申请/专利权人：普梭梅根公司

申请日：2017-04-25

公开（公告）日：2022-09-23

公开（公告）号：CN109152803B

主分类号：C12Q1/04

分类号：C12Q1/04;C12Q1/02;C12Q1/06;C12Q1/6809;C12Q1/689;G01N33/569

优先权：["20160425 US 62/327,048","20160425 US 62/327,089","20160425 US 62/327,126"]

专利状态码：有效-授权

法律状态：2022.09.23#授权;2019.01.29#实质审查的生效;2019.01.04#公开

摘要：用于针对使用者表征与皮肤相关的病症的方法和系统的实施方案可以包括如下各项中的一项或更多项：处理网络，所述处理网络能够操作以收集含有来自使用者集合的物质的容器，所述处理网络包括能够操作以通过对物质进行测序来确定微生物序列的测序系统；微生物群系表征系统，所述微生物群系表征系统能够操作以基于微生物序列确定微生物群系组成数据和微生物群系功能多样性数据中的至少一个，收集与所述使用者集合的与皮肤相关的病症相关联的补充数据；并将补充数据和微生物群系组成数据和微生物群系功能多样性数据中的至少一个转化成表征模型；和治疗系统，基于使用表征模型针对与皮肤相关的病症对使用者进行表征，所述治疗系统能够操作以促进对使用者的与皮肤相关的病症的治疗。

主权项：1.一种用于针对使用者评价与皮肤相关的病症的系统，所述系统包括：●处理网络，所述处理网络能够操作以收集含有来自使用者集合的物质的容器，所述处理网络包括测序系统，所述测序系统能够操作以通过对所述物质进行测序来确定微生物序列；●微生物群系表征系统，所述微生物群系表征系统能够操作以：●基于所述微生物序列确定微生物群系组成数据和微生物群系功能多样性数据；●收集与所述使用者集合的关于与皮肤相关的病症的补充数据；以及●将所述补充数据及从所述微生物群系组成数据和微生物群系功能多样性数据提取的特征转化成与皮肤相关的病症的表征模型；和●治疗系统，针对与皮肤相关的病症，基于使用所述表征模型结合所述使用者的微生物群系组成数据集和微生物群系功能多样性数据集，对所述使用者进行表征，所述治疗系统能够操作以促进对所述使用者的与皮肤相关的病症的治疗，其中，所述微生物群系表征系统进一步能够操作以：●获得将与皮肤相关的病症和微生物群系组成特征的子集及微生物群系功能多样性特征的子集相关联的与皮肤相关的特征选择规则集；和●基于针对与皮肤相关的特征选择规则集评估微生物群系组成数据和微生物群系功能多样性数据，来生成所述特征，其中，所述与皮肤相关的特征选择规则集能够操作以通过促进减少将所述补充数据和所述特征转化成所述表征模型的处理时间来改进所述微生物群系表征系统。

全文数据：用于表征与皮肤相关的病症的方法和系统相关申请的交叉引用本申请还要求于2016年4月25日提交的序列号为62327,048的美国临时申请和于2016年4月25日提交的序列号为62327,089的美国临时申请和于2016年4月25日提交的序列号为62327,126的美国临时申请的权益，这些美国临时申请各自通过引用整体并入本文。技术领域本发明总体上涉及微生物学领域，更具体地涉及微生物学领域中用于表征与皮肤相关的病症的新的且有用的方法和系统。背景技术微生物群系是与生物体相关的共栖、共生和致病微生物的生态群落。人类微生物群系包括与人类细胞相比多出超过10倍的微生物细胞，但由于样品处理技术、遗传分析技术以及用于处理大量数据的资源方面的局限性，对人类微生物群系的表征仍处于初期阶段。尽管如此，微生物群系被怀疑在许多与健康疾病相关的状态例如，准备分娩、糖尿病、自身免疫障碍、胃肠障碍、类风湿性障碍、神经障碍等中起着至少部分作用。考虑到微生物群系在影响使用者的健康方面的深刻影响，应付出与微生物群系的表征、由该表征形成见解以及生成被配置为从生态失调状态恢复的疗法相关的努力。然而，目前用于分析人类微生物群系和基于所获见解提供治疗措施的方法和系统仍然遗留许多尚未被解答的问题。特别是，由于当前技术的局限性，基于微生物群系组成特征和或功能特征来表征某些健康状况的方法以及针对具体使用者进行适应性调整的治疗例如，益生菌治疗尚不可行。因此，在微生物学领域，需要一种用于以个体化和群体范围的方式表征健康状况的新的且有用的方法和系统。本发明提供了这样一种新的且有用的方法和系统。附图说明图1A-1B是用于微生物群系表征的方法的实施方案变型的示意性流程图；图2描绘了用于微生物群系表征的系统和方法的实施方案变型；图3描绘了在用于微生物群系表征的方法的实施方案中生成和应用表征模型的变型的示意图；图4描绘了在用于微生物群系表征的方法的实施方案中应用和更新表征模型及治疗模型的变型；图5描绘了在用于微生物群系表征的方法的实施方案中应用多个表征模型的变型；图6描绘了在用于微生物群系表征的方法的实施方案变型中促进治疗的变型；图7描绘了基于益生菌的疗法在用于微生物群系表征的方法的实施方案中操作的机制的变型；图8描绘了在用于微生物群系表征的方法的实施方案中的通知的变型；图9描绘了在用于微生物群系表征的方法的实施方案中用于提供与皮肤相关的病症的信息的界面的变型；图10描绘了在用于微生物群系表征的方法的实施方案中的通知的变型；图11描绘了在用于微生物群系表征的方法的实施方案中的通知的变型；以及图12描绘了在用于微生物群系表征的方法的实施方案中的样品处理参数修改的变型。具体实施方式以下对本发明实施方案的描述无意于将本发明限于这些实施方案，而是旨在使本领域技术人员能够制造和使用本发明。1.概述。如图2所示，用于针对使用者例如，人类受试者、动物受试者等表征例如，评估与皮肤相关的病症的系统200的实施方案可以包括以下各项中的一项或更多项：处理网络210，其能够操作以收集含有来自使用者集合例如，使用者群体的物质的容器，所述处理网络210包括能够操作以通过对物质进行测序来确定微生物序列的测序系统；微生物群系表征系统220，所述微生物群系表征系统能够操作以基于微生物序列确定微生物群系组成数据和微生物群系功能多样性数据中的至少一者，收集与该使用者集合的与皮肤相关的病症相关联的补充数据，并将补充数据和从微生物群系组成数据和微生物群系功能多样性数据中的至少一者提取的特征转化成与皮肤相关的病症的表征模型；和治疗系统230例如，医治系统，基于使用表征模型针对与皮肤相关的病症对使用者进行表征，所述治疗系统能够操作以促进治疗使用者的与皮肤相关的病症。系统200和方法100可以用于生成模型，所述模型可用于根据其微生物群系组成和功能特征例如，作为临床诊断、作为伴随诊断等中的至少一个来对使用者进行表征和或诊断；用于基于对使用者群体的微生物群系分析为使用者提供治疗措施例如，基于益生菌的治疗措施、基于噬菌体的治疗措施、基于小分子的治疗措施、临床措施等；和或执行任何合适的功能。系统200和方法100可以优选地针对与皮肤相关的病症生成和促进表征和疗法，所述与皮肤相关的病症可以包括与皮肤相关的以下各项中的任意一项或更多项：症状、病因、疾病、障碍和或任意其它合适的与与皮肤相关的病症相关的方面。与皮肤相关的病症可以包括以下各项中的任意一项或更多项：湿疹例如，特应性皮炎、过敏性接触性皮炎、刺激性接触性皮炎、淤滞性皮炎、肢皮炎、脂溢性湿疹、干燥性湿疹、出汗障碍、盘状湿疹、静脉性湿疹、疱疹性皮炎、神经性皮炎、自身热化、疱疹性湿疹等、皮肤干燥、与头皮相关的病症例如，头皮屑、脱发、乳痂、与头皮相关的、头虱、癣、毛囊炎、头皮牛皮癣等、光敏性例如，光过敏、光毒性等、与丘疹-相关的病症例如，丘疹、粉刺、结节、表皮样囊肿、皮脂腺囊肿、潜毛性囊肿、其他囊肿、皮脂腺脓肿、脓疱、黑头、白头、痤疮相关脓、其他痤疮相关病症等、酒渣鼻、油性皮肤、皮肤癌、狼疮、麻疹、牛皮癣、唇疱疹、血管瘤、荨麻疹、带状疱疹、类天疱疮、花斑癣、鸡眼、老茧、溃疡例如，褥疮、腿部溃疡等、瘢痕疙瘩、扁平苔癣、光化性角化病、潜毛性囊肿、脂溢性角化病、内生指甲、内生毛发、溃疡口疮、疱疹性口炎、真菌性指甲感染、寻常性鱼鳞癣、皮肌炎、传染性软疣、皮肤松弛、丹毒、皮疹例如，尿布疹、汗疱性湿疹、口腔溃疡、脓疱疮、坏死筋膜炎、皮肤念珠菌病、痈、蜂窝织炎、少汗症、多汗症、疣例如，足底疣、帕尔沃疣等、水疱、擦伤、晒伤、Muehrcke氏线、静脉曲张、虱子、疥疮、与植物有关的皮肤相关病症例如，与常春藤、橡树、漆树等有关的皮疹、瘀伤、与臭虫相关的病症、肿块、瘙痒、白癜风、麻风病、痈疽、葡萄球菌感染、足癣、孢子菌病、真菌指甲感染、带状疱疹、水痘、其他细菌性皮肤感染、其他真菌性皮肤感染和或任何其他合适的与皮肤相关的病症。本文所述的方法100和或过程的一种或更多种情况可以不同时例如，相继、同时例如，平行；在用于平行计算的不同线程上同时以提高系统处理能力用于确定和或提供针对与皮肤相关的病症的表征和或治疗；等、与触发事件在时间上相关地进行，和或以任何合适的时间和频率通过和或使用本文所述的系统200、元件和或实体的一种或更多种情况以任何合适的顺序进行。然而，方法100和或系统200可以以任何合适的方式构造。2.益处。微生物群系分析可以实现对由微生物引起和或以其他方式与微生物相关的与皮肤相关的病症的准确和有效表征和或治疗提供。该技术可以克服常规方法在表征与皮肤相关的病症和或促进对与皮肤相关的病症的治疗方面所面临的若干挑战。首先，常规方法可能需要患者访问对与皮肤相关的病症进行生理检查的护理提供者。其次，用于人类基因组测序的常规基因测序和分析技术在应用于微生物群系时可能是不相容的和或低效的例如，其中人类微生物群系可以包括比人类细胞多超过10倍的微生物细胞；其中最佳样品处理技术可以不同；其中序列参考数据库可以不同；其中微生物群系表征可以包括考虑跨群体的微生物群系的不同组成和功能多样性；其中使用者的不同身体区域的微生物群系可不同；等等。再次，测序技术例如，下一代测序的出现引发了若非与对遗传物质进行测序相关的速度和数据生成的前所未有的发展将不会存在的技术问题例如，数据处理问题、信息显示问题、微生物群系分析问题、治疗预测问题、治疗提供问题等。系统200和方法100的实施例可以为至少上述挑战提供技术起源的解决方案。首先，该技术可以通过促进先前不可执行的功能的计算机性能来赋予对计算机相关技术例如，人工智能、机器学习、生物样品处理和计算分析网络等的改进。例如，基于微生物群系序列数据集和微生物参考序列数据库例如，基因组参考联盟GenomeReferenceConsortium，该技术可计算地生成微生物群系表征和推荐的针对与皮肤相关的病症的疗法，该技术最近由于样品处理技术及测序技术的发展而可行。其次，该技术可赋予对处理速度、微生物群系表征准确度、微生物群系相关治疗确定和促进、和或关于与皮肤相关的病症的其它合适的方面的改进。该技术可以生成和应用与皮肤相关的特征选择规则，以从大量潜在的特征合集中选择例如，可从大量的微生物群系数据中提取优化的特征子集例如，微生物群系组成特征、微生物群系功能多样性特征等用于生成和应用表征模型和或治疗模型。微生物群系例如，人类微生物群系、动物微生物群系等的潜在大小可以转化成大量数据，产生如下问题：如何处理和分析大量数据阵列以生成与与皮肤相关的病症相关的可行的微生物群系见解。然而，与皮肤相关的特征选择规则及相关技术可以实现更短的训练和执行时间例如，用于预测性机器学习模型、有助于高效地解释结果的模型简化、减少过度拟合、数据源例如，用于收集和处理微生物群系数据集的改进、对于鉴定和显示与微生物群系相关的皮肤相关病症认知的改进以及其他有助于快速确定表征和或疗法的适当的改进。再次，该技术可以将实体例如，使用者、生物样品、包括医疗设备的治疗系统等转化成不同的状态或事物。例如，系统200和或方法100可以鉴定疗法以促进患者改变微生物群系组成和或功能从而预防和或改善与皮肤相关的病症，从而改变患者的微生物群系和或健康。在另一个实施例中，该技术可以将从患者接收的生物样品转化成例如，通过片段化、多重扩增、测序等微生物群系数据集，该微生物群系数据集随后可以被转化成关于与皮肤相关的病症的特征，以生成表征模型和或治疗模型。在另一个实施例中，该技术可以控制治疗系统以促进治疗例如，通过生成用于治疗系统进行执行的控制指令，由此转化治疗系统。在另一个实施例中，计算机相关技术的改进可以驱动生物样品处理方法的改变，例如选择与遗传靶标相容的引物的子集，所述遗传靶标被鉴定为对应于关于与皮肤相关的病症的微生物群系组成特征和或微生物群系功能多样性特征例如，基于与皮肤相关的特征选择规则来确定。第四，该技术可以实现在包括样品处理网络、微生物群系表征系统和多个使用者在内的网络中功能性的创造性分布，其中样品处理网络可以同时处理来自多个使用者的生物样品例如，以多重的方式，在针对与皮肤相关的病症生成使用者个性化的表征和或疗法例如，根据使用者的微生物群系、病史、人口统计学信息、行为、偏好等来定制中，微生物群系表征系统可以影响所述网络。第五，该技术可以改进至少与微生物群系数字医学、数字医学、基因测序相关的与皮肤相关的病症的计算建模的技术领域和或其它相关领域。第六，该技术可以利用专用计算设备例如，与样品处理网络相关联的设备，例如测序系统；微生物群系表征系统；处理系统等来确定和处理微生物群系数据集以表征和或确定针对与皮肤相关的病症的治疗。然而，在使用非广义计算机系统来进行微生物群系表征和或调节的情况下，该技术可以提供任何其他合适的益处。3.系统。系统200的处理网络210可以用于接收和处理例如，片段化、扩增、测序等生物样品。处理网络210可以另外或可替代地用于例如通过邮件递送系统向多个使用者提供和或收集例如，响应于样品试剂盒250的购买订单样品试剂盒250例如，包括样品容器、用于收集样品的说明书等。