｓｕｏｋａｉ、Ｃｏｌｌｉｎｓｅｌｌａ ａｅｒｏｆａｃｉｅｎｓ、Ｐｅｐｔｏｎｉｐｈｉｌｕｓ ｓｐ． ２００２－２３００００４、Ｃｏｒｙｎｅｂａｃｔｅｒｉｕｍ ｃａｎｉｓ、Ｐｒｅｖｏｔｅｌｌａ ｂｕｃｃａｌｉｓ、Ｄｉａｌｉｓｔｅｒ ｉｎｖｉｓｕｓ、及びＮｅｉｓｓｅｒｉａ ｍｕｃｏｓａのうちのいずれか１つに関連する微生物に関連するものである、請求項８に記載の方法。
Applications Claiming Priority (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762545039P | 2017-08-14 | 2017-08-14 | |
| US62/545,039 | 2017-08-14 | ||
| US201762582191P | 2017-11-06 | 2017-11-06 | |
| US62/582,191 | 2017-11-06 | ||
| US201862658308P | 2018-04-16 | 2018-04-16 | |
| US62/658,308 | 2018-04-16 | ||
| PCT/US2018/044141 WO2019036176A1 (en) | 2017-08-14 | 2018-07-27 | METHOD OF CHARACTERIZING THE MICROBIOMA ASSOCIATED WITH A DISEASE |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020530931A JP2020530931A (ja) | 2020-10-29 |
| JP7208223B2 true JP7208223B2 (ja) | 2023-01-18 |
Family
ID=63364144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020509005A Active JP7208223B2 (ja) | 2017-08-14 | 2018-07-27 | 疾患関連マイクロバイオーム特徴解析プロセス |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US20190050534A1 (ja) |
| EP (1) | EP3669377A1 (ja) |
| JP (1) | JP7208223B2 (ja) |
| KR (1) | KR20200054203A (ja) |
| CN (1) | CN111164706B (ja) |
| AU (1) | AU2018318756B2 (ja) |
| SG (1) | SG11202001335UA (ja) |
| WO (1) | WO2019036176A1 (ja) |
Families Citing this family (61)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160048760A (ko) | 2013-06-18 | 2016-05-04 | 프로더믹, 인코포레이티드 | 피부 상재균 분석을 기반으로 하는 맞춤형 스킨 케어 제품 및 개인용 케어 제품 |
| EP3014534A4 (en) | 2013-06-28 | 2017-03-22 | D-Wave Systems Inc. | Systems and methods for quantum processing of data |
| EP3209803A4 (en) | 2014-10-21 | 2018-06-13 | Ubiome, Inc. | Method and system for microbiome-derived diagnostics and therapeutics |
| US20190211378A1 (en) * | 2015-09-09 | 2019-07-11 | uBiome, Inc. | Method and system for microbiome-derived diagnostics and therapeutics for cerebro-craniofacial health |
| EP4345725A3 (en) | 2015-09-17 | 2024-06-19 | Prodermiq, Inc. | Predicting skin age based on the analysis of skin flora and lifestyle data |
| KR20240023684A (ko) | 2016-09-13 | 2024-02-22 | 알레간 인코포레이티드 | 안정화된 비단백질 클로스트리듐 독소 조성물 |
| US11531852B2 (en) | 2016-11-28 | 2022-12-20 | D-Wave Systems Inc. | Machine learning systems and methods for training with noisy labels |
| WO2018165621A1 (en) | 2017-03-10 | 2018-09-13 | Prodermiq, Inc. | Customized skin care products and personal care products based on the analysis of skin flora |
| US10735271B2 (en) * | 2017-12-01 | 2020-08-04 | Cisco Technology, Inc. | Automated and adaptive generation of test stimuli for a network or system |
| US11586915B2 (en) | 2017-12-14 | 2023-02-21 | D-Wave Systems Inc. | Systems and methods for collaborative filtering with variational autoencoders |
| US10692605B2 (en) | 2018-01-08 | 2020-06-23 | International Business Machines Corporation | Library screening for cancer probability |
| JP2019195304A (ja) | 2018-05-10 | 2019-11-14 | 学校法人順天堂 | 画像解析方法、装置、コンピュータプログラム、及び深層学習アルゴリズムの生成方法 |
| US11900264B2 (en) | 2019-02-08 | 2024-02-13 | D-Wave Systems Inc. | Systems and methods for hybrid quantum-classical computing |
| US11625612B2 (en) | 2019-02-12 | 2023-04-11 | D-Wave Systems Inc. | Systems and methods for domain adaptation |
| CN109816612A (zh) * | 2019-02-18 | 2019-05-28 | 京东方科技集团股份有限公司 | 图像增强方法和装置、计算机可读存储介质 |
| US10982283B2 (en) * | 2019-02-25 | 2021-04-20 | Biome Health, Inc. | Indices of microbial diversity relating to health |
| WO2020176369A1 (en) * | 2019-02-25 | 2020-09-03 | Biome Health, Inc. | Indices of microbial diversity relating to health |
| KR102260881B1 (ko) * | 2019-03-12 | 2021-06-07 | 아주대학교산학협력단 | 피쳐 선택장치, 그 방법 및 그 프로그램이 기록된 기록매체 |
| JP7381003B2 (ja) * | 2019-04-26 | 2023-11-15 | 学校法人順天堂 | 疾患解析を支援する方法、装置、及びコンピュータプログラム、並びにコンピュータアルゴリズムを訓練する方法、装置、及びプログラム |
| US20220328193A1 (en) * | 2019-08-13 | 2022-10-13 | Tata Consultancy Services Limited | System and method for assessing the risk of prediabetes |
| EP4013889A4 (en) * | 2019-08-13 | 2023-08-16 | Tata Consultancy Services Limited | SCHIZOPHRENIA RISK ASSESSMENT SYSTEM AND METHOD |
| CN114555834A (zh) * | 2019-09-02 | 2022-05-27 | 迈奥诊断公司 | 用于改善全身健康的皮肤微生物组监测 |
| US20210173855A1 (en) * | 2019-12-10 | 2021-06-10 | Here Global B.V. | Method, apparatus, and computer program product for dynamic population estimation |
| KR102472648B1 (ko) * | 2020-01-02 | 2022-12-01 | 인제대학교 산학협력단 | 염증성 장질환 환자의 미생물 군집 평가 방법 |
| US11410064B2 (en) * | 2020-01-14 | 2022-08-09 | International Business Machines Corporation | Automated determination of explanatory variables |
| KR20210095511A (ko) * | 2020-01-23 | 2021-08-02 | 주식회사 에이치이엠파마 | 장내 미생물 분석 결과를 제공하는 방법 및 서버 |
| US11430121B2 (en) | 2020-03-31 | 2022-08-30 | Siemens Healthcare Gmbh | Assessment of abnormality regions associated with a disease from chest CT images |
| TWI825404B (zh) * | 2020-04-13 | 2023-12-11 | 台達電子工業股份有限公司 | 特徵菌種作為口腔粘膜下纖維化惡轉的生物標記的用途 |
| US11810291B2 (en) | 2020-04-15 | 2023-11-07 | Siemens Healthcare Gmbh | Medical image synthesis of abnormality patterns associated with COVID-19 |
| KR102492977B1 (ko) * | 2020-05-25 | 2023-01-31 | 주식회사 마크로젠 | 마이크로바이옴을 이용한 건강 정보 제공 방법 및 분석장치 |
| US11011277B1 (en) * | 2020-06-02 | 2021-05-18 | Sean Kelly | Heat maps of infectious agents and methods of using same to screen subjects and/or determine an infection risk |
| US20210398654A1 (en) * | 2020-06-22 | 2021-12-23 | Siemens Healthcare Gmbh | Automatic detection of covid-19 in chest ct images |
| CN113957160B (zh) * | 2020-07-20 | 2024-03-29 | 深圳华大生命科学研究院 | 检测膀胱癌的标志物及检测该标志物的引物对及其应用 |
| US10991190B1 (en) | 2020-07-20 | 2021-04-27 | Abbott Laboratories | Digital pass verification systems and methods |
| KR102346398B1 (ko) * | 2020-09-01 | 2022-01-03 | 주식회사 에이아이바이오틱스 | 장내 미생물을 분석하여 평가 하는 시스템 및 평가 방법 |
| KR20220042651A (ko) * | 2020-09-28 | 2022-04-05 | 건국대학교 산학협력단 | 맞춤형 포스트바이오틱스 스크리닝 방법 |
| KR102241357B1 (ko) * | 2020-10-20 | 2021-04-16 | 주식회사 에이치이엠 | 머신러닝 모델을 이용하여 대장용종을 진단하는 방법 및 장치 |
| CN112435714B (zh) * | 2020-11-03 | 2021-07-02 | 北京科技大学 | 一种肿瘤免疫亚型分类方法及*** |
| CN112489721B (zh) * | 2020-11-25 | 2021-11-12 | 清华大学 | 镜像蛋白信息存储和编码技术 |
| US20240037734A1 (en) * | 2020-12-14 | 2024-02-01 | Mars, Incorporated | Systems and methods for classifying pet information |
