相關申請的交叉引用本申請要求2014年10月21日提交的序號為62/066,369的美國臨時申請、2014年12月4日提交的序號為62/087,551的美國臨時申請、2014年12月17日提交的序號為62/092,999的美國臨時申請、2015年4月14日提交的序號為62/147,376的美國臨時申請、2015年4月14日提交的序號為62/147,212的美國臨時申請、2015年4月14日提交的序號為62/147,362的美國臨時申請、2015年4月13日提交的序號為62/146,855的美國臨時申請、和2015年8月18日提交的序號為62/206,654的美國臨時申請的權益，其每一個通過該引用以其整體并入本文。本發明總體涉及微生物學領域，且更具體地涉及微生物學領域中的用于微生物組來源(microbiome-derived)的診斷和治療的新的且有用的方法及系統。背景微生物組是與生物體相關的共棲(commensal)、共生(symbiotic)和病原微生物的生態群。人類微生物組包含比人類細胞多超過10倍的微生物細胞，但由于樣品處理技術、遺傳分析技術和用于處理大量數據的資源方面的限制，人類微生物組的表征仍處于初期階段。盡管如此，懷疑微生物組在許多與健康/疾病相關的狀態(例如，分娩的準備(preparationforchildbirth)、糖尿病、自身免疫性紊亂、胃腸道紊亂、類風濕性紊亂、神經性紊亂等)中發揮至少部分的作用。鑒于微生物組在影響受試者健康方面的深遠影響，應致力于與以下相關的努力：微生物組的表征、從表征生成洞察、以及生成被配置為矯正失調狀態的治療。然而，目前用于分析人類的微生物組并基于獲得的洞察提供治療措施的方法及系統留下了許多未被答復的問題。特別地，由于目前的技術的限制，用于表征某些健康狀況的方法和適合于特定受試者的療法(例如，益生菌療法)尚不可行。因此，在微生物學領域，對用于以個體化和群體廣度的方式表征健康狀況的新的且有用的方法及系統存在需求。本發明產生了這樣的新的并有用的方法及系統。附圖簡述圖1a是用于生成微生物組來源的診斷和治療的第一種方法的實施方案的流程圖；圖1b是用于生成微生物組來源的診斷和治療的第二種方法的實施方案的流程圖；圖2示出了用于生成微生物組來源的診斷和治療的方法及系統的實施方案；圖3示出了用于生成微生物組來源的診斷和治療的方法的實施方案的一部分的變化形式；圖4示出了用于在用于生成微生物組來源的診斷和治療的方法及系統的實施方案中生成模型的方法的變化形式；圖5示出了在用于表征健康狀況的方法的實施方案中基于益生菌的療法藉以起作用的機制的變化形式；以及圖6示出了在用于生成微生物組來源的診斷和治療的方法的實例中療法相關的通知提供的實例。實施方式的描述本發明的實施方案的以下描述不意圖將本發明限制為這些實施方案，而是意圖使本領域的任何技術人員能夠制造和使用本發明。1.第一種方法如圖1a中示出的，用于診斷和治療免疫微生物功能異常(immunemicrobialdysfunction)的第一種方法100包括：接收來自受試者群體的生物樣品的聚合集(anaggregatesetofbiologicalsamples)s110；表征與受試者群體相關的生物樣品的聚合集中的每一個的微生物組組成和/或功能特征，從而生成受試者群體的微生物組組成數據集和微生物組功能多樣性數據集中的至少一種s120；接收與受試者群體的至少一個子集(atleastasubsetofthepopulationofsubjects)相關的補充數據集，其中補充數據集提供與免疫微生物功能異常相關的特性的信息s130；以及基于補充數據集和從微生物組組成數據集和微生物組功能多樣性數據集中的至少一種提取的特征生成免疫微生物功能異常的表征s140。在一些變化形式中，第一種方法100還可以包括：基于表征，生成被配置為矯正免疫微生物功能異常的療法模型s150。第一種方法100用于生成可用于根據受試者的微生物組組成和功能特征中的至少一種來表征和/或診斷受試者(例如，作為臨床診斷、作為伴隨診斷(companiondiagnostic)等等)的模型，并基于對受試者群體的微生物組分析為受試者提供治療措施(例如基于益生菌的治療措施、基于噬菌體的治療措施、基于小分子的治療措施、臨床措施等等)。因此，來自受試者群體的數據可以用于根據其微生物組組成和/或功能特征表征受試者，基于表征指示健康狀態和改善的方面(area)，以及安排(promote)可以使受試者的微生物組的組成朝向期望的平衡狀態的集合中的一種或更多種調整的一種或更多種療法。方法100的變化形式還可以例如通過貫穿療法的過程接收、處理和分析來自受試者的另外的樣品來便于監測和/或調整提供給受試者的療法。在特定實例中，方法100可以用于為罹患免疫微生物功能異常的受試者安排靶向療法。在特定實例中，方法100可以用于表征和/或治療性干預以下中的一種或更多種：克羅恩病、炎性腸病(ibd)、腸易激綜合征(ibs)、潰瘍性結腸炎和乳糜瀉(celiacdisease)。因此，在一些實施方案中，第一方法100的輸出可以用于基于受試者的微生物組組成和/或受試者的微生物組的功能特征的分析來為受試者生成診斷和/或提供治療措施。因此，如圖1b中示出的，源自第一種方法100的至少一種輸出的第二種方法200可以包括：接收來自受試者的生物樣品s210；基于處理源自生物樣品的微生物組數據集，表征受試者具有免疫微生物功能異常的某種形式s220；以及基于表征和療法模型為患有免疫微生物功能異常的受試者安排療法s230。下文更詳細地描述了第二種方法200的實施方案、變化形式和實例。方法100、200用于生成這樣的模型，所述模型可用于基于對個體群體的微生物組分析對個體分類和/或向個體提供治療措施(例如，療法建議、療法、療法方案等等)。因此，來自個體群體的數據可以用于生成可以根據其微生物組組成對個體分類(例如，作為診斷措施)的模型，基于分類指示健康狀況和改善的方面，和/或提供可以將個體微生物組的組成朝向改善的平衡狀態的集合中的一種或更多種推進的治療措施。第二種方法200的變化形式還可以例如通過貫穿療法的過程接收、處理和分析來自個體的另外的樣品來便于監測和/或調整提供給個體的療法。在一種應用中，方法100、200中的至少一個至少部分地在如圖2中示出的系統300實施，該系統300通過樣品接收試劑盒的方式接收源自受試者(或與受試者相關的環境)的生物樣品，并且在處理系統處理生物樣品，所述處理系統實施表征方法和被配置為積極影響受試者(例如，人、非人類動物、環境生態系統等等)中的微生物分布的療法模型。在該應用的變化形式中，處理系統可以被配置為基于從受試者群體接收的樣品數據來生成和/或改進表征方法和治療模型。然而，方法100可以可選地使用被配置為接收和處理與其他信息聚集的受試者的微生物組相關數據的任何其他合適的系統來實施，以生成用于微生物組來源的診斷及相關治療的模型。因此，方法100可以針對受試者群體(例如，包括受試者，不包括受試者)來實施，其中受試者群體可以包括與受試者不同和/或類似的患者(例如，在健康狀況方面、在膳食需要方面、在人口學特征方面等等)。因此，由于來自受試者群體的數據的聚集，可以使用源自受試者群體的信息來提供對在受試者的行為和對受試者微生物組的影響之間的聯系的另外的洞察。因此，方法100、200可以針對受試者群體(例如，包括受試者，不包括受試者)來實施，其中受試者群體可以包括與受試者不同和/或類似的受試者(例如，在健康狀況方面、在膳食需要方面、在人口學特征方面等等)。因此，由于來自受試者群體的數據的聚集，可以使用源自受試者群體的信息來提供在受試者的行為和對受試者的微生物組的影響之間的聯系的另外的洞察。1.1第一種方法：樣品處理模塊s110敘述：接收來自受試者群體的生物樣品的聚合集，其作用是使能夠生成可以從其生成用于表征受試者和/或向受試者提供治療措施的模型的數據。在模塊s110中，優選地以非侵入性方式從受試者群體中的受試者接收生物樣品。在變化形式中，非侵入性方式的樣品接收可以使用以下中的一種或更多種：滲透性基底(例如，被配置為擦拭受試者的身體的區域的拭子、廁紙、海綿等等)、非滲透性基底(例如，載玻片、膠帶等等)、被配置為從受試者的身體的區域接收樣品的容器(例如，小瓶、管、袋等等)以及任何其他合適的樣品接收物。在特定實例中，可以以非侵入性方式(例如，使用試子和小瓶)從受試者的鼻、皮膚、生殖器、口和腸中的一個或更多個收集樣品。然而，可以另外地或可選地以半侵入性方式或侵入性方式接收生物樣品集的一個或更多個生物樣品。在變化形式中，樣品接收的侵入性方式可以使用以下任何一種或更多種：針、注射器、活組織檢查元件、柳葉刀和用于以半侵入性或侵入性方式收集樣品的任何其他合適的器具。在特定實例中，樣品可以包含血液樣品、血漿/血清樣品(例如，以使能夠提取無細胞dna)和組織樣品。在以上變化形式和實例中，樣品可以在無另一個實體(例如，與個人相關的看護者、健康保健專業人員、自動化或半自動化樣本收集裝置等等)的輔助下從受試者的身體獲取，或者可以可選地在另一個實體的協助下從個體的身體獲取。在其中在樣品抽取過程中在無另一個實體的輔助下從受試者的身體獲取樣品的一個實例中，可以向受試者提供樣品準備試劑盒。在該實例中，試劑盒可以包括用于樣本采集的一個或更多個拭子、被配置為接收用于儲存的拭子的一個或更多個容器、用于樣品準備和使用者賬戶的設置的說明書，被配置為將樣本與受試者相關聯的元件(例如，條形碼標識物、標簽等等)和允許來自個體的樣本被遞送至樣品處理操作(例如，通過郵件遞送系統)的接收器(receptacle)。在其中在另一個實體的輔助下從使用者抽取樣品的另一個實例中，可以在臨床或研究環境中從受試者收集一個或更多個樣品(例如，在臨床預約期間)。在模塊s110中，生物樣品的聚合集優選地接收自很多種受試者，并且可以包括來自人類受試者和/或非人類受試者的樣品。