【技术实现步骤摘要】
【国外来华专利技术】基于生物信息学方法表征代谢相关病症的包括诊断和疗法的方法和系统相关申请的交叉引用本申请要求2018年3月16日提交的美国临时申请序列号62/644,347、2018年6月2日提交的美国临时申请序列号62/679,783、2018年6月2日提交的美国临时申请序列号62/679,785、2018年6月2日提交的美国临时申请序列号62/679,787、2018年8月30日提交的美国临时申请序列号62/724,928、2018年9月27日提交的美国临时申请序列号62/737,108、2018年11月12日提交的美国临时申请号62/759,975、2018年11月23日提交的美国临时申请序列号62/770,919的权益,其全部内容通过引用合并于此。
本公开一般地涉及微生物相关代谢。
技术介绍
我们身体的人类细胞中有1:1的微生物细胞,其中大多数存在于肠道中(100万亿个细胞和500万个独特基因)。具体地,在人类肠中发现的最相关的门是:厚壁菌门(Firmicutes)、拟杆菌门(Bacteroidetes)、放线菌门(Actinobacteria)、变形菌门(Proteobacteria)、梭杆菌门(Fusobacteria)和疣微菌门(Verrucomicrobia)。肠内菌群(intestinalmicrobiota)涉及许多方面,其中包括例如维生素和代谢物的产生、药物的代谢、对病原体的预防以及免疫系统的调节;并且可以强调的是,调节肠道菌群(gutmicrobiota)的因素是:其中包括生活方式、免疫 ...
【技术保护点】
1.一种用于代谢有关预测的方法,所述方法包括:/n生成酶数据集,其包括:/n酶数据,其表示与微生物分类群集合相关的酶集合;和/n化学反应数据,其与所述酶集合相关;/n生成底物数据集,其包括与底物集合相关的底物结构特征,所述酶集合能够作用在所述底物集合上;/n基于所述酶数据集和所述底物数据集,生成机器学习模型,用于预测与查询分子的代谢相关的酶特征;/n基于从所述机器学习模型中预测的所述酶特征,确定与所述查询分子的所述代谢相关的微生物分类单元;和/n基于所述微生物分类单元和用户的微生物组表征,确定所述用户的查询分子得分,其中所述查询分子得分与所述查询分子相关。/n
【技术特征摘要】
【国外来华专利技术】20180316 US 62/644,347;20180602 US 62/679,783;20181.一种用于代谢有关预测的方法,所述方法包括:
生成酶数据集,其包括:
酶数据,其表示与微生物分类群集合相关的酶集合;和
化学反应数据,其与所述酶集合相关;
生成底物数据集,其包括与底物集合相关的底物结构特征,所述酶集合能够作用在所述底物集合上;
基于所述酶数据集和所述底物数据集,生成机器学习模型,用于预测与查询分子的代谢相关的酶特征;
基于从所述机器学习模型中预测的所述酶特征,确定与所述查询分子的所述代谢相关的微生物分类单元;和
基于所述微生物分类单元和用户的微生物组表征,确定所述用户的查询分子得分,其中所述查询分子得分与所述查询分子相关。
2.根据权利要求1所述的方法,其中,所述查询分子包括药物,且其中,所述查询分子得分包括药物得分,所述药物得分表示针对所述用户的所述药物的药物效力。
3.根据权利要求2所述的方法,其还包括:基于所述药物得分,向所述用户推广疗法,以用于微生物有关病症。
4.根据权利要求3所述的方法,其中,推广所述疗法包括向所述用户提供所述疗法的推荐。
5.根据权利要求1所述的方法,其中,所述底物结构特征包括与所述底物集合相关的3D结构特征、与所述底物集合相关的产物分子特征以及与所述底物集合相关的药物特征中的至少之一。
6.根据权利要求5所述的方法,其还包括:针对所述底物集合的各底物,从所述3D结构特征、所述产物分子特征和所述药物特征中识别有关的特征子集,其中,生成所述机器学习模型包括基于所述酶数据集和所述有关的特征子集生成所述机器学习模型,用于预测与所述查询分子的代谢相关的所述酶特征。
7.根据权利要求1所述的方法,其中,所述化学反应数据包括与所述酶集合相关的酶学委员会编号数据,且其中,所述酶特征包括所述查询分子的酶学委员会编号特征。
8.根据权利要求7所述的方法,其中,所述酶集合包括与所述酶学委员会编号数据不相关的酶第一子集、和与所述酶学委员会编号数据相关的酶第二子集,且其中,生成所述酶数据集包括基于所述酶学委员会编号数据注释所述酶第一子集。
9.根据权利要求7所述的方法,其中,所述酶学委员会编号特征包括所述查询分子的酶学委员会分类编号和酶学委员会子分类编号;其中,所述方法还包括,基于查询分子结构特征和所述底物结构特征之间的相似性,预测所述查询分子的酶学委员会子子分类编号和酶学委员会子子子分类编号;其中,确定所述微生物分类单元包括基于所述酶学委员会分类编号、所述酶学委员会子分类编号、所述酶学委员会子子分类编号和所述酶学委员会子子子分类编号,确定所述微生物分类单元。
10.根据权利要求1所述的方法,其中所述机器学习模型包括随机森林模型,用于预测与所述查询分子的代谢相关的所述酶特征。
11.根据权利...
【专利技术属性】
技术研发人员:扎迦利·阿普特,杰西卡·里奇曼,丹尼尔·阿尔莫纳西德,尹提·佩德索,维多利亚·杜马斯,瓦莱里亚·马奎兹,英格丽·阿拉亚,里卡多·卡斯特罗,马里奥·萨维德拉,梅利莎·奥乐基瑞亚,
申请(专利权)人:普梭梅根公司,
类型:发明
国别省市:美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。