特表 2022-519897 対象の妊娠関連状態を決定するための方法及びシステム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2022-03-25

(54)【発明の名称】対象の妊娠関連状態を決定するための方法及びシステム

(51)【国際特許分類】

   C12Q 1/6869 20180101AFI20220317BHJP

   G01N 33/53 20060101ALI20220317BHJP

   G01N 33/68 20060101ALI20220317BHJP

   G01N 33/50 20060101ALI20220317BHJP

   G16B 30/10 20190101ALI20220317BHJP

   C12N 15/12 20060101ALN20220317BHJP

   C12Q 1/686 20180101ALN20220317BHJP

   C12Q 1/6876 20180101ALN20220317BHJP

   C07K 14/47 20060101ALN20220317BHJP

【ＦＩ】

C12Q1/6869 Z

G01N33/53 M

G01N33/68

G01N33/50 J

G16B30/10

C12N15/12

C12Q1/686 Z

C12Q1/6876 Z

C07K14/47

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2021547566

(86)(22)【出願日】2020-02-13

(85)【翻訳文提出日】2021-10-11

(86)【国際出願番号】 US2020018172

(87)【国際公開番号】W WO2020168118

(87)【国際公開日】2020-08-20

(31)【優先権主張番号】62/805,515

(32)【優先日】2019-02-14

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】62/890,248

(32)【優先日】2019-08-22

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】62/926,786

(32)【優先日】2019-10-28

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．ＡＮＤＲＯＩＤ

(71)【出願人】

【識別番号】521358143

【氏名又は名称】ミルヴィ・インコーポレイテッド

(74)【代理人】

【識別番号】100114188

【弁理士】

【氏名又は名称】小野 誠

(74)【代理人】

【識別番号】100119253

【弁理士】

【氏名又は名称】金山 賢教

(74)【代理人】

【識別番号】100124855

【弁理士】

【氏名又は名称】坪倉 道明

(74)【代理人】

【識別番号】100129713

【弁理士】

【氏名又は名称】重森 一輝

(74)【代理人】

【識別番号】100137213

【弁理士】

【氏名又は名称】安藤 健司

(74)【代理人】

【識別番号】100143823

【弁理士】

【氏名又は名称】市川 英彦

(74)【代理人】

【識別番号】100183519

【弁理士】

【氏名又は名称】櫻田 芳恵

(74)【代理人】

【識別番号】100196483

【弁理士】

【氏名又は名称】川嵜 洋祐

(74)【代理人】

【識別番号】100160749

【弁理士】

【氏名又は名称】飯野 陽一

(74)【代理人】

【識別番号】100160255

【弁理士】

【氏名又は名称】市川 祐輔

(74)【代理人】

【識別番号】100202267

【弁理士】

【氏名又は名称】森山 正浩

(74)【代理人】

【識別番号】100182132

【弁理士】

【氏名又は名称】河野 隆

(74)【代理人】

【識別番号】100146318

【弁理士】

【氏名又は名称】岩瀬 吉和

(74)【代理人】

【識別番号】100127812

【弁理士】

【氏名又は名称】城山 康文

(72)【発明者】

【氏名】ジェイン，マニーシュ

(72)【発明者】

【氏名】ナムサラエフ，ユージニ

(72)【発明者】

【氏名】ラスムセン，モートン

(72)【発明者】

【氏名】ソレール，ジョアン・カムーニャス

(72)【発明者】

【氏名】シッディーキー，ファルーク

(72)【発明者】

【氏名】レディー，ミツ

【テーマコード（参考）】

2G045

4B063

4H045

【Ｆターム（参考）】

2G045AA27

2G045CA26

2G045CB03

2G045DA13

2G045DA80

2G045FB02

2G045FB06

4B063QA13

4B063QQ42

4B063QQ52

4B063QR08

4B063QR32

4B063QR35

4B063QR55

4B063QR62

4B063QS25

4B063QS34

4H045AA30

4H045BA50

4H045CA42

4H045CA44

4H045CA46

4H045EA50

4H045FA74

(57)【要約】

本開示は、妊娠関連状態の無細胞同定及び／又はモニタリングに関する方法及びシステムを提供する。対象の妊娠関連状態の存在又は感受性を同定又はモニタリングする方法は、対象に由来する無細胞生物試料をアッセイしてバイオマーカーのセットを検出すること、及び訓練されたアルゴリズムでバイオマーカーのセットを分析して妊娠関連状態の存在又は感受性を決定することを含み得る。
【選択図】図１

【特許請求の範囲】

【請求項1】

対象の妊娠関連状態の存在又は感受性を同定する方法であって、前記対象に由来する無細胞生物試料中の転写物又は代謝産物をアッセイして、バイオマーカーのセットを検出すること、及び前記バイオマーカーのセットを訓練されたアルゴリズムで分析して、前記妊娠関連状態の前記存在又は感受性を決定すること、を含む方法。

【請求項2】

前記対象に由来する前記無細胞生物試料中の前記転写物をアッセイして、前記バイオマーカーのセットを検出することをさらに含む、請求項１に記載の方法。

【請求項3】

前記転写物が核酸配列決定によりアッセイされる、請求項２に記載の方法。

【請求項4】

前記対象に由来する前記無細胞生物試料中の前記代謝産物をアッセイして、前記バイオマーカーのセットを検出することをさらに含む、請求項１に記載の方法。

【請求項5】

前記代謝産物がメタボロミクスアッセイでアッセイされる、請求項４に記載の方法。

【請求項6】

対象の妊娠関連状態の存在又は感受性を同定する方法であって、前記対象に由来する無細胞生物試料をアッセイして、バイオマーカーのセットを検出すること、及び前記バイオマーカーのセットを訓練されたアルゴリズムで分析して、少なくとも約８０％の精度で、少なくとも３つの異なる妊娠関連状態のセットの中の前記妊娠関連状態の前記存在又は感受性を決定すること、をさらに含む、方法。

【請求項7】

前記妊娠関連状態が、早産、満期出産、妊娠期間、出産予定日、分娩の開始、妊娠関連高血圧障害、子癇、妊娠糖尿病、前記対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症、妊娠悪阻、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤、子宮内／胎児発育遅延、マクロソミア、新生児の状態、及び胎児の発育段階又は状態からなる群から選択される、請求項１～６のいずれか一項に記載の方法。

【請求項8】

前記妊娠関連状態が、早産のサブタイプであり、前記少なくとも３つの異なる妊娠関連状態が、少なくとも２つの異なる早産のサブタイプを含む、請求項６に記載の方法。

【請求項9】

前記早産のサブタイプが、早産の分子サブタイプであり、前記少なくとも２つの異なる早産のサブタイプが、少なくとも２つの異なる早産の分子サブタイプを含む、請求項８に記載の方法。

【請求項10】

前記早産の分子サブタイプが、以前の早産の既往歴、自発的な早産、民族特異的な早産リスク、及び早期の前期破水（ＰＰＲＯＭ）からなる群から選択される、請求項９に記載の方法。

【請求項11】

前記妊娠関連状態の前記存在又は感受性に少なくとも部分的に基づいて、前記対象に対する臨床介入を同定することをさらに含む、請求項６に記載の方法。

【請求項12】

前記臨床介入が、複数の臨床介入から選択される、請求項９に記載の方法。

【請求項13】

前記バイオマーカーのセットが、出産予定日に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、表１及び表７に列挙された遺伝子からなる群から選択される、請求項６に記載の方法。

【請求項14】

前記バイオマーカーのセットが、妊娠期間に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、表２に列挙される遺伝子からなる群から選択される、請求項６に記載の方法。

【請求項15】

前記バイオマーカーのセットが、早産に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、表５に列挙される遺伝子、表６に列挙される遺伝子、表８に列挙される遺伝子、ＲＡＢ２７Ｂ、ＲＧＳ１８、ＣＬＣＮ３、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される、請求項６に記載の方法。

【請求項16】

前記バイオマーカーのセットが、少なくとも５つの異なるゲノム遺伝子座を含む、請求項１３～１５のいずれか一項に記載の方法。

【請求項17】

前記バイオマーカーのセットが、少なくとも１０個の異なるゲノム遺伝子座を含む、請求項１３～１５のいずれか一項に記載の方法。

【請求項18】

前記バイオマーカーのセットが、少なくとも２５個の異なるゲノム遺伝子座を含む、請求項１３～１５のいずれか一項に記載の方法。

【請求項19】

前記バイオマーカーのセットが、少なくとも５０個の異なるゲノム遺伝子座を含む、請求項１３～１５のいずれか一項に記載の方法。

【請求項20】

前記バイオマーカーのセットが、少なくとも１００個の異なるゲノム遺伝子座を含む、請求項１３～１５のいずれか一項に記載の方法。

【請求項21】

前記バイオマーカーのセットが、少なくとも１５０個の異なるゲノム遺伝子座を含む、請求項１３～１５のいずれか一項に記載の方法。

【請求項22】

（ａ）第１のアッセイを使用して、対象に由来する無細胞生物試料を処理し、第１のデータセットを生成すること、
（ｂ）第２のアッセイを使用して、前記対象に由来する膣又は子宮頸部の生物試料を処理して、前記膣又は子宮頸部の生物試料のマイクロバイオームプロファイルを含む第２のデータセットを生成すること、
（ｃ）訓練されたアルゴリズムを使用して、少なくとも前記第１のデータセット及び前記第２のデータセットを処理して、妊娠関連状態の存在又は感受性を決定するために、前記訓練されたアルゴリズムが、少なくとも５０の独立した試料にわたって少なくとも約８０％の精度を有する、訓練されたアルゴリズムを使用すること、及び
（ｄ）前記対象の前記妊娠関連状態の前記存在又は感受性を示すレポートを電子的に出力すること、を含む
前記対象の前記妊娠関連状態の存在又は感受性を同定又はモニタリングするための方法。

【請求項23】

前記第１のアッセイが、トランスクリプトームデータを生成するために前記無細胞生物試料に由来する無細胞リボ核酸（ｃｆＲＮＡ）分子を使用すること、ゲノムデータを生成するために前記無細胞生物試料に由来する無細胞デオキシリボ核酸（ｃｆＤＮＡ）分子を使用すること、プロテオミクスデータを生成するために前記第１の無細胞生物試料に由来するタンパク質を使用すること、又はメタボロミクスデータを生成するために前記第１の無細胞生物試料に由来する代謝産物を使用することを含む、請求項２２に記載の方法。

【請求項24】

前記無細胞生物試料が、前記対象の血液に由来する、請求項２２に記載の方法。

【請求項25】

前記無細胞生物試料が、前記対象の尿に由来する、請求項２２に記載の方法。

【請求項26】

前記第１のデータセットが、前記妊娠関連状態に関連するバイオマーカーの第１のセットを含む、請求項２２に記載の方法。

【請求項27】

前記第２のデータセットが、前記妊娠関連状態に関連するバイオマーカーの第２のセットを含む、請求項２６に記載の方法。

【請求項28】

前記バイオマーカーの第２のセットが、前記バイオマーカーの第１のセットとは異なる、請求項２７に記載の方法。

【請求項29】

前記妊娠関連状態が、早産、満期出産、妊娠期間、出産予定日、分娩の開始、妊娠関連高血圧障害、子癇、妊娠糖尿病、前記対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症、妊娠悪阻、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤、子宮内／胎児発育遅延、マクロソミア、新生児の状態、及び胎児の発育段階又は状態からなる群から選択される、請求項２２に記載の方法。

【請求項30】

前記妊娠関連状態が、早産を含む、請求項２９に記載の方法。

【請求項31】

前記妊娠関連状態が、妊娠期間を含む、請求項２９に記載の方法。

【請求項32】

前記無細胞生物試料が、無細胞リボ核酸（ｃｆＲＮＡ）、無細胞デオキシリボ核酸（ｃｆＤＮＡ）、無細胞胎児ＤＮＡ（ｃｆｆＤＮＡ）、血漿、血清、尿、唾液、羊水、及びそれらの誘導体からなる群から選択される、請求項２２に記載の方法。

【請求項33】

前記無細胞生物試料が、エチレンジアミン四酢酸（ＥＤＴＡ）収集管、無細胞ＲＮＡ収集管、又は無細胞デオキシリボ核酸（ＤＮＡ）収集管を使用して前記対象から得られるか、又は誘導される、請求項２２に記載の方法。

【請求項34】

前記対象の全血試料を分画して、前記無細胞生物試料を得ることをさらに含む、請求項２２に記載の方法。

【請求項35】

前記第１のアッセイが、無細胞リボ核酸（ｃｆＲＮＡ）アッセイ又はメタボロミクスアッセイを含む、請求項２２に記載の方法。

【請求項36】

前記メタボロミクスアッセイが、標的質量分析（ＭＳ）又は免疫アッセイを含む、請求項３５に記載の方法。

【請求項37】

前記無細胞生物試料が、無細胞リボ核酸（ｃｆＲＮＡ）又は尿を含む、請求項２２に記載の方法。

【請求項38】

前記第１のアッセイ又は前記第２のアッセイが、定量的ポリメラーゼ連鎖反応（ｑＰＣＲ）を含む、請求項２２に記載の方法。

【請求項39】

前記第１のアッセイ又は前記第２のアッセイが、家庭環境で実施されるように構成された家庭用試験を含む、請求項２２に記載の方法。

【請求項40】

前記訓練されたアルゴリズムが、少なくとも約８０％の感度で前記対象の前記妊娠関連状態の前記存在又は感受性を決定する、請求項２２に記載の方法。

【請求項41】

前記訓練されたアルゴリズムが、少なくとも約９０％の感度で前記対象の前記妊娠関連状態の前記存在又は感受性を決定する、請求項２２に記載の方法。

【請求項42】

前記訓練されたアルゴリズムが、少なくとも約９５％の感度で前記対象の前記妊娠関連状態の前記存在又は感受性を決定する、請求項２２に記載の方法。

【請求項43】

前記訓練されたアルゴリズムが、少なくとも約７０％の陽性予測値（ＰＰＶ）で前記対象の前記妊娠関連状態の前記存在又は感受性を決定する、請求項２２に記載の方法。

【請求項44】

前記訓練されたアルゴリズムが、少なくとも約８０％の陽性予測値（ＰＰＶ）で前記対象の前記妊娠関連状態の前記存在又は感受性を決定する、請求項２２に記載の方法。

【請求項45】

前記訓練されたアルゴリズムが、少なくとも約９０％の陽性予測値（ＰＰＶ）で前記対象の前記妊娠関連状態の前記存在又は感受性を決定する、請求項２２に記載の方法。

【請求項46】

前記訓練されたアルゴリズムが、少なくとも約０．９０の曲線下面積（ＡＵＣ）を有する前記対象の前記妊娠関連状態の前記存在又は感受性を決定する、請求項２２に記載の方法。

【請求項47】

前記訓練されたアルゴリズムが、少なくとも約０．９５の曲線下面積（ＡＵＣ）を有する前記対象の前記妊娠関連状態の前記存在又は感受性を決定する、請求項２２に記載の方法。

【請求項48】

前記訓練されたアルゴリズムが、少なくとも約０．９９の曲線下面積（ＡＵＣ）を有する前記対象の前記妊娠関連状態の前記存在又は感受性を決定する、請求項２２に記載の方法。

【請求項49】

前記対象が、早産、分娩の開始、妊娠関連高血圧障害、子癇、妊娠糖尿病、前記対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症、妊娠悪阻、分娩中の出血又は過度の出血、前期破水、早産での前期破水、前置胎盤、子宮内／胎児発育遅延、マクロソミア、新生児の状態、及び異常な胎児の発育段階又は状態のうちの１つ又は複数について無症候性である、請求項２２に記載の方法。

【請求項50】

前記訓練されたアルゴリズムは、前記妊娠関連状態の前記存在又は感受性に関連する少なくとも約１０個の独立した訓練試料を使用して訓練される、請求項２２に記載の方法。

【請求項51】

前記訓練されたアルゴリズムは、前記妊娠関連状態の前記存在又は感受性に関連する約１００以下の独立した訓練試料を使用して訓練される、請求項２２に記載の方法。

【請求項52】

前記訓練されたアルゴリズムは、前記妊娠関連状態の存在又は感受性と関連付けられた独立した訓練試料の第１のセットと、前記妊娠関連状態の非存在又は非感受性と関連付けられた独立した訓練試料の第２のセットとを使用して訓練される、請求項２２に記載の方法。

【請求項53】

（ｃ）が、前記訓練されたアルゴリズム又は別の訓練されたアルゴリズムを使用して、前記対象の臨床健康データのセットを処理して、前記妊娠関連状態の前記存在又は感受性を決定することを含む、請求項２２に記載の方法。

【請求項54】

（ａ）が、（ｉ）前記無細胞生物試料を、リボ核（ＲＮＡ）分子、デオキシリボ核酸（ＤＮＡ）分子、タンパク質又は代謝産物のセットを単離、濃縮、又は抽出するのに十分な条件に供すること、及び（ｉｉ）前記第１のアッセイを使用して前記ＲＮＡ分子、ＤＮＡ分子、タンパク質、又は代謝産物のセットを分析して、前記第１のデータセットを生成すること、を含む、請求項２２に記載の方法。

【請求項55】

前記無細胞生物試料から核酸分子のセットを抽出すること、及び前記核酸分子のセットを配列決定に供して配列決定リードのセットを生成することをさらに含み、前記第１のデータセットが、前記配列決定リードのセットを含む、請求項５４に記載の方法。

【請求項56】

（ｂ）が、（ｉ）前記膣又は子宮頸部の生物試料を、微生物の集団を単離、濃縮又は抽出するのに十分な条件に供すること、及び（ｉｉ）前記第２のアッセイを使用して前記微生物の集団を分析して前記第２のデータセットを生成することを含む、請求項２２に記載の方法。

【請求項57】

前記配列決定が、大規模並列配列決定である、請求項５５に記載の方法。

【請求項58】

前記配列決定が、核酸増幅を含む、請求項５５に記載の方法。

【請求項59】

前記核酸増幅が、ポリメラーゼ連鎖反応（ＰＣＲ）を含む、請求項５８に記載の方法。

【請求項60】

前記配列決定が、実質的に同時の逆転写（ＲＴ）及びポリメラーゼ連鎖反応（ＰＣＲ）の使用を含む、請求項５９に記載の方法。

【請求項61】

１つ又は複数のゲノム遺伝子座のパネルに対応する前記核酸分子のセットを選択的に濃縮するように構成されたプローブを使用することをさらに含む、請求項５５に記載の方法。

【請求項62】

前記プローブが、核酸プライマーである、請求項６１に記載の方法。

【請求項63】

前記プローブが、前記１つ又は複数のゲノム遺伝子座の前記パネルの核酸配列との配列相補性を有する、請求項６１に記載の方法。

【請求項64】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、ＡＣＴＢ、ＡＤＡＭ１２、ＡＬＰＰ、ＡＮＸＡ３、ＡＰＬＦ、ＡＲＧ１、ＡＶＰＲ１Ａ、ＣＡＭＰ、ＣＡＰＮ６、ＣＤ１８０、ＣＧＡ、ＣＧＢ、ＣＬＣＮ３、ＣＰＶＬ、ＣＳＨ１、ＣＳＨ２、ＣＳＨＬ１、ＣＹＰ３Ａ７、ＤＡＰＰ１、ＤＣＸ、ＤＥＦＡ４、ＤＧＣＲ１４、ＥＬＡＮＥ、ＥＮＡＨ、ＥＰＢ４２、ＦＡＢＰ１、ＦＡＭ２１２Ｂ－ＡＳ１、ＦＧＡ、ＦＧＢ、ＦＲＭＤ４Ｂ、ＦＲＺＢ、ＦＳＴＬ３、ＧＨ２、ＧＮＡＺ、ＨＡＬ、ＨＳＤ１７Ｂ１、ＨＳＤ３Ｂ１、ＨＳＰＢ８、Ｉｍｍｕｎｅ、ＩＴＩＨ２、ＫＬＦ９、ＫＮＧ１、ＫＲＴ８、ＬＧＡＬＳ１４、ＬＴＦ、ＬＹＰＬＡＬ１、ＭＡＰ３Ｋ７ＣＬ、ＭＥＦ２Ｃ、ＭＭＤ、ＭＭＰ８、ＭＯＢ１Ｂ、ＮＦＡＴＣ２、ＯＴＣ、Ｐ２ＲＹ１２、ＰＡＰＰＡ、ＰＧＬＹＲＰ１、ＰＫＨＤ１Ｌ１、ＰＫＨＤ１Ｌ１、ＰＬＡＣ１、ＰＬＡＣ４、ＰＯＬＥ２、ＰＰＢＰ、ＰＳＧ１、ＰＳＧ４、ＰＳＧ７、ＰＴＧＥＲ３、ＲＡＢ１１Ａ、ＲＡＢ２７Ｂ、ＲＡＰ１ＧＡＰ、ＲＧＳ１８、ＲＰＬ２３ＡＰ７、Ｓ１００Ａ８、Ｓ１００Ａ９、Ｓ１００Ｐ、ＳＥＲＰＩＮＡ７、ＳＬＣ２Ａ２、ＳＬＣ３８Ａ４、ＳＬＣ４Ａ１、ＴＢＣ１Ｄ１５、ＶＣＡＮ、ＶＧＬＬ１、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される少なくとも１つのゲノム遺伝子座を含む、請求項６１に記載の方法。

【請求項65】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、少なくとも５つの異なるゲノム遺伝子座を含む、請求項６１に記載の方法。

【請求項66】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、少なくとも１０個の異なるゲノム遺伝子座を含む、請求項６１に記載の方法。

【請求項67】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、早産に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、ＡＤＡＭ１２、ＡＮＸＡ３、ＡＰＬＦ、ＡＶＰＲ１Ａ、ＣＡＭＰ、ＣＡＰＮ６、ＣＤ１８０、ＣＧＡ、ＣＧＢ、ＣＬＣＮ３、ＣＰＶＬ、ＣＳＨ２、ＣＳＨＬ１、ＣＹＰ３Ａ７、ＤＡＰＰ１、ＤＧＣＲ１４、ＥＬＡＮＥ、ＥＮＡＨ、ＦＡＭ２１２Ｂ－ＡＳ１、ＦＲＭＤ４Ｂ、ＧＨ２、ＨＳＰＢ８、Ｉｍｍｕｎｅ、ＫＬＦ９、ＫＲＴ８、ＬＧＡＬＳ１４、ＬＴＦ、ＬＹＰＬＡＬ１、ＭＡＰ３Ｋ７ＣＬ、ＭＭＤ、ＭＯＢ１Ｂ、ＮＦＡＴＣ２、Ｐ２ＲＹ１２、ＰＡＰＰＡ、ＰＧＬＹＲＰ１、ＰＫＨＤ１Ｌ１、ＰＫＨＤ１Ｌ１、ＰＬＡＣ１、ＰＬＡＣ４、ＰＯＬＥ２、ＰＰＢＰ、ＰＳＧ１、ＰＳＧ４、ＰＳＧ７、ＲＡＢ１１Ａ、ＲＡＢ２７Ｂ、ＲＡＰ１ＧＡＰ、ＲＧＳ１８、ＲＰＬ２３ＡＰ７、ＴＢＣ１Ｄ１５、ＶＣＡＮ、ＶＧＬＬ１、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される、請求項６１に記載の方法。

【請求項68】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、妊娠期間に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、ＡＣＴＢ、ＡＤＡＭ１２、ＡＬＰＰ、ＡＮＸＡ３、ＡＲＧ１、ＣＡＭＰ、ＣＡＰＮ６、ＣＧＡ、ＣＧＢ、ＣＳＨ１、ＣＳＨ２、ＣＳＨＬ１、ＣＹＰ３Ａ７、ＤＣＸ、ＤＥＦＡ４、ＥＰＢ４２、ＦＡＢＰ１、ＦＧＡ、ＦＧＢ、ＦＲＺＢ、ＦＳＴＬ３、ＧＨ２、ＧＮＡＺ、ＨＡＬ、ＨＳＤ１７Ｂ１、ＨＳＤ３Ｂ１、ＨＳＰＢ８、ＩＴＩＨ２、ＫＮＧ１、ＬＧＡＬＳ１４、ＬＴＦ、ＭＥＦ２Ｃ、ＭＭＰ８、ＯＴＣ、ＰＡＰＰＡ、ＰＧＬＹＲＰ１、ＰＬＡＣ１、ＰＬＡＣ４、ＰＳＧ１、ＰＳＧ４、ＰＳＧ７、ＰＴＧＥＲ３、Ｓ１００Ａ８、Ｓ１００Ａ９、Ｓ１００Ｐ、ＳＥＲＰＩＮＡ７、ＳＬＣ２Ａ２、ＳＬＣ３８Ａ４、ＳＬＣ４Ａ１、ＶＧＬＬ１、ＲＡＢ２７Ｂ、ＲＧＳ１８、ＣＬＣＮ３、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される、請求項６１に記載の方法。

【請求項69】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、出産予定日に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、表１及び表７に列挙された遺伝子からなる群から選択される、請求項６１に記載の方法。

【請求項70】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、妊娠期間に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、表２に列挙される遺伝子からなる群から選択される、請求項６１に記載の方法。

【請求項71】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、早産に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、表５に列挙される遺伝子、表６に列挙される遺伝子、表８に列挙される遺伝子、ＲＡＢ２７Ｂ、ＲＧＳ１８、ＣＬＣＮ３、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２の群から選択される、請求項６１に記載の方法。

【請求項72】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、少なくとも５つの異なるゲノム遺伝子座を含む、請求項６９～７１のいずれか一項に記載の方法。

【請求項73】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、少なくとも１０個の異なるゲノム遺伝子座を含む、請求項６９～７１のいずれか一項に記載の方法。

【請求項74】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、少なくとも２５個の異なるゲノム遺伝子座を含む、請求項６９～７１のいずれか一項に記載の方法。

【請求項75】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、少なくとも５０個の異なるゲノム遺伝子座を含む、請求項６９～７１のいずれか一項に記載の方法。

【請求項76】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、少なくとも１００個の異なるゲノム遺伝子座を含む、請求項６９～７１のいずれか一項に記載の方法。

【請求項77】

前記１つ又は複数のゲノム遺伝子座の前記パネルが、少なくとも１５０個の異なるゲノム遺伝子座を含む、請求項６９～７１のいずれか一項に記載の方法。

【請求項78】

前記無細胞生物試料が、核酸の単離、濃縮又は抽出なしに処理される、請求項２２に記載の方法。

【請求項79】

前記レポートが、ユーザの電子デバイスのグラフィカル・ユーザ・インターフェース上に提示される、請求項２２に記載の方法。

【請求項80】

前記ユーザが、前記対象である、請求項７９に記載の方法。

【請求項81】

前記対象の前記妊娠関連状態の前記存在又は感受性の前記決定の尤度を決定することをさらに含む、請求項２２に記載の方法。

【請求項82】

前記訓練されたアルゴリズムが、教師あり機械学習アルゴリズムを含む、請求項２２に記載の方法。

【請求項83】

前記教師あり機械学習アルゴリズムが、ディープ・ラーニング・アルゴリズム、サポート・ベクター・マシン（ＳＶＭ）、ニューラルネットワーク、又はＲａｎｄｏｍ Ｆｏｒｅｓｔを含む、請求項８２に記載の方法。

【請求項84】

前記妊娠関連状態の前記存在又は感受性に対する治療的介入を前記対象に提供することをさらに含む、請求項２２に記載の方法。

【請求項85】

前記治療的介入が、ヒドロキシプロゲステロンカプロン酸エステル、膣プロゲステロン、天然プロゲステロンＩＶＲ産物、プロスタグランジンＦ２アルファ受容体アンタゴニスト、又はベータ２－アドレナリン受容体アゴニストを含む、請求項８４に記載の方法。

【請求項86】

前記妊娠関連状態の前記存在又は感受性をモニタリングすることをさらに含み、前記モニタリングすることが、複数の時点で前記対象の前記妊娠関連状態の前記存在又は感受性を評価することを含み、前記評価することが、前記複数の時点のそれぞれで（ｄ）において決定された前記妊娠関連状態の前記存在又は感受性に少なくとも基づく、請求項２２に記載の方法。

【請求項87】

前記複数の時点の間の前記対象の前記妊娠関連状態の前記存在又は感受性の前記評価の差が、（ｉ）前記対象の前記妊娠関連状態の前記存在又は感受性の診断、（ｉｉ）前記対象の前記妊娠関連状態の前記存在又は感受性の予後、及び（ｉｉｉ）前記対象の前記妊娠関連状態の前記存在又は感受性を処置するための一連の処置の有効性又は非有効性からなる群から選択される１つ又は複数の臨床徴候を示す、請求項８６に記載の方法。

【請求項88】

前記訓練されたアルゴリズムを使用して前記早産の複数の異なる分子サブタイプの中から前記早産の分子サブタイプを決定することによって前記早産を層別化することをさらに含む、請求項３０に記載の方法。

【請求項89】

前記早産の複数の異なる分子サブタイプが、以前の早産の既往歴、自然早産、民族特異的早産リスク、及び早期の前期破水（ＰＰＲＯＭ）からなる群から選択される早産の分子サブタイプを含む、請求項８８に記載の方法。

【請求項90】

対象の早産のリスクを予測するためのコンピュータ実装方法であって、
（ａ）前記対象の臨床健康データを受け取ることであって、前記臨床健康データが、前記対象の複数の定量的又はカテゴリ尺度を含む、前記対象の臨床健康データを受け取ること、
（ｂ）訓練されたアルゴリズムを使用して前記対象の前記臨床健康データを処理し、前記対象の前記早産のリスクを示すリスクスコアを決定すること、及び
（ｃ）前記対象の前記早産のリスクを示す前記リスクスコアを示すレポートを電子的に出力すること、
を含む、コンピュータ実装方法。

【請求項91】

前記臨床健康データが、年齢、体重、身長、肥満度指数（ＢＭＩ）、血圧、心拍数、血糖値、以前の妊娠回数、及び以前の出産回数からなる群から選択される１つ又は複数の定量的測定を含む、請求項９０に記載の方法。

【請求項92】

前記臨床健康データが、人種、民族性、薬物、又は他の臨床治療の履歴、タバコ使用の履歴、アルコール摂取の履歴、日常活動又はフィットネスレベル、遺伝子検査結果、血液検査結果、画像診断結果、及び胎児スクリーニング結果からなる群から選択される１つ又は複数のカテゴリ尺度を含む、請求項９０に記載の方法。

【請求項93】

前記訓練されたアルゴリズムが、少なくとも約８０％の感度で前記対象の前記早産のリスクを決定する、請求項９０に記載の方法。

【請求項94】

前記訓練されたアルゴリズムが、少なくとも約８０％の特異度で前記対象の前記早産のリスクを決定する、請求項９０に記載の方法。

【請求項95】

前記訓練されたアルゴリズムが、少なくとも約８０％の陽性予測値（ＰＰＶ）で前記対象の前記早産のリスクを決定する、請求項９０に記載の方法。

【請求項96】

前記訓練されたアルゴリズムが、少なくとも約８０％の陰性予測値（ＮＰＶ）で前記対象の前記早産のリスクを決定する、請求項９０に記載の方法。

【請求項97】

前記訓練されたアルゴリズムが、少なくとも約０．９の曲線下面積（ＡＵＣ）で前記対象の前記早産のリスクを決定する、請求項９０に記載の方法。

【請求項98】

前記対象が、早産、分娩の開始、妊娠関連高血圧障害、子癇、妊娠糖尿病、前記対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症、妊娠悪阻、分娩中の出血又は過度の出血、前期破水、早産での前期破水、前置胎盤、子宮内／胎児発育遅延、マクロソミア、新生児の状態、及び異常な胎児の発育段階又は状態のうちの１つ又は複数について無症候性である、請求項９０に記載の方法。

【請求項99】

前記訓練されたアルゴリズムは、早産に関連する少なくとも約１０個の独立した訓練試料を使用して訓練される、請求項９０に記載の方法。

【請求項100】

前記訓練されたアルゴリズムは、早産に関連する約１００以下の独立した訓練試料を使用して訓練される、請求項９０に記載の方法。

【請求項101】

前記訓練されたアルゴリズムは、早産の存在に関連する独立した訓練試料の第１のセットと、早産の非存在に関連する独立した訓練試料の第２のセットとを使用して訓練される、請求項９０に記載の方法。

【請求項102】

前記レポートが、ユーザの電子デバイスのグラフィカル・ユーザ・インターフェース上に提示される、請求項９０に記載の方法。

【請求項103】

前記ユーザが、前記対象である、請求項１０２に記載の方法。

【請求項104】

前記訓練されたアルゴリズムが、教師あり機械学習アルゴリズムを含む、請求項９０に記載の方法。

【請求項105】

前記教師あり機械学習アルゴリズムが、ディープ・ラーニング・アルゴリズム、サポート・ベクター・マシン（ＳＶＭ）、ニューラルネットワーク、又はＲａｎｄｏｍ Ｆｏｒｅｓｔを含む、請求項１０４に記載の方法。

【請求項106】

前記早産のリスクを示す前記リスクスコアに少なくとも部分的に基づいて治療的介入を前記対象に提供することをさらに含む、請求項９０に記載の方法。

【請求項107】

前記治療的介入が、ヒドロキシプロゲステロンカプロン酸エステル、膣プロゲステロン、天然プロゲステロンＩＶＲ産物、プロスタグランジンＦ２アルファ受容体アンタゴニスト、又はベータ２－アドレナリン受容体アゴニストを含む、請求項１０６に記載の方法。

【請求項108】

前記早産のリスクをモニタリングすることをさらに含み、前記モニタリングすることが、複数の時点で前記対象の前記早産のリスクを評価することを含み、前記評価することが、前記複数の時点のそれぞれで（ｂ）において決定された前記早産のリスクを示す前記リスクスコアに少なくとも基づく、請求項９０に記載の方法。

【請求項109】

前記対象の前記早産のリスクを示す更新されたリスクスコアを決定するために、前記対象に対して１つ又は複数の後続の臨床試験を実施し、訓練されたアルゴリズムを使用して前記１つ又は複数の後続の臨床試験からの結果を処理することによって、前記対象の前記早産のリスクを示す前記リスクスコアを精緻化することをさらに含む、請求項９０に記載の方法。

