一种基于共生菌群的皮肤亚健康和药物敏感性检测系统
阅读：692发布：2020-05-12
专利汇可以提供一种基于共生菌群的皮肤亚健康和药物敏感性检测系统专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于共生菌群的 皮肤 亚健康和药物敏感性检测系统,具体地，本发明的检测系统包括：采集模 块 (1)，检测模块(2)和计算模块(3)。其中， 采样 模块保证皮肤 微 生物 采样的顺利进行。其次，检测模块包含了可选的两种检测模式，计算模块利用检测结果结合生物信息学手段对皮肤共生菌群进行结构解析，然后利用 机器学习 方法建立的皮肤 疾病 诊断模型对皮肤菌群进行打分，得到皮肤微生物健康指数MiSH；从而客观判断当前样本的皮肤健康/亚 健康状态 ，以及皮肤疾病患者对 激素 治疗 的 预后 情况。本发明可客观定量、操作简单、检测灵敏、快速、具有普适性等优点，是皮肤领域研究中不可或缺的定量化工具。，下面是一种基于共生菌群的皮肤亚健康和药物敏感性检测系统专利的具体信息内容。
1.一种基于共生菌群的皮肤亚健康和药物敏感性检测系统，其特征在于，包括：采集模块(1)，检测模块(2)和计算模块(3)；
所述采集模块(1)，用于收集皮肤菌群和提取DNA；
所述检测模块(2)，以采集模块(1)所提供的DNA为原料，进行高通量测序或经由特殊设计的检测试剂盒完成菌群检测；
所述计算模块(3)，以检测模块(2)的数据为输入文件，利用生信手段对样本的菌群结构使用特殊算法模型进行打分，并将其转化为一种皮肤微生物指数MiSH；进一步通过该指数与皮肤微生物健康标尺之间的比较，判断当前皮肤是否处于健康、亚健康或疾病状态，和/或通过MiSH的数值提示患者对糖皮质激素的预后是否良好。
2.根据权利要求1所述的检测系统，其特征在于，利用皮肤取样拭子，在5CM2的皮肤范围内，蘸取缓冲液反复摩擦10-30次，获取皮肤菌群；较佳地皮肤取样拭子的头部由纤维材料制成。
3.根据权利要求1所述的检测系统，其特征在于，利用了一种优化的皮肤微生物DNA提取方法，详见实施实例2。
4.根据权利要求1所述的检测系统，其特征在于，利用各类测序仪对皮肤菌群进行细菌的扩增子测序，扩增区域为V1-V3区，引物为27F/534R。
5.根据权利要求1所述的检测系统，其特征在于，利用基于PCR扩增原理的一系列方法，通过设计靶向检测25种细菌标记物的引物探针等核苷酸片段，定量检测25种细菌标记物的相对丰度，分析菌群样品结构。
6.根据权利要求1所述的检测系统，其特征在于，对于测序的下机数据使用Parallel-Meta3或QIIME和Mothur等软件，以GreenGenes的16S rRNA全长序列数据库为依据，对细菌进化分类中的菌属一层进行结构还原。
7.根据权利要求1所述的检测系统，其特征在于，所述的特殊算法模型是基于一系列与皮肤炎症相关的25种细菌标记物(包括Fusobacterium、Capnocytophaga、Haemophilus、Comamonas、Kocuria、Carica、Streptococcus、Brachybacterium、Acinetobacter、Moraxella、Neisseria、Prevotella、Bergeyella、Rhizobium、Porphyromonas、Paenibacillus、Rothia、Wautersiella、Bacillus、Chryseobacterium、Deinococcus、Citrullus、Streptophyta_Group、Paracoccus和Staphylococcus)，利用这些细菌标记物进行随机森林的机器学习，得到的皮肤状态诊断模型。
