JP6432962B2 - 腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング方法 - Google Patents

Description

本発明は、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング方法及び装置に関する。また、本発明は、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニングするための機能をコンピュータに実施させるためのプログラムに関する。

さらに、本発明は、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する装置、並びにプログラムに関する。また、本発明は、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体における当該腎臓以外の１種以上の器官における疾患の存在、及び／又は病期を予測する装置及びプログラムに関する。

疾患には、可逆的に治療できる状態とそうでない状態（つまり不可逆的な状態）がある。可逆的な状態中に、異常をいち早く検出し治療する、あるいはそのような状態にすらならないように予防することが健康を維持することに不可欠である。また、可逆的な状態であっても、疾患の早期発見は、より軽度な治療方法、より短期の治療期間、またより良い予後の健康状態へ直結する。また、心臓疾患、脳疾患、がん、糖尿病に代表されるように、一つの器官や組織の異常が他の器官の疾患を招く（一般に合併症と呼ばれている）ことはよく知られており、そのような疾患においては、ひとつの器官・組織の異常から他の器官・組織の疾患が引き起こされるのを出来るだけ早い段階で防ぐことが必須となる。

人をふくめた全ての動物において、個々の器官や組織は個別の部品ではなく、それぞれが機能的なネットワークを形成することにより、個体レベルでの品質管理がなされている。全身に張り巡らされている血管ネットワークによるホルモンなどの内分泌因子の運搬、神経ネットワークによる各器官機能の協調的な調整は「多器官連関システム」の代表的な例であり、生理学、内分泌学として体系づけられている。

一方、透析や腎移植を必要とする末期腎不全患者（ＥＳＫＤ）は、世界的にも増加傾向にあり、１９９０〜２０００年の１０年間で、ＥＳＫＤ患者数は、４３万人から１０６．５万人に増加し、さらに２００８年には、少なくとも１６５万人程度に増加している（非特許文献１）。慢性腎疾患（Ｃｈｒｏｎｉｃ Ｋｉｄｎｅｙ ｄｉｓｅａｓｅ： ＣＫＤ）は、ＥＳＫＤの予備軍であるが、腎臓は、「沈黙の臓器」と呼ばれ、腎障害が起こってもその状態が臨床データ等に現れにくく、慢性腎疾患を来す前の腎機能低下は、早期発見が困難であるのが現状である。

Lysaght MJ:J Am Soc Nephrol. 2002 Jan;13 Suppl 1;S37-40.

ＣＫＤは、糖尿病及び高血圧症等の生活習慣病、尿路感染、尿路閉塞糸球体腎炎、腎血管疾患（血流障害）、鎮痛剤による薬剤性腎症等の泌尿器系疾患等様々な疾患に起因して発症する。このため、腎機能低下を来した後その進行を遅らせるために、はじめにこれらの原疾患の治療が行われる。また、この他、ＣＫＤの進行を遅らせるため、血圧のコントロールや、食事制限等の処置がとられる。さらに、ＣＫＤが進行した場合には、リン吸着薬等の慢性腎臓病骨代謝異常に対する薬物治療等が行われる。

しかしながら、現在、腎機能低下の進行を食い止める根本的な治療薬はない。

本発明は、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング方法及び装置を提供することを課題とする。また、本発明は、腎機能低下の進行を抑制又は腎機能低下を改善し、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための医薬組成物を提供することを課題とする。

さらに、本発明は、１つの腎臓以外の器官の細胞又は組織から腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患をできるだけ早い段階で検出する装置及びプログラムを提供することを課題とする。具体的には、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を、腎臓以外の器官連関指標因子から予測することを課題とする。また、腎臓以外の器官の疾患の存在、及び／又は病期を、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の状態から予測することを課題とする。

本発明者は、鋭意研究を重ねたところ、腎疾患動物モデルにおいて、ある種の腎機能予測マーカータンパク質の発現が上昇することを見出した。また、当該腎機能予測マーカータンパク質の機能を抑制することにより、腎機能低下の進行を抑制又は腎機能低下を改善することができることを見出した。さらに、被験物質を投与した被験体において当該腎機能予測マーカータンパク質の発現の変動、又は機能の変動を観察することにより、当該被験物質が、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質となりうるか否かをスクリーニングすることができることを見出した。

また、本発明者は、上記課題を解決するために「多器官連関システム」に着目した。本発明者は、鋭意研究を重ねたところ、この「多器官連関システム」を利用することで、ある腎臓以外の器官の状態から腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の状態を診断し、また将来の状態を予測する装置及びプログラムを提供することが可能となることを見出した。

本発明は、当該知見に基づいて完成されたものであり、以下の態様を含む。

項１．
下記の演算手段を有する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング装置：
被験物質で処理された被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（被験物質処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第１の測定値取得手段、及び
前記第１の測定値取得手段が取得した測定値に基づいて、前記被験物質が有効成分の候補物質であると決定する決定手段。

項２．
被験物質で処理されていない被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（未処理検体）の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第２の測定値取得手段、及び
被験物質処理検体の前記測定値及び未処理検体の前記測定値を比較する測定値比較手段、をさらに有し、
前記決定手段は、前記測定値比較手段の比較結果に基づいて前記被験物質が有効成分の候補物質であると決定する、項１に記載のスクリーニング装置。

項３．
前記腎機能予測マーカータンパク質が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項１又は２に記載のスクリーニング装置。

項４．
コンピュータに実行させたときに、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質をスクリーニングするための下記の処理を当該コンピュータに実施させるスクリーニングプログラム：
被験物質で処理された被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第１の測定値取得処理、及び
前記第１の測定値取得処理で取得された測定値に基づいて、前記被験物質が有効成分の候補物質であると決定する決定処理。

項５．
さらに、被験物質で処理されていない被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（未処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第２の測定値取得処理、及び
被験物質処理検体の前記測定値及び未処理検体の前記測定値を比較する測定値比較処理、
を前記コンピュータに実施させ、
前記決定処理では、前記測定値比較処理の比較結果に基づいて前記被験物質が有効成分の候補物質であると決定する、項４に記載のスクリーニングプログラム。

項６．
前記腎機能予測マーカータンパク質が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項４又は５に記載のスクリーニングプログラム。

項７．
以下の工程を含む、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング方法：
（Ｉ）被験物質で処理された被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（被験物質処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する工程、及び
（ＩＩ）前記工程（Ｉ）で得られた測定値に基づいて、前記被験物質が有効成分の候補物質であると決定する工程。

項８．
前記工程（Ｉ）と（ＩＩ）の間に、前記工程（Ｉ）で取得された被験物質処理検体の測定値と、被験物質で処理されていない被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（未処理検体）の対応する腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値とを比較する工程
をさらに含む、項７に記載のスクリーニング方法。

項９．
前記工程（Ｉ）の前に、
（ｉ）被験体（ヒトを除く）、被験組織又は被験細胞を、被験物質で処理する工程、
（ｉｉ）前記工程（ｉ）において被験物質で処理された被験体、被験組織又は被験細胞から検体を採取する工程、及び
（ｉｉｉ）前記工程（ｉｉ）で得られた検体からタンパク質及び／又はｍＲＮＡを回収する工程
を含む、項７又は８に記載の方法。

項１０．
前記腎機能予測マーカータンパク質が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項７から９のいずれか一項に記載の方法。

項１１．
以下の工程を含む、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング方法：
（Ａ）被験物質で処理された被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡを検出する工程、及び
（Ｂ）前記工程（Ａ）で得られた結果に基づいて、前記被験物質が有効成分の候補物質であると決定する工程。

項１２．
前記工程（Ａ）と工程（Ｂ）の間に、前記工程（Ａ）で取得された被験物質処理検体の前記検出結果と、被験物質で処理されていない被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（未処理検体）の対応する腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡの検出結果とを比較する比較工程、
をさらに含む、項１１に記載のスクリーニング方法。

項１３．
前記腎機能予測マーカータンパク質が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項１１又は１２に記載のスクリーニング方法。