【請求項110】

前記１つ又は複数の後続の臨床試験が、超音波画像診断又は血液検査を含む、請求項１０９に記載の方法。

【請求項111】

前記リスクスコアが、前記対象が、所定の期間内に早産を経験する尤度を含む、請求項９０に記載の方法。

【請求項112】

前記所定の期間が、少なくとも約１時間である、請求項１１１に記載の方法。

【請求項113】

対象の早産のリスクを予測するためのコンピュータシステムであって、
前記対象の臨床健康データを記憶するように構成されたデータベースであって、前記臨床健康データが、前記対象の複数の定量的又はカテゴリ尺度を含む、データベース、及び
前記データベースに動作可能に結合された１つ又は複数のコンピュータプロセッサであって、前記１つ又は複数のコンピュータプロセッサは、
（ｉ）訓練されたアルゴリズムを使用して、前記対象の前記臨床健康データを処理し、前記対象の前記早産のリスクを示すリスクスコアを決定するため、及び
（ｉｉ）前記対象の前記早産のリスクを示す前記リスクスコアを示すレポートを電子的に出力するために、個別に集合的にプログラムされている、前記データベースに動作可能に結合された１つ又は複数のコンピュータプロセッサ、を含む、
コンピュータシステム。

【請求項114】

前記１つ又は複数のコンピュータプロセッサに動作可能に結合された電子ディスプレイをさらに備え、前記電子ディスプレイは、前記レポートを表示するように構成されたグラフィカル・ユーザ・インターフェースを備える、請求項１１３に記載のコンピュータシステム。

【請求項115】

１つ又は複数のコンピュータプロセッサによって実行されると、対象の早産のリスクを予測するための方法を実施する機械実行可能コードを含む非一時的コンピュータ可読媒体であって、前記方法が、
（ａ）前記対象の臨床健康データを受け取ることであって、前記臨床健康データが、前記対象の複数の定量的又はカテゴリ尺度を含む、前記対象の臨床健康データを受け取ること、
（ｂ）訓練されたアルゴリズムを使用して前記対象の前記臨床健康データを処理し、前記対象の前記早産のリスクを示すリスクスコアを決定すること、及び
（ｃ）前記対象の前記早産のリスクを示す前記リスクスコアを示すレポートを電子的に出力すること、
を含む、非一時的コンピュータ可読媒体。

【請求項116】

妊娠している対象の胎児の出産予定日、出産予定日範囲、又は妊娠期間を決定するための方法であって、前記妊娠している対象に由来する無細胞生物試料をアッセイして、バイオマーカーのセットを検出すること、及び前記バイオマーカーのセットを訓練されたアルゴリズムで分析して、前記胎児の前記出産予定日、出産予定日範囲、又は妊娠期間を決定することを含む、方法。

【請求項117】

前記訓練されたアルゴリズムを使用して、前記妊娠している対象の前記胎児の推定出産予定日又は出産予定日範囲を分析することをさらに含み、前記推定出産予定日又は出産予定日範囲が、前記胎児の超音波測定から生成される、請求項１１６に記載の方法。

【請求項118】

前記バイオマーカーのセットが、出産予定日に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、表１及び表７に列挙された遺伝子の群から選択される、請求項１１６又は１１７に記載の方法。

【請求項119】

前記バイオマーカーのセットが、少なくとも５つの異なるゲノム遺伝子座を含む、請求項１１８に記載の方法。

【請求項120】

前記バイオマーカーのセットが、少なくとも１０個の異なるゲノム遺伝子座を含む、請求項１１８に記載の方法。

【請求項121】

前記バイオマーカーのセットが、少なくとも２５個の異なるゲノム遺伝子座を含む、請求項１１８に記載の方法。

【請求項122】

前記バイオマーカーのセットが、少なくとも５０個の異なるゲノム遺伝子座を含む、請求項１１８に記載の方法。

【請求項123】

前記バイオマーカーのセットが、少なくとも１００個の異なるゲノム遺伝子座を含む、請求項１１８に記載の方法。

【請求項124】

前記バイオマーカーのセットが、少なくとも１５０個の異なるゲノム遺伝子座を含む、請求項１１８に記載の方法。

【請求項125】

前記決定された出産予定日に少なくとも部分的に基づいて前記妊娠している対象に対する臨床介入を同定することをさらに含む、請求項１１６～１２４のいずれか一項に記載の方法。

【請求項126】

前記臨床介入が、複数の臨床介入から選択される、請求項１２５に記載の方法。

【請求項127】

前記分娩までの時間が、７．５週間未満である、請求項１１６に記載の方法。

【請求項128】

前記ゲノム遺伝子座が、ＡＣＫＲ２、ＡＫＡＰ３、ＡＮＯ５、Ｃ１ｏｒｆ２１、Ｃ２ｏｒｆ４２、ＣＡＲＮＳ１、ＣＡＳＣ１５、ＣＣＤＣ１０２Ｂ、ＣＤＣ４５、ＣＤＩＰＴ、ＣＭＴＭ１、ＣＯＰＳ８、ＣＴＤ－２２６７Ｄ１９．３、ＣＴＤ－２３４９Ｐ２１．９、ＣＸｏｒｆ６５、ＤＤＸ１１Ｌ１、ＤＧＵＯＫ、ＤＰＡＧＴ１、ＥＩＦ４Ａ１Ｐ２、ＦＡＮＫ１、ＦＥＲＭＴ１、ＦＫＲＰ、ＧＡＭＴ、ＧＯＬＧＡ６Ｌ４、ＫＬＬＮ、ＬＩＮＣ０１３４７、ＬＴＡ、ＭＡＰＫ１２、ＭＥＴＲＮ、ＭＫＲＮ４Ｐ、ＭＰＣ２、ＭＹＬ１２ＢＰ１、ＮＭＥ４、ＮＰＭ１Ｐ３０、ＰＣＬＯ、ＰＩＦ１、ＰＴＰ４Ａ３、ＲＩＭＫＬＢ、ＲＰ１３－８８Ｆ２０．１、Ｓ１００Ｂ、ＳＩＧＬＥＣ１４、ＳＬＡＩＮ１、ＳＰＡＴＡ３３、ＴＦＡＰ２Ｃ、ＴＭＳＢ４ＸＰ８、ＴＲＧＶ１０、及びＺＮＦ１２４から選択される、請求項１２７に記載の方法。

【請求項129】

前記分娩までの時間が５週間未満である、請求項１１６に記載の方法。

【請求項130】

前記ゲノム遺伝子座が、Ｃ２ｏｒｆ６８、ＣＡＣＮＢ３、ＣＤ４０、ＣＤＫＬ５、ＣＴＢＳ、ＣＴＤ－２２７２Ｇ２１．２、ＣＸＣＬ８、ＤＨＲＳ７Ｂ、ＥＩＦ５Ａ２、ＩＦＩＴＭ３、ｍｉＲ２４－２、ＭＴＳＳ１、ＭＹＳＭ１、ＮＣＫ１－ＡＳ１、ＮＲ１Ｈ４、ＰＤＥ１Ｃ、ＰＥＭＴ、ＰＥＸ７、ＰＩＦ１、ＰＰＰ２Ｒ３Ａ、ＲＡＢＩＦ、ＳＩＧＬＥＣ１４、ＳＬＣ２５Ａ５３、ＳＰＡＮＸＮ４、ＳＵＰＴ３Ｈ、ＺＣ２ＨＣ１Ｃ、ＺＭＹＭ１、及びＺＮＦ１２４から選択される、請求項１２９に記載の方法。

【請求項131】

前記分娩までの時間が７．５週間未満である、請求項１１７に記載の方法。

【請求項132】

前記ゲノム遺伝子座が、ＡＣＫＲ２、ＡＫＡＰ３、ＡＮＯ５、Ｃ１ｏｒｆ２１、Ｃ２ｏｒｆ４２、ＣＡＲＮＳ１、ＣＡＳＣ１５、ＣＣＤＣ１０２Ｂ、ＣＤＣ４５、ＣＤＩＰＴ、ＣＭＴＭ１、ｃｏｌｌｅｃｔｉｏｎｇａ、ＣＯＰＳ８、ＣＴＤ－２２６７Ｄ１９．３、ＣＴＤ－２３４９Ｐ２１．９、ＤＤＸ１１Ｌ１、ＤＧＵＯＫ、ＤＰＡＧＴ１、ＥＩＦ４Ａ１Ｐ２、ＦＡＮＫ１、ＦＥＲＭＴ１、ＦＫＲＰ、ＧＡＭＴ、ＧＯＬＧＡ６Ｌ４、ＫＬＬＮ、ＬＩＮＣ０１３４７、ＬＴＡ、ＭＡＰＫ１２、ＭＥＴＲＮ、ＭＰＣ２、ＭＹＬ１２ＢＰ１、ＮＭＥ４、ＮＰＭ１Ｐ３０、ＰＣＬＯ、ＰＩＦ１、ＰＴＰ４Ａ３、ＲＩＭＫＬＢ、ＲＰ１３－８８Ｆ２０．１、Ｓ１００Ｂ、ＳＩＧＬＥＣ１４、ＳＬＡＩＮ１、ＳＰＡＴＡ３３、ＳＴＡＴ１、ＴＦＡＰ２Ｃ、ＴＭＥＭ９４、ＴＭＳＢ４ＸＰ８、ＴＲＧＶ１０、ＺＮＦ１２４、及びＺＮＦ７１３から選択される、請求項１３１に記載の方法。

【請求項133】

前記分娩までの時間が、５週間未満である、請求項１１６に記載の方法。

【請求項134】

前記ゲノム遺伝子座が、ＡＴＰ６Ｖ１Ｅ１Ｐ１、ＡＴＰ８Ａ２、Ｃ２ｏｒｆ６８、ＣＡＣＮＢ３、ＣＤ４０、ＣＤＫＬ４、ＣＤＫＬ５、ＣＥＰ１５２、ＣＬＥＣ４Ｄ、ＣＯＬ１８Ａ１、ｃｏｌｌｅｃｔｉｏｎｇａ、ＣＯＸ１６、ＣＴＢＳ、ＣＴＤ－２２７２Ｇ２１．２、ＣＸＣＬ２、ＣＸＣＬ８、ＤＨＲＳ７Ｂ、ＤＰＰＡ４、ＥＩＦ５Ａ２、ＦＥＲＭＴ１、ＧＮＢ１Ｌ、ＩＦＩＴＭ３、ＫＡＴＮＡＬ１、ＬＲＣＨ４、ＭＢＤ６、ＭＩＲ２４－２、ＭＴＳＳ１、ＭＹＳＭ１、ＮＣＫ１－ＡＳ１、ＮＰＩＰＢ４、ＮＲ１Ｈ４、ＰＤＥ１Ｃ、ＰＥＭＴ、ＰＥＸ７、ＰＩＦ１、ＰＰＰ２ＲＰ３Ａ、ＰＸＤＮ、ＲＡＢＩＦ、ＳＥＲＴＡＤ３、ＳＩＧＬＥＣ１４、ＳＬＣ２５Ａ５３、ＳＰＡＮＸＮ４、ＳＳＨ３、ＳＵＰＴ３Ｈ、ＴＭＥＭ１５０Ｃ、ＴＮＦＡＩＰ６、ＵＰＰ１、ＸＫＲ８、ＺＣ２ＨＣ１Ｃ、ＺＭＹＭ１、及びＺＮＦ１２４から選択される、請求項１３３に記載の方法。

【請求項135】

前記訓練されたアルゴリズムが、線形回帰モデル又はＡＮＯＶＡモデルを含む、請求項１１６に記載の方法。

【請求項136】

前記ＡＮＯＶＡモデルが、複数の時間ウィンドウの中から前記出産予定日に対応する最尤時間ウィンドウを決定する、請求項１３５に記載の方法。

【請求項137】

前記最尤時間ウィンドウが、少なくとも１週間の分娩までの時間に対応する、請求項１３６に記載の方法。

【請求項138】

前記ＡＮＯＶＡモデルが、複数の時間ウィンドウの中から前記出産予定日に対応する時間ウィンドウの確率又は尤度を決定する、請求項１３５に記載の方法。

【請求項139】

前記ＡＮＯＶＡモデルが、平均又は予想される時間ウィンドウ距離を決定するために、前記複数の時間ウィンドウにわたる確率加重平均を計算する、請求項１３７に記載の方法。

【請求項140】

妊娠している対象の胎児の出生前代謝性遺伝子疾患の存在又はリスクを検出するための方法であって、
前記妊娠している対象に由来する無細胞生物試料中のリボ核酸（ＲＮＡ）をアッセイして、バイオマーカーのセットを検出すること、及び
前記出生前代謝性遺伝子疾患の前記存在又はリスクを検出するために、訓練されたアルゴリズムを用いて前記バイオマーカーのセットを分析すること
を含む、方法。

【請求項141】

妊娠している対象又は前記妊娠している対象の胎児の少なくとも２つの健康状態又は生理学的状態を検出するための方法であって、
第１の時点で前記妊娠している対象から得られた又は誘導された第１の無細胞生物試料及び第２の時点で前記妊娠している対象から得られた又は誘導された第２の無細胞生物試料をアッセイして、前記第１の時点でバイオマーカーの第１のセット及び前記第２の時点でバイオマーカーの第２のセットを検出すること、並びに
前記少なくとも２つの健康状態又は生理学的状態を検出するために、訓練されたアルゴリズムを用いて前記バイオマーカーの第１のセット又は前記バイオマーカーの第２のセットを分析すること
を含む、方法。

【請求項142】

前記少なくとも２つの健康又は生理学的状態が、早産、満期出産、妊娠期間、出産予定日、分娩の開始、妊娠関連高血圧障害、子癇、妊娠糖尿病、前記対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症、妊娠悪阻、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤、子宮内／胎児発育遅延、マクロソミア、新生児の状態、及び胎児の発育段階又は状態からなる群から選択される、請求項１４１に記載の方法。

【請求項143】

前記バイオマーカーのセットが、出産予定日に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、表１及び表７に列挙された遺伝子からなる群から選択される、請求項１４１に記載の方法。

【請求項144】

前記バイオマーカーのセットが、妊娠期間に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、表２に列挙される遺伝子からなる群から選択される、請求項１４１に記載の方法。

【請求項145】

前記バイオマーカーのセットが、早産に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、表５に列挙される遺伝子、表６に列挙される遺伝子、表８に列挙される遺伝子、ＲＡＢ２７Ｂ、ＲＧＳ１８、ＣＬＣＮ３、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される、請求項１４１に記載の方法。

【請求項146】

前記バイオマーカーのセットが、少なくとも５つの異なるゲノム遺伝子座を含む、請求項１４１に記載の方法。

【請求項147】

妊娠している対象から得られた又は誘導された１つ又は複数の無細胞生物試料をアッセイして、バイオマーカーのセットを検出すること；及び
前記バイオマーカーのセットを分析して、（１）前記妊娠している対象の胎児の出産予定日又はその範囲、及び（２）前記妊娠している対象又は前記妊娠している対象の前記胎児の健康状態又は生理学的状態を同定すること、
を含む方法。

【請求項148】

訓練されたアルゴリズムで前記バイオマーカーのセットを分析することをさらに含む、請求項１４７に記載の方法。

【請求項149】

前記健康又は生理学的状態が、早産、満期出産、妊娠期間、出産予定日、分娩の開始、妊娠関連高血圧障害、子癇、妊娠糖尿病、前記対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症、妊娠悪阻、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤、子宮内／胎児発育遅延、マクロソミア、新生児の状態、及び胎児の発育段階又は状態からなる群から選択される、請求項１４７に記載の方法。

【請求項150】

前記バイオマーカーのセットが、出産予定日に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、表１及び表７に列挙された遺伝子からなる群から選択される、請求項１４７に記載の方法。

【請求項151】

前記バイオマーカーのセットが、妊娠期間に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、表２に列挙される遺伝子からなる群から選択される、請求項１４７に記載の方法。

【請求項152】

前記バイオマーカーのセットが、早産に関連するゲノム遺伝子座を含み、前記ゲノム遺伝子座が、表５に列挙される遺伝子、表６に列挙される遺伝子、表８に列挙される遺伝子、ＲＡＢ２７Ｂ、ＲＧＳ１８、ＣＬＣＮ３、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される、請求項１４７に記載の方法。

【請求項153】

前記バイオマーカーのセットが、少なくとも５つの異なるゲノム遺伝子座を含む、請求項１４７に記載の方法。

【発明の詳細な説明】

【技術分野】

【0001】

相互参照
本出願は、２０１９年２月１４日に出願された米国特許出願第６２／８０５，５１５号、２０１９年８月２２日に出願された米国特許出願第６２／８９０，２４８号、及び２０１９年１０月２８日に出願された米国特許出願第６２／９２６，７８６号の利益を主張し、これらの各々は参照により本明細書に完全に組み込まれる。

【背景技術】

【0002】

毎年、約１５００万人の早産が、世界中で報告されている。早産は妊娠の約１０％に影響を及ぼす可能性があり、その大部分は自然早産である。現在、早産などの多くの妊娠関連合併症に利用可能な有意義で臨床的に実施可能な診断スクリーニング又は検査はない可能性がある。しかしながら、早産などの妊娠関連合併症は、新生児の死亡及び後年の合併症の主な原因である。さらに、そのような妊娠関連合併症は、母体の健康に悪影響を及ぼす可能性がある。したがって、妊娠を可能な限り安全にするために、母体及び胎児の健康を改善するために、非侵襲的で費用効果の高い妊娠関連状態を同定及びモニタリングするための迅速で正確な方法が必要とされている。

【発明の概要】

【課題を解決するための手段】

【0003】

本開示は、対象から得られた又は対象に由来する無細胞生物試料を処理することによって、妊娠関連状態を同定又はモニタリングするための方法、システム及びキットを提供する。対象から得られた無細胞生物試料（例えば、血漿試料）を分析して、妊娠関連状態（これは、例えば、妊娠関連状態の存在、非存在、又は相対的評価を測定することを含み得る）を同定することができる。そのような対象には、１つ又は複数の妊娠関連状態を有する対象及び妊娠関連状態を有しない対象が含まれ得る。妊娠関連状態には、例えば、早産、満期出産、妊娠期間、出産予定日（例えば、対象の胎児又は胎児の出産予定日）、分娩の開始、妊娠関連高血圧障害（例えば、子癇前症）、子癇前症、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症（例えば、産後うつ病、出血又は過度の出血、肺塞栓症、心筋症、糖尿病、貧血、及び高血圧性障害）、妊娠悪阻（つわり）、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤（子宮頸部を覆う胎盤）、子宮内／胎児発育遅延、マクロソミア（妊娠期間の大きな胎児）、新生児の状態（例えば、貧血、無呼吸、徐脈、及びその他の心臓の欠陥、気管支肺異形成症、又は慢性肺疾患、糖尿病、胃壁破裂、水頭症、高ビリルビン血症、低カルシウム血症、低血糖症、脳室内出血、黄疸、壊死性腸炎、動脈管開存症、脳室周囲白質軟化症、持続性肺高血圧症、赤血球増加症、呼吸窮迫症候群、未熟児網膜症、及び一過性頻呼吸）、及び胎児の発育段階又は状態（例えば、正常な胎児の臓器の機能又は発達、及び異常な胎児の臓器の機能又は発達）が含まれ得る。

【0004】

一態様では、本開示は、対象に由来する無細胞生物試料中の転写物及び／又は代謝産物をアッセイしてバイオマーカーのセットを検出すること、及び訓練されたアルゴリズムを用いてバイオマーカーのセットを分析して妊娠関連状態の存在又は感受性を決定すること、を含む対象の妊娠関連状態の存在又は感受性を同定する方法を提供する。いくつかの実施形態において、方法は、バイオマーカーのセットを検出するために、対象に由来する無細胞生物試料における転写物をアッセイすることを含む。いくつかの実施形態において、転写物は核酸配列決定を用いてアッセイされる。いくつかの実施形態において、方法は、バイオマーカーのセットを検出するために、対象に由来する無細胞生物試料における代謝産物をアッセイすることを含む。いくつかの実施形態において、代謝産物をメタボロミクスアッセイでアッセイする。

【0005】

別の態様では、本開示は、対象の妊娠関連状態の存在又は感受性を同定する方法であって、対象に由来する無細胞生物試料をアッセイして、バイオマーカーのセットを検出すること、及びバイオマーカーのセットを訓練されたアルゴリズムで分析して、少なくとも約８０％の精度で、少なくとも３つの異なる妊娠関連状態のセットの中の妊娠関連状態の存在又は感受性を決定することを含む、方法を提供する。いくつかの実施形態において、妊娠関連状態は、早産、満期出産、妊娠期間、出産予定日、分娩の開始、妊娠関連高血圧障害（例えば、子癇前症）、子癇、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症（例えば、産後うつ病、出血又は過剰出血、肺塞栓症、心筋症、糖尿病、貧血及び高血圧性障害）、妊娠悪阻（つわり）、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤（子宮頸部を覆う胎盤）、子宮内／胎児発育遅延、マクロソミア（妊娠期間に対して大きな胎児）、新生児の状態（例えば、貧血、無呼吸、徐脈及びその他の心臓の欠陥、気管支肺異形成症又は慢性肺疾患、糖尿病、胃壁破裂、水頭症、高ビリルビン血症、低カルシウム血症、低血糖症、脳室内出血、黄疸、壊死性腸炎、動脈管開存症、脳室周囲白質軟化症、持続性肺高血圧症、赤血球増加症、呼吸窮迫症候群、未熟児網膜症、及び一過性頻呼吸）、及び胎児の発育段階又は状態（例えば、正常な胎児の臓器の機能又は発達、及び異常な胎児の臓器の機能又は発達）からなる群から選択される。いくつかの実施形態において、妊娠関連状態は、早産のサブタイプであり、少なくとも３つの異なる妊娠関連状態は、早産の少なくとも２つの異なるサブタイプを含む。いくつかの実施形態において、早産のサブタイプは、早産の分子サブタイプであり、少なくとも２つの異なる早産のサブタイプは、少なくとも２つの異なる早産の分子サブタイプを含む。いくつかの実施形態において、早産の異なる分子サブタイプは、以前の早産の既往歴、自然早産、民族特異的早産リスク（例えば、アフリカ系アメリカ人の集団の中で）、及び早期の前期破水（ＰＰＲＯＭ）からなる群から選択される早産の分子サブタイプを含む。いくつかの実施形態において、方法は、妊娠関連状態の存在又は感受性に少なくとも部分的に基づいて、対象に対する臨床介入を同定することをさらに含む。いくつかの実施形態において、臨床介入が、複数の臨床介入から選択される。いくつかの実施形態では、バイオマーカーのセットが、出産予定日に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表１及び表７に列挙された遺伝子からなる群から選択される。いくつかの実施形態において、バイオマーカーのセットは、妊娠期間に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表２に列挙された遺伝子からなる群から選択される。いくつかの実施形態において、バイオマーカーのセットは、早産に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表５に列挙される遺伝子、表６に列挙される遺伝子、表８に列挙される遺伝子、ＲＡＢ２７Ｂ、ＲＧＳ１８、ＣＬＣＮ３、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される。いくつかの実施形態において、バイオマーカーのセットは、少なくとも５つの異なるゲノム遺伝子座を含む。いくつかの実施形態において、バイオマーカーのセットは、少なくとも１０個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、バイオマーカーのセットは、少なくとも２５個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、バイオマーカーのセットは、少なくとも５０個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、バイオマーカーのセットは、少なくとも１００個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、バイオマーカーのセットは、少なくとも１５０個の異なるゲノム遺伝子座を含む。

【0006】

別の態様では、本開示は、（ａ）第１のアッセイを使用して、対象に由来する無細胞生物試料を処理し、第１のデータセットを生成すること、（ｂ）対象に由来する膣又は子宮頸部の生物試料を処理して、膣又は子宮頸部の生物試料のマイクロバイオームプロファイルを含む第２のデータセットを生成するために第２のアッセイを使用すること、（ｃ）アルゴリズム（例えば、訓練されたアルゴリズム）を使用して、少なくとも第１のデータセット及び第２のデータセットを処理して、妊娠関連状態の存在又は感受性を決定するために、訓練されたアルゴリズムが、少なくとも５０の独立した試料にわたって少なくとも約８０％の精度を有する、アルゴリズムを使用すること、及び（ｄ）対象の妊娠関連状態の存在又は感受性を示すレポートを電子的に出力すること、を含む対象の妊娠関連状態の存在又は感受性を同定又はモニタリングするための方法を提供する。

【0007】

いくつかの実施形態において、第１のアッセイが、トランスクリプトームデータを生成するために無細胞生物試料に由来する無細胞リボ核酸（ｃｆＲＮＡ）分子を使用すること、ゲノムデータを生成するために無細胞生物試料に由来する無細胞デオキシリボ核酸（ｃｆＤＮＡ）分子を使用すること、プロテオミクスデータを生成するために無細胞生物試料に由来するタンパク質を使用すること、又はメタボロミクスデータを生成するために無細胞生物試料に由来する代謝産物を使用することを含む。いくつかの実施形態において、無細胞生物試料は、対象の血液に由来する。いくつかの実施形態において、無細胞生物試料は、対象の尿に由来する。

【0008】

いくつかの実施形態において、第１のデータセットは、妊娠関連状態に関連するバイオマーカーの第１のセットを含む。いくつかの実施形態において、第２のデータセットは、妊娠関連状態に関連するバイオマーカーの第２のセットを含む。いくつかの実施形態において、バイオマーカーの第２のセットは、バイオマーカーの第１のセットとは異なる。

【0009】

いくつかの実施形態において、妊娠関連状態が、早産、満期出産、妊娠期間、出産予定日、分娩の開始、妊娠関連高血圧障害、子癇、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症、妊娠悪阻、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤、子宮内／胎児発育遅延、マクロソミア（妊娠期間に対して大きな胎児）、新生児の状態、及び胎児の発育段階又は状態からなる群から選択される。

【0010】

いくつかの実施形態において、妊娠関連状態は、早産を含む。いくつかの実施形態において、妊娠関連状態は、妊娠期間を含む。

【0011】

いくつかの実施形態において、無細胞生物試料は、無細胞リボ核酸（ｃｆＲＮＡ）、無細胞デオキシリボ核酸（ｃｆＤＮＡ）、無細胞胎児ＤＮＡ（ｃｆｆＤＮＡ）、血漿、血清、尿、唾液、羊水、及びそれらの誘導体からなる群から選択される。いくつかの実施形態において、無細胞生物試料は、エチレンジアミン四酢酸（ＥＤＴＡ）収集管、無細胞ＲＮＡ収集管、又は無細胞ＤＮＡ収集管を使用して、対象から得られるか、又は誘導される。いくつかの実施形態において、方法は、無細胞生物試料を得るために対象の全血試料を分画することをさらに含む。

【0012】

いくつかの実施形態において、第１のアッセイは、ｃｆＲＮＡアッセイ又はメタボロミクスアッセイを含む。いくつかの実施形態において、メタボロミクスアッセイは、標的質量分析（ＭＳ）又は免疫アッセイを含む。いくつかの実施形態において、無細胞生物試料は、ｃｆＲＮＡ又は尿を含む。いくつかの実施形態において、第１のアッセイ又は第２のアッセイは定量的ポリメラーゼ連鎖反応（ｑＰＣＲ）を含む。いくつかの実施形態において、第１のアッセイ又は第２のアッセイは、家庭環境で実施されるように構成された家庭用試験を含む。

【0013】

いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約８０％の感度で対象の妊娠関連状態の存在又は感受性を決定する。いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約９０％の感度で対象の妊娠関連状態の存在又は感受性を決定する。いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約９５％の感度で対象の妊娠関連状態の存在又は感受性を決定する。

【0014】

いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約７０％の陽性予測値（ＰＰＶ）で対象の妊娠関連状態の存在又は感受性を決定する。いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約８０％の陽性予測値（ＰＰＶ）で対象の妊娠関連状態の存在又は感受性を決定する。いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約９０％の陽性予測値（ＰＰＶ）で対象の妊娠関連状態の存在又は感受性を決定する。

【0015】

いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約０．９０の曲線下面積（ＡＵＣ）を有する対象の妊娠関連状態の存在又は感受性を決定する。いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約０．９５の曲線下面積（ＡＵＣ）を有する対象の妊娠関連状態の存在又は感受性を決定する。いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約０．９９の曲線下面積（ＡＵＣ）を有する対象の妊娠関連状態の存在又は感受性を決定する。

【0016】

いくつかの実施形態において、対象は、早産、分娩の開始、妊娠関連高血圧障害、子癇、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症、妊娠悪阻（つわり）、分娩中の出血又は過度の出血、前期破水、早産での前期破水、前置胎盤（子宮頸部を覆う胎盤）、子宮内／胎児発育遅延、マクロソミア（妊娠期間に対して大きな胎児）、新生児の状態、及び異常な胎児の発育段階又は状態の１つ又は複数について無症候性である。

【0017】

いくつかの実施形態において、訓練されたアルゴリズムは、妊娠関連状態の存在又は感受性に関連する少なくとも約１０個の独立した訓練試料を使用して訓練される。いくつかの実施形態において、訓練されたアルゴリズムは、妊娠関連状態の存在又は感受性に関連する約１００個以下の独立した訓練試料を使用して訓練される。いくつかの実施形態において、訓練されたアルゴリズムは、妊娠関連状態の存在又は感受性に関連する独立した訓練試料の第１のセットと、妊娠関連状態の非存在又は非感受性に関連する独立した訓練試料の第２のセットとを使用して訓練される。いくつかの実施形態において、方法は、訓練されたアルゴリズムを使用して、対象の臨床健康データのセットを処理して、妊娠関連状態の存在又は感受性を決定することをさらに含む。

【0018】

いくつかの実施形態において、（ａ）が、（ｉ）無細胞生物試料を、リボ核（ＲＮＡ）分子、デオキシリボ核酸（ＤＮＡ）分子、タンパク質又は代謝産物のセットを単離、濃縮、又は抽出するのに十分な条件に供すること、及び（ｉｉ）第１のアッセイを使用してＲＮＡ分子、ＤＮＡ分子、タンパク質、又は代謝産物のセットを分析して、第１のデータセットを生成すること、を含む。いくつかの実施形態において、方法は、無細胞生物試料から核酸分子のセットを抽出すること、及び核酸分子のセットを配列決定に供して配列決定リードのセットを生成することをさらに含み、第１のデータセットが、配列決定リードのセットを含む。いくつかの実施形態において、（ｂ）が、（ｉ）膣又は子宮頸部の生物試料を、微生物の集団を単離、濃縮又は抽出するのに十分な条件に供すること、及び（ｉｉ）第２のアッセイを使用して微生物の集団を分析して第２のデータセットを生成することを含む。

【0019】

いくつかの実施形態において、配列決定は、大規模並列配列決定である。いくつかの実施形態において、配列決定は、核酸増幅を含む。いくつかの実施形態において、核酸増幅は、ポリメラーゼ連鎖反応（ＰＣＲ）を含む。いくつかの実施形態において、配列決定は、同時逆転写（ＲＴ）及びポリメラーゼ連鎖反応（ＰＣＲ）の使用を含む。いくつかの実施形態において、方法は、１つ又は複数のゲノム遺伝子座のパネルに対応する核酸分子のセットを選択的に濃縮するように構成されたプローブを使用することをさらに含む。いくつかの実施形態において、プローブは、核酸プライマーである。いくつかの実施形態において、プローブは、１つ又は複数のゲノム遺伝子座のパネルの核酸配列との配列相補性を有する。

【0020】

いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルが、ＡＣＴＢ、ＡＤＡＭ１２、ＡＬＰＰ、ＡＮＸＡ３、ＡＰＬＦ、ＡＲＧ１、ＡＶＰＲ１Ａ、ＣＡＭＰ、ＣＡＰＮ６、ＣＤ１８０、ＣＧＡ、ＣＧＢ、ＣＬＣＮ３、ＣＰＶＬ、ＣＳＨ１、ＣＳＨ２、ＣＳＨＬ１、ＣＹＰ３Ａ７、ＤＡＰＰ１、ＤＣＸ、ＤＥＦＡ４、ＤＧＣＲ１４、ＥＬＡＮＥ、ＥＮＡＨ、ＥＰＢ４２、ＦＡＢＰ１、ＦＡＭ２１２Ｂ－ＡＳ１、ＦＧＡ、ＦＧＢ、ＦＲＭＤ４Ｂ、ＦＲＺＢ、ＦＳＴＬ３、ＧＨ２、ＧＮＡＺ、ＨＡＬ、ＨＳＤ１７Ｂ１、ＨＳＤ３Ｂ１、ＨＳＰＢ８、Ｉｍｍｕｎｅ、ＩＴＩＨ２、ＫＬＦ９、ＫＮＧ１、ＫＲＴ８、ＬＧＡＬＳ１４、ＬＴＦ、ＬＹＰＬＡＬ１、ＭＡＰ３Ｋ７ＣＬ、ＭＥＦ２Ｃ、ＭＭＤ、ＭＭＰ８、ＭＯＢ１Ｂ、ＮＦＡＴＣ２、ＯＴＣ、Ｐ２ＲＹ１２、ＰＡＰＰＡ、ＰＧＬＹＲＰ１、ＰＫＨＤ１Ｌ１、ＰＫＨＤ１Ｌ１、ＰＬＡＣ１、ＰＬＡＣ４、ＰＯＬＥ２、ＰＰＢＰ、ＰＳＧ１、ＰＳＧ４、ＰＳＧ７、ＰＴＧＥＲ３、ＲＡＢ１１Ａ、ＲＡＢ２７Ｂ、ＲＡＰ１ＧＡＰ、ＲＧＳ１８、ＲＰＬ２３ＡＰ７、Ｓ１００Ａ８、Ｓ１００Ａ９、Ｓ１００Ｐ、ＳＥＲＰＩＮＡ７、ＳＬＣ２Ａ２、ＳＬＣ３８Ａ４、ＳＬＣ４Ａ１、ＴＢＣ１Ｄ１５、ＶＣＡＮ、ＶＧＬＬ１、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される少なくとも１つのゲノム遺伝子座を含む。

【0021】

いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも５つの異なるゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも１０個の異なるゲノム遺伝子座を含む。

【0022】

いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルが、早産に関連するゲノム遺伝子座を含み、ゲノム遺伝子座が、ＡＤＡＭ１２、ＡＮＸＡ３、ＡＰＬＦ、ＡＶＰＲ１Ａ、ＣＡＭＰ、ＣＡＰＮ６、ＣＤ１８０、ＣＧＡ、ＣＧＢ、ＣＬＣＮ３、ＣＰＶＬ、ＣＳＨ２、ＣＳＨＬ１、ＣＹＰ３Ａ７、ＤＡＰＰ１、ＤＧＣＲ１４、ＥＬＡＮＥ、ＥＮＡＨ、ＦＡＭ２１２Ｂ－ＡＳ１、ＦＲＭＤ４Ｂ、ＧＨ２、ＨＳＰＢ８、Ｉｍｍｕｎｅ、ＫＬＦ９、ＫＲＴ８、ＬＧＡＬＳ１４、ＬＴＦ、ＬＹＰＬＡＬ１、ＭＡＰ３Ｋ７ＣＬ、ＭＭＤ、ＭＯＢ１Ｂ、ＮＦＡＴＣ２、Ｐ２ＲＹ１２、ＰＡＰＰＡ、ＰＧＬＹＲＰ１、ＰＫＨＤ１Ｌ１、ＰＫＨＤ１Ｌ１、ＰＬＡＣ１、ＰＬＡＣ４、ＰＯＬＥ２、ＰＰＢＰ、ＰＳＧ１、ＰＳＧ４、ＰＳＧ７、ＲＡＢ１１Ａ、ＲＡＢ２７Ｂ、ＲＡＰ１ＧＡＰ、ＲＧＳ１８、ＲＰＬ２３ＡＰ７、ＴＢＣ１Ｄ１５、ＶＣＡＮ、ＶＧＬＬ１、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される。

