膳食纤维组合物的个体化、其方法和系统

技术领域

本发明提供基于个体的CAZyme谱和对膳食纤维产品和组合物的推荐而将个体的膳食纤维个体化的方法以及有利于快速和容易使用的系统。

背景技术

膳食纤维是任何健康饮食的必要部分。在饮食中，纤维主要存在于蔬菜、水果、全谷物和豆类中。纤维一般分为两种类型：可溶的和不可溶的，这两种类型在健康中都起重要作用。不溶性纤维不溶于水，并增加粪便的体积，从而防止便秘。可溶性纤维吸收水，在消化系统中形成凝胶状物质。可溶性纤维可帮助降低胆固醇水平并且帮助调节血糖水平，这在降低慢性健康状况的风险中是至关重要的[Threapleton等人，2013年]。

尽管已知膳食纤维和健康结果的关联，但大多数人没有从他们的饮食中获得足够的纤维。根据一些评估，仅5％的人口满足西方国家(诸如美国)的足够的膳食纤维摄入量推荐。这意指大多数人可从增加他们的每日纤维摄入量中获益。

纤维对健康的有利作用主要由肠道微生物介导，所述肠道微生物具有降解这些复杂纤维结构以产生代谢物诸如短链脂肪酸(SCFA)的能力[MAKKI等人，2018年]。微生物降解膳食纤维的能力取决于编码碳水化合物活性酶(CAZymes)的基因。因此，微生物组的组成将影响个体利用纤维的能力，并影响宿主的与纤维相关的健康有益效果。

碳水化合物活性酶(CAZymes)赋予肠道微生物降解未消化的膳食纤维的能力。对于每个个体而言，微生物基因组编码在0至超过300个编码基因范围内的CAZymes的独特数量和组合[Flint等人，2012年]，这意指个体微生物组在其降解膳食纤维的能力方面将不同。尽管具有这种高度的个体间差异，但Bhattacharya等人(2015)和Kaur等人(2020)展示出CAZyme谱聚类可被鉴定出并且这些聚类对应于不同的地理区域和不同的食物摄入量。他们还发现，人类肠道中CAZymes的丰度与年龄负相关，但与健康BMI正相关。

习惯性饮食可调节微生物组利用某些类型和量的膳食纤维的能力。CAZyme谱可用于预测个体的微生物组可能降解哪种纤维以产生随后对宿主发挥积极作用的产物(Makki等人，2018年)。

评价纤维补充对肠道微生物组和宿主健康的作用的临床试验经常报告不确定的结果，其中部分人群对纤维补充作出反应，而其他人群表现出没有可测量的作用[Kovatcheva-Datchary等人，2015年]。这部分是由于微生物组多样性和利用纤维的能力的个体间差异。在不考虑个体基于其CAZyme谱利用纤维的能力的情况下，简单地通过增加膳食纤维摄取不保证有利的健康结果。

迄今为止，膳食干预和产品开发已集中于主要通过添加可溶性益生元纤维(例如菊粉、FOS、GOS)来增加总纤维消耗，但不考虑纤维多样性也不考虑个体微生物组利用那些纤维的能力。监测膳食纤维消耗的数字方法(诸如MyBioma或Carbiotix)也不考虑个体微生物组利用不同纤维的能力。因此，可增加纤维消耗但对宿主个体没有显著的健康有益效果，因为他们的微生物组可能不具有实现纤维降解的酶组(CAZymes)。

当增加膳食纤维，具体地以超过70g/天的量增加膳食纤维时，另一附加问题是在肠道舒适性方面存在不可取的副作用，这可导致许多不同的症状，诸如腹痛、腹胀、肠胃气胀、便秘和/或腹泻，这些症状对于保持个体对高纤维膳食的长期依从性是有害的。

因此，需要提供个体化的目标膳食纤维推荐，其可优化健康有益效果并最小化与肠道舒适性有关的不可取副作用，从而确保个体的长期依从性。此外，需要在用户友好的系统中递送这些膳食纤维推荐。

发明内容

本发明提供了基于个体的CAZyme谱和对膳食纤维食品、食物、饮料和膳食产品、食物和饮料组合物以及膳食补充剂的推荐将个体的膳食纤维个体化的方法和系统。

在本发明的若干实施方案中，提供了用于个体的个体化纤维推荐的方法，其中所述方法包括测定所述个体的CAZyme谱。

在一个实施方案中，提供了用于个体的个体化纤维推荐的方法，其中所述个体的CAZyme谱由膳食评估工具测定，该膳食评估工具优选地呈问卷的形式，诸如食物频率问卷形式。

在另一个实施方案中，提供了用于个体的个体化纤维推荐的方法，其中CAZyme谱通过膳食评估工具，优选地通过食物频率问卷来测定，其包括测量以下物质的消耗：水果、蔬菜、豆类、全谷物、坚果和种子、土豆、乳制品、饮料和点心，以评估在特定时间段内纤维消耗的多样性并测定所述个体的CAZyme谱。