8.根据权利要求1所述的检测系统，其特征在于，任何样本经过模型判别之后都会得到一个基于相似度算法的“该样本为健康样本的可能性(probability of RF modeling)”，将该数值乘以100即为微生物指数MiSH，并基于所述微生物指数MiSH给出皮肤亚健康和药物敏感性的检测结果。
9.根据权利要求1所述的检测系统，其特征在于，限定MiSH的值为0-100，在一个标尺上刻画出MiSH的取值范围。
10.根据权利要求1所述的检测系统，其特征在于，对皮炎患者来说，MiSH指数的高低决定了其对糖皮质激素的收益程度；
较佳地，MiSH越低(0.9±1.1)提示所述患者更合适使用糖皮质激素进行皮炎的治疗，而MiSH(32.5±11.5)指数高则提示所述患者不建议进行激素治疗。
一种基于共生菌群的皮肤亚健康和药物敏感性检测系统
技术领域
背景技术
[0002] 皮肤问题不仅是生理问题，也关系到人的心理健康，随着生活水平的不断提高，皮肤健康越来越受到人们的重视，尤其是对女性和儿童的皮肤护理，已经成为重要的经济产业。然而目前的皮肤检测主要依靠两种手段，理化指标检测和病理指标检测。理化指标是指皮肤的含水量(湿度)、PH值、毛孔大小、皮肤弹性、油脂量、颜色和光泽等，这些指标受环境因素影响大，数值呈频繁波动状态，且个体异质性强，理化指标与皮肤的生理健康之间无直接关系。而病理指标，用于描述皮肤患病后所呈现的状态变化，比如衡量特应性皮炎所使用的特应性皮炎积分值(SOCRAD)，就是根据皮损部位的红肿面积和瘙痒程度描述患者的皮肤状态。但是目前病理指标的检测具有很大的局限性，首先，如SOCRAD一类的方法主要依靠患者的主观感觉和医生的主观判断，患者受情绪等各方面因素影响，主观感觉往往很不稳定，同时这也对医生的业务水平有很高的要求，而且两个医师对同一个病人给出的诊断结果可能完全不同，这就造成了病例之间难以互相比较，对皮炎的理论研究和发展极为不利。其次，这种方法只能在患者发病后进行，无法对非皮炎患者使用。综上所述，无论是理化指标的检测，还是病理指标的检测，都无法量化的评估皮肤的生理健康状态，这为皮肤的相关研究和临床医疗带来了困难。
[0003] 随着各种高通量组学手段的进步，研究人员发现人体共生菌群对人体健康意义重大，目前已发现共生菌群的紊乱与神经系统疾病、精神疾病、呼吸系统疾病、心血管系统疾病、胃肠道疾病、肝病、自身免疫病、代谢性疾病和癌症等有关，对人体共生菌群角色的重新认识是近年来最重要的生物学发现之一。由于共生菌群的变化往往先于症状出现，因此研究人员提出可以利用共生菌群的变化预警疾病的发生。皮肤作为人体面对自然环境的第一道防线，而皮肤菌群作为第一道防线的保护，其对皮肤健康的意义不言而喻。皮肤菌群受到人体免疫调控，但也同时诱导免疫反应的发生，两者之间复杂的互作关系使得皮肤菌群能够灵敏的反应皮肤的免疫状态，这是本发明的理论基础。除此之外，与皮肤理化指标的强波动性相比，皮肤菌群具有较好的稳定性，不会在短时间内产生很大变化，这为菌群检测皮肤状态提供了保障。而与皮肤病理指标的主观性相比，菌群检测具有客观性和可定量性，不仅可以用于衡量疾病下的皮肤状态，也可以用于无疾病症状的皮肤状态评估。
[0004] 针对以上问题，本发明提供了一种基于皮肤共生菌群结构的皮肤亚健康和药物敏感性检测系统。该方法通过对菌群结构的检测和分析，在不依赖于其他皮肤理化和病理指标的情况下快速判断皮肤健康状态，通过量化手段为皮肤的亚健康提供检测指标，预警患病风险，并为如何进行临床用药提供一定参考。该方法操作简单、对样品无需过多预处理，检测灵敏、快速，整个处理及检测过程可在几小时以内完成，克服了传统方法不客观不灵敏的问题。该方法的建立将为日常皮肤护理和临床皮肤诊疗提供新的工具。
发明内容