【0023】

いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルが、妊娠期間に関連するゲノム遺伝子座を含み、ゲノム遺伝子座が、ＡＣＴＢ、ＡＤＡＭ１２、ＡＬＰＰ、ＡＮＸＡ３、ＡＲＧ１、ＣＡＭＰ、ＣＡＰＮ６、ＣＧＡ、ＣＧＢ、ＣＳＨ１、ＣＳＨ２、ＣＳＨＬ１、ＣＹＰ３Ａ７、ＤＣＸ、ＤＥＦＡ４、ＥＰＢ４２、ＦＡＢＰ１、ＦＧＡ、ＦＧＢ、ＦＲＺＢ、ＦＳＴＬ３、ＧＨ２、ＧＮＡＺ、ＨＡＬ、ＨＳＤ１７Ｂ１、ＨＳＤ３Ｂ１、ＨＳＰＢ８、ＩＴＩＨ２、ＫＮＧ１、ＬＧＡＬＳ１４、ＬＴＦ、ＭＥＦ２Ｃ、ＭＭＰ８、ＯＴＣ、ＰＡＰＰＡ、ＰＧＬＹＲＰ１、ＰＬＡＣ１、ＰＬＡＣ４、ＰＳＧ１、ＰＳＧ４、ＰＳＧ７、ＰＴＧＥＲ３、Ｓ１００Ａ８、Ｓ１００Ａ９、Ｓ１００Ｐ、ＳＥＲＰＩＮＡ７、ＳＬＣ２Ａ２、ＳＬＣ３８Ａ４、ＳＬＣ４Ａ１、ＶＧＬＬ１、ＲＡＢ２７Ｂ、ＲＧＳ１８、ＣＬＣＮ３、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される。

【0024】

いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、出産予定日に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表１及び表７に列挙された遺伝子からなる群から選択される。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、妊娠期間に関連するゲノム遺伝子座を含み、ここで、ゲノム遺伝子座は、表２に列挙された遺伝子の群から選択される。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、早産に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表５に列挙される遺伝子、表６に列挙される遺伝子、表８に列挙される遺伝子、ＲＡＢ２７Ｂ、ＲＧＳ１８、ＣＬＣＮ３、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８及びＰＴＧＳ２からなる群から選択される。

【0025】

いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも５つの異なるゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも１０個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも２５個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも５０個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも１００個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも１５０個の異なるゲノム遺伝子座を含む。

【0026】

いくつかの実施形態において、無細胞生物試料は、核酸の単離、濃縮又は抽出なしで処理される。

【0027】

いくつかの実施形態において、レポートは、ユーザの電子デバイスのグラフィカル・ユーザ・インターフェース上に提示される。いくつかの実施形態において、ユーザは対象である。

【0028】

いくつかの実施形態において、方法は、対象の妊娠関連状態の存在又は感受性の決定の尤度を決定することをさらに含む。

【0029】

いくつかの実施形態において、訓練されたアルゴリズムは、教師あり機械学習アルゴリズムを含む。いくつかの実施形態において、教師あり機械学習アルゴリズムは、ディープ・ラーニング・アルゴリズム、サポート・ベクター・マシン（ＳＶＭ）、ニューラルネットワーク、又はＲａｎｄｏｍ Ｆｏｒｅｓｔを含む。

【0030】

いくつかの実施形態において、方法は、妊娠関連状態の存在又は感受性に対する治療的介入を対象に提供することをさらに含む。いくつかの実施形態において、治療的介入は、ヒドロキシプロゲステロンカプロン酸エステル、膣プロゲステロン、天然プロゲステロンＩＶＲ産物、プロスタグランジンＦ２アルファ受容体アンタゴニスト、又はベータ２－アドレナリン受容体アゴニストを含む。

【0031】

いくつかの実施形態において、方法は、妊娠関連状態の存在又は感受性をモニタリングすることをさらに含み、モニタリングすることが、複数の時点で対象の妊娠関連状態の存在又は感受性を評価することを含み、評価することが、複数の時点のそれぞれで（ｄ）において決定された妊娠関連状態の存在又は感受性に少なくとも基づく。

【0032】

いくつかの実施形態において、複数の時点の間の対象の妊娠関連状態の存在又は感受性の評価の差が、（ｉ）対象の妊娠関連状態の存在又は感受性の診断、（ｉｉ）対象の妊娠関連状態の存在又は感受性の予後、及び（ｉｉｉ）対象の妊娠関連状態の存在又は感受性を処置するための一連の処置の有効性又は非有効性からなる群から選択される１つ又は複数の臨床徴候を示す。

【0033】

いくつかの実施形態において、訓練されたアルゴリズムを使用して早産の複数の異なる分子サブタイプの中から早産の分子サブタイプを決定することによって早産を層別化することをさらに含む。いくつかの実施形態において、早産の複数の異なる分子サブタイプは、以前の早産の既往歴、自然早産、民族特異的早産リスク（例えば、アフリカ系アメリカ人の集団の中で）、及び早期の前期破水（ＰＰＲＯＭ）からなる群から選択される早産の分子サブタイプを含む。

【0034】

別の態様では、本開示は、対象の早産のリスクを予測するためのコンピュータ実装方法であって、（ａ）対象の臨床健康データを受け取ることであって、臨床健康データが、対象の複数の定量的又はカテゴリ尺度を含む、対象の臨床健康データを受け取ること、（ｂ）アルゴリズム（例えば、訓練されたアルゴリズム）を使用して対象の臨床健康データを処理し、対象の早産のリスクを示すリスクスコアを決定すること、及び（ｃ）対象の早産のリスクを示すリスクスコアを示すレポートを電子的に出力すること、を含むコンピュータ実装方法を提供する。

【0035】

いくつかの実施形態において、臨床健康データは、年齢、体重、身長、肥満度指数（ＢＭＩ）、血圧、心拍数、血糖値、以前の妊娠回数、及び以前の出産回数からなる群から選択される１つ又は複数の定量的測定を含む。いくつかの実施形態において、臨床健康データは、人種、民族性、薬物又は他の臨床処置の履歴、タバコ使用の履歴、アルコール摂取の履歴、毎日の活動又はフィットネスレベル、遺伝子検査結果、血液検査結果、画像診断結果、及び胎児スクリーニング結果からなる群から選択される１つ又は複数のカテゴリ尺度を含む。

【0036】

いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約８０％の感度で対象の早産のリスクを決定する。いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約８０％の特異度で対象の早産のリスクを決定する。いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約８０％の陽性予測値（ＰＰＶ）で対象の早産のリスクを決定する。いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約８０％の陰性予測値（ＮＰＶ）で対象の早産のリスクを決定する。いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約０．９の曲線下面積（ＡＵＣ）で対象の早産のリスクを決定する。

【0037】

いくつかの実施形態において、対象は、早産、分娩の開始、妊娠関連高血圧障害、子癇、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症、妊娠悪阻（つわり）、分娩中の出血又は過度の出血、前期破水、早産での前期破水、前置胎盤（子宮頸部を覆う胎盤）、子宮内／胎児発育遅延、マクロソミア（妊娠期間に対して大きな胎児）、新生児の状態、及び異常な胎児の発育段階又は状態の１つ又は複数について無症候性である。

【0038】

いくつかの実施形態において、訓練されたアルゴリズムは、早産に関連する少なくとも約１０個の独立した訓練試料を使用して訓練される。いくつかの実施形態において、訓練されたアルゴリズムは、早産に関連する約１００個以下の独立した訓練試料を使用して訓練される。いくつかの実施形態において、訓練されたアルゴリズムは、早産の存在に関連する独立した訓練試料の第１のセット及び早産の非存在に関連する独立した訓練試料の第２のセットを使用して訓練される。

【0039】

いくつかの実施形態において、レポートは、ユーザの電子デバイスのグラフィカル・ユーザ・インターフェース上に提示される。いくつかの実施形態において、ユーザは対象である。

【0040】

いくつかの実施形態において、訓練されたアルゴリズムは、教師あり機械学習アルゴリズムを含む。いくつかの実施形態において、教師あり機械学習アルゴリズムは、ディープ・ラーニング・アルゴリズム、サポート・ベクター・マシン（ＳＶＭ）、ニューラルネットワーク、又はＲａｎｄｏｍ Ｆｏｒｅｓｔを含む。

【0041】

いくつかの実施形態において、方法は、早産のリスクを示すリスクスコアに少なくとも部分的に基づいて治療的介入を対象に提供することをさらに含む。いくつかの実施形態において、治療的介入は、ヒドロキシプロゲステロンカプロン酸エステル、膣プロゲステロン、天然プロゲステロンＩＶＲ産物、プロスタグランジンＦ２アルファ受容体アンタゴニスト、又はベータ２－アドレナリン受容体アゴニストを含む。

【0042】

いくつかの実施形態では、方法は、早産のリスクをモニタリングすることをさらに含み、モニタリングすることが、複数の時点で対象の早産のリスクを評価することを含み、評価することが、複数の時点のそれぞれで（ｂ）において決定された早産のリスクを示すリスクスコアに少なくとも基づく。

【0043】

いくつかの実施形態では、方法は、対象の早産のリスクを示す更新されたリスクスコアを決定するために、対象に対して１つ又は複数の後続の臨床試験を実施し、訓練されたアルゴリズムを使用して１つ又は複数の後続の臨床試験からの結果を処理することによって、対象の早産のリスクを示すリスクスコアを精緻化することをさらに含む。いくつかの実施形態において、１つ又は複数の後続の臨床試験は、超音波画像診断又は血液検査を含む。いくつかの実施形態において、リスクスコアは、所定の期間内に対象が早産を経験する尤度を含む。

【0044】

いくつかの実施形態において、所定の期間は、約１時間、約２時間、約４時間、約６時間、約８時間、約１０時間、約１２時間、約１４時間、約１６時間、約１８時間、約２０時間、約２２時間、約２４時間、約１．５日間、約２日間、約２．５日間、約３日間、約３．５日間、約４日間、約４．５日間、約５日間、約５．５日間、約６日間、約６．５日間、約７日間、約８日間、約９日間、約１０日間、約１２日間、約１４日間、約３週間、約４週間、約５週間、約６週間、約７週間、約８週間、約９週間、約１０週間、約１１週間、約１２週間、約１３週間、又は約１３週間超である。

【0045】

別の態様では、本開示は、対象の早産のリスクを予測するためのコンピュータシステムであって、対象の臨床健康データを記憶するように構成されたデータベースであって、臨床健康データが、対象の複数の定量的又はカテゴリ尺度を含む、データベース、及びデータベースに動作可能に結合された１つ又は複数のコンピュータプロセッサであって、１つ又は複数のコンピュータプロセッサは、（ｉ）アルゴリズム（例えば、訓練されたアルゴリズム）を使用して、対象の臨床健康データを処理し、対象の早産のリスクを示すリスクスコアを決定するため、及び（ｉｉ）対象の早産のリスクを示すリスクスコアを示すレポートを電子的に出力するために、個別に集合的にプログラムされている、データベースに動作可能に結合された１つ又は複数のコンピュータプロセッサ、を含むコンピュータシステムを提供する。

【0046】

いくつかの実施形態において、コンピュータシステムは、１つ又は複数のコンピュータプロセッサに動作可能に結合された電子ディスプレイをさらに備え、電子ディスプレイは、レポートを表示するように構成されたグラフィカル・ユーザ・インターフェースを備える。

【0047】

別の態様では、本開示は、１つ又は複数のコンピュータプロセッサによって実行されると、対象の早産のリスクを予測するための方法を実施する機械実行可能コードを含む非一時的コンピュータ可読媒体であって、方法が、（ａ）対象の臨床健康データを受け取ることであって、臨床健康データが、対象の複数の定量的又はカテゴリ尺度を含む、対象の臨床健康データを受け取ること、（ｂ）アルゴリズム（例えば、訓練されたアルゴリズム）を使用して対象の臨床健康データを処理し、対象の早産のリスクを示すリスクスコアを決定すること、及び（ｃ）対象の早産のリスクを示すリスクスコアを示すレポートを電子的に出力すること、を含む非一時的コンピュータ可読媒体を提供する。

【0048】

別の態様では、本開示は、妊娠している対象の胎児の出産予定日、出産予定日範囲、又は妊娠期間を決定するための方法であって、妊娠している対象に由来する無細胞生物試料をアッセイして、バイオマーカーのセットを検出すること、及びバイオマーカーのセットを訓練されたアルゴリズムで分析して、胎児の出産予定日、出産予定日範囲、又は妊娠期間を決定することを含む、方法を提供する。

【0049】

いくつかの実施形態において、方法は、訓練されたアルゴリズムを使用して妊娠している対象の胎児の推定出産予定日を分析することをさらに含み、推定出産予定日は、胎児の超音波測定値から生成される。いくつかの実施形態において、バイオマーカーのセットは、出産予定日に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表１及び表７に列挙された遺伝子の群から選択される。

【0050】

いくつかの実施形態において、バイオマーカーのセットは、少なくとも５つの異なるゲノム遺伝子座を含む。いくつかの実施形態において、バイオマーカーのセットは、少なくとも１０個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、バイオマーカーのセットは、少なくとも２５個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、バイオマーカーのセットは、少なくとも５０個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、バイオマーカーのセットは、少なくとも１００個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、バイオマーカーのセットは、少なくとも１５０個の異なるゲノム遺伝子座を含む。

【0051】

いくつかの実施形態において、方法は、決定された出産予定日に少なくとも部分的に基づいて、妊娠している対象に対する臨床介入を同定することをさらに含む。いくつかの実施形態において、臨床介入は、複数の臨床介入から選択される。

【0052】

いくつかの実施形態において、分娩までの時間は７．５週間未満である。いくつかの実施形態において、ゲノム遺伝子座が、ＡＣＫＲ２、ＡＫＡＰ３、ＡＮＯ５、Ｃ１ｏｒｆ２１、Ｃ２ｏｒｆ４２、ＣＡＲＮＳ１、ＣＡＳＣ１５、ＣＣＤＣ１０２Ｂ、ＣＤＣ４５、ＣＤＩＰＴ、ＣＭＴＭ１、ＣＯＰＳ８、ＣＴＤ－２２６７Ｄ１９．３、ＣＴＤ－２３４９Ｐ２１．９、ＣＸｏｒｆ６５、ＤＤＸ１１Ｌ１、ＤＧＵＯＫ、ＤＰＡＧＴ１、ＥＩＦ４Ａ１Ｐ２、ＦＡＮＫ１、ＦＥＲＭＴ１、ＦＫＲＰ、ＧＡＭＴ、ＧＯＬＧＡ６Ｌ４、ＫＬＬＮ、ＬＩＮＣ０１３４７、ＬＴＡ、ＭＡＰＫ１２、ＭＥＴＲＮ、ＭＫＲＮ４Ｐ、ＭＰＣ２、ＭＹＬ１２ＢＰ１、ＮＭＥ４、ＮＰＭ１Ｐ３０、ＰＣＬＯ、ＰＩＦ１、ＰＴＰ４Ａ３、ＲＩＭＫＬＢ、ＲＰ１３－８８Ｆ２０．１、Ｓ１００Ｂ、ＳＩＧＬＥＣ１４、ＳＬＡＩＮ１、ＳＰＡＴＡ３３、ＴＦＡＰ２Ｃ、ＴＭＳＢ４ＸＰ８、ＴＲＧＶ１０、及びＺＮＦ１２４から選択される。

【0053】

いくつかの実施形態において、分娩までの時間は５週間未満である。いくつかの実施形態において、ゲノム遺伝子座が、Ｃ２ｏｒｆ６８、ＣＡＣＮＢ３、ＣＤ４０、ＣＤＫＬ５、ＣＴＢＳ、ＣＴＤ－２２７２Ｇ２１．２、ＣＸＣＬ８、ＤＨＲＳ７Ｂ、ＥＩＦ５Ａ２、ＩＦＩＴＭ３、ｍｉＲ２４－２、ＭＴＳＳ１、ＭＹＳＭ１、ＮＣＫ１－ＡＳ１、ＮＲ１Ｈ４、ＰＤＥ１Ｃ、ＰＥＭＴ、ＰＥＸ７、ＰＩＦ１、ＰＰＰ２Ｒ３Ａ、ＲＡＢＩＦ、ＳＩＧＬＥＣ１４、ＳＬＣ２５Ａ５３、ＳＰＡＮＸＮ４、ＳＵＰＴ３Ｈ、ＺＣ２ＨＣ１Ｃ、ＺＭＹＭ１、及びＺＮＦ１２４から選択される。

【0054】

いくつかの実施形態において、分娩までの時間は７．５週間未満である。いくつかの実施形態において、ゲノム遺伝子座が、ＡＣＫＲ２、ＡＫＡＰ３、ＡＮＯ５、Ｃ１ｏｒｆ２１、Ｃ２ｏｒｆ４２、ＣＡＲＮＳ１、ＣＡＳＣ１５、ＣＣＤＣ１０２Ｂ、ＣＤＣ４５、ＣＤＩＰＴ、ＣＭＴＭ１、ｃｏｌｌｅｃｔｉｏｎｇａ、ＣＯＰＳ８、ＣＴＤ－２２６７Ｄ１９．３、ＣＴＤ－２３４９Ｐ２１．９、ＤＤＸ１１Ｌ１、ＤＧＵＯＫ、ＤＰＡＧＴ１、ＥＩＦ４Ａ１Ｐ２、ＦＡＮＫ１、ＦＥＲＭＴ１、ＦＫＲＰ、ＧＡＭＴ、ＧＯＬＧＡ６Ｌ４、ＫＬＬＮ、ＬＩＮＣ０１３４７、ＬＴＡ、ＭＡＰＫ１２、ＭＥＴＲＮ、ＭＰＣ２、ＭＹＬ１２ＢＰ１、ＮＭＥ４、ＮＰＭ１Ｐ３０、ＰＣＬＯ、ＰＩＦ１、ＰＴＰ４Ａ３、ＲＩＭＫＬＢ、ＲＰ１３－８８Ｆ２０．１、Ｓ１００Ｂ、ＳＩＧＬＥＣ１４、ＳＬＡＩＮ１、ＳＰＡＴＡ３３、ＳＴＡＴ１、ＴＦＡＰ２Ｃ、ＴＭＥＭ９４、ＴＭＳＢ４ＸＰ８、ＴＲＧＶ１０、ＺＮＦ１２４、及びＺＮＦ７１３から選択される。

【0055】

いくつかの実施形態において、分娩までの時間は５週間未満である。いくつかの実施形態において、ゲノム遺伝子座が、ＡＴＰ６Ｖ１Ｅ１Ｐ１、ＡＴＰ８Ａ２、Ｃ２ｏｒｆ６８、ＣＡＣＮＢ３、ＣＤ４０、ＣＤＫＬ４、ＣＤＫＬ５、ＣＥＰ１５２、ＣＬＥＣ４Ｄ、ＣＯＬ１８Ａ１、ｃｏｌｌｅｃｔｉｏｎｇａ、ＣＯＸ１６、ＣＴＢＳ、ＣＴＤ－２２７２Ｇ２１．２、ＣＸＣＬ２、ＣＸＣＬ８、ＤＨＲＳ７Ｂ、ＤＰＰＡ４、ＥＩＦ５Ａ２、ＦＥＲＭＴ１、ＧＮＢ１Ｌ、ＩＦＩＴＭ３、ＫＡＴＮＡＬ１、ＬＲＣＨ４、ＭＢＤ６、ＭＩＲ２４－２、ＭＴＳＳ１、ＭＹＳＭ１、ＮＣＫ１－ＡＳ１、ＮＰＩＰＢ４、ＮＲ１Ｈ４、ＰＤＥ１Ｃ、ＰＥＭＴ、ＰＥＸ７、ＰＩＦ１、ＰＰＰ２Ｒ３Ａ、ＰＸＤＮ、ＲＡＢＩＦ、ＳＥＲＴＡＤ３、ＳＩＧＬＥＣ１４、ＳＬＣ２５Ａ５３、ＳＰＡＮＸＮ４、ＳＳＨ３、ＳＵＰＴ３Ｈ、ＴＭＥＭ１５０Ｃ、ＴＮＦＡＩＰ６、ＵＰＰ１、ＸＫＲ８、ＺＣ２ＨＣ１Ｃ、ＺＭＹＭ１、及びＺＮＦ１２４から選択される。

【0056】

いくつかの実施形態において、訓練されたアルゴリズムは、線形回帰モデル又はＡＮＯＶＡモデルを含む。いくつかの実施形態において、ＡＮＯＶＡモデルは、複数の時間ウィンドウの中から出産予定日に対応する最尤時間ウィンドウを決定する。いくつかの実施形態において、最尤時間ウィンドウは、１週間、２週間、３週間、４週間、５週間、６週間、７週間、８週間、９週間、１０週間、１１週間、１２週間、１３週間、１４週間、１５週間、１６週間、１７週間、１８週間、１９週間、又は２０週間の分娩までの時間に対応する。いくつかの実施形態において、ＡＮＯＶＡモデルは、複数の時間ウィンドウの中から出産予定日に対応する時間ウィンドウの確率又は尤度を決定する。いくつかの実施形態において、ＡＮＯＶＡモデルは、平均又は予想される時間ウィンドウ距離を決定するために、複数の時間ウィンドウにわたる確率加重平均を計算する。

【0057】

別の態様では、本開示は、対象の妊娠関連状態の存在又は感受性を同定又はモニタリングための方法であって、（ａ）第１のアッセイを使用して、対象に由来する第１の無細胞生物試料を処理し、第１のデータセットを生成すること、（ｂ）（ａ）で生成された第１のデータセットに少なくとも部分的に基づいて、第１のアッセイとは異なる第２のアッセイを使用して、対象に由来する第２の無細胞生物試料を処理し、第１のデータセットよりも高い特異度で妊娠関連状態の存在又は感受性を示す第２のデータセットを生成すること、（ｃ）訓練されたアルゴリズムを使用して少なくとも２番目のデータセットを処理し、妊娠関連状態の存在又は感受性を決定することであって、訓練されたアルゴリズムは、５０の独立した試料で少なくとも約８０％の精度を有する、決定すること、及び（ｄ）対象の妊娠関連状態の存在又は感受性を示すレポートを電子的に出力すること、を含む方法を提供する。

【0058】

いくつかの実施形態において、第１のアッセイは、トランスクリプトームデータを生成するために第１の無細胞生物試料に由来する無細胞リボ核酸（ｃｆＲＮＡ）分子を使用すること、ゲノムデータを生成するために第１の無細胞生物試料に由来する無細胞デオキシリボ核酸（ｃｆＤＮＡ）分子を使用すること、プロテオミクスデータを生成するために第１の無細胞生物試料に由来するタンパク質を使用すること、又はメタボロミクスデータを生成するために第１の無細胞生物試料に由来する代謝産物を使用することを含む。いくつかの実施形態において、第１の無細胞生物試料は、対象の血液に由来する。いくつかの実施形態において、第１の無細胞生物試料は、対象の尿に由来する。いくつかの実施形態において、第１のデータセットは、妊娠関連状態に関連するバイオマーカーの第１のセットを含む。いくつかの実施形態において、第２のデータセットは、妊娠関連状態に関連するバイオマーカーの第２のセットを含む。いくつかの実施形態において、バイオマーカーの第２のセットは、バイオマーカーの第１のセットとは異なる。

【0059】

いくつかの実施形態において、妊娠関連状態は、早産、満期出産、妊娠期間、出産予定日、分娩の開始、妊娠関連高血圧障害（例えば、子癇前症）、子癇、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症（例えば、産後うつ病、出血又は過剰出血、肺塞栓症、心筋症、糖尿病、貧血及び高血圧性障害）、妊娠悪阻（つわり）、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤（子宮頸部を覆う胎盤）、子宮内／胎児発育遅延、マクロソミア（妊娠期間に対して大きな胎児）、新生児の状態（例えば、貧血、無呼吸、徐脈及びその他の心臓の欠陥、気管支肺異形成症又は慢性肺疾患、糖尿病、胃壁破裂、水頭症、高ビリルビン血症、低カルシウム血症、低血糖症、脳室内出血、黄疸、壊死性腸炎、動脈管開存症、脳室周囲白質軟化症、持続性肺高血圧症、赤血球増加症、呼吸窮迫症候群、未熟児網膜症、及び一過性頻呼吸）、及び胎児の発育段階又は状態（例えば、正常な胎児の臓器の機能又は発達、及び異常な胎児の臓器の機能又は発達）からなる群から選択される。いくつかの実施形態において、妊娠関連状態は、早産を含む。いくつかの実施形態において、妊娠関連状態は、妊娠期間を含む。いくつかの実施形態において、無細胞生物試料は、無細胞リボ核酸（ｃｆＲＮＡ）、無細胞デオキシリボ核酸（ｃｆＤＮＡ）、無細胞胎児ＤＮＡ（ｃｆｆＤＮＡ）、血漿、血清、尿、唾液、羊水、及びそれらの誘導体からなる群から選択される。いくつかの実施形態において、第１の無細胞生物試料又は第２の無細胞生物試料は、エチレンジアミン四酢酸（ＥＤＴＡ）収集管、無細胞ＲＮＡ収集管、又は無細胞ＤＮＡ収集管を使用して、対象から得られるか又は誘導される。いくつかの実施形態において、方法は、第１の無細胞生物試料又は第２の無細胞生物試料を得るために対象の全血試料を分画することをさらに含む。いくつかの実施形態において、（ｉ）第１のアッセイはｃｆＲＮＡアッセイを含み、第２のアッセイはメタボロミクスアッセイを含むか、又は（ｉｉ）第１のアッセイはメタボロミクスアッセイを含み、第２のアッセイはｃｆＲＮＡアッセイを含む。いくつかの実施形態において、（ｉ）第１の無細胞生物試料はｃｆＲＮＡを含み、第２の無細胞生物試料は尿を含むか、又は（ｉｉ）第１の無細胞生物試料は尿を含み、第２の無細胞生物試料はｃｆＲＮＡを含む。いくつかの実施形態において、第１のアッセイ又は第２のアッセイは、定量的ポリメラーゼ連鎖反応（ｑＰＣＲ）を含む。いくつかの実施形態において、第１のアッセイ又は第２のアッセイは、家庭環境で行われるように構成された家庭用試験を含む。いくつかの実施形態において、第１のアッセイ又は第２のアッセイは、メタボロミクスアッセイを含む。いくつかの実施形態において、メタボロミクスアッセイは、標的質量分析（ＭＳ）又は免疫アッセイを含む。

【0060】

いくつかの実施形態において、第１のデータセットは、少なくとも約８０％の感度で妊娠関連状態の存在又は感受性を示す。いくつかの実施形態において、第１のデータセットは、少なくとも約９０％の感度で妊娠関連状態の存在又は感受性を示す。いくつかの実施形態において、第１のデータセットは、少なくとも約９５％の感度で妊娠関連状態の存在又は感受性を示す。いくつかの実施形態において、第１のデータセットは、少なくとも約７０％の陽性予測値（ＰＰＶ）での妊娠関連状態の存在又は感受性を示す。いくつかの実施形態において、第１のデータセットは、少なくとも約８０％の陽性予測値（ＰＰＶ）での妊娠関連状態の存在又は感受性を示す。いくつかの実施形態において、第１のデータセットは、少なくとも約９０％の陽性予測値（ＰＰＶ）での妊娠関連状態の存在又は感受性を示す。いくつかの実施形態において、第２のデータセットは、少なくとも約９０％の特異度で妊娠関連状態の存在又は感受性を示す。いくつかの実施形態において、第２のデータセットは、少なくとも約９５％の特異度で妊娠関連状態の存在又は感受性を示す。いくつかの実施形態において、第２のデータセットは、少なくとも約９９％の特異度で妊娠関連状態の存在又は感受性を示す。いくつかの実施形態において、第２のデータセットは、少なくとも約９０％の陰性予測値（ＮＰＶ）での妊娠関連状態の存在又は感受性を示す。いくつかの実施形態において、第２のデータセットは、少なくとも約９５％の陰性予測値（ＮＰＶ）での妊娠関連状態の存在又は感受性を示す。いくつかの実施形態において、第２のデータセットは、少なくとも約９９％の陰性予測値（ＮＰＶ）での妊娠関連状態の存在又は感受性を示す。いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約０．９０の曲線下面積（ＡＵＣ）を有する対象の妊娠関連状態の存在又は感受性を決定する。いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約０．９５の曲線下面積（ＡＵＣ）を有する対象の妊娠関連状態の存在又は感受性を決定する。いくつかの実施形態において、訓練されたアルゴリズムは、少なくとも約０．９９の曲線下面積（ＡＵＣ）を有する対象の妊娠関連状態の存在又は感受性を決定する。

【0061】

いくつかの実施形態において、対象は、早産、満期出産、妊娠期間、出産予定日、分娩の開始、妊娠関連高血圧障害（例えば、子癇前症）、子癇、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症（例えば、産後うつ病、出血又は過剰出血、肺塞栓症、心筋症、糖尿病、貧血及び高血圧性障害）、妊娠悪阻（つわり）、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤（子宮頸部を覆う胎盤）、子宮内／胎児発育遅延、マクロソミア（妊娠期間に対して大きな胎児）、新生児の状態（例えば、貧血、無呼吸、徐脈及びその他の心臓の欠陥、気管支肺異形成症又は慢性肺疾患、糖尿病、胃壁破裂、水頭症、高ビリルビン血症、低カルシウム血症、低血糖症、脳室内出血、黄疸、壊死性腸炎、動脈管開存症、脳室周囲白質軟化症、持続性肺高血圧症、赤血球増加症、呼吸窮迫症候群、未熟児網膜症、及び一過性頻呼吸）、及び異常な胎児の発育段階又は状態（例えば、異常な胎児の臓器の機能又は発達）のうちの１つ又は複数において無症候性である。いくつかの実施形態において、訓練されたアルゴリズムは、妊娠関連状態に関連する少なくとも約１０個の独立した訓練試料を使用して訓練される。いくつかの実施形態において、訓練されたアルゴリズムは、妊娠関連状態に関連する約１００個以下の独立した訓練試料を使用して訓練される。いくつかの実施形態において、訓練されたアルゴリズムは、妊娠関連状態の存在に関連する独立した訓練試料の第１のセットと、妊娠関連状態の非存在に関連する独立した訓練試料の第２のセットとを使用して訓練される。いくつかの実施形態において、方法は、訓練されたアルゴリズムを使用して第１のデータセットを処理し、妊娠関連状態の存在又は感受性を決定することをさらに含む。いくつかの実施形態において、方法は、訓練されたアルゴリズムを使用して、対象の臨床健康データのセットを処理して、妊娠関連状態の存在又は感受性を決定することをさらに含む。

【0062】

いくつかの実施形態において、（ａ）は、（ｉ）第１の無細胞生物試料を、リボ核酸（ＲＮＡ）分子、デオキシリボ核酸（ＤＮＡ）分子、タンパク質、又は代謝産物の第１のセットを単離、濃縮、又は抽出するのに十分な条件に供すること、及び（ｉｉ）第１のデータセットを生成するために、第１のアッセイを使用してＲＮＡ分子、ＤＮＡ分子、タンパク質、又は代謝産物の第１のセットを分析することを含む。いくつかの実施形態において、方法は、第１の無細胞生物試料から第１の核酸分子のセットを抽出すること、及び第１の核酸分子のセットを配列決定に供して第１の配列決定リードセットを生成することをさらに含み、第１のデータセットは、第１の配列決定リードセットを含む。いくつかの実施形態において、方法は、第１の無細胞生物試料から第１の代謝産物セットを抽出すること、及び第１のデータセットを生成するために第１の代謝産物セットをアッセイすることをさらに含む。いくつかの実施形態において、（ｂ）は、（ｉ）第２の無細胞生物試料を、第２のリボ核酸（ＲＮＡ）分子、デオキシリボ核酸（ＤＮＡ）分子、タンパク質、又は代謝産物のセットを単離、濃縮、又は抽出するのに十分な条件に供すること、及び（ｉｉ）第２のデータセットを生成するために第２のアッセイを使用して第２のＲＮＡ分子、ＤＮＡ分子、タンパク質、又は代謝産物のセットを分析することを含む。いくつかの実施形態において、方法は、第２の無細胞生物試料から第２の核酸分子のセットを抽出すること、及び第２の核酸分子のセットを配列決定に供して第２の配列決定リードセットを生成することをさらに含み、第２のデータセットは、第２の配列決定リードセットを含む。いくつかの実施形態において、方法は、第２の無細胞生物試料から第２の代謝産物セットを抽出すること、及び第２のデータセットを生成するために第２の代謝産物セットをアッセイすることをさらに含む。いくつかの実施形態において、配列決定は、大規模並列配列決定である。いくつかの実施形態において、配列決定は、核酸増幅を含む。いくつかの実施形態において、核酸増幅は、ポリメラーゼ連鎖反応（ＰＣＲ）を含む。いくつかの実施形態において、配列決定は、同時逆転写（ＲＴ）及びポリメラーゼ連鎖反応（ＰＣＲ）の使用を含む。