在一个实施方案中，所述膳食评估工具，优选地所述食物频率问卷包括测量以下物质的消耗：全小麦粉、菜豆、土豆、西红柿、甜椒、花椰菜、苹果、香蕉、茶、糖和奶，以评估在特定时间段内纤维消耗的多样性并测定所述个体的CAZyme谱。

在另一个实施方案中，所述个体的CAZyme谱可除此之外或另选地通过来自所述个体的生物样品、优选粪便样品来测定。

在若干实施方案中，将个体的CAZyme谱与基准CAZyme谱进行比较，以测定该个体的CAZyme聚类基准，这有助于选择个体化纤维推荐。

在本发明的若干实施方案中，个体化纤维推荐为小于70g/天的每日纤维摄入量，并且由个体的性别来确定。

在一个实施方案中，对于女性而言，每日纤维推荐优选地介于20g/天至28g/天之间且不超过70g/天。

在一个实施方案中，对于男性而言，每日纤维推荐优选地介于30g/天至38g/天之间且不超过70g/天。

在若干实施方案中，个体化纤维推荐优选为呈可食用的膳食纤维形式的纤维。

在若干实施方案中，个体化纤维推荐为含有高纤维食品的食物产品、饮料产品或膳食补充剂。

在若干实施方案中，呈可食用膳食纤维形式的个体化纤维推荐选自高纤维食品，所述高纤维食品包括：水果、蔬菜、豆类、全谷物、坚果和种子、带皮土豆和黑巧克力，其量不超过70g纤维/天并如下个体化：对于女性而言其量介于20g纤维/天至28g纤维/天之间，对于男性而言其量介于30g纤维/天至38g纤维/天之间。

在一些实施方案中，该高纤维食品包括水果，所述水果含有量为至少约2.0g/100g至10.0g/100g的纤维，该高纤维食品选自包含以下项的组：百香果10.0g/100g；鳄梨6.7g/100g；树莓6.5g/100g；黑莓5.3g/100g；番石榴5.0g/100g；柿子4.5g/100g；芒果3.5g/100g；梨3.1g/100g；香蕉2.6g/100g；苹果2.4g/100g；蓝莓2.4g/100g；或草莓2.0g/100g。

在一些实施方案中，该高纤维食品包括蔬菜，所述蔬菜含有量为至少约1.0g/100g至10.0g/100g的纤维，该高纤维食品选自包含以下项的组：洋蓟8.6g/100g；羽衣甘蓝3.6g/100g；胡萝卜2.8g/100g；甜菜2.8g/100g；西兰花2.6g/100g；芽甘蓝2.6g/100g；菠菜2.2g/100g；花椰菜2.0g/100g；甜椒1.2g/100g或西红柿1.2g/100g。

在一些实施方案中，该高纤维食品包括豆类，所述豆类含有量为至少约5.0g/100g至9.0g/100g的纤维，该高纤维食品选自包含以下项的组：黑豆8.7g/100g；裂豌豆8.3g/100g；兵豆7.9g/100g；鹰嘴豆7.6g/100g；四季豆6.4g/100g；烘豆5.5g/100g；利马豆5.3g/100g；或毛豆5.2g/100g。

在一些实施方案中，该高纤维食品包括全谷物，所述全谷物含有量为至少约2.8g/100g至14.5g/100g的纤维，该高纤维食品选自包含以下项的组：大麦17.0g/100g；全谷物面粉11g/100g；燕麦10.6g/100g；藜麦2.8g/100g；或爆米花14.5g/100g。

在一些实施方案中，该高纤维食品包括坚果和种子，所述坚果和种子含有量为至少约7.0g/100g至35.5g/100g的纤维，该高纤维食品选自包含以下项的组：奇亚籽34.4g/100g；南瓜籽18.4g/100g；杏仁12.5g/100g；开心果10.0g/100g；椰子9.0g/100g；葵花籽8.6g/100g；或胡桃7.0g/100g。