[0005] 本发明提供了一种基于皮肤共生菌群结构的皮肤健康/亚健康检测系统，利用此系统还可以提示皮炎患者对药物的敏感性和预后。该方法主要依托于高通量测序、分子检测等手段对菌群结构的检测，经过生物信息分析和模型打分，在不依赖于其他皮肤理化和病理指标的情况下实现对皮肤状态的快速判断。该方法的建立将为日常皮肤护理和临床皮肤诊疗提供新的工具。
[0006] 在本发明的第一方面，提供了一种基于共生菌群的皮肤亚健康和药物敏感性检测系统，包括：采集模块，检测模块和计算模块三个部分。
[0007] 其中，采集模块用于收集皮肤菌群和提取DNA；
[0009] 计算模块利用生信手段对样本的菌群结构使用特殊算法模型进行打分，并将其转化为一种皮肤微生物指数MiSH；进一步通过该指数与皮肤微生物健康标尺之间的比较，判断当前皮肤是否处于健康、亚健康或疾病状态，和/或通过MiSH的数值提示患者对糖皮质激素的预后是否良好。
[0010] 在本发明中，上述三个模块协同工作实现了对皮肤健康状态和药物敏感性的检测。
[0011] 在另一优选例中，所述的检测系统还包括一输出模块。
[0012] 在另一优选例中，在所述检测系统中，所述的收集皮肤菌群，是指利用皮肤取样拭子，在5CM2的皮肤范围内，蘸取缓冲液反复摩擦10-30次，获取皮肤菌群。
[0013] 在另一优选例中，所述的皮肤取样拭子由特殊材料制成。
[0015] 在另一优选例中，在上述检测系统中，所述的提取DNA，是指一种优化的皮肤微生物DNA提取方法，例如可详见实施实例2.
[0016] 在另一优选例中，在上述检测系统中，所述的高通量测序，是指利用测序对皮肤菌群进行细菌的扩增子测序，扩增区域为V1-V3区，引物为27F/534R。
[0017] 在另一优选例中，在上述检测系统中，所述的皮肤菌群检测试剂盒，是指利用基于PCR扩增原理的一系列方法，通过设计靶向检测25种细菌标记物的引物探针等核苷酸片段，定量检测25种细菌标记物的相对丰度，分析菌群样品结构。
[0019] 在另一优选例中，在上述检测系统中，所述的解析人体皮肤共生菌群样本的结构信息，是指对于测序的下机数据使用Parallel-Meta3或QIIME和Mothur等软件，以GreenGenes的16S rRNA全长序列数据库为依据，对细菌进化分类中的菌属一层进行结构还原。
[0020] 在另一优选例中，在上述检测系统中，所述的特殊算法模型，是基于与皮肤炎症相关的25种细菌标记物(包括Fusobacterium、Capnocytophaga、Haemophilus、Comamonas、Kocuria、Carica、Streptococcus、Brachybacterium、Acinetobacter、Moraxella、Neisseria、Prevotella、Bergeyella、Rhizobium、Porphyromonas、Paenibacillus、Rothia、Wautersiella、Bacillus、Chryseobacterium、Deinococcus、Citrullus、Streptophyta_Group、Paracoccus和Staphylococcus)，利用这些细菌标记物进行随机森林的机器学习，得到的皮肤状态诊断模型。
[0021] 在另一优选例中，所述的25种细菌标记物是前期通过对中国青岛和北京，美国的丹佛市皮炎患者和健康对照的比较而发现的标志物。
[0022] 在另一优选例中，在上述检测系统中，所述的微生物指数MiSH，是指任何样本经过模型判别之后都会得到一个基于相似度算法的“该样本为健康样本的可能性(probability of RF modeling)”，将该数值乘以100即为微生物指数MiSH。