對于人類受試者，模塊s110可以包括接收來自很多種人類受試者的樣品，集合地包括以下中的一種或更多種的受試者：不同的人口學特征(例如，性別、年齡、婚姻狀況、種族、國籍、社會經濟狀況、性取向等等)、不同的健康狀況(例如，健康和疾病狀態)、不同的生活情況(例如，獨自生活、與寵物一起生活、與重要他人一起生活、與兒童一起生活等等)、不同的飲食習慣(例如，雜食、素食、純素食、糖消費(sugarconsumption)、酸消費(acidconsumption)等等)、不同的行為傾向(例如，身體活動水平、藥物使用水平、酒精使用水平等等)、不同的活動性(mobility)水平(例如，關于在給定時間段內行進的距離)、生物標志物狀態(例如，膽固醇水平，脂質水平等等)、體重、身高、身體質量指數、基因型因子以及對微生物組組成具有影響的任何其他合適的特征。因此，隨著受試者人數的增加，關于基于其微生物組表征多種受試者，在方法100的隨后模塊中生成的基于特征的模型的預測能力增加。另外地或可選地，在模塊s110中接收的生物樣品的聚合集可以包括接收來自在以下一個或更多個方面相似的目標受試者群的生物樣品：人口學特征、健康狀況、生活情況、飲食習慣、行為傾向、活動性水平，以及對微生物組組成具有影響的任何其他合適的特征。在一些實施方案中，可以根據如于2015年1月9日提交且標題為“methodandsystemformicrobiomeanalysis”的美國申請第14/593,424號中描述的樣品接收的實施方案、變化形式和實例來進行模塊s110中的接收生物樣品的聚合集，其通過該引用以其整體并入本文。然而，在模塊s110中接收生物樣品的聚合集可另外地或可選地以任何其他合適的方式來進行。此外，第一種方法100的一些變化形式可以省略模塊s110，如下文描述的在方法100的后續模塊中進行處理源自生物樣品集的數據。1.2第一種方法：樣品分析、微生物組組成和功能方面模塊s120敘述：表征與受試者群體相關的生物樣品的聚合集中的每一個的微生物組組成和/或功能特征，由此生成受試者群體的微生物組組成數據集和微生物組功能多樣性數據集中的至少一種。模塊s120用于處理生物樣品的聚合集中的每一個，以確定與受試者群體中的每一個的微生物組相關的組成和/或功能方面。組成和功能方面可以包括在微生物水平的組成方面，包括與微生物跨越界、門、綱、目、科、屬、種、亞種、菌株、種下分類單元(infraspeciestaxon)(例如，如以每個群的總豐度、每個群的相對豐度、代表的群的總數等等測量的)和/或任何其他合適的分類單元的不同群的分布相關的參數。組成和功能方面也可以根據可操作分類單位(otu)呈現。組成和功能方面可以另外地或可選地包括在遺傳水平的組成方面(例如，通過多位點序列分型確定的區域、16s序列、18s序列、its序列、其他遺傳標志物、其他系統發育標志物等等)。組成和功能方面可以包括與特定功能(例如，酶活性、轉運功能、免疫活性等等)相關的基因的存在或不存在或量。因此，模塊s120的輸出可以用于提供感興趣的特征用于模塊s140的表征過程，其中該特征可以是基于微生物的(例如，細菌屬的存在)、基于遺傳的(例如，基于特異性遺傳區域和/或序列的呈現)和/或基于功能的(例如，特定催化活性的存在、代謝途徑的存在等等)。在一種變化形式中，模塊1s120可以包括基于源自細菌和/或古細菌的與基因家族相關的系統發育標志物的鑒定而表征特征，所述基因家族與以下的一種或更多種相關：核糖體蛋白s2、核糖體蛋白s3、核糖體蛋白s5、核糖體蛋白s7、核糖體蛋白s8、核糖體蛋白s9、核糖體蛋白s10、核糖體蛋白s11、核糖體蛋白s12/s23、核糖體蛋白s13、核糖體蛋白s15p/s13e、核糖體蛋白s17、核糖體蛋白s19、核糖體蛋白l1、核糖體蛋白l2、核糖體蛋白l3、核糖體蛋白l4/l1e、核糖體蛋白l5、核糖體蛋白l6、核糖體蛋白l10、糖體蛋白l11、糖體蛋白l13、糖體蛋白l14b/l23e、核糖體蛋白l15、糖體蛋白l16/l10e、核糖體蛋白l18p/l5e、核糖體蛋白l22、核糖體蛋白l24、核糖體蛋白l25/l23、核糖體蛋白l29、翻譯延伸因子ef-2、翻譯起始因子if-2、金屬內肽酶(metalloendopeptidase)、ffh信號識別顆粒蛋白、苯丙氨酰-trna合成酶α亞基、苯丙氨酰-trna合成酶β亞基、trna假尿苷合成酶b、膽色素原脫氨酶、磷酸核糖甲酰甘氨脒環狀連接酶(phosphoribosylformylglycinamidinecyclo-ligase)和核糖核酸酶hii。然而，標志物可以包括任何其他合適的標志物。因此，在模塊s120中表征生物樣品的聚合集中的每一個的微生物組組成和/或功能特征優選地包括樣品處理技術(例如，濕實驗室技術(wetlaboratorytechniques))和計算技術(例如，利用生物信息學工具)的組合，以定量地和/或定性地表征與來自受試者或受試者群體的每個生物樣品相關的微生物組和功能特征。在變化形式中，模塊s120中的樣品處理可以包括以下中的任何一種或更多種：裂解生物樣品、破壞生物樣品的細胞中的膜、將不期望的成分(例如，rna、蛋白)與生物樣品分離、純化生物樣品中的核酸(例如，dna)、擴增來自生物樣品的核酸、進一步純化生物樣品的擴增的核酸以及測序生物樣品的擴增的核酸。因此，可以使用如于2015年1月9日提交且標題為“methodandsystemformicrobiomeanalysis”的美國申請第14/593,424號中描述的樣品處理網絡和/或計算系統的實施方案、變化形式和實例來實施模塊s120的部分，其通過該引用以其整體并入本文。因此，實施方法100的一個或更多個部分的計算系統可以在一個或更多個計算系統中實施，其中計算系統可以至少部分地在云中和/或作為被配置為接收存儲計算機可讀指令的計算機可讀介質的機器(例如，計算機器、服務器、移動計算設備等)被實施。然而，可以使用任何其他合適的系統來進行模塊s120。在變化形式中，裂解生物樣品和/或破壞生物樣品的細胞中的膜優選地包括物理方法(例如，珠擊打、氮減壓、均質化、超聲處理)，其省略了在測序后在某些細菌群的呈現方面產生偏倚的某些試劑。另外地或可選地，模塊s120中的裂解或破壞可以包括化學方法(例如，使用去垢劑、使用溶劑、使用表面活性劑等等)。另外地或可選地，模塊s120中的裂解或破壞可以包括生物學方法。在變化形式中，不期望的成分的分離可以包括使用rna酶除去rna和/或使用蛋白酶除去蛋白。在變化形式中，核酸的純化可以包括以下中的一種或更多種：沉淀來自生物樣品的核酸(例如，使用基于醇的沉淀方法)、基于液體-液體的純化技術(例如，苯酚-氯仿提取)、基于層析的純化技術(例如，柱吸附)、包括利用結合被配置為結合核酸并被配置為在洗脫環境(例如，具有洗脫溶液、提供ph改變、提供溫度改變等等)的存在下釋放核酸的部分結合顆粒(例如，磁珠、浮珠(buoyantbeads)、具有粒度分布的珠、超聲響應的珠等等)的純化技術、以及任何其他合適的純化技術。在變化形式中，對純化的核酸進行擴增操作s123可以包括進行以下中的一種或更多種：基于聚合酶鏈式反應(pcr)的技術(例如，固相pcr、rt-pcr、qpcr、多重pcr、降落pcr(touchdownpcr)、納米pcr(nanopcr)、巢式pcr、熱啟動pcr等等)、依賴解旋酶的擴增(hda)、環介導的等溫擴增(lamp)、自我持續序列復制(3sr)、基于核酸序列的擴增(nasba)、鏈置換擴增(sda)、滾環擴增(rca)、連接酶鏈式反應(lcr)和任何其他合適的擴增技術。在純化的核酸的擴增中，使用的引物優選地被選擇以防止擴增偏倚或使擴增偏倚最小化，并且被配置為擴增核酸區域/序列(例如，16s區域、18s區域、its區域等等的)，所述核酸區域/序列提供分類學信息、提供系統發育信息、提供用于診斷的信息、提供用于制劑(例如，用于益生菌制劑)的信息和/或提供用于任何其他合適的目的的信息。因此，在擴增中可以使用被配置為避免擴增偏倚的通用引物(例如，用于16srna的f27-r338引物組、用于16srna的f515-r806引物組等等)。在模塊s110的變化形式中使用的引物可以另外地或可選地包括對每個生物樣品特異的摻入的條形碼序列，所述條形碼序列可以有利于擴增后的生物樣品的鑒定。在模塊s110的變化形式中使用的引物可以另外地或可選地包括被配置為與包括互補銜接子的測序技術(例如，根據用于illumina測序的方案)配合的銜接子區域。用于多重擴增操作的引物組的鑒定可以根據于2015年8月18日提交且標題為“methodandsystemformultiplexprimerdesign”的美國專利申請第62/206,654號中描述的方法的實施方案、變化形式和實例來進行，其通過該引用以其整體并入本文。在模塊s123中使用引物組(asetofprimers)進行多重擴增操作可另外地或可選地以任何其他合適的方式來進行。另外地或可選地，如圖3中示出的，針對與擴增操作s123配合(例如，s122可以在s123之后進行、s122可以在s123之前進行、s122可以與s123基本上同時進行等等)的片段化操作s122(例如，片段化并用測序銜接子加標簽)的表現，模塊s120可以實施被配置以利于處理的任何其他步驟(例如，使用nextera試劑盒)。另外，模塊s122和/或s123可以在存在或不存在核酸提取步驟下進行。例如，可以在擴增核酸之前進行提取，隨后進行片段化，且然后擴增片段。可選地，可以進行提取，隨后進行片段化，且然后擴增片段。如此，在一些實施方案中，進行模塊s123中的擴增操作可以根據如于2015年1月9日提交并且標題為“methodandsystemformicrobiomeanalysis”的美國申請第14/593,424號中描述的擴增的實施方案、變化形式和實例來進行。此外，模塊s123中的擴增可以另外地或可選地以任何其他合適的方式來進行。在特定實例中，來自生物樣品集的生物樣品的核酸的擴增和測序包括：固相pcr，所述固相pcr包括用寡核苷酸銜接子橋式擴增基底上的生物樣品的dna片段，其中擴增包括具有正向索引序列(例如，相應于miseq/nextseq/hiseq平臺的illumina正向索引)或反向索引序列(例如，相應于miseq/nextseq/hiseq平臺的illumina反向索引)的引物、正向條形碼序列或反向條形碼序列、轉座酶序列(例如，相應于miseq/nextseq/hiseq平臺的轉座酶結合位點)、接頭(例如，被配置以降低均一性并改善序列結果的0個、1個或2個堿基的片段)、另外的隨機堿基和用于靶向特定靶標區域(例如，16s區域、18s區域、its區域)的序列。如遍及公開內容表明的，可進一步對任何合適的擴增子進行擴增和測序。在特定實例中，測序包括使用合成測序技術的illumina測序(例如，用hiseq平臺、用miseq平臺、用nextseq平臺等等)。模塊s120中的樣品處理的一些變化形式可以包括在測序之前進一步純化擴增的核酸(例如，pcr產物)，其用于除去過量的擴增成分(例如，引物、dntp、酶、鹽等等)。在實例中，可以使用以下中的任一種或更多種來利于另外的純化：純化試劑盒、緩沖液、醇類、ph指示劑、離液鹽、核酸結合過濾器、離心和任何其他合適的純化技術。在變化形式中，模塊s120中的計算處理可以包括以下中的任一種或更多種：進行包括微生物組來源的序列(例如，與受試者序列和污染物相對)的鑒定的序列分析操作s124、進行微生物組來源的序列的比對和/或映射操作s125(例如，使用單端比對(single-endedalignment)、無空位比對(ungappedalignment)、空位比對(gappedalignment)、配對種的一種或更多種比對片段化的序列)以及生成源自與生物樣品相關的微生物組的組成和/或功能方面的特征s126。以鑒定微生物組來源的序列進行測序分析操作s124可以包括將來自樣品處理的序列數據映射到受試者參考基因組(例如，由genomereferenceconsortium提供的)，以除去受試者基因組來源的序列。然后，在將序列數據映射到受試者參考基因組之后剩余的未被鑒定的序列，可以利用比對算法(例如，基本局部比對搜索工具(basiclocalalignmentsearchtool)、fpga加速比對工具、具有bwa的bwt索引、具有soap的bwt索引、具有bowtie的bwt索引等等)，而進一步基于序列相似性和/或基于參考的方法(例如，使用vamps、使用mg-rast、使用qiime數據庫)聚類成操作分類單位(otu)、比對(例如，使用基因組散列方法(genomehashingapproach)、使用needleman-wunsch算法、使用smith-waterman算法)、并映射到參考細菌基因組(例如，由國家生物技術信息中心(nationalcenterforbiotechnologyinformation)提供的)。未被鑒定的序列的映射可以另外地或可選地包括映射到參考古細菌基因組、病毒基因組和/或真核基因組。此外，可以相對于現有數據庫和/或相對于定制生成的數據庫進行分類單元的映射。另外地或可選地，關于生成微生物組功能多樣性數據集，模塊s120可以包括提取與生物樣品的聚合集中如微生物組組成數據集中指示的一種或更多種微生物組組分的功能方面相關的候選特征s127。提取候選功能特征可以包括鑒定與以下中的一種或更多種相關的功能特征：原核直系同源蛋白聚類(cog)；真核直系同源蛋白聚類(kog)；任何其他合適類型的基因產物；rna加工和修飾功能分類；染色質結構和動力學功能分類；能量生成和轉化功能分類；細胞周期控制和有絲分裂功能分類；氨基酸代謝和轉運功能分類；核苷酸代謝和轉運功能分類；碳水化合物代謝和轉運功能分類；輔酶代謝功能分類；脂質代謝功能分類；翻譯功能分類；轉錄功能分類；復制和修復功能分類；細胞壁/膜/包膜生物發生功能分類；細胞運動功能分類；翻譯后修飾、蛋白周轉和伴侶功能功能分類；無機離子轉運和代謝功能分類；次生代謝物生物合成、轉運和分解代謝功能分類；信號轉導功能分類；細胞內運輸和分泌功能分類；核結構功能分類；細胞骨架功能分類；僅一般功能預測的功能分類；和功能未知的功能分類；和任何其他合適的功能分類。另外地或可選地，模塊s127中的提取候選功能特征可以包括鑒定與以下中的一種或更多種相關的功能特征：系統信息(例如，細胞和生物體功能的途徑圖譜、基因的模塊或功能單元、生物實體的分級分類)；基因組信息(例如，全基因組、全基因組中的基因和蛋白、全基因組中的直系同源基因群)；化學信息(例如，化學化合物和聚糖、化學反應、酶命名法)；健康信息(例如，人類疾病、批準的藥物、天然藥物(crudedrug)和健康相關物質)；代謝途徑圖譜；遺傳信息加工(例如，轉錄、翻譯、復制和修復等等)途徑圖譜；環境信息處理(例如，膜轉運、信號轉導等等)途徑圖譜；細胞過程(例如，細胞生長、細胞死亡、細胞膜功能等等)途徑圖譜；生物體系統(例如，免疫系統、內分泌系統、神經系統等等)途徑圖譜；人類疾病途徑圖譜；藥物開發途徑圖譜；和任何其他合適的途徑圖譜。在提取候選功能特征中，模塊s127可以包括進行搜索一個或更多個數據庫，諸如京都基因和基因組百科全書(thekyotoencyclopediaofgenesandgenomes，kegg)和/或由國家生物技術信息中心(nationalcenterforbiotechnologyinformation，ncbi)管理的直系同源聚類(clustersoforthologousgroups，cog)數據庫。可以基于從生物樣品的聚合集中的一個或更多個生成微生物組組成數據集的結果來進行搜索。另外地或可選地可以根據任何其他合適的過濾器進行搜索。在特定實例中，模塊s127可以包括基于微生物組組成數據集從kegg數據庫資源和cog數據庫資源提取候選功能特征；然而，模塊s127可以包括以任何其他合適的方式提取候選功能特征。在鑒定與生物樣品相關的微生物組的代表性微生物群和/或鑒定候選功能方面(例如，與生物樣品的微生物組組分相關的功能)之后，可以進行生成源自與生物樣品的聚合集相關的微生物組的組成方面和/或功能方面的特征。在一種變化形式中，生成特征可以包括生成源自多位點序列分型(mlst)的特征，其可以在與方法100、200的實施相關的任何階段實驗性地進行，以鑒定用于在方法100的后續模塊中表征的標志物。另外地或可選地，生成特征可以包括生成描述微生物的某些分類群的存在或不存在和/或呈現的微生物的分類群之間的比率的特征。另外地或可選地，生成特征可以包括生成描述以下中的一種或更多種的特征：呈現的分類群的數量、呈現的分類群的網絡、不同分類群的呈現的相關性、不同分類群之間的相互作用、由不同分類群產生的產物、由不同分類群產生的產物之間的相互作用、死亡和生活的微生物之間的比率(例如，對于呈現的不同的分類群，基于rna的分析)、系統發育距離(例如，在kantorovich-rubinstein距離、wasserstein距離等等方面)、任何其他合適的分類群相關特征、任何其他合適的遺傳或功能特征。另外地或可選地，生成特征可以包括例如使用sparcc方法、使用基因組相對豐度和平均大小(genomerelativeabundanceandaveragesize，gaas)方法和/或使用利用混合模型理論的基因組相對豐度(genomerelativeabundanceusingmixturemodeltheory，grammy)方法生成描述不同微生物群的相對豐度的特征，所述利用混合模型理論的基因組相對豐度方法使用序列相似性數據來進行一個或更多個微生物群的相對豐度的最大似然估計。另外地或可選地，生成特征可以包括生成如源自豐度度量的分類學變化的統計測量。另外地或可選地，生成特征可以包括生成源自相對豐度因素(例如，關于分類單元的豐度的變化，其影響其他分類單元的豐度)的特征。另外地或可選地，生成特征可以包括生成描述單獨的和/或組合的一個或更多個分類群的存在的定性特征。另外地或可選地，生成特征可以包括生成與遺傳標志物(例如，代表性16s、18s和/或its序列)相關的特征，所述遺傳標志物表征與生物樣品相關的微生物組的微生物。另外地或可選地，生成特征可以包括生成與特定基因和/或具有該特定基因的生物體的功能關聯相關的特征。另外地或可選地，生成特征可以包括生成與分類單元和/或歸屬于分類單元的產物的致病性相關的特征。然而，模塊s120可以包括生成源自生物樣品的核酸的測序和映射的任何其他合適的特征。例如，特征可以是組合的(例如，包括成對的(pairs)、三個一組(triplets))、相關聯的(例如，關于不同特征之間的相關性)和/或關于特征的變化(即，時間變化、跨樣品部位的變化等等，空間變化等等)。然而，在模塊s120中可以以任何其他合適的方式生成特征。1.3第一種方法：補充數據模塊s130敘述：接收與受試者群體的至少一個子集相關的補充數據集，其中補充數據集提供與免疫微生物功能異常相關的特性的信息。模塊s130用于獲得與受試者的集合中的一個或更多個受試者相關的另外的數據，所述另外的數據可以用于訓練和/或驗證在模塊s140中進行的表征過程。在模塊s130中，補充數據集優選地包括調查來源的數據，但是可以另外地或可選地包括以下中的一種或更多種：源自傳感器的上下文數據(contextualdata)、醫學數據(例如，當前和歷史醫學數據)以及任何其他合適類型的數據。在包括接收調查來源的數據的模塊s130的變化形式中，調查來源的數據優選地提供與受試者相關的生理學信息、人口學信息和行為信息。生理學信息可以包括與生理學特征(例如，高度、體重、身體質量指數、身體脂肪百分比、身體毛發水平等等)相關的信息。人口學信息可以包括與人口學特征(例如，性別、年齡、種族、婚姻狀況、同胞數、社會經濟狀況，性取向等等)相關的信息。行為信息可以包括與以下中的一種或更多種相關的信息：健康狀況(例如，健康和疾病狀態)、生活狀況(例如，獨自生活、與寵物一起生活、與重要他人一起生活、與兒童一起生活等等)、飲食習慣(例如，雜食、素食、純素食、糖消費、酸消費等等)、行為傾向(例如，身體活動水平、藥物使用水平、酒精使用水平等等)、不同的活動性水平(例如，關于在給定時間段內行進的距離)、不同的性活動水平(例如，關于伴侶數和性取向)以及任何其他合適的行為信息。調查來源的數據可以包括定量數據和/或可以被轉化為定量數據的定性數據(例如，使用嚴重度等級、將定性反應映射到定量評分等等)。在有利于接收調查來源的數據方面，模塊s130可以包括向受試者群體的受試者或向與受試者群體的受試者相關的實體提供一種或更多種調查。可以親自(例如，與來自受試者的樣品提供和接收協調)、電子地(例如，在受試者設置帳戶期間、在受試者的電子設備執行的應用處、在通過互聯網連接可進入的網絡應用處等等)、和/或以任何其他合適的方式提供調查。另外地或可選地，在模塊s130中接收的補充數據集的部分可以源自與受試者相關聯的傳感器(例如，可佩戴計算設備的傳感器、移動設備的傳感器、與使用者相關聯的生物計量傳感器等等)。因此，模塊s130可以包括接收以下中的一種或更多種：身體活動(physicalactivity)相關數據或身體動作(physicalaction)相關數據(例如，來自受試者的移動設備或可佩戴電子設備的加速計和陀螺儀數據)、環境數據(例如，溫度數據、高程數據(elevationdata)、氣候數據、光參數數據等等)、患者營養或飲食相關數據(例如，來自食品機構記錄(foodestablishmentcheck-ins)的數據、來自分光光度分析的數據等等)、生物計量數據(例如，通過患者的移動計算設備內的傳感器記錄的數據、通過與患者的移動計算設備通信的可佩戴或其他外圍設備記錄的數據)、位置數據(例如，使用gps元件)以及任何其他合適的數據。另外地或可選地，補充數據集的部分可以源自受試者的醫學記錄數據和/或臨床數據。因此，補充數據集的部分可以源自一個或多個受試者的一個或更多個電子健康記錄(ehr)。另外地或可選地，模塊s130的補充數據集可以包括任何其他合適的診斷信息(例如，臨床診斷信息)，其可以與源自特征的分析結合以支持方法100的后續模塊中的受試者的表征。例如，源自結腸鏡檢查、活組織檢查、血液測試、診斷成像、調查相關信息和任何其他合適的測試的信息可以用于補充模塊s130。1.4第一種方法：免疫微生物功能異常的表征模塊s140敘述：基于補充數據集和從微生物組組成數據集和微生物組功能多樣性數據集中的至少一種提取的特征生成免疫微生物功能異常的表征。模塊s140用于進行表征過程，所述表征過程用于鑒定可以用于基于受試者的微生物組組成和/或功能特征表征受試者或具有免疫微生物功能異常的群體的特征和/或特征組合。另外地或可選地，表征過程可以被用作診斷工具，所述診斷工具可以基于受試者的微生物組組成和/或功能特征，相對于其他健康狀況狀態、行為特征、醫學狀況、人口學特征和/或任何其他合適的特性，表征受試者(例如，在行為特征方面、在醫學狀況方面、在人口學特性方面等等)。然后此類表征可以通過模塊s150的療法模型用于建議或提供個性化療法。在進行表征過程中，模塊s140可以使用計算方法(例如，統計學方法、機器學習方法、人工智能方法、生物信息學方法等等)來將受試者表征為表現出具有免疫微生物功能異常的受試者群特有的特征。在一種變化形式中，表征可以基于源自在第一組受試者和第二組受試者之間的相似性和/或差異的統計分析(例如，概率分布的分析)的特征，所述第一組受試者表現出與免疫微生物功能異常相關的靶標狀態(例如，健康狀況狀態)，所述第二組受試者未表現出與免疫微生物功能異常相關的靶標狀態(例如，“正常”狀態)。在實施該變化形式時，可以使用kolmogorov-smirnov(ks)檢驗、置換檢驗(permutationtest)、cramér-vonmises檢驗和任何其他統計檢驗(例如，t檢驗、welcht檢驗、z檢驗、卡方檢驗、與分布相關的檢驗等等)中的一種或更多種。特別地，一種或更多種此類統計假設檢驗可以用于評價在表現出與免疫微生物功能異常相關的靶標狀態(即，不利狀態)的第一組受試者和未表現出與免疫微生物功能異常相關的靶標狀態(即，具有正常狀態)的第二組受試者中具有變化的豐度程度的特征的集合。更詳細地，可以基于豐度百分比和/或從屬于與第一組受試者和第二組受試者相關的多樣性的任何其他合適的參數來約束所評價的特征的集合，以提高或降低表征的置信度。在該實例的具體實施中，特征可以源自在特定百分比的第一組的受試者和第二組的受試者中豐富的微生物的分類單元和/或功能特征的存在，其中分類單元在第一組受試者和第二組受試者之間的相對豐度可以從具有顯著性的指示(例如，在p-值方面)的ks檢驗或welcht-檢驗來確定。因此，模塊s140的輸出可以包括具有顯著性的指示(例如，p-值為0.0013)的歸一化相對豐度值(例如，患病受試者中的分類單元來源的特征和/或功能特征的豐度比在健康患者中的大25％)。特征生成的變化形式可以另外地或可選地實施或源自功能特征或元數據特征(例如，非細菌標志物)。在進行表征過程中，模塊s140可以另外地或可選地將來自微生物組組成數據集和微生物組功能多樣性數據集中的至少一種的輸入數據轉換為可以在預測受試者群體的表征中測試功效的特征向量。來自補充數據集的數據可以用于報告免疫微生物功能異常的表征，其中用候選特征和候選分類的訓練數據集訓練表征過程以鑒定在準確預測分類方面具有高程度(或低程度)的預測能力的特征和/或特征組合。因此，用訓練數據集改進(refinement)表征方法鑒定出與免疫微生物功能異常的存在具有高度相關性的特征集(例如，受試者特征的、特征的組合的)。在變化形式中，在預測表征過程的分類中有效的特征向量可以包括與以下中的一種或更多種相關的特征：微生物組多樣性度量(例如，關于跨分類群的分布、關于跨古細菌、細菌、病毒和/或真核生物群的分布)、分類群在個體的微生物組中的存在、特定基因序列(例如，16s序列)在個體的微生物組中的呈現、分類群在個體的微生物組中的相對豐度、微生物組恢復力度量(例如，響應于從補充數據集確定的擾動)、編碼具有給定功能的蛋白或rna(酶、轉運蛋白、來自免疫系統的蛋白、激素、干擾rna等等)的基因的豐度以及微生物組來源多樣性數據集和/或補充數據集的任何其他合適的特征。另外地，可以將特征的組合用于特征向量，其中在提供組合的特征作為特征集的一部分中，特征可以被分組和/或加權。例如，一個特征或特征集可以包括呈現的細菌類別在個體的微生物組中的數目、特定的細菌屬在個體的微生物組中的存在、特定的16s序列在個體的微生物組中的呈現、以及第一細菌門相對于第二細菌門的相對豐度的加權的組合特征(weightedcomposite)。然而，特征向量可以另外地或可選地以任何其它合適的方式確定。如圖4中示出的，在模塊s140的一個此類可選的變化形式中，可以根據隨機森林預測器(randomforestpredictor，rfp)算法來生成和訓練表征過程，所述隨機森林預測器(rfp)算法結合bagging(即，靴襻法聚集)和選擇來自訓練數據集的隨機特征集，以構建與隨機特征集相關的決策樹集t。在使用隨機森林算法中，來自決策樹集的n個樣本以替換隨機取樣，以創建決策樹的子集，并且對于每個節點，從用于評價所有預測特征選擇m個預測特征。在節點處提供最佳分裂的預測特征(例如，根據目標函數)用于進行分裂(例如，作為節點處的二叉樹(bifurcation)、作為節點處的三叉樹(trifurcation))。通過從大數據集多次取樣，表征過程在鑒定在預測分類方面強的特征的強度可以實質性地增大。在該變化形式中，在處理期間可以包括防止偏倚(例如取樣偏倚)和/或解釋偏倚量的措施，以提高模型的穩健性。1.4.1克羅恩病表征在一種實施方式中，模塊s140的基于統計分析的表征過程可以基于用源自受試者群體的子集的驗證數據集訓練并驗證的算法，來鑒定與克羅恩病具有最高相關性的特征集，對于所述克羅恩病一種或更多種療法將具有積極效果。特別地，該第一變化形式中的克羅恩病是通常基于以下中的一種或更多種診斷的胃腸道紊亂：基于結腸鏡檢查的方法、基于內窺鏡檢查的方法(例如，膠囊內窺鏡檢查)和計算機斷層掃描(ct)以觀察多核巨細胞。在第一種變化形式中，對于診斷有用的與克羅恩病相關的特征集包括源自以下分類單元中的一種或更多種的特征：梭菌屬(clostridium)(屬)、flavonifractor(屬)、普氏菌屬(prevotella)(屬)、梭菌科(clostridiaceae)(科)、普氏菌科(prevotellaceae)(科)、顫螺菌科(oscillospiraceae)(科)、γ-變形菌綱(gammaproteobacteria)(綱)和變形菌門(proteobacteria)(門)。另外地或可選地，特征集可以源自以下分類單元中的一種或更多種：eggerthella(屬)、akkermansia(屬)、anaerosporobacter(屬)、丹毒絲菌屬(erysipelothrix)(屬)、軍團菌屬(legionella)(屬)、parabacteroides(屬)、odoribacter(屬)、barnesiella(屬)、放線桿菌屬(actinobacillus)(屬)、梭菌屬(clostridium)(屬)、嗜血桿菌屬(haemophilus)(屬)、韋榮球菌屬(veillonella)(屬)、擬桿菌屬(bacteroides)(屬)、巨球型菌屬(megasphaera)(屬)、marvinbryantia(屬)、butyricicoccus(屬)、嗜膽菌屬(bilophila)(屬)、顫桿菌克屬(oscillibacter)(屬)、butyricimonas(屬)、瘤胃球菌屬(ruminococcus)(屬)、八疊球菌屬(sarcina)(屬)、乳酸桿菌屬(lactobacillus)(屬)、鏈球菌屬(streptococcus)(屬)、果膠桿菌屬(pectobacterium)(屬)、糞球菌屬(coprococcus)(屬)、真桿菌屬(eubacterium)(屬)、柯林斯菌屬(collinsella)(屬)、faecalibacterium(屬)、subdoligranulum(屬)、和克羅諾桿菌屬(cronobacter)(屬)。另外地或可選地，與克羅恩病相關的特征集可以源自以下中的一種或更多種：cog(d)代碼(例如，細胞周期控制、細胞分裂和染色體分配功能特征)；cog(i)代碼(例如，脂質轉運和代謝功能特征)；cog(j)代碼(例如，翻譯、核糖體結構和生物發生功能特征)；細胞生長和死亡kegg途徑來源的特征；內分泌系統kegg途徑來源的特征；折疊、分選和降解kegg途徑來源的特征；代謝kegg途徑來源的特征；萜類化合物和聚酮化合物的代謝kegg途徑來源的特征；復制和修復kegg途徑來源的特征；翻譯kegg途徑來源的特征；氨基酸相關酶kegg途徑來源的特征；氨酰-trna生物合成kegg途徑來源的特征；同源重組kegg途徑來源的特征；核苷酸切除修復kegg途徑來源的特征；ppar信號傳導途徑kegg途徑來源的特征；肽聚糖生物合成kegg途徑來源的特征；朊病毒疾病kegg途徑來源的特征；核糖體kegg途徑來源的特征；翻譯因子kegg途徑來源的特征；大亞基核糖體蛋白l20kegg來源的特征(例如，與rp-l20、mrpl20和/或rpit相關的k02887kegg代碼)；mg2+輸入atp酶(mg2+-importingatpase)[ec：2.6.3.2]kegg來源的特征(例如，與mgta和/或mgtb相關的k01531kegg代碼)；肽基-trna水解酶pth1家族[ec：3.1.1.29]kegg來源的特征(例如，與pth1、pth和/或spovc相關的k01056kegg代碼)；大亞基核糖體蛋白l13kegg來源的特征(例如，與rp-l13、mrpl13和/或rpim相關的k02871kegg代碼)；iv型菌毛組裝蛋白pilqkegg來源的特征(例如，與pilq相關的k02666kegg代碼，其中菌毛允許細菌細胞附著至腸壁)；超氧化物歧化酶，cu-zn家族[ec：1.15.1.1]kegg來源的特征(例如，與sod1相關的k04565kegg代碼)；轉座酶kegg來源的特征(例如，與催化轉座元件的復制型轉座的轉座酶相關的k07487kegg代碼)；和轉座酶is30家族kegg來源的特征(例如，與催化轉座元件的復制型轉座的轉座酶相關的k07482kegg代碼)。因此，受試者的表征包括基于以經典診斷方法的替代或補充的方式檢測以上特征中的一種或更多種而將受試者表征為患有克羅恩病的受試者。然而，在特定實例的變化形式中，特征集可以包括對診斷有用的任何其他合適的特征。1.4.2ibs表征在另一種實施方式中，模塊s140的基于統計分析的表征過程可以基于用源自受試者群體的子集的驗證數據集訓練并驗證的算法，來鑒定與腸易激綜合征(ibs)具有最高相關性的特征集，對于所述腸易激綜合征(ibs)一種或更多種療法將具有積極效果。特別地，該第一種變化形式中的ibs是以慢性腹部疼痛、不適、膨脹和腸排便習慣的改變為特征的胃腸道紊亂，如通常通過結腸鏡檢查并排除其他胃腸道疾病(例如，乳糜瀉)來評價的。在第一種變化形式中，對于診斷有用的與ibd相關的特征集包括源自以下分類單元中的一種或更多種的特征：flavonifractor(屬)、odoribacter(屬)、blautia(屬)、和finegoldia(屬)。另外地或可選地，特征集可以源自以下分類單元中的一種或更多種：flavonifractorplautii(種)、霍曼氏菌屬(holdemania)(屬)、擬桿菌屬(屬)、擬桿菌科(bacteroidaceae)(科)、alistipes(屬)、理研菌科(rikenellaceae)(科)、細菌nlae-zl-p827(種)、δ-變形菌綱(deltaproteobacteria)(綱)、嗜膽菌屬(bilophila)(屬)、巴斯德氏菌科(pasteurellaceae)(科)、巴斯德氏菌目(pasteurellales)(目)、γ-變形菌綱(綱)、沃氏嗜膽菌(bilophilawadsworthia)(種)、梭菌目(clostridiales)(目)、梭菌綱(clostridia)(綱)、odoribacter(屬)、clostridiumlavalense(種)、odoribactersplanchnicus(種)、紅蝽菌科(coriobacteriaceae)(科)、紅螺菌目(rhodospirillales)(目)、生物體宏基因組(未分類)、anaerostipes(屬)、放線菌綱(actinobacteria)(綱)、普氏菌科(科)、紅螺菌科(rhodospirillaceae)(科)、細菌nlae-zl-h54(種)、放線菌亞綱的種(actinobacteridaespp.)(未分類)、羅氏菌屬的種11se38(roseburiasp.11se38)(種)、雙歧桿菌科(bifidobacteriaceae)(科)、雙歧桿菌目(bifidobacteriales)(目)、雙歧桿菌屬(bifidobacterium)(屬)、產丁酸鹽細菌sr1/1(butyrate-producingbacteriumsr1/1)(種)、大芬戈爾德菌(finegoldiamagna)(種)、finegoldia(屬)、和嗜胨菌屬(peptoniphilus)(屬)。另外地或可選地，與ibs相關的特征集可以源自以下中的一種或更多種：pcockegg來源的特征(例如，k07156kegg代碼)；羧酸酯/酯-胺(carboxylate-amine)連接酶[ec:6.3.-.-]kegg來源的特征(例如，與ybdk相關的k06048kegg代碼)；和異檸檬酸裂合酶[ec：4.1.3.1]kegg來源的特征(例如，與acea相關的k01637kegg代碼)。因此，受試者的表征包括基于以經典診斷方法的替代或補充的方式檢測一種或更多種以上特征，將受試者表征為患有ibs的受試者。然而，在特定實例的變化形式中，特征集可以包括對診斷有用的任何其他合適的特征。1.4.3ibd表征在另一種實施方式中，模塊s140的基于統計分析的表征過程可以基于用源自受試者群體的子集的驗證數據集訓練并驗證的算法，來鑒定與炎性腸病(ibd)具有最高相關性的特征集，對于所述炎性腸病(ibd)一種或更多種療法將具有積極效果。特別地，該第一種變化形式中的ibd是通過基于結腸鏡檢查的活組織檢查和/或糞便鈣防衛蛋白來表征的胃腸道紊亂。在第一種變化形式中，對診斷有用的與ibd相關的特征集包括源自以下分類單元中的一種或更多種的特征：梭菌屬(屬)、瘤胃球菌屬(屬)、梭菌科(科)、韋榮球菌科(科)、selenomonadales(目)、γ-變形菌綱(綱)、negativicutes(綱)、和變形菌門(門)。另外地或可選地，特征集可以源自以下分類單元中的一種或更多種：細菌nlae-zl-p562(種)、actinobacillusporcinus(種)、巨球型菌屬(屬)、放線桿菌屬(屬)、flavonifractorplautii(種)、巴斯德氏菌科(科)、巴斯德氏菌目(目)、γ-變形菌綱(綱)、腸桿菌目(enterobacteriales)(目)、腸桿菌科(enterobacteriaceae)(科)、韋榮球菌科(科)、脆弱擬桿菌(bacteroidesfragilis)(種)、乳桿菌目(lactobacillales)(目)、變形菌門(門)、selenomonadales(目)、negativicutes(綱)、鏈球菌科(streptococcaceae)(科)、芽孢桿菌綱(bacilli)(綱)、克羅諾菌屬(屬)、cronobactersakazakii(種)、鏈球菌屬(屬)、伯克氏菌目(burkholderiales)(目)、β-變形菌綱(betaproteobacteria)(綱)、sutterellaceae(科)、丹毒絲菌科(erysipelotrichaceae)(科)、丹毒絲菌綱(erysipelotrichia)(綱)、丹毒絲菌目(erysipelotrichales)(目)、未培養的紅蝽菌綱(coriobacteriia)細菌(種)、紅蝽菌目(coriobacteriales)(目)、紅蝽菌科(科)、柯林斯菌屬(屬)、霍曼氏菌屬(屬)、羅氏菌屬(roseburia)(屬)、瘤胃球菌科(ruminococcaceae)(科)、δ-變形菌綱(綱)、假丁酸弧菌屬(pseudobutyrivibrio)(屬)、δ/ε亞門(delta/epsilonsubdivisions)(亞門)、脫硫弧菌目(desulfovibrionales)(目)、克里斯滕森菌科(christensenellaceae)(科)、紫單胞菌科(porphyromonadaceae)(科)、氨基酸球菌科(acidaminococcaceae)(科)、瘤胃球菌屬(屬)、marvinbryantia(屬)、衣原體/疣微菌門群(chlamydiae/verrucomicrobiagroup)(總門)、產丁酸鹽細菌sr1/1(種)、鞘脂桿菌目(sphingobacteriales)(目)、芽孢桿菌目(bacillales)(目)、未定地位的芽孢桿菌目(未分類)、未定地位的芽孢桿菌科xi.(未分類)、和海洋螺菌目(oceanospirillales)(目)。另外地或可選地，與ibd相關的特征集可以源自以下中的一種或更多種：復制和修復kegg途徑來源的特征；udp-n-乙酰基-d-葡糖胺脫氫酶[ec:1.1.1.136]kegg來源的特征(例如，與wbpa相關的k13015kegg代碼)；推定的甘油-1-磷酸異戊二烯轉移酶[ec:2.5.1.-]kegg來源的特征(例如，與pcrb相關的k07094kegg代碼)；假定的蛋白kegg來源的特征(例如，k07501kegg代碼)；脯氨酸脫氫酶[ec:1.5.-.-]kegg來源的特征(例如，與prodh相關的k00318kegg代碼)；和轉座酶is30家族kegg來源的特征(例如，與催化轉座元件的復制型轉座的轉座酶相關的k07482代碼)。因此，受試者的表征包括基于以經典診斷方法的替代或補充的方式檢測一種或更多種以上特征，將受試者表征為患有ibd的受試者。然而，在特定實例的變化形式中，特征集可以包括對診斷有用的任何其他合適的特征。1.4.4潰瘍性結腸炎表征在另一種實施方式中，模塊s140的基于統計分析的表征過程可以基于用源自受試者群體的子集的驗證數據集訓練并驗證的算法，來鑒定與潰瘍性結腸炎具有最高相關性的特征集，對于所述潰瘍性結腸炎一種或更多種療法將具有積極效果。特別地，該第一種變化形式中的潰瘍性結腸炎是通常通過以下中的一種或更多種來表征的胃腸道紊亂：全血細胞計數、電解質研究、腎功能測試、肝功能測試、x射線成像、尿分析、c-反應性蛋白測量、和乙狀結腸鏡檢查。在第一種變化形式中，對診斷有用的與潰瘍性結腸炎相關的特征集包括源自以下分類單元中的一種或更多種的特征：梭菌屬(屬)、毛螺菌屬(lachnospira)(屬)、blautia(屬)、小桿菌屬(dialister)(屬)、瘤胃球菌屬(屬)、梭菌科(科)、消化鏈球菌科(peptostreptococcaceae)(科)、韋榮球菌科(veillonellaceae)(科)、丹毒絲菌科(科)、克里斯滕森菌科(科)、丹毒絲菌目(目)、γ-變形菌綱(綱)、和丹毒絲菌綱(綱)。另外地或可選地，特征集可以源自以下分類單元中的一種或更多種：actinobacillusporcinus(種)、放線桿菌屬(屬)、巴斯德氏菌科(科)、巴斯德氏菌目(目)、γ-變形菌綱(綱)、flavonifractorplautii(種)、flavonifractor(屬)、乳桿菌目(目)、毛螺菌科細菌2_1_58faa(lachnospiraceaebacterium2_1_58faa)(種)、芽孢桿菌綱(綱)、韋榮球菌科(科)、細菌nlae-zl-p430(bacteriumnlae-zl-p430)(種)、小桿菌屬(屬)、parasutterella(屬)、faecalibacterium(屬)、parasutterellaexcrementihominis(種)、柯林斯菌屬(屬)、紅蝽菌科(科)、未培養的紅蝽菌綱細菌(種)、紅蝽菌目(目)、假丁酸弧菌屬(屬)、脆弱擬桿菌(種)、霍曼氏菌屬(屬)、紫單胞菌科(科)、衣原體/疣微菌門群(總門)、遲緩埃格特菌(eggerthellalenta)(種)、疣微菌門(verrucomicrobia)(門)、擬桿菌目(bacteroidales)(目)、擬桿菌綱(bacteroidia)(綱)、擬桿菌門(bacteroidetes)(門)、擬桿菌門/綠菌門群(bacteroidetes/chlorobigroup)(總門)、疣微菌綱(verrucomicrobiae)(綱)、疣微菌目(verrucomicrobiales)(目)、疣微菌科(verrucomicrobiaceae)(科)、subdoligranulum(屬)、dorea(屬)、δ-變形菌綱(deltaproteobacteria)(綱)、δ/ε亞門(亞門)、未定地位的芽孢桿菌目(未分類)、脫硫弧菌目(目)、瘤胃球菌屬(屬)、糞球菌屬(coprococcus)(屬)、真桿菌科(eubacteriaceae)(科)、真桿菌屬(eubacterium)(屬)、克里斯滕森菌科(科)、氨基酸球菌科(科)、紅螺菌目(目)、marvinbryantia(屬)、紅螺菌科(科)、芽孢桿菌目(目)、alistipesputredinis(種)、和芽孢桿菌科(bacillaceae)(科)。另外地或可選地，與潰瘍性結腸炎相關的特征集可以源自以下中的一種或更多種：cog(b)代碼(例如，染色質結構和動力學功能特征)；cog(i)代碼(例如，脂質轉運和代謝功能特征)；細胞生長和死亡kegg途徑來源的特征；萜類化合物和聚酮化合物的代謝kegg途徑來源的特征；信號轉導kegg途徑來源的特征；翻譯kegg途徑來源的特征；堿基切除修復kegg途徑來源的特征；細胞周期-柄桿菌屬(caulobacter)kegg途徑來源的特征；n-聚糖生物合成kegg途徑來源的特征；氧化磷酸化kegg途徑來源的特征；推定的甘油-1-磷酸異戊二烯基轉移酶[ec:2.5.1.-]kegg來源的特征(例如，與pcrb相關的k07094kegg代碼)；5,10-亞甲基四氫甲烷喋呤還原酶[ec:1.5.98.2]kegg來源的特征(例如，與mer相關的k00320kegg代碼)；谷氨酸鹽/酯：na+同向轉運體ess家族kegg來源的特征(例如，與glts相關的k03312kegg代碼)；推定的轉座酶kegg來源的特征(例如，k07494kegg代碼)；二酰甘油激酶(atp)[ec:2.7.1.107]kegg來源的特征(例如，與dagk相關的k07029kegg代碼)；未表征的蛋白kegg來源的特征(例如，k06936kegg代碼)；未表征的蛋白kegg來源的特征(例如，k07161kegg代碼)；未表征的蛋白kegg來源的特征(例如，k09126kegg代碼)；lppg:fo2-磷酸-l-乳酸酯轉移酶[ec:2.7.8.28]kegg來源的特征(例如，與cofd相關的k11212kegg代碼)；和磷酸磺酸基乳酸酯合成酶[ec:4.4.1.19]kegg來源的特征(例如，與coma相關的k08097kegg代碼)。因此，受試者的表征包括基于以經典診斷方法的替代或補充的方式檢測一種或更多種以上特征，將受試者表征為患有潰瘍性結腸炎的受試者。然而，在特定實例的變化形式中，特征集可以包括對診斷有用的任何其他合適的特征。1.4.5乳糜瀉表征在另一種實施方式中，模塊s140的基于統計分析的表征方法可以基于用源自受試者群體的子集的驗證數據集訓練并驗證的算法，來鑒定與乳糜瀉具有最高相關性的特征集，對于所述乳糜瀉一種或更多種療法將具有積極效果。特別地，該第一種變化形式中的乳糜瀉是引起胃腸道不適、麩質不耐受、疲乏和營養缺乏的小腸的自身免疫性紊亂。在第一種變化形式中，對診斷有用的與乳糜瀉相關的特征集包括源自以下分類單元中的一種或更多種的特征：梭菌屬(屬)、顫桿菌克屬(屬)、薩特氏菌屬(sutterella)(屬)、梭菌科(科)、消化鏈球菌科(科)、消化球菌科(peptococcaceae)(科)、顫螺菌科(科)、和變形菌門(門)。另外地或可選地，特征集可以源自以下分類單元中的一種或更多種：parasutterella(屬)、單形擬桿菌(bacteroidesuniformis)(種)、parasutterellaexcrementihominis(種)、脆弱擬桿菌(種)、酸桿菌門(acidobacteria)(門)、放線桿菌屬(屬)、actinobacillusporcinus(種)、巴斯德氏菌科(科)、和巴斯德氏菌目(目)。另外地或可選地，與乳糜瀉相關的特征集可以源自以下中的一種或更多種：cog(w)代碼(例如，細胞外結構功能特征)；推定的膜蛋白kegg來源的特征(例如，與yagu相關的k08996kegg代碼)；一氧化氮還原酶b亞基[ec:1.7.2.5]kegg來源的特征(例如，與norb相關的k04561kegg代碼)；感受態蛋白comgakegg來源的特征(例如，與comga相關的k02243kegg代碼)；感受態蛋白comgckegg來源的特征(例如，與comgc相關的k02245kegg代碼)；dna復制蛋白kegg來源的特征(例如，與dnad相關的k02086kegg代碼)；分離環形成調控因子kegg來源的特征(例如，與ezra相關的k06286kegg代碼)；甘油醛-3-磷酸脫氫酶(nadp+)[ed:1.2.1.9]kegg來源的特征(例如，與gapn相關的k00131kegg代碼)；前導肽酶(prepilin肽酶)/n-甲基轉移酶[ec:3.4.23.432.1.1.-](例如，與comc相關的k02236kegg代碼)；丙酮酸氧化酶[ec:1.2.3.3]kegg來源的特征(例如，與poxl相關的k00158kegg代碼)；mfs轉運蛋白、shs家族、唾液酸轉運蛋白kegg來源的特征(例如，與nant相關的k03290kegg代碼)；中鏈酰基-[酰基-載體-蛋白]水解酶[ec:3.1.2.21]kegg來源的特征(例如，與mch相關的k01071kegg代碼)；酰基輔酶a水解酶[ec:3.1.2.20]kegg來源的特征(例如，k01073kegg代碼)；葡聚糖1,6-α-葡萄糖苷酶[ec:3.2.1.70]kegg來源的特征(例如，與dexb相關的k01215kegg代碼)；推定的膜蛋白kegg來源的特征(例如，k08987kegg代碼)；羥基甲基戊二酰輔酶a還原酶[ec:1.1.1.88]kegg來源的特征(例如，與mvaa相關的k00054kegg代碼)；青霉素結合蛋白kegg來源的特征(例如，與pbp相關的k03693kegg代碼)；感受態蛋白coiakegg來源的特征(例如，與coia相關的k06198kegg代碼)；氨基轉移酶[ec:2.6.1.-]kegg來源的特征(例如，與pata相關的k00841kegg代碼)；x-pro二肽基肽酶[ec:3.4.14.11]kegg來源的特征(例如，與pepxp相關的k01281kegg代碼)；sprt樣蛋白kegg來源的特征(例如，與sprl相關的k03095kegg代碼)；普通應激蛋白13kegg來源的特征(例如，與gsp13相關的k07570kegg代碼)；感受態蛋白comgfkegg來源的特征(例如，與comgf相關的k02248kegg代碼)；青霉素結合蛋白2a[ec:2.4.1.1292.3.2.-]kegg來源的特征(例如，與pbp2a相關的k12555kegg代碼)；對氨基苯甲酸合成酶/4-氨基-4-脫氧分支酸裂解酶(4-amino-4-deoxychorismatelyase)[ec:2.6.1.854.1.3.38]kegg來源的特征(例如，與pabbc相關的k03342kegg代碼)；未表征的蛋白kegg來源的特征(例如，k09962kegg代碼)；感受態蛋白comfakegg來源的特征(例如，與comfa相關的k02240kegg代碼)；和gmp還原酶[ec:1.7.1.7]kegg來源的特征(例如，與guac相關的k00364kegg代碼)。因此，受試者的表征包括基于以經典診斷方法的替代或補充的方式檢測一種或更多種以上特征，將受試者表征為患有乳糜瀉的受試者。然而，在特定實例的變化形式中，特征集可以包括對診斷有用的任何其他合適的特征。受試者的表征可以另外地或可選地實施使用高假陽性測試和/或高假陰性測試，以進一步分析表征方法在根據方法100的實施方案生成的輔助性分析中的靈敏度。1.5第一種方法：療法模型和提供如圖1a中示出的，在一些變化形式中，第一種方法100還可以包括模塊s150，所述模塊s150敘述：基于表征，生成被配置為矯正免疫微生物功能異常的療法模型。模塊s150在改善受試者的健康方面，用以鑒定或預測可以使受試者的微生物組組成和/或功能特征朝向期望的平衡狀態改變的療法(例如基于益生菌的療法、基于噬菌體的療法、基于小分子的療法等等)。在模塊s150中，療法可以選自包括以下中的一種或更多種的治法：益生菌療法、基于噬菌體的療法、基于小分子的療法、認知/行為療法、物理康復療法(physicalrehabilitationtherapies)、臨床療法、基于藥物的療法、膳食相關療法、和/或被設計為在改善使用者的健康方面以任何其他合適的方式起作用的任何其他適合的療法。在基于噬菌體的療法的特定實例中，可以使用對在患有免疫微生物功能異常的受試者中呈現的某些細菌(或其他微生物)特異的噬菌體的一個或更多個群體(例如，以集落形成單位為單位)，以下調或以其他方式消除某些細菌的群體。因此，可以使用基于噬菌體的療法來減小受試者中呈現的細菌的不期望的群體的大小。互補地，可以使用基于噬菌體的療法來增大未被所用噬菌體靶向的細菌群體的相對豐度。例如，關于以上1.4.1至1.4.5部分中的免疫微生物功能異常的變化形式，療法(例如，益生菌療法、基于噬菌體的療法等等)可以被配置為下調和/或上調與免疫微生物功能異常特有的特征相關的微生物群體或亞群(和/或其功能)。在益生菌療法的特定實例中，如圖5中示出的，治療模型的候選療法可以進行以下中的一種或更多種：通過提供物理屏障(例如，通過定植抵抗的方式)阻斷病原體進入上皮細胞、通過刺激杯狀細胞(gobletcells)誘導粘液屏障的形成、增強受試者的上皮細胞之間的頂端緊密連接的完整性(例如，通過刺激閉鎖小帶1(zona-occludens1)的上調、通過防止緊密連接蛋白重新分布)、產生抗微生物因子、刺激抗炎細胞因子的產生(例如，通過樹突細胞的信號傳導和調節性t細胞的誘導)、觸發免疫應答、以及進行調節受試者的微生物組遠離失調狀態的任何其他合適的功能。在變化形式中，療法模型優選地基于來自大的受試者群體的數據，所述大的受試者群體可以包括在模塊s110中微生物組相關數據集源自的受試者群體，其中在暴露于多種治療措施之前以及暴露于多種治療措施之后，微生物組組成和/或功能特征或健康狀態被充分表征。在基于不同的微生物組表征鑒定為受試者提供期望結果的治療措施中，此類數據可以用于訓練和驗證療法提供模型。在變化形式中，作為監督式機器學習算法的支持向量機可用于生成療法提供模型。然而，以上描述的任何其他合適的機器學習算法可以有利于療法提供模型的生成。雖然以上關于模塊的性能描述了統計分析和機器學習的一些方法，但是方法100的變化形式在進行表征過程中可以另外地或可選地使用任何其他合適的算法。在變化形式中，算法可以通過包括以下中的任何一種或更多種的學習方式來表征：監督式學習(例如，利用邏輯回歸、利用反向傳播神經網絡)、非監督式學習(例如，利用apriori算法、利用k-均值聚類)、半監督式學習、強化學習(例如，利用q學習算法、利用時間差分學習)和任何其他合適的學習方式。此外，算法可以實施以下中的任何一種或更多種：回歸算法(例如，普通最小二乘法、邏輯回歸、逐步回歸、多元自適應回歸樣條(multivariateadaptiveregressionsplines)、本地散點平滑估計(locallyestimatedscatterplotsmoothing)等等)、基于實例的方法(例如，k最近鄰域、學習向量量化、自組織映射等等)、正則化方法(例如，嶺回歸、最小絕對值收縮和選擇算子(leastabsoluteshrinkageandselectionoperator)、彈性網絡等等)、決策樹學習方法(例如，分類和回歸樹、迭代二叉樹3代、c4.5、卡方自動交互檢測、決策樹、隨機森林、多元自適應回歸樣條、梯度推進機(gradientboostingmachines)等等)、貝葉斯方法(例如，樸素貝葉斯(bayes)、平均單依賴估計(averagedone-dependenceestimators)、貝葉斯置信網絡(bayesianbeliefnetwork)等等)、核方法(例如，支持向量機、徑向基函數、線性判別分析等等)、聚類方法(例如，k-均值聚類、期望最大化等等)，關聯規則學習算法(associatedrulelearningalgorithm)(例如，apriori算法、eclat算法等等)、人工神經網絡模型(例如，感知方法(perceptronmethod)、反向傳播方法(back-propagationmethod)、hopfield網絡方法、自組織映射方法、學習向量量化方法等等)、深度學習算法(例如，受限玻爾茲曼機(restrictedboltzmannmachine)、深度置信網絡方法(deepbeliefnetworkmethod)、卷積網絡方法(convolutionnetworkmethod)、棧式自編碼器方法(stackedauto-encodermethod)等等)、降維方法(例如，主成分分析、偏最小二乘回歸、sammon映射、多維標度(multidimensionalscaling)、投影尋蹤等等)、集成方法(例如，推進(boosting)、靴襻式聚集(boostrappedaggregation)、adaboost、堆疊泛化(stackedgeneralization)、梯度推進機方法(gradientboostingmachinemethod)、隨機森林法等等)和任何合適形式的算法。另外地或可選地，療法模型可以涉及如從被鑒定為身體健康的受試者群體的受試者評價的“正常”或基線微生物組組成和/或功能特征的鑒定而得到。在鑒定被表征為身體健康的受試者群體的受試者子集(例如，使用表征過程的特征)之后，在模塊s150中可以生成將微生物組組成和/或功能特征朝向處于身體健康的受試者的那些微生物組組成和/或功能特征調節的療法。因此，模塊s150可以包括鑒定一種或更多種基線微生物組組成和/或功能特征(例如，對于人口學特征集中的每一個，一個基線微生物組)，以及可以使處于失調狀態的受試者的微生物組朝向鑒定的基線微生物組組成和/或功能特征之一改變的潛在療法制劑和療法方案。然而，可以以任何其他合適的方式生成和/或精化療法模型。與療法模型相關的益生菌療法相關微生物組合物優選地包括可培養(例如，能夠擴增以提供可分級(scalable)療法)且非致死性(例如，以其期望的治療劑量是非致死性的)的微生物。此外，微生物組合物可以包含對受試者的微生物組具有急性或溫和效果的單一類型的微生物。另外地或可選地，微生物組合物可以包括多種類型的微生物的平衡的組合，所述平衡的組合被配置為在將受試者的微生物組朝向期望的狀態驅動方面彼此配合。例如，益生菌療法中的多種類型的細菌的組合可以包括第一細菌類型，所述第一細菌類型生成被第二細菌類型使用的產物，所述第二細菌類型在積極影響受試者的微生物組方面具有強烈效果。另外地或可選地，益生菌療法中的多種類型細菌的組合可以包括若干種細菌類型，所述若干種細菌類型產生具有積極影響受試者的微生物組的相同功能的蛋白。在益生菌療法的實例中，益生菌組合物可以包含一種或更多種已鑒定的微生物分類群單元的組分(例如，如以上1.4.1至1.4.5部分描述的)，所述組分以100萬至100億cfu的劑量提供，如從預測響應于該療法積極調整受試者的微生物組的療法模型確定的。另外地或可選地，療法可以包括多劑量的歸因于在未患有免疫微生物功能異常的受試者的微生物組組成中的功能存在的蛋白。在實例中，可以指導受試者攝入膠囊，所述膠囊根據對他/她的以下中的一種或更多種定制的方案包含益生菌制劑：生理學(例如，身體質量指數、體重、身高)、人口學特征(例如，性別、年齡)、失調的嚴重度、對藥物的敏感性以及任何其他合適的因素。此外，基于益生菌的療法的益生菌組合物可以天然地或合成地得到。例如，在一種應用中，益生菌組合物可以天然地源自糞便物質或其他生物物質，(例如，如利用表征過程和療法模型鑒定的，具有基線微生物組組成和/或功能特征的一個或更多個受試者的)。另外地或可選地，益生菌組合物可以基于如利用表征過程和療法模型鑒定的基線微生物組組成和/或功能特征合成地得到(例如，使用臺式方法(benchtopmethod)得到)。在變化形式中，可以用于益生菌療法的微生物劑可以包括以下中的一種或更多種：酵母(例如，布拉酵母菌(saccharomycesboulardii))、革蘭氏陰性細菌(例如，大腸桿菌nissle(e.colinissle))、革蘭氏陽性細菌(例如，重組雙歧桿菌(bifidobacteriabifidum)、bifidobacteriainfantis、鼠李糖乳桿菌(lactobacillusrhamnosus)、乳酸乳球菌(lactococcuslactis)、植物乳桿菌(lactobacillusplantarum)、嗜酸乳桿菌(lactobacillusacidophilus)、干酪乳桿菌(lactobacilluscasei)、bacilluspolyfermenticus等等)和任何其他合適類型的微生物劑。另外地或可選地，通過模塊s150的治療模型安排的療法可以包括以下中的一種或更多種：消費品(例如，食物類物品(fooditems)、飲料類物品(beverageitems)、營養補充劑)、建議的活動(例如，運動方案、對酒精消費的調整、對香煙使用的調整、對藥物使用的調整)、局部療法(例如，洗劑、軟膏劑、消毒劑(antiseptics)等等)、對衛生產品使用的調整(例如，洗發產品的使用、護發素產品(conditionerproducts)的使用、肥皂的使用、化妝品(makeupproducts)的使用等等)、對飲食的調整(例如，糖消費、脂肪消費、食鹽消費、酸消費等等)、對睡眠行為的調整、生活安排的調整(例如，對與寵物一起生活的調整、對與個人的家庭環境中的植物一起生活的調整、對與個人的家庭環境中的光和溫度的調整等等)、營養補充劑(例如，維生素、礦物質、纖維、脂肪酸、氨基酸、益生元(prebiotics)、益生菌等等)、藥物、抗生素和任何其他合適的治療措施。然而，第一種方法100可以包括被配置為利于以下的任何其他合適的模塊或步驟：接收來自個體的生物樣品、處理來自個體的生物樣品、分析源自生物樣品的數據以及生成可用于根據個體的特定微生物組組成提供定制的診斷和/或治療的模型。2.第二種方法：個性化診斷和治療如以上提及的，在一些實施方案中，第一種方法100的輸出基于個體的微生物組的分析可以用于生成診斷和/或為個體提供治療措施。因此，源自第一種方法100的至少一種輸出的第二種方法200可以包括：接收來自受試者的生物樣品s210；基于處理源自生物樣品的微生物組數據集，表征患有一種形式的免疫微生物功能異常的受試者s220；以及基于表征和療法模型為患有免疫微生物功能異常的受試者安排療法s230。模塊s210敘述：接收來自受試者的生物樣品，其用以利于生成受試者的微生物組組成數據集和/或微生物組功能多樣性數據集。因此，處理和分析生物樣品優選地利于生成受試者的微生物組組成數據集和/或微生物組功能多樣性數據集，所述微生物組組成數據集和/或微生物組功能多樣性數據集可用于提供輸入，所述輸入可用于關于免疫微生物功能異常的診斷表征個體，如模塊s220中的。優選地以與以上關于模塊s110描述的樣品接收的實施方案、變化形式和/或實例之一的方式相似的方式進行接收來自受試者的生物樣品。因此，可以使用與用于接收和處理用于生成第一種方法100的表征和/或療法提供模型的生物樣品的那些過程類似的過程，對受試者進行模塊s210中的生物樣品的接收和處理，以提供過程的一致性。然而，模塊s210中的生物樣品接收和處理可以可選地以任何其他合適的方式進行。模塊s220敘述：基于處理源自生物樣品的微生物組數據集，表征患有一種形式的免疫微生物功能異常的受試者。模塊s220用于從受試者的微生物組來源的數據提取特征，并且使用該特征將個體正面地或負面地表征為患有一種形式的免疫微生物功能異常。因此，模塊s220中的表征受試者優選地包括鑒定與受試者的微生物組組成和/或微生物組的功能特征相關的特征和/或特征的組合，并將這樣的特征與患有免疫微生物功能異常的受試者特有的特征進行比較。模塊s220還可以包括生成和/或輸出與對個體的表征相關的置信度量。例如，置信度量可以源自用于生成分類的特征的數目、用于生成表征的特征的相對權重或排名、在以上模塊s140中使用的模型中的偏倚的測量和/或與模塊s140的表征操作的方面相關的任何其他合適的參數。在一些變化形式中，從微生物組數據集提取的特征可以用來自個體的調查來源的和/或病史來源的特征補充，這可以用于進一步精化模塊s220的表征操作。然而，另外地或可選地可以以任何其他合適的方式使用個體的微生物組組成數據集和/或微生物組功能多樣性數據集來增強第一種方法100和/或第二種方法200。模塊s230敘述：基于表征和療法模型為患有免疫微生物功能異常的受試者安排療法。模塊s230用于向受試者推薦或提供個性化治療措施，以使個體的微生物組組成朝向期望的平衡狀態改變。因此，模塊s230可以包括矯正免疫微生物功能異常，或者以其他方式關于免疫微生物功能異常積極地影響使用者的健康。因此，模塊s230可以包括基于受試者的關于免疫微生物功能異常的表征來為受試者安排一種或更多種治療措施。在模塊s230中，向受試者提供治療措施可以包括推薦可用的治療措施，所述治療措施被配置為將受試者的微生物組組成朝向期望的狀態調節。另外地或可選地，模塊s230可以包括根據受試者的表征(例如，關于特定類型的免疫微生物功能異常)向受試者提供定制的療法。在變化形式中，治療措施可以包括以下中的一種或更多種：益生菌、基于噬菌體的療法、消費品、建議的活動、局部療法、對衛生產品使用的調整、對飲食的調整、對睡眠行為的調整、生活安排、對性活動水平的調整、營養補充劑、藥物、抗生素和任何其他合適的治療措施。模塊s230中的療法提供可以包括通過電子設備、通過與個體相關聯的實體、和/或以任何其他合適的方式來提供通知。更詳細地，模塊s230中的療法提供可以包括針對健康相關目標，向受試者提供關于推薦的治療措施和/或其他行動路線的通知，如圖6中示出的。可以通過執行被配置用于通知提供的應用程序、萬維網界面和/或信息傳遞客戶端(messagingclient)的電子設備(例如，個人計算機、移動設備、平板計算機(tablet)、頭戴式可佩戴計算設備、手腕式可佩戴計算設備等等)向個人提供通知。在一個實例中，與受試者相關聯的個人計算機或膝上型計算機(laptop)的萬維網界面可以由受試者提供對受試者的使用者帳戶的訪問，其中使用者帳戶包括關于以下的信息：受試者的表征、受試者的微生物組組成和/或功能特征的方面的詳細表征、以及關于在模塊s150中生成的建議的治療措施的通知。在另一個實例中，在個人電子設備(例如，智能電話、智能手表、頭戴式智能設備)執行的應用程序可以被配置為提供關于由模塊s150的療法模型生成的治療建議的通知(例如，顯示、通過觸覺(haptically)、以聽覺方式等等)。另外地或可選地，可以通過與受試者相關的實體(例如，看護者、配偶、重要他人、醫療保健專業人員等等)直接提供通知。在一些另外的變化形式中，可以將通知另外地或可選地提供給與受試者相關的實體(例如，醫療保健專業人員)，其中實體能夠施用治療措施(例如，通過處方、通過進行治療會話等等)。然而，可以以任何其他合適的方式向受試者提供療法施用的通知。此外，在模塊s230的延伸中，可以利用在治療方案的過程期間監測受試者(例如，通過貫穿療法接受和分析來自受試者的生物樣品、通過貫穿療法接受來自受試者的調查來源的數據)，對根據在模塊s150中生成的模型提供的每個推薦的治療措施生成療法效果模型。實施方案的方法100、200和/或系統可以至少部分地呈現或實施為被配置為接收存儲計算機可讀指令的計算機可讀介質的機器。指令可以通過與患者的計算機或移動設備的應用程序、小應用程序、主機、服務器、網絡、網站、通信服務、通信界面、硬件/固件/軟件元件集成的計算機可執行組件或其任何合適的組合來執行。實施方案的其他系統及方法可以至少部分地被呈現和.或實施為被配置為接收存儲計算機可讀指令的計算機可讀介質的機器。指令可以通過與以上描述的類型的裝置和網絡集成的計算機可執行組件執行。計算機可讀介質可以儲存在任何合適的計算機可讀介質上，諸如ram、rom、閃速存儲器、eeprom、光學設備(cd或dvd)、硬盤驅動器、軟盤驅動器或任何合適的設備。計算機可執行組件可以是處理器，雖然任何合適的專用硬件設備可以(另外地或可選地)執行指令。附圖例證了系統、方法和計算機程序產品的根據優選的實施方案、實例配置及其變化形式的可能的實施的架構(architecture)、功能和操作。在這方面，流程圖或框圖中的每個模塊可以代表模塊、部分、步驟或部分代碼，其包括用于實施指定的邏輯功能的一個或更多個可執行的指令。還應當指出的是，在一些可選的實施方式中，在模塊中提到的功能可以以在附圖中指出的順序以外的順序發生。例如，實際上，根據所牽涉的功能，示出的兩個連續的模塊可以基本上同時執行，或者模塊有時可以以相反的順序執行。還應當指出的是，框圖和/或流程圖說明中的每個模塊，以及框圖和/或流程圖說明中的模塊的組合，可以由進行指定功能或動作的基于特定目的的硬件的系統、或特定目的的硬件和計算機指令的組合來實施。如本領域技術人員將從之前的詳細描述和從附圖和權利要求認識到，可以對本發明的實施方案進行修改和改變而不偏離如以下權利要求中定義的本發明的范圍。當前第1頁12當前第1頁12