在一些实施例中，样品试剂盒250可以包括供使用者收集皮肤样品例如，通过棉拭子；抽取与皮肤相关的流体，例如来自皮肤损伤的流体；活组织检查；等的材料和相关说明书。处理网络210可以另外或可替代地包括文库制备系统，该文库制备系统能够操作以通过测序系统以待测序的多重方式自动制备生物样品例如，使用与遗传靶标相容的引物进行片段化和扩增，该遗传靶标与与皮肤相关的病症相关；和或任何合适的组件。然而，处理网络210及相关的组件也可以以任何合适的方式来配置。系统200的微生物群系表征系统220可以用于确定和分析微生物群系数据集和或补充数据集以表征和或确定针对与皮肤相关的病症的治疗。在一个变型中，微生物群系表征系统220可以获得和或应用计算机执行的规则例如，与皮肤相关的特征选择规则；模型生成规则；使用者偏好规则；微生物群系序列生成规则；序列比对规则；和或任何其它合适的规则。然而，微生物群系表征系统220也可以以任何合适的方式配置。系统200的治疗系统230用于促进针对使用者例如，受试者；施加治疗的护理提供者等用以治疗与皮肤相关的病症例如，降低与皮肤相关的感染的风险等的一种或更多种治疗。治疗系统230可以包括以下项中的任意一项或更多项：通信系统例如，用于对治疗建议进行通信；使得能够进行远程医疗等、可在使用者设备上执行的应用例如，与皮肤相关的病症的应用，用于促进可操作用于改变关于与皮肤相关的病症的微生物群系组成和或功能多样性的适当皮肤护理治疗等、与皮肤相关的治疗例如，治疗剂、补充的医疗设备例如，药物分配器；皮肤处理施加器；皮肤移植设备；基于射频的与皮肤相关的设备；与毛发相关的病症设备，例如毛发修复设备、毛发去除设备；与痤疮相关的医疗设备；其它诊断设备，例如皮肤水含量测量设备；其它医治设备；等、使用者设备例如，包括生物度量传感器，和或任何其他合适的组件。一个或更多个治疗系统230优选地可由微生物群系表征系统220控制。例如，微生物群系表征系统220可生成控制指令和或通知以传送至治疗系统230以激活和或以其它方式操作治疗系统230用于促进治疗。然而，治疗系统230可以以任何其他方式配置。如图9所示，系统200可以另外或可替代地包括界面240，界面240可用于改善对与皮肤相关的病症的信息例如，表征；治疗推荐；与其它使用者的比较；基于微生物群系组成和功能多样性对治疗的评估；等的显示。在一个实施例中，界面240可以显示与皮肤相关的病症的信息，包括使用者的微生物群系组成例如，分类组、功能多样性例如，如图11所示的关于与皮肤相关的病症的功能的基因的相对丰度等、和或感染例如，不同的与皮肤相关的病症风险，例如相对于共有人口统计学特征例如，有病症的患者、吸烟者、健身者、采取不同饮食方案的使用者、益生菌消耗者、抗生素使用者、进行特定治疗的组等。在另一个实例中，界面240能够操作以呈现与皮肤相关的病症的信息，该信息包括与治疗及与皮肤相关的病症相关的微生物群系组成随时间的变化和微生物群系功能多样性随时间的变化。在一个具体实施例中，可以通过选择例如，基于满足阈值条件的表征的组件，例如与皮肤相关的病症的风险超过阈值等和呈现与皮肤相关的病症的信息的子集例如，突出显示和或以其他方式强调与皮肤相关的病症的信息的子集来改善界面的与皮肤相关的病症的信息的显示。然而，界面240可以显示任何合适的信息，并且可以以任何合适的方式配置系统200和或系统200的组件可以完全或部分地由如下各项执行、存在于如下各项和或以其它方式包括如下各项：远程计算系统例如，服务器、至少一个联网计算系统、无状态的、有状态的、本地计算系统、数据库例如，使用者数据库、微生物群系数据集数据库、与皮肤相关的病症数据库、治疗数据库等、使用者设备例如，使用者智能电话、计算机、膝上型电脑、补充医疗设备、穿戴式医疗设备、护理提供者设备等和或任何合适的组件。虽然系统200的组件一般被描述为不同的组件，但是它们可以以任何方式物理地和或逻辑地集成。例如，智能手机应用程序可以部分地或完全地执行微生物群系表征系统220例如，应用表征模型来实时生成对与皮肤相关的病症的表征；对生物样品进行测序；处理微生物序列；从微生物群系数据集提取特征；等和治疗系统230例如，在智能电话的日历应用程序计划每日事件以通知使用者响应于生成表征进行益生菌治疗。然而，系统200的功能性也可以在任何合适的系统组件之间以任何合适的方式分布。另外或可替代地，系统200和或方法100可以包括与如下美国专利申请中描述的那些相似例如，在与皮肤相关的病症的情况下应用的任何合适的组件和或功能：于2017年3月7日提交的美国专利申请No.15452,529、于2016年12月9日提交的美国专利申请No.15374,890、于2015年1月9日提交的美国专利申请No.14593,424、于2016年6月30日提交的美国专利申请No.15198,818、于2016年4月13日提交的美国专利申请No.15098,027、于2016年4月13日提交的美国专利申请No.15098,248、于2016年4月13日提交的美国专利申请No.15098,236、于2016年4月13日提交的美国专利申请No.15098,222、于2016年4月13日提交的美国专利申请No.15098,204、于2016年4月13日提交的美国专利申请No.15098,174、于2016年4月13日提交的美国专利申请No.15098,110、于2016年4月13日提交的美国专利申请No.15098,081、于2016年4月13日提交的美国专利申请No.15098,153、于2016年8月4日提交的美国专利申请No.15228,890、以及于2016年8月18日提交的美国专利申请No.15240,919，这些美国专利申请分别通过引用整体并入本文。然而，系统200的组件可以以任何合适的方式配置。4.方法。如图1A-1B和图2所示，用于针对使用者表征与皮肤相关的病症的方法100的实施方案可以包括以下各项中的一项或更多项：基于来自使用者集合的生物样品的微生物序列例如，源自样品的微生物遗传序列生成微生物群系组成数据集和微生物群系功能多样性数据集中的至少一个S110；处理关于使用者群体的与皮肤相关的病症的信息的补充数据集S120；和针对一种或更多种与皮肤相关的病症执行表征过程，该表征过程得自补充数据集和从微生物群系组成数据集和微生物群系功能多样性数据集中的至少一个提取的特征S130。方法100可以另外或可替代地包括以下各项中的一项或更多项：确定用于预防、改善和或以其他方式改变与皮肤相关的病症的治疗S140；处理来自使用者例如，受试者的生物样品S150；利用表征过程基于处理源自使用者的生物样品的微生物群系数据集例如，微生物群系组成数据集、微生物群系功能多样性数据集等确定对使用者的表征S160；促进对使用者的与皮肤相关的病症的治疗例如，基于表征S170；基于处理生物样品以测定随时间推移使用者中与治疗相关的微生物群系组成和或功能特征来监测对使用者进行的治疗的有效性S180；和或任何其他合适的操作。4.1方法—处理数据集框S110记载：基于来自使用者集合的生物样品的微生物序列来生成微生物群系组成数据集和微生物群系功能多样性数据集中的至少一个。框S110用于处理生物样品的集合中的每个生物样品，以确定与使用者群体中的每一个的微生物群系相关的组成方面和或功能方面。如图10所示，组成方面和功能方面可以包括微生物水平的组成方面，包括与界、门、纲、目、科、属、种、亚种、株系和或任何其它合适的种下分类组例如，如在每组的总丰度、每组的相对丰度、示出的组的总数等中所测量的的微生物分布相关的参数。组成方面和功能方面也可以用操作分类单位OTU表示。组成方面和功能方面可以另外或可替代地包括遗传水平的组成方面例如，通过多位点序列分型、16S序列、18S序列、ITS序列、其它遗传标志物、其它系统发育标志物等确定的区域。组成方面和功能方面可以包括存在或不存在与特定功能例如，酶活性、转运功能、免疫活性等相关的基因或所述基因的量。因此，可以使用框S110的输出来为框S130的表征过程和或框S140的治疗过程提供目标特征，其中所述特征可以是基于微生物的例如，存在细菌属、基于遗传的例如，基于特定遗传区域和或序列的表示和或基于功能的例如，存在特定催化活性和或以其它方式配置的。在框S110的一些变型中，框S110中的样品处理可以包括以下各项中的任意一项或更多项：裂解生物样品、破坏生物样品的细胞膜、从生物样品中分离非期望的组分例如，RNA、蛋白质、纯化生物样品中的核酸例如，DNA、扩增例如，利用文库制备系统来自生物样品的核酸、进一步纯化生物样品的扩增的核酸以及对生物样品的扩增的核酸进行测序，和或任何其它合适的样品处理操作，例如与于2016年12月9日提交的美国专利申请15374,890相关地描述的任何方法，该美国专利申请通过引用整体并入本文。在框S110的一些变型中，对纯化的核酸进行扩增优选地包括进行以下各项中的一项或更多项：基于聚合酶链式反应PCR的技术例如，固相PCR、RT-PCR、qPCR、多重PCR、降落式PCR、纳米PCR、巢式PCR、热启动PCR等、解旋酶依赖性扩增HDA、环介导的等温扩增LAMP、自主序列复制3SR、基于核酸序列的扩增NASBA、链置换扩增SDA、滚环扩增RCA、连接酶链式反应LCR以及任何其它合适的扩增技术。在扩增经纯化的核酸时，所用的引物优选地被选择为防止或最小化扩增偏差，以及被配置为扩增核酸区域序列例如，16S区域、18S区域、ITS区域等，其提供分类学、系统发生学、诊断、制剂例如，益生菌制剂方面的信息和或用于任何其它合适的目的。因此，可以在扩增中使用被配置为避免扩增偏差的通用引物例如，用于16SRNA的F27-R338引物集、用于16SRNA的F515-R806引物集等。在框S110的一些变型中使用的引物可以另外或可替代地包括对每个生物样品特异的集成条形码序列，其可以便于在扩增后鉴定生物样品。所选择的引物可以另外或可替代地与与皮肤相关的病症和或微生物群系组成特征例如，与遗传靶标相容的所鉴定的引物，所述遗传靶标对应于关于与湿疹相关的分类组的微生物群系组成特征、功能多样性特征、补充特征和或关于与皮肤相关的病症的其它特征相关联。例如，所述引物可以与如下所述遗传靶标互补，该遗传靶标与与特征例如，得出相对丰度特征的遗传序列；与不同的与皮肤相关的病症相关的基因相关。用于框S110的一些变型中的引物可以另外或可替代地包括接头区域，该接头区域被配置成与涉及互补接头的测序技术例如，Illumina测序配合。另外或可替代地，框S110可以实施被配置为促进处理例如，使用Nextera试剂盒的任何其他步骤。在框S110的一些变型中，对经纯化的核酸进行测序可以包括涉及靶向扩增子测序和或宏基因组测序的方法，实施技术包括以下各项中的一项或更多项：边合成边测序技术例如，Illumina测序、毛细管测序技术例如，Sanger测序、焦磷酸测序技术和纳米孔测序技术例如，使用牛津纳米孔技术。在框S110的一个具体实施例中，对来自生物样品集中的生物样品的核酸进行的扩增和测序包括：固相PCR，其涉及在具有寡聚接头的基底上桥接扩增生物样品的DNA片段，其中扩增涉及具有以下序列的引物：正向索引序列例如，对应于MiSeqNextSeqHiSeq平台的Illumina正向索引、正向条形码序列、转座酶序列例如，对应于MiSeqNextSeqHiSeq平台的转座酶结合位点、接头例如，被配置为降低同质性和改善序列结果的零碱基、一个碱基或两个碱基的片段、其它随机碱基、用于靶向特定靶区域例如，16S区域、18S区域、ITS区域的序列、反向索引序列例如，对应于MiSeqHiSeq平台的Illumina反向索引和反向条形码序列。在具体的实施例中，测序包括使用边测序边合成技术的Illumina测序例如，使用HiSeq平台、使用MiSeq平台、使用NextSeq平台等。框S110中的样品处理的一些变型可以包括在测序之前进一步纯化扩增的核酸例如，PCR产物，其用于去除多余的扩增组分例如，引物、dNTP、酶、盐等。在一些实施例中，可以使用以下中的任何一种或更多种来促进额外的纯化：纯化试剂盒、缓冲剂、醇、pH指示剂、离液序列高的盐、核酸结合过滤器、离心以及任何其它合适的纯化技术。在一些变型中，框S110中的计算处理可以包括以下各项中的任意一项或更多项：鉴定微生物群系来源的序列例如，与使用者序列和污染物相对；对微生物群系来源的序列进行比对和或映射例如，使用单末端比对、无空位比对、有空位比对、配对中的一项或更多项对片段化的序列进行比对；以及生成特征，所述特征来源于与生物样品相关的微生物群系的组成方面和或功能方面。在框S110中，鉴定微生物群系来源的序列可以包括将来自样品处理的序列数据映射到受试者参考基因组例如，由参考基因组联盟提供，以去除受试者基因组来源的序列。在一个实施例中，框S110可以包括确定微生物核酸序列与和与皮肤相关的病症相关的参考序列例如，与与皮肤相关的病症相关的微生物群系生物标志物，例如指示存在和或大量存在代表如下分类组的遗传序列的生物标志物，所述分类组与与皮肤相关的病症相关；通过处理利用方法100收集的微生物群系数据集鉴定微生物群系标志物；等之间的比对，其中基于该比对生成微生物群系组成数据集和微生物群系功能多样性数据集。然而，对序列数据进行映射可以以任何合适的方式进行，例如以与2016年12月9日提交的美国专利申请No.15374,890类似的方式进行，该美国专利申请的全部内容通过引用并入本文。在框S110中，在鉴定与生物样品相关联的微生物群系的微生物的所示出群组后，可以执行源自与生物样品相关联的微生物群系的组成方面和功能方面的特征的生成。在一个变型中，生成特征可以包括基于多位点序列分型MLST生成特征以鉴定可用于在方法100的后续框中表征的标志物。另外或可替代地，生成特征可以包括生成描述存在或不存在微生物的某些分类组和或微生物的所表现出的分类组之间的比例的特征。