[0023] 在另一优选例中，基于所述微生物指数MiSH，给出皮肤亚健康和药物敏感性的检测结果。
[0024] 在另一优选例中，基于所述微生物指数MiSH，给出患者对糖皮质激素的预后是否良好的提示。
[0025] 在另一优选例中，在上述检测系统中，所述的皮肤微生物健康标尺，是指限定MiSH的值为0-100，在一个标尺上刻画出MiSH的取值范围。
[0026] 在另一优选例中，在上述检测系统中，所述的皮肤药物敏感性，是指对皮炎患者来说，MiSH指数的高低决定了其对糖皮质激素的收益程度。
[0027] 在另一优选例中，MiSH越低(0.9±1.1)则提示所述患者更合适使用糖皮质激素进行皮炎的治疗，而MiSH(32.5±11.5)指数高，则提示所述患者则不建议进行激素治疗。
[0028] 在本发明的第二方面，还提供了基于共生菌群对皮肤亚健康和药物敏感性进行检测方法，它采用本发明第一方面中所述的检测系统进行。
[0030] 图1显示了健康样本和皮炎样本中与皮炎发生相关细菌的相对含量比较。绿色组为模型建立所用的来自青岛、北京和丹佛市的健康对照皮肤样本。红色组为对应城市的皮炎患者样本。
[0031] 图2显示了皮肤状态诊断模型所涉及的细菌标志物。对样本菌群结构利用模型进行打分时，共涉及了25种菌，图中使用柱形图依次列出了这25种菌属对模型机器学习的贡献度。
[0032] 图3显示了皮肤微生态健康标尺。将模型的打分值以0至100展现于标尺上，这样MiSH指数就代表了该样本是一个完全健康样本的可能性，图中将北京患者在治疗前、治疗后和健康对照进行了标注，可以看到明显的恢复过程。临床治疗中可以利用此标尺进行辅助诊疗。
[0033] 图4显示了亚健康皮肤的MiSH指数。将三个城市患者的非皮损部位进行MiSH打分，与健康(红色箱型图)和皮炎样本(绿色箱型图)进行比较，发现其MiSH指数与皮炎相近，提示了患者未发生皮炎部位的皮肤具有高患病风险。
[0034] 其中，lesion表示皮炎；health表示健康；Beijing表示北京；Qingdao表示青岛；Denver表示丹佛。
[0035] 图5显示了以MiSH指数提示皮炎患者对激素治疗的敏感性。三角形为治疗起始点，圆形代表四周治疗后。线段长度为ΔMiSH。根据皮炎患者的治疗起始点的MiSH指数，可将患者分为两类，一类为0.9±1.1，另一类为32.5±11.5，两类患者在临床症状上无法区分。但ΔMiSH能够反映出两类患者对糖皮质激素治疗的受益有显著区别。
[0036] 图6显示了本发明检测系统的示意图。
具体实施方式
[0037] 本发明人经过深入而广泛的研究，首次开发了一种基于共生菌群的皮肤亚健康和药物敏感性检测系统和方法。在本发明中，采用计算模块，利用检测结果结合生物信息学手段对皮肤共生菌群进行结构解析，然后利用机器学习方法建立的皮肤疾病诊断模型对皮肤菌群进行打分，得到皮肤微生物健康指数MiSH；进一步可利用MiSH指数给出皮肤健康/亚健康状态，和/或预后情况。在此基础上完成了本发明。
[0038] 具体地，本发明提供了一种基于共生菌群的皮肤亚健康和药物敏感性检测系统,它包括采样，检测和计算三个模块。首先，采样模块中使用了特殊设计的棉签和缓冲液以及优化的皮肤微生物DNA提取方法，以保证皮肤微生物采样的顺利进行。其次，检测模块包含了可选的两种检测模式，一种是基于高通量测序技术，另一种是特殊设计的基因检测试剂盒；最后，计算模块利用检测结果结合生物信息学手段对皮肤共生菌群进行结构解析，然后利用机器学习方法建立的皮肤疾病诊断模型对皮肤菌群进行打分，得到皮肤微生物健康指数MiSH；进一步可利用MiSH指数与皮肤微生态健康标尺之间的比较，来客观判断当前样本的皮肤健康/亚健康状态，和/或皮肤疾病患者对激素治疗的预后情况。
[0039] 检测系统
[0040] 本发明提供了一种基于共生菌群的皮肤亚健康和药物敏感性检测系统。如图6所示，本发明系统包括：采集模块(1)，检测模块(2)和计算模块(3)；
[0041] 所述采集模块(1)，用于收集皮肤菌群和提取DNA；
[0042] 所述检测模块(2)，以采集模块(1)所提供的DNA为原料，进行高通量测序或经由特殊设计的检测试剂盒完成菌群检测；
[0043] 所述计算模块(3)，以检测模块(2)的数据为输入文件，利用生信手段对样本的菌群结构使用特殊算法模型进行打分，并将其转化为一种皮肤微生物指数MiSH；进一步通过该指数与皮肤微生物健康标尺之间的比较，判断当前皮肤是否处于健康、亚健康或疾病状态，和/或通过MiSH的数值提示患者对糖皮质激素的预后是否良好。
[0044] 检测方法
[0045] 本发明还提供了基于本发明检测系统的检测方法，它包括步骤：采样、检测和计算。
[0046] 在另一优选例中，所述的计算是基于机器学习和/或相应的皮肤状态诊断模型进行的。
[0047] 在另一优选例中，所述的检测结果以微生物指数MiSH方式呈现。
[0048] 在另一优选例中，所述的微生物指数MiSH通过以下方式获得：任何样本经过模型判别之后都会得到一个基于相似度算法的“该样本为健康样本的可能性(probability of RF modeling)”，将该数值乘以100即为微生物指数MiSH。
[0049] 在另一优选例中，在本发明中，基于一系列与皮肤炎症相关的25种细菌标记物中的至少10种(较佳地至少15种，至少20种，或23、24、或25种)(包括Fusobacterium、Capnocytophaga、Haemophilus、Comamonas、Kocuria、Carica、Streptococcus、Brachybacterium、Acinetobacter、Moraxella、Neisseria、Prevotella、Bergeyella、Rhizobium、Porphyromonas、Paenibacillus、Rothia、Wautersiella、Bacillus、Chryseobacterium、Deinococcus、Citrullus、Streptophyta_Group、Paracoccus和Staphylococcus)，利用这些细菌标记物进行随机森林的机器学习，得到的皮肤状态诊断模型。
[0050] 所述的一系列与皮肤炎症相关的25种细菌标记物是本发明人前期通过对中国青岛和北京，美国的丹佛市皮炎患者和健康对照样本的收集和分析，经研究后得出的细菌标记物。
[0051] 在另一优选例中，可将所有样品的MiSH汇总至该标尺上，能够清晰的展示出健康/亚健康与疾病状态之间的区别，后续可用于指导临床皮肤疾病的诊疗。
[0052] 本发明以人体皮肤共生菌群的结构为判断指标，构建了一种包括样本采集模块，检测模块和计算模块在内的皮肤状态检测系统，为生物、医疗和卫生等领域的皮肤研究提供了一种全新的、客观的定量化研究方法。利用此方法可以诊断皮肤的亚健康状态，预警皮炎发生的风险，还可以提示皮炎患者对糖皮质激素的敏感性及预后。本发明可为日常皮肤护理和临床皮肤诊疗提供指导。
[0053] 本发明的主要优点包括：
[0054] (a)本发明克服了传统皮肤理化指标检测无法反应皮肤生理健康，而病理指标检测无法客观定量的问题。
[0055] (b)本发明方法操作简单、对样品无需过多预处理，检测灵敏、快速，整个处理及检测过程可在数小时以内完成。
[0056] (c)检测结果对黄种人和白种人都具有普适性，是皮肤领域研究中不可或缺的新定量化工具。
[0057] (d)本发明可为日常皮肤护理和临床皮肤诊疗提供具体指导。
[0058] 下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。下列实施例中未注明具体条件的实验方法，通常按照常规条件，例如Sambrook等人，分子克隆：实验室手册(New York:Cold Spring Harbor Laboratory Press,1989)中所述的条件，或按照制造厂商所建议的条件。除非另外说明，否则百分比和份数是重量百分比和重量份数。
[0059] 实施例1：皮肤菌群样本采集
[0061] 2.对所有收集管进行标记。
[0063] 4.将拭子头部浸入到NaCl+吐温20溶液中，然后将拭子按到管内，以除去多余的液体。
[0064] 5.将拭子分别沿水平和垂直方向上在标记区域涂抹(共50次，约30-35秒)，进行采样。
[0065] 6.剪去拭子头，放入已标记的、2ml空管中，并盖紧管盖。
[0067] 实施例2：提取样本DNA，进行高通量测序或Qpcr
[0068] 1.吸取350μL PBS溶液，加入到含有样品的2ml离心管中。
[0069] 2.加入350μl AL缓冲液,40ul溶菌酶(10mg/mL),6ul变溶菌素(25000U)，300mg玻璃微珠。充分混匀，将样品置于37℃温育1h。
[0071] 4.加入20ul蛋白酶K(QIAGEN试剂盒提供)至管中，振荡混匀。
[0072] 5.56℃温育3h。
[0073] 6.将上清液转移到新管中，丢弃拭子。用ddH2O洗涤珠子2次，每次200ul。
[0074] 7.加入1/2体积的酒精，充分混匀。
[0075] 8.将DNeasy离心层析柱下置2mL收集管(试剂盒提供)，吸取步骤7中的混合物至离心柱，8000rpm/min离心1min，丢弃废液和收集管。
[0076] 9.将Dneasy离心层析柱下置新的2ml离心管(试剂盒提供)，加入500μl A W1缓冲液，8000rpm/min离心1min,丢弃废液和收集管。
[0077] 10.将Dneasy离心层析柱下置新的2ml离心管(试剂盒提供)，加入500μl A W2缓冲液，14000rpm/min离心3min，干燥Dneasy隔膜，丢弃废液和收集管。
[0078] 11.将Dneasy离心层析柱下置新的1.5ml或2ml离心管(自备)，37℃静置2min，吸取50μl AE缓冲液垂直悬空加在DNeasy隔膜上。37℃温育3min，14000rpm离心2min，洗脱。
[0079] 12.使用16S rRNA扩增子测序方法鉴定群落结构，测序区域为V1-V3区，引物为27F/534R。测序平台为Illumina Miseq 250/300。
[0080] 实施例3：利用试剂盒检测25种皮肤细菌
[0081] 1.设计针对25种细菌标记物管家基因的特异性引物及探针。通过在线比对及实际菌种样品测试评价其特异性。
[0082] 2.配制成20ul反应体系：Sybr green Mix10ul、上游引物0.5ul、下游引物0.5ul、ddH2O 5ul、DNA样品4ul。将反应体系加至96孔板。
[0084] 4.结合标准品的扩增曲线计算样品中各菌种的基因拷贝数，换算出各菌种的相对丰度。
[0085] 实施例4：利用生物信息学解析群落结构
[0086] 对于下机数据的预处理,使用QIIME对原始数据的barcode进行拆分，使用Trimmomatic进行质量控制，使用FLASH进行两端数据的融合，然后使用Fastx Toolkit进行二次质量控制。最后再次使用QIIME进行嵌合体去除，最终形成clean reads，并进一步使用Parallel-Meta 3进行下游的OUT picking以及统计分析。处理过程主要参数包括：
[0087] Trimmomatic：SLIDINGWINDOW:30:25MINLEN:25
[0088] FLASH:-M 200-m 5-x 0.1
[0089] Fastx Toolkit:-Q 33-q 25-p 80
[0090] Parallel-Meta 3:-L 123456
[0091] 实施例5：利用MiSH方法评价皮肤健康状态
[0092] 按照上述方法，对中国青岛和北京，美国丹佛市皮炎患者和健康对照的样本进行收集和分析，组建皮肤微生态与皮肤状态的标准参照系，形成核心数据库。然后通过随机森林的方法对核心数据进行机器学习，并以此为基础构建皮肤诊断模型。任何新的样本经过实例1-3的处理，都可以与诊断模型对接，利用诊断模型进行打分，也就是计算MiSH指数。MiSH指数小于50意味着该样本患有皮肤炎症，而MiSH指数大于50则表示该样本是健康的。
如果没有发生炎症而样本的MiSH小于50时，该样本的金黄色葡萄球菌开始异常增值且菌群结构已经开始紊乱，意味着该样本已经进入亚健康状态，需要注意进行炎症的预防工作。
如果没有发生炎症而样本的MiSH小于50时，该样本的金黄色葡萄球菌开始异常增值且菌群结构已经开始紊乱，意味着该样本已经进入亚健康状态，需要注意进行炎症的预防工作。
[0093] 实施例1-5的实验结果示于图1～图4。
[0094] 实施例6：利用皮肤微生态健康标尺提示药物敏感性
[0095] 对于皮炎患者，其MiSH存在两种情况，一类为0.9±1.1，另一类为32.5±11.5。而MiSH指数的高低决定了其对糖皮质激素的收益程度。糖皮质激素具有毒副作用，MiSH越低(0.9±1.1)的患者更合适使用糖皮质激素进行皮炎的治疗，而MiSH(32.5±11.5)指数高的患者由于收益过低则不建议进行激素治疗。该方法可以帮助临床医师精准判断用药。
[0096] 实验结果示于图5。三角形为治疗起始点，圆形代表四周治疗后。线段长度为ΔMiSH。根据皮炎患者的治疗起始点的MiSH指数，可将患者分为两类，一类为0.9±1.1，另一类为32.5±11.5，两类患者在临床症状上无法区分。但ΔMiSH能够反映出两类患者对糖皮质激素治疗的受益有显著区别。
[0097] 经过志愿者(≥30位)的测试，基于皮肤微生态健康标尺提示药物敏感性，可非常客观地给出用药建议，将药物敏感发生率降低了至少80％。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 围术期风险评估和临床决策智能辅助系统 | 2020-05-08 | 627 |
| 应用信息推荐方法、装置及存储介质和服务器 | 2020-05-15 | 617 |
| 非临床环境下对高血压进行非干预式的监测和评估方法 | 2020-05-08 | 1018 |
| 一种精神分裂症的生物标志物组合、其应用及metaphlan2筛选方法 | 2020-05-08 | 182 |
| 疲劳裂纹增长预测 | 2020-05-16 | 148 |
| 一种基于肠道菌群的小规模精神分裂症生物标志物组合、其应用及mOTU筛选方法 | 2020-05-08 | 97 |
| 预测方法、装置、电子设备及存储介质 | 2020-05-11 | 226 |
| 一种森林健康等级调查及评价方法 | 2020-05-17 | 749 |
| 基于区域差异化分类分析的城市信息化发展水平评估方法 | 2020-05-18 | 436 |
| 基于集成学习的早期死亡风险评估模型建立方法及装置 | 2020-05-12 | 1028 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