項１４．
下記の演算手段を有する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング装置：
被験物質で処理された被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の機能の評価結果を取得する第１の評価結果取得手段、及び
前記第１の評価結果取得手段が取得した評価結果に基づいて、前記被験物質が有効成分の候補物質であると決定する決定手段。

項１５．
被験物質で処理されていない被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（未処理検体）中の腎機能予測マーカータンパク質の機能の評価結果を取得する第２の評価結果取得手段、及び
被験物質処理検体の前記評価結果及び未処理検体の前記評価結果を比較する評価結果比較手段、
をさらに有し、
前記決定手段は、前記評価結果比較手段の比較結果に基づいて前記被験物質が有効成分の候補物質であると決定する、項１４に記載のスクリーニング装置。

項１６．
前記腎機能予測マーカータンパク質が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項１４又は１５に記載のスクリーニング装置。

項１７．
コンピュータに実行させたときに、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質をスクリーニングするための下記の処理を当該コンピュータに実施させるスクリーニングプログラム：
被験物質で処理された被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の機能の評価結果を取得する第１の評価結果取得処理、及び
前記第１の評価結果取得処理で取得された評価結果に基づいて、前記被験物質が有効成分の候補物質であると決定する決定処理。

項１８．
さらに、被験物質で処理されていない被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（未処理検体）中の腎機能予測マーカータンパク質の機能の評価結果を取得する第２の評価結果取得処理、及び
被験物質処理検体の前記評価結果及び未処理検体の前記評価結果を比較する評価結果比較処理、
を前記コンピュータに実施させ、
前記決定処理では、前記評価結果比較処理の比較結果に基づいて前記被験物質が有効成分の候補物質であると決定する、項１７に記載のスクリーニングプログラム。

項１９．
前記腎機能予測マーカータンパク質が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項１７又は１８に記載のスクリーニングプログラム。

項２０．
以下の工程を含む、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング方法：
（Ｉ）被験物質で処理された被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の機能を評価する工程、及び
（ＩＩ）前記工程（Ｉ）で得られた評価結果に基づいて、前記被験物質が有効成分の候補物質であると決定する工程。

項２１．
前記工程（Ｉ）と（ＩＩ）の間に、前記工程（Ｉ）で取得された被験物質処理検体の前記評価結果と、被験物質で処理されていない被験体（ヒトを除く）、被験組織又は被験細胞から採取された検体（未処理検体）の対応する腎機能予測マーカータンパク質の機能の評価結果とを比較する工程
をさらに含む、項２０に記載のスクリーニング方法。

項２２．
前記工程（Ｉ）の前に、
（ｉ）被験体（ヒトを除く）、被験組織又は被験細胞を、被験物質で処理する工程、及び（ｉｉ）前記工程（ｉ）において被験物質で処理された被験体、被験組織又は被験細胞から検体を採取する工程
を含む、項２０又は２１に記載のスクリーニング方法。

項２３．
前記腎機能予測マーカータンパク質が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項２０から２２のいずれか一項に記載のスクリーニング方法。

項２４．
下記の演算手段を有する、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する予測装置：
前記被験体の腎臓以外の１種以上の器官から採取された細胞又は組織から得られた各器官における器官連関指標因子の被験データを取得する被験データ取得手段、
前記被験データ取得手段が取得した被験データと、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患又は病期毎にあらかじめ決定された標準データ１の群から取得され、被験データが由来する器官に対応する器官の標準データ１とを比較して、器官連関指標因子のパターンの類似度を算出するパターン類似度算出手段、及び
前記パターン類似度算出手段で得られた器官連関指標因子のパターンの類似度を指標にして、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する予測手段；
ここで、
前記被験データは、「前記被験体の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎臓に疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係を表している、器官連関指標因子のパターンであり、
前記標準データ１は、「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、あらかじめ決定された器官連関指標因子のパターンである。

項２４−１．
前記器官連関指標因子が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項２４に記載の予測装置。

項２５．
コンピュータに実行させたときに、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測するための下記の処理を当該コンピュータに実施させる予測プログラム：
前記被験体の腎臓以外の１種以上の器官から採取された細胞又は組織から得られた各器官における器官連関指標因子の被験データを取得する被験データ取得処理、
前記被験データ取得処理で取得された被験データと、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患又は病期毎にあらかじめ決定された標準データ１の群から取得され、被験データが由来する器官に対応する器官の標準データ１とを比較して、器官連関指標因子のパターンの類似度を算出するパターン類似度算出処理、及び
前記パターン類似度算出処理で得られた器官連関指標因子のパターンの類似度を指標にして、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する予測処理；
ここで、
前記被験データは、「前記被験体の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係を表している、器官連関指標因子のパターンであり、
前記標準データ１は、「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎臓に疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、あらかじめ決定された器官連関指標因子のパターンである。

項２５−１．
前記器官連関指標因子が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項２５に記載の予測プログラム。

項２６．
下記の工程を有する、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する予測方法：
（１）前記被験体の腎臓以外の１種以上の器官から採取された細胞又は組織から得られた各器官における器官連関指標因子の被験データを取得する工程、
（２）前記工程（１）で取得された被験データを、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患又は病期毎にあらかじめ決定された標準データ１の群から取得され、被験データが由来する器官に対応する器官の標準データ１と比較して、器官連関指標因子のパターンの類似度を算出する工程、及び
（３）前記工程（２）において算出された器官連関指標因子のパターンの類似度が「類似している」と決定された場合に、前記被験体が前記標準データ１に対応する疾患を有する、及び／又は前記被験体が前記標準データ１に対応する病期であると決定する工程；
ここで、
前記被験データは、「前記被験体の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係を表している、器官連関指標因子のパターンであり、
前記標準データ１は、「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、あらかじめ決定された器官連関指標因子のパターンである。

項２６−１．
前記器官連関指標因子が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項２６に記載の予測方法。

項２７．
下記の工程を有する、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測するために器官連関指標因子のパターンの類似度の情報を取得する取得方法：
（１）前記被験体の腎臓以外の１種以上の器官から採取された細胞又は組織から得られた各器官における器官連関指標因子の被験データを取得する工程、及び
（２）前記工程（１）で取得された被験データを、あらかじめ決定された対応する器官連関指標因子の標準データ１と比較して、器官連関指標因子のパターンの類似度を算出し、その情報を取得する工程；
ここで、
前記被験データは、「前記被験体の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係を表している、器官連関指標因子のパターンであり、
前記標準データ１は、「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、あらかじめ決定された器官連関指標因子のパターンである。

項２７−１．
前記器官連関指標因子が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項２７に記載の取得方法。

項２８．
下記の演算手段を有する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体における腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測する予測装置：
前記被験体における前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の情報を取得する病期情報取得手段、
前記病期情報取得手段が取得した病期の情報と、標準データ２とを照合する病期情報照合手段、
前記病期情報照合手段で得られた結果から、前記被験体における腎臓以外の１種以上の器官の器官連関指標因子のパターンを抽出するパターン抽出手段、及び
前記パターン抽出手段で得られた器官連関指標因子のパターンを指標にして、腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測する予測手段；
ここで、
前記標準データ２は、「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎に、あらかじめ決定された器官連関指標因子のパターンである。

項２８−１．
前記器官連関指標因子が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項２８に記載の予測装置。

項２９．
コンピュータに実行させたときに、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体における腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測するための下記の処理を当該コンピュータに実施させる予測プログラム：
前記被験体における前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の情報を取得する病期情報取得処理、
前記病期情報取得処理で取得された病期と、標準データ２とを照合する病期情報比較処理、
前記病期情報比較処理で得られた結果から、前記被験体における腎臓以外の１種以上の器官の器官連関指標因子のパターンを抽出するパターン抽出処理、及び
前記パターン抽出処理で得られた器官連関指標因子のパターンを指標にして、腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測する予測処理；
ここで、
前記標準データは、「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎に、あらかじめ決定された器官連関指標因子のパターンである。

項２９−１．
前記器官連関指標因子が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項２９に記載の予測プログラム。