另外或可替代地，生成的特征可以包括生成描述以下各项中的一项或更多项的特征：示出的分类组的数量、示出的分类组的网络、示出的不同分类组的相关性、不同分类组之间的相互作用、由不同分类组产生的产物、由不同分类组产生的产物之间的相互作用、死亡的微生物和活的微生物之间的比例例如，对于不同的所示出的分类组，基于RNA的分析、系统发育距离例如，依据Kantorovich-Rubinstein距离、Wasserstein距离等、任何其它合适的与分类组相关的特征、任何其它合适的遗传特征或功能特征。关于框S110，另外或可替代地，生成特征可以包括例如使用sparCC方法、使用基因组相对丰度和平均大小GAAS方法和或使用基因组相对丰度使用混合模型理论GRAMMy方法来生成描述不同微生物组的相对丰度的特征，其中GRAMMy方法使用序列相似性数据来进行一组或更多组微生物相对丰度的最大可能性评估。另外或可替代地，生成特征可以包括生成如源自丰度度量的分类变化的统计学量度。另外或可替代地，生成特征可以包括生成源自相对丰度因子例如，与分类单位的丰度变化相关，该分类单位的丰度变化影响其它分类单位的丰度的特征。另外或可替代地，生成特征可以包括单独和或组合地生成描述一个或更多个分类组的存在的定性特征。另外或可替代地，生成特征可以包括生成与遗传标志物例如，代表性16S、18S和或ITS序列相关的特征，所述遗传标志物表征与生物样品相关的微生物群系的微生物。另外或可替代地，生成特征可以包括生成与特定基因和或具有特定基因的生物体的功能关联相关的特征。另外或可替代地，生成特征可以包括生成与分类单位的致病性和或归属于分类单位的产物相关的特征。然而，框S120可包括生成源自对生物样品的核酸的测序和映射的任何其它合适的特征。例如，该一个或更多个特征可以是组合性的例如，涉及成对体、三联体、相关的例如，与不同特征之间的相关性有关、和或与特征的变化有关例如，时间变化、样品位点的变化、空间变化等。然而，框S110也可以以任何合适的方式进行。框S120记载：接收与至少使用者群体的子集相关的补充数据集，其中，补充数据集有利于对使用者进行表征。框S120用于获取与该使用者群体中的一个或更多个使用者相关的附加数据，其可用于训练train和或验证在框S130中生成的表征过程。在框S120中，补充数据集优选地包括来源于调查的数据，但是可以另外或可替代地包括以下各项中的任意一项或更多项：源自传感器的全方位数据、医学数据例如，当前和历史医学数据以及任何其它合适类型的数据。在包括接收来源于调查的数据的框S120的一些变型中，来源于调查的数据优选地提供与使用者相关的生理信息、人口统计学信息和行为信息。然而，补充数据的类型和收集补充数据的方式可以与2016年12月9日提交的美国专利申请15374,890中所述相似，该美国专利申请通过引用整体并入本文。但是，处理补充数据集可以以任何合适的方式进行。4.2方法—执行表征过程框S130记载：进行针对一种或更多种与皮肤相关的病症的表征过程，该表征过程源自补充数据集和从微生物群系组成数据集和微生物群系功能多样性数据集中的至少一个中提取的特征的表征过程S130。框S130用于基于使用者的微生物群系组成和或功能特征来鉴定可用于表征使用者或组的特征和或特征组合。由此，表征过程可以被用作诊断工具，其可以基于使用者的微生物群系组成和或功能特征与其健康状况状态、行为特征、医疗状况、人口统计学性状和任何其它合适的性状中的一个或更多个相关地表征使用者例如，就行为特征而言、就医疗状况而言、就人口统计学性状而言。然后，可以使用这样的表征通过框S140的治疗模型来建议或提供个性化治疗。对于执行表征过程，框S130可以使用计算方法例如，统计学方法、机器学习方法、人工智能方法、生物信息学方法等将使用者表征为表现出具有健康状况的使用者组的特征性特征。然而，表征过程可以以任何合适的方式进行。在框S130的一些变型中，执行表征过程可以包括生成对一种或更多种与皮肤相关的病症的一个或更多个表征。在一些实施例中，框S130的表征过程可以促进鉴定哪些微生物群体例如，分类组、微生物群系组成特征等与与皮肤相关的病症相关地上调或下调；和或哪些微生物群系功能方面例如，与直系同源组京都基因和基因组途径百科全书、微生物群系功能多样性特征等相关与与皮肤相关的病症相关地上调或下调。可以在任何合适的分类水平例如，界、门、纲、目、科、属、种等、在功能多样性的任何合适的间隔尺寸和或在任何合适的粒度水平表征上调和或下调。在另一变型中，在框130中表征与皮肤相关的病症可包括生成诊断分析例如，评估患与皮肤相关的病症的风险；计算由所鉴定的治疗带来的风险变化；诊断是否存在与皮肤相关的病症；与微生物群系组成和或功能多样性相关地诊断与皮肤相关的病症随时间推移的严重程度；等。在框S130的另一变型中，表征与皮肤相关的病症可以基于一个或更多个补充数据集。例如，特征选择规则的集合可以将一个或更多个与皮肤相关的病症与源自提供关于与皮肤相关的病症的信息的生物度量传感器数据例如，关于皮肤例如皮肤病变、痤疮等的光学数据；关于皮肤相关的病症的与皮肤相关的参数，例如皮肤含水量；血液数据；温度数据；使用者行为数据；温度数据；心血管数据；粪便数据；等的一个或更多个生物度量特征相关联。在另一个实施例中，进行表征过程可以包括基于随时间推移促进的治疗来确定随时间推移的一系列表征例如，基于治疗数据，所述治疗数据包括抗生素方案数据、益生菌方案数据和或随时间推移收集的与使用者群体相关联的其他合适的治疗数据，其中不同治疗随时间推移的效果可以有助于说明与关于与皮肤相关的病症的微生物群系组成和或功能多样性的理解。然而，可以以任何合适的方式执行关于与皮肤相关的病症的表征过程。另外地或者可替代地，S130可以包括框S132：生成特征，框S132用于生成用于表征过程例如，用于训练表征模型的一个或更多个特征。特征可以包括以下各项中的任何一项或更多项：微生物群系组成特征例如，使用者的微生物群系中的分类组的绝对丰度和或相对丰度、微生物群系功能多样性特征和或其他合适的特征。微生物群系功能多样性特征可包括以下各项中的任何一项或更多项：京都基因和基因组百科全书KEGG功能特征例如，与鞭毛生物合成相关的KEGG特征等、蛋白质特征的直系同源组的簇COG、L2、L3、L4来源的特征、基因组功能特征、与分类组相关和或分类组所特有的功能特征、化学功能特征例如，半胱氨酸代谢等、全身功能特征例如，全身免疫功能；与全身性疾病相关的功能等、和或任何合适的功能特征。另外或者可替代地，微生物群系特征可以源自以下各项中的至少一项或者与以下各项中的至少一项相关：相对丰度单调变换、非单调变换、归一化、诸如得自线性潜变量分析和非线性潜变量分析中的至少之一的特征向量、线性回归、非线性回归、核方法、特征嵌入方法、机器学习、统计推断方法和或任何其他合适的方法。关于框S132，优选地基于根据一个或更多个计算机实现的规则例如，特征选择规则、使用者偏好规则等处理微生物群系组成数据和或微生物群系功能多样性数据来确定特征，但也可以基于任何合适的信息确定特征。例如，方法100可以包括获得一组与皮肤相关的特征选择规则，该与皮肤相关的特征选择规则将与皮肤相关的病症与微生物群系组成特征的子集和或微生物群系功能多样性特征的子集相关联例如，来自潜在的微生物群系组成和或功能多样性特征的集合；和基于与皮肤相关的特征选择规则集评估微生物群系组成数据和微生物群系功能多样性数据来生成特征，其中该与皮肤相关的特征选择规则集可用于改进微生物群系表征系统例如，通过促进减少处理时间，例如将补充数据和特征转换成表征模型；通过提高模型检索和或执行的速度；通过改进表征和或治疗提供准确性；等。框S132和或方法100的其他部分优选地包括应用计算机实现的规则来处理群体级数据，但是也可以另外地或可替代地包括应用计算机实现的规则以在如下基础上处理微生物群系相关数据：人口统计学特有的基础例如，共有如下人口统计学特征的子组：皮肤卫生方案、种族、年龄、性别等；病症特有的基础例如，表现出特定与皮肤相关的病症的亚组、样品类型特有的基础例如，应用不同的计算机实现的规则来处理源自皮肤样本相对于粪便样品的微生物群系数据和或任何其他合适的基础。这样，框S132可以包括将使用者群体中的使用者分配给一个或更多个子组；并应用不同的计算机实现的规则来确定不同子组的特征例如，所使用的特征类型集；由特征生成的表征模型的类型等。在一个变型中，框S132可以包括应用特征选择规则例如，诸如穷举、最佳优先、模拟退火、正向贪婪、反向贪婪和或其他合适的特征选择算法来进行过滤、排序和或以其他方式选择用于生成一个或更多个表征模型的特征例如，使用将一个或更多个与皮肤相关的病症与微生物群系组成特征和或微生物群系功能多样性特征相关联的与皮肤相关的特征选择规则等、治疗模型例如，使用将一种或更多种疗法与一种或更多种微生物群系组成特征、微生物群系功能多样性特征和或源自在框S160中生成的表征的特征等相关联的规则和或其他合适的模型。如图12所示，在一个变型中，应用特征选择规则可以导致与微生物群系相关的见解，关于样本处理的修改例如，诸如技术、实验条件、框S110-S120、S150等的参数可以基于该见解。例如，方法100可以包括：应用一组与皮肤相关的特征选择规则来识别关于与皮肤相关例如，最相关的；等的病症例如，存在、风险、治疗等的特征例如，指示特定分类组的微生物群系组成特征；指示特定微生物功能的微生物群系功能多样性特征；和选择与如下所述遗传靶标相容的引物例如，用于扩增和测序以生成微生物群系数据集等，所述遗传靶标与所鉴定的特征相关例如，使用与遗传靶标相关的引物，所述以遗传靶标对应于关于与皮肤相关的病症的微生物群系功能多样性特征；等。这样，特征选择规则和或其他计算机实现的规则可以另外地或替代地用于确定样品处理参数例如，关于框S110-S120、S150等所述。另外或替代地，应用特征选择规则可以以类似于2017年3月7日提交的美国专利申请No.15452,529的方式执行，该美国专利申请的全部内容通过引用并入本文；和或可以以任何合适的方式进行。然而，可以以任何方式应用任何合适数量和或类型的特征选择规则来定义一个或更多个特征集。在一个示例中，在框S132中，特征选择规则可以包括应用针对第一组使用者与第二组使用者之间的相似性和或差异性的统计分析例如，概率分布的分析。所述第一组使用者表现出目标状态例如，健康状况状态；第二组使用者未表现出目标状态例如，“正常”状态。在实施该变型时，可以使用Kolmogorov-SmirnovKS检验、排列检验、Cramér-vonMises检验以及任何其它统计学检验例如，t检验、z检验、卡方检验、与分布相关的检验等中的一个或更多个。特别地，可以使用一个或更多个这样的统计学假设检验来评定在如下所述使用者中具有不同丰度的特征集：表现出与目标状态例如，不良状态的第一组使用者和未表现目标状态例如，正常状态的第二组使用者。更详细而言，可以基于与第一组使用者和第二组使用者相关的丰度百分比和或任何其它合适的涉及多样性的参数来约束所评定的特征集，以增加或降低表征的置信区间。在该实施例的一个具体实施方式中，特征可以来自细菌分类单位，该细菌分类单位在一定百分比的第一组使用者和第二组使用者中大量存在，其中可以由KS检验来确定第一组使用者与第二组使用者之间分类单位的相对丰度，以显著性表示例如，以p值。因此，框S132的输出可以包括示出显著性例如，p值为0.0013的归一化的相对丰度值例如，患病使用者中分类单位的相对丰度比健康使用者高25％。特征生成的变型可以另外或可替代地实施或者源自功能特征或元数据特征例如，非细菌标志物。在另一变型中，框S132可以另外或可替代地将来自微生物群系组成多样性数据集和微生物群系功能多样性数据集中的至少一个的输入数据转化成特征向量，该特征向量可以在预测使用者群体的表征中测试功效。来自补充数据集的数据可用于提供表征集的一个或更多个表征的指示，其中利用候选特征的训练数据集和候选分类来训练表征过程，以鉴定对准确地预测分类具有高度或低度预测能力的特征和或特征组合。由此，利用训练数据集对表征过程的细化使得鉴定出与使用者的特定分类具有高度相关性的特征集例如，使用者特征、特征的组合。在框S132的变型中，有效预测表征过程的分类的特征向量可以包括与以下各项中的一项或更多项有关的特征：微生物群系多样性度量例如，关于在各分类组中的分布、关于在古细菌组、细菌组、病毒组和或真核生物组中的分布、在一者的微生物群系中分类组的存在、在一者的微生物群系中特定遗传序列例如，16S序列的表示、在一者的微生物群系中分类组的相对丰度、微生物群系适应性度量例如，响应于由补充数据集确定的扰动、编码具有给定功能的蛋白质或RNA酶、转运蛋白、来自免疫系统的蛋白质、激素、干扰RNA等的基因的丰度和或源自微生物群系多样性数据集和或补充数据集的任何其它合适的特征。例如，框S132可以包括基于微生物群系组成特征例如，基于特征选择规则选择的子集、微生物群系功能多样性特征例如，基于特征选择规则选择的子集和补充特征例如，源自补充生物度量传感器数据的生物度量特征，等生成微生物群系特征向量例如，使用者群体或亚组的每位使用者的特征向量集，其中，该微生物群系特征向量集可用于训练表征模型和或其他合适的模型。另外或可替代地，可以在特征向量中使用特征的组合，其中，可以在提供组合特征作为特征集的一部分时将特征分组和或衡量权重。例如，一个特征或特征集可以包括在一者的微生物群系中细菌的所示出类别的数目的经衡量权重的复合组成weightedcomposite、在一者的微生物群系中存在特定的细菌属、在一者的微生物群系中示出了特定的16S序列以及第一门的细菌相对于第二门的细菌的相对丰度。然而，也可以另外地或可替代地以任何其它合适的方式来确定特征向量和特征。另外地或可替代地，框S130可以包括框S134：生成表征模型。