在一些实施方案中，该高纤维食品包括带皮马铃薯，所述带皮马铃薯含有量为至少约2.5g/100g的纤维。

在一些实施方案中，该高纤维食品包括含有至少70％可可的黑巧克力，所述黑巧克力含有量为至少约10.9g/100g的纤维。。

在其他实施方案中，个体化纤维推荐呈可食用膳食纤维和膳食补充剂的形式。

在使用膳食纤维补充剂的实施方案中，纤维补充剂选自含有瓜尔胶纤维、车前子、葡甘露聚糖或β-葡聚糖的补充剂。

在若干实施方案中，提供了非治疗性方法，所述方法包括：

(i)测定个体受试者的CAZyme谱；

(ii)提供个体化纤维组合物的推荐；以及

(iii)递送该个体化纤维组合物。

在若干实施方案中，提供了计算机实现的方法，所述方法包括：

(i)测定个体受试者的CAZyme谱；以及

(ii)提供个体化纤维组合物的推荐。

在另一实施方案中，该计算机实现的方法还包括：

(iii)递送该个体化纤维组合物。

个体化纤维组合物的递送可以呈食物产品、饮料产品、膳食补充剂或这些中任一者的组合的形式。

在本发明的若干实施方案中，提供了用于向个体推荐个体化纤维推荐的系统，所述系统包括：

(i)输入模块，其用于测定所述个体的CAZyme谱；

(ii)计算模块，其用于计算所述个体的CAZyme谱与膳食纤维摄入量的关系；以及

(iii)推荐模块，其用于向所述个体推荐膳食纤维组合物。

在另一个实施方案中，本发明的系统还可包括：

(iv)输出模块，其用于递送该个体化膳食纤维组合物。

个体化膳食纤维组合物的递送可以呈以下形式：食物产品、饮料产品或膳食补充剂或它们在成套部件中的组合。

附图说明

图1：基于CAZyme谱进行聚类

通过聚类获得的PCA得分图指示3种主要的聚类。聚类1白色圆圈，聚类2灰色圆圈，聚类3黑色圆圈。

图2：每种CAZyme按重量计的贡献

该图示出了三种不同的CAZyme谱：聚类1、聚类2和聚类3在y轴上的CAZyme谱。x轴示出了哪个CAZymes分别对应于三个聚类中的每一个。星号(*)指示相应聚类中每一个的特定CAZyme的相关性。正值对应于聚类中特异性CAZyme的富集，而负值表示耗尽。

图3：预测模型CAZyme聚类的准确性

曲线下面积(AUC)的箱线图表示在模型优化(通过选择最重要的食物变量进行)之前和之后，基于食物频率问卷的每个聚类中样品的预测准确性(1将意指聚类的预测100％是正确的，0.5将是50％正确的-偶然获得的最小值)。

图4：每个聚类和食品类别的吉尼系数

吉尼系数是食品对整个群体中每个聚类的预测的贡献的分布重要性的量度。

图5：计算机实现的系统

该图示出了计算机实现的系统，该系统是用于测定个体的CAZyme谱并个体化纤维食品的推荐的系统的示例。

图6：食物频率问卷

该图提供了从用于测定其CAZyme谱的参与者收集的典型问卷。

具体实施方式

本文中表示的所有百分数均以占组合物的总重量的重量计，除非另有表示。如本文所用，″约″、″大约″和″基本上″应理解为是指某一数值范围内的数字，例如该所提及数字的-10％至+10％的范围内，优选该所提及数字的-5％至+5％，更优选该所提及数字的-1％至+1％，最优选该所提及数字的-0.1％至+0.1％。

本文中的所有数值范围都应理解为包括该范围内的所有整数或分数。另外，这些数值范围应理解为对涉及该范围内任何数字或数字子集的权利要求提供支持。例如，1至10的公开应理解为支持1至8、3至7、1至9、3.6至4.6、3.5至9.9等的范围。

如在本发明和所附权利要求中所用，单数形式″一个″、″一种″和″所述(该)″包括复数指代物，除非上下文另外明确规定。因此，例如，提及″一种组分″或″所述组分″包括两种或更多种组分。

词语″包括/包含″都将被解释为包含性的而非排他性的。同样地，术语″包括/包含″和″或″都应当视为包含性的，除非上下文明确禁止这一解释。然而，本文所公开的组合物可不含本文未具体公开的任何要素。因此，使用术语″包括/包含″的实施方案的公开内容包括″基本上由所指明的组分组成″的实施方案和″由所指明的组分组成″的实施方案的公开内容。本文所公开的任何实施方案可与本文所公开的任何其它实施方案组合。

在本文中使用的情况下，术语″示例″和″诸如″(尤其后跟术语的列表时)仅为示例性和例示性，而不应被视为排他性的或全面的。如本文所用，一种病症与另一种病症″相关联″或″有联系″是指病症同时发生，优选意指病症由相同的潜在病症引起，并且最优选意指所鉴定的病症之一由另一个所鉴定的病症引起。

术语″食物″、″食品″、″食物产品″和″食物组合物″意指旨在供个体(诸如，人类)摄入并且向个体提供至少一种成分(该成分提供膳食纤维)的产品或组合物。

术语″饮料″或″饮料产品″意指旨在供个体(诸如，人类)口服摄入并且向个体提供至少一种成分(该成分提供膳食纤维)的液体产品或液体组合物。

术语″膳食补充剂″意指通常旨在口服摄入的产品，其提供至少一种含有膳食纤维的成分。当个体不能从正常饮食中获得推荐量的每日纤维时，推荐膳食补充剂。膳食补充剂通常含有瓜尔胶纤维、车前子、葡甘露聚糖或β-葡聚糖。