【0063】

いくつかの実施形態において、方法は、１つ又は複数のゲノム遺伝子座のパネルに対応する第１の核酸分子のセット又は第２の核酸分子のセットを選択的に濃縮するように構成されたプローブを使用することをさらに含む。いくつかの実施形態において、プローブは核酸プライマーである。いくつかの実施形態において、プローブは、１つ又は複数のゲノム遺伝子座のパネルの核酸配列との配列相補性を有する。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルが、ＡＣＴＢ、ＡＤＡＭ１２、ＡＬＰＰ、ＡＮＸＡ３、ＡＰＬＦ、ＡＲＧ１、ＡＶＰＲ１Ａ、ＣＡＭＰ、ＣＡＰＮ６、ＣＤ１８０、ＣＧＡ、ＣＧＢ、ＣＬＣＮ３、ＣＰＶＬ、ＣＳＨ１、ＣＳＨ２、ＣＳＨＬ１、ＣＹＰ３Ａ７、ＤＡＰＰ１、ＤＣＸ、ＤＥＦＡ４、ＤＧＣＲ１４、ＥＬＡＮＥ、ＥＮＡＨ、ＥＰＢ４２、ＦＡＢＰ１、ＦＡＭ２１２Ｂ－ＡＳ１、ＦＧＡ、ＦＧＢ、ＦＲＭＤ４Ｂ、ＦＲＺＢ、ＦＳＴＬ３、ＧＨ２、ＧＮＡＺ、ＨＡＬ、ＨＳＤ１７Ｂ１、ＨＳＤ３Ｂ１、ＨＳＰＢ８、Ｉｍｍｕｎｅ、ＩＴＩＨ２、ＫＬＦ９、ＫＮＧ１、ＫＲＴ８、ＬＧＡＬＳ１４、ＬＴＦ、ＬＹＰＬＡＬ１、ＭＡＰ３Ｋ７ＣＬ、ＭＥＦ２Ｃ、ＭＭＤ、ＭＭＰ８、ＭＯＢ１Ｂ、ＮＦＡＴＣ２、ＯＴＣ、Ｐ２ＲＹ１２、ＰＡＰＰＡ、ＰＧＬＹＲＰ１、ＰＫＨＤ１Ｌ１、ＰＫＨＤ１Ｌ１、ＰＬＡＣ１、ＰＬＡＣ４、ＰＯＬＥ２、ＰＰＢＰ、ＰＳＧ１、ＰＳＧ４、ＰＳＧ７、ＰＴＧＥＲ３、ＲＡＢ１１Ａ、ＲＡＢ２７Ｂ、ＲＡＰ１ＧＡＰ、ＲＧＳ１８、ＲＰＬ２３ＡＰ７、Ｓ１００Ａ８、Ｓ１００Ａ９、Ｓ１００Ｐ、ＳＥＲＰＩＮＡ７、ＳＬＣ２Ａ２、ＳＬＣ３８Ａ４、ＳＬＣ４Ａ１、ＴＢＣ１Ｄ１５、ＶＣＡＮ、ＶＧＬＬ１、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される少なくとも１つのゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも５つの異なるゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも１０個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルが、早産に関連するゲノム遺伝子座を含み、ゲノム遺伝子座が、ＡＤＡＭ１２、ＡＮＸＡ３、ＡＰＬＦ、ＡＶＰＲ１Ａ、ＣＡＭＰ、ＣＡＰＮ６、ＣＤ１８０、ＣＧＡ、ＣＧＢ、ＣＬＣＮ３、ＣＰＶＬ、ＣＳＨ２、ＣＳＨＬ１、ＣＹＰ３Ａ７、ＤＡＰＰ１、ＤＧＣＲ１４、ＥＬＡＮＥ、ＥＮＡＨ、ＦＡＭ２１２Ｂ－ＡＳ１、ＦＲＭＤ４Ｂ、ＧＨ２、ＨＳＰＢ８、Ｉｍｍｕｎｅ、ＫＬＦ９、ＫＲＴ８、ＬＧＡＬＳ１４、ＬＴＦ、ＬＹＰＬＡＬ１、ＭＡＰ３Ｋ７ＣＬ、ＭＭＤ、ＭＯＢ１Ｂ、ＮＦＡＴＣ２、Ｐ２ＲＹ１２、ＰＡＰＰＡ、ＰＧＬＹＲＰ１、ＰＫＨＤ１Ｌ１、ＰＫＨＤ１Ｌ１、ＰＬＡＣ１、ＰＬＡＣ４、ＰＯＬＥ２、ＰＰＢＰ、ＰＳＧ１、ＰＳＧ４、ＰＳＧ７、ＲＡＢ１１Ａ、ＲＡＢ２７Ｂ、ＲＡＰ１ＧＡＰ、ＲＧＳ１８、ＲＰＬ２３ＡＰ７、ＴＢＣ１Ｄ１５、ＶＣＡＮ、ＶＧＬＬ１、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルが、妊娠期間に関連するゲノム遺伝子座を含み、ゲノム遺伝子座が、ＡＣＴＢ、ＡＤＡＭ１２、ＡＬＰＰ、ＡＮＸＡ３、ＡＲＧ１、ＣＡＭＰ、ＣＡＰＮ６、ＣＧＡ、ＣＧＢ、ＣＳＨ１、ＣＳＨ２、ＣＳＨＬ１、ＣＹＰ３Ａ７、ＤＣＸ、ＤＥＦＡ４、ＥＰＢ４２、ＦＡＢＰ１、ＦＧＡ、ＦＧＢ、ＦＲＺＢ、ＦＳＴＬ３、ＧＨ２、ＧＮＡＺ、ＨＡＬ、ＨＳＤ１７Ｂ１、ＨＳＤ３Ｂ１、ＨＳＰＢ８、ＩＴＩＨ２、ＫＮＧ１、ＬＧＡＬＳ１４、ＬＴＦ、ＭＥＦ２Ｃ、ＭＭＰ８、ＯＴＣ、ＰＡＰＰＡ、ＰＧＬＹＲＰ１、ＰＬＡＣ１、ＰＬＡＣ４、ＰＳＧ１、ＰＳＧ４、ＰＳＧ７、ＰＴＧＥＲ３、Ｓ１００Ａ８、Ｓ１００Ａ９、Ｓ１００Ｐ、ＳＥＲＰＩＮＡ７、ＳＬＣ２Ａ２、ＳＬＣ３８Ａ４、ＳＬＣ４Ａ１、ＶＧＬＬ１、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、出産予定日に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表１及び表７に列挙された遺伝子の群から選択される。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、妊娠期間に関連するゲノム遺伝子座を含み、ここで、ゲノム遺伝子座は、表２に列挙された遺伝子の群から選択される。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、早産に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表５に列挙される遺伝子、表６に列挙される遺伝子、表８に列挙される遺伝子、ＲＡＢ２７Ｂ、ＲＧＳ１８、ＣＬＣＮ３、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２の群から選択される。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも５つの異なるゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも１０個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも２５個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも５０個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも１００個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、１つ又は複数のゲノム遺伝子座のパネルは、少なくとも１５０個の異なるゲノム遺伝子座を含む。いくつかの実施形態において、第１の無細胞生物試料又は第２の無細胞生物試料は、核酸の単離、濃縮、又は抽出なしで処理される。いくつかの実施形態において、レポートは、ユーザの電子デバイスのグラフィカル・ユーザ・インターフェース上に提示される。いくつかの実施形態において、ユーザは、対象である。

【0064】

いくつかの実施形態において、方法は、対象の妊娠関連状態の存在又は感受性の決定の尤度を決定することをさらに含む。いくつかの実施形態において、訓練されたアルゴリズムは、教師あり機械学習アルゴリズムを含む。いくつかの実施形態において、教師あり機械学習アルゴリズムは、ディープ・ラーニング・アルゴリズム、サポート・ベクター・マシン（ＳＶＭ）、ニューラルネットワーク、又はＲａｎｄｏｍ Ｆｏｒｅｓｔを含む。いくつかの実施形態において、方法は、妊娠関連状態の存在又は感受性のための治療的介入を対象に提供することをさらに含む。いくつかの実施形態において、治療的介入は、プロゲステロン処置、例えば、ヒドロキシプロゲステロンカプロン酸エステル（例えば、１７－アルファヒドロキシプロゲステロンカプロン酸エステル（１７－Ｐ）、Ｌｉｐｏｃｉｎｅ製のＬＰＣＮ１１０７、ＡＭＡＧ Ｐｈａｒｍａ製のＭａｋｅｎａ）、膣プロゲステロン、又は天然プロゲステロンＩＶＲ産物（例えば、Ｊｕｎｉｐｅｒ Ｐｈａｒｍａ製のＤＡＲＥ－ＦＲＴ１（ＪＮＰ－０３０１））；プロスタグランジンＦ２アルファ受容体アンタゴニスト（例えば、ＯｂｓＥｖａ製のＯＢＥ０２２）；又はベータ２－アドレナリン作動性受容体アゴニスト（例えば、ＭｅｄｉｃｉＮｏｖａ製の硫酸ベドラドリン（ＭＮ－２２１））を含む。治療的介入は、例えば、参照によりその全体が本明細書に組み入れられる、「ＷＨＯ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓ ｏｎ Ｉｎｔｅｒｖｅｎｔｉｏｎｓ ｔｏ Ｉｍｐｒｏｖｅ Ｐｒｅｔｅｒｍ Ｂｉｒｔｈ Ｏｕｔｃｏｍｅｓ」、世界保健機関、２０１５年によって記載され得る。いくつかの実施形態において、方法は、妊娠関連状態の存在又は感受性をモニタリングすることをさらに含み、モニタリングすることが、複数の時点で対象の妊娠関連状態の存在又は感受性を評価することを含み、評価することが、複数の時点のそれぞれで（ｄ）において決定された妊娠関連状態の存在又は感受性に少なくとも基づく。いくつかの実施形態において、複数の時点の間の対象の妊娠関連状態の存在又は感受性の評価の差が、（ｉ）対象の妊娠関連状態の存在又は感受性の診断、（ｉｉ）対象の妊娠関連状態の存在又は感受性の予後、及び（ｉｉｉ）対象の妊娠関連状態の存在又は感受性を処置するための一連の処置の有効性又は非有効性からなる群から選択される１つ又は複数の臨床徴候を示す。いくつかの実施形態において、方法は、訓練されたアルゴリズムを使用して早産の複数の異なる分子サブタイプの中から早産の分子サブタイプを決定することによって早産を層別化することをさらに含む。いくつかの実施形態において、早産の複数の異なる分子サブタイプは、以前の早産の既往歴、自然早産、民族特異的早産リスク（例えば、アフリカ系アメリカ人の集団の中で）、及び早期の前期破水（ＰＰＲＯＭ）からなる群から選択される早産の分子サブタイプを含む。

【0065】

別の態様では、本開示は、対象の妊娠関連状態の存在又は感受性を同定又はモニタリングするためのコンピュータシステムであって、第１のデータセット及び第２のデータセットを記憶するように構成されたデータベースであって、第２のデータセットが、第１のデータセットよりも高い特異度で妊娠関連状態の存在又は感受性を示すデータベース；データベースに動作可能に結合された１つ又は複数のコンピュータプロセッサであって、１つ又は複数のコンピュータプロセッサは、（ｉ）妊娠関連状態の存在又は感受性を決定するために少なくとも第２のデータセットを処理するために訓練されたアルゴリズムを使用するためであって、訓練されたアルゴリズムは、５０の独立した試料にわたって少なくとも約８０％の精度を有する、使用するため、及び（ｉｉ）対象の妊娠関連状態の存在又は感受性を示すレポートを電子的に出力するために、個別に集合的にプログラムされている、１つ又は複数のコンピュータプロセッサ、を含むコンピュータシステムを提供する。

【0066】

いくつかの実施形態において、コンピュータシステムは、１つ又は複数のコンピュータプロセッサに動作可能に結合された電子ディスプレイをさらに備え、電子ディスプレイは、レポートを表示するように構成されたグラフィカル・ユーザ・インターフェースを備える。

【0067】

別の態様では、本開示は、１つ又は複数のコンピュータプロセッサによる実行時に、対象の妊娠関連状態の存在又は感受性を同定又はモニタリングするための方法を実施する機械実行可能コードを含む非一時的コンピュータ可読媒体を提供し、方法は、（ａ）第１のデータセット及び第２のデータセットを取得することであって、第２のデータセットは、第１のデータセットよりも高い特異度で妊娠関連状態の存在又は感受性を示す、取得すること、（ｂ）少なくとも第２のデータセットを処理して妊娠関連状態を決定するために訓練されたアルゴリズムを使用することであって、訓練されたアルゴリズムは、５０の独立した試料にわたって少なくとも約８０％の精度を有する、使用すること、及び（ｃ）対象の妊娠関連状態の存在又は感受性を示すレポートを電子的に出力することを含む。

【0068】

別の態様では、本開示は、対象の妊娠関連状態の存在又は感受性を同定する方法であって、（ｉ）第１のアッセイで、対象に由来する第１の無細胞生物試料をアッセイして、第１のデータセットを生成すること、（ｉｉ）第２のアッセイで、対象に由来する第２の無細胞生物試料をアッセイして、第１のデータセットよりも高い特異度で、妊娠関連状態の存在又は感受性を示す第２のデータセットを生成すること、及び（ｉｉｉ）訓練されたアルゴリズムを使用して、少なくとも約８０％の精度で、少なくとも第２のデータセットを処理して、妊娠関連状態の存在又は感受性を決定すること、を含む方法を提供する。いくつかの実施形態において、精度は、少なくとも約９０％である。いくつかの実施形態において、妊娠関連状態は、早産、満期出産、妊娠期間、出産予定日、分娩の開始、妊娠関連高血圧障害（例えば、子癇前症）、子癇、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症（例えば、産後うつ病、出血又は過剰出血、肺塞栓症、心筋症、糖尿病、貧血及び高血圧性障害）、妊娠悪阻（つわり）、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤（子宮頸部を覆う胎盤）、子宮内／胎児発育遅延、マクロソミア（妊娠期間に対して大きな胎児）、新生児の状態（例えば、貧血、無呼吸、徐脈及びその他の心臓の欠陥、気管支肺異形成症又は慢性肺疾患、糖尿病、胃壁破裂、水頭症、高ビリルビン血症、低カルシウム血症、低血糖症、脳室内出血、黄疸、壊死性腸炎、動脈管開存症、脳室周囲白質軟化症、持続性肺高血圧症、赤血球増加症、呼吸窮迫症候群、未熟児網膜症、及び一過性頻呼吸）、及び胎児の発育段階又は状態（例えば、正常な胎児の臓器の機能又は発達、及び異常な胎児の臓器の機能又は発達）からなる群から選択される。

【0069】

別の態様では、本開示は、対象が早産のリスクがあると決定する方法であって、対象に由来する無細胞生物試料をアッセイして、少なくとも８０％の特異度で早産リスクを示すデータセットを生成すること、及び無細胞生物試料とは独立した試料で訓練された訓練されたアルゴリズムを使用して、対象が少なくとも約８０％の精度で早産のリスクがあると決定すること、を含む方法を提供する。いくつかの実施形態において、精度は、少なくとも約９０％である。

【0070】

別の態様において、本開示は、妊娠している対象の胎児の出生前代謝性遺伝子疾患の存在又はリスクを検出するための方法であって、妊娠している対象に由来する無細胞生物試料中のリボ核酸（ＲＮＡ）をアッセイして、バイオマーカーのセットを検出すること、及び出生前代謝性遺伝子疾患の存在又はリスクを検出するために、アルゴリズム（例えば、訓練されたアルゴリズム）を用いてバイオマーカーのセットを分析することを含む、方法を提供する。

【0071】

別の態様では、本開示は、妊娠している対象の胎児又は妊娠している対象の少なくとも２つの健康状態又は生理学的状態を検出するための方法であって、第１の時点で妊娠している対象から得られた又は誘導された第１の無細胞生物試料及び第２の時点で妊娠している対象から得られた又は誘導された第２の無細胞生物試料をアッセイして、第１の時点でバイオマーカーの第１のセット及び第２の時点でバイオマーカーの第２のセットを検出すること、並びに少なくとも２つの健康状態又は生理学的状態を検出するために、訓練されたアルゴリズムを用いてバイオマーカーの第１のセット又はバイオマーカーの第２のセットを分析することを含む、方法を提供する。

【0072】

いくつかの実施形態において、少なくとも２つの健康又は生理学的状態が、早産、満期出産、妊娠期間、出産予定日、分娩の開始、妊娠関連高血圧障害、子癇、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症、妊娠悪阻、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤、子宮内／胎児発育遅延、マクロソミア、新生児の状態、及び胎児の発育段階又は状態からなる群から選択される。いくつかの実施形態において、バイオマーカーのセットは、出産予定日に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表１及び表７に列挙された遺伝子からなる群から選択される。いくつかの実施形態において、バイオマーカーのセットは、妊娠期間に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表２に列挙された遺伝子からなる群から選択される。いくつかの実施形態において、バイオマーカーのセットは、早産に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表５に列挙される遺伝子、表６に列挙される遺伝子、表８に列挙される遺伝子、ＲＡＢ２７Ｂ、ＲＧＳ１８、ＣＬＣＮ３、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される。いくつかの実施形態において、バイオマーカーのセットは、少なくとも５つの異なるゲノム遺伝子座を含む。

【0073】

別の態様では、本開示は、妊娠している対象から得られた又は誘導された１つ又は複数の無細胞生物試料をアッセイして、バイオマーカーのセットを検出すること；及びバイオマーカーのセットを分析して、（１）妊娠している対象の胎児の出産予定日又はその範囲、及び（２）妊娠している対象の胎児又は妊娠している対象の健康状態又は生理学的状態を同定すること、を含む方法を提供する。

【0074】

いくつかの実施形態において、方法は、訓練されたアルゴリズムでバイオマーカーのセットを分析することをさらに含む。いくつかの実施形態において、健康又は生理学的状態が、早産、満期出産、妊娠期間、出産予定日、分娩の開始、妊娠関連高血圧障害、子癇、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症、妊娠悪阻、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤、子宮内／胎児発育遅延、マクロソミア、新生児の状態、及び胎児の発育段階又は状態からなる群から選択される。いくつかの実施形態において、バイオマーカーのセットは、出産予定日に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表１及び表７に列挙された遺伝子からなる群から選択される。いくつかの実施形態において、バイオマーカーのセットは、妊娠期間に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表２に列挙された遺伝子からなる群から選択される。いくつかの実施形態において、バイオマーカーのセットは、早産に関連するゲノム遺伝子座を含み、ゲノム遺伝子座は、表５に列挙される遺伝子、表６に列挙される遺伝子、表８に列挙される遺伝子、ＲＡＢ２７Ｂ、ＲＧＳ１８、ＣＬＣＮ３、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される。いくつかの実施形態において、バイオマーカーのセットは、少なくとも５つの異なるゲノム遺伝子座を含む。

【0075】

別の態様では、本開示は、妊娠している対象から得られた又は誘導された１つ又は複数の無細胞生物試料をアッセイして、非ヒト起源の核酸のセットを検出すること、非ヒト起源の核酸のセットを分析して、妊娠している対象の胎児又は妊娠している対象の健康又は生理学的状態を検出すること、を含む方法を提供する。いくつかの実施形態において、非ヒト起源の核酸は、非ヒト生物のＤＮＡ又はＲＮＡを含む。いくつかの実施形態において、非ヒト生物は、細菌、ウイルス、又は寄生生物である。いくつかの実施形態において、方法は、訓練されたアルゴリズムを使用して非ヒト起源の核酸セットを分析することをさらに含む。

【0076】

本開示の別の態様は、１つ又は複数のコンピュータプロセッサによって実行されると、上記又は本明細書の他の場所の方法のいずれかを実施する機械実行可能コードを含む非一時的コンピュータ可読媒体を提供する。

【0077】

本開示の別の態様は、１つ又は複数のコンピュータプロセッサと、それに結合されたコンピュータメモリとを備えるシステムを提供する。コンピュータメモリは、１つ又は複数のコンピュータプロセッサによって実行されると、上記又は本明細書の他の場所の方法のいずれかを実施する機械実行可能コードを含む。

【0078】

本開示のさらなる態様及び利点は、本開示の例示的な実施形態のみが示され説明される以下の詳細な説明から当業者には容易に明らかになるであろう。理解されるように、本開示は、他の異なる実施形態が可能であり、そのいくつかの詳細は、すべて本開示から逸脱することなく、様々な明白な点で修正が可能である。したがって、図面及び説明は、本質的に例示と見なされるべきであり、限定と見なされるべきではない。

【0079】

参照による組み込み
本明細書で言及されるすべての刊行物、特許、及び特許出願は、あたかも各個々の刊行物、特許、又は特許出願が参照により組み込まれることが具体的かつ個別に示されているのと同程度に、参照により本明細書に組み込まれる。参照により組み込まれる刊行物及び特許又は特許出願が本明細書に含まれる開示と矛盾する限り、本明細書は、そのような矛盾する資料に取って代わる、及び／又は優先することを意図している。

【0080】

本発明の新規な特徴は、添付の特許請求の範囲に詳細に記載されている。本発明の特徴及び利点のより良い理解は、本発明の原理が利用される例示的な実施形態を説明する以下の詳細な説明、及び添付の図面（本明細書では「図」及び「ＦＩＧ」とも言う）を参照することによって得られる。

【図面の簡単な説明】

【0081】

【図1】開示された実施形態による、対象の妊娠関連状態を同定又はモニタリングするための方法の例示的なワークフローを示す図である。

【図2】本明細書で提供される方法を実施するようにプログラム又は他の方法で構成されたコンピュータシステムを示す図である。

【図3A】開示された実施形態による、１つ又は複数の生物試料（例えば、各々２又は３）を採取し、各対象の胎児の推定妊娠期間（ｙ軸上に、分娩時の推定妊娠期間の昇順で示される）に対応する異なる時点でアッセイした、（ｘ軸に患者識別番号を示す）確立された対象（例えば、妊婦）の第１のコホートを示す。

【図3B】開示された実施形態による、医療記録抽象化時の各参加者の年齢に基づく第１のコホートの参加者の分布を示す図である。

【図3C】開示された実施形態による、各参加者の人種に基づく第１のコホートの１００人の参加者の分布を示す。

【図3D】開示された実施形態による、各試料の採取時の各参加者の推定妊娠期間及び妊娠三期間に基づく妊娠期間コホートにおける採取試料の分布を示す。

【図3E】開示された実施形態による、採取された試料の試験試料タイプに基づく第１のコホートにおける２２５の採取された試料の分布を示す。

【図4A】開示された実施形態による、１つ又は複数の生物試料（例えば、各々１、２、又は３）を収集し、各対象の胎児の推定妊娠期間（ｙ軸上に、分娩時の推定妊娠期間の昇順で示される）に対応する異なる時点でアッセイした、（ｘ軸に患者識別番号を示す）確立された対象（例えば、妊婦）の第２のコホートを示す。

【図4B】開示された実施形態による、医療記録抽象化時の各参加者の年齢に基づく第２のコホートの参加者の分布を示す図である。

【図4C】開示された実施形態による、各参加者の人種に基づく第２のコホートの１２８人の参加者の分布を示す。

【図4D】開示された実施形態による、各試料の採取時の各参加者の推定妊娠期間及び妊娠三期間に基づく第２のコホートにおける採取された試料の分布を示す。

【図4E】開示された実施形態による、採取された試料の試験試料タイプに基づく第２のコホートにおける１６０の採取された試料の分布を示す。

【図5A】開示された実施形態による、１つ又は複数の生物試料（例えば、各々１又は２）を収集し、各対象の胎児の推定妊娠期間（ｙ軸上に、分娩時の推定妊娠期間の昇順で示される）に対応する異なる時点でアッセイした、（ｘ軸に患者識別番号を示す）確立された対象（例えば、妊婦）の出産予定日コホートを示す。

【図5B】開示された実施形態による、試料採取日と分娩日（分娩までの時間）との間の時間に基づく出産予定日コホートにおける採取された試料の分布を示す。

【図5C】開示された実施形態による、出産予定日の第１及び第２の予測モデルで使用される遺伝子の重複を示すベン図である。第１の予測モデルは、合計５１個の最も予測的な遺伝子を有し、第２の予測モデルは、合計４９個の最も予測的な遺伝子を有した。さらに、２つの予測モデル間で重複する遺伝子は、５つのみであった。

【図5D】開示されている実施形態による、出産予定日コホートの対象の予測された分娩までの時間（週）と観察された（実際の）分娩までの時間（週）との間の一致を示すプロットである。

【図5E】５週間未満の分娩までの時間を有する試料を使用する予測モデル及び７．５週間未満の分娩までの時間を有する試料を使用する予測モデルを含む、出産予定日を予測するための予測モデルの要約を示す。異なる予測モデルが、推定出産予定日情報（例えば、超音波測定値からの推定妊娠期間を使用して決定される）を用いて、及び推定出産予定日情報を用いずに生成された。

【図6A】開示された実施形態による、１つ又は複数の生物試料（例えば、各々１又は２）を収集し、各対象の胎児の推定妊娠期間（ｙ軸上に、分娩時の推定妊娠期間の昇順で示される）に対応する異なる時点でアッセイした、（ｘ軸に患者識別番号を示す）確立された対象（例えば、妊婦）の妊娠期間コホートを示す。

【図6B】開示されている実施形態による、複数の妊娠期間関連遺伝子の発現が妊娠の過程を通して妊娠期間と共に変化する、全トランスクリプトームの相互情報を示す視覚モデルである。

【図6C】開示された実施形態による、妊娠期間コホートにおける対象の予測妊娠期間（週）と測定妊娠期間（週）との間の一致を示すプロットである。対象をプロットにおいて主な人種（例えば、白色、非黒色のスペイン人、アジア人、アフリカ系アメリカ人、ネイティブアメリカン、混血人種（例えば、２つ以上の人種）、又は未知）によって層別化する。

【図7A】開示される実施形態による、一連の早期症例試料（例えば、早産の女性から）及び一連の早期対照試料（例えば、満期出産の女性から）を含む対象（例えば、妊婦）の早産（ＰＴＢ）コホートの結果を示す。

【図7B】開示される実施形態による、一連の早期症例試料（例えば、早産の女性から）及び一連の早期対照試料（例えば、満期出産の女性から）を含む対象（例えば、妊婦）の早産（ＰＴＢ）コホートの結果を示す。早期症例試料及び早期対照試料にわたって、採取時の妊娠期間の分布は、類似していたが（図７Ａ）、分娩時の妊娠期間の分布は、統計学的に有意な程度まで明確に区別可能であった（図７Ｂ）。

【図7C】開示された実施形態による、早期症例試料（左）と早期対照試料（右）との間のＢ３ＧＮＴ２、ＢＰＩ、及びＥＬＡＮＥ遺伝子の差次的遺伝子発現をそれぞれ示す。

【図7D】開示された実施形態による、早期症例試料（左）と早期対照試料（右）との間のＢ３ＧＮＴ２、ＢＰＩ、及びＥＬＡＮＥ遺伝子の差次的遺伝子発現をそれぞれ示す。

【図7E】開示された実施形態による、早期症例試料（左）と早期対照試料（右）との間のＢ３ＧＮＴ２、ＢＰＩ、及びＥＬＡＮＥ遺伝子の差次的遺伝子発現をそれぞれ示す。

【図7F】開示された実施形態による、図７Ｃ～図７Ｅに示す早期症例試料及び早期対照試料からの結果の説明を示す。

【図7G】開示された実施形態による、１０倍交差検証にわたる早期分娩の予測モデルの性能を示す受信者動作特性（ＲＯＣ）曲線を示す。

【図8】米国における産科医が推定した妊娠期間による膣単生児出生の分布の一例を示す図である。

【図9A】妊娠している対象の胎児の出産予定日を予測する様々な方法を示し、この方法は、実際の日（誤差あり）を予測することを含む。

【図9B】妊娠している対象の胎児の出産予定日を予測する様々な方法を示し、この方法は、１週間（又は他のウィンドウ）の分娩を予測することを含む。

【図9C】妊娠している対象の胎児の出産予定日を予測する様々な方法を示し、この方法は、特定の時間境界の前又は後に分娩が起こると予想されるかどうかを予測することを含む。

【図9D】妊娠している対象の胎児の出産予定日を予測する様々な方法を示し、この方法は、複数のビン（例えば、６つのビン）のうちのどのビンで分娩が起こると予想されるかを予測することを含む。

【図9E】妊娠している対象の胎児の出産予定日を予測する様々な方法を示し、この方法は、早期分娩又は後期分娩の相対リスク又は相対尤度を予測することを含む。

【図10】出産予定日予測モデル（例えば、分類器）を開発するために実行されるデータワークフローを示す。

【図11A】それぞれ２７０人及び３１０人の患者で訓練された出産予定日予測モデルの予測誤差を示す。

【図11B】それぞれ２７０人及び３１０人の患者で訓練された出産予定日予測モデルの予測誤差を示す。

【図12】コーカサス人対象のコホートから得られた７９個の試料のセットに対して２２個の遺伝子のセットを使用した、早産予測モデルの受信者動作特性ＲＯＣ）曲線を示す。ＲＯＣ曲線の平均曲線下面積（ＡＵＣ）は、０．９１±０．１０であった。

【図13A】アフリカ人又はアフリカ系アメリカ人の祖先を有する対象のコホート（ＡＡコホート）から得られた４５個の試料のセットに対する遺伝子のセットを使用した、早産予測モデルに対する受信者動作特性ＲＯＣ）曲線を示す。ＲＯＣ曲線の平均曲線下面積（ＡＵＣ）は、０．８２±０．０８であった。

【図13B】ＲＡＢ２７Ｂ、ＲＧＳ１８、ＣＬＣＮ３、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２を含む３つの異なるＡＡコホート（コホート１、コホート２、及びコホート３）の早産予測モデルの遺伝子パネルを示す。

【図14A】妊娠している対象から得られた単一の身体試料（例えば、１回の採血）を使用して複数の妊娠関連状態を評価するための複数のアッセイを実施するためのワークフローを示す。

【図14B】妊娠している対象の妊娠の進行に沿った１回の採血から試験することができる状態の組み合わせを示す。

【発明を実施するための形態】

【0082】

本発明の様々な実施形態を本明細書に示し、説明してきたが、そのような実施形態が、例としてのみ提供されることは当業者には明らかであろう。当業者であれば、本発明から逸脱することなく、多数の変形、変更、及び置換を行うことができる。本明細書に記載の本発明の実施形態に対する様々な代替形態が使用され得ることを理解されたい。

【0083】

本明細書及び特許請求の範囲で使用される場合、単数形「ａ」、「ａｎ」、及び「ｔｈｅ」は、文脈上他に明確に指示されない限り、複数の言及を含む。例えば、「核酸」という用語は、それらの混合物を含む複数の核酸を含む。

【0084】

本明細書で使用される場合、「対象」という用語は、一般に、試験可能又は検出可能な遺伝子情報を有する実体又は媒体を指す。対象は、人、個人、又は患者であり得る。対象は、例えば哺乳動物などの脊椎動物であり得る。哺乳動物の非限定的な例としては、ヒト、サル、家畜、スポーツ動物、げっ歯類、及びペットが挙げられる。対象は、妊婦対象であり得る。対象は、胎児（又は複数の胎児）を有するか、又は胎児（又は複数の胎児）を有する疑いのある女性であり得る。対象は、妊娠している又は妊娠している疑いがある人であり得る。対象は、対象の健康若しくは生理学的な状態又は症状、例えば、対象の妊娠関連の健康若しくは生理学的な状態又は症状を示す（１又は複数の）症候を示していてもよい。代替として、対象は、そのような健康若しくは生理学的な状態又は症状に関して無症候性であり得る。

【0085】

本明細書で使用される「妊娠関連状態」という用語は、一般に、妊娠しているか若しくは妊娠している疑いがある対象、又は対象の胎児（又は複数の胎児）の任意の健康、生理学的、及び／若しくは生化学的状態又は症状を指す。妊娠関連状態の例としては、限定されないが、早産、満期出産、妊娠期間、出産予定日、分娩の開始、妊娠関連高血圧障害（例えば子癇前症）、子癇、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症（例えば、産後うつ病、出血又は過剰出血、肺塞栓症、心筋症、糖尿病、貧血及び高血圧性障害）、妊娠悪阻（つわり）、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤（子宮頸部を覆う胎盤）、子宮内／胎児発育遅延、マクロソミア（妊娠期間に対して大きな胎児）、新生児の状態（例えば、貧血、無呼吸、徐脈及びその他の心臓の欠陥、気管支肺異形成症又は慢性肺疾患、糖尿病、胃壁破裂、水頭症、高ビリルビン血症、低カルシウム血症、低血糖症、脳室内出血、黄疸、壊死性腸炎、動脈管開存症、脳室周囲白質軟化症、持続性肺高血圧症、赤血球増加症、呼吸窮迫症候群、未熟児網膜症、及び一過性頻呼吸）、及び胎児の発育段階又は状態（例えば、正常な胎児の臓器の機能又は発達、及び異常な胎児の臓器の機能又は発達）が含まれる。状況によっては、妊娠関連状態は、対象の胎児（又は複数の胎児）の健康若しくは生理学的状態又は症状と関連していない。

【0086】

本明細書で使用される場合、「試料」という用語は、一般に、１人又は複数の対象から得られるか、又は１人又は複数の対象に由来する生物試料を指す。生物試料は、無細胞生物試料又は実質的に無細胞生物試料であり得るか、無細胞生物試料を作製するために処理又は分画化され得る。例えば、無細胞生物試料は、無細胞リボ核酸（ｃｆＲＮＡ）、無細胞デオキシリボ核酸（ｃｆＤＮＡ）、無細胞胎児ＤＮＡ（ｃｆｆＤＮＡ）、血漿、血清、尿、唾液、羊水、及びそれらの誘導体を含み得る。エチレンジアミン四酢酸（ＥＤＴＡ）収集管、無細胞ＲＮＡ収集管（例えば、Ｓｔｒｅｃｋ）、又は無細胞ＤＮＡ収集管（例えば、Ｓｔｒｅｃｋ）を使用して、無細胞生物試料を対象から得てもよく、又は誘導されてもよい。無細胞生物試料は、分画によって全血試料から誘導され得る。生物試料又はその誘導体は、細胞を含有し得る。例えば、生物試料は、血液試料若しくはその誘導体（例えば、収集管によって採取された血液又は血液滴）、膣試料（例えば、膣スワブ）、又は子宮頸部試料（例えば、子宮頸管スワブ）であり得る。

【0087】

本明細書で使用される場合、「核酸」という用語は、一般に、デオキシリボヌクレオチド（ｄＮＴＰ）若しくはリボヌクレオチド（ｒＮＴＰ）、又はそれらの類似体のいずれかの、任意の長さのヌクレオチドのポリマー形態を指す。核酸は、任意の三次元構造を有してもよく、公知又は未知の任意の機能を果たしてもよい。核酸の非限定的な例としては、デオキシリボ核酸（ＤＮＡ）、リボ核酸（ＲＮＡ）、遺伝子又は遺伝子断片のコード領域又は非コード領域、連鎖解析から定義される遺伝子座（遺伝子座）、エクソン、イントロン、メッセンジャーＲＮＡ（ｍＲＮＡ）、トランスファーＲＮＡ、リボソームＲＮＡ、短鎖干渉ＲＮＡ（ｓｉＲＮＡ）、短鎖ヘアピンＲＮＡ（ｓｈＲＮＡ）、マイクロＲＮＡ（ｍｉＲＮＡ）、リボザイム、ｃＤＮＡ、組換え核酸、分枝核酸、プラスミド、ベクター、任意の配列の単離されたＤＮＡ、任意の配列の単離されたＲＮＡ、核酸プローブ、及びプライマーが挙げられる。核酸は、メチル化ヌクレオチド及びヌクレオチド類似体などの１つ又は複数の修飾ヌクレオチドを含み得る。存在する場合、ヌクレオチド構造に対する修飾は、核酸の構築の前又は後に行われ得る。核酸のヌクレオチドの配列は、非ヌクレオチド成分によって中断され得る。核酸は、重合後に、例えば、レポーター剤とのコンジュゲーション又は結合によってさらに修飾され得る。