框S134用于基于应用一个或更多个特征、微生物群系数据集、补充数据和或任何其它合适的数据来生成用于与皮肤相关的病症的一个或更多个表征模型。表征模型和或治疗模型或其他合适的模型可以包括以下各项中的任意一项或更多项：概率性质、启发性性质、确定性性质和或任何其他合适的性质。方法100的框S134和或任何其他合适的部分例如，生成治疗模型S140可以采用于2017年3月7日提交的美国专利申请No.15452,529和于2016年12月9日提交的美国专利申请No.15374,890中描述的算法相类似的一种或更多种算法，这两个美国专利申请的全部内容通过引用并入本文，但是可以采用任何合适的算法。在框S134的一个实施例中，可以根据随机森林预测RFP算法来生成和训练表征模型，该算法将套袋法bagging即，自助集合bootstrapaggregation和从训练数据集中选择随机特征集相结合以构建与随机特征集相关的决策树集T。在使用随机森林算法时，随机选取决策树集中的N个样例并进行替换以创建决策树的子集，并且对于每个节点，从全部预测特征中选择m个预测特征用于进行测定。使用在节点处例如，根据目标函数提供最佳分叉的预测特征来进行分叉例如，在节点处分两叉bifurcation、在节点处分三叉trifuracation。通过从大型数据集中多次取样，在鉴定预测分类中强的特征中表征过程的强度可以大大增加。在该变型中，可以在处理期间包括用于防止偏差例如，取样偏差和或导致偏差量的措施以增加模型的稳健性。在另一个实施例中，对一个或更多个使用者的表征可以另外或可替代地实施使用高假阳性测试和或高假阴性测试来进一步分析表征过程对于支持根据方法100的实施方案生成的分析的灵敏度。然而，防止偏差和或提高灵敏度可以以任何合适的方式进行。在框S134的另一变型中，可以针对不同的人口统计组例如，针对每日洗澡的使用者表征与皮肤相关的病症的第一表征模型、针对不每日洗澡的使用者进行表征的第二表征模型、与皮肤相关的病症例如，如图5所示，针对湿疹、皮肤干燥、与丘疹相关的病症、与头皮相关的病症、光敏性、头皮屑等的不同表征模型、个体使用者、补充数据例如，包含源自生物度量传感器数据和或调查响应数据的特征的模型vs.独立于补充数据的模型等和或其他合适的标准生成不同的表征模型。在一个实施例中，方法100可包括基于源自微生物群系组成数据集和微生物群系功能多样性数据集中的至少一个的第一特征集生成第一表征模型例如，用于湿疹的与湿疹相关的表征模型；和基于源自微生物群系组成数据集和微生物群系功能多样性数据集中的至少一个的附加特征集例如，与第一特征集或其它特征集共有的特征类型；包括与第一特征集或其它特征集中的那些不同的特征类型集合；等和或其它合适的数据例如，其它微生物群系组成数据集和或功能多样性数据集等来生成一个或更多个附加表征模型例如，用于与头皮相关的病症的与头皮相关的表征模型；用于与皮肤干燥相关的病症的与皮肤干燥相关的表征模型。如图5所示，从不同表征模型输出的表征可用于确定和或促进治疗，例如通过将源自不同表征例如，由与湿疹相关的表征模型输出、由与头皮相关的表征模型输出、由与皮肤干燥相关的表征模型输出，鞥的特征输入至治疗模型中例如，生成适合于治疗不同的与皮肤相关的病症的单个治疗或多个治疗，等。在另一个实施例中，框S134可以包括针对共有皮肤卫生特征例如，以特定频率使用保湿剂、洗澡、防晒剂等的使用者人口统计组生成表征模型；将该表征模型与示出皮肤卫生特征例如，在界面呈现的数字调查中；基于使用者设备传感器数据例如位置数据的使用者的使用者账户相关联例如，在微生物群系表征系统的数据库中；并且检索表征模型例如，从数据库中以对使用者进行表征。生成适合于不同环境的多个表征模型可以通过如下所述来赋予对微生物群系表征系统的改进：提高表征精确度例如，通过针对特定使用者的人口统计和或情况进行定制分析等、从数据库中获取适当表征模型的检索速度例如，通过将定制的表征模型与特定使用者帐户和或其他标识符相关联、训练和或执行表征模型例如，其中将定制模型与与皮肤相关的病症相关的潜在特征集合的子集相关联，并且其中其余未选择的特征与与皮肤相关的病症之间的相关性较小和或微生物群系表征系统的其他合适的方面。在框S134的另一变型中，生成用于不同表征模型和或治疗模型的特征集可以基于不同的特征选择规则例如，应用与湿疹相关的特征选择规则集，以生成特异于湿疹的特征集，从而生成与湿疹相关的表征模型。或者，可以使用重叠或相同的特征选择规则集来生成不同的表征模型例如，使用相同的功能多样性特征来为两种不同的与皮肤相关的病症生成两个不同的表征模型等。另外或可替代地，可以以任何合适的方式执行生成任何数量的表征模型。在框S134的另一个变型中，可以基于统计分析进行表征过程，所述统计分析鉴定与一个或更多个与皮肤相关的病症具有最高关联性的特征集，基于Kolmogorov-Smirnov统计学检验，一个或更多个疗法将对所述一个或更多个与皮肤相关的病症具有有利作用，所述Kolmogorov-Smirnov统计学检验将得自示出与皮肤相关的病症的使用者群体的子集的数据集与得自未示出与皮肤相关的病症的使用者群体的子集的数据集进行比较。然而，进行表征过程可以以任何合适的方式进行。4.2.1表征过程—光敏表征在框S130的另一个变型中，可以针对一种或更多种与光敏相关的病症执行表征过程。特别地，光敏可以是一种皮肤病症，其特征在于皮肤对太阳光的电磁光谱组分的异常反应。通常通过皮肤检查、光学测试及光斑贴photopatch测试对光敏进行诊断。此外，与光敏相关的病症可与特定微生物群多样性和或与肠道微生物的相对丰度相关的健康状况和或微生物群系功能多样性相关。在框S130的变型中，对表征与光敏相关的病症和或其他与皮肤相关的病症有用的特征集可包括源自以下分类中的一个或更多个的特征：Marvinbryantia属、丹毒丝菌目目、丹毒丝菌纲纲、拟杆菌门门和或任何其他合适的分类群。因此，对受试者的表征包括基于检测上述特征中的一个或更多个以可替代的方式或补充典型诊断方法的方式将受试者表征为有光敏性的某位。然而，在具体实施例的变型中，特征集可以包括可用于诊断的任何其它合适的特征。另外地或可替代地，在框S130中，该特征集可包括关于与光敏相关的病症例如，与使用皮肤样品的光敏诊断相关和或其他与皮肤相关的病症的功能特征，包括以下项中的一项或更多项：COG来源的特征，KEGGL2、L3、L4来源的特征以及任何其它合适的功能特征。在一些具体的实施例中，这样的特征可包括：传染性疾病KEGGL2来源的特征。然而，可以使用任何合适的特征以任何合适的方式进行针对与光敏相关的病症的表征过程。4.2.2表征过程—皮肤干燥表征在框S130的变型中，可以针对一种或更多种与皮肤干燥相关的病症执行表征过程。特别地，皮肤干燥的特征可以在于皮肤粗糙、瘙痒、剥落、脱皮或蜕皮、细纹或裂口、深色皮肤的人的灰色皮肤、发红、可能会出血并且可能导致感染的深裂。此外，可以将与皮肤干燥相关的病症与特定微生物群多样性、和或与肠道微生物的相对丰度相关的健康状况、和或微生物群系功能多样性相关联。在框S130的表征过程的变型中，对表征与皮肤干燥相关的病症和或其他与皮肤相关的病症有用的特征集可以包括源自以下分类中的一个或更多个的特征：葡萄球菌属属、葡萄球菌科科、芽孢杆菌目目、放线菌纲纲、厚壁菌门门、放线菌门门、丙酸杆菌属属、和或任何其它合适的分类群，其中针对受试者取样可以包括针对皮肤和或其他身体区域取样。因此，对受试者进行表征包括基于对上述特征中的一个或更多个进行检测以替代或补充典型诊断方法的方式将受试者诊断为皮肤干燥的某位。然而，在具体实施例的一些变型中，特征集可以包括可用于诊断的任何其它合适的特征。另外或可替代地，在框S130中，特征集可以包括关于与皮肤相关的病症例如，使用皮肤样品与皮肤干燥诊断相关的和或其它与皮肤相关的病症的功能多样性特征，包括以下各项中的一项或更多项：COG来源的特征，KEGGL2、L3、L4来源的特征和或任何其它合适的特征组合。然而，进行针对与皮肤相关的病症的表征过程可以使用任何合适的特征以任何合适的方式进行。4.2.3表征过程—头皮屑表征在框S130的变型中，执行表征过程可以针对一种或更多种与头皮相关的病症。特别地，头皮屑可以是慢性头皮病症，其特征在于头皮中的皮肤剥落、瘙痒和鳞屑，其可以由干燥的皮肤、刺激性油性皮肤、对护发产品的敏感性引起，最终导致头皮微生物群系失衡。另外，与头皮相关的病症可以与特定微生物群多样性和或与肠道微生物的相对丰度相关的健康状况和或微生物群系功能多样性相关联。在框S130的变型中，用于表征头皮屑病症和或其他与头皮相关的病症的特征集可包括源自以下分类中的一个或更多个的特征：丙酸杆菌属Propionibacteriumsp.MSP09A种、普通拟杆菌Bacteroidesvulgatus，种、链球菌属Streptococcussp.BS35a种、葡萄球菌属Staphylococcus.spC9I2种、考拉杆菌属Phascolarctobacteriumsp.377种、普拉梭菌Faecalibacteriumprausnitzii种、Alistipesputredinis种、Alistipessp.EBA6-25cl2种、Alistipessp.RMA9912种、Anaerostipessp.5163FA种、Bacteroidesacidifaciens种、粪拟杆菌种Bacteroidescaccae种、脆弱拟杆菌种、Bacteroidesplebeius种、拟杆菌属Bacteroidessp.AR20种、拟杆菌属AR29种、拟杆菌属D22种、拟杆菌属DJF种、拟杆菌属SLC1-38种、拟杆菌属XB12B种、普通拟杆菌种、Blautiafaecis种、Blautialuti种、Blautiasp.YHC-4种、Blautiastercoris种、Blautiawexlerae种、产气柯林斯菌Collinsellaaerofaciens种、棒状杆菌属Corynebacteriumsp.种、Corynebacteriumspheniscorum种、溃疡棒状杆菌种Corynebacteriumulcerans种、Doreaformicigenerans种、Dorealongicatena种、Lachnospirapectinoschiza种、Odoribactersplanchnicus种、Parabacteroidesdistasonis种、Parabacteroidesmerdae种、Phascolarctobacteriumfaecium种、痤疮丙酸杆菌Propionibacteriumacnes种、颗粒丙酸杆菌Propionibacteriumgranulosum种、丙酸菌属MSP09A种、Roseburiaintestinalis种、Roseburiainulinivorans种、罗氏菌属11SE39种、葡萄球菌属C9I2种、葡萄球菌属WB18-16种、链球菌属BS35a种、链球菌属口服分类组G59种、嗜热链球菌种、Subdoligranulumvariabile种、Sutterellastercoricanis种、SutterellawadsworthensisPropionibacterium属、葡萄球菌属、罗氏菌属属、Blautia属、拟杆菌属属、假丁酸弧菌属Pseudobutyrivibrio属、Alistipes属、Faecalibacterium属、柯林斯菌属Collinsella属、梭菌属Clostridium属、Anaerostipes属、Dorea属、Subdoligranulum属、八叠球菌属Sarcina属、毛螺菌属Lachnospira属、Anaerotruncus属、Parabacteroides属、Flavonifractor属、Intestinibacter属、Erysipelatoclostridium属、Phascolarctteriumterium属、链球菌Streptococcus属、Odoribacter属、萨特氏菌属Sutterella属、双歧杆菌属Bifidobacterium属、棒状杆菌属属、嗜胆菌属Bilophila属、Terrisporobacter属、小类杆菌属Dialister属、普氏菌属Prevotella属、Marvinbryantia属、丙酸杆菌科Propionibacteriaceae科、葡萄球菌科科、紫单胞菌科科、毛螺菌科科、消化链球菌科Peptostreptococcaceae科、红蝽菌科Coriobacteriaceae科、梭菌科Clostridiaceae科、疣微菌科Ruminococcaceae科、拟杆菌科Bacteroidaceae科、Erysipelotrichaceae科、理研菌科Rikenellaceae科、普雷沃氏菌科Prevotellaceae科、Sutterellaceae科、黄杆菌科Flavobacteriaceae科、链球菌科Streptococcaceae科、韦荣氏菌科Veillonellaceae科、氨基酸球菌科Acidaminococcaceae科、脱硫弧菌科Desulfovibrionaceae科、颤螺旋菌科Oscillospiraceae科、双歧杆菌科科、棒状杆菌科科、巴斯德菌科科、细菌目目、放线菌目目、Selenomonadales目、芽孢杆菌目目、红蝽菌目Coriobacteriales目、梭菌目目、Erysipelotricles目、乳杆菌目目、伯克霍尔德氏菌目Burkholderiales目、Flavobacteriales目、脱硫弧菌目Desulfovibrionales目、双歧杆菌目目、巴斯德氏菌目Pasteurellales目、放线菌纲纲、拟杆菌纲Bacteroidia纲、Negativicutes纲、β-变形菌Betaproteobacteria纲、梭菌纲纲、Erysipelotrichia纲、Flavobacteriia纲、芽孢杆菌纲纲、δ变形菌纲纲、γ-变形菌纲纲、拟杆菌门Bacteroidetes门、放线菌门门、变形菌门门、厚壁菌门门、疣微菌门门和或任何其它合适的分类。