| US11158417B1 (en) | 2020-12-29 | 2021-10-26 | Kpn Innovations, Llc. | System and method for generating a digestive disease nourishment program |
| CN113035280B (zh) * | 2021-03-02 | 2022-03-11 | 四川大学 | 一种基于深度学习的rbp结合位点预测算法 |
| CN113092652B (zh) * | 2021-03-19 | 2022-09-30 | 浙江工商大学 | 一种用于评估个体过敏程度的试剂盒 |
| KR102373888B1 (ko) * | 2021-03-26 | 2022-03-15 | 주식회사 에이치이엠파마 | 머신러닝 모델을 이용하여 변비 유무를 판별하는 방법 및 진단장치 |
| KR102373885B1 (ko) * | 2021-03-26 | 2022-03-15 | 주식회사 에이치이엠파마 | 머신러닝 모델을 이용하여 아토피 유무를 판별하는 방법 및 진단장치 |
| KR102373886B1 (ko) * | 2021-03-26 | 2022-03-15 | 주식회사 에이치이엠파마 | 머신러닝 모델을 이용하여 장염 유무를 판별하는 방법 및 진단 장치 |
| KR102304399B1 (ko) * | 2021-03-26 | 2021-09-24 | 주식회사 에이치이엠파마 | 머신러닝 모델을 이용하여 고혈당을 판별하는 방법 및 진단 장치 |
| KR20220144132A (ko) * | 2021-04-19 | 2022-10-26 | 한국과학기술연구원 | 음수 미포함 행렬 분해를 이용한 마이크로바이옴 데이터로부터의 미생물 상호작용 네트워크 분석 방법 |
| CN113284560B (zh) * | 2021-04-28 | 2022-05-17 | 广州微远基因科技有限公司 | 病原检测背景微生物判断方法及应用 |
| KR102328214B1 (ko) * | 2021-05-17 | 2021-11-19 | (주)제이엘케이 | 의료 데이터의 전처리를 통한 의료 데이터베이스 구축 시스템 및 동작 방법 |
| KR20220158948A (ko) * | 2021-05-25 | 2022-12-02 | 주식회사 에이치이엠파마 | 머신러닝 모델을 이용하여 복부팽만 유무를 판별하는 방법 및 진단 장치 |
| KR20220158950A (ko) * | 2021-05-25 | 2022-12-02 | 주식회사 에이치이엠파마 | 머신러닝 모델을 이용하여 소화기 장애 유무를 판별하는 방법 및 진단 장치 |
| KR102577229B1 (ko) * | 2021-05-25 | 2023-09-12 | 주식회사 에이치이엠파마 | 머신러닝 모델을 이용하여 복통 유무를 판별하는 방법 및 진단 장치 |
| KR102577230B1 (ko) * | 2021-05-25 | 2023-09-12 | 주식회사 에이치이엠파마 | 머신러닝 모델을 이용하여 장 질환 유무를 판별하는 방법 및 진단 장치 |
| WO2023056419A1 (en) * | 2021-09-30 | 2023-04-06 | The General Hospital Corporation | Systems and methods for assessing medical conditions such as inflammation, autoimmunity, and autism spectrum disorder (asd) and treatments thereof |
| CN114381507B (zh) * | 2021-11-25 | 2024-02-13 | 杭州拓宏生物科技有限公司 | 格雷夫斯病标志微生物及其应用 |
| US20230268041A1 (en) * | 2022-02-23 | 2023-08-24 | Jona, Inc. | System and method for using the microbiome to improve healthcare |
| WO2023204570A1 (ko) * | 2022-04-19 | 2023-10-26 | 코스맥스 주식회사 | 피부 마이크로바이옴에 기초한 피부 정보 제공 장치 및 방법 |
| WO2023220266A1 (en) * | 2022-05-13 | 2023-11-16 | Nantcell, Inc. | Systems and methods of analyzing microbiomes using artificial intelligence |
| KR102672182B1 (ko) * | 2022-05-30 | 2024-06-03 | 인천대학교 산학협력단 | 합성곱 신경망을 기반으로 생성된 성격 유형 판단 모델 및 성향 분석 모델을 기초로, 사용자의 성격 유형을 판단하고, 사용자의 성향을 분석할 수 있는 전자 장치 및 그 동작 방법 |
| CN115881229B (zh) * | 2022-12-16 | 2024-01-09 | 迪辅乐生物(上海)有限公司 | 基于肠道微生物信息的过敏预测模型构建方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016168350A1 (en) | 2015-04-13 | 2016-10-20 | uBiome, Inc. | Method and system for microbiome-derived characterization, diagnostics and therapeutics for cutaneous conditions |
| US20170228514A1 (en) | 2014-10-21 | 2017-08-10 | uBiome, Inc. | Method and system for characterizing skin related conditions |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7297113B1 (en) * | 2003-04-25 | 2007-11-20 | United States Of America As Represented By The Secretary Of The Navy | Microsensor system and method for measuring data |
-
2018
- 2018-07-27 JP JP2020509005A patent/JP7208223B2/ja active Active
- 2018-07-27 WO PCT/US2018/044141 patent/WO2019036176A1/en unknown