【0088】

本明細書で使用される場合、「標的核酸」という用語は、一般に、その存在、量、及び／若しくは配列、又はこれらの１つ若しくは複数の変化が決定されることが望ましいヌクレオチド配列を有する核酸分子の出発集団中の核酸分子を指す。標的核酸は、ＤＮＡ、ＲＮＡ、及びそれらの類似体を含む任意のタイプの核酸であり得る。本明細書で使用される場合、「標的リボ核酸（ＲＮＡ）」は、一般に、ＲＮＡである標的核酸を指す。本明細書で使用される場合、「標的デオキシリボ核酸（ＤＮＡ）」は、一般に、ＤＮＡである標的核酸を指す。

【0089】

本明細書で使用される場合、「増幅する」及び「増幅」という用語は、一般に、核酸分子のサイズ又は量を増加させることを指す。核酸分子は、一本鎖又は二本鎖であり得る。増幅は、核酸分子の１つ若しくは複数のコピー又は「増幅産物」を生成することを含み得る。増幅は、例えば、伸長（例えば、プライマー伸長）又はライゲーションによって行われ得る。増幅は、プライマー伸長反応を実施して、一本鎖核酸分子に相補的な鎖を生成すること、及び場合によっては、鎖及び／又は一本鎖核酸分子の１つ又は複数のコピーを生成することを含み得る。「ＤＮＡ増幅」という用語は、一般に、ＤＮＡ分子又は「増幅ＤＮＡ産物」の１つ又は複数のコピーを生成することを指す。「逆転写増幅」という用語は、一般に、逆転写酵素の作用によるリボ核酸（ＲＮＡ）鋳型からのデオキシリボ核酸（ＤＮＡ）の生成を指す。

【0090】

毎年、約１５００万人の早産が、世界中で報告されている。早産は妊娠の約１０％に影響を及ぼす可能性があり、その大部分は自然早産である。現在、早産などの多くの妊娠関連合併症に利用可能な有意義で臨床的に実施可能な診断スクリーニング又は検査はない可能性がある。しかしながら、早産などの妊娠関連合併症は、新生児の死亡及び後年の合併症の主な原因である。さらに、そのような妊娠関連合併症は、母体の健康に悪影響を及ぼす可能性がある。したがって、妊娠を可能な限り安全にするために、母体及び胎児の健康を改善するために、非侵襲的で費用効果の高い妊娠関連状態を同定及びモニタリングするための迅速で正確な方法が必要とされている。

【0091】

出生前ケアのための現在の検査は、入手不可能かつ不完全であり得る。妊娠関連合併症を伴わずに妊娠が進行する場合、分子検査、超音波画像診断、並びに最後の月経期間を使用した妊娠期間及び／又は出産予定日の推定など、妊娠対象に対して限られた妊娠モニタリングの方法が、利用可能であり得る。しかしながら、そのようなモニタリング方法は、複雑で高価であり、信頼性が低い場合がある。例えば、分子検査は妊娠期間を予測することができず、超音波画像診断は高価であり、妊娠の第１期に最もよく行われ、最後の月経期間を使用した妊娠期間及び／又は出産予定日の推定は、信頼できない可能性がある。さらに、妊娠が自発的早期分娩のリスクなどの妊娠関連合併症を伴って進行する場合、分子検査、超音波画像診断、及び人口統計学的要因の臨床的有用性は、制限され得る。例えば、分子検査は、限られたＢＭＩ（肥満度指数）範囲、限られた妊娠期間、及び／又は出産予定日範囲（約２週間）、並びに低い陽性予測値（ＰＰＶ）を有し得る。超音波画像診断は高価であり、ＰＰＶ及び特異度が低い場合がある。また、妊娠関連合併症のリスクを予測するための人口統計学的因子の使用は、信頼できない可能性がある。したがって、臨床的に実施可能な結果に向けた妊娠関連状態（例えば、妊娠期間、出産予定日、及び／又は分娩の開始の推定、並びに早産などの妊娠関連合併症の予測）の検出及びモニタリングのための正確で手頃な非侵襲的診断方法に対する緊急の臨床的必要性が存在する。

【0092】

本開示は、対象（例えば、妊娠中の女性対象）から得られた又は誘導された無細胞生物試料を処理することによって、妊娠関連状態を同定又はモニタリングするための方法、システム及びキットを提供する。対象から得られた無細胞生物試料（例えば、血漿試料）を分析して、妊娠関連状態（これは、例えば、妊娠関連状態の存在、非存在、又は定量的評価（例えば、リスク）を測定することを含み得る）を同定することができる。そのような対象には、１つ又は複数の妊娠関連状態を有する対象及び妊娠関連状態を有しない対象が含まれ得る。妊娠関連状態には、例えば、早産、満期出産、妊娠期間、出産予定日、分娩の開始、妊娠関連高血圧障害（例えば子癇前症）、子癇、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症（例えば、産後うつ病、出血又は過剰出血、肺塞栓症、心筋症、糖尿病、貧血及び高血圧性障害）、妊娠悪阻（つわり）、分娩中の出血又は過度の出血、前期破水、早期産での前期破水、前置胎盤（子宮頸部を覆う胎盤）、子宮内／胎児発育遅延、及びマクロソミア（妊娠期間に対して大きい胎児）が含まれ得る。いくつかの実施形態において、妊娠関連状態は、胎児の健康に関連しない。いくつかの実施形態において、妊娠関連状態は、新生児の状態（例えば、貧血、無呼吸、徐脈及び他の心臓欠陥、気管支肺異形成症又は慢性肺疾患、糖尿病、胃分離症、水頭症、高ビリルビン血症、低カルシウム血症、低血糖症、脳室内出血、黄疸、壊死性腸炎、動脈管開存症、脳室周囲白質軟化症、持続性肺高血圧症、赤血球増加症、呼吸窮迫症候群、未熟児網膜症、及び一過性頻呼吸）及び胎児の発育段階又は状態（例えば、正常な胎児の器官機能又は発達、及び異常な胎児の器官機能又は発達）を含む。

【0093】

図１は、開示された実施形態による、対象の妊娠関連状態を同定又はモニタリングするための方法の例示的なワークフローを示す図である。一態様では、本開示は、対象の妊娠関連状態を同定又はモニタリングするための方法１００を提供する。方法１００は、第１のアッセイを使用して、対象に由来する第１の無細胞生物試料を処理し、第１のデータセットを生成することを含み得る（操作１０２ののように）。次に、生成された第１のデータセットに少なくとも部分的に基づいて、方法１００は、第２のアッセイ（例えば、第１のアッセイとは異なる）を使用して、対象に由来する第２の無細胞生物試料を処理して、第１のデータセットよりも高い特異度で妊娠関連状態を示す第２のデータセットを生成することを任意で含んでもよい。例えば、第２の無細胞血漿試料から抽出されたリボ核酸（ＲＮＡ）分子を配列決定して、対象の妊娠関連状態を示す配列リードのセットを生成することができる（操作１０４のように）。いくつかの実施形態において、第１の無細胞生物試料は、第１のアッセイによる処理のための第１の時点において対象から得ることができる。次いで、第２の無細胞生物試料は、第２のアッセイによる処理のための第２の時点において同じ対象から得ることができてもよい。いくつかの実施形態において、無細胞生物試料を対象から得て、次いでアリコートして、第１の無細胞生物試料及び第２の無細胞生物試料を作製し、次いで、これらをそれぞれ第１のアッセイ及び第２のアッセイで処理することができる。次に、訓練されたアルゴリズムを使用して、第１のデータセット及び／又は第２のデータセットを処理し、対象の妊娠関連状態を決定することができる（動作１０６のように）。訓練されたアルゴリズムは、５０個の独立した試料にわたって少なくとも約８０％の精度で妊娠関連状態を同定するように構成され得る。次いで、対象の妊娠関連状態の存在又は感受性を示す（例えば、同定する、又は指標を提供する）レポートを電子的に出力することができる（動作１０８のように）。

【0094】

無細胞生物試料のアッセイ
無細胞生物試料は、ヒト対象（例えば、妊婦対象）から得られるか、又は誘導され得る。無細胞生物試料は、処理前に、異なる温度（例えば、室温、冷蔵、又は冷凍条件下、２５℃、４℃、－１８℃、－２０℃、又は－８０℃）又は異なる懸濁液（例えば、ＥＤＴＡ収集管、無細胞ＲＮＡ収集管、又は無細胞ＤＮＡ収集管）などの様々な保存条件で保存することができる。

【0095】

無細胞生物試料は、妊娠関連状態（例えば、妊娠関連合併症）を有する対象、妊娠関連状態（例えば、妊娠関連合併症）を有すると疑われる対象、又は妊娠関連状態を有していない若しくは妊娠関連状態（例えば、妊娠関連合併症）を有すると疑われない対象から得られ得る。妊娠関連状態は、妊娠関連合併症、例えば、早産、妊娠関連高血圧障害（例えば、子癇前症）、子癇、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症（例えば、産後うつ病、出血又は過剰出血、肺塞栓症、心筋症、糖尿病、貧血及び高血圧性障害）、妊娠悪阻（つわり）、分娩中の出血又は過度の出血、前期破水、早産における前期破水、前置胎盤（子宮頸部を覆う胎盤）、子宮内／胎児発育遅延、マクロソミア（妊娠期間に対して大きな胎児）、新生児の状態（例えば、貧血、無呼吸、徐脈及びその他の心臓の欠陥、気管支肺異形成症又は慢性肺疾患、糖尿病、胃壁破裂、水頭症、高ビリルビン血症、低カルシウム血症、低血糖症、脳室内出血、黄疸、壊死性腸炎、動脈管開存症、脳室周囲白質軟化症、持続性肺高血圧症、赤血球増加症、呼吸窮迫症候群、未熟児網膜症、及び一過性頻呼吸）、及び異常な胎児の発育段階又は状態（例えば、異常な胎児の臓器の機能又は発達）を含み得る。妊娠関連状態は、満期出産、正常な胎児の発達段階又は状態（例えば、正常な胎児の器官の機能又は発達）を含み得る、又は妊娠関連の合併症の欠如（例：早産、妊娠関連高血圧障害（例えば子癇前症）、子癇前症、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症（例えば、産後うつ病、出血又は過度の出血、肺塞栓症、心筋症、糖尿病、貧血、及び高血圧性障害）、妊娠悪阻（つわり）、分娩中の出血又は過度の出血、前期破水、早産時の前期破水、前置胎盤（子宮頸部を覆う胎盤）、子宮内／胎児発育遅延、マクロソミア（妊娠期間の大きな胎児）、新生児の状態（例えば、貧血、無呼吸、徐脈及びその他の心臓欠陥、気管支肺異形成症又は慢性肺疾患、糖尿病、胃壁破裂、水頭症、高ビリルビン血症、低カルシウム血症、低血糖症、脳室内出血、黄疸、壊死性腸炎、動脈管開存症、脳室周囲白質軟化症、持続性肺高血圧症、赤血球増加症、呼吸窮迫症候群、未熟児網膜症、及び一過性頻呼吸）、及び異常な胎児の発育段階又は状態（例えば、異常な胎児の臓器機能又は発育））を含み得る。妊娠関連状態は、妊娠期間（例えば、数日、数週間、又は数ヶ月間で測定される）又は出産予定日（例えば、予測又は推定されたカレンダー日付又はカレンダー日付の範囲として表現される）などの妊娠の定量的評価を含み得る。妊娠関連状態は、妊娠関連合併症（例えば、早産、分娩の開始、妊娠関連高血圧障害（例えば、子癇前症）、子癇、妊娠糖尿病、対象の胎児の先天性障害、異所性妊娠、自然流産、死産、産後合併症（例えば、産後うつ病、出血又は過剰出血、肺塞栓症、心筋症、糖尿病、貧血及び高血圧性障害）、妊娠悪阻（つわり）、分娩中の出血又は過度の出血、前期破水、早産での前期破水、前置胎盤（子宮頸部を覆う胎盤）、子宮内／胎児発育遅延、マクロソミア（妊娠期間に対して大きな胎児）、新生児の状態（例えば、貧血、無呼吸、徐脈及びその他の心臓の欠陥、気管支肺異形成症又は慢性肺疾患、糖尿病、胃壁破裂、水頭症、高ビリルビン血症、低カルシウム血症、低血糖症、脳室内出血、黄疸、壊死性腸炎、動脈管開存症、脳室周囲白質軟化症、持続性肺高血圧症、赤血球増加症、呼吸窮迫症候群、未熟児網膜症、及び一過性頻呼吸）、及び胎児の発育段階又は状態（例えば、正常な胎児の臓器の機能又は発達、及び異常な胎児の臓器の機能又は発達）尤度、感受性、又はリスク（例えば、確率、相対確率、オッズ比、又はリスクスコア若しくはリスク指数として表される）などの妊娠関連合併症の定量的評価を含み得る。例えば、妊娠関連状態は、未来の分娩の開始の尤度又は感受性（例えば、約１時間以内、約２時間以内、約４時間以内、約６時間以内、約８時間以内、約１０時間以内、約１２時間以内、約１４時間以内、約１６時間以内、約１８時間以内、約２０時間以内、約２２時間以内、約２４時間以内、約１．５日間以内、約２日間以内、約２．５日間以内、約３日間以内、約３．５日間以内、約４日間以内、約４．５日間以内、約５日間以内、約５．５日間以内、約６日間以内、約６．５日間以内、約７日間以内、約８日間以内、約９日間以内、約１０日間以内、約１２日間以内、約１４日間以内、約３週間以内、約４週間以内、約５週間以内、約６週間以内、約７週間以内、約８週間以内、約９週間以内、約１０週間以内、約１１週間以内、約１２週間以内、約１３週間以内、又は約１３週間超）を含み得る。

【0096】

無細胞生物試料は、妊娠関連合併症を有する対象の処置の前及び／又は後に採取され得る。無細胞生物試料は、処置中又は処置計画中に対象から得ることができる。処置の効果を経時的にモニターするために、複数の無細胞生物試料を対象から得ることができる。無細胞生物試料は、妊娠関連状態（例えば、妊娠関連合併症）を有することが知られているか疑われる対象から採取されてよく、その陽性又は陰性の確定診断が、臨床試験によって利用可能ではない。試料は、妊娠関連合併症を有すると疑われる対象から採取され得る。無細胞生物試料は、疲労、吐き気、体重減少、痛み、及び疼痛、衰弱、又は出血などの説明できない症状を経験している対象から採取され得る。無細胞生物試料は、説明された症状を有する対象から採取され得る。無細胞生物試料は、家族歴、年齢、高血圧又は高血圧前症、糖尿病又は糖尿病前症、過体重又は肥満、環境曝露、生活様式危険因子（例えば、喫煙、アルコール摂取、又は薬物使用）、又は他の危険因子の存在などの因子に起因して妊娠関連合併症を発症するリスクがある対象から採取され得る。

【0097】

無細胞生物試料は、トランスクリプトームデータを生成するためのアッセイに適した無細胞リボ核酸（ｃｆＲＮＡ）分子、ゲノムデータを生成するためのアッセイに適した無細胞デオキシリボ核酸（ｃｆＤＮＡ）分子、プロテオミクスデータを生成するためのアッセイに適したタンパク質、メタボロミクスデータを生成するためのアッセイに適した代謝産物、又はそれらの混合物若しくは組み合わせなどの、アッセイすることができる１つ又は複数の分析物を含み得る。１つ又は複数のそのような分析物（例えば、ｃｆＲＮＡ分子、ｃｆＤＮＡ分子、タンパク質、又は代謝産物）は、１つ又は複数の適切なアッセイを使用した下流アッセイのために、対象の１つ又は複数の無細胞生物試料から単離又は抽出され得る。

【0098】

対象から無細胞生物試料を得た後、無細胞生物試料を処理して、対象の妊娠関連状態を示すデータセットを生成することができる。例えば、妊娠関連状態関連ゲノム遺伝子座のパネル（例えば、妊娠関連状態に関連するゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）での無細胞生物試料の核酸分子の存在、非存在、又は定量的評価、妊娠関連状態関連タンパク質のパネルでのデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又は妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータは、妊娠関連状態を示し得る。対象から得られた無細胞生物試料を処理することは、（ｉ）複数の核酸分子、タンパク質、及び／又は代謝産物を単離、濃縮、又は抽出するのに十分な条件に無細胞生物試料を供すること、並びに（ｉｉ）複数の核酸分子、タンパク質、及び／又は代謝産物をアッセイして、データセットを生成することを含み得る。

【0099】

いくつかの実施形態において、複数の核酸分子が、無細胞生物試料から抽出され、配列決定に供されて、複数の配列決定リードが生成される。核酸分子は、リボ核酸（ＲＮＡ）又はデオキシリボ核酸（ＤＮＡ）を含み得る。核酸分子（例えば、ＲＮＡ又はＤＮＡ）は、ＭＰ Ｂｉｏｍｅｄｉｃａｌｓ製のＦａｓｔＤＮＡ Ｋｉｔプロトコル、Ｑｉａｇｅｎ製のＱＩＡａｍｐ ＤＮＡ無細胞生物学的ミニキット、又はＮｏｒｇｅｎ Ｂｉｏｔｅｋ製の無細胞生物学的ＤＮＡ単離キットプロトコルなどの様々な方法によって無細胞生物試料から抽出され得る。抽出方法は、試料からすべてのＲＮＡ又はＤＮＡ分子を抽出することができる。あるいは、抽出方法は、試料からＲＮＡ又はＤＮＡ分子の一部を選択的に抽出することができる。試料から抽出されたＲＮＡ分子は、逆転写（ＲＴ）によってＤＮＡ分子に変換され得る。

【0100】

配列決定は、大量並列配列決定（ＭＰＳ）、ペアエンド配列決定、ハイスループット配列決定、次世代配列決定（ＮＧＳ）、ショットガン配列決定、単一分子配列決定、ナノポア配列決定、半導体配列決定、パイロシークエンシング、合成による配列決定（ＳＢＳ）、ライゲーションによる配列決定、ハイブリダイゼーションによる配列決定、及びＲＮＡ－Ｓｅｑ（Ｉｌｌｕｍｉｎａ）などの任意の適切な配列決定方法によって行うことができる。

【0101】

配列決定は、核酸増幅（例えば、ＲＮＡ又はＤＮＡ分子）を含み得る。いくつかの実施形態において、核酸増幅は、ポリメラーゼ連鎖反応（ＰＣＲ）である。適切な回数のＰＣＲ（例えば、ＰＣＲ、ｑＰＣＲ、逆転写酵素ＰＣＲ、デジタルＰＣＲ）を実施して、初期量の核酸（例えば、ＲＮＡ又はＤＮＡ）を後続の配列決定のための所望の入力量まで十分に増幅することができる。いくつかの場合、ＰＣＲは、標的核酸の全体的な増幅に使用され得る。これは、最初に異なる分子に連結され得るアダプター配列を使用し、続いてユニバーサルプライマーを使用してＰＣＲ増幅することを含み得る。ＰＣＲは、例えば、Ｌｉｆｅ Ｔｅｃｈｎｏｌｏｇｉｅｓ、Ａｆｆｙｍｅｔｒｉｘ、Ｐｒｏｍｅｇａ、Ｑｉａｇｅｎによって提供されるいくつかの市販のキットのいずれかを使用して実施され得る。他の場合には、核酸集団内の特定の標的核酸のみが増幅され得る。特異的プライマーは、おそらくアダプターライゲーションと組み合わせて、下流配列決定のために特定の標的を選択的に増幅するために使用され得る。ＰＣＲは、妊娠関連状態に関連するゲノム遺伝子座などの１つ又は複数のゲノム遺伝子座の標的化増幅を含み得る。配列決定は、同時逆転写（ＲＴ）及びポリメラーゼ連鎖反応（ＰＣＲ）、例えば、Ｑｉａｇｅｎ、ＮＥＢ、Ｔｈｅｒｍｏ Ｆｉｓｈｅｒ Ｓｃｉｅｎｔｉｆｉｃ、又はＢｉｏ－ＲａｄによるＯｎｅＳｔｅｐ ＲＴ－ＰＣＲキットプロトコルの使用を含み得る。

【0102】

無細胞生物試料から単離又は抽出されたＲＮＡ又はＤＮＡ分子は、複数の試料の多重化を可能にするために、例えば識別可能なタグでタグ付けされ得る。任意の数のＲＮＡ又はＤＮＡ試料を多重化することができる。例えば、多重化反応は、少なくとも約２、３、４、５、６、７、８、９、１０、１１、１２、１３、１４、１５、１６、１７、１８、１９、２０、２５、３０、３５、４０、４５、５０、５５、６０、６５、７０、７５、８０、８５、９０、９５、１００、又は１００を超える初期無細胞生物試料からのＲＮＡ又はＤＮＡを含有し得る。例えば、複数の無細胞生物試料は、各ＤＮＡ分子が、ＤＮＡ分子の起源となった試料（及び対象）まで遡ることができるように、試料バーコードでタグ付けされ得る。そのようなタグは、ライゲーション又はプライマーを用いたＰＣＲ増幅によってＲＮＡ又はＤＮＡ分子に結合され得る。

【0103】

核酸分子を配列決定に供した後、適切なバイオインフォマティクスプロセスを配列リードに対して実行して、妊娠関連状態の存在、非存在、又は相対評価を示すデータを生成することができる。例えば、配列リードは、１つ又は複数の参照ゲノム（例えば、ヒトゲノムなどの１つ又は複数の種のゲノム）に整列され得る。整列された配列リードは、１つ又は複数のゲノム遺伝子座において定量化されて、妊娠関連状態を示すデータセットを生成し得る。例えば、妊娠関連状態に関連する複数のゲノム遺伝子座に対応する配列の定量化は、妊娠関連状態を示すデータセットを生成し得る。

【0104】

無細胞生物試料は、核酸抽出を行わずに処理してもよい。例えば、妊娠関連状態は、複数の妊娠関連状態関連ゲノム遺伝子座に対応する核酸（例えば、ＲＮＡ又はＤＮＡ）分子を選択的に濃縮するように構成されたプローブを使用することによって、対象において同定又モニタリングされ得る。プローブは、核酸プライマーであり得る。プローブは、複数の妊娠関連状態関連ゲノム遺伝子座又はゲノム領域のうちの１つ又は複数からの核酸配列との配列相補性を有し得る。複数の妊娠関連状態関連ゲノム遺伝子座又はゲノム領域は、少なくとも２、少なくとも３、少なくとも４、少なくとも５、少なくとも６、少なくとも７、少なくとも８、少なくとも９、少なくとも１０、少なくとも１１、少なくとも１２、少なくとも１３、少なくとも１４、少なくとも１５、少なくとも１６、少なくとも１７、少なくとも１８、少なくとも１９、少なくとも２０、少なくとも約２５、少なくとも約３０、少なくとも約３５、少なくとも約４０、少なくとも約４５、少なくとも約５０、少なくとも約５５、少なくとも約６０、少なくとも約６５、少なくとも約７０、少なくとも約７５、少なくとも約８０、少なくとも約８５、少なくとも約９０、少なくとも約９５、少なくとも約１００、又はそれを超える異なる妊娠関連状態関連ゲノム遺伝子座又はゲノム領域を含み得る。複数の妊娠関連状態関連ゲノム遺伝子座又はゲノム領域は、ＡＣＴＢ、ＡＤＡＭ１２、ＡＬＰＰ、ＡＮＸＡ３、ＡＰＬＦ、ＡＲＧ１、ＡＶＰＲ１Ａ、ＣＡＭＰ、ＣＡＰＮ６、ＣＤ１８０、ＣＧＡ、ＣＧＢ、ＣＬＣＮ３、ＣＰＶＬ、ＣＳＨ１、ＣＳＨ２、ＣＳＨＬ１、ＣＹＰ３Ａ７、ＤＡＰＰ１、ＤＣＸ、ＤＥＦＡ４、ＤＧＣＲ１４、ＥＬＡＮＥ、ＥＮＡＨ、ＥＰＢ４２、ＦＡＢＰ１、ＦＡＭ２１２Ｂ－ＡＳ１、ＦＧＡ、ＦＧＢ、ＦＲＭＤ４Ｂ、ＦＲＺＢ、ＦＳＴＬ３、ＧＨ２、ＧＮＡＺ、ＨＡＬ、ＨＳＤ１７Ｂ１、ＨＳＤ３Ｂ１、ＨＳＰＢ８、Ｉｍｍｕｎｅ、ＩＴＩＨ２、ＫＬＦ９、ＫＮＧ１、ＫＲＴ８、ＬＧＡＬＳ１４、ＬＴＦ、ＬＹＰＬＡＬ１、ＭＡＰ３Ｋ７ＣＬ、ＭＥＦ２Ｃ、ＭＭＤ、ＭＭＰ８、ＭＯＢ１Ｂ、ＮＦＡＴＣ２、ＯＴＣ、Ｐ２ＲＹ１２、ＰＡＰＰＡ、ＰＧＬＹＲＰ１、ＰＫＨＤ１Ｌ１、ＰＫＨＤ１Ｌ１、ＰＬＡＣ１、ＰＬＡＣ４、ＰＯＬＥ２、ＰＰＢＰ、ＰＳＧ１、ＰＳＧ４、ＰＳＧ７、ＰＴＧＥＲ３、ＲＡＢ１１Ａ、ＲＡＢ２７Ｂ、ＲＡＰ１ＧＡＰ、ＲＧＳ１８、ＲＰＬ２３ＡＰ７、Ｓ１００Ａ８、Ｓ１００Ａ９、Ｓ１００Ｐ、ＳＥＲＰＩＮＡ７、ＳＬＣ２Ａ２、ＳＬＣ３８Ａ４、ＳＬＣ４Ａ１、ＴＢＣ１Ｄ１５、ＶＣＡＮ、ＶＧＬＬ１、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される１つ又は複数のメンバー（例えば、１、２、３、４、５、６、７、８、９、１０、１１、１２、１３、１４、１５、１６、１７、１８、１９、２０、約２５、約３０、約３５、約４０、約４５、約５０、約５５、約６０、約６５、約７０、約７５、約８０、又はそれを超える）を含み得る。妊娠関連状態に関連するゲノム遺伝子座又はゲノム領域は、妊娠期間、早産、出産予定日、分娩の開始、又は他の妊娠関連状態若しくは合併症、例えば、参照によりその全体が本明細書に組み込まれるＮｇｏら（「Ｎｏｎｉｎｖａｓｉｖｅ ｂｌｏｏｄ ｔｅｓｔｓ ｆｏｒ ｆｅｔａｌ ｄｅｖｅｌｏｐｍｅｎｔ ｐｒｅｄｉｃｔ ｇｅｓｔａｔｉｏｎａｌ ａｇｅ ａｎｄ ｐｒｅｔｅｒｍ ｄｅｌｉｖｅｒｙ」Ｓｃｉｅｎｃｅ，３６０（６３９３），ｐｐ．１１３３－１１３６，０８ Ｊｕｎ ２０１８）によって記載されたゲノム遺伝子座に関連し得る。

【0105】

プローブは、１つ又は複数のゲノム遺伝子座（例えば、妊娠関連状態関連ゲノム遺伝子座）の核酸配列（例えば、ＲＮＡ又はＤＮＡ）と配列相補性を有する核酸分子（例えば、ＲＮＡ又はＤＮＡ）であり得る。これらの核酸分子は、プライマー又は濃縮配列であり得る。１つ又は複数のゲノム遺伝子座（例えば、妊娠関連状態関連ゲノム遺伝子座）に対して選択的なプローブを使用した無細胞生物試料のアッセイは、アレイハイブリダイゼーション（例えば、マイクロアレイ系）、ポリメラーゼ連鎖反応（ＰＣＲ）又は核酸配列決定（例えば、ＲＮＡ配列決定又はＤＮＡ配列決定）の使用を含み得る。いくつかの実施形態では、ＤＮＡ又はＲＮＡは、等温ＤＮＡ／ＲＮＡ増幅法（例えば、ループ媒介等温増幅（ＬＡＭＰ）、ヘリカーゼ依存性増幅（ＨＤＡ）、ローリングサークル増幅（ＲＣＡ）、リコンビナーゼポリメラーゼ増幅（ＲＰＡ））、イムノアッセイ、電気化学アッセイ、表面増強ラマン分光法（ＳＥＲＳ）、量子ドット（ＱＤ）ベースのアッセイ、分子反転プローブ、液滴デジタルＰＣＲ（ｄｄＰＣＲ）、ＣＲＩＳＰＲ／Ｃａｓベースの検出（例えば、ＣＲＩＳＰＲ－ｔｙｐｉｎｇ ＰＣＲ（ｃｔＰＣＲ）、特定の高感度酵素レポーターのロック解除（ＳＨＥＲＬＯＣＫ）、ＤＮＡエンドヌクレアーゼを標的としたＣＲＩＳＰＲトランスレポーター（ＤＥＴＥＣＴＲ）、及びＣＲＩＳＰＲを介したアナログマルチイベント記録装置（ＣＡＭＥＲＡ））、及びレーザー透過分光法（ＬＴＳ）のうちの１つ又は複数によってアッセイされ得る。

【0106】

アッセイ読み取り値を１つ又は複数のゲノム遺伝子座（例えば、妊娠関連状態関連ゲノム遺伝子座）で定量して、妊娠関連状態を示すデータを生成することができる。例えば、複数のゲノム遺伝子座（例えば、妊娠関連状態関連ゲノム遺伝子座）に対応するアレイハイブリダイゼーション又はポリメラーゼ連鎖反応（ＰＣＲ）の定量化は、妊娠関連状態を示すデータを生成し得る。アッセイ読み取り値は、定量ＰＣＲ（ｑＰＣＲ）値、デジタルＰＣＲ（ｄＰＣＲ）値、デジタル液滴ＰＣＲ（ｄｄＰＣＲ）値、蛍光値など、又はそれらの正規化された値を含み得る。アッセイは、家庭環境で行われるように構成された家庭用試験であり得る。

【0107】

いくつかの実施形態において、複数のアッセイを使用して、対象の無細胞生物試料を処理する。例えば、第１のアッセイを使用して、対象から得られた又は誘導された第１の無細胞生物試料を処理して、第１のデータセットを生成することができる。第１のデータセットに少なくとも部分的に基づいて、第１のアッセイとは異なる第２のアッセイを使用して、対象から得られた又は誘導された第２の無細胞生物試料を処理して、妊娠関連状態を示す第２のデータセットを生成することができる。第１のアッセイを使用して、対象のセットの無細胞生物試料をスクリーニング又は処理してもよく、第２のアッセイ又は後続のアッセイを使用して、対象のセットのより小さいサブセットの無細胞生物試料をスクリーニング又は処理してもよい。第１のアッセイは、１つ又は複数の妊娠関連状態（例えば、妊娠関連合併症）を検出する低コスト及び／又は高感度を有してよく、これは、対象の比較的大きなセットの無細胞生物試料をスクリーニング又は処理するのに適している。第２のアッセイは、１つ又は複数の妊娠関連状態（例えば、妊娠関連合併症）を検出するより高いコスト及び／又はより高い特異度を有してよく、これは、対象の比較的小さいセット（例えば、第１のアッセイを使用してスクリーニングされた対象のサブセット）の無細胞生物試料をスクリーニング又は処理するのに適している。第２のアッセイは、第１のアッセイを使用して生成された第１のデータセットよりも高い特異度（例えば、妊娠関連合併症などの１つ又は複数の妊娠関連状態について）を有する第２のデータセットを生成することができる。一例として、１つ又は複数の無細胞生物試料は、大規模な対象セットに対するｃｆＲＮＡアッセイを使用し、続いてより小規模な対象サブセットに対するメタボロミクスアッセイを使用して、又はその逆でもまた同様に、処理され得る。対象のより小さいサブセットは、第１のアッセイの結果に少なくとも部分的に基づいて選択され得る。

【0108】

あるいは、複数のアッセイを使用して、対象の無細胞生物試料を同時に処理することができる。例えば、第１のアッセイを使用して、対象から得られた又は誘導された第１の無細胞生物試料を処理して、妊娠関連状態を示す第１のデータセットを生成することができる。第１のアッセイとは異なる第２のアッセイを使用して、対象から得られた又は誘導された第２の無細胞生物試料を処理して、妊娠関連状態を示す第２のデータセットを生成することができる。次いで、第１のデータセット及び第２のデータセットのいずれか又はすべてを分析して、対象の妊娠関連状態を評価することができる。例えば、第１のデータセットと第２のデータセットとの組み合わせに基づいて、単一の診断指標又は診断スコアを生成することができる。別の例として、第１のデータセット及び第２のデータセットに基づいて別個の診断指標又は診断スコアを生成することができる。

【0109】

無細胞生物試料は、メタボロミクスアッセイを使用して処理することができる。例えば、メタボロミクスアッセイを使用して、対象の無細胞生物試料中の複数の妊娠関連状態関連代謝産物のそれぞれの定量的尺度（例えば、存在、非存在、又は相対量を示す）を同定することができる。メタボロミクスアッセイは、対象の血液試料又は尿試料（又はその誘導体）などの無細胞生物試料を処理するように構成され得る。無細胞生物試料中の妊娠関連状態関連代謝産物の定量的尺度（例えば、存在、非存在、又は相対量を示す）は、１つ又は複数の妊娠関連状態を示し得る。無細胞生物試料中の代謝産物は、妊娠関連状態関連遺伝子に対応する１つ又は複数の代謝経路の結果として産生され得る（例えば、最終生成物又は副生成物として）。無細胞生物試料の１つ又は複数の代謝産物をアッセイすることは、無細胞生物試料から代謝産物を単離又は抽出することを含み得る。メタボロミクスアッセイを使用して、対象の無細胞生物試料中の複数の妊娠関連状態関連代謝産物のそれぞれの定量的尺度（例えば、存在、非存在、又は相対量を示す）を示すデータセットを生成することができる。

【0110】

メタボロミクスアッセイは、小分子、脂質、アミノ酸、ペプチド、ヌクレオチド、ホルモン、その他のシグナル伝達分子、サイトカイン、ミネラル及び元素、ポリフェノール、脂肪酸、ジカルボン酸、アルコール及びポリオール、アルカン及びアルケン、ケト酸、糖脂質、炭水化物、ヒドロキシ酸、プリン、プロスタノイド、カテコールアミン、アシルリン酸、リン脂質、環状アミン、アミノケトン、ヌクレオシド、グリセロ脂質、芳香族酸、レチノイド、アミノアルコール、プテリン、ステロイド、カルニチン、ロイコトリエン、インドール、ポルフィリン、糖リン酸、補酵素Ａ誘導体、グルクロニド、ケトン、糖リン酸、無機イオン及びガス、スフィンゴ脂質、胆汁酸、アルコールリン酸、アミノ酸リン酸、アルデヒド、キノン、ピリミジン、ピリドキサール、トリカルボン酸、アシルグリシン、コバラミン誘導体、リポアミド、ビオチン、及びポリアミンなど、無細胞生物試料中の様々な代謝産物を分析する場合がある。

【0111】

メタボロミクスアッセイは、例えば、質量分析（ＭＳ）、標的ＭＳ、ガスクロマトグラフィー（ＧＣ）、高速液体クロマトグラフィー（ＨＰＬＣ）、キャピラリー電気泳動（ＣＥ）、核磁気共鳴（ＮＭＲ）分光法、イオン移動度分光法、ラマン分光法、電気化学アッセイ、又は免疫アッセイのうちの１つ又は複数を含み得る。

【0112】

無細胞生物試料は、メチル化特異的アッセイを使用して処理することができる。例えば、メチル化特異的アッセイを使用して、対象の無細胞生物試料中の複数の妊娠関連状態関連ゲノム遺伝子座のそれぞれのメチル化の定量的尺度（例えば、存在、非存在、又は相対量を示す）を同定することができる。メチル化特異的アッセイは、対象の血液試料又は尿試料（又はその誘導体）などの無細胞生物試料を処理するように構成され得る。無細胞生物試料中の妊娠関連状態関連ゲノム遺伝子座のメチル化の定量的尺度（例えば、存在、非存在、又は相対量を示す）は、１つ又は複数の妊娠関連状態を示し得る。メチル化特異的アッセイを使用して、対象の無細胞生物試料中の複数の妊娠関連状態関連ゲノム遺伝子座のそれぞれのメチル化の定量的尺度（例えば、存在、非存在、又は相対量を示す）を示すデータセットを生成することができる。

【0113】

メチル化特異的アッセイは、例えば、以下のうちの１つ又は複数を含み得る：メチル化を意識した配列決定（例えば、バイサルファイト処理を使用する）、パイロシーケンス、メチル化に敏感な一本鎖コンフォメーション分析（ＭＳ－ＳＳＣＡ）、高解像度融解分析（ＨＲＭ）、メチル化感受性一塩基プライマー伸長（ＭＳ－ＳｎｕＰＥ）、塩基特異的切断／ＭＡＬＤＩ－ＴＯＦ、マイクロアレイベースのメチル化アッセイ、メチル化特異的ＰＣＲ、標的バイサルファイト配列決定、酸化的バイサルファイト配列決定、質量分析ベースのバイサルファイト配列決定、又は縮小表示バイサルファイト配列決定（ＲＲＢＳ）。

【0114】

無細胞生物試料は、プロテオミクスアッセイを使用して処理することができる。例えば、プロテオミクスアッセイを使用して、対象の無細胞生物試料中の複数の妊娠関連状態関連タンパク質又はポリペプチドのそれぞれの定量的尺度（例えば、存在、非存在、又は相対量を示す）を同定することができる。プロテオミクスアッセイは、対象の血液試料又は尿試料（又はその誘導体）などの無細胞生物試料を処理するように構成され得る。無細胞生物試料中の妊娠関連状態関連タンパク質又はポリペプチドの定量的尺度（例えば、存在、非存在、又は相対量を示す）は、１つ又は複数の妊娠関連状態を示し得る。無細胞生物試料中のタンパク質又はポリペプチドは、妊娠関連状態関連遺伝子に対応する１つ又は複数の生化学的経路の結果として産生され得る（例えば、最終生成物又は副生成物として）。無細胞生物試料の１つ又は複数のタンパク質又はポリペプチドをアッセイすることは、無細胞生物試料からタンパク質又はポリペプチドを単離又は抽出することを含み得る。プロテオミクスアッセイを使用して、対象の無細胞生物試料中の複数の妊娠関連状態関連タンパク質又はポリペプチドのそれぞれの定量的尺度（例えば、存在、非存在、又は相対量を示す）を示すデータセットを生成することができる。

【0115】

プロテオミクスアッセイは、無細胞生物試料中の様々なタンパク質又はポリペプチド、例えば、異なる細胞条件（例えば、発達、細胞分化又は細胞周期）下で作製されたタンパク質を分析し得る。プロテオミクスアッセイは、例えば、以下のうちの１つ又は複数を含み得る：抗体ベースのイムノアッセイ、エドマン分解アッセイ、質量分析ベースのアッセイ（例えば、マトリックス支援レーザー脱離／イオン化（ＭＡＬＤＩ）及びエレクトロスプレーイオン化（ＥＳＩ））、トップダウンプロテオミクスアッセイ、ボトムアッププロテオミクスアッセイ、質量分析イムノアッセイ（ＭＳＩＡ）、抗ペプチド抗体（ＳＩＳＣＡＰＡ）アッセイによる安定同位体標準捕捉、蛍光二次元微分ゲル電気泳動（２－Ｄ ＤＩＧＥ）アッセイ、定量的プロテオミクスアッセイ、タンパク質マイクロアレイアッセイ、又は逆相タンパク質マイクロアレイアッセイ。プロテオミクスアッセイは、タンパク質又はポリペプチドの翻訳後修飾（例えば、リン酸化、ユビキチン化、メチル化、アセチル化、グリコシル化、酸化、及びニトロシル化）を検出し得る。プロテオミクスアッセイは、データベース（例えば、Ｈｕｍａｎ Ｐｒｏｔｅｉｎ Ａｔｌａｓ、ＰｅｐｔｉｄｅＡｔｌａｓ、及びＵｎｉＰｒｏｔ）から１つ又は複数のタンパク質又はポリペプチドを同定又は定量することができる。

【0116】

キット
本開示は、対象の妊娠関連状態を同定又はモニタリングするためのキットを提供する。キットは、対象の無細胞生物試料中の複数の妊娠関連状態関連ゲノム遺伝子座のそれぞれにおける配列の定量的尺度（例えば、存在、非存在、又は相対量を示す）を同定するためのプローブを含み得る。無細胞生物試料中の複数の妊娠関連状態関連ゲノム遺伝子座のそれぞれにおける配列の定量的尺度（例えば、存在、非存在、又は相対量を示す）は、１つ又は複数の妊娠関連状態を示し得る。プローブは、無細胞生物試料中の複数の妊娠関連状態関連ゲノム遺伝子座における配列に対して選択的であり得る。キットは、プローブを使用して無細胞生物試料を処理し、対象の無細胞生物試料中の複数の妊娠関連状態関連ゲノム遺伝子座のそれぞれにおける配列の定量的尺度（例えば、存在、非存在、又は相対量を示す）を示すデータセットを生成するための説明書を含み得る。

【0117】

キット中のプローブは、無細胞生物試料中の複数の妊娠関連状態関連ゲノム遺伝子座における配列に対して選択的であり得る。キット中のプローブは、複数の妊娠関連状態関連ゲノム遺伝子座に対応する核酸（例えば、ＲＮＡ又はＤＮＡ）分子を選択的に濃縮するように構成され得る。キット中のプローブは、核酸プライマーであり得る。キット中のプローブは、複数の妊娠関連状態関連ゲノム遺伝子座又はゲノム領域のうちの１つ又は複数からの核酸配列との配列相補性を有し得る。複数の妊娠関連状態関連ゲノム遺伝子座又はゲノム領域は、少なくとも２、少なくとも３、少なくとも４、少なくとも５、少なくとも６、少なくとも７、少なくとも８、少なくとも９、少なくとも１０、少なくとも１１、少なくとも１２、少なくとも１３、少なくとも１４、少なくとも１５、少なくとも１６、少なくとも１７、少なくとも１８、少なくとも１９、少なくとも２０、又はより異なる妊娠関連状態関連ゲノム遺伝子座又はゲノム領域を含み得る。複数の妊娠関連状態関連ゲノム遺伝子座又はゲノム領域は、ＡＣＴＢ、ＡＤＡＭ１２、ＡＬＰＰ、ＡＮＸＡ３、ＡＰＬＦ、ＡＲＧ１、ＡＶＰＲ１Ａ、ＣＡＭＰ、ＣＡＰＮ６、ＣＤ１８０、ＣＧＡ、ＣＧＢ、ＣＬＣＮ３、ＣＰＶＬ、ＣＳＨ１、ＣＳＨ２、ＣＳＨＬ１、ＣＹＰ３Ａ７、ＤＡＰＰ１、ＤＣＸ、ＤＥＦＡ４、ＤＧＣＲ１４、ＥＬＡＮＥ、ＥＮＡＨ、ＥＰＢ４２、ＦＡＢＰ１、ＦＡＭ２１２Ｂ－ＡＳ１、ＦＧＡ、ＦＧＢ、ＦＲＭＤ４Ｂ、ＦＲＺＢ、ＦＳＴＬ３、ＧＨ２、ＧＮＡＺ、ＨＡＬ、ＨＳＤ１７Ｂ１、ＨＳＤ３Ｂ１、ＨＳＰＢ８、Ｉｍｍｕｎｅ、ＩＴＩＨ２、ＫＬＦ９、ＫＮＧ１、ＫＲＴ８、ＬＧＡＬＳ１４、ＬＴＦ、ＬＹＰＬＡＬ１、ＭＡＰ３Ｋ７ＣＬ、ＭＥＦ２Ｃ、ＭＭＤ、ＭＭＰ８、ＭＯＢ１Ｂ、ＮＦＡＴＣ２、ＯＴＣ、Ｐ２ＲＹ１２、ＰＡＰＰＡ、ＰＧＬＹＲＰ１、ＰＫＨＤ１Ｌ１、ＰＫＨＤ１Ｌ１、ＰＬＡＣ１、ＰＬＡＣ４、ＰＯＬＥ２、ＰＰＢＰ、ＰＳＧ１、ＰＳＧ４、ＰＳＧ７、ＰＴＧＥＲ３、ＲＡＢ１１Ａ、ＲＡＢ２７Ｂ、ＲＡＰ１ＧＡＰ、ＲＧＳ１８、ＲＰＬ２３ＡＰ７、Ｓ１００Ａ８、Ｓ１００Ａ９、Ｓ１００Ｐ、ＳＥＲＰＩＮＡ７、ＳＬＣ２Ａ２、ＳＬＣ３８Ａ４、ＳＬＣ４Ａ１、ＴＢＣ１Ｄ１５、ＶＣＡＮ、ＶＧＬＬ１、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２からなる群から選択される１つ又は複数のメンバーを含み得る。

【0118】

キット中の説明書は、無細胞生物試料中の複数の妊娠関連状態関連ゲノム遺伝子座における配列に対して選択的であるプローブを使用して無細胞生物試料をアッセイするための説明書を含み得る。これらのプローブは、複数の妊娠関連状態関連ゲノム遺伝子座の１つ又は複数からの核酸配列（例えば、ＲＮＡ又はＤＮＡ）と配列相補性を有する核酸分子（例えば、ＲＮＡ又はＤＮＡ）であり得る。これらの核酸分子は、プライマー又は濃縮配列であり得る。無細胞生物試料をアッセイするための説明書は、無細胞生物試料を処理して、無細胞生物試料中の複数の妊娠関連状態関連ゲノム遺伝子座のそれぞれにおける配列の定量的尺度（例えば、存在、非存在、又は相対量を示す）を示すデータセットを生成するために、アレイハイブリダイゼーション、ポリメラーゼ連鎖反応（ＰＣＲ）、又は核酸配列決定（例えば、ＤＮＡ配列決定又はＲＮＡ配列決定）を実施するための導入を含み得る。無細胞生物試料中の複数の妊娠関連状態関連ゲノム遺伝子座のそれぞれにおける配列の定量的尺度（例えば、存在、非存在、又は相対量を示す）は、１つ又は複数の妊娠関連状態を示し得る。

【0119】

キット中の説明書は、アッセイ読み取り値を測定及び解釈するための説明書を含んでよく、これは、複数の妊娠関連状態関連ゲノム遺伝子座の１つ又は複数において定量化されて、無細胞生物試料中の複数の妊娠関連状態関連ゲノム遺伝子座のそれぞれにおける配列の定量的尺度（例えば、存在、非存在、又は相対量を示す）を示すデータセットを生成し得る。例えば、複数の妊娠関連状態関連ゲノム遺伝子座に対応するアレイハイブリダイゼーション又はポリメラーゼ連鎖反応（ＰＣＲ）の定量化は、無細胞生物試料中の複数の妊娠関連状態関連ゲノム遺伝子座のそれぞれにおける配列の定量的尺度（例えば、存在、非存在、又は相対量を示す）を示すデータセットを生成し得る。アッセイ読み取り値は、定量ＰＣＲ（ｑＰＣＲ）値、デジタルＰＣＲ（ｄＰＣＲ）値、デジタル液滴ＰＣＲ（ｄｄＰＣＲ）値、蛍光値など、又はそれらの正規化された値を含み得る。

【0120】

キットは、対象の無細胞生物試料中の複数の妊娠関連状態関連代謝産物のそれぞれの定量的尺度（例えば、存在、非存在、又は相対量を示す）を同定するためのメタボロミクスアッセイを含み得る。無細胞生物試料中の妊娠関連状態関連代謝産物の定量的尺度（例えば、存在、非存在、又は相対量を示す）は、１つ又は複数の妊娠関連状態を示し得る。無細胞生物試料中の代謝産物は、妊娠関連状態関連遺伝子に対応する１つ又は複数の代謝経路の結果として産生され得る（例えば、最終生成物又は副生成物として）。キットは、無細胞生物試料から代謝産物を単離若しくは抽出するための、及び／又はメタボロミクスアッセイを使用して、対象の無細胞生物試料中の複数の妊娠関連状態関連代謝産物のそれぞれの定量的尺度（例えば、存在、非存在、又は相対量を示す）を示すデータセットを生成するための説明書を含み得る。

【0121】

訓練されたアルゴリズム
対象に由来する１つ又は複数の無細胞生物試料を処理するために１つ又は複数のアッセイを使用して、妊娠関連状態又は妊娠関連合併症を示す１つ又は複数のデータセットを生成した後、訓練されたアルゴリズムを使用して、データセットの１つ又は複数（例えば、複数の妊娠関連状態関連ゲノム遺伝子座の各々において）を処理し、妊娠関連状態を決定し得る。例えば、訓練されたアルゴリズムを使用して、無細胞生物試料中の複数の妊娠関連状態関連ゲノム遺伝子座のそれぞれにおける配列の定量的測定を決定し得る。訓練されたアルゴリズムは、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８５％、少なくとも約９０％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、又は９９％以上の精度で、少なくとも約２５、少なくとも約５０、少なくとも約１００、少なくとも約１５０、少なくとも約２００、少なくとも約２５０、少なくとも約３００、少なくとも約３５０、少なくとも約４００、少なくとも約４５０、少なくとも約５００、又は約５００を超える独立した試料において妊娠関連状態を同定するように構成され得る。

【0122】

訓練されたアルゴリズムは、教師あり機械学習アルゴリズムを含み得る。訓練されたアルゴリズムは、分類及び回帰ツリー（ＣＡＲＴ）アルゴリズムを含み得る。教師あり機械学習アルゴリズムは、例えば、Ｒａｎｄｏｍ Ｆｏｒｅｓｔ、サポート・ベクター・マシン（ＳＶＭ）、ニューラルネットワーク、又はディープ・ラーニング・アルゴリズムを含み得る。訓練されたアルゴリズムは、教師なし機械学習アルゴリズムを含み得る。

【0123】

訓練されたアルゴリズムは、複数の入力変数を受け取り、複数の入力変数に基づいて１つ又は複数の出力値を生成するように構成されてもよい。複数の入力変数は、妊娠関連状態を示す１つ又は複数のデータセットを含み得る。例えば、入力変数は、複数の妊娠関連状態関連ゲノム遺伝子座のそれぞれに対応する又は整列するいくつかの配列を含み得る。複数の入力変数はまた、対象の臨床健康データを含み得る。

【0124】

訓練されたアルゴリズムは、１つ又は複数の出力値の各々が、分類器による無細胞生物試料の分類を示す固定数の可能な値（例えば、線形分類器、ロジスティック回帰分類器）のうちの１つを含むように、分類器を含み得る。訓練されたアルゴリズムは、１つ又は複数の出力値の各々が、分類器による無細胞生物試料の分類を示す２つの値（例えば、｛０，１｝、｛陽性、陰性｝、又は｛高リスク、低リスク｝）のうちの１つを含むように、バイナリ分類器を含み得る。訓練されたアルゴリズムは、１つ又は複数の出力値の各々が、分類器による無細胞生物試料の分類を示す３つ以上の値（例えば、｛０，１，２｝、｛陽性、陰性、又は不確定｝、又は｛高リスク、中リスク、又は低リスク｝）のうちの１つを含むように、別のタイプの分類器であり得る。出力値は、記述ラベル、数値、又はそれらの組み合わせを含み得る。出力値のいくつかは、記述ラベルを含み得る。そのような記述ラベルは、対象の疾患又は障害状態の同定又は指標を提供してもよく、例えば、陽性、陰性、高リスク、中リスク、低リスク、又は不確定を含み得る。そのような記述ラベルは、対象の妊娠関連状態の処置の同定を提供してもよく、例えば、妊娠関連状態を処置するのに適した治療的介入、治療的介入の期間、及び／又は治療的介入の投与量を含み得る。そのような記述ラベルは、対象に対して実施するのに適切であり得る二次臨床試験の同定を提供してよく、例えば、画像診断検査、血液検査、コンピュータ断層撮影（ＣＴ）スキャン、磁気共鳴画像法（ＭＲＩ）スキャン、超音波スキャン、胸部Ｘ線、陽電子放射断層撮影（ＰＥＴ）スキャン、ＰＥＴ－ＣＴスキャン、無細胞生物学的細胞学、羊水穿刺、非侵襲的出生前検査（ＮＩＰＴ）、又はそれらの任意の組み合わせを含み得る。例えば、そのような記述ラベルは、対象の妊娠関連状態の予後を提供し得る。別の例として、そのような記述ラベルは、対象の妊娠関連状態（例えば、数日、数週間、又は数ヶ月の推定妊娠期間）の相対的評価を提供し得る。いくつかの記述ラベルは、例えば、「陽性」を１に、「陰性」を０にマッピングすることによって、数値にマッピングされてもよい。

【0125】

出力値のいくつかは、バイナリ、整数、又は連続値などの数値を含み得る。そのようなバイナリ出力値は、例えば、｛０，１｝、｛陽性、陰性｝、又は｛高リスク、低リスク｝を含み得る。そのような整数出力値は、例えば、｛０，１，２｝を含み得る。そのような連続出力値は、例えば、少なくとも０及び１以下の確率値を含み得る。そのような連続出力値は、例えば、少なくとも０の正規化されていない確率値を含み得る。そのような連続出力値は、対象の妊娠関連状態の予後を示し得る。いくつかの数値は、例えば、１を「陽性」に、０を「陰性」にマッピングすることによって、記述ラベルにマッピングされてもよい。

【0126】

出力値のいくつかは、１つ又は複数のカットオフ値に基づいて割り当てられてもよい。例えば、試料のバイナリ分類は、対象が妊娠関連状態（例えば、妊娠関連合併症）を有する確率が少なくとも５０％であることを試料が示す場合、「陽性」又は１の出力値を割り当て得る。例えば、試料のバイナリ分類は、対象が妊娠関連状態を有する確率が５０％未満であることを試料が示す場合（例えば、妊娠関連合併症）、「陰性」又は０の出力値を割り当てることができる。この場合、５０％の単一のカットオフ値を使用して、試料を２つの可能なバイナリ出力値のうちの１つに分類する。単一カットオフ値の例としては、約１％、約２％、約５％、約１０％、約１５％、約２０％、約２５％、約３０％、約３５％、約４０％、約４５％、約５０％、約５５％、約６０％、約６５％、約７０％、約７５％、約８０％、約８５％、約９０％、約９１％、約９２％、約９３％、約９４％、約９５％、約９６％、約９７％、約９８％、及び約９９％が挙げられ得る。

【0127】

別の例として、試料の分類は、対象が妊娠関連状態（例えば、妊娠関連合併症）を有する確率が、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８５％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、又はそれを超えることを試料が示す場合、「陽性」又は１の出力値を割り当て得る。試料の分類は、対象が妊娠関連状態（例えば、妊娠関連合併症）を有する確率が、約５０％超、約５５％超、約６０％超、約６５％超、約７０％超、約７５％超、約８０％超、約８５％超、約９０％超、約９１％超、約９２％超、約９３％超、約９４％超、約９５％超、約９６％超、約９７％超、約９８％超、又は約９９％超であることを試料が示す場合、「陽性」又は１の出力値を割り当て得る。

【0128】

試料の分類は、対象が妊娠関連状態（例えば、妊娠関連合併症）を有する確率が、約５０％未満、約４５％未満、約４０％未満、約３５％未満、約３０％未満、約２５％未満、約２０％未満、約１５％未満、約１０％未満、約９％未満、約８％未満、約７％未満、約６％未満、約５％未満、約４％未満、約３％未満、約２％未満、又は約１％未満であることを試料が示す場合、「陰性」又は０の出力値を割り当て得る。試料の分類は、対象が妊娠関連状態（例えば、妊娠関連合併症）を有する確率が、約５０％以下、約４５％以下、約４０％以下、約３５％以下、約３０％以下、約２５％以下、約２０％以下、約１５％以下、約１０％以下、約９％以下、約８％以下、約７％以下、約６％以下、約５％以下、約４％以下、約３％以下、約２％以下、又は約１％以下であることを試料が示す場合、「陰性」又は０の出力値を割り当て得る。

【0129】

試料の分類は、試料が「陽性」、「陰性」、１、又は０として分類されない場合、「不確定」又は２の出力値を割り当て得る。この場合、２つのカットオフ値のセットを使用して、試料を３つの可能な出力値のうちの１つに分類する。カットオフ値のセットの例は、｛１％、９９％｝、｛２％、９８％｝、｛５％、９５％｝、｛１０％、９０％｝、｛１５％、８５％｝、｛２０％、８０％｝、｛２５％、７５％｝、｛３０％、７０％｝、｛３５％、６５％｝、｛４０％、６０％｝、及び｛４５％、５５％｝を含み得る。同様に、ｎ個のカットオフ値のセットを使用して、試料をｎ＋１個の可能な出力値のうちの１つに分類することができ、ｎは任意の正の整数である。

【0130】

訓練されたアルゴリズムは、複数の独立した訓練試料で訓練されてもよい。独立した訓練試料の各々は、対象由来の無細胞生物試料、無細胞生物試料をアッセイすることによって得られた関連するデータセット（本明細書の他の箇所に記載されるような）、及び無細胞生物試料に対応する１つ又は複数の公知の出力値（例えば、対象の妊娠関連状態の臨床診断、予後、非存在、又は処置有効性）を含み得る。独立した訓練試料は、無細胞生物試料及び関連するデータセット並びに複数の異なる対象から得られた又は誘導された出力を含み得る。独立した訓練試料は、無細胞生物試料及び関連するデータセット並びに同じ対象からの複数の異なる時点で（例えば、毎週、隔週、又は毎月などの定期的に）得られた出力を含み得る。独立した訓練試料は、妊娠関連状態の存在と関連付けられ得る（例えば、妊娠関連状態を有することが知られている複数の対象から得られた又は誘導された無細胞生物試料並びに関連するデータセット及び出力を含む訓練試料）。独立した訓練試料は、妊娠関連状態の非存在と関連付けられ得る（例えば、妊娠関連状態の以前の診断を有していないことが知られているか、又は妊娠関連状態についての陰性の試験結果を受けた複数の対象から得られた又は誘導された、無細胞生物試料並びに関連するデータセット及び出力を含む訓練試料）。

【0131】

訓練されたアルゴリズムは、少なくとも約５、少なくとも約１０、少なくとも約１５、少なくとも約２０、少なくとも約２５、少なくとも約３０、少なくとも約３５、少なくとも約４０、少なくとも約４５、少なくとも約５０、少なくとも約１００、少なくとも約１５０、少なくとも約２００、少なくとも約２５０、少なくとも約３００、少なくとも約３５０、少なくとも約４００、少なくとも約４５０、又は少なくとも約５００の独立した訓練試料で訓練され得る。独立した訓練試料は、妊娠関連状態の存在に関連する無細胞生物試料及び／又は妊娠関連状態の非存在に関連する無細胞生物試料を含み得る。訓練されたアルゴリズムは、妊娠関連状態の存在に関連する約５００個以下、約４５０個以下、約４００個以下、約３５０個以下、約３００個以下、約２５０個以下、約２００個以下、約１５０個以下、約１００個以下、又は約５０個以下の独立した訓練試料で訓練され得る。いくつかの実施形態において、無細胞生物試料は、訓練されたアルゴリズムを訓練するために使用される試料とは無関係である。

【0132】

訓練されたアルゴリズムは、妊娠関連状態の存在に関連する第１の数の独立した訓練試料及び妊娠関連状態の非存在に関連する第２の数の独立した訓練試料で訓練され得る。妊娠関連状態の存在に関連する独立した訓練試料の第１の数は、妊娠関連状態の非存在に関連する独立した訓練試料の第２の数以下であり得る。妊娠関連状態の存在に関連する独立した訓練試料の第１の数は、妊娠関連状態の非存在に関連する独立した訓練試料の第２の数に等しくてもよい。妊娠関連状態の存在に関連する独立した訓練試料の第１の数は、妊娠関連状態の非存在に関連する独立した訓練試料の第２の数より多くてもよい。

【0133】

訓練されたアルゴリズムは、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、で少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、又はそれを超える精度で；少なくとも約５、少なくとも約１０、少なくとも約１５、少なくとも約２０、少なくとも約２５、少なくとも約３０、少なくとも約３５、少なくとも約４０、少なくとも約４５、少なくとも約５０、少なくとも約１００、少なくとも約１５０、少なくとも約２００、少なくとも約２５０、少なくとも約３００、少なくとも約３５０、少なくとも約４００、少なくとも約４５０、又は少なくとも約５００の独立した訓練試料において妊娠関連状態を同定するように構成され得る。訓練されたアルゴリズムによって妊娠関連状態を同定する精度は、妊娠関連状態を有する又は有しないとして正しく同定又は分類された独立した試験試料（例えば、妊娠関連状態を有することが知られている対象又は妊娠関連状態について臨床試験結果が陰性である対象）の割合として計算され得る。

【0134】

訓練されたアルゴリズムは、少なくとも約５％、少なくとも約１０％、少なくとも約１５％、少なくとも約２０％、少なくとも約２５％、少なくとも約３０％、少なくとも約３５％、少なくとも約４０％、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、又はそれを超える陽性予測値（ＰＰＶ）で妊娠関連状態を同定するように構成され得る。訓練されたアルゴリズムを使用して妊娠関連状態を同定するＰＰＶは、真に妊娠関連状態を有する対象に対応する、妊娠関連状態を有すると同定又は分類された無細胞生物試料のパーセンテージとして計算され得る。

【0135】

訓練されたアルゴリズムは、少なくとも約５％、少なくとも約１０％、少なくとも約１５％、少なくとも約２０％、少なくとも約２５％、少なくとも約３０％、少なくとも約３５％、少なくとも約４０％、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、又はそれを超える陰性予測値（ＮＰＶ）で妊娠関連状態を同定するように構成され得る。訓練されたアルゴリズムを使用して妊娠関連状態を同定するＮＰＶは、真に妊娠関連状態を有しない対象に対応する、妊娠関連状態を有しないと同定又は分類された無細胞生物試料のパーセンテージとして計算され得る。

【0136】

訓練されたアルゴリズムは、少なくとも約５％、少なくとも約１０％、少なくとも約１５％、少なくとも約２０％、少なくとも約２５％、少なくとも約５％、３０％、少なくとも約３５％、少なくとも約４０％、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、少なくとも約９９．１％、少なくとも約９９．２％、少なくとも約９９．３％、少なくとも約９９．４％、少なくとも約９９．５％、少なくとも約９９．６％、少なくとも約９９．７％、少なくとも約９９．８％、少なくとも約９９．９％、少なくとも約９９．９９％、少なくとも約９９．９９９％、又はそれを超える臨床感度で妊娠関連状態を同定するように構成され得る。訓練されたアルゴリズムを使用して妊娠関連状態を同定する臨床感度は、妊娠関連状態を有するとして正しく同定又は分類された、妊娠関連状態の存在に関連する独立した試験試料（例えば、妊娠関連状態を有することが知られている対象）のパーセンテージとして計算され得る。

【0137】

訓練されたアルゴリズムは、少なくとも約５％、少なくとも約１０％、少なくとも約１５％、少なくとも約２０％、少なくとも約２５％、約３０％、少なくとも約３５％、少なくとも約４０％、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、少なくとも約９９．１％、少なくとも約９９．２％、少なくとも約９９．３％、少なくとも約９９．４％、少なくとも約９９．５％、少なくとも約９９．６％、少なくとも約９９．７％、少なくとも約９９．８％、少なくとも約９９．９％、少なくとも約９９．９９％、少なくとも約９９．９９９％、又はそれを超える臨床特異度で妊娠関連状態を同定するように構成され得る。訓練されたアルゴリズムを使用して妊娠関連状態を同定する臨床特異度は、妊娠関連状態を有していないとして正しく同定又は分類された、妊娠関連状態の非存在に関連する独立した試験試料（例えば、妊娠関連状態について臨床試験結果が陰性である対象）のパーセンテージとして計算され得る。

【0138】

訓練されたアルゴリズムは、少なくとも約０．５０、少なくとも約０．５５、少なくとも約０．６０、少なくとも約０．６５、少なくとも約０．７０、少なくとも約０．７５、少なくとも約０．８０、少なくとも約０．８１、少なくとも約０．８２、少なくとも約０．８３、少なくとも約０．８４、少なくとも約０．８５、少なくとも約０．８６、少なくとも約０．８７、少なくとも約０．８８、少なくとも約０．８９、少なくとも約０．９０、少なくとも約０．９１少なくとも約０．９２、少なくとも約０．９３、少なくとも約０．９４、少なくとも約０．９５、少なくとも約０．９６、少なくとも約０．９７、少なくとも約０．９８、少なくとも約０．９９、又はそれを超える曲線下面積（ＡＵＣ）で妊娠関連状態を同定するように構成され得る。ＡＵＣは、妊娠関連状態を有する又は有しないとして無細胞生物試料を分類する訓練されたアルゴリズムに関連する受信者動作特性（ＲＯＣ）曲線（例えば、ＲＯＣ曲線下面積）の積分として計算され得る。

【0139】

訓練されたアルゴリズムは、妊娠関連状態を同定する性能、精度、ＰＰＶ、ＮＰＶ、臨床感度、臨床特異度、又はＡＵＣのうちの１つ又は複数を改善するように調整又は適合させることができる。訓練されたアルゴリズムは、訓練されたアルゴリズムのパラメータ（例えば、本明細書中の他の箇所に記載されるような無細胞生物試料を分類するために使用されるカットオフ値のセット、又はニューラルネットワークの重み）を調整することによって、調整する又は適合させることができる。訓練されたアルゴリズムは、訓練プロセス中又は訓練プロセスが完了した後に連続的に調整又は適合することができる。

【0140】

訓練されたアルゴリズムが最初に訓練された後、入力のサブセットは、高品質の分類を行うために含まれるべき最も影響力のある又は最も重要なものと同定され得る。例えば、複数の妊娠関連状態関連ゲノム遺伝子座のサブセットは、妊娠関連状態（又は妊娠関連状態のサブタイプ）の高品質の分類又は同定を行うために含まれるべき最も影響力のある又は最も重要なものと同定され得る。複数の妊娠関連状態関連ゲノム遺伝子座又はそのサブセットは、妊娠関連状態（又は妊娠関連状態のサブタイプ）の高品質の分類又は同定を行うことに対する各ゲノム遺伝子座の影響又は重要性を示す分類基準に基づいてランク付けされ得る。そのような基準は、場合によっては、所望の性能レベル（例えば、所望の最小精度、ＰＰＶ、ＮＰＶ、臨床感度、臨床特異度、ＡＵＣ、又はそれらの組み合わせに基づいて）まで訓練されたアルゴリズムを訓練するために使用され得る入力変数（例えば、予測変数）の数を大幅に減らすために使用され得る。例えば、訓練されたアルゴリズムで数十又は数百の入力変数を含む複数で訓練されたアルゴリズムを訓練すると、９９％を超える分類の精度が得られる場合、代わりに、複数の中でそのような最も影響力のある又は最も重要な入力変数であり、分類の精度は低下するが、それでも許容できる、約５以下、約１０以下、約１５以下、約２０以下、約２５以下、約３０以下、約３５以下、約４０以下、約４５以下、約５０以下、又は約１００以下の選択されたサブセットのみで訓練されたアルゴリズムを訓練する（例えば、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、又は少なくとも約９９％）。サブセットは、複数の入力変数全体をランク順に並べ、最良の分類基準を有する所定数（例えば、約５以下、約１０以下、約１５以下、約２０以下、約２５以下、約３０以下、約３５以下、約４０以下、約４５以下、約５０以下、又は約１００以下）の入力変数を選択することによって選択することができる。

【0141】

妊娠関連状態の同定又はモニタリング
データセットを処理するために訓練されたアルゴリズムを使用した後、妊娠関連状態又は妊娠関連合併症は、対象において同定又はモニタリングされ得る。同定は、妊娠関連状態関連ゲノム遺伝子座のパネル（例えば、妊娠関連状態関連ゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）でのデータセットの配列リードの定量的測定、妊娠関連状態関連タンパク質のパネルでのデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又は妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータに少なくとも部分的に基づき得る。

【0142】

妊娠関連状態は、対象において、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、又はそれを超える精度で同定され得る。訓練されたアルゴリズムによって妊娠関連状態を同定する精度は、妊娠関連状態を有する又は有しないとして正しく同定又は分類された独立した試験試料（例えば、妊娠関連状態を有することが知られている対象又は妊娠関連状態について臨床試験結果が陰性である対象）の割合として計算され得る。

【0143】

妊娠関連状態は、少なくとも約５％、少なくとも約１０％、少なくとも約１５％、少なくとも約２０％、少なくとも約２５％、少なくとも約３０％、少なくとも約３５％、少なくとも約４０％、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、又はそれを超える陽性予測値（ＰＰＶ）で対象において同定され得る。訓練されたアルゴリズムを使用して妊娠関連状態を同定するＰＰＶは、真に妊娠関連状態を有する対象に対応する、妊娠関連状態を有すると同定又は分類された無細胞生物試料のパーセンテージとして計算され得る。

【0144】

妊娠関連状態は、少なくとも約５％、少なくとも約１０％、少なくとも約１５％、少なくとも約２０％、少なくとも約２５％、少なくとも約３０％、少なくとも約３５％、少なくとも約４０％、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、又はそれを超える陰性予測値（ＮＰＶ）で対象において同定され得る。訓練されたアルゴリズムを使用して妊娠関連状態を同定するＮＰＶは、真に妊娠関連状態を有しない対象に対応する、妊娠関連状態を有しないと同定又は分類された無細胞生物試料のパーセンテージとして計算され得る。

【0145】

妊娠関連状態は、少なくとも約５％、少なくとも約１０％、少なくとも約１５％、少なくとも約２０％、少なくとも約２５％、少なくとも約３０％、少なくとも約３５％、少なくとも約４０％、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、少なくとも約９９．１％、少なくとも約９９．２％、少なくとも約９９．３％、少なくとも約９９．４％、少なくとも約９９．５％、少なくとも約９９．６％、少なくとも約９９．７％、少なくとも約９９．８％、少なくとも約９９．９％、少なくとも約９９．９９％、少なくとも約９９．９９９％以上、又はそれを超える以上の臨床感度を有する対象において同定され得る。訓練されたアルゴリズムを使用して妊娠関連状態を同定する臨床感度は、妊娠関連状態を有するとして正しく同定又は分類された、妊娠関連状態の存在に関連する独立した試験試料（例えば、妊娠関連状態を有することが知られている対象）のパーセンテージとして計算され得る。

【0146】

妊娠関連状態は、少なくとも約５％、少なくとも約１０％、少なくとも約１５％、少なくとも約２０％、少なくとも約２５％、少なくとも約３０％、少なくとも約３５％、少なくとも約４０％、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、少なくとも約９９．１％、少なくとも約９９．２％、少なくとも約９９．３％、少なくとも約９９．４％、少なくとも約９９．５％、少なくとも約９９．６％、少なくとも約９９．７％、少なくとも約９９．８％、少なくとも約９９．９％、少なくとも約９９．９９％、少なくとも約９９．９９９％以上、又はそれを超える臨床特異度を有する対象において同定され得る。訓練されたアルゴリズムを使用して妊娠関連状態を同定する臨床特異度は、妊娠関連状態を有していないとして正しく同定又は分類された、妊娠関連状態の非存在に関連する独立した試験試料（例えば、妊娠関連状態について臨床試験結果が陰性である対象）のパーセンテージとして計算され得る。

【0147】

一態様では、本開示は、対象が早産のリスクにあることを決定するための方法を提供し、方法が、対象に由来する無細胞生物試料をアッセイして、早産リスクを示すデータセットを生成すること、少なくとも８０％の特異度で、無細胞生物試料とは独立した試料で訓練された訓練されたアルゴリズムを使用して、対象が少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、又はそれを超える精度で早産のリスクがあると判断すること、を含む。

【0148】

対象において妊娠関連状態が同定された後、妊娠関連状態のサブタイプ（例えば、妊娠関連状態の複数のサブタイプの中から選択される）が、さらに同定され得る。妊娠関連状態のサブタイプは、妊娠関連状態関連ゲノム遺伝子座のパネル（例えば、妊娠関連状態に関連するゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）におけるデータセットの配列リードの定量的測定、妊娠関連状態関連タンパク質のパネルにおけるデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又は妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータに少なくとも部分的に基づいて決定され得る。例えば、対象は、早産のサブタイプ（例えば、早産の複数のサブタイプの中から選択される）のリスクがあると同定され得る。対象を早産のサブタイプのリスクがあると同定した後、対象における臨床介入は、対象がリスクがあると同定された早産のサブタイプに少なくとも部分的に基づいて選択され得る。いくつかの態様では、臨床介入は、複数の臨床介入（例えば、早産の異なるサブタイプについて臨床的に示される）から選択される。

【0149】

いくつかの実施形態において、訓練されたアルゴリズムは、対象が、少なくとも約５％、少なくとも約１０％、少なくとも約１５％、少なくとも約２０％、少なくとも約２５％、少なくとも約３０％、少なくとも約３５％、少なくとも約４０％、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、又はそれを超える早産のリスクがあると決定し得る。

【0150】

訓練されたアルゴリズムは、対象が、少なくとも約５０％、少なくとも約５５％、少なくとも約６０％、少なくとも約６５％、少なくとも約７０％、少なくとも約７５％、少なくとも約８０％、少なくとも約８１％、少なくとも約８２％、少なくとも約８３％、少なくとも約８４％、少なくとも約８５％、少なくとも約８６％、少なくとも約８７％、少なくとも約８８％、少なくとも約８９％、少なくとも約９０％、少なくとも約９１％、少なくとも約９２％、少なくとも約９３％、少なくとも約９４％、少なくとも約９５％、少なくとも約９６％、少なくとも約９７％、少なくとも約９８％、少なくとも約９９％、少なくとも約９９．１％、少なくとも約９９．２％、少なくとも約９９．３％、少なくとも約９９．４％、少なくとも約９９．５％、少なくとも約９９．６％、少なくとも約９９．７％、少なくとも約９９．８％、少なくとも約９９．９％、少なくとも約９９．９９％、少なくとも約９９．９９９％、又はそれを超える精度で早産のリスクがあると決定し得る。

【0151】

対象を妊娠関連状態を有すると同定すると、対象に任意選択で治療的介入（例えば、対象の妊娠関連状態を処置するための適切な一連の処置を処方すること）を行ってもよい。治療的介入は、薬物の有効量の処方、妊娠関連状態のさらなる試験若しくは評価、妊娠関連状態のさらなるモニタリング、分娩の誘発若しくは阻害、又はそれらの組み合わせを含み得る。対象が現在、妊娠関連状態について一連の処置で処置されている場合、治療的介入は、後続の異なる一連の処置を（例えば、現在の処置経過の非有効性に起因して処置有効性を増加させるために、）含み得る。

【0152】

治療的介入は、妊娠関連状態の診断を確認するための二次臨床試験のために対象を推奨することを含み得る。この二次臨床試験は、画像診断検査、血液検査、コンピュータ断層撮影（ＣＴ）スキャン、磁気共鳴画像法（ＭＲＩ）スキャン、超音波スキャン、胸部Ｘ線、陽電子放射断層撮影（ＰＥＴ）スキャン、ＰＥＴ－ＣＴスキャン、無細胞生物学的細胞学、羊水穿刺、非侵襲的出生前検査（ＮＩＰＴ）、又はそれらの任意の組み合わせを含み得る。

【0153】

妊娠関連状態関連ゲノム遺伝子座のパネルにおけるデータセットの配列リードの定量的測定（例えば、妊娠関連状態関連ゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）、妊娠関連状態関連タンパク質のパネルにおけるデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又は妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータは、患者をモニタリングするためにある期間にわたって評価され得る（例えば、妊娠関連状態を有するか、又は妊娠関連状態の処置を受けている対象）。そのような場合、患者のデータセットの定量的測定は、処置の過程で変化し得る。例えば、有効な処置に起因して妊娠関連状態のリスクが低下している患者のデータセットの定量的測定は、健康な対象（例えば、妊娠関連合併症を有しない対象）のプロファイル又は分布にシフトし得る。逆に、例えば、効果のない処置のために妊娠関連状態のリスクが増加している患者のデータセットの定量的測定は、妊娠関連状態又はより進行した妊娠関連状態のリスクがより高い対象のプロファイル又は分布にシフトし得る。

【0154】

対象の妊娠関連状態は、対象の妊娠関連状態を処置するための一連の処置をモニタリングすることによってモニタリングすることができる。モニタリングは、２つ以上の時点で対象の妊娠関連状態を評価することを含み得る。評価は、少なくとも、妊娠関連状態関連ゲノム遺伝子座のパネル（例えば、妊娠関連状態に関連するゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）でのデータセットの配列リードの定量的測定、妊娠関連状態関連タンパク質のパネルでのデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又は２つ以上の時点のそれぞれで決定された妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータに基づき得る。

【0155】

いくつかの実施形態において、妊娠関連状態関連ゲノム遺伝子座のパネルでのデータセットの配列リードの定量的測定の違い（例えば、妊娠関連状態関連ゲノム遺伝子座でのＲＮＡ転写物又はＤＮＡの定量的測定）、妊娠関連状態関連タンパク質のパネルでのデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又は、（ｉ）対象の妊娠関連状態の診断、（ｉｉ）対象の妊娠関連状態の予後、（ｉｉｉ）対象の妊娠関連状態のリスクの増加、（ｉｖ）対象の妊娠関連状態のリスクの低下、（ｖ）対象の妊娠関連状態を処置するための一連の処置の有効性、（ｖｉ）対象の妊娠関連状態を処置するための一連の処置の非有効性など、１つ又は複数の臨床徴候を示し得る２つ以上の時点の間で決定された妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータ。

【0156】

いくつかの実施形態において、２つ以上の時点の間に決定された、妊娠関連状態関連ゲノム遺伝子座のパネル（例えば、妊娠関連状態に関連するゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）でのデータセットの配列リードの定量的測定、妊娠関連状態関連タンパク質のパネルでのデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又は妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータの差が、対象の妊娠関連状態の診断を示し得る。例えば、妊娠関連状態がより早い時点で対象において検出されなかったが、より遅い時点で対象において検出された場合、その差は、対象の妊娠関連状態の診断を示す。臨床的行動又は決定は、例えば、対象に新しい治療的介入を処方するなど、対象の妊娠関連状態の診断のこの指標に基づいて行われ得る。臨床的行動又は決定は、妊娠関連状態の診断を確認するための二次臨床試験のために対象を推奨することを含み得る。この二次臨床試験は、画像診断検査、血液検査、コンピュータ断層撮影（ＣＴ）スキャン、磁気共鳴画像法（ＭＲＩ）スキャン、超音波スキャン、胸部Ｘ線、陽電子放射断層撮影（ＰＥＴ）スキャン、ＰＥＴ－ＣＴスキャン、無細胞生物学的細胞学、羊水穿刺、非侵襲的出生前検査（ＮＩＰＴ）、又はそれらの任意の組み合わせを含み得る。

【0157】

いくつかの実施形態において、２つ以上の時点の間に決定された、妊娠関連状態関連ゲノム遺伝子座のパネル（例えば、妊娠関連状態に関連するゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）でのデータセットの配列リードの定量的測定、妊娠関連状態関連タンパク質のパネルでのデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又は妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータの差が、対象の妊娠関連状態の予後を示し得る。

【0158】

いくつかの実施形態において、２つ以上の時点の間に決定された、妊娠関連状態関連ゲノム遺伝子座のパネル（例えば、妊娠関連状態に関連するゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）でのデータセットの配列リードの定量的測定、妊娠関連状態関連タンパク質のパネルでのデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又は妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータの差が、対象が妊娠関連状態の増加したリスクを有することを示し得る。例えば、妊娠関連状態が、より早い時点及びより遅い時点の両方で対象において検出され、その差が、負の差（例えば、妊娠関連状態関連ゲノム遺伝子座のパネルにおけるデータセットの配列リードの定量的測定（例えば、妊娠関連状態に関連するゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）、妊娠関連状態関連タンパク質のパネルにおけるデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又はより早い時点からより遅い時点まで増加した妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータ）である場合、その差は、対象が妊娠関連状態の増加したリスクを有することを示し得る。臨床的行動又は決定は、妊娠関連状態のリスクの増加のこの指標に基づいて、例えば、対象に対する新しい治療的介入を処方するか、又は治療的介入の切り替え（例えば、現在の処置を終了し、新しい処置を処方すること）を行ってもよい。臨床的行動又は決定は、妊娠関連状態のリスクの増加を確認するために、対象を二次臨床試験のために推奨することを含み得る。この二次臨床試験は、画像診断検査、血液検査、コンピュータ断層撮影（ＣＴ）スキャン、磁気共鳴画像法（ＭＲＩ）スキャン、超音波スキャン、胸部Ｘ線、陽電子放射断層撮影（ＰＥＴ）スキャン、ＰＥＴ－ＣＴスキャン、無細胞生物学的細胞学、羊水穿刺、非侵襲的出生前検査（ＮＩＰＴ）、又はそれらの任意の組み合わせを含み得る。

【0159】

いくつかの実施形態において、２つ以上の時点の間に決定された、妊娠関連状態関連ゲノム遺伝子座のパネル（例えば、妊娠関連状態に関連するゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）でのデータセットの配列リードの定量的測定、妊娠関連状態関連タンパク質のパネルでのデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又は妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータの差が、対象が妊娠関連状態の低下したリスクを有することを示し得る。例えば、妊娠関連状態が、より早い時点及びより遅い時点の両方で対象において検出され、その差が、正の差（例えば、妊娠関連状態関連ゲノム遺伝子座のパネルにおけるデータセットの配列リードの定量的測定（例えば、妊娠関連状態に関連するゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）、妊娠関連状態関連タンパク質のパネルにおけるデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又はより早い時点からより遅い時点まで増加した妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータ）である場合、その差は、対象が妊娠関連状態の低下したリスクを有することを示し得る。臨床的行動又は決定は、対象の妊娠関連状態（例えば、現在の治療的介入の継続又は終了）の低下したリスクのこの指標に基づいて行われ得る。臨床的行動又は決定は、妊娠関連状態の低下したリスクを確認するために、対象を二次臨床試験のために推奨することを含み得る。この二次臨床試験は、画像診断検査、血液検査、コンピュータ断層撮影（ＣＴ）スキャン、磁気共鳴画像法（ＭＲＩ）スキャン、超音波スキャン、胸部Ｘ線、陽電子放射断層撮影（ＰＥＴ）スキャン、ＰＥＴ－ＣＴスキャン、無細胞生物学的細胞学、羊水穿刺、非侵襲的出生前検査（ＮＩＰＴ）、又はそれらの任意の組み合わせを含み得る。

【0160】

いくつかの実施形態において、２つ以上の時点の間に決定された、妊娠関連状態関連ゲノム遺伝子座のパネル（例えば、妊娠関連状態に関連するゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）でのデータセットの配列リードの定量的測定、妊娠関連状態関連タンパク質のパネルでのデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又は妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータの差が、対象の妊娠関連状態を処置するための一連の処置の有効性を示し得る。例えば、妊娠関連状態がより早い時点で対象において検出されたが、より遅い時点で対象において検出されなかった場合、その差は、対象の妊娠関連状態を処置するための一連の処置の有効性を示し得る。臨床的行動又は決定は、対象の妊娠関連状態を処置するための一連の処置の有効性のこの指標に基づいて、例えば、対象に対する現在の治療的介入を継続又は終了することに基づいて行われ得る。臨床的行動又は決定は、妊娠関連状態を処置するための一連の処置の有効性を確認するために、二次臨床試験のために対象を推奨することを含み得る。この二次臨床試験は、画像診断検査、血液検査、コンピュータ断層撮影（ＣＴ）スキャン、磁気共鳴画像法（ＭＲＩ）スキャン、超音波スキャン、胸部Ｘ線、陽電子放射断層撮影（ＰＥＴ）スキャン、ＰＥＴ－ＣＴスキャン、無細胞生物学的細胞学、羊水穿刺、非侵襲的出生前検査（ＮＩＰＴ）、又はそれらの任意の組み合わせを含み得る。

【0161】

いくつかの実施形態において、２つ以上の時点の間に決定された、妊娠関連状態関連ゲノム遺伝子座のパネル（例えば、妊娠関連状態に関連するゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）でのデータセットの配列リードの定量的測定、妊娠関連状態関連タンパク質のパネルでのデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又は妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータの差が、対象の妊娠関連状態を処置するための一連の処置の非有効性を示し得る。例えば、妊娠関連状態がより早い時点とより遅い時点の両方で対象において検出された場合、及びその差が負又はゼロの差（例えば、妊娠関連状態関連ゲノム遺伝子座のパネルにおけるデータセットの配列リードの定量的測定（例えば、妊娠関連状態に関連するゲノム遺伝子座におけるＲＮＡ転写物又はＤＮＡの定量的測定）、妊娠関連状態関連タンパク質のパネルにおけるデータセットのタンパク質の定量的測定を含むプロテオミクスデータ、及び／又はより早い時点からより遅い時点まで一定レベルで増加又は維持された妊娠関連状態関連代謝産物のパネルの定量的測定を含むメタボロームデータ）である場合、及び有効な処置がより早い時点で示された場合、その差は、対象の妊娠関連状態を処置するための一連の処置の非有効性を示し得る。臨床的行動又は決定は、対象の妊娠関連状態を処置するための一連の処置の非有効性のこの指標に基づいて、例えば、現在の治療的介入を終了すること、及び／又は対象のための異なる新しい治療的介入に切り替えること（例えば、処方すること）に基づいて行われ得る。臨床的行動又は決定は、妊娠関連状態を処置するための一連の処置の非有効性を確認するために、対象を二次臨床試験のために推奨することを含み得る。この二次臨床試験は、画像診断検査、血液検査、コンピュータ断層撮影（ＣＴ）スキャン、磁気共鳴画像法（ＭＲＩ）スキャン、超音波スキャン、胸部Ｘ線、陽電子放射断層撮影（ＰＥＴ）スキャン、ＰＥＴ－ＣＴスキャン、無細胞生物学的細胞学、羊水穿刺、非侵襲的出生前検査（ＮＩＰＴ）、又はそれらの任意の組み合わせを含み得る。

【0162】

別の態様では、本開示は、対象の早産のリスクを予測するためのコンピュータ実装方法であって、（ａ）対象の臨床健康データを受け取ることであって、臨床健康データが、対象の複数の定量的又はカテゴリ尺度を含む、対象の臨床健康データを受け取ること、（ｂ）訓練されたアルゴリズムを使用して対象の臨床健康データを処理し、対象の早産のリスクを示すリスクスコアを決定すること、及び（ｃ）対象の早産のリスクを示すリスクスコアを示すレポートを電子的に出力すること、を含むコンピュータ実装方法を提供する。

【0163】

いくつかの実施形態において、例えば、臨床健康データは、年齢、体重、身長、肥満度指数（ＢＭＩ）、血圧、心拍数、血糖値、以前の妊娠回数、及び以前の出産回数などの対象の１つ又は複数の定量的測定を含む。別の例として、臨床健康データは、人種、民族性、薬物又は他の臨床処置の履歴、タバコ使用の履歴、アルコール摂取の履歴、毎日の活動又はフィットネスレベル、遺伝子検査結果、血液検査結果、画像診断結果、及び胎児スクリーニング結果などの１つ又は複数のカテゴリ尺度を含むことができる。

【0164】

いくつかの実施形態において、対象の早産のリスクを予測するためのコンピュータ実装方法は、コンピュータ又はモバイル装置アプリケーションを使用して実行される。例えば、対象は、コンピュータ又はモバイル装置アプリケーションを使用して、定量的及び／又はカテゴリ尺度を含む自身の臨床健康データを入力することができる。次いで、コンピュータ又はモバイル装置アプリケーションは、訓練されたアルゴリズムを使用して臨床健康データを処理し、対象の早産のリスクを示すリスクスコアを決定することができる。次いで、コンピュータ又はモバイル装置アプリケーションは、対象の早産のリスクを示すリスクスコアを示すレポートを表示することができる。

【0165】

いくつかの実施形態において、対象の早産のリスクを示すリスクスコアは、対象の１つ又は複数の後続の臨床試験を行うことによって精緻化することができる。例えば、対象は、初期リスクスコアに基づいて、１つ又は複数の後続の臨床試験（例えば、超音波画像診断又は血液検査）のために医師によって参照され得る。次に、コンピュータ又はモバイル装置アプリケーションは、訓練されたアルゴリズムを使用して１つ又は複数の後続の臨床試験からの結果を処理して、対象の早産のリスクを示す更新されたリスクスコアを決定し得る。

【0166】

いくつかの実施形態において、リスクスコアは、対象が所定の期間内に早産である尤度を含む。例えば、所定の期間は、約１時間、約２時間、約４時間、約６時間、約８時間、約１０時間、約１２時間、約１４時間、約１６時間、約１８時間、約２０時間、約２２時間、約２４時間、約１．５日間、約２日間、約２．５日間、約３日間、約３．５日間、約４日間、約４．５日間、約５日間、約５．５日間、約６日間、約６．５日間、約７日間、約８日間、約９日間、約１０日間、約１２日間、約１４日間、約３週間、約４週間、約５週間、約６週間、約７週間、約８週間、約９週間、約１０週間、約１１週間、約１２週間、約１３週間、又は約１３週間超であり得る。

【0167】

妊娠関連状態のレポートの出力
対象において妊娠関連状態が同定された後、又は妊娠関連状態のリスクの増加がモニタリングされた後、対象の妊娠関連状態を示す（例えば、同定するか、又は示唆を提供する）レポートが電子的に出力され得る。対象は、妊娠に関する状態（例えば、妊娠関連合併症などの妊娠関連状態が無症候性である）を表示しなくてもよい。レポートは、ユーザの電子デバイスのグラフィカル・ユーザ・インターフェース（ＧＵＩ）上に提示されてもよい。ユーザは、対象、介護者、医師、看護師、又は他の医療従事者であってもよい。

【0168】

レポートは、（ｉ）対象の妊娠関連状態の診断、（ｉｉ）対象の妊娠関連状態の予後、（ｉｉｉ）対象の妊娠関連状態のリスクの増加、（ｉｖ）対象の妊娠関連状態のリスクの低下、（ｖ）対象の妊娠関連状態を処置するための一連の処置の有効性、及び（ｖｉ）対象の妊娠関連状態を処置するための一連の処置の非有効性などの１つ又は複数の臨床徴候を含み得る。レポートは、これらの１つ又は複数の臨床徴候に基づいて行われた１つ又は複数の臨床的行動又は決定を含み得る。そのような臨床的行動又は決定は、治療的介入、分娩の誘発若しくは阻害、又は対象の妊娠関連状態のさらなる臨床的評価若しくは試験を対象とし得る。

【0169】

例えば、対象の妊娠関連状態の診断の臨床徴候は、対象に新しい治療的介入を処方する臨床的行動を伴い得る。別の例として、対象の妊娠関連状態のリスク増加の臨床徴候は、対象に新しい治療的介入を処方するか、又は治療的介入（例えば、現在の処置を終了し、新しい処置を処方すること）を切り替える臨床的行動を伴い得る。別の例として、対象の妊娠関連状態のリスク低下の臨床徴候は、対象に対する現在の治療的介入を継続又は終了する臨床的行動を伴い得る。別の例として、対象の妊娠関連状態を処置するための一連の処置の有効性の臨床徴候は、対象に対する現在の治療的介入を継続又は終了する臨床的行動を伴い得る。別の例として、対象の妊娠関連状態を処置するための一連の処置の非有効性の臨床徴候は、現在の治療的介入を終了する、及び／又は対象の異なる新しい治療的介入に切り替える（例えば、処方する）臨床的行動を伴い得る。

【0170】

コンピュータシステム
本開示は、本開示の方法を実施するようにプログラムされたコンピュータシステムを提供する。図２は、例えば、（ｉ）訓練されたアルゴリズムを訓練及び試験し、（ｉｉ）訓練されたアルゴリズムを使用してデータを処理し、対象の妊娠関連状態を決定し、（ｉｉｉ）対象の妊娠関連状態を示す定量的尺度を決定し、（ｉｖ）対象の妊娠関連状態を同定する又はモニタリングし、（ｖ）対象の妊娠関連状態を示すレポートを電子的に出力するようにプログラム又は他の方法で構成されたコンピュータシステム２０１を示す。

【0171】

コンピュータシステム２０１は、例えば、（ｉ）訓練されたアルゴリズムを訓練及び試験すること、（ｉｉ）訓練されたアルゴリズムを使用してデータを処理し、対象の妊娠関連状態を決定すること、（ｉｉｉ）対象の妊娠関連状態を示す定量的尺度を決定すること、（ｉｖ）対象の妊娠関連状態を同定又はモニタリングすること、及び（ｖ）対象の妊娠関連状態を示すレポートを電子的に出力することなど、本開示の分析、計算、及び生成の様々な態様を制御することができる。コンピュータシステム２０１は、ユーザの電子デバイス、又は電子デバイスに対して遠隔に配置されたコンピュータシステムとすることができる。電子デバイスは、モバイル電子デバイスとすることができる。

【0172】

コンピュータシステム２０１は、シングルコア若しくはマルチコアプロセッサ、又は並列処理のための複数のプロセッサとすることができる中央処理装置（ＣＰＵ、本明細書では「プロセッサ」及び「コンピュータプロセッサ」）２０５を含む。コンピュータシステム２０１はまた、メモリ又はメモリ位置２１０（例えば、ランダムアクセスメモリ、読み出し専用メモリ、フラッシュメモリ）と、電子記憶ユニット２１５（例えば、ハードディスク）と、１つ又は複数の他のシステムと通信するための通信インターフェース２２０（例えば、ネットワークアダプタ）と、キャッシュ、他のメモリ、データストレージ、及び／又は電子ディスプレイアダプタなどの周辺装置２２５とを含む。メモリ２１０、記憶ユニット２１５、インターフェース２２０、及び周辺装置２２５は、マザーボードなどの通信バス（実線）を介してＣＰＵ２０５と通信する。記憶ユニット２１５は、データを記憶するためのデータ記憶ユニット（又はデータ保存場所）とすることができる。コンピュータシステム２０１は、通信インターフェース２２０の助けを借りてコンピュータネットワーク（「ネットワーク」）２３０に動作可能に結合することができる。ネットワーク２３０は、インターネット、インターネット及び／若しくはエクストラネット、又はインターネットと通信するイントラネット及び／若しくはエクストラネットとすることができる。

【0173】

ネットワーク２３０は、場合によっては、電気通信及び／又はデータネットワークである。ネットワーク２３０は、クラウドコンピューティングなどの分散コンピューティングを可能にすることができる１つ又は複数のコンピュータサーバを含むことができる。例えば、１つ又は複数のコンピュータサーバは、ネットワーク２３０（「クラウド」）を介したクラウドコンピューティングが、例えば、（ｉ）訓練されたアルゴリズムを訓練及び試験すること、（ｉｉ）データを処理して対象の妊娠関連状態を決定するために訓練されたアルゴリズムを使用すること、（ｉｉｉ）対象の妊娠関連状態を示す定量的尺度を決定すること、（ｉｖ）対象の妊娠関連状態を同定又はモニタリングすること、及び（ｖ）対象の妊娠関連状態を示すレポートを電子的に出力することなど、本開示の分析、計算、及び生成の様々な態様を実行することを可能にし得る。そのようなクラウドコンピューティングは、例えば、Ａｍａｚｏｎ Ｗｅｂ Ｓｅｒｖｉｃｅｓ（ＡＷＳ）、Ｍｉｃｒｏｓｏｆｔ Ａｚｕｒｅ、Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｐｌａｔｆｏｒｍ、及びＩＢＭクラウドなどのクラウド・コンピューティング・プラットフォームによって提供され得る。ネットワーク２３０は、場合によっては、コンピュータシステム２０１の助けを借りて、コンピュータシステム２０１に結合されたデバイスが、クライアント又はサーバとして動作することを可能にすることができるピアツーピアネットワークを実装することができる。

【0174】

ＣＰＵ２０５は、１つ又は複数のコンピュータプロセッサ及び／又は１つ又は複数のグラフィックス・プロセッシング・ユニット（ＧＰＵ）を含んでもよい。ＣＰＵ２０５は、プログラム又はソフトウェアで具現化することができる一連の機械可読命令を実行することができる。命令は、メモリ２１０などのメモリ位置に格納することができる。命令は、ＣＰＵ２０５を対象とすることができ、ＣＰＵ２０５は、その後、本開示の方法を実施するようにＣＰＵ２０５をプログラム又は他の方法で構成することができる。ＣＰＵ２０５によって実行される動作の例は、フェッチ、デコード、実行、及びライトバックを含むことができる。

【0175】

ＣＰＵ２０５は、集積回路などの回路の一部とすることができる。システム２０１の１つ又は複数の他の構成要素を回路に含めることができる。場合によっては、回路は特定用途向け集積回路（ＡＳＩＣ）である。

【0176】

記憶ユニット２１５は、ドライバ、ライブラリ、及び保存されたプログラムなどのファイルを記憶することができる。記憶ユニット２１５は、ユーザデータ、例えば、ユーザプレファレンス及びユーザプログラムを記憶することができる。コンピュータシステム２０１は、場合によっては、イントラネット又はインターネットを介してコンピュータシステム２０１と通信するリモートサーバ上に位置するなど、コンピュータシステム２０１の外部にある１つ又は複数の追加のデータ記憶ユニットを含むことができる。

【0177】

コンピュータシステム２０１は、ネットワーク２３０を介して１つ又は複数のリモート・コンピュータ・システムと通信することができる。例えば、コンピュータシステム２０１は、ユーザのリモート・コンピュータ・システムと通信することができる。リモート・コンピュータ・システムの例には、パーソナルコンピュータ（例えば、ポータブルＰＣ）、スレート若しくはタブレットＰＣ（例えば、Ａｐｐｌｅ（登録商標）ｉＰａｄ、Ｓａｍｓｕｎｇ（登録商標）Ｇａｌａｘｙ Ｔａｂ）、電話、スマートフォン（例えば、Ａｐｐｌｅ（登録商標）ｉＰｈｏｎｅ、Ａｎｄｒｏｉｄ対応デバイス、Ｂｌａｃｋｂｅｒｒｙ（登録商標））、又は携帯情報端末が含まれる。ユーザは、ネットワーク２３０を介してコンピュータシステム２０１にアクセスすることができる。

【0178】

本明細書に記載の方法は、例えば、メモリ２１０又は電子記憶ユニット２１５などのコンピュータシステム２０１の電子記憶場所に記憶された機械（例えば、コンピュータプロセッサ）実行可能コードによって実施することができる。機械実行可能コード又は機械可読コードは、ソフトウェアの形態で提供することができる。使用中、コードは、プロセッサ２０５によって実行することができる。場合によっては、コードは、記憶ユニット２１５から取り出され、プロセッサ２０５による容易なアクセスのためにメモリ２１０に記憶され得る。いくつかの状況では、電子記憶ユニット２１５を除外することができ、機械実行可能命令がメモリ２１０に記憶される。

【0179】

コードは、コードを実行するように適合されたプロセッサを有する機械で使用するために事前コンパイルする及び構成することができ、又はランタイム中にコンパイルすることができる。コードは、コードが事前コンパイルされた方法又はコンパイルされた方法で実行することを可能にするように選択することができるプログラミング言語で供給することができる。

【0180】

コンピュータシステム２０１など、本明細書で提供されるシステム及び方法の態様は、プログラミングにおいて具現化することができる。本技術の様々な態様は、典型的には機械（又はプロセッサ）実行可能コード及び／又はある種の機械可読媒体上に担持されるか又はそれに具体化される関連データの形態の「商品」又は「製造物品」と考えることができる。機械実行可能コードは、メモリ（例えば、読み出し専用メモリ、ランダムアクセスメモリ、フラッシュメモリ）又はハードディスクなどの電子記憶ユニットに記憶することができる。「記憶」タイプの媒体は、コンピュータ、プロセッサなどの有形メモリ、又は様々な半導体メモリ、テープドライブ、ディスクドライブなどの関連モジュールのいずれか又はすべてを含むことができ、ソフトウェアプログラミングのためにいつでも非一時的記憶を提供し得る。ソフトウェアの全部又は一部は、インターネット又は様々な他の電気通信ネットワークを介して通信されることがある。そのような通信は、例えば、あるコンピュータ又はプロセッサから別のコンピュータ又はプロセッサへの、例えば管理サーバ又はホストコンピュータからアプリケーションサーバのコンピュータプラットフォームへのソフトウェアのロードを可能にすることができる。したがって、ソフトウェア要素を担持することができる別のタイプの媒体は、ローカルデバイス間の物理インターフェースにわたって、有線及び光の地上ネットワークを介して、及び様々なエアリンクを介して使用されるような、光波、電気波、及び電磁波を含む。有線又は無線リンク、光リンクなど、そのような波を搬送する物理的要素もまた、ソフトウェアを運ぶ媒体と考え得る。本明細書で使用される場合、非一時的で有形の「記憶」媒体に限定されない限り、コンピュータ又は機械の「可読媒体」などの用語は、実行のためにプロセッサに命令を提供することに関与する任意の媒体を指す。

【0181】

したがって、コンピュータ実行可能コードなどの機械可読媒体は、有形記憶媒体、搬送波媒体、又は物理伝送媒体を含むが、これらに限定されない多くの形態をとることができる。不揮発性記憶媒体は、例えば、図面に示されるデータベースなどを実装するために使用され得る任意の（１又は複数の）コンピュータなどの記憶装置のいずれかなどの光学又は磁気ディスクを含む。揮発性記憶媒体は、そのようなコンピュータプラットフォームのメインメモリなどのダイナミックメモリを含む。有形伝送媒体は、同軸ケーブル；コンピュータシステム内にバスを備えるワイヤを含む、銅ワイヤ及び光ファイバを含む。搬送波伝送媒体は、電気信号若しくは電磁信号、又は無線周波数（ＲＦ）及び赤外線（ＩＲ）データ通信中に生成されるような音波又は光波の形態をとることができる。したがって、コンピュータ可読媒体の一般的な形態は、例えば、フロッピーディスク、フレキシブルディスク、ハードディスク、磁気テープ、任意の他の磁気媒体、ＣＤ－ＲＯＭ、ＤＶＤ若しくはＤＶＤ－ＲＯＭ、任意の他の光学媒体、パンチカード紙テープ、穴のパターンを有する任意の他の物理的記憶媒体、ＲＡＭ、ＲＯＭ、ＰＲＯＭ及びＥＰＲＯＭ、ＦＬＡＳＨ－ＥＰＲＯＭ、任意の他のメモリチップ若しくはカートリッジ、データ若しくは命令を搬送する搬送波、そのような搬送波を搬送するケーブル若しくはリンク、又はコンピュータがプログラミングコード及び／若しくはデータを読み取り得る任意の他の媒体を含む。これらの形態のコンピュータ可読媒体の多くは、実行のために１つ又は複数の命令の１つ又は複数の配列決定をプロセッサに運ぶことに関与することができる。

【0182】

コンピュータシステム２０１は、例えば、（ｉ）訓練されたアルゴリズムの訓練及び試験を示す視覚ディスプレイ、（ｉｉ）対象の妊娠関連状態を示すデータの視覚ディスプレイ、（ｉｉｉ）対象の妊娠関連状態の定量的尺度、（ｉｖ）妊娠関連状態を有する対象の同定、又は（ｖ）対象の妊娠関連状態を示す電子レポートを提供するためのユーザインターフェース（ＵＩ）２４０を含む電子ディスプレイ２３５を含むか、又はそれと通信することができる。ＵＩの例には、グラフィカル・ユーザ・インターフェース（ＧＵＩ）及びウェブベースのユーザインターフェースが含まれるが、これらに限定されない。

【0183】

本開示の方法及びシステムは、１つ又は複数のアルゴリズムによって実施することができる。アルゴリズムは、中央処理装置２０５による実行時にソフトウェアによって実施することができる。アルゴリズムは、例えば、（ｉ）訓練されたアルゴリズムを訓練及び試験し、（ｉｉ）訓練されたアルゴリズムを使用してデータを処理し、対象の妊娠関連状態を決定し、（ｉｉｉ）対象の妊娠関連状態を示す定量的尺度を決定し、（ｉｖ）対象の妊娠関連状態を同定又はモニタリングし、（ｖ）対象の妊娠関連状態を示すレポートを電子的に出力することができる。

【0184】

［実施例］
［実施例１］
対象のコホート
図３Ａに示すように、本開示の方法及びシステムを使用して、１つ又は複数の生物試料（例えば、各々２又は３）を採取し、各対象の胎児の推定妊娠期間（ｙ軸上に、分娩時の推定妊娠期間の昇順で示される）に対応する異なる時点でアッセイした対象（例えば、妊婦）の第１のコホートを（ｘ軸に患者識別番号を示して）確立した。例えば、推定妊娠期間（ｙ軸上に示される）は、超音波画像診断、最終月経期間（ＬＭＰ）日、又はそれらの組み合わせなどの方法を使用して決定されてよく、０～約４２週の範囲であり得る。第１のコホートは、異なる研究で使用するために異なる試料タイプが採取された対象を含み、これには、各対象の胎児の分娩の予測、出産予定日の予測、及び実際の妊娠期間の予測のための研究が含まれる。図３Ｂは、医療記録抽象化時の各参加者の年齢に基づく第１のコホートの参加者の分布を示す。図３Ｃは、各参加者の人種に基づく第１のコホートの１００名の参加者の分布を示す。図３Ｄは、各試料の採取時の各参加者の推定妊娠期間及び妊娠三期間に基づく妊娠期間コホートにおける採取された試料の分布を示す。図３Ｅは、採取された試料の試験試料タイプに基づく第１のコホートにおける２２５個の採取された試料の分布を示す。

【0185】

図４Ａに示すように、対象（例えば、妊婦）の第２のコホートを確立し（ｘ軸に患者識別番号を示す）、そこから１つ又は複数の生物試料（例えば、各々１、２、又は３）を採取し、本開示の方法及びシステムを使用して、各対象の胎児の推定妊娠期間（ｙ軸上に、分娩時の推定妊娠期間の昇順で示される）に対応する異なる時点でアッセイした。例えば、推定妊娠期間（ｙ軸上に示される）は、超音波画像診断、最終月経期間（ＬＭＰ）日、又はそれらの組み合わせなどの方法を使用して決定されてよく、０～約４２週の範囲であり得る。第２のコホートは、異なる研究で使用するために異なる試料タイプが採取された対象を含み、これには、各対象の早産の予測、胎児の分娩の予測、出産予定日の予測、及び実際の妊娠期間の予測のための研究が含まれる。図４Ｂは、医療記録抽象化時の各参加者の年齢に基づく第２のコホートの参加者の分布を示す。図４Ｃは、各参加者の人種に基づく第２のコホートの１２８人の参加者の分布を示す。図４Ｄは、各試料の採取時の各参加者の推定妊娠期間及び妊娠三期間に基づく第２のコホートにおける採取された試料の分布を示す。図４Ｅは、採取された試料の研究試料タイプに基づく、第２のコホートにおける１６０個の採取された試料の分布を示す。

【0186】

［実施例２］
出産予定日の予測
図５Ａに示すように、対象（例えば、妊婦）の出産予定日コホートを確立し（ｘ軸に患者識別番号を示す）、そこから１つ又は複数の生物試料（例えば、各々１又は２）を採取し、本開示の方法及びシステムを使用して、各対象の胎児の推定妊娠期間（ｙ軸上に、分娩時の推定妊娠期間の昇順で示される）に対応する異なる時点でアッセイした。出産予定日コホートは、実施例１に記載されているように、第１のコホート及び第２のコホートからの対象を含んでいた。出産予定日コホートは、異なる研究で使用するために異なる試料タイプが採取された対象を含み、これには、各対象の早産の予測（例えば、対照として）、胎児の分娩の予測、出産予定日の予測、及び実際の妊娠期間の予測のための研究が含まれる。

【0187】

図５Ｂは、試料採取日と分娩日（分娩までの時間）との間の時間に基づく出産予定日コホートにおける採取された試料の分布を示す。すべての試料を、分娩日の１２週間未満前の妊娠第３期に採取し、そのうち５９個の試料の分娩までの時間は７．５週間未満であり、４３個の試料の出産までの時間は５週間未満であった。本開示のシステム及び方法を使用して、分娩までの時間が７．５週間未満の５９個の試料から予測モデルの第１のセットを生成し、分娩までの時間が５週間未満の４３個の試料から予測モデルの第２のセットを生成した。予測モデルのセットは、推定出産予定日情報（例えば、超音波測定値からの推定妊娠期間を使用して決定される）を用いて、及び推定出産予定日情報を用いないで、生成された予測モデルを含んでいた。予測モデルの各々は、弾性正味正則化を伴う線形回帰モデルを含んでいた。予測モデルの生成には、それぞれのコホートの中で（例えば、最も予測的だった）出産予定日（例えば、分娩までの時間によって測定される場合）と最も高い相関を有する４セットの遺伝子を同定することが含まれ、（１）推定出産予定日情報を用いる７．５週間未満の分娩までの時間、（２）推定出産予定日情報を用いない７．５週間未満の分娩までの時間、（３）推定出産予定日情報を用いる５週間未満の分娩までの時間、及び（４）推定出産予定日情報を用いない５週間未満の分娩までの時間が含まれる。出産予定日を予測するこれら４セットの遺伝子を表１に列挙する。

【表1】

【0188】

【0189】

【0190】

図５Ｃは、出産予定日の第１及び第２の予測モデルで使用される遺伝子の重複を示すベン図である。第１の予測モデルは、合計５１個の最も予測的な遺伝子を有し、第２の予測モデルは、合計４９個の最も予測的な遺伝子を有した。さらに、２つの予測モデル間で重複する遺伝子は、５つのみであった。

【0191】

図５Ｄは、出産予定日コホートの対象の予測された分娩までの時間（週）と観察された（実際の）分娩までの時間（週）との間の一致を示すプロットである。予測した分娩までの時間アウトカムは、表１に列挙した予測遺伝子に基づくそれぞれの予測モデルを使用して生成した。

【0192】

図５Ｅは、５週間未満の分娩までの時間を有する試料を使用する予測モデル及び７．５週間未満の分娩までの時間を有する試料を使用する予測モデルを含む、出産予定日を予測するための予測モデルの要約を示す。異なる予測モデルが、推定出産予定日情報（例えば、超音波測定値からの推定妊娠期間を使用して決定される）を用いる、及び推定出産予定日情報を用いずに生成された。予測モデルでの使用について合計約１５，０００個の遺伝子を評価した（例えば、遺伝子発見プロセスの一部として）。さらに、「＜５週間」及び「＜７．５週」の試料セットの中で、それぞれ合計１３０個の遺伝子及び６２個の遺伝子が、出産予定日を予測するものとして同定された。「＜５週」及び「＜７．５週」の試料集合のうち、推定出産予定日情報を用いない出産予定日予測モデル（例えば、超音波から）に含めるために、それぞれ合計２８個及び４７個の遺伝子を同定した。「＜５週」及び「＜７．５週」の試料セットのうち、推定出産予定日情報（例えば、超音波から）を用いて出産予定日を予測する予測モデルに含めるために、それぞれ合計５０個及び４８個の遺伝子を同定した。

【0193】

［実施例３］
妊娠期間（ＧＡ）の予測
図６Ａに示すように、本開示の方法及びシステムを使用して、１つ又は複数の生物試料（例えば、各々１又は２）を採取し、各対象の胎児の推定妊娠期間に対応する異なる時点でアッセイした対象（例えば、妊婦）の妊娠期間コホートを確立した。妊娠期間コホートは、実施例１に記載されるように、第１のコホートからの対象を含んでいた。妊娠期間コホートには、異なる研究で使用するために異なる試料タイプが採取された対象が含まれ、その研究には、各対象の胎児の分娩の予測、出産予定日の予測、及び実際の妊娠期間の予測のための研究が含まれる。

【0194】

図６Ｂは、複数の妊娠期間関連遺伝子の発現が妊娠の過程を通して妊娠期間と共に変化する、全トランスクリプトームの相互情報を示す視覚モデルである。図に示されるように、遺伝子の異なるクラスターは、妊娠の過程を通して異なる時間（例えば、異なる推定妊娠期間において）の間に変動（例えば、増加及び減少）を示す。例えば、先天免疫に関連する遺伝子（例えば、ＲＳＡＤ２、ＨＥＳ１、ＨＩＳＴ１Ｈ３Ｇ、ＣＳＨＬ１、ＣＳＨ１、ＥＸＯＳＣ４、及びＡＸＬ）及び細胞接着に関連する遺伝子（例えば、ＰＡＴＬ２、ＣＣＴ６Ｐ１、ＡＣＳＬ４、及びＴＵＢＡ４Ａ）は、妊娠の早期部分と比較して、妊娠の後期部分の間に発現の増加を示した。別の例として、細胞周期に関連する遺伝子（例えば、ＵＴＲＮ、ＤＯＣＫ１１、ＶＰＳ５０、ＺＭＹＭ１、ＺＦＡＮＤ１、ＦＡＭ１７９Ｂ、Ｃ２ＣＤ５、及びＺＮＦ２３６）は、妊娠の後期部分と比較して、妊娠の早期部分に発現の増加を示した。別の例として、ＲＮＡ処理に関連する遺伝子（例えば、ＺＢＴＢ４、ＡＤＫ、ＨＢＳ１Ｌ、ＥＩＦ２Ｄ、ＣＤＫ１３、ＣＣＤＣ６１、ＰＯＬＤＩＰ３、及びＣ８ｏｒｆ８８）は、妊娠の後期部分と比較して、妊娠の初期及び中期部分に発現の増加を示した。したがって、妊娠の経過中に胎児の異なる妊娠期間を追跡及び予測するための「分子時計」として使用するために、遺伝子の異なるセット又はクラスターをアッセイすることができる。妊娠期間を予測するこれらの遺伝子のセットを表２に列挙する。さらに、妊娠期間を予測する経路をクラスター別の表３に列挙する。

【表2】

【表3】

【0195】

【0196】

【0197】

【0198】

図６Ｃは、妊娠期間コホートにおける対象についての予測妊娠期間（週）と測定妊娠期間（週）との間の一致を示すプロットである。対象をプロットにおいて主な人種（例えば、白色、非黒色のスペイン人、アジア人、アフリカ系アメリカ人、ネイティブアメリカン、混血人種（例えば、２つ以上の人種）、又は未知）によって層別化する。データは、多くの生物学的表現型とは異なり、妊娠バイオマーカーモデル（例えば、妊娠期間関連バイオマーカー遺伝子のセットに基づく妊娠期間の予測）が、人種又は民族性と無関係であることを示していることは注目に値する。この観察は、妊娠の基礎となる分子時計が、人種／民族にわたって高度に保存されていることを示しており、これは妊娠期間についての普遍的なアッセイを実現可能にするという実用的な意義を有する。予測妊娠期間は、表２に列挙した予測遺伝子及び／又は表３に列挙した予測経路に基づいて、妊娠期間の予測モデル（１０倍交差検証で生成するＬａｓｓｏモデル）を使用して生成した。さらに、妊娠期間を予測する遺伝子の予測モデル重量を表４に列挙する。

【表4】

【0199】

【0200】

【0201】

［実施例４］
早産（ＰＴＢ）の予測
図７Ａ～図７Ｂに示すように、本開示の方法及びシステムを使用して、１つ又は複数の生物試料（例えば、それぞれ１、２、３、又は３を超える）を採取し、各対象の胎児の推定妊娠期間に対応する異なる時点でアッセイした対象（例えば、妊婦）の早産（ＰＴＢ）コホートを確立した。早産コホートは、実施例１に記載されているように、第２のコホートからの対象を含んでいた。早産コホートは、異なる研究で使用するために異なる試料タイプが採取された対象を含み、これには、各対象の早産の予測、胎児の分娩の予測、出産予定日の予測、及び実際の妊娠期間の予測のための研究が含まれる。図に示すように、早産コホートの１２８人の妊娠している対象から合計１６０個の試料を採取してアッセイし、そのうち１１８個の試料を満期出産の１００人の妊娠している対象から採取し、４２個の試料を早産の２８人の妊娠している対象（例えば、３７週の推定妊娠期間の前に生じると定義される）から採取した。早産（ＰＴＢ）コホートには、早期症例試料のセット（例えば、早産の女性から）及び早期対照試料のセット（例えば、満期出産の女性から）が含まれた。早期症例試料及び早期対照試料にわたって、採取時の妊娠期間の分布は、類似していたが（図７Ａ）、分娩時の妊娠期間の分布は、統計学的に有意な程度まで明確に区別可能であった（図７Ｂ）。

【0202】

早期症例試料と早期対照試料との間で差次的に発現した遺伝子の分析を行ったところ、１５１個の遺伝子が上方制御され、３７個の遺伝子が下方制御されたことが明らかになった。例えば、図７Ｃ～図７Ｅは、それぞれ、早期症例試料（左）と早期対照試料（右）との間のＢ３ＧＮＴ２、ＢＰＩ、及びＥＬＡＮＥ遺伝子の差次的遺伝子発現を示す。図７Ｆは、図７Ｃ～図７Ｅに示す早期症例試料及び早期対照試料からの結果の説明を示す。早産（ＰＴＢ）を予測する遺伝子のセットを表５に列挙する。さらに、早産（ＰＴＢ）を予測する遺伝子の予測モデル重量を表６に列挙する。

【表5】

【0203】

【0204】

【0205】

【0206】

【0207】

【表6】

【0208】

図７Ｇは、１０倍交差検証にわたる早期分娩についての予測モデルの性能を示す受信者動作特性（ＲＯＣ）曲線を示す。図に示すように、早期分娩を予測するための予測モデルは、０．９０±０．０８の平均曲線下面積（ＡＵＣ）を達成し、それにより早期分娩を予測するための予測モデルの優れたパフォーマンスを実証した。

【0209】

［実施例５］
出産予定日（ＤＤ）の予測
本開示のシステム及び方法を使用して、妊娠している対象の胎児の出産予定日を予測するための予測モデルが開発される。例えば、予測出産予定日は、妊娠している対象の胎児の予想される分娩までの日数（例えば、１日、２日、３日、４日、５日、６日又は７日）又は週（例えば、１週間、２週間、３週間、４週間、５週間、６週間、７週間、８週間、９週間、１０週間、１１週間、１２週間、１３週間、１４週間、１５週間、１６週間、１７週間、１８週間、１９週間、２０週間、２１週間、２２週間、２３週間、２４週間、２５週間、２６週間、２７週間、２８週間、２９週間、３０週間、３１週間、３２週間、３３週間、３４週間、３５週間、３６週間、３７週間、３８週間、３９週間、４０週間、４１週間、４２週間、４３週間、４４週間、又は４５週間）であり得る。別の例として、予測出産予定日は、妊娠している対象の胎児の分娩が起こると予想される未来の日付であり得る。

【0210】

予測モデルは、所与の時点における（例えば、１週、２週、３週、４週、５週、６週、７週、８週、９週、１０週、１１週、１２週、１３週、１４週、１５週、１６週、１７週、１８週、１９週、２０週、２１週、２２週、２３週、２４週、２５週、２６週、２７週、２８週、２９週、３０週、３１週、３２週、３３週、３４週、３５週、３６週、３７週、３８週、３９週、４０週、４１週、４２週、４３週、４４週、又は４５週の推定妊娠期間で）妊娠している対象の試料（例えば、採血）のアッセイに基づくものであり得る。

【0211】

図８は、米国における産科医が推定した妊娠期間による膣単生児出生の分布の一例を示す。この図は、膣単生児出生の２３．７％のみが、推定妊娠期間４０週で起こり、膣単生児出生の約６７％が、推定妊娠期間３９～４１週で起こることを示す。したがって、そのような分娩時間の変動は、本開示のシステム及び方法を使用して、分子時計を使用する分娩日のより良い予測因子の必要性を示す。

【0212】

図９Ａ～図９Ｅは、妊娠している対象の胎児の出産予定日を予測する様々な方法を示し、この方法は、実際の日（誤差あり）を予測すること（図９Ａ）、１週間（又は他のウィンドウ）の分娩を予測すること（図９Ｂ）、特定の時間境界の前又は後に分娩が起こると予想されるかどうかを予測すること（図９Ｃ）、複数のビン（例えば、６つのビン）のうちのどのビンで分娩が起こると予想されるかを予測すること（図９Ｄ）、及び早期分娩又は後期分娩の相対リスク又は相対尤度を予測すること（図９Ｅ）を含む。

【0213】

例えば、出産予定日予測モデルを使用して、実際の日（エラーあり）を予測することができる（図９Ａ）。例えば、予測出産予定日は、妊娠している対象の胎児の予想される分娩までの日数（例えば、１日、２日、３日、４日、５日、６日又は７日）又は週（例えば、１週間、２週間、３週間、４週間、５週間、６週間、７週間、８週間、９週間、１０週間、１１週間、１２週間、１３週間、１４週間、１５週間、１６週間、１７週間、１８週間、１９週間、２０週間、２１週間、２２週間、２３週間、２４週間、２５週間、２６週間、２７週間、２８週間、２９週間、３０週間、３１週間、３２週間、３３週間、３４週間、３５週間、３６週間、３７週間、３８週間、３９週間、４０週間、４１週間、４２週間、４３週間、４４週間、又は４５週間）であり得る。別の例として、予測出産予定日は、妊娠している対象の胎児の分娩が起こると予想される未来の日付であり得る。別の例として、予測出産予定日は、妊娠している対象の胎児の分娩が起こると予想される推定妊娠期間（例えば、１週間、２週間、３週間、４週間、５週間、６週間、７週間、８週間、９週間、１０週間、１１週間、１２週間、１３週間、１４週間、１５週間、１６週間、１７週間、１８週間、１９週間、２０週間、２１週間、２２週間、２３週間、２４週間、２５週間、２６週間、２７週間、２８週間、２９週間、３０週間、３１週間、３２週間、３３週間、３４週間、３５週間、３６週間、３７週間、３８週間、３９週間、４０週間、４１週間、４２週間、４３週間、４４週間、又は４５週間）であってもよい。予測出産予定日は、予測出産予定日の誤差又は信頼区間（例えば、１日、２日、３日、４日、５日、６日、７日、２週間、３週間、又は４週間）と共に提供されてもよい。予測出産予定日は、予測出産予定日の推定尤度又は信頼度（例えば、約５０％、５５％、６０％、６５％、７０％、７５％、８０％、８５％、９０％、９１％、９２％、９３％、９４％、９５％、９６％、９７％、９８％、又は９９％）と共に提供されてもよい。

【0214】

別の例として、出産予定日予測モデルを使用して、分娩の週（又は他のウィンドウ）を予測することができる（図９Ｂ）。例えば、予測出産予定日は、妊娠している対象の胎児の予想される出産までの週数（例えば、１週間、２週間、３週間、４週間、５週間、６週間、７週間、８週間、９週間、１０週間、１１週間、１２週間、１３週間、１４週間、１５週間、１６週間、１７週間、１８週間、１９週間、２０週間、２１週間、２２週間、２３週間、２４週間、２５週間、２６週間、２７週間、２８週間、２９週間、３０週間、３１週間、３２週間、３３週間、３４週間、３５週間、３６週間、３７週間、３８週間、３９週間、４０週間、４１週間、４２週間、４３週間、４４週間、又は４５週間）であり得る。別の例として、予測出産予定日は、妊娠している対象の胎児の分娩が起こると予想される未来の週（例えば、カレンダー上の１週間）であってもよい。別の例として、予測出産予定日は、妊娠している対象の胎児の分娩が起こると予想される推定妊娠期間（例えば、１週間、２週間、３週間、４週間、５週間、６週間、７週間、８週間、９週間、１０週間、１１週間、１２週間、１３週間、１４週間、１５週間、１６週間、１７週間、１８週間、１９週間、２０週間、２１週間、２２週間、２３週間、２４週間、２５週間、２６週間、２７週間、２８週間、２９週間、３０週間、３１週間、３２週間、３３週間、３４週間、３５週間、３６週間、３７週間、３８週間、３９週間、４０週間、４１週間、４２週間、４３週間、４４週間、又は４５週間）であってもよい。予測出産予定日は、予測出産予定日の推定尤度又は信頼度（例えば、約５０％、５５％、６０％、６５％、７０％、７５％、８０％、８５％、９０％、９１％、９２％、９３％、９４％、９５％、９６％、９７％、９８％、又は９９％）と共に提供されてもよい。

【0215】

別の例として、出産予定日予測モデルを使用して、特定の時間境界（図９Ｃ）の前又は後に分娩が起こると予想されるかどうかを予測することができる。例えば、時間境界は、推定妊娠期間の週数（例えば、１週間、２週間、３週間、４週間、５週間、６週間、７週間、８週間、９週間、１０週間、１１週間、１２週間、１３週間、１４週間、１５週間、１６週間、１７週間、１８週間、１９週間、２０週間、２１週間、２２週間、２３週間、２４週間、２５週間、２６週間、２７週間、２８週間、２９週間、３０週間、３１週間、３２週間、３３週間、３４週間、３５週間、３６週間、３７週間、３８週間、３９週間、４０週間、４１週間、４２週間、４３週間、４４週間、又は４５週間）であってもよい。例えば、時間境界は、４０週間の推定妊娠期間であってもよい。

【0216】

別の例として、出産予定日予測モデルを使用して、複数のビン（例えば、６つのビン）のうちのどのビンで分娩が起こると予想されるかを予測することができる（図９Ｄ）。例えば、ビン（例えば、時間ウィンドウ）は、等しい時間範囲（例えば、１週間、２週間、３週間、４週間、５週間、６週間、７週間、８週間、９週間、１０週間、１１週間、１２週間、１３週間、１４週間、１５週間、１６週間、１７週間、１８週間、１９週間、２０週間、２１週間、２２週間、２３週間；又は１ヶ月、２ヶ月、３ヶ月、４ヶ月、又は５ヶ月；又は第１、第２、若しくは第３の妊娠三期間のうちの１つの妊娠期間）であってもよい。予測出産予定日は、予測出産予定日ビン又は時間ウィンドウの推定尤度又は信頼度（例えば、約５０％、５５％、６０％、６５％、７０％、７５％、８０％、８５％、９０％、９１％、９２％、９３％、９４％、９５％、９６％、９７％、９８％、又は９９％）と共に提供されてもよい。

【0217】

別の例として、出産予定日予測モデルを使用して、早期分娩又は遅延分娩の相対リスク又は相対尤度を予測することができる（図９Ｅ）。例えば、予測は、約１０％、２０％、３０％、４０％、５０％、５５％、６０％、６５％、７０％、７５％、８０％、８５％、９０％、９１％、９２％、９３％、９４％、９５％、９６％、９７％、９８％、又は９９％の早期分娩又は後期分娩の相対リスク又は相対尤度を含み得る。早期分娩は、４０週未満の推定妊娠期間における出産予定日として定義されてもよく、後期分娩は、４０週を超える推定妊娠期間における出産予定日として定義されてもよい。

【0218】

出産予定日予測モデルは、妊娠している対象の妊娠期間（ＧＡ）コホートから採取された試料を使用して訓練され、その全員は、３４週～３６週の胎児の推定妊娠期間を有していた。訓練データセットは、２７０個及び３１２個のピッツバーグ試料（その約半分はコーカサス人であり、その半分はＡＡであった）のコホートを使用して得られ、そのうち４１個の試料は、実験室の異常値として指定して、使用せず、１つの試料は異常値の低いＣＰＭを有していた。さらに、６４個の試料の試験データセットは、１９個のＧＡＰＰＳ試料のコホート（００３＿ＧＡ）（そのほとんどがコーカサス人であった）及び４７個の検証ＧＡＰＰＳ試料のコホート（００９＿ＶＧ）（その全員が３４週～３６週の胎児の推定妊娠期間を有し、そのほとんどがコーカサス人であった）を使用して得た。

【0219】

以下のような出産予定日予測モデルを開発するために遺伝子発見を行った。候補マーカー遺伝子を含む２４１個のインプット遺伝子のセットを使用した。訓練データセットを使用して、これらの候補マーカー遺伝子のサブセットは、０．５を超える高い中央値（ｌｏｇ２＿ＣＰＭ）値を有すると同定された。分散分析（ＡＮＯＶＡ）を、訓練試料（例えば、上位１００遺伝子については－７週間対－２週間、上位１００遺伝子については－６週間対－３週間）の分娩までの実際の時間について２４８個の遺伝子のセット（表７に示す）を使用して行った。ピアソン線形相関を実施して、出産予定日までに最も強い統計的相関を有する候補マーカー遺伝子の中から上位１００個の遺伝子を同定した。分娩までの時間ビンの予測のために、いくつかの異なる予測モデルを試験した。第１に、妊娠期間４０週での予測された出産予定日に基づいて予測された分娩までの時間が作成された標準的なケアを使用した。第２に、ｃｏｌｌｅｃｔｉｏｎｇａコホートを弾性正味予測モデルへの入力として使用して、超音波データのみを使用した推定妊娠期間を使用した。第３に、弾性正味予測モデルへの入力として遺伝子及び交絡因子（例えば、パリティ、ＢＭＩ、喫煙状態など）のｌｏｇ２＿ＣＰＭｓの入力を使用して、ｃｆＤＮＡのみを使用した推定妊娠期間を使用した。第４に、弾性正味予測モデルへの遺伝子、交絡因子、及びｃｏｌｌｅｃｔｉｏｎｇａ入力のｌｏｇ２＿ＣＰＭｓの入力を使用して、ｃｆＤＮＡプラス超音波の両方を使用した推定妊娠期間を使用した。

【表7】

【0220】

図１０は、出産予定日予測モデル（例えば、分類器）を開発するために実行されるデータワークフローを示す。最初に、訓練データ（ｎ＝２７１個の試料）をランダムに６７個の試料ずつ４セットに分割する。次に、一度に１つの分割セットを除外することによって作成されている４つの分割セットのうちの３つの異なる組み合わせを使用してモデルが訓練される（例えば、分割１、２、３の第１の組み合わせ；分割２、３、４の第２の組み合わせ；分割１、３、４の第３の組み合わせ；及び分割１、２、４の第４の組み合わせ；それぞれｎ＝２０３個の試料を有する）。次に、ｎ＝２７１個の試料を使用して交差検証が実行され、４つのモデルのそれぞれが、保持された分割セット（ｎ＝６７個の試料）で試験される。次に、各モデルの独立した検証が実行され、それによってモデルが独立したデータ（例えば、試験データセット）で試験される。

【0221】

図１１Ａ～図１１Ｂは、それぞれ２７０人及び３１０人の患者で訓練された出産予定日予測モデルの予測誤差を示す。プロットは、所与の予測誤差（例えば、ビン幅が１週間の分娩ビンまでの時間であり、正の値は、予測出産予定日後に分娩が起こったことを示し、負の値は、予測出産予定日前に分娩が起こったことを示す）を有する試料のパーセントを示す。図は、標準治療（４０週間）モデル及び超音波のみのモデルと比較して、ｃｆＲＮＡのみのモデル又はｃｆＲＮＡプラス超音波モデルを使用した出産予定日予測の精度の改善及び誤差の低減を示す。

【0222】

［実施例６］
早産（ＰＴＢ）の予測
本開示のシステム及び方法を使用して、妊娠している対象の早産（ＰＴＢ）のリスクを予測するための予測モデルを開発した。表８に示すように、コーカサス人対象のコホートから得られたデータセット（実施例４に記載）を修飾遺伝子リストで再分析した。図１２は、コーカサス人対象のコホートから得られた７９個の試料のセットに対して２２個の遺伝子のセットを使用した、早産予測モデルの受信者動作特性ＲＯＣ）曲線を示す。合計７９個の試料のうち、２３個が早期ＰＴＢ（推定妊娠期間の３４週間前の分娩として定義される）を有していた。ＲＯＣ曲線の平均曲線下面積（ＡＵＣ）は、０．９１±０．１０であった。

【表8】

【0223】

【0224】

さらに、図１３Ａは、アフリカ人又はアフリカ系アメリカ人の祖先を有する対象のコホート（ＡＡコホート）から得られた４５個の試料のセットに対する遺伝子のセットを使用した、早産予測モデルに対する受信者動作特性ＲＯＣ）曲線を示す。合計４５個の試料のうち、１８個が早期ＰＴＢ（推定妊娠期間の３４週間前の分娩として定義される）を有していた。ＲＯＣ曲線の平均曲線下面積（ＡＵＣ）は、０．８２±０．０８であった。

【0225】

図１３Ｂは、ＲＡＢ２７Ｂ、ＲＧＳ１８、ＣＬＣＮ３、Ｂ３ＧＮＴ２、ＣＯＬ２４Ａ１、ＣＸＣＬ８、及びＰＴＧＳ２を含む３つの異なるＡＡコホート（コホート１、コホート２、及びコホート３）の早産予測モデルの遺伝子パネルを示す。

【0226】

図１４Ａは、妊娠している対象から得られた単一の身体試料（例えば、１回の採血）を使用して複数の妊娠関連状態を評価するための複数のアッセイを実施するためのワークフローを示す。妊娠に沿って数回の採血を行って、妊娠の進行を調査及び試験することができる。特定の時点（例えば、Ｔ１、Ｔ２、及びＴ３）で得られた採血を、数週間先に起こり得る特定の妊娠関連合併症のリスクを決定するために試験する。胎児の発育については、胎児の発育の進行の結果を提供するために、各採血時（Ｔ１、Ｔ２、及びＴ３）に長期的な試験を行う。例えば、第１の血液試料は、時間Ｔ１（例えば、妊娠第１期の間）において妊娠している対象から得られてもよく、第２の血液試料は、時間Ｔ２（例えば、妊娠第２期の間）において妊娠している対象から得られてもよく、第３の血液試料は、時間Ｔ３（例えば、妊娠第３期の間）において妊娠している対象から得られてもよい。時間Ｔ１で得られた血液試料は、早期妊娠又は妊娠第１期、例えば早産、自然流産、ＰＥ、ＧＤＭ、及び胎児の発育において検出可能又は予測可能であり得る妊娠関連状態についてアッセイするために使用され得る。時間Ｔ２で得られた血液試料は、妊娠中期又は妊娠の第２期、例えば早産、ＰＥ、ＧＤＭ、胎児の発育、及びＩＵＧＲにおいて検出可能又は予測可能であり得る妊娠関連状態についてアッセイするために使用され得る。時間Ｔ３で得られた血液試料は、妊娠後期又は妊娠第３期（出産予定日、胎児の発達、癒着胎盤、ＩＵＧＲ、出生前代謝疾患、及びＲＮＡからの新生児代謝性遺伝子疾患など）で検出可能又は予測可能であり得る妊娠関連状態についてアッセイするために使用され得る。

【0227】

図１４Ｂは、妊娠している対象の妊娠の進行に沿った１回の採血から試験することができる状態の組み合わせを示す。時間Ｔ１で得られた血液試料は、早産、子癇前症（妊娠関連高血圧障害）、妊娠糖尿病、自然流産、及び胎児の発達（正常及び異常）などの、妊娠初期又は妊娠の第１期に検出可能又は予測可能であり得る妊娠関連状態についてアッセイするために使用され得る。時間Ｔ２で得られた血液試料は、妊娠中期又は妊娠の第２期において検出可能又は予測可能であり得る妊娠関連状態、例えば妊娠期間、子癇前症（妊娠関連高血圧障害）、妊娠糖尿病、自然流産、前置胎盤、癒着胎盤（出血又は過剰出血）、前期破水（ＰＲＯＭ）、胎児の発育（正常及び異常）及び子宮内／胎児発育遅延（ＩＵＧＲ）についてアッセイするために使用され得る。時間Ｔ３で得られた血液試料は、妊娠後期又は妊娠第３期において検出可能又は予測可能であり得る妊娠関連状態、例えば出産予定日、先天性障害、前置胎盤、癒着胎盤（出血又は過剰な出血分娩）、前期破水（ＰＲＯＭ）、胎児の発達（正常及び異常）、及び子宮内／胎児発育遅延（ＩＵＧＲ）、産後うつ病、出生前代謝性遺伝子疾患、産後心筋症、及びＲＮＡからの新生児代謝性遺伝子疾患についてアッセイするために使用され得る。

【0228】

本発明の好ましい実施形態を本明細書に示し、説明してきたが、そのような実施形態が例としてのみ提供されることは当業者には明らかであろう。本発明は、本明細書内で提供される特定の例によって限定されることを意図しない。本発明を前述の明細書を参照して説明してきたが、本明細書の実施形態の説明及び例示は、限定的な意味で解釈されることを意味しない。本発明から逸脱することなく、当業者には多数の変形、変更、及び置換が思い浮かぶであろう。さらに、本発明のすべての態様は、様々な条件及び変数に依存する本明細書に記載の特定の描写、構成、又は相対的な割合に限定されないことを理解されたい。本明細書に記載の本発明の実施形態に対する様々な代替形態が、本発明を実施する際に使用され得ることを理解されたい。したがって、本発明は、任意のそのような代替形態、修正形態、変形形態又は均等物も包含すると考えられる。以下の特許請求の範囲が本発明の範囲を定義し、これらの特許請求の範囲内の方法及び構造並びにそれらの均等物がそれによって包含されることが意図される。

【図1】

【図2】

【図3A】

【図3B】

【図3C】

【図3D】

【図3E】

【図4A】

【図4B】

【図4C】

【図4D】

【図4E】

【図5A】

【図5B】

【図5C】

【図5D】

【図5E】

【図6A】

【図6B】

【図6C】

【図7A】

【図7B】

【図7C】

【図7D】

【図7E】

【図7F】

【図7G】

【図8】

【図9A】

【図9B】

【図9C】

【図9D】

【図9E】

【図10】

【図11A】

【図11B】

【図12】

【図13A】

【図13B】

【図14A】

【図14B】

【国際調査報告】