項３０．
下記の工程を有する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体における当該腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測する予測方法：
（ｉ）前記被験体の診断結果から、前記被験体における前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の情報を取得する工程、
（ｉｉ）前記工程（ｉ）で取得された前記病期の情報と、標準データ２を照合する工程、（ｉｉｉ）前記工程（ｉｉ）で取得された照合結果に基づいて、標準データ２の中から前記病期の情報と対応する腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の標準データαを決定し、前記被験体の病期に対応する前記被験体における腎臓以外の１種以上の器官の器官連関指標因子のパターンを標準データαの中から抽出する工程、
（ｉｖ）前記工程（ｉｉｉ）で抽出された器官連関指標因子のパターンを公知の疾患、及び／又は前記疾患の病期における器官連関指標因子のと情報と照合して、前記被験体の腎臓以外の器官の器官連関指標因子のパターンに対応する前記腎臓以外の器官の疾患の存在及び／又は当該疾患の病期を決定する工程、及び
（ｖ）前記工程（ｉｖ）において決定された前記腎臓以外の器官の疾患及び／又は当該疾患の病期を、前記被験者が罹患している可能性のある疾患であると、及び／又は当該疾患の病期であるとさらに決定する工程；
ここで、
前記標準データ２は、「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎臓に疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎に、あらかじめ決定された器官連関指標因子のパターンである。

項３０−１．
前記器官連関指標因子が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項３０に記載の予測方法。

項３１．
下記の工程を有する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体における腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測するための情報の取得方法：
（ｉ）前記被験体の診断結果から、前記被験体における前腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の情報を取得する工程、
（ｉｉ）前記工程（ｉ）で取得された前記病期の情報と、標準データ２を照合する工程、（ｉｉｉ）前記工程（ｉｉ）の取得された照合結果に基づいて、標準データ２の中から前記病期の情報と対応する腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の標準データαを決定し、前記被験体の病期に対応する前記被験体における腎臓以外の１種以上の器官の器官連関指標因子のパターンを標準データαの中から抽出する工程、及び
（ｉｖ’）前記工程（ｉｉｉ）で抽出された器官連関指標因子のパターンを公知の疾患、及び／又は前記疾患の病期における器官連関指標因子の情報と照合して、前記被験体の腎臓以外の器官の器官連関指標因子のパターンに対応する前記腎臓以外の器官の疾患の存在及び／又は当該疾患の病期の情報を取得する工程；
ここで、
前記標準データ２は、「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎臓に疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎に、あらかじめ決定された器官連関指標因子のパターンである。

項３１−１．
前記器官連関指標因子が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項３１に記載の取得方法。

項３２．
下記の工程を有する、被験体において腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測するために用いる、器官連関指標因子のパターンの標準データの作成方法：
ゴールデンスタンダードの陽性対象の腎臓以外の器官から採取された細胞又は組織から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の各病期に応じて器官連関指標因子を抽出する工程；
ゴールデンスタンダードの陰性対象の腎臓以外の器官から採取された細胞又は組織から器官連関指標因子を抽出する工程；
前記器官連関指標因子を同定及び定量する工程；
「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、器官連関指標因子のパターンを決定する工程；及び
前記器官連関指標因子のパターンを、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の各病期に対応付ける工程。

項３２−１．
前記器官連関指標因子が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項３２に記載の作成方法。

項３３．
下記の工程を有する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体において腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測するために用いる、器官連関指標因子のパターンの標準データの作成方法：
ゴールデンスタンダードの陽性対象の腎臓以外の器官から採取された細胞又は組織から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の各病期に応じて器官連関指標因子を抽出する工程；
ゴールデンスタンダードの陰性対象の腎臓以外の器官から採取された細胞又は組織から器官連関指標因子を抽出する工程；
前記器官連関指標因子を同定及び定量する工程；及び
「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎に、器官連関指標因子のパターンを決定する工程。

項３３−１．
前記器官連関指標因子が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、項３３に記載の作成方法。

本発明のある態様によれば、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング方法を提供することができる。

また、本発明のある態様（Ｒｅｖｅｒｓｅ ｉＯｒｇａｎｓ）によれば、腎臓以外の器官の状態の微妙な変化と、腎臓の微妙な変化を関連づけることにより、腎臓全体または組織のその微妙な変化を捉え、通常の診断方法よりも早期に腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を検出できる。さらに、複数の器官や組織でこのような関連性を評価する装置、又はプログラムを用いることにより、１つの器官や組織の診断で複数の器官や組織の診断が可能になり、診断効率が飛躍的に向上する。また、本発明のある態様（Ｆｏｒｗａｒｄ ｉＯｒｇａｎｓ）によれば、通常の診断方法ですでに腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患であることが確認されている腎臓の状態から、通常の検査ではまだ異常をきたしていると診断できていない器官の状態を推測することにより、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が原因で引き起こされる、他の器官や組織の異常が早期に発見でき、二次、三次疾患（腎不全、肝障害、がんの転移など）を予防、あるいは治療することが可能となる。