因此，对受试者的表征包括基于对上述特征中的一个或更多个的检测以替代或补充典型诊断方法的方式将受试者表征为有头皮屑的某位。然而，在具体实施例的一些变型中，特征集可以包括可用于诊断的任何其它合适的特征。另外或可替代地，在框S130中，特征集可以包括关于与头皮相关的病症例如，使用皮肤样品与头皮屑诊断相关的和或其它与皮肤相关的病症的功能多样性特征，包括以下各项中的一项或更多项：COG来源的特征，KEGGL2、L3、L4来源的特征以及任何其它合适的功能多样性特征。在一些具体的实施例中，这样的特征可包括以下各项中的一项或更多项：聚糖生物合成和代谢KEGGL2来源的特征，环境适应KEGGL2来源的特征，癌症KEGGL2来源的特征，免疫系统疾病KEGGL2来源的特征，转录KEGGL2来源的特征，信号传导分子和相互作用KEGGL2来源的特征，膜转运KEGGL2来源的特征，细胞运动KEGGL2来源的特征，细胞过程和信号传导KEGGL2来源的特征，辅因子和维生素代谢KEGGL2来源的特征，代谢KEGGL2来源的特征，神经退行性疾病KEGGL2来源的特征，代谢疾病KEGGL2来源的特征，酶家族KEGGL2来源的特征，细胞生长和死亡KEGGL2来源的特征，碳水化合物代谢KEGGL2来源的特征，运输和分解代谢KEGGL2来源的特征，遗传信息处理KEGGL2来源的特征，复制和修复KEGGL2来源的特征，能量代谢KEGGL2来源的特征，消化系统KEGGL2来源的特征，氨基酸代谢KEGGL2来源的特征，其他氨基酸代谢KEGGL2来源的特征，其他次级代谢产物的生物合成KEGGL2来源的特征，折叠、分类和降解KEGGL2来源的特征，脂质代谢KEGGL2来源的特征，传染病疾病KEGGL2来源的特征，核苷酸代谢KEGGL2来源的特征，萜类化合物和聚酮化合物代谢KEGGL2来源的特征，肾细胞癌KEGGL3来源的特征，泛醌和其他萜类化合物-醌生物合成KEGGL3来源的特征，肌萎缩侧索硬化KEGGL3来源的特征，硫辛酸代谢KEGGL3来源的特征，氰基氨基酸代谢KEGGL3来源的特征，谷胱甘肽代谢KEGGL3来源的特征，甲苯降解KEGGL3来源的特征，核黄素代谢KEGGL3来源的特征，植物病原体相互作用KEGGL3来源的特征，异戊烯转移酶KEGGL3来源的特征，安沙霉素生物合成KEGGL3来源的特征，ABC转运蛋白KEGGL3来源的特征，磷酸肌醇代谢KEGGL3来源的特征，柠檬酸循环TCA循环KEGGL3来源的特征，染色体KEGGL3来源的特征，糖酵解糖异生KEGGL3来源的特征，缬氨酸、亮氨酸和异亮氨酸降解KEGGL3来源的特征，原发性免疫缺陷KEGGL3来源的特征，DNA复制蛋白KEGGL3来源的特征，细胞骨架蛋白KEGGL3来源的特征，过氧化物酶体KEGGL3来源的特征，转录机制KEGGL3来源的特征，蛋白质折叠和相关加工KEGGL3来源的特征，d-丙氨酸代谢KEGGL3来源的特征，翻译蛋白KEGGL3来源的特征，甘氨酸、丝氨酸和苏氨酸代谢KEGGL3来源的特征，脂多糖生物合成蛋白KEGGL3来源的特征，能量代谢KEGGL3来源的特征，脂质代谢KEGGL3来源的特征，肽酶KEGGL3来源的特征，碳水化合物消化和吸收KEGGL3来源的特征，己内酰胺降解KEGGL3来源的特征，甘油脂代谢KEGGL3来源的特征，光合生物中的碳固定KEGGL3来源的特征，膜和细胞内结构分子KEGGL3来源的特征，脂肪酸生物合成KEGGL3来源的特征，I型糖尿病KEGGL3来源的特征，磷酸转移酶系统ptsKEGGL3来源的特征，碱基切除修复KEGGL3来源的特征，孢子形成KEGGL3来源的特征，转运蛋白KEGGL3来源的特征，蛋白激酶KEGGL3来源的特征，泛酸和CoA生物合成KEGGL3来源的特征，细胞周期-CaulobacterKEGGL3来源的特征，丁苷菌素和新霉素生物合成KEGGL3来源的特征，错配修复KEGGL3来源的特征，孔隙离子通道KEGGL3来源的特征，氧化磷酸化KEGGL3来源的特征，细胞分裂KEGGL3来源的特征，复制、重组和修复蛋白KEGGL3来源的特征，细菌运动蛋白KEGGL3来源的特征，原核生物中的碳固定途径KEGGL3来源的特征，转录因子KEGGL3来源的特征，维生素b6代谢KEGGL3来源的特征，氯代烷烃和氯代烯烃降解KEGGL3来源的特征，肽聚糖生物合成KEGGL3来源的特征，药物代谢-其他酶KEGGL3来源的特征，蛋白酶体KEGGL3来源的特征，RNA转运KEGGL3来源的特征，抗坏血酸盐酯和aldarate代谢KEGGL3来源的特征，半胱氨酸和蛋氨酸代谢KEGGL3来源的特征，半乳糖代谢KEGGL3来源的特征，四环素生物合成KEGGL3来源的特征，翻译因子KEGGL3来源的特征，甘油磷脂代谢KEGGL3来源的特征，磷酸戊糖途径KEGGL3来源的特征，酪氨酸代谢KEGGL3来源的特征，光合作用蛋白KEGGL3来源的特征，霍乱弧菌致病周期KEGGL3来源的特征，氨基糖和核苷酸糖代谢KEGGL3来源的特征，细菌趋化性KEGGL3来源的特征，色氨酸代谢KEGGL3来源的特征，烟酸和烟酰胺代谢KEGGL3来源的特征，组氨酸代谢KEGGL3来源的特征，生物素代谢KEGGL3来源的特征，分泌系统KEGGL3来源的特征，细胞抗原KEGGL3来源的特征，硫中继系统KEGGL3来源的特征，牛磺酸和亚牛磺酸代谢KEGGL3来源的特征，光合作用KEGGL3来源的特征，玉米素生物合成KEGGL3来源的特征，甲烷代谢KEGGL3来源的特征，RNA降解KEGGL3来源的特征，磷脂酰肌醇信号传导系统KEGGL3来源的特征，乙醛酸盐酯和二羧酸盐酯代谢KEGGL3来源的特征，脂肪细胞因子信号传导途径KEGGL3来源的特征，淀粉和蔗糖代谢KEGGL3来源的特征，分子伴侣和折叠催化剂KEGGL3来源的特征，维生素代谢KEGGL3来源的特征，丙酮酸代谢KEGGL3来源的特征，卟啉和叶绿素代谢KEGGL3来源的特征，香叶醇降解KEGGL3来源的特征，结核KEGGL3来源的特征，莨菪烷、哌啶和吡啶生物碱生物合成KEGGL3来源的特征，β-丙氨酸代谢KEGGL3来源的特征，PPAR信号传导途径KEGGL3来源的特征，赖氨酸生物合成KEGGL3来源的特征，蛋白质输出KEGGL3来源的特征，花生四烯酸代谢KEGGL3来源的特征，硫胺素代谢KEGGL3来源的特征，苯丙烷类生物合成KEGGL3来源的特征，核糖体生物发生KEGGL3来源的特征，核苷酸切除修复KEGGL3来源的特征，酮体合成和降解KEGGL3来源的特征，苯甲酸盐酯降解KEGGL3来源的特征，硫代谢KEGGL3来源的特征，异生素通过细胞色素p450代谢KEGGL3来源的特征，青霉素和头孢菌素生物合成KEGGL3来源的特征，药物代谢-细胞色素p450KEGGL3来源的特征，嘌呤代谢KEGGL3来源的特征，新生霉素生物合成KEGGL3来源的特征，丙酸盐酯代谢KEGGL3来源的特征，柠檬烯和蒎烯降解KEGGL3来源的特征，氨基苯甲酸盐酯降解KEGGL3来源的特征，亨廷顿氏病KEGGL3来源的特征，C5-支化二元酸代谢KEGGL3来源的特征，叶酸生物合成KEGGL3来源的特征，苯丙氨酸代谢KEGGL3来源的特征，和或任何其它合适的特征功能组合。然而，针对具体的头皮屑病症和或任何其它与头皮相关的病症进行表征过程可以使用任何合适的特征以任何合适的方式进行。4.2.D表征过程—与丘疹相关的病症在框S130的变型中，可以针对一个或更多个与丘疹相关的病症执行表征过程。特别地，与丘疹相关的病症可包括任何合适的与痤疮相关的病症。在一些变型中，用于表征与丘疹相关的病症和或其他与皮肤相关的病症的特征集可包括和或源自以下分类单位中的一个或更多个的特征：乳杆菌和或任何其他合适的分类单位。关于框S130，另外或可替代地，相关的特征集可以包括功能多样性特征，所述功能多样性特征可包括和或源自以下各项中的一项或更多项：COG来源的特征，KEGGL2、L3、L4来源的特征，以及任何其他合适的功能多样性特征和或任何其他合适的特征。4.2.E表征过程-湿疹。在框S130的一些变型中，可以针对一种或更多种湿疹病症执行表征过程。特别地，湿疹可包括以皮肤炎症为特征的皮肤病症。在一个示例中，湿疹可以通过并非基于微生物群系的测试来表征。在一些变型中，用于表征湿疹和或其他与皮肤相关的病症的特征集可包括如下特征，所述特征包括和或源自以下分类单位中的一个或更多个：链球菌科、链球菌属、乳杆菌科、韦罗菌科和或任何其他合适的分类单位。关于框S130，另外或可替代地，相关联的特征集可以包括功能多样性特征，所述功能多样性特征包括和或源自以下各项中的一项或更多项：COG来源的特征、KEGGL2、L3、L4来源的特征，以及任何其他合适的功能多样性特征和或任何其他合适的特征。因此，对受试者进行表征包括基于对上述特征中的一个或更多个进行检测以替代或补充典型诊断方法的方式将受试者诊断为患与皮肤相关的病症的某位。然而，在具体实施例的一些变型中，特征集可以包括可用于诊断的任何其它合适的特征。4.3方法—针对使用者的个性化方法100可以另外或可替代地包括框S140，框S140记载：确定用于预防、改善和或以其他方式改变与皮肤相关的病症的治疗。框S140用于鉴定和或预测疗法例如，基于益生菌的疗法、基于噬菌体的疗法、基于小分子的疗法等，所述疗法可以将使用者的微生物群系组成特征和或功能多样性特征转向理想的平衡状态以促进使用者的健康。另外或可替代地，框S140可以包括生成和或应用用于确定治疗的治疗模型。在框S140中，治疗可以选自包括以下各项中的一项或更多项的疗法：益生菌疗法、益生元疗法、抗生素疗法、抗真菌疗法、基于噬菌体的疗法、基于小分子的疗法、认知行为疗法、身体疗法例如，身体康复、洗澡卫生、每日洗澡等、临床疗法、基于药物的疗法、基于局部施用的疗法例如，水杨酸、过氧化苯甲酰、维生素A乳剂、保湿剂、类固醇乳剂、抗组胺、洗发剂、洗剂、油、乳剂等、基于替代药物的疗法、基于环境的疗法例如，基于光的疗法、基于温度的疗法等、饮食相关疗法和或被设计成以任何其它合适的方式操作以促进使用者的健康的任何其它合适的疗法。在基于噬菌体的疗法的具体实施例中，可以使用对使用者中示出的特定细菌或其它微生物具有特异性的噬菌体的一个或更多个群体例如，就集落形成单位而言下调或以其它方式消除某些细菌的群体。由此，基于噬菌体的疗法可以用于减少使用者中示出的非期望细菌群体的大小。补充地，可以使用基于噬菌体的疗法来增加未被所使用的噬菌体靶向的细菌群体的相对丰度。在一个变型中，框S140和或S170可以包括自动启动控制治疗系统的信号以促进治疗例如，基于表征、治疗模型输出等，其中启动信号可以包括以下各项中的一项或更多项：生成控制指令并将其发送到治疗系统例如，控制益生菌分配系统以向使用者提供益生菌等、启动通知提供例如，通知使用者关于一个或更多个表征和或治疗等，和或控制治疗系统以促进治疗的任何其他合适的操作。在另一特定实施例中，框S140可以包括促进使用者与护理提供者之间的交互例如，如图6所示安排与护理提供者的约会；通过无线通信信道发起远程医疗会议等，例如，响应于触发条件和或与触发条件同时例如，表征超过阈值的与皮肤相关的病症风险；由使用者或护理提供者手动请求；基于对治疗后的生物样品的分析来鉴定低于阈值的有效性评分等。关于框S140，在益生菌疗法的另一特定实施例中，如图7所示，治疗模型的候选疗法可以进行以下各项中的一项或更多项：通过提供物理屏障例如，通过定植抗性阻断病原体进入上皮细胞、通过刺激杯状细胞诱导形成粘膜屏障、增强使用者上皮细胞之间顶端紧密连接的完整性例如，通过刺激带状疱疹1的上调、通过防止紧密连接蛋白的再分布、产生抗微生物因子、刺激抗炎性细胞因子的产生例如，通过树突细胞的信号传导和调节性T细胞的诱导、引发免疫应答以及进行调节使用者的微生物群系远离失调状态的任何其它合适的功能。在一些变型中，框S140可以包括基于来自大的使用者群体的数据生成治疗模型，所述使用者群体可以包括微生物群系多样性数据集所来自的使用者群体例如，在框S110中，其中对暴露于各种治疗措施之前和暴露于各种治疗措施之后的微生物群系组成特征和或功能特征或状态健康进行了良好的表征。可以使用这样的数据来训练和验证治疗提供模型，以基于不同的微生物群系鉴定为使用者提供期望的结果的治疗措施。另外或可替代地，可以基于从一个或更多个表征模型输出的表征来生成和或应用模型。在一些变型中，治疗模型、表征模型和或其他合适的模型可以利用类似于2016年12月9日提交的美国专利申请No.15374,890中描述的机器学习方法，该美国专利申请的全部内容通过引用并入本文。在一个变型中，生成和或应用治疗模型可以基于与皮肤相关的病症的一个或更多个原因例如，与皮肤相关的病症风险的原因。例如，方法100可以包括：生成包括与皮肤相关的病症风险的表征例如，对于任何合适的与皮肤相关的病症；基于至少一个微生物群系数据集例如，从微生物群系数据集提取的使用者微生物群系组成特征和使用者微生物群系功能多样性特征确定与皮肤相关的病症风险的原因；以及基于该原因确定治疗，其中治疗可以用于降低与皮肤相关的病症的风险。然而，治疗模型和或其他合适的模型例如，表征模型可以包括任意一个或更多个概率性质、启发式性质、确定性性质和或任何其他合适的性质，和或可以以任何合适的方式配置。关于框S140，治疗模型的处理可以类似于表征模型的处理例如，针对框S130所述，其中可以为了不同的目的生成任何数量和或类型的治疗模型。在一个变型中，如由被鉴定为处于良好健康状况的使用者群体中的使用者所评定的，可以与鉴定“正常”或基线微生物群系组成特征和或功能特征相关地得到治疗模型。