本公开(包括本文所述的多个实施方案)的组合物可包含、由或基本上由以下要素组成：本文所公开的要素，以及本文所述的或者说可用于饮食中的任何另外的或任选的成分、组分或要素。

如本文所用，术语″分离的″意指从一种或多种其他化合物或组分中取出的，该化合物可以在其他情况下与该一种或多种其他化合物或组分一起存在(例如，如在自然界中所存在的)。例如，″分离的″优选地意指所鉴定出的膳食纤维是与在自然界中通常与其一起存在的其他细胞材料的至少一部分分离的。在若干实施方案中，膳食纤维的量以每100克食品的克数来计算。例如，苹果含有2.4g膳食纤维/100g苹果。

如本文所用，″微生物组″是指在受试者(例如，人类受试者)中和上持续地和短暂地生活的微生物群落的遗传内容物，包括真核生物、古细菌、细菌和病毒(包括细菌病毒(例如，噬菌体))，其中″遗传内容物″包括基因组DNA、RNA，诸如核糖体RNA和信使RNA、表观基因组、质粒和所有其他类型的遗传信息。在一些实施方案中，微生物组具体地是指生态位中微生物群落的遗传内容物。

如本文所用，″微生物群″是指在受试者(例如，人类受试者)中或上(持续地或短暂地)存在的微生物群落，包括真核生物、古细菌、细菌和病毒(包括细菌病毒，例如噬菌体)。在一些实施方案中，微生物群具体地是指生态位中的微生物群落。

如本文所用，″膳食纤维″指食品，例如以水果、蔬菜和谷类食物的形式存在的食品，其包含人类饮食。这些是容易被人体肠道酶消化的碳水化合物以及对人小肠中的消化和吸收具有抗性的膳食纤维的来源。膳食纤维在大肠中经历完全或部分微生物发酵。大多数膳食纤维由植物细胞壁多糖和通过小肠但不被分解的淀粉的部分(称为抗性淀粉)组成。这些多糖包含许多结构上不同的糖部分，它们通过糖苷键连接在一起以形成链和支链。一般来讲，多糖越复杂，其分解需要越多的酶。人类基因组最多仅编码17种用于消化食物聚糖(具体地讲淀粉、蔗糖和乳糖)的酶。

如本文所用，″可溶性纤维″是指在水中溶解并在胃中形成凝胶状物质的纤维。细菌随后在大肠中分解凝胶。可溶性纤维向个体提供一些卡路里。可溶性纤维提供以下有益效果：通过影响身体如何吸收膳食脂肪和胆固醇来降低血液中的LDL胆固醇，通过消化减缓其他碳水化合物的吸收，这可有助于调节血糖水平。可溶性纤维的来源包括例如豆类、水果、燕麦、坚果、蔬菜。

如本文所用，″不溶性纤维″是不溶于水中并通过胃肠道的纤维，其大部分是完整的。它不提供卡路里。不溶性纤维有助于构建粪便的大体积，从而有助于人更快地排便。它还可有助于预防便秘。不溶性纤维的来源包括例如水果、坚果、蔬菜、全谷物食物。

如本文所用，″膳食纤维的推荐每日摄入量″基于2000卡路里的每日饮食。2000卡路里饮食中膳食纤维的推荐摄入量对于成年女性而言为大约25g/天，对于成年男性而言为38g/天。50岁后个体需要更少的纤维，对于女性而言为21g左右，对于男性而言为30g。在妊娠或母乳喂养期间，女性应旨在至少28g/天。

可发现对高纤维食物过敏的个体难以从常规饮食中获得足够的纤维，并且可能需要纤维膳食补充剂以便达到膳食纤维的推荐每日摄入量。

如本文所用，″膳食纤维的不良副作用″可以是增加膳食纤维太快和/或未根据个体的CAZyme谱个体化膳食纤维的类型的结果。不良副作用可包括腹痛、腹胀、肠胃气胀、便秘和/或腹泻。具体地讲，如果人一天消耗超过70g的纤维，则这些副作用可能发生。

如本文所用，″碳水化合物活性酶″或″CAZymes″是组装或分解寡糖和多糖的酶。CAZymes的类别在CAZy数据库

例如，对于降解酶而言，目前的分类描述了680,000个序列的总共215个家族，该数量由于系统基因组测序而呈指数增加(Garron等人，2019年)。CAZy家族将可具有不同特异性但共享共同折叠、共同催化机制和相同机制的酶分成一组，从而对糖苷键切割的取向和潜在转糖基化副反应提供有用的预测能力。

CAZy分类目前包括以下家族：

糖基转移酶(GT)，其功能是催化糖苷合成

糖苷水解酶(GH)，其功能是催化糖苷的糖苷键水解

多糖裂解酶(PL)，其功能是裂解含有糖醛酸的多糖

碳水化合物酯酶(CE)，其功能是催化糖的脱-O或脱-N-乙酰化

辅助活性(AA)，其功能是帮助GH、PL和CE接近构成植物细胞壁的碳水化合物

碳水化合物结合模块(CBM)，其功能是结合可溶性碳水化合物和结晶碳水化合物以将催化酶(GH或PL)引导至它们的底物。

碳水化合物结合模块(CBM)，其功能是非催化的，但由于它们与催化模块关联而被包括。

亚家族是亚组，通常用数字表示，其在共享更近的祖先，并且通常在分子功能上更为统一的家族中存在。

如本文所用。″CAZyme谱″和″CAZyme聚类″是指不同CAZyme家族的测定。

CAZyme家族通常根据酶的底物使用和比较具有不同食物摄入量的个体之间这些类别的丰度来进行分类。然而，这并不总是直接的，因为许多CAZyme家族具有多种功能，例如它们中的一些可消化植物和动物来源的纤维。

例如，拟杆菌门的细菌被认为是多糖的主要降解者，并且在所有研究的生态系统中均发现它们。在拟杆菌基因组中，碳水化合物降解酶(CAZymes)布置在被称为多糖利用位点(PUL)的基因簇中。

如本文所用，″个体的CAZyme谱″可通过多种不同方法测定。

在本发明的一个实施方案中，CAZyme谱可由个体受试者的膳食摄入量评价来测定。在一个优选的实施方案中，膳食摄入量评价可以呈问卷的形式，诸如食物频率问卷(FFQ)。其还可以包括饮食历史问卷、短期膳食评估工具、用于膳食摄入量评估的基于技术的工具或本领域可获得的任何其他工具。

所述食物频率问卷(FFQ)是指具有响应类别的食物和饮料的有限列表，以指示在所查询的时间段内的通常消耗频率。具体地讲，其可包括测量以下物质的消耗：水果、蔬菜、豆类、全谷物、坚果和种子、土豆、乳制品、饮料和点心，以评估在特定时间段内纤维消耗的多样性并测定所述个体的CAZyme谱。

此外，它还可包括测量以下物质的消耗：全小麦粉、菜豆、土豆、西红柿、甜椒、花椰菜、苹果、香蕉、茶、糖和奶，以评估在特定时间段内纤维消耗的多样性并测定所述个体的CAZyme谱。

在一个实施方案中，膳食摄入量评估工具，具体地讲食物频率问卷可适于人群和地理特异性。

在一个优选的实施方案中，″个体的CAZyme谱″的测定可通过使用食物数据通过监督机器学习算法(诸如随机森林、神经网络、线性回归或决策树)来预测CAZyme聚类或谱来完成。这种测定CAZyme谱的方法具有不需要来自个体受试者的生物样品的优点。

在本发明的另一个实施方案中，可由粪便样品测定CAZyme谱。CAZyme谱可使用本领域已知的方法测定，诸如全鸟枪宏基因组测序(MGS)、靶测序如PCR。

MGS是研究生物样品(在这种情况下为粪便)的遗传组分的非靶向方法。使用高通量测序方法，对样品的所有遗传物质进行测序，包括编码CAZymes的那些。然后使用生物信息管道处理序列以进行注释。这提供了关于样品中存在生物体的哪些分类群、其以何种丰度存在及其功能(例如作为CAZymes)的信息。使用MGS，可对编码特异性CAZyme功能的基因进行量化。

″个体的CAZyme谱″可除此之外或另选地由来自个体受试者的生物样品测定。在一个优选的实施方案中，可由粪便样品测定CAZyme谱。

CAZyme谱聚类是根据它们的CAZyme谱的相似性分成一组的样品。它们可通过本领域已知的任何聚类方法由CAZyme谱预测。聚类方法的非限制性示例可使用无监督机器学习算法(k-均值，Dirichlet)。谱可通过不同的注释管道来测定，该注释管道用于注释编码CAZymes的基因，诸如dbCAN或EggNOG。

如本文所用，″纤维组合物施用″通常以每日为基础递送。

纤维组合物每周至少两天、更优选地每周至少三天、最优选地每周全部七天施用于个体；持续至少一周、至少一个月、至少两个月、至少三个月、至少六个月或甚至更长时间。在一些实施方案中，将组合物连续施用于个体持续数天。在一个实施方案中，可将组合物每天施用给个体持续至少连续30天、60天或90天。在一个优选的实施方案中，膳食纤维组合物施用不应当超过70g纤维/天。

在一个实施方案中，对于女性而言，纤维组合物优选在20g/天至28g/天的范围内。对于年龄超过50岁的女性而言，纤维组合物优选为21g/天。对于哺乳期妇女而言，纤维组合物优选为28g/天。

在一个实施方案中，对于男性而言，纤维组合物优选在30g/天至38g/天的范围内。对于年龄超过50岁的男性而言，纤维组合物优选为30g/天。

上述施用示例不需要无中断的连续每日施用。相反，在施用中可以存在一些短暂的中断，例如在施用期间中断两至四天。施用组合物的理想持续时间可以由本领域的技术人员确定。

在一个优选的实施方案中，将膳食纤维组合物口服施用于个体。例如，该组合物可以以食物产品、饮料产品和/或膳食补充剂的形式施用于个体。

如本文所用，″系统″可例如由图5示出，该图示出了可用于实现本文所公开的计算机化推荐系统的至少部分的主机设备100的系统的示例。

在一个实施方案中，图5所示的设备100对应于提供以下功能中的一些或全部的一个或多个服务器和/或其他计算设备：(a)使得所公开的系统的远程用户能够访问系统；(b)提供使得远程用户能够与所公开的系统进行交互的一个或多个网页；(c)存储和/或计算实施所公开的系统所需的基础数据，诸如按性别推荐的纤维摄入量范围、推荐的纤维消耗范围以及食品的纤维含量、膳食评价和/或食物频率问卷原始数据、CAZyme谱；(d)计算和显示组成部分；和/或(e)基于他们的个人CAZyme谱对食品、食物产品、饮料产品、膳食补充剂、菜单或食谱或其他消费品进行推荐，其可被消耗以有助于个体达到最佳的每日个体化纤维摄入量。

在一个优选的实施方案中，所述计算基础数据可以基于如本领域已知的聚类或样品的CAZyme谱进行。

在图5所示的示例性架构中，设备100包括主单元104，该主单元优选地包括一个或多个处理器106，该一个或多个处理器通过地址/数据总线113电耦合到一个或多个存储器设备108、其他计算机电路110和/或一个或多个接口电路112。一个或多个处理器106可以是任何合适的处理器，诸如来自INTEL

在一个实施方案中，设备100还包括存储器108。存储器108优选地包括易失性存储器和非易失性存储器。优选地，存储器108存储与主机设备100的硬件以及与如下文所述的系统中的其它设备交互的一个或多个软件程序。除此之外或另选地，存储在存储器108中的程序可以与一个或多个客户端设备诸如客户端设备102(下文详述的)交互，以向这些设备提供对存储在设备100上的媒体内容的访问。存储在存储器108中的程序可以由处理器106以任何合适的方式执行。

一个或多个接口电路112可以使用任何合适的接口标准来实施，该接口标准诸如以太网接口和/或通用串行总线(USB)接口。一个或多个输入设备114可以连接到接口电路112，以将数据和命令输入到主单元104中。例如，输入设备114可以是键盘、鼠标、触摸屏、跟踪板、跟踪球、等位点(isopoint)和/或语音识别系统。在一个实施方案中，在设备100被设计成仅通过远程设备操作或交互的情况下，设备100可以不包括输入设备114。在其它实施方案中，输入设备114包括向主机设备100提供数据输入的一个或多个存储设备，诸如一个或多个闪存驱动器、硬盘驱动器、固态驱动器、云存储器或其它存储设备或解决方案。

一个或多个存储设备118也可以通过接口电路112连接到主单元104。例如，硬盘驱动器、CD驱动器、DVD驱动器、闪存驱动器和/或其它存储设备可以连接到主单元104。存储设备118可以存储设备100所使用的任何类型的数据，包括关于按性别优选的纤维范围的数据；关于各种食品的纤维含量的数据；关于系统用户的数据；关于先前生成的膳食和/或食品频率问卷的数据；关于按照用户的CAZyme谱的数据；以及实施所公开的系统所需的任何其他适当的数据，如框150所示。

在若干实施方案中，由框150指示的推荐系统可存储不同的数据库模块，其包括：例如，以不同食物组分组的食物模块，例如水果、蔬菜、豆类、全谷物、坚果和种子、土豆和黑巧克力；或饮料数据库模块；菜单数据库模块(例如：早餐、午餐、晚餐和小吃)：菜谱数据库模块：膳食约束模块，其记录可能存在的变态反应或食物敏感性。

另选地或者除此之外，存储设备118可以被实施为基于云的存储设备，使得通过因特网或其它网络连接电路(诸如以太网电路112)来访问存储设备118。

一个或多个显示器120，和/或打印机、扬声器或其它输出设备119也可以通过接口电路112连接到主单元104。显示器120可以是液晶显示器(LCD)、合适的投影仪，或任何其它合适类型的显示器。显示器120在主机设备100的操作期间生成主机设备100的各种数据和功能的视觉表示。例如，显示器120可用于显示关于以下数据库的信息：优选膳食纤维范围的数据库、各种食物项的纤维含量的数据库、系统用户的数据库、先前生成的菜单、菜谱或餐食的数据库和/或使得设备100处的管理员能够与上述其他数据库交互的数据库。

在例示的实施方案中，计算机化推荐系统的用户使用合适的客户端设备(诸如客户端设备102)与设备100交互。在各种实施方案中，客户端设备102是可以访问由主机设备100提供或服务的内容的任何设备。例如，客户端设备102可以是可运行合适的web浏览器以访问到主机设备100的基于web的界面的任何设备。另选地或者除此之外，提供本文描述的一些功能的一种或多种应用程序或应用程序的部分可以在客户端设备102上运行，在这种情况下客户端设备102仅需要与主机设备100交互来访问存储在主机设备100中的数据，诸如关于各种食物项的推荐的每日膳食纤维范围或纤维含量的数据。

在一个实施方案中，设备(即，设备100和客户端设备102)的这种连接是通过因特网和/或其他网络上的网络连接来促进的，如在图5中由云116所示。网络连接可以是任何合适的网络连接，诸如以太网连接、数字用户线(DSL)、WiFi连接、蜂窝数据网络连接、基于电话线的连接、同轴电缆上的连接，或另一种合适的网络连接。

在一个实施方案中，主机设备100是提供基于云的服务(诸如，基于云的认证和访问控制、存储、流式传输和反馈提供)的设备。在此实施方案中，主机设备100的具体硬件细节对于所公开的系统的实施者是不重要的一替代地，在此类实施方案中，所公开的系统的实施者利用一个或多个应用程序编程界面(API)与主机设备100以方便的方式交互，诸如输入关于用户的人口统计数据的信息以有助于例如基于性别来确定膳食纤维范围、输入关于所消耗的食物的信息以及下面更详细描述的其他交互。

对设备100和/或客户端设备102的访问可通过适当的安全软件或安全措施来控制。个体用户的访问可以由设备100限定，并且受限于某些数据和/或动作，诸如根据个体的身份选择或查看一天或其他时间段内的总膳食纤维消耗。取决于那些用户的身份，可以允许主机设备100或客户端设备102的其他用户改变其他数据。因此，可能需要系统的用户在访问由所公开的系统提供的内容之前注册设备100。

在一个优选实施方案中，每个客户端设备102具有与上文相对于设备100所描述的结构或架构组成类似的结构或架构组成。也就是说，在一个实施方案中，每个客户端设备102包括显示设备、至少一个输入设备、至少一个存储器设备、至少一个存储设备、至少一个处理器以及至少一个网络接口设备。应当理解，通过包括对于熟知的台式、膝上型或移动计算机系统(包括智能电话、平板电脑等)来说所共有的此类部件，客户端设备102促进相应系统的用户间及彼此之间的交互。

在各种实施方案中，如图5所示的设备100和/或102可以实际上以多个不同的设备实施。例如，设备100可以实际上以一起工作的多个服务器设备实施以实施本文所描述的媒体内容访问系统。在各种实施方案中，图5中未示出与设备100交互以实现或有利于访问本文所公开的系统的一个或多个附加设备。例如，在一个实施方案中，主机设备100通过网络116与一个或多个公共、私有或专有的信息储存库(诸如公共、私有或专有的CAZyme信息、膳食纤维含量信息、菜单计划程序、菜谱数据库、能量信息、环境影响信息等的储存库)通信。

在一个实施方案中，所公开的系统不包括客户端设备102。在此实施方案中，本文描述的功能在主机设备100上提供，并且系统用户使用输入设备114、显示设备120和输出设备119与主机设备100直接交互。在此实施方案中，主机设备100将在本文中描述的一些或全部功能提供为面向用户的功能。

在各种实施方案中，本文所公开的系统被布置为多个模块，其中每个模块执行特定功能或功能组。这些实施方案中的模块可以是由通用处理器执行的软件模块、由专用处理器执行的软件模块、在适当的专用硬件设备上执行的固件模块、或者用电路完全地执行本文所述功能的硬件模块(诸如专用集成电路(″ASIC″))。在使用专用硬件来执行本文描述的一些或全部功能的实施方案中，所公开的系统可以使用一个或多个寄存器或其它数据输入引脚来控制设置或调整此类专用硬件的功能。

例如，该系统包括：输入模块，其用于测定个体的CAZyme谱；计算模块，其用于计算所述个体的CAZyme谱与膳食纤维摄入量的关系；以及推荐模块，其用于向个体推荐膳食纤维组合物。另外，该系统还可提供输出模块，其用于递送个体化膳食纤维组合物。

用户的目的是基于个体用户的CAZyme谱来个体化膳食纤维推荐。该系统可用于提供食物产品、饮料产品、膳食补充剂以及菜单或食谱，以便更接近每日纤维的推荐量。在一些实施方案中，本文所公开的系统和方法可由营养学家、卫生保健专业人员和个体用户(例如，可穿戴设备诸如智能手表或健身跟踪器的用户)使用。

实施例

实施例1：CAZyme谱和CAZyme聚类的鉴定

使用从60名志愿者收集的数据，这些志愿者通过食物频率问卷(FFQ)报告了他们的膳食习惯，并且提供用于通过全鸟枪宏基因组学测序MGS进行CAZyme分析的粪便样品。

由来自个体受试者的食物频率问卷测定CAZyme谱，因为肠道微生物群的组成和其代谢能力主要由饮食塑造(图5)。消耗的食物提供了生态系统的底物和促进限定分类群的繁荣的条件。因此，通过评估食品和具体地讲食品中的纤维含量，可预测某些细菌存在的可能性和它们适于底物可用性的功能。

食物频率问卷与机器学习算法一起使用，以确定个体呈现特定CAZyme谱的可能性。这种测定CAZyme谱的方法具有的优点在于，一旦建立了模型，它就不需要每次都从个体受试者获得生物样品。

然后使用食物频率问卷将个体分配到不同的CAZyme聚类(图1、图2、图3、图4)。因此，使用来自用于构建初始模型的群组的粪便样品来预定义CAZyme聚类。

CAZyme分析用于从分析粪便样品来推断肠道微生物组降解膳食纤维的能力。使用全鸟枪宏基因组测序(MGS)评估来自粪便样品的CAZyme谱。使用高通量测序方法，对来自个体的粪便样品的所有遗传物质进行测序，尤其是编码CAZymes的那些遗传物质。然后使用生物信息管道对序列进行处理以进行注释，所述管道提供关于样品中存在哪些分类群(生物体)和以何种丰度存在的信息，而且还鉴定和分组编码特定功能的CAZymes。

原始CAZyme拷贝数通过CAZymes的总数归一化并按比例缩放。然后使用k均值算法定义CAZyme谱的聚类。

利用FFQ数据(未转化为营养物质摄入量)使用随机深林算法来预测CAZyme聚类。为了建立模型，随机选择50次40个样品来生成训练集，并且选择20个样品来生成测试集。通过计算ROC曲线的曲线下面积(AUC)来评价模型的性能。

结果

在人群中鉴定出基于CAZyme谱的总共三个聚类(图1、图2、图3、图4)。每个聚类由可反映肠道微生物组降解膳食纤维的能力的特定CAZyme谱定义。在优化后，食物频率问卷可用于预测平均AUC＝0.79的CAZyme聚类。在优化过程中选择的总共11种食物用于构建这些模型(图4)。

对定义每个聚类的CAZymes的作用的进一步研究揭示，该信息可用于确定哪种碳水化合物可被亚群的微生物组降解(图2)。作为说明，观察到聚类1富含能够降解果胶和果胶样结构(鼠李半乳糖醛酸I-RGI)[Cecchini等人，2013年]，即CE8、GH28、GH 105和PL11的CAZymes，并且这是花椰菜(其含有果胶和RGI)是最重要的预测因子。其次，在聚类2中，观察到参与存在于甜椒中的阿拉伯半乳聚糖和阿拉伯聚糖(GH43)的发酵的CAZymes的富集，这是该聚类的主要食物预测因子之一。在聚类3中，观察到与聚类1和聚类2中那些CAZymes谱不同的CAZymes谱之间的组合。因此，对每个聚类中所富含的CAZymes的深入分析可用于确定哪种纤维类型或纤维共混物将最有可能被微生物组利用并因此引发对宿主的有益效果。

结论

展示出可基于膳食摄入量来预测CAZyme谱的聚类。另外，对每个聚类中所富含的CAZymes的分析还可有助于设计应被个体受试者最佳利用的纤维组合物。

参考文献

Bhattacharya，T.，Ghosh，T.S.，&Mande，S.S.(2015).Global profiling ofcarbohydrate active enzymes in human gut microbiome.PloS one，10(11)，e0142038.

Cecchini，D.A.，Laville，E.，Laguerre，S.，Robe，P.，Leclerc，M.，Dore，J.，&Potocki-Véronèse，G.(2013).Functional metagenomics reveals novel pathways ofprebiotic breakdown by human gut bacteria.PloS one，8(9)，e72766.

Flint，H.J.，Scott，K.P.，Duncan，S.H.，Louis，P.，&Forano，E.(2012).Microbialdegradation of complex carbohydrates in the gut.Gut microbes，3(4)，289-306.

Garron，M.L.，&Henrissat，B.(2019).The continuing expansion of CAZymesand their families.Current opinion in chemical biology，53，82-87.

Kaur，K.，Khatri，I.，Akhtar,A.，Subramanian，S.，&Ramya，T.N.C.(2020).Metagenomics analysis reveals features unique to Indian distal gutmicrobiota.PloS one，15(4)，e0231197.

Kovatcheva-Datchary，P.，Nilsson，A.，Akrami，R.，Lee，Y.S.，De Vadder，F.，Arora,T.，&

Makki，K.，Deehan，E.C.，Walter，J.，&

Threapleton，D.E.，Greenwood，D.C.，Evans，C.E.，Cleghorn，C.L.，Nykjaer，C.，Woodhead，C.，&Burley，V.J.(2013).Dietary fiber intake and risk ofcardiovascular disease：systematic review and meta-analysis.Bmj，347，f6879.