本発明の第１の態様に係るシステム１００の概観図である。 本発明の第１の態様に係るシステム１００のハードウェア構成を示すブロック図である。 本発明の第１の態様に係るスクリーニング装置１の機能を説明するためのブロック図である。 本発明の第１の態様に係るスクリーニング装置１がスクリーニング方法を実行するために行うデータ処理の順序を示すフローチャートである。 本発明の第２の態様に係るシステム１１０の概観図である。 本発明の第２の態様に係るシステム１１０のハードウェア構成を示すブロック図である。 本発明の第２の態様に係るスクリーニング装置２の機能を説明するためのブロック図である。 本発明の第２の態様に係るスクリーニング装置２がスクリーニング方法を実行するために行うデータ処理の順序を示すフローチャートである。 本発明に係る「Ｒｅｖｅｒｓｅ ｉＯｒｇａｎｓ」の概念を説明するための模式図である。 本発明に係る「Ｒｅｖｅｒｓｅ ｉＯｒｇａｎｓ」の概念を説明するための模式図である。 本発明に係る「Ｆｏｒｗａｒｄ ｉＯｒｇａｎｓ」の概念を説明するための模式図である。 本発明に係る「Ｆｏｒｗａｒｄ ｉＯｒｇａｎｓ」の概念を説明するための模式図である。 本発明の第３の態様に係るシステム１２０の概観図である。 本発明の第３の態様に係るシステム１２０のハードウェア構成を示すブロック図である。 本発明の第３の態様に係る予測装置６の機能を説明するためのブロック図である。 本発明の第３の態様に係る予測装置６が予測方法を実行するために行うデータ処理の順序を示すフローチャートである。 本発明の第４の態様に係るシステム１３０の概観図である。 本発明の第４の態様に係るシステム１３０のハードウェア構成を示すブロック図である。 本発明の第４の態様に係る予測装置７の機能を説明するためのブロック図である。 本発明の第４の態様に係る予測装置７が予測方法を実行するために行うデータ処理の順序を示すフローチャートである。 RNA-Seq等で検出され得るマウスの遺伝子の一覧である。図中「Line No」は表の行番号を示し、「Gene Name」は米国National Center for Biotechnology Information（NCBI）に登録の遺伝子名を、「Reference Seq. ID」はNCBIに登録のReferense Sequence ID番号を示す。また、「Choromosome Locus」はmm10に登録の染色体の座を示す。 発現量を検討した遺伝子について、［CKD／Sham］が１より大きいか１より小さい遺伝子を２群、１．５より大きいか０．６７より小さい遺伝子を３群、２より大きいか０．５より小さい遺伝子を４群、５より大きいか０．２より小さい遺伝子を５群に分類した。図中「Line No.」は表の行番号を、Groupsは［CKD／Sham］の値により分類した各群の番号を、「Gene Name」は、NCBIに登録の遺伝子名を、「Human Gene ID」は、前記遺伝子名に対応するNCBIに登録のヒトの遺伝子番号を、「Updated」は、前記Human Gene IDのNCBIでの更新日を示す。また「Sub-Group」において「V-1」は、５群の遺伝子の中で［CKD／Sham］が５より大きい遺伝子であり、「V-2」は、５群の遺伝子の中で［CKD／Sham］が０．２より小さい遺伝子である。「IV-1」は、４群の遺伝子の中で［CKD／Sham］が２より大きくかつ５群に含まれない遺伝子であり、「IV-2」は、４群の遺伝子の中で［CKD／Sham］が０．５より小さくかつ５群に含まれない遺伝子である。「III-1」は、３群の遺伝子の中で［CKD／Sham］が１．５より大きくかつ４群及び５群に含まれない遺伝子であり、「III-2」は、３群の遺伝子の中で［CKD／Sham］が０．６７より小さくかつ４群及び５群に含まれない遺伝子である。「II-1」は、２群の遺伝子の中で［CKD／Sham］が１より大きくかつ３〜５群に含まれない遺伝子であり、「II-2」は、２群の遺伝子の中で［CKD／Sham］が１より小さくかつ３〜５群に含まれない遺伝子である。グループ番号が記載されていない遺伝子は、CKD/Shamが１となった群である。 Sham＞１であってCKD/Sham >５の遺伝子、Sham＜１であってCKD＞１０の遺伝子、Sham＞１０であってCKD/Sham ＜０．３の遺伝子の初期及び中期の遺伝子の発現量を示す。 図２４は、Oscar遺伝子変異マウスを作製するためのCRISPR/Cas9による変異部位とssODNsの配列を示す図である。A：Oscar-gRNA1の変異部位とssODNsの配列を示す。B:Oscar-gRNA2の変異部位とssODNsの配列を示す。C:作製された変異マウスのOscarの表現形を示す。 図２５は、UNx/HPiモデルマウスにおける高リン食開始後（Sham群においては低リン食）、1週間後（E）、4週間後（M）、８週間後（L）の頭蓋骨のボルカノプロットである。 図２６Aは、各組織におけるOscar遺伝子の発現のDESeq解析結果である。図２６Bは、UNx/HPiモデルマウスおよびshamマウスのE、M、LにおけるOscar mRNAの発現をqRT-PCRで検討した結果である。図２６Cは、腎臓でのOscar遺伝子の発現をqRT-PCRで確認した結果を示す。グラフ中 ***はp<0.001, n.sは有意差無しを示す。 図２７は、頭蓋骨でのFGF23遺伝子の発現をqRT-PCRで確認した結果を示す。グラフ中 **はp < 0.01、***はp < 0.001を示す。 図２８Aは、普通食から低リン食或は高リン食に切り替えた後１日後、３日後、１週間後、４週間後の頭蓋骨のOscar遺伝子の発現を示す。図２８Bは、普通食から低リン食或は高リン食に切り替えた後１日後、３日後、１週間後、４週間後の頭蓋骨のFGF23遺伝子の発現を示す。グラフ中*はp < 0.05、 **はp < 0.01、***はp < 0.001, n.sは有意差無しを示す。 図２９は、高リン食を摂取させた正常マウスとOscar遺伝子変異マウスの骨におけるFGF23の発現を示す。**はp < 0.01を示す。 頭蓋骨におけるFGF23のqRT-PCRの結果を示す。HP4Wは高リン食開始後４週間のマウス、LP4Wは低リン食開始後４週間のマウス（対照群）を示す。sOscarは、可溶性ヒトOscar-Fc融合タンパクを投与したマウスであり、NSは可溶性ヒトOscar-Fc融合タンパクに代えて、生理食塩水を投与したマウスである。 耳下腺におけるPRP遺伝子のqRT-PCRの結果を示す。HP4Wは高リン食開始後４週間のマウス、LP4Wは低リン食開始後４週間のマウス（対照群）を示す。sOscarは、可溶性ヒトOscar-Fc融合タンパクを投与したマウスであり、NSは可溶性ヒトOscar-Fc融合タンパクに代えて、生理食塩水を投与したマウスである。 血漿中FGF23のELISA測定結果を示す。HP4Wは高リン食開始後４週間のマウス、LP4Wは低リン食開始後４週間のマウス（対照群）を示す。sOscarは、可溶性ヒトOscar-Fc融合タンパクを投与したマウスであり、NSは可溶性ヒトOscar-Fc融合タンパクに代えて、生理食塩水を投与したマウスである。WT（12W）は、普通食で飼育した12週齢のオスの野生型マウスを示す。 図３３は、血漿中のクレアチニンの濃度を示す。HP4Wは高リン食開始後４週間のマウス、LP4Wは低リン食開始後４週間のマウス（対照群）を示す。WT（12W）は、12週齢のオスの野生型マウスを示す。 腎臓におけるのFgg遺伝子のqRT-PCRの結果を示す。HP4Wは高リン食開始後４週間のマウス、LP4Wは低リン食開始後４週間のマウス（対照群）を示す。sOscarは、可溶性ヒトOscar-Fc融合タンパクを投与したマウスであり、NSは可溶性ヒトOscar-Fc融合タンパクに代えて、生理食塩水を投与したマウスである。

Ｉ．スクリーニング
１．用語の説明
はじめに、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング方法及び装置、及び腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニングするための機能をコンピュータに実施させるためのプログラムの発明に関し、本明細書、請求の範囲、要約で使用される用語について説明する。後述する「ＩＩ．ｉＯｒｇａｎｓ」において、本項「Ｉ．スクリーニング」と同じ文言が使用される場合があるが、特に記載がない限り、「Ｉ．スクリーニング」に記載の発明に係る明細書、請求の範囲、要約で使用されている用語は、本項の規定に従う。本項「Ｉ．スクリーニング」と後述する「ＩＩ．ｉＯｒｇａｎｓ」で使用される用語の定義は、それぞれの項を引用する記載がないかぎり、それぞれ独立した別の定義である。

本明細書において、「腎機能低下」とは、ヒトの場合、例えば、下記表１−１から１−３に示す少なくとも一種の腎疾患マーカーが基準値範囲外となる状態をいう。

本明細書において、「慢性腎疾患」とは、被験体がヒトである場合、「ＣＫＤ診断ガイド２０１２（日本腎臓学会編）に従い、腎臓の障害（微量アルブミン尿を含む蛋白尿などの尿異常、尿沈渣の異常、片腎や多発性のう胞腎などの画像異常、血清クレアチニン値上昇などの腎機能低下、尿細管障害による低カリウム血症などの電解質異常、腎生検などで病理組織検査の異常等）、もしくは推定ＧＦＲ（糸球体濾過量）６０ ｍＬ／分／１．７３ｍ^２ 未満の腎機能低下が３カ月以上持続する状態をいう。

ここで、推算ＧＦＲ（ｅＧＦＲ）は、下記表２に示す血清クレアチニン値からの推算式（ｅＧＦＲｃｒｅａｔ）で算出ことができる。また、下肢切断者等の筋肉量の極端に少ない者に対しいては、血清シスタチンＣの推算式（ｅＧＦＲｃｙｓ）を適用することができる。

例えば、タンパクを指標とする場合、３カ月以上前と最近の尿検査で尿蛋白０．１５ｇ／ｇＣｒ 以上が続いている場合を、慢性腎疾患であると診断することができる。また、糖尿病で３カ月以上前と最近のアルブミン尿検査で３０ ｍｇ／ｇＣｒ 以上が続いている場合を、慢性腎疾患であると診断することができる。

小児に関しては、日本人小児の酵素法による血清クレアチニン（Ｃｒ）の基準値が作成され，これを使用して腎機能異常者の評価を行うことができる。例えば、％表示のｅＧＦＲは、２ 歳以上１１ 歳以下の小児については、下記式１で表すことができる。
［式１］
eGFR（％）＝（0.3×身長（m）/被験体の血清Cr値）×100
また、ネコ、イヌ等のヒト以外の哺乳動物の場合、１日平均引水量、又は尿比重等から慢性腎疾患であることを予測することができる。

慢性腎疾患の重症度は、例えば、ヒトの場合、下記表３に基づいて決定することができる（表３は、「ＣＫＤ診断ガイド２０１２」の表２）。

本発明において、「腎不全」は、前記「慢性腎疾患」に含まれるが、例えばヒトであれば、慢性腎疾患の中でeGFRが45 ml/分/1.73m²未満、好ましくは30 ml/分/1.73m²未満、より好ましくは15 ml/分/1.73m²未満の状態をいう。

本発明において、「個体」は、特に制限されないが、個体にはヒト及びヒト以外の哺乳動物が含まれる。ヒト以外の哺乳動物としては、例えばウシ、ウマ、ヒツジ、ヤギ、ブタ、イヌ、ネコ、ウサギ、サル等が挙げられる。好ましくは、ヒト、ネコ、イヌである。また、個体の年齢、性別は問わない。

また、「被験体」は、被験物質を投与する対象となる個体であり、好ましくはヒトが除かれる。被験体は、腎機能低下やその他の腎疾患の既往を有している個体であることが好ましい。また、被験体となりうる個体は、多尿、喉の渇き、飲水量の増加、胃液過多、嘔吐、血尿、及び全身倦怠感等の症状があることが好ましい。さらに、被験体となりうる個体には、医療面接、尿検査、血液の生化学的検査、腎像画像診断、腎生検等の公知の診断方法に従って、腎障害や慢性腎疾患が疑われた個体、疾患モデル動物等も含まれる。

本明細書において、「被験組織」とは、被験物質を投与する対象となる組織であり、例えば、前記被験体となりうる個体から採取され、体外で培養される等して体外において生存している組織である。当該組織は、一器官全体であってもよく、一器官の一部であってもよい。

本明細書において、「被験細胞」とは、被験物質を投与する対象となる細胞であり、例えば、前記被験体となりうる個体から採取され、体外で培養される等して体外において生存している細胞である。当該細胞は、初代培養等の継代性が限られている細胞であってもよく、継代性が維持されている、いわゆる培養細胞であってもよい。また、これらは、遺伝子操作によって作成された細胞であってもよい。

本明細書において、「検体」には、上記被験体由来の細胞、組織（副腎、大動脈、脳、肺、膵臓、下垂体、皮膚、頭蓋骨、骨格筋、脾臓、精巣、甲状腺、腎臓、大腸、眼球、心臓、肝臓、顎下腺、胸腺、脂肪組織、胃、空腸、及び回腸等）、体液（汗、皮膚からの分泌液、涙液、唾液、髄液、腹水及び胸水）、尿、及び血液試料等が含まれる。検体として好ましくは、脂肪組織、皮膚、毛根、唾液腺（耳下腺、顎下腺、及び舌下腺、好ましくは顎下線）、汗、皮膚からの分泌液、涙液、唾液、尿、及び血液試料であり、より好ましくは、尿、唾液、耳下腺、血液試料、脂肪組織、毛根、皮膚、皮膚からの分泌物、及び汗である。

また、「検体」には、被験組織そのもの、被験組織の一部、被験細胞そのもの、被験細胞の一部、さらに被験組織又は被験細胞の培養上清が含まれていてもよい。

後述する「２．各測定値の取得方法」において、腎機能予測マーカーのタンパク質の測定値を取得する場合には、検体として好ましくは、血液試料、又は体液である。また、同項において腎機能予測マーカータンパク質のｍＲＮＡの測定値の取得する場合には、検体として好ましくは、組織、血液試料、又は体液である。

「血液試料」には、被験体から採取した血液（全血）、又は当該血液から調製した血清、又は血漿等が含まれる。腎機能予測マーカーのタンパク質の測定値を取得する場合、より好ましくは、血清又は血漿であり、さらに好ましくは血清である。腎機能予測マーカータンパク質のｍＲＮＡ測定値を取得する場合、全血を用いることが好ましい。血漿を採取する際に使用する抗凝固剤の種類は特に制限されない。測定に用いる被験体の血液試料と所定の基準値を決定する血液試料は同種であっても異種であっても良いが、同種であることが好ましい。また、血液試料として血漿を用いる場合、所定の基準値を決定するための血漿は、被験体の血漿と同じ抗凝固剤を用いて採血された血液から調製されることが好ましい。

さらに、検体は、新鮮なものであっても、保存されていたものであってもよい。検体を保存する場合には、室温環境、冷蔵環境又は冷凍環境において保存することができるが、好ましくは冷凍保存である。

本明細書において、「被験物質」とは、有効成分の候補物質であるか否かを評価する対象となりうる物質であり、特に制限されない。例えば、化合物、タンパク質、ペプチド、核酸、脂質、糖質、糖脂質、糖タンパク、金属等を挙げることができる。被験物質の投与方法も特に制限されない。被験細胞や被験組織に被験物質を投与する場合には、例えばその培養培地に１ｐｇ／ｍｌから１ｍｇ／ｍｌとなるように被験物質を投与することができる。また、被験体個体の場合には、１日あたり１ｎｇ／ｋｇ〜１ｇ／ｋｇとなるように被験物質を投与することができる。被験物質の投与から、検体の採取までの期間は、当該被験物質の効果が得られる限り、特に制限されない。

さらに、被験物質で処理された被験体、被験組織又は被験細胞から採取された検体は、本明細書において、「被験物質処理検体」と呼ばれることもある。また、被験物質で処理されていない被験体、被験組織又は被験細胞から採取された検体は、本明細書において、「未処理検体」と呼ばれることもある。

「健常個体」とは、特に制限されない。好ましくは「個体」の項に記載されたヒト又はヒト以外の哺乳動物であって、生化学的検査、血液検査、尿検査、血清検査、生理学的検査等において異常データを示さない個体をいう。健常個体の年齢、性別は特に制限されない。

本発明の「腎機能予測マーカー」には、図２１に示される（第１群とする）遺伝子の少なくとも一種が含まれる。より具体的には、図２２に示される第２群から選択される遺伝子の少なくとも一種、好ましくは図２２に示される第３群の遺伝子の少なくとも一種、より好ましくは図２２に示される第４群の遺伝子の少なくとも一種、さらに好ましくは図２２に示される第５群の遺伝子の少なくとも一種が含まれる。最も好ましくは図２３に示される第６群の遺伝子の少なくとも一種であり、中でもＰｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ（Ｐｒｈ１，Ｐｒｐ２，Ｐｒｂ１，Ｐｒｐｍｐ５）、Ｄｅｆｅｎｓｉｎｓ（Ｄｅｆａ及びＤｅｆｂ）、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｆｉｂｒｉｎｏｇｅｎｓ（Ｆｇａ、Ｆｇｂ、及びＦｇｇ）及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である。また、これらの群には、それぞれの遺伝子のスプライシングバリアントを含んでいてもよい。

腎機能マーカータンパク質と検体の具体的な組み合わせの例は、例えば、ＰＲＰｓの場合には、検体として唾液及び／又は唾液腺（好ましくは耳下腺）を用いることが好ましく、腎機能予測マーカーがＤｅｆｅｎｓｉｎｓ及び／又はＨａｍｐ２である場合には、検体として脂肪組織、毛根、皮膚、皮膚からの分泌物、及び／又は汗を用いることが好ましい。

特にＤｅｆｂ８の測定値を取得する検体としては、皮膚、Ｄｅｆａ２４の測定値を取得する検体としては胃、骨格筋、及び／又は精巣；Ｄｅｆｂ１、Ｄｅｆｂ１０、Ｄｅｆｂ１２、Ｄｅｆｂ１４、Ｄｅｆｂ１５、Ｄｅｆｂ１８、Ｄｅｆｂ１９、Ｄｅｆｂ２、Ｄｅｆｂ２０、Ｄｅｆｂ２１、Ｄｅｆｂ２２、Ｄｅｆｂ２３、Ｄｅｆｂ２５、Ｄｅｆｂ２６、Ｄｅｆｂ２８、Ｄｅｆｂ２９、Ｄｅｆｂ３０、Ｄｅｆｂ３５、Ｄｅｆｂ３７、Ｄｅｆｂ３９、Ｄｅｆｂ４１、Ｄｅｆｂ４２、Ｄｅｆｂ４３、Ｄｅｆｂ４５、Ｄｅｆｂ４７、及び／又はＤｅｆｂ４８の測定値を取得する検体としては脂肪組織；Ｏｓｃａｒの測定値を取得する検体としては頭蓋骨；Ｐｒｂ１、Ｐｒｈ１、Ｐｒｐ２、及び／又はＰｒｐｍｐ５の測定値を取得する検体としては唾液、唾液腺または耳下腺；Ｓｐｐ１の測定値を取得する検体としては頭蓋骨、腎臓及び／又は心臓；Ｄｎａｓｅ１の測定値を取得する検体としては腎臓、唾液腺好ましくは耳下腺；Ｓｌｃ７ａ８の測定値を取得する検体としては大動脈；Ａｎｐｅｐの測定値を取得する検体としては甲状腺；Ｓｌｃｏ１ａ１の測定値を取得する検体としては腎臓、肝臓；Ａｐｌｎｒの測定値を取得する検体としては副腎、大動脈、肺、下垂体、皮膚、皮膚、頭蓋骨、骨格筋、脾臓、甲状腺、腎臓、心臓、及び／又は脂肪組織；Ｆｇａ、Ｆｇｂ、及びＦｇｇの測定値を取得する場合には腎臓、血液試料及び／又は尿が好ましい。

「腎機能予測マーカーからなる群から選択される少なくとも一種のタンパク質の測定値」とは、腎機能予測マーカーからなる群から選択される少なくとも一種のタンパク質の量又は濃度を反映した値をいう。当該測定値を「量」で標記する場合には、モルであっても質量であってもよいが、質量で標記することが好ましい。また、値を「濃度」で表記する場合には、モル濃度であっても検体の一定容量あたりの質量の割合（質量／容量）であってもよいが、好ましくは質量／容量である。量又は濃度を反映する値としては、上記の他に、蛍光や発光などのシグナルの強度であってもよい。

「腎機能予測マーカーからなる群から選択される少なくとも一種のｍＲＮＡの測定値」とは、一定量の検体中に存在する腎機能予測マーカー ｍＲＮＡのコピー数（絶対量）で表されてもよく、または、β２−ミクログロブリンｍＲＮＡ、ＧＡＰＤＨ ｍＲＮＡ、Ｍａｅａ ｍＲＮＡ及びβ−アクチン ｍＲＮＡ等のハウスキーピング遺伝子の発現量に対する相対発現量を反映した値であってもよい。また、蛍光や発光などのシグナルの強度で表されてもよい。

「抗腎機能予測マーカー抗体」は、上述した腎機能予測マーカーからなる群から選択される少なくとも一種のタンパク質と特異的に結合する限り制限はなく、腎機能予測マーカーからなる群から選択される少なくとも一種のタンパク質又はその一部を抗原としてヒト以外の動物に免疫して得られたポリクローナル抗体、モノクローナル抗体、及びそれらの断片（例えば、Ｆａｂ、Ｆ（ａｂ）_２等）のいずれも用いることができる。また、免疫グロブリンのクラス及びサブクラスは特に制限されない。また、キメラ抗体であってもよい。さらに、ｓｃＦｖ等であってもよい。

抗腎機能予測マーカー抗体を作製するために用いられる、抗原となる腎機能予測マーカータンパク質としては、上述した腎機能予測マーカーからなる群から選択される少なくとも一種のタンパク質の全体、又は一部を挙げることができる。

本発明における「腎機能予測マーカーｍＲＮＡ検出核酸」は、上述した腎機能予測マーカーからなる群から選択される少なくとも一種のｍＲＮＡ、又は当該ｍＲＮＡの逆転写産物と特異的にハイブリダイズする配列を含む限り制限されない。検出核酸は、ＤＮＡであっても、ＲＮＡであってもよく、また、検出核酸に含まれるヌクレオチドは、天然のヌクレオチドであっても人工的に合成されたヌクレオチドであってもよい。

検出核酸の長さは、特に制限されない。検出核酸が、マイクロアレイ等においてキャプチャープローブとして使用されるものであれば、標的核酸とハイブリダイズする配列が、好ましくは１００ｍｅｒ程度であり、より好ましくは６０ｍｅｒ程度であり、さらに好ましくは、２０〜３０ｍｅｒ程度である。キャプチャープローブは、公知のオリゴヌクレオチド合成機等を使用して製造することができる。キャプチャープローブには、標的核酸とハイブリダイズしない配列が含まれていてもよい。

検出核酸が、ＰＣＲ反応に使用されるプライマーであれば、標的核酸とハイブリダイズする配列が、好ましくは５０ｍｅｒ程度であり、より好ましくは３０ ｍｅｒ程度であり、さらに好ましくは、１５〜２５ｍｅｒ程度である。プライマーは、公知のオリゴヌクレオチド合成機等を使用して製造することができる。プライマーには、標的核酸とハイブリダイズしない配列が含まれていてもよい。また、プライマーは、蛍光色素等で標識されていてもよい。

また、ＲＴ−ＰＣＲには、プライマーの他にＰＣＲ産物のリアルタイムの定量のために使用される、ＰＣＲ反応中に分解される定量用プローブを使用することもできる。定量用プローブも標的核酸とハイブリダイズする限り、制限されない。定量用プローブは、標的核酸とハイブリダイズする配列を含む、５〜２０ｍｅｒ程度の核酸であることが好ましい。さらに定量用プローブの一端には、蛍光色素が標識され、定量用プローブのもう一端には、当該蛍光色素のクエンチャーが標識されていることが好ましい。

２．各測定値の取得方法
本明細書における腎機能予測マーカーからなる群から選択される少なくとも一種のタンパク質の測定値、及び腎機能予測マーカーからなる群から選択される少なくとも一種のｍＲＮＡの測定値の取得方法は、それぞれの測定値が取得できる限り制限されない。例えば、以下に述べる方法に従って取得することができる。

２−１．腎機能予測マーカーのタンパク質の測定方法
腎機能予測マーカーからなる群から選択される少なくとも一種のタンパク質の測定値（以下、本明細書において「腎機能予測マーカータンパク質の測定値」と略記することもある）を測定する場合、本工程では、当該測定値を取得するために、上記「１．用語の説明」で述べた抗腎機能予測マーカー抗体を用いた測定方法を使用することができる。腎機能予測マーカータンパク質の測定値を取得する測定方法としては、公知のＥＬＩＳＡ法等を使用して行うことができる。

本態様では、あらかじめ抗原捕捉用の抗腎機能予測マーカー抗体をマイクロプレート、蛍光ビーズ、又は磁気ビーズ等の固相上に固定化し、固定化された抗腎機能予測マーカー抗体と検体中の腎機能予測マーカータンパク質の複合体を形成させることができる。固相上に固定化された当該複合体又は固相上で形成された複合体を、当該技術において公知の方法で検出することにより、検体に含まれる腎機能予測マーカータンパク質の量又は濃度を測定することができる。また、本態様では、先に抗原捕捉用の抗腎機能予測マーカー抗体と検体中の腎機能予測マーカータンパク質の複合体を形成させてから、当該複合体を固相に固定化してもよい。

抗原捕捉用の抗腎機能予測マーカー抗体の固相への固定の方法は、特に限定されない。公知の方法を使用して、直接的に、又は別の物質を介して間接的に行うことができる。直接の結合としては、例えば、物理的吸着などが挙げられる。好ましくは、イムノプレート等を使用して、直接抗腎機能予測マーカー抗体をマイクロプレートに物理的に結合させることができる。

固相の形状は特に限定されず、例えば、マイクロプレート、マイクロチューブ、試験管、ビーズ等が挙げられる。固相の素材は特に限定されず、例えば、マイクロプレート、マイクロチューブ、試験管等には、ポリスチレン、ポリプロピレン等を使用することができる。また、ビーズの場合には、ポリスチレンＸｍａｐ（登録商標）ビーズ（Ｌｕｍｉｎｅｘ社）やＭａｇＰｌｅｘ（登録商標）ミクロスフェア（Ｌｕｍｉｎｅｘ社）等を使用することができる。

本方法においては、前記複合体の形成に続いて、固相を洗浄する操作を含んでもよい。洗浄する場合には、界面活性剤等を含むＰＢＳ等を使用することができる。

本方法において、前記複合体の検出は、標識物質で標識された検出用抗腎機能予測マーカー抗体を使用して行うか、未標識の抗腎機能予測マーカー抗体と当該未標識の抗腎機能予測マーカー抗体と結合することができる標識物質で標識された抗イムノグロブリン抗体等を使用して行うことができるが、標識された検出用抗腎機能予測マーカー抗体を使用することが好ましい。また、検出用抗腎機能予測マーカー抗体の腎機能予測マーカータンパク質におけるエピトープと抗原捕捉用抗腎機能予測マーカー抗体の腎機能予測マーカータンパク質におけるエピトープとは異なることが好ましい。

検出用抗腎機能予測マーカー抗体又は標識抗イムノグロブリン抗体に用いられる標識物質は、検出可能なシグナルが生じるかぎり、特に限定されない。例えば、蛍光物質、放射性同位元素、及び酵素等が挙げられる。酵素としては、アルカリホスファターゼ、ペルオキシダーゼ等が挙げられる。蛍光物質としては、フルオレセインイソチオシアネート（ＦＩＴＣ）、ローダミン、Ａｌｅｘａ Ｆｌｕｏｒ（登録商標）などの蛍光色素、ＧＦＰなどの蛍光タンパク質などが挙げられる。放射性同位元素としては、^１２５Ｉ、^１４Ｃ、^３２Ｐなどが挙げられる。それらの中でも、標識物質として、アルカリホスファターゼ、又はペルオキシダーゼが好ましい。

検出用抗腎機能予測マーカー抗体は、当該技術において公知の標識方法により、抗腎機能予測マーカー抗体を上記の標識物質で標識して得られる。また、市販のラベリングキットなどを用いて標識してもよい。また、標識イムノグロブリン抗体は、抗腎機能予測マーカー抗体の標識と同じ手法を用いてもよいし、市販のものを使用してもよい。

本方法では、複合体に含まれる標識抗腎機能予測マーカー抗体の標識物質により生じるシグナルを検出することにより、検体に含まれる腎機能予測マーカーの測定値を取得できる。ここで、「シグナルを検出する」とは、シグナルの有無を定性的に検出すること、シグナル強度を定量すること、及び、シグナルの強度を半定量的に検出することを含む。半定量的な検出とは、シグナルの強度を、「シグナル発生せず」、「弱」、「中」、「強」などのように段階的に示すことをいう。本工程では、シグナルの強度を定量的又は半定量的に検出することが好ましい。

シグナルを検出する方法は、公知の方法を使用することができる。本方法では、上記の標識物質に由来するシグナルの種類に応じた測定方法を適宜選択することができる。例えば、標識物質が酵素である場合、該酵素に対する基質を反応させることによって発生する光、色などのシグナルを、ルミノメーター、分光光度計などの公知の装置を用いて測定することにより行うことができる。

酵素の基質は、該酵素の種類に応じて公知の基質から適宜選択できる。例えば、酵素としてアルカリホスファターゼを用いる場合、基質としては、ＣＤＰ−Ｓｔａｒ（登録商標）（４−クロロ−３−（メトキシスピロ［１，２−ジオキセタン−３，２’−（５’−クロロ）トリクシロ［３．３．１．１３，７］デカン］−４−イル）フェニルリン酸２ナトリウム）等の化学発光基質、５−ブロモ−４−クロロ−３−インドリルリン酸（ＢＣＩＰ）、５−ブロモ−６−クロロ−インドリルリン酸２ナトリウム、ｐ−ニトロフェニルリン酸等の発色基質が挙げられる。標識物質がペルオキシダーゼである場合には、テトラメチルベンジジン（ＴＭＢ）等を挙げることができる。

標識物質が放射性同位体である場合は、シグナルとしての放射線を、シンチレーションカウンターなどの公知の装置を用いて測定できる。また、標識物質が蛍光物質である場合は、シグナルとしての蛍光を、蛍光マイクロプレートリーダー、Ｌｕｍｉｎｅｘ（登録商標）システム（Ｌｕｍｉｎｅｘ社）等の公知の装置を用いて測定できる。なお、励起波長及び蛍光波長は、用いた蛍光物質の種類に応じて適宜決定できる。

シグナルの検出結果は、腎機能予測マーカータンパク質の測定値として用いることができる。例えば、シグナルの強度を定量的に検出する場合は、シグナル強度の測定値自体又は該シグナル強度の測定値から算出される値を、腎機能予測マーカーのタンパク質の測定値として用いることができる。

２−２．腎機能予測マーカーｍＲＮＡの測定方法
腎機能予測マーカータンパク質からなる群から選択される少なくとも一種のｍＲＮＡの測定値（以下、本明細書において「腎機能予測マーカーｍＲＮＡの測定値」と略記することもある）を取得するために、マイクロアレイ法、ＲＮＡ−ｓｅｑ解析法、定量的ＲＴ−ＰＣＲ法等公知の測定方法を使用することができる。マイクロアレイ法に使用するプローブは、自ら選択したプローブ又は公知のプローブを合成して使用してもよく、また市販のマイクロアレイチップを使用してもよい。

ここで、本方法においては、検体から抽出したｔｏｔａｌ ＲＮＡ及びｍＲＮＡのいずれを用いてもよい。ｔｏｔａｌ ＲＮＡ及びｍＲＮＡ抽出に用いる検体は、個体から採取されてすぐにＲＮＡ抽出に供されるか、個体から採取されてすぐに凍結（好ましくは、−１９６℃以下の雰囲気下（液体窒素中で急冷）して、ＲＮＡ抽出まで−８０℃以下で保存されることが好ましい。

検体からのｔｏｔａｌ ＲＮＡ及びｍＲＮＡの抽出方法は特に制限されず、公知の抽出方法を使用することができる。

マイクロアレイ法による定量は、公知の方法に従って行うことができ、腎機能予測マーカー ｍＲＮＡの発現量は、ハウスキーピング遺伝子の発現量に対する相対発現量として表してもよく、蛍光色素等のシグナル強度の測定値として表すことができる。

ＲＴ−ＰＣＲによる定量は、検体から抽出したｔｏｔａｌ ＲＮＡ又はｍＲＮＡを鋳型として逆転写反応を行い、得られたｃＤＮＡを鋳型として腎機能予測マーカー ｍＲＮＡの特異的なプライマーを使用してリアルタイムＰＣＲ法等で解析することにより行うことができる。また、この場合、腎機能予測マーカー ｍＲＮＡの発現量は、ハウスキーピング遺伝子の発現量に対する相対発現量として表してもよく、蛍光色素等のシグナルの強度の測定値として表してもよい。

また、ＲＮＡ−ｓｅｑ解析法は、検体から抽出したｍＲＮＡを断片化し、これを鋳型として逆転写反応によるｃＤＮＡの合成とライブラリ作成を行う。各ライブラリに含まれる断片について次世代シークエンサーによる塩基配列を決定し、その情報をリファレンス遺伝子配列へマッピングし、ｍＲＮＡの発現量をＲＰＫＭ（Ｒｅａｄｓ Ｐｅｒ Ｋｉｌｌｏｂａｓｅｓ ｐｅｒ Ｍｉｌｌｉｏｎ）として表す。ＲＰＫＭは、ヒートマップ等のシグナルの強度として表してもよい。

上記シグナルの検出結果は、腎機能予測マーカー ｍＲＮＡの発現量として用いることができる。例えば、シグナルの強度を定量的に検出する場合は、シグナル強度の測定値自体又は該シグナル強度の測定値から算出される値を、腎機能予測マーカー ｍＲＮＡの発現量として用いることができる。

上記シグナル強度の測定値から算出される値としては、例えば、該シグナル強度の測定値から陰性対照試料のシグナル強度の測定値を差し引いた値、該シグナル強度の測定値を陽性対照試料のシグナル強度の測定値で除した値、及びそれらの組み合わせなどが挙げられる。陰性対照試料としては、健常者の検体等が挙げられる。陽性対照試料としては、腎機能予測マーカー ｍＲＮＡを所定の発現量で含む検体が挙げられる。

３．腎機能予測マーカータンパク質の機能の評価
本発明において、腎機能予測マーカータンパク質の機能を評価する方法としては、腎機能予測マーカータンパク質の機能を評価できる限り特に制限されない。ここで「腎機能予測マーカータンパク質の機能」とは、それぞれの腎機能予測マーカータンパク質が有している本来の機能である。例えば、腎機能予測マーカータンパク質が受容体である場合には、そのリガンドが腎機能予測マーカータンパク質に結合した際に活性化し、当該タンパク質が属する情報伝達経路の下流に存在するタンパク質やケミカルメディエーターにその活性化の情報を伝達し、その受容体の支配下にある情報伝達経路を通じて細胞等に働きかける機能である。また、腎機能予測マーカータンパク質がリガンドである場合には、例えば当該リガンドが結合する受容体を活性化する機能である。

腎機能予測マーカータンパク質の機能を評価する方法としては、例えば、ある腎機能予測マーカータンパク質が属する情報伝達経路において下流に存在するタンパク質のリン酸化あるいは脱リン酸化等の有無；下流に位置するタンパク質の発現量の増減；下流に位置するタンパク質の転写調節領域の活性化あるいは不活化等を検出する方法が挙げられる。タンパク質のリン酸化の有無等はウエスタンブロッティング等の公知の方法を用いて検出することができる。また、タンパク質の発現量の増減等は、ＥＬＩＳＡ法、ウエスタンブロッティング法、定量的ＲＴ−ＰＣＲ法、又はＲＮＡ−Ｓｅｑ法等の公知の方法を使用して検出することができる。さらに、転写調節領域の活性化又は不活性化はレポーターアッセイによって検出することができる。レポーターとしては、ホタルルシフェラーゼ、ウミシイタケルシフェラーゼ、ＧＦＰ（Ｇｒｅｅｎ Ｆｌｕｏｒｅｓｃｅｎｔ Ｐｒｏｔｅｉｎ）、β−ガラクトシダーゼ等を挙げることができる。レポーターアッセイは、公知の方法に従って行うことができる。

腎機能予測マーカータンパク質の機能を評価する別の方法として、ある腎機能予測マーカータンパク質が属する情報伝達経路において下流に存在するケミカルメディエーター（イノシトール−３−リン酸、ｃＡＭＰ、ｃＧＭＰ、Ｃａ^２＋等）の量を測定することによって、腎機能予測マーカータンパク質の機能を評価することもできる。これらのケミカルメディエーターの測定は、公知の方法に従って行うことができる。

上記ＥＬＩＳＡ法、ウエスタンブロッティング法、定量的ＲＴ−ＰＣＲ法、ＲＮＡ−Ｓｅｑ法、及びレポーターアッセイの検出結果、及びケミカルメディエーターの測定結果は、腎機能予測マーカータンパク質の機能の評価結果として使用することができる。当該評価結果は、定量的なデータであっても、「高い」、「低い」等の判定量的な情報であっても、「有る」、「なし」等の定性的なデータであってもよい。

４．スクリーニングを行うためのシステム構成
本発明においては、上記「Ｉ．２．各測定値の取得方法」において取得された測定値を用いて、後述する「Ｉ．５．スクリーニング１」を行う。また、本発明においては、上記「Ｉ．３．腎機能予測マーカータンパク質の機能の評価」において取得された評価結果を用いて、後述する「Ｉ．６．スクリーニング２」を行う。まず、これらの処理を行うためのシステム構成について説明する。

図１は、本発明の第１の態様に係るスクリーニング１を行うためのシステム１００の概観図であり、図２は、システム１００のハードウェア構成を示すブロック図である。システム１００は一態様として、スクリーニング装置１と、入力部３と、表示部４と、装置５ａ又は装置５ｂとを備える。

スクリーニング装置１は、例えば汎用のパーソナルコンピュータで構成されており、後述するデータ処理を行うＣＰＵ１０１と、データ処理の作業領域に使用するメモリ１０２と、処理データを記録する記録部１０３と、各部の間でデータを伝送するバス１０４と、外部機器とのデータの入出力を行うインタフェース部１０５（以下、Ｉ／Ｆ部と記す）とを備えている。入力部３および表示部４は、スクリーニング装置１に接続されており、入力部３は、キーボード等で構成され、表示部４は、液晶ディスプレイ等で構成されている。入力部３と表示部４とは、一体化されてタッチパネル付き表示装置として実現されてもよい。なお、スクリーニング装置１は一体の装置である必要はなく、ＣＰＵ１０１、メモリ１０２、記録部１０３等が別所に配置され、これらがネットワークで接続されていてもよい。また、入力部３や表示部４を省略した操作者を必要としない装置であってもよい。

また、スクリーニング装置１と、装置５ａ、又は装置５ｂとについても、一カ所に配置される必要は必ずしもなく、別所に設けられた装置間をネットワークで通信可能に接続した構成でもよい。

以下の説明においては、特に断らない限りスクリーニング装置１が行う処理は、図２に示す記録部１０３またはメモリ１０２に格納されたスクリーニングプログラムに基づいて、実際にはスクリーニング装置１のＣＰＵ１０１が行う処理を意味する。ＣＰＵ１０１はメモリ１０２を作業領域として必要なデータ（処理途中の中間データ等）を一時記憶し、記録部１０３に演算結果等の長期保存するデータを適宜記録する。

装置５ａは、タンパク質の量又は濃度を測定するための装置であり、試料置き場５１と、反応部５２と、検出部５３とを備える。試料置き場５１にセットされた被験体から採取された検体は、反応部５２に設置された抗体捕捉用抗腎機能予測マーカー抗体が固相されたマイクロプレートに分注されインキュベーションされる。必要に応じて未反応の抗原を除去した後、検出抗体がマイクロプレートに分注され、インキュベーションされる。必要に応じて未反応の抗原を除去した後、検出用抗体を検出するための基質がマイクロプレートに分注され、マイクロプレートが検出部５３に移動され、基質が反応して発生したシグナルが測定される。また、装置５ａの別態様は、マイクロアレイ解析によるｍＲＮＡの発現量を測定するための装置であり、試料置き場５１にセットされた逆転写反応物を反応部５２にセットされたマイクロアレイチップ上に分注し、ハイブリダイゼーションを行い、洗浄した後、検出部５３に移動させシグナルを検出する。

さらに、装置５ａの別態様は、ＲＴ−ＰＣＲによるｍＲＮＡの発現量を測定するための装置であり、試料置き場５１にセットされた逆転写反応物を反応部５２にセットされたマイクロチューブ内に分注し、続いて定量的ＰＣＲ用試薬をマイクロチューブ内に分注する。反応部５２でＰＣＲ反応を行いながら、検出部５３でチューブ内のシグナルを検出する。

装置５ｂは、ＲＮＡ−Ｓｅｑ法によってｍＲＮＡの発現量を測定するための装置であり、配列解析部５４を備える。ＲＮＡ−Ｓｅｑ用の反応を行ったサンプルを配列解析部５４にセットし、配列解析部５４内で、塩基配列の解析をおこなう。

装置５ａ、及び５ｂは、有線または無線によってスクリーニング装置１に接続されている。装置５ａは、タンパク質の測定値、又はｍＲＮＡの測定値をＡ／Ｄ変換して、デジタルデータとしてスクリーニング装置１に送信する。同様に、装置５ｂは、ｍＲＮＡの測定値をＡ／Ｄ変換して、デジタルデータとしてスクリーニング装置１に送信する。これにより、スクリーニング装置１は、タンパク質の測定値、又はｍＲＮＡの測定値を、演算処理可能なデジタルデータとして取得することができる。

図５は、本発明の第２の態様に係るスクリーニング２を行うためのシステム１１０の概観図であり、図６は、システム１１０のハードウェア構成を示すブロック図である。システム１１０は一態様として、スクリーニング装置２と、入力部３と、表示部４と、装置５ａ、装置５ｂ、又は装置５ｃとを備える。

スクリーニング装置２は、例えば汎用のパーソナルコンピュータで構成されており、後述するデータ処理を行うＣＰＵ１０１と、データ処理の作業領域に使用するメモリ１０２と、処理データを記録する記録部１０３と、各部の間でデータを伝送するバス１０４と、外部機器とのデータの入出力