- 2018-07-27 KR KR1020207007581A patent/KR20200054203A/ko not_active Application Discontinuation
- 2018-07-27 EP EP18759445.2A patent/EP3669377A1/en active Pending
- 2018-07-27 AU AU2018318756A patent/AU2018318756B2/en active Active
- 2018-07-27 SG SG11202001335UA patent/SG11202001335UA/en unknown
- 2018-07-27 US US16/047,840 patent/US20190050534A1/en not_active Abandoned
- 2018-07-27 CN CN201880064153.9A patent/CN111164706B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170228514A1 (en) | 2014-10-21 | 2017-08-10 | uBiome, Inc. | Method and system for characterizing skin related conditions |
| WO2016168350A1 (en) | 2015-04-13 | 2016-10-20 | uBiome, Inc. | Method and system for microbiome-derived characterization, diagnostics and therapeutics for cutaneous conditions |
Non-Patent Citations (1)
| Title |
|---|
| Xochitl C Morgan，Associations between host gene expression, the mucosal microbiome, and clinical outcome in the pelvic pouch of patients with inflammatory bowel disease ，[online]，2015年04月08日，［2022年7月7日検索］，インターネット，＜ＵＲＬ：https://genomebiology.biomedcentral.com/track/pdf/10.1186/s13059-015-0637-x.pdf＞ |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020530931A (ja) | 2020-10-29 |
| AU2018318756A1 (en) | 2020-03-05 |
| CN111164706A (zh) | 2020-05-15 |
| WO2019036176A1 (en) | 2019-02-21 |
| CN111164706B (zh) | 2024-01-16 |
| KR20200054203A (ko) | 2020-05-19 |
| SG11202001335UA (en) | 2020-03-30 |
| EP3669377A1 (en) | 2020-06-24 |
| US20190050534A1 (en) | 2019-02-14 |
| AU2018318756B2 (en) | 2021-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7208223B2 (ja) | 疾患関連マイクロバイオーム特徴解析プロセス | |
| US10242160B2 (en) | Method and system for microbiome-derived diagnostics and therapeutics | |
| US10366782B2 (en) | Method and system for microbiome-derived characterization, diagnostics, and therapeutics for cardiovascular disease conditions | |
| US10325071B2 (en) | Method and system for microbiome-derived diagnostics and therapeutics for neurological health issues | |
| US10388407B2 (en) | Method and system for characterizing a headache-related condition | |
| US10381112B2 (en) | Method and system for characterizing allergy-related conditions associated with microorganisms | |
| US20160314281A1 (en) | Method and system for microbiome-derived diagnostics and therapeutics for neurological health issues | |
| AU2022202660A1 (en) | Method and system for characterization for appendix-related conditions associated with microorganisms | |
| US20180342322A1 (en) | Method and system for characterization for appendix-related conditions associated with microorganisms | |
| WO2018112437A1 (en) | Method and system for characterizing allergy-related conditions associated with microorganisms |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210622 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220719 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221019 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221206 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230105 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7208223 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |