基因组数据和分析数据的分析制造技术

在一种或更多种实施方式中，基因组数据和分析数据可用于确定环境中可能存在的酶和生物体

【技术实现步骤摘要】
【国外来华专利技术】基因组数据和分析数据的分析
[0001]优先权
[0002]本申请要求于
2021
年4月
29
日提交的美国临时申请序列号
63/181,821
的优先权权益，所述申请通过引用整体并入本文
。

技术介绍

[0003]可在多种情况下分析基因组数据
(genomics data)
和分析数据
(analytical data)
以确定针对多种生物学病症的治疗
。
将从样品中获得的不同类型的基因组数据和分析数据结合在一起以得到实际有用的结果通常可能具有挑战性
。
附图说明
[0004]在不一定按比例绘制的附图中，相同的数字可在不同的视图中描述类似的组件
。
为了容易识别对任何特定要素或行为的讨论，参考数字中最显著的一个或更多个数字是指该要素首次被引入的图号
。
一些实施方式是通过实例的方式举例说明的，而非限制
。
[0005]图1示出了基于基因组数据和分析数据确定候选益生元
(prebiotic)
的过程的流程图
。
[0006]图2是示出根据一种或更多种示例性实施方式的计算机系统形式的机器组件的框图，所述机器组件可从一个或更多个机器可读介质读取并执行指令，以进行本文中所述的任一种或更多种方法
。
[0007]图3是示出根据一种或更多种示例性实施方式的可与本文中所述的一种或更多种硬件架构
(hardware architecture)
结合使用的代表性软件架构
(software architecture)
的框图
。
[0008]图4示出了当添加不同浓度的针对
B
‑
丙氨酸的靶向益生元
(aTP)
时
EC panD
基因的基因表达倍数变化
。
使大肠杆菌
(E Coli)
培养物在
LB
中生长至
OD 1.5
，对照样品接受与处理培养物体积相等的另外的生长培养基，所述处理培养物接受所示量的掺有不同浓度的靶向益生元的生长培养基
。
所有培养物的取样都是在开始或时间＝
0(T0)
以及掺入之后1小时
(T1)
和3小时
(T3)
时进行的
。
表达水平是通过
RNA
和
rtPCR
测量的
。
用于将天冬氨酸转化为
B
‑
丙氨酸的基因
(panD)
显示出相对于对照转录提高2倍，表明
B
‑
丙氨酸代谢途径激活
。
[0009]图5示出了根据本文中的实施方式确定的用于健康皮肤的数种计算机
(in silico)
预测的靶向益生元
。
[0010]图6示出了来自其中个体
(N
＝
2)
在3个皮肤位置处且用
TP
和载体二者或者仅用载体
(
对照
)
一式两份地治疗的实验的结果
。
在任一部位上均未发现益生元
。
在对照部位上均未发现任何后生元
(postbiotic)
神经酰胺
。
数据是在6小时之后从这些皮肤部位采集拭子，提取然后在
Orbitrap
上运行的结果
(
代谢组学
)。
[0011]图7示出了在此描述的示例生物化学平台，其由体外
、
离体和原位实验和工作组成，为靶向益生元化合物的安全性
、
效力
、
机制和给药提供了证据
。
下面给出了生物信息学平台的概述，并且在其他地方也进行了强调
。
[0012]图8示出了来自生长实验的结果，在生长实验中将在
LB
肉汤
(broth)
中培养过夜的经验培养物重新稀释到新的具有不同浓度的每种化合物的
LB
肉汤中使得
600nm
处的起始光密度
(optical density
，
OD)
为
0.05。
培养物通常在
37℃
下在振荡下培养5小时，并取样进行
OD
600
读数
(
图
1)。
还完成了更长时间的生长实验，以检测自1剂量的
TP
开始后生元产生的时间
。
[0013]图9示出了生长曲线实验设计
。
根据处理将培养物培养5小时或更长时间，但每小时进行
OD
600
读数以评价每种培养物的生长率
。
[0014]图
10
示出了后生元驱避剂化合物
(Postbiotic Repellent compound)
是在添加
iTP
之后至少3小时产生的
。
在添加靶向益生元之后后生元产生的实例
。
在此示出了这样的一个演示：将预测的益生元输入化合物掺入到混合的经验皮肤培养物中，在掺入之后3小时取样以进行
GCMS。
发现驱避剂输出化合物的水平高于对冈比亚按蚊
(Anopheles gambiae)3产生驱避作用所需的水平
。
[0015]图
11
示出了化合物毒性
/
细菌细胞生存力测定
。
为了测试益生元的毒性，向培养物添加不同浓度
。
在数个时间点取样
。
使用来自稀释板的细菌菌落计数来确定活细胞
(
细胞
/mL)。
[0016]图
12
示出了驱虫剂靶向的益生元
(insect repellent Targeted Prebiotic
，
iTP)
的安全性和给药生存力测试的实例
。
在此，将混合的群落微生物组培养物在不同浓度的预测
iTP
下培养过夜
。
在所示实验中，发现
10mM
的
TP
输入化合物2的剂量太高，并导致丧失生存力
(
就菌落形成单位
(
或
(colony forming unit)CFU)
而言
)。
[0017]图
13
示出了在所添加浓度下的针对神经酰胺
(ceramide
，
c)
的靶向益生元
(Targeted Prebi本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
方法，其包括：通过包含一个或更多个计算装置的计算系统获得包括多个测序读段的测序数据，所述计算装置各自包含处理器和存储器，所述多个测序读段来源于多个样品；通过所述计算系统聚集所述多个测序读段中多个单独的测序读段以产生聚集序列，所述聚集序列包含来源于从第一个体获得的多个样品中的第一样品的多个序列中的一个或更多个第一序列，以及来源于从第二个体获得的多个样品中的第二样品的多个序列中的一个或更多个第二序列；通过所述计算系统分析一个或更多个基因组区以
(i)
确定对应于所述一个或更多个基因组区的一种或更多种酶，以及
(ii)
确定具有包含所述一个或更多个基因组区的相应基因组的一种或更多种生物体；通过所述计算系统，基于对应于单独基因组区的一种或更多种酶中的至少一种酶，确定对应于所述一个或更多个基因组区中单独基因组区的生物化学途径，其中所述至少一种酶激活与所述生物化学途径相关的反应；通过所述计算系统确定与所述生物化学途径相关的多种化合物，所述多种化合物至少包括第一化合物和第二化合物，所述第一化合物是所述生物化学途径的反应中的反应物，所述第二化合物是所述生物化学途径的反应中的产物；通过所述计算系统，基于对应于所述单独基因组区的多个所述一个或更多个第一序列，确定存在于所述第一样品中的一种或更多种酶的第一酶量的第一度量；通过所述计算系统基于所述第一酶量的第一度量确定所述反应物是用于治疗存在于一个或更多个第一个体中的一种或更多种生物学病症的候选益生元
。2.
权利要求1所述的方法，其包括：通过所述计算系统获得从所述第一样品获得的分析数据；以及通过所述计算系统基于所述分析数据确定所述样品中所述反应物的第一丰度和所述产物的第二丰度；其中基于所述样品中所述反应物的第一丰度和所述产物的第二丰度，所述反应物被确定为候选益生元
。3.
权利要求2所述的方法，其中所述分析数据通过对所述第一样品和所述第二样品进行一种或更多种质谱操作获得
。4.
权利要求1所述的方法，其包括：通过所述计算系统获得包含多个附加测序读段的附加测序数据，所述多个附加测序读段来源于多个附加样品，所述多个附加样品包括对应于第一组环境条件的第一附加样品和对应于第二组环境条件的第二附加样品；通过所述计算系统聚集所述多个附加测序读段中的多个单独的附加测序读段，以产生附加聚集序列；通过所述计算系统分析所述附加聚集序列，以确定对应于所述附加聚集序列的一个或更多个附加基因组区；以及通过所述计算系统分析所述一个或更多个附加基因组区以
(i)
确定对应于所述一个或更多个附加基因组区的一种或更多种附加酶，以及
(ii)
确定具有包含所述一个或更多个附加基因组区的相应基因组的一种或更多种附加生物体
。
5.
权利要求4所述的方法，其包括：通过所述计算系统并基于所述附加聚集序列，确定存在于第一附加样品中的第一酶的第一量；通过所述计算系统并基于所述附加聚集序列，确定存在于第二附加样品中的第一酶的第二量；以及通过所述计算系统确定所述第一量与所述第二量之间的一个或更多个差值
。6.
权利要求5所述的方法，其包括：通过所述计算系统获得从所述第一附加样品获得的第一附加分析数据；通过所述计算系统获得从所述第二附加样品获得的第二附加分析数据；以及通过所述计算系统并基于所述第一附加分析数据，确定所述反应物的第一附加丰度和所述产物的第一附加丰度；通过所述计算系统并基于所述第二附加分析数据，确定所述反应物的第二附加丰度和所述产物的第二附加丰度；通过所述计算系统确定所述反应物的第一附加丰度与所述反应物的第二附加丰度之间的一个或更多个第一差值；以及通过所述计算系统确定所述产物的第一附加丰度与所述产物的第二附加丰度之间的一个或更多个第二差值
。7.
权利要求6所述的方法，其包括：通过所述计算系统并基于所述聚集序列，确定存在于所述第一样品和所述第二样品中的多种生物体；通过所述计算系统确定所述多种生物体中包含的生物体亚群
。8.
权利要求7所述的方法，其包括：通过所述计算系统获得来源于所述第一附加样品的第一附加分析数据；通过所述计算系统并基于所述第一附加分析数据，确定所述第一附加样品中所述生物体亚群的第一附加丰度度量，单独的第一附加丰度度量对应于所述生物体亚群中包含的单独生物体的相应第一丰度度量；通过所述计算系统获得来源于所述第二附加样品的第二附加分析数据；通过所述计算系统并基于所述第二附加分析数据，确定所述第二附加样品中所述生物体亚群的第二附加丰度度量，单独的第二附加丰度度量对应于所述生物体亚群中包含的单独生物体的相应第二丰度度量；以及通过所述计算系统确定所述第一附加丰度度量的至少一部分与所述第二附加丰度度量的至少一部分之间的一个或更多个差值
。9.
权利要求8所述的方法，其包括：通过所述计算系统确定
(i)
与
(ii)
之间的一种或更多种相关性，其中
(i)
为所述反应物的第一附加丰度与所述反应物的第二附加丰度之间的一个或更多个第一差值一个或更多个第一差值
、
或者所述产物的第一附加丰度与所述产物的第二附加丰度之间的一个或更多个第二差值中的至少一者，
(ii)
为所述第一附加丰度度量的至少一部分与所述第二附加丰度度量的至少一部分之间的一个或更多个差值
。10.
权利要求9所述的方法，其中所述一种或更多种相关性使用一种或更多种贝叶斯网
络技术确定
。11.
权利要求9所述的方法，其中：所述第一附加样品从包含第一制剂的第一环境收集，所述第一制剂包含第一量的所述反应物和用于所述反应物的第一载体物质；并且所述第二附加样品从包含第二制剂的第二环境收集，所述第二制剂包含第二量的所述反应物和用于所述反应物的第二载体物质
。12.
权利要求
11
所述的方法，其中所述反应物的第一量不同于所述反应物的第二量
。13.
权利要求
11
所述的方法，其中用于所述反应物的第一载体物质不同于用于所述反应物的第二载体物质
。14.
权利要求
11
所述的方法，其包括：通过所述计算系统确定用于确定所述生物体亚群的丰度的一个或更多个函数，其中所述一个或更多个函数基于以下来确定：
(a)
所述第一制剂和所述第二制剂；以及
(b)(i)
与
(ii)
之间的一个或更多个差值，其中
(i)
为所述反应物的第一附加丰度与所述反应物的第二附加丰度之间的一个或更多个第一差值一个或更多个第一差值
、
或者所述产物的第一附加丰度与所述产物的第二附加丰度之间的一个或更多个第二差值中的至少一者，
(ii)
为所述第一附加丰度度量的至少一部分与所述第二附加丰度度量的至少一部分之间的一个或更多个差值
。15.
权利要求
14
所述的方法，其包括：通过所述计算系统产生实施所述一个或更多个函数的模型，所述模型具有对应于所述第一环境和所述第二环境内条件的多个参数
。16.
权利要求
15
所述的方法，其包括：通过所述计算系统获得对应于所述多个参数的条件值，所述条件值的至少一部分不同于对应于所述第一环境和所述第二环境的附加条件值；以及通过所述计算系统执行所述模型，以确定所述生物体亚群中包含的生物体中至少一部分的丰度，其中所述丰度对应于所述条件值
。17.
权利要求
15
所述的方法，其中所述模型使用一种或更多种人工神经网络产生
。18.
权利要求1所述的方法，其中所述第一样品从第一个体的皮肤获得，并且所述第二样品从第二个体的皮肤获得
。19.
权利要求
18
所述的方法，其中所述第一个体包括在第一表型之内，并且所述第二个体包括在第二表型之内
。20.
权利要求
19
所述的方法，其中所述第一表型对应于就个体而言存在生物学病症，并且所述第二表型对应于就个体而言不存在生物学病症
。21.
权利要求
20
所述的方法，其中所述生物学病症对应于与个体皮肤相关的异常
。22.
系统，其包含：一个或更多个硬件处理器；和一个或更多个计算机可读存储介质，其包含计算机可读指令，所述计算机可读指令在被所述一个或更多个硬件处理器执行时进行包括以下的操作：获得包括多个测序读段的测序数据，所述多个测序读段来源于多个样品；聚集所述多个测序读段中的多个单独的测序读段以产生聚集序列，所述聚集序列包括
来源于从第一个体获得的多个样品中的第一样品的多个序列中的一个或更多个第一序列，以及来源于从第二个体获得的多个样品中的第二样品的多个序列中的一个或更多个第二序列；分析一个或更多个基因组区以
(i)
确定对应于所述一个或更多个基因组区的一种或更多种酶，以及
(ii)

【专利技术属性】
技术研发人员：尼克尔，
申请(专利权)人：赛百乐微生物有限公司，
类型：发明
国别省市：