一旦鉴定了被表征为处于良好健康状态的使用者群体中的使用者子集例如，使用表征过程的特征，可以在框S140中生成朝向处于良好健康状态的使用者的微生物群系组成特征和或功能特征来调节微生物群系组成特征和或功能特征的疗法。因此，框S140可以包括鉴定一种或更多种基线微生物群系组成特征和或功能特征例如，用于人口统计学集中的每一个的一种基线微生物群系和潜在的治疗制剂和治疗方案，所述潜在的治疗制剂和治疗方案可以使处于生态失调状态的使用者的微生物群系转向所鉴定的基线微生物群系组成和或功能特征之一。然而，治疗模型可以以任何其它合适的方式生成和或细化。关于框S140，与治疗模型相关的益生菌疗法相关的微生物群系组成优选地包括可培养微生物例如，能够扩增以提供可扩展治疗和非致死微生物例如，在期望的治疗剂量下非致死。此外，微生物群系组成可以包括对使用者的微生物群系具有急性或缓和作用的单一类型的微生物。另外或可替代地，微生物群系组成可以包括多种类型的微生物的平衡组合，所述多种微生物被配置成彼此协作以朝向理想的状态驱动使用者的微生物群系。例如，益生菌治疗中多种类型细菌的组合可以包括第一种细菌类型，其产生为第二种细菌类型所利用的产物，该第二种细菌类型具有积极影响使用者的微生物群系的作用。另外或可替代地，益生菌治疗中的多种类型的细菌的组合可以包括数种细菌类型，所述数种细菌类型产生具有积极影响使用者的微生物群系的相同功能的蛋白质。关于框S140，益生菌组合物可以是天然来源的或合成来源的。例如，在一个应用中，益生菌组合物可以天然地来源于粪便物质或其它生物物质例如，具有基线微生物群系组成和或功能特征的一个或更多个使用者的益生菌组合物，如使用表征过程和治疗模型鉴定的。另外或可替代地，基于基线微生物群系组成和或功能特征，益生菌组合物可以是合成地获得的例如，使用台式法benchtopmethod得到，如使用表征过程和治疗模型鉴定的。在一些变型中，可以用于益生菌疗法的微生物剂可以包括以下项中的一种或更多种：酵母例如，布拉酵母菌Saccharomycesboulardii、革兰氏阴性菌例如，E.coliNissle、Akkermansiamuciniphila、布氏普雷沃氏菌Prevotellabryantii、革兰氏阳性菌例如，动物双歧杆菌Bifidobacteriumanimalis包括subspecieslactis、长双歧杆菌Bifidobacteriumlongum包括subspeciesinfantis、重组双歧杆菌Bifidobacteriabifidum、假长双歧杆菌Bifidobacteriumpseudolongum嗜热双歧杆菌Bifidobacteriumthermophilum、短双歧杆菌Bifidobacteriumbreve、鼠李糖乳杆菌Lactobacillusrhamnosus、嗜酸乳杆菌Lactobacillusacidophilus、干酪乳杆菌Lactobacilluscasei、瑞士乳杆菌Lactobacillushelveticus、植物乳杆菌Lactobacillusplantarum、发酵乳杆菌Lactobacillusfermentum、唾液乳杆菌Lactobacillussalivarius、德氏乳杆菌Lactobacillusdelbrueckii包括保加利亚乳杆菌亚种、约氏乳杆菌Lactobacillusjohnsonii、罗伊氏乳杆菌Lactobacillusreuteri、加氏乳杆菌Lactobacillusgasseri、短乳杆菌Lactobacillusbrevis包括coagulans亚种、蜡状芽孢杆菌Bacilluscereus、枯草芽孢杆菌Bacillussubtilis包括var.Natto、Bacilluspolyfermenticus、克劳氏芽孢杆菌Bacillusclausii、地衣芽孢杆菌Bacilluslicheniformis、凝结芽孢杆菌Bacilluscoagulans、短小芽孢杆菌Bacilluspumilus、普通芽孢杆菌Faecalibacteriumprausnitzii、嗜热链球菌Streptococcusthermophiles、短芽短芽孢杆菌Brevibacillusbrevis、乳酸乳球菌Lactococcuslactis、肠膜明串珠菌Leuconostocmesenteroides、屎肠球菌Enterococcusfaecium、粪肠球菌Enterococcusfaecalis、肠球菌Enterococcusdurans、丁酸梭菌Clostridiumbutyricum、菊粉芽孢杆菌Sporolactobacillusinulinus、葡萄孢子乳杆菌Sporolactobacillusvineae、乳酸球菌Pediococcusacidilactic、戊糖球菌Pediococcuspentosaceus等，和或任何其它合适类型的微生物剂。在框S140的变型中，对于表现出光敏、皮肤干燥或头皮屑和或其它与皮肤相关的病症的使用者，益生菌疗法可以包括以下一项或更多项的组合：如由预测患者的微生物群系响应于治疗的积极调节的治疗模型所确定的，以1百万至10亿CFU和或其它合适的CFU的剂量提供的拟杆菌门门、丙酸杆菌属属、葡萄球菌属属、棒状杆菌属属、链球菌属属。在框S140的另一个变型中，对于表现出湿疹和或其它合适的与皮肤相关的病症的使用者，益生菌疗法可以包括以下一项或更多项的组合：如由预测患者的微生物群系响应于治疗的积极调节的治疗模型所确定的，以1百万至10亿CFU和或其它合适的CFU的剂量提供的链球菌科、链球菌属、乳杆菌目、韦荣球菌属。在另一个变型中，对于表现出皮肤干燥和或其它合适的与皮肤相关的病症的使用者，益生菌疗法可以包括以下一项或更多项的组合：如由预测患者的微生物群系响应于治疗的积极调节的治疗模型所确定的，以1百万至10亿CFU和或其它合适的CFU的剂量提供的放线菌纲Actinobacteria纲、放线菌门Actinobacteria门、丙酸菌属Propionibacterium属。在另一个变型中，对于表现出头皮屑和或其它合适的与皮肤相关的病症的使用者，益生菌疗法可以包括以下一项或更多项的组合：如由预测患者的微生物群系响应于治疗的积极调节的治疗模型所确定的，以1百万至10亿CFU和或其它合适的CFU的剂量提供的罗氏菌属属、Blautia属、拟杆菌属属、假丁酸弧菌属属、Alistipes属、Faecalibacterium属、柯林斯菌属属、梭菌属属、Anaerostipes属、Dorea属、Subdoligranulum属、八叠球菌属属、毛螺菌属属、Anaerotruncus属、Parabacteroides属、Flavonifractor属、Intestinibacter属、Erysipelatoclostridium属、考拉杆菌属属、链球菌属属、Odoribacter属、萨特氏菌属属、棒状杆菌属属、嗜胆菌属属、Terrisporobacter属、普氏菌属属、紫单胞菌科科、毛螺菌科科、红蝽菌科科、梭菌科科、疣微菌科科、拟杆菌科科、丹毒丝菌科科、理研菌科科、普雷沃氏菌科科、Sutterellaceae科、黄杆菌科科、链球菌科科、韦荣氏菌科科、氨基酸球菌科科、脱硫弧菌科科、颤螺旋菌科科、双歧杆菌科科、棒状杆菌科科、巴斯德菌科科、细菌目目、放线菌目目、Selenomonadales目、芽孢杆菌目目、红蝽菌目目、梭菌目目、Erysipelotricles目、乳杆菌目目、伯克霍尔德氏菌目目、Flavobacteriales目、脱硫弧菌目目、巴斯德氏菌目目、拟杆菌纲纲、Negativicutes纲、β-变形菌纲、梭菌纲纲、Erysipelotrichia纲、Flavobacteriia纲、γ-变形菌纲纲、拟杆菌门门、变形菌门门、厚壁菌门门、丙酸杆菌属、葡萄球菌属属。在另一个变型中，对于表现出丘疹和或其它合适的与皮肤相关的病症的使用者，益生菌疗法可以包括以下一项或更多项的组合：如由预测患者的微生物群系响应于治疗的积极调节的治疗模型所确定的，以1百万至10亿CFU和或其它合适的CFU的剂量提供的乳杆菌目。在框S140的一些具体实施例中，可以根据针对使用者的生理学例如，体质指数、体重、身高、人口统计学例如，性别、年龄、生态失调严重程度、对药物的敏感性以及任何其他合适的因素中的一个或更多个调整的方案指导使用者摄入含益生菌制剂的胶囊。另外或可替代地，关于框S140，由框S140的治疗模型促进的治疗可包括以下各项中的一项或更多项：消耗品例如，食品、饮品、营养补充剂、建议的活动例如，锻炼方案、对饮酒的调整、对吸烟的调整、对用药的调整、局部治疗例如，洗剂、膏剂、防腐剂等、为卫生产品使用的调整例如，使用洗发剂产品、使用护发素产品、使用肥皂、使用化妆品等、饮食调整例如，糖消耗、脂肪消耗、食盐消耗、酸消耗等、睡眠行为调整、生活安排调整例如，在家居环境中调整与宠物一起生活、调整与植物一起生活、在家居环境中调整光和温度、营养补充剂例如，维生素、矿物质、纤维、脂肪酸、氨基酸、益生元、益生菌等、药物、抗生素和任何其他合适的治疗措施。在适合治疗的益生元中，作为任何食物的一部分或作为补充剂，包括以下组分：1,4-二羟基-2-萘甲酸DHNA、菊粉、反式半乳糖寡糖GOS、乳果糖、甘露寡糖MOS、低聚果糖FOS、新琼寡糖NAOS、Pyrodextrins、低聚木糖XOS、异麦芽低聚糖IMOS、直链淀粉抗性淀粉、大豆低聚糖SBOS、乳糖醇、乳糖蔗糖LS、异麦芽酮糖包括帕拉金糖Palatinose、ArabinoxylooligosaccharidesAXOS、棉子糖寡糖RFO、阿拉伯糖基木聚糖AX、多酚或能够改变具有期望效果的微生物群组成的任何其他化合物。在一个变型中，框S140和或S170可以包括得出与微生物群系组成和或功能多样性数据集例如，提取的特征中的至少一个相关联的治疗组合物。例如，方法100可以包括确定关于与皮肤相关的病症的生物分子的调节剂例如，源自关于与皮肤相关的病症的分类单位集的生物分子的调节剂；基于该调节剂得到用于与皮肤相关的病症的治疗组合物；并促进治疗组成。另外或可替代地，方法100可以包括框S150，框S150记载：从使用者获取生物样品。框S150用于促进生成针对使用者的微生物群系数据集，该微生物群系数据集可用于得到用于表征过程的输入。由此，获取、处理和分析生物样品优选地促进生成使用者的微生物群系数据集，该微生物群系数据集可用于提供表征过程的输入。在框S150中，优选以非侵入性方式例如，使用所提供的试剂盒等从使用者和或使用者的环境产生生物样品，但另外或可替选地可以以半侵入性方式或侵入性方式和或以任何合适的方式产生生物样品。此外，在框S150中，处理和分析来自使用者的生物样品优选地以与上文关于框S110所述的和或于2017年3月7日提交的美国专利申请No.15452,529中描述的样品处理的实施方案、变型和或实施例之一相似的方式执行，该美国专利申请通过引用整体并入本文。然而，框S150中的生物样品接收和处理可以可替代地以任何其他合适的方式执行。如图3所示，该方法可以另外或可替代地包括框S160，框S160记载：利用表征过程，基于处理源自使用者的生物样品的微生物群系数据集来确定对使用者的表征。框S160可用于从使用者的微生物群系来源的数据中提取特征例如，基于应用计算机执行的规则来评估微生物群系数据集，并将所述特征用作在上述框S130中描述的表征过程例如，表征模型的实施方案、变型或实施例的输入。因此，鉴定框S160中的表征优选地包括鉴定与使用者的微生物群系组成和或使用者的功能特征相关联的特征和或特征的组合，将所述特征输入到表征化过程中，并且接收表征使用者属于以下一项或更多项的输出：行为组、性别组、饮食组、疾病状态组和或能够通过表征过程鉴定的任何其他合适的组。框S160可以进一步包括生成和或输出与对使用者的表征相关联的置信度度量。例如，可以从用于生成表征的特征的数量、用于生成表征的特征的相对权重或排名、表征过程中的偏好的度量和或与表征过程方面相关联的任何其它合适的参数得到置信度度量。在一些变型中，可以用来自使用者的调查得出和或医疗历史得出特征来补充从使用者的微生物群系数据集中提取的特征，所述特征可以用于进一步细化框S130的表征过程。然而，使用者的微生物群系数据集可以另外或可替代地以任何其它合适的方式使用以加强方法100的模型，并且框S160可以以任何合适的方式执行。4.4方法—促进和监测治疗如图6所示，方法100可以另外或可替代地包括框S170，框S170记载：促进对使用者的与皮肤相关的病症的治疗例如，基于表征、和治疗模型等。框S170用于为使用者确定、推荐和或提供个性化治疗，以便将使用者的微生物群系组成和或功能特征转向理想的平衡状态。框S170可以包括根据使用者的微生物群系组成和功能特征为使用者提供定制治疗，如图8所示，其中定制治疗是微生物制剂，该微生物制剂被配置为矫正具有所鉴定表征的使用者的生态失调特征。如此，框S140的输出可用于基于经训练的治疗模型直接为使用者促进定制的治疗制剂和方案例如剂量、使用说明。另外或可替代地，治疗提供可以包括推荐被配置成使微生物群系组成和或功能特征转向期望的状态的可用治疗措施。在一些变型中，可用的治疗措施可以包括以下项中的以下各项中的一项或更多项：消耗品例如，食品、饮用品等、局部疗法例如，洗剂、软膏、防腐剂等、营养补充剂例如，维生素、矿物质、纤维、脂肪酸、氨基酸、益生元等、药物、抗生素、噬菌体以及任何其它合适的治疗措施。例如，根据治疗模型的输出，市售益生菌补充剂的组合可以包括用于使用者的合适的益生菌治疗。另外或可替代地，在一个特定实施例中，框S170的治疗可包括基于噬菌体的治疗。更详细地，可以使用对使用者中示出的特定细菌或其他微生物具有特异性的噬菌体的一个或更多个群体例如，就集落形成单位而言来下调或以其他方式消除某些细菌的群体。这样，可以使用基于噬菌体的疗法来减小使用者中示出的非期望的细菌群体的大小。补充地，基于噬菌体的疗法可用于增加未被所用噬菌体靶向的细菌群体的相对丰度。框S170中的治疗提供可以包括向使用者提供关于推荐的治疗和或其他形式的治疗的通知。通知的类型和提供通知的方式可以与2016年12月9日提交的美国专利申请No.15374,890中所描述的相似，该美国专利申请通过引用整体并入本文。如图4所示，方法100可以另外或可替代地包括框S180，框S180记载：基于处理生物样品来评定使用者随时间推移的微生物群系组成和或功能多样性从而监测针对使用者的治疗的有效性。框S180用于收集关于具有给定特征的使用者的治疗模型所建议的益生菌疗法的正面效果、负面效果和或缺乏有效性的附加数据，其中附加数据可以用于例如生成、更新和或执行一个或更多个表征模型、治疗模型和或其他合适的模型。例如，方法100可以包括：基于使用者微生物群系组成数据集例如，从数据集提取的特征等、使用者微生物群系功能多样性数据集例如，从数据集提取的特征等和或其它合适的数据集中的一个或更多个来更新模型例如，表征模型、治疗模型等例如，基于对与皮肤相关的病症的调节、基于比较治疗前和治疗后微生物群系数据集确定来更新模型；和响应于更新治疗模型，基于更新的治疗模型更新，与皮肤相关病症相关地针对第二使用者进行更新例如，针对表征、针对治疗等。在另一个实施例中，方法100可包括：从使用者获取治疗后的生物样品例如，在促进治疗后；基于治疗后的生物样品来与皮肤相关病症相关地生成对使用者的治疗后表征和促进对使用者的治疗例如，使用与皮肤相关的特征选择规则从治疗后生物样品提取的治疗后微生物群系组成和或功能多样性特征，其中所述特征可以与表征模型一起使用，等；基于治疗后表征例如，和针对使用者、针对第二使用者等的一个或更多个治疗前表征来表征对使用者的与皮肤相关的病症的调节。然而，可以响应于模型的更新来执行方法100的任何合适的部分和或任何合适的操作。在由治疗模型所促进的治疗过程期间例如，通过在整个治疗过程中通过接收和分析来自使用者的生物样品、通过在整个治疗过程中接收来自使用者的调查得出的数据监测使用者因此可用于生成为由框S130的表征过程提供的每个特征以及在框S140和S170中提供的每个推荐的治疗措施生成治疗-有效性模型。在框S180中，可以提示使用者在并入治疗的治疗方案的一个或更多个关键时间点提供另外的生物样品，并且可以处理和分析另外的生物样品例如，以类似于关于框S120所描述的方式来生成表征使用者的微生物群系成组成和或功能特征的调节的量度。例如，涉及以下一项或更多项的度量：在较早时间点在使用者的微生物群系中示出的一个或更多个分类组的相对丰度的变化、使用者的微生物群系的特定分类组的表示的变化、使用者微生物群系的细菌的第一分类组的丰度与第二分类组的丰度之比、使用者的微生物群系中的一个或更多个功能科的相对丰度的变化以及任何其他合适的度量均可用于由微生物群系成和或功能特征的变化评定治疗效果。另外或可替代地，可以使用来自使用者的调查得出的数据与使用者在接受治疗时的经历有关例如，经历的副作用、改善的个人评定等来确定框S180中的治疗的有效性。然而，可以以任何合适的方式执行一种或更多种治疗的监测有效性。然而，方法100可以包括任何其它合适的框或步骤，该框或步骤被配置为促进接收来自使用者的生物样品、处理来自使用者的生物样品、分析从生物样品获得的数据、和生成模型，该模型可用于根据使用者的特定微生物群系组成和或功能特征提供定制诊断和或基于益生菌疗法。可以将方法100和或实施方案的系统至少部分地体现为和或实施为被配置为接收存储计算机可读指令的计算机可读介质的机器。这些指令可以由与应用、小程序、主机、服务器、网络、网站、通信服务、通信界面、患者计算机或移动设备的硬件固件软件元件或其任何合适的组合等集成的计算机可执行组件执行。实施方案的其它系统和方法可以至少部分地体现为和或被实施为被配置为接收存储计算机可读指令的计算机可读介质的机器。这些指令可以由与上述类型的装置和网络集成的计算机可执行组件来执行。计算机可读介质可以被存储在诸如RAM、ROM、闪存、EEPROM、光学设备CD或DVD、硬盘驱动器、软盘驱动器或任何合适设备的任何合适的计算机可读介质上。计算机可执行组件可以是处理器，但是任何合适的专用硬件设备可以可替代地或另外执行指令。这些图说明了根据优选的实施方案、示例性构造及其变型，系统、方法和计算机程序产品的可能的实现的结构、功能和操作。就这一点而言，流程图或框图中的每个框可以表示模块、段、步骤或部分代码，其包括用于实现指定的逻辑功能的一个或更多个可执行的指令。还应当注意，在一些替代实施方式中，框中提及的功能可以不按照图中指出的顺序发生。例如，根据所涉及的功能，连续示出的两个框实际上可以基本上同时执行，或者框有时可以以相反的顺序执行。还将注意到，框图和或流程图说明中的每个框以及框图和或流程图中的框的组合可以由执行指定功能或动作的基于专用目的硬件的系统或专用目的硬件和计算机指令的组合来实施。实施方案包括各种系统组件和各种方法过程的每个组合和置换，包括任何变型、实施例和特定实施例。如本领域技术人员将从先前的详细描述以及从附图和权利要求中认识到的，可以对本发明的实施方案进行修改和改变而不脱离如所附权利要求中限定的本发明的范围。

权利要求：1.一种用于针对使用者评价与皮肤相关的病症的系统，所述系统包括：·处理网络，所述处理网络能够操作以收集含有来自使用者集合的物质的容器，所述处理网络包括测序系统，所述测序系统能够操作以通过对所述物质进行测序来确定微生物序列；·微生物群系表征系统，所述微生物群系表征系统能够操作以：·基于所述微生物序列确定微生物群系组成数据和微生物群系功能多样性数据；·收集与所述使用者集合的关于与皮肤相关的病症的补充数据；以及·将所述补充数据及从所述微生物群系组成数据和微生物群系功能多样性数据提取的特征转化成与皮肤相关的病症的表征模型；和·治疗系统，基于使用针对与皮肤相关的病症的表征模型对所述使用者进行表征，所述治疗系统能够操作以促进对所述使用者的与皮肤相关的病症的治疗。2.根据权利要求1所述的系统，其中，所述微生物群系表征系统进一步能够操作以：·获得将与皮肤相关的病症和微生物群系组成特征的子集及微生物群系功能多样性特征的子集相关联的与皮肤相关的特征选择规则集；和·基于针对与皮肤相关的特征选择规则集评估微生物群系组成数据和微生物群系功能多样性数据，来生成所述特征，其中，所述与皮肤相关的特征选择规则集能够操作以通过促进减少将所述补充数据和所述特征转化成所述表征模型的处理时间来改进所述微生物群系表征系统。3.根据权利要求2所述的系统，其中，所述微生物群系功能多样性特征包括以下各项中的至少一项：蛋白质特征的直系同源组的簇、基因组功能特征、分类特征、化学功能特征和系统功能特征。4.根据权利要求1所述的系统，其中，所述处理网络进一步包括文库制备系统，所述文库制备系统能够操作以使用与遗传靶标相容的引物将所述物质片段化并进行多重扩增，所述遗传靶标关联于与皮肤相关的病症。5.根据权利要求1所述的系统，进一步包括界面，所述界面能够操作以改善对从所述表征模型得出的与皮肤相关的病症信息的显示，其中，所述与皮肤相关的病症信息包括相对于共有人口统计特征的使用者组而言的使用者的微生物群系组成，并且其中，所述微生物群系组成包括如下分类单元集，所述分类单元集包括以下各项中的至少一项：Marvinbryantia属、丹毒丝菌目目、丹毒丝菌纲纲、拟杆菌门门、葡萄球菌属属、葡萄球菌科科、芽孢杆菌目目、放线菌纲纲、厚壁菌门门、放线菌门门和丙酸菌属属。6.根据权利要求5所述的系统，其中，所述与皮肤相关的病症信息包括相对于治疗和与皮肤相关的病症而言所述微生物群系组成随时间的变化和微生物群系功能多样性随时间的变化。7.根据权利要求1所述的系统，其中，所述功能特征包括京都基因和基因组百科全书KEGG功能特征和直系同源组的簇COG功能特征中的至少一个。8.根据权利要求7所述的系统，其中，所述特征包括源自相对丰度单调变换和非单调变换中的至少一者的变换微生物群系特征。9.根据权利要求8所述的系统，其中，所述变换微生物群系特征与以下各项中的至少一项相关：归一化、从线性的潜变量分析和非线性潜变量分析中的至少一者得到的特征向量、线性回归、非线性回归、核方法、特征嵌入方法、机器学习和统计推断方法。10.根据权利要求7所述的系统，其中，所述与皮肤相关的病症包括皮肤干燥，并且其中，所述特征包括与以下各项中的至少一项的相对丰度相关的微生物群系组成特征：葡萄球菌属属、葡萄球菌科科、芽孢杆菌目目、放线菌纲纲、厚壁菌门门、放线菌门门和丙酸菌属属。11.一种用于针对第一使用者表征与皮肤相关的病症的方法，所述方法包括：·基于源自使用者集合的生物样品的微生物序列，生成微生物群系组成数据集和微生物群系功能多样性数据集；·接收提供所述使用者集合的与皮肤相关的病症的信息的补充数据集；·获得与皮肤相关的特征选择规则集，所述与皮肤相关的特征选择规则集将所述与皮肤相关的病症与微生物群系组成特征的子集和微生物群系功能多样性特征的子集相关联；·基于针对所述与皮肤相关的特征选择规则集评估所述微生物群系组成数据集和所述微生物群系功能多样性数据集，来生成特征集；·应用所述特征集与所述补充数据集以生成针对所述与皮肤相关的病症的表征模型；·使用所述表征模型针对所述与皮肤相关的病症生成对所述第一使用者的第一表征；和·基于所述第一表征促进对所述第一使用者的与皮肤相关的病症的治疗。12.根据权利要求11所述的方法，其中，所述表征模型是与湿疹相关的表征模型，所述方法进一步包括：·基于所述微生物群系组成数据集和微生物群系功能多样性数据集生成第二特征集；·应用所述第二特征集来生成与头皮相关的表征模型；和·使用所述与头皮相关表征模型针对与头皮相关病症生成对所述第一使用者的第二表征。13.根据权利要求12所述的方法，进一步包括：·使用与皮肤干燥相关的表征模型针对与皮肤干燥相关的病症生成所述第一使用者的第三表征；·其中，促进对所述第一使用者的治疗包括基于所述第一表征、所述第二表征和所述第三表征促进所述治疗。14.根据权利要求11所述的方法，其中，促进所述治疗包括自动启动控制治疗系统的信号以基于针对与皮肤相关的病症的所述第一使用者的第一表征来促进所述治疗。15.根据权利要求11所述的方法，进一步包括：基于所述与皮肤相关的特征选择规则集的第一与皮肤相关的特征选择规则来生成所述第一使用者的使用者微生物群系组成特征；和基于所述与皮肤相关的特征选择规则集的第二与皮肤相关的特征选择规则来生成所述第一使用者的使用者微生物群系功能多样性特征，并且其中，生成所述第一表征包括基于所述使用者微生物群系组成特征、使用者微生物群系功能多样性特征和表征模型来生成所述第一表征。16.根据权利要求15所述的方法，·其中，所述第一表征包括与皮肤相关的病症的风险，所述与皮肤相关的病症的风险包括湿疹风险、皮肤干燥风险、与头皮相关的病症的风险、光敏风险和痤疮风险中的至少一个，并且所述方法进一步包括：·基于所述使用者微生物群系组成特征和使用者微生物群系功能多样性特征来确定与皮肤相关的病症的风险的原因；和·基于所述原因确定治疗，其中所述治疗能够操作以降低与皮肤相关的病症的风险。17.根据权利要求15所述的方法，进一步包括：·基于所述使用者微生物群系组成特征和使用者微生物群系功能多样性特征更新所述表征模型；和·响应于更新所述表征模型，基于经更新的表征模型针对与皮肤相关的病症更新第二使用者的第二表征。18.根据权利要求11所述的方法，进一步包括：·在促进所述治疗之后，接收来自所述第一使用者的治疗后生物样品；·基于所述表征模型和所述治疗后生物样品针对所述与皮肤相关的病症生成所述第一使用者的治疗后表征；和·基于所述治疗后表征与所述表征来针对所述第一使用者表征对所述与皮肤相关的病症的调节。19.根据权利要求18所述的方法，·其中，所述治疗能够操作以促进所述第一使用者的微生物群系组成和微生物群系功能多样性的改变，并且所述方法进一步包括：·基于所述治疗后生物样品和与皮肤相关的特征选择规则集来确定治疗后使用者微生物群系组成特征和治疗后微生物群系功能多样性特征，其中所述治疗后使用者微生物群系组成特征与微生物群系组成特征的子集相关联，其中所述治疗后微生物群系功能多样性特征与微生物群系功能多样性特征的子集相关联，并且·其中，生成治疗后表征包括基于所述治疗后使用者微生物群系组成特征、治疗后微生物群系功能多样性特征和表征模型来生成所述治疗后表征。20.根据权利要求19所述的方法，其中，基于治疗模型来选择所述治疗，所述方法进一步包括：·基于针对第一使用者调节与皮肤相关的病症来更新所述治疗模型；·响应于更新所述治疗模型，基于经更新的治疗模型针对第二使用者更新第二治疗；和·针对与皮肤相关的病症促进所述第二使用者的经更新的第二治疗。21.根据权利要求11所述的方法，进一步包括：·鉴定与遗传靶标相容的引物，所述遗传靶标与所述与皮肤相关的病症相关联；·使用经鉴定的引物和来自所述第一使用者的使用者生物样品扩增核酸物质；和·对所述核酸物质进行测序以确定使用者微生物序列，·其中，针对所述第一使用者生成第一表征包括基于所述表征模型和使用者微生物序列生成第一表征。22.根据权利要求21所述的方法，其中，鉴定与遗传靶标相容的引物，所述遗传靶标与所述与皮肤相关的病症相关联包括基于所述与皮肤相关的特征选择规则集来鉴定所述引物。23.根据权利要求11所述的方法，其中，所述与皮肤相关的病症包括湿疹，并且其中，所述微生物群系组成特征的子集包括与分类单元集相关的组成特征，所述分类单元集包括链球菌科、链球菌属、乳杆菌目和韦荣球菌属中的至少一种。24.根据权利要求23所述的方法，进一步包括：·确定与所述分类单元集和与皮肤相关的病症相关的生物分子的调节剂；·基于所述调节剂得到用于与皮肤相关的病症的治疗组合物；·其中，促进所述治疗包括基于所述表征向所述第一使用者提供所述治疗组合物。25.根据权利要求23所述的方法，其中，所述微生物群系功能多样性特征的子集包括京都基因和基因组百科全书KEGG功能特征和直系同源组的簇COG功能特征中的至少一个。26.根据权利要求23所述的方法，其中，单个微生物的组成特征与如下度量中的至少一个相关：相对丰度、存在和不存在相对丰度差异。27.根据权利要求11所述的方法，其中，所述与皮肤相关的病症包括与头皮相关的病症，所述与头皮相关的病症包括头皮屑，并且其中所述微生物群系组成特征的子集包括与如下分类单元集相关的各种特征，所述分类单元集包括或包含以下各项中的至少一项：丙酸杆菌属Propionibacteriumsp.MSP09A种、普通拟杆菌种、链球菌属Streptococcussp.BS35a种、葡萄球菌属Staphylococcussp.C9I2种、考拉杆菌属Phascolarctobacteriumsp.377种、普拉梭菌种、Alistipesputredinis种、Alistipessp.EBA6-25cl2种、Alistipessp.RMA9912种、Anaerostipessp.5_1_63FA种、Bacteroidesacidifaciens种、粪拟杆菌种、脆弱拟杆菌种、Bacteroidesplebeius种、拟杆菌属Bacteroidessp.AR20种、拟杆菌属Bacteroidessp.AR29种、拟杆菌属Bacteroidessp.D22种、拟杆菌属Bacteroidessp.DJF种、拟杆菌属Bacteroidessp.SLC1-38种、拟杆菌属Bacteroidessp.XB12B种、普通拟杆菌种、Blautiafaecis种、Blautialuti种、Blautiasp.YHC-4种、Blautiastercoris种、Blautiawexlerae种、产气柯林斯菌种、棒状杆菌属Corynebacteriumsp.种、Corynebacteriumspheniscorum种、溃疡棒状杆菌种、Doreaformicigenerans种、Dorealongicatena种、Lachnospirapectinoschiza种、Odoribactersplanchnicus种、Parabacteroidesdistasonis种、Parabacteroidesmerdae种、Phascolarctobacteriumfaecium种、痤疮丙酸杆菌种、颗粒丙酸杆菌种、丙酸菌属Propionibacteriumsp.MSP09A种、Roseburiaintestinalis种、Roseburiainulinivorans种、罗氏菌属Roseburiasp.11SE39种、葡萄球菌属Staphylococcussp.C9I2种、葡萄球菌属Staphylococcussp.WB18-16种、链球菌属Streptococcussp.BS35a种、链球菌属Streptococcussp.口服分类组G59种、嗜热链球菌种、Subdoligranulumvariabile种、Sutterellastercoricanis种、SutterellawadsworthensisPropionibacterium属、葡萄球菌属属、罗氏菌属属、Blautia属、拟杆菌属属、假丁酸弧菌属属、Alistipes属、Faecalibacterium属、柯林斯菌属属、梭菌属属、Anaerostipes属、Dorea属、Subdoligranulum属、八叠球菌属属、毛螺菌属属、Anaerotruncus属、Parabacteroides属、Flavonifractor属、Intestinibacter属、Erysipelatoclostridium属、Phascolarctteriumterium属、链球菌属属、Odoribacter属、萨特氏菌属属、双歧杆菌属属、棒状杆菌属属、嗜胆菌属属、Terrisporobacter属、小类杆菌属属、普氏菌属属、Marvinbryantia属、丙酸杆菌科科、葡萄球菌科科、紫单胞菌科科、毛螺菌科科、消化链球菌科科、红蝽菌科科、梭菌科科、疣微菌科科、拟杆菌科科、Erysipelotrichaceae科、理研菌科科、普雷沃氏菌科科、Sutterellaceae科、黄杆菌科科、链球菌科科、韦荣氏菌科科、氨基酸球菌科科、脱硫弧菌科科、颤螺旋菌科科、双歧杆菌科科、棒状杆菌科科、巴斯德菌科科、拟杆菌目目、放线菌目目、Selenomonadales目、芽孢杆菌目目、红蝽菌目目、梭菌目目、Erysipelotricles目、乳杆菌目目、伯克霍尔德氏菌目目、Flavobacteriales目、脱硫弧菌目目、双歧杆菌目目、巴斯德氏菌目目、放线菌纲纲、拟杆菌纲纲、Negativicutes纲、β-变形菌纲、梭菌纲纲、Erysipelotrichia纲、Flavobacteriia纲、芽孢杆菌纲纲、δ变形菌纲纲、γ-变形菌纲纲、拟杆菌门门、放线菌门门、变形菌门门、厚壁菌门门和疣微菌门门。28.根据权利要求27所述的方法，其中，所述微生物群系功能多样性特征的子集包括与如下各项中的至少一项相关的京都基因和基因组百科全书KEGG功能特征：聚糖生物合成和代谢KEGGL2来源的特征，环境适应KEGGL2来源的特征，癌症KEGGL2来源的特征，免疫系统疾病KEGGL2来源的特征，转录KEGGL2来源的特征，信号传导分子和相互作用KEGGL2来源的特征，膜转运KEGGL2来源的特征，细胞运动KEGGL2来源的特征，细胞过程和信号传导KEGGL2来源的特征，辅因子和维生素代谢KEGGL2来源的特征，代谢KEGGL2来源的特征，神经退行性疾病KEGGL2来源的特征，代谢疾病KEGGL2来源的特征，酶家族KEGGL2来源的特征，细胞生长和死亡KEGGL2来源的特征，碳水化合物代谢KEGGL2来源的特征，运输和分解代谢KEGGL2来源的特征，遗传信息处理KEGGL2来源的特征，复制和修复KEGGL2来源的特征，能量代谢KEGGL2来源的特征，消化系统KEGGL2来源的特征，氨基酸代谢KEGGL2来源的特征，其他氨基酸代谢KEGGL2来源的特征，其他次级代谢产物的生物合成KEGGL2来源的特征，折叠、分类和降解KEGGL2来源的特征，脂质代谢KEGGL2来源的特征，传染病疾病KEGGL2来源的特征，核苷酸代谢KEGGL2来源的特征，萜类化合物和聚酮化合物代谢KEGGL2来源的特征，肾细胞癌KEGGL3来源的特征，泛醌和其他萜类化合物-醌生物合成KEGGL3来源的特征，肌萎缩侧索硬化KEGGL3来源的特征，硫辛酸代谢KEGGL3来源的特征，氰基氨基酸代谢KEGGL3来源的特征，谷胱甘肽代谢KEGGL3来源的特征，甲苯降解KEGGL3来源的特征，核黄素代谢KEGGL3来源的特征，植物病原体相互作用KEGGL3来源的特征，异戊烯转移酶KEGGL3来源的特征，安沙霉素生物合成KEGGL3来源的特征，ABC转运蛋白KEGGL3来源的特征，磷酸肌醇代谢KEGGL3来源的特征，柠檬酸循环TCA循环KEGGL3来源的特征，染色体KEGGL3来源的特征，糖酵解糖异生KEGGL3来源的特征，缬氨酸、亮氨酸和异亮氨酸降解KEGGL3来源的特征，原发性免疫缺陷KEGGL3来源的特征，DNA复制蛋白KEGGL3来源的特征，细胞骨架蛋白KEGGL3来源的特征，过氧化物酶体KEGGL3来源的特征，转录机制KEGGL3来源的特征，蛋白质折叠和相关加工KEGGL3来源的特征，d-丙氨酸代谢KEGGL3来源的特征，翻译蛋白KEGGL3来源的特征，甘氨酸、丝氨酸和苏氨酸代谢KEGGL3来源的特征，脂多糖生物合成蛋白KEGGL3来源的特征，能量代谢KEGGL3来源的特征，脂质代谢KEGGL3来源的特征，肽酶KEGGL3来源的特征，碳水化合物消化和吸收KEGGL3来源的特征，己内酰胺降解KEGGL3来源的特征，甘油脂代谢KEGGL3来源的特征，光合生物中的碳固定KEGGL3来源的特征，膜和细胞内结构分子KEGGL3来源的特征，脂肪酸生物合成KEGGL3来源的特征，I型糖尿病KEGGL3来源的特征，磷酸转移酶系统ptsKEGGL3来源的特征，碱基切除修复KEGGL3来源的特征，孢子形成KEGGL3来源的特征，转运蛋白KEGGL3来源的特征，蛋白激酶KEGGL3来源的特征，泛酸和CoA生物合成KEGGL3来源的特征，细胞周期-CaulobacterKEGGL3来源的特征，丁苷菌素和新霉素生物合成KEGGL3来源的特征，错配修复KEGGL3来源的特征，孔隙离子通道KEGGL3来源的特征，氧化磷酸化KEGGL3来源的特征，细胞分裂KEGGL3来源的特征，复制、重组和修复蛋白KEGGL3来源的特征，细菌运动蛋白KEGGL3来源的特征，原核生物中的碳固定途径KEGGL3来源的特征，转录因子KEGGL3来源的特征，维生素b6代谢KEGGL3来源的特征，氯代烷烃和氯代烯烃降解KEGGL3来源的特征，肽聚糖生物合成KEGGL3来源的特征，药物代谢-其他酶KEGGL3来源的特征，蛋白酶体KEGGL3来源的特征，RNA转运KEGGL3来源的特征，抗坏血酸盐酯和aldarate代谢KEGGL3来源的特征，半胱氨酸和蛋氨酸代谢KEGGL3来源的特征，半乳糖代谢KEGGL3来源的特征，四环素生物合成KEGGL3来源的特征，翻译因子KEGGL3来源的特征，甘油磷脂代谢KEGGL3来源的特征，磷酸戊糖途径KEGGL3来源的特征，酪氨酸代谢KEGGL3来源的特征，光合作用蛋白KEGGL3来源的特征，霍乱弧菌致病周期KEGGL3来源的特征，氨基糖和核苷酸糖代谢KEGGL3来源的特征，细菌趋化性KEGGL3来源的特征，色氨酸代谢KEGGL3来源的特征，烟酸和烟酰胺代谢KEGGL3来源的特征，组氨酸代谢KEGGL3来源的特征，生物素代谢KEGGL3来源的特征，分泌系统KEGGL3来源的特征，细胞抗原KEGGL3来源的特征，硫中继系统KEGGL3来源的特征，牛磺酸和亚牛磺酸代谢KEGGL3来源的特征，光合作用KEGGL3来源的特征，玉米素生物合成KEGGL3来源的特征，甲烷代谢KEGGL3来源的特征，RNA降解KEGGL3来源的特征，磷脂酰肌醇信号传导系统KEGGL3来源的特征，乙醛酸盐酯和二羧酸盐酯代谢KEGGL3来源的特征，脂肪细胞因子信号传导途径KEGGL3来源的特征，淀粉和蔗糖代谢KEGGL3来源的特征，分子伴侣和折叠催化剂KEGGL3来源的特征，维生素代谢KEGGL3来源的特征，丙酮酸代谢KEGGL3来源的特征，卟啉和叶绿素代谢KEGGL3来源的特征，香叶醇降解KEGGL3来源的特征，结核KEGGL3来源的特征，莨菪烷、哌啶和吡啶生物碱生物合成KEGGL3来源的特征，β-丙氨酸代谢KEGGL3来源的特征，PPAR信号传导途径KEGGL3来源的特征，赖氨酸生物合成KEGGL3来源的特征，蛋白质输出KEGGL3来源的特征，花生四烯酸代谢KEGGL3来源的特征，硫胺素代谢KEGGL3来源的特征，苯丙烷类生物合成KEGGL3来源的特征，核糖体生物发生KEGGL3来源的特征，核苷酸切除修复KEGGL3来源的特征，酮体合成和降解KEGGL3来源的特征，苯甲酸盐酯降解KEGGL3来源的特征，硫代谢KEGGL3来源的特征，异生素通过细胞色素p450代谢KEGGL3来源的特征，青霉素和头孢菌素生物合成KEGGL3来源的特征，药物代谢-细胞色素p450KEGGL3来源的特征，嘌呤代谢KEGGL3来源的特征，新生霉素生物合成KEGGL3来源的特征，丙酸盐酯代谢KEGGL3来源的特征，柠檬烯和蒎烯降解KEGGL3来源的特征，氨基苯甲酸盐酯降解KEGGL3来源的特征，亨廷顿氏病KEGGL3来源的特征，C5-支化二元酸代谢KEGGL3来源的特征，叶酸生物合成KEGGL3来源的特征和苯丙氨酸代谢KEGGL3来源的特征。29.根据权利要求27所述的方法，其中，单一微生物的组成特征与如下度量中的至少一个相关：相对丰度、存在和不存在相对丰度差异。30.根据权利要求11所述的方法，其中，所述与皮肤相关的病症包括皮肤干燥，并且其中，所述微生物群系组成特征的子集包括与如下分类单元集相关的组成特征，所述分类单元集包括以下各项中的至少一项：葡萄球菌属属、葡萄球菌科科、芽孢杆菌目目、放线菌纲纲、厚壁菌门门、放线菌门门和丙酸菌属属。31.根据权利要求30所述的方法，其中，所述微生物群系功能多样性特征的子集包括京都基因和基因组百科全书KEGG功能特征和直系同源组的簇COG功能特征中的至少一个。32.根据权利要求23所述的方法，其中，单一微生物的组成特征与如下度量中的至少一个相关：相对丰度、存在和不存在相对丰度差异。33.根据权利要求11所述的方法，其中，所述与皮肤相关的病症包括光敏，并且其中，所述微生物群系组成特征的子集包括与如下分类单元集相关的组成特征，所述分类单元集包括以下各项中的至少一项：Marvinbryantia属、丹毒丝菌目目、丹毒丝菌纲纲和拟杆菌门门。34.根据权利要求33所述的方法，其中，所述微生物群系功能多样性特征的子集包括传染性疾病KEGGL2来源的特征。35.根据权利要求33所述的方法，其中，单一微生物的组成特征与如下度量中的至少一个相关：相对丰度、存在和不存在相对丰度差异。36.根据权利要求11所述的方法，其中，所述与皮肤相关的病症包括与丘疹相关的病症，并且其中，所述微生物群系组成特征的子集包括与如下分类单元集相关的组成特征，所述分类单元集包括乳杆菌目。

百度查询： 普梭梅根公司 用于表征与皮肤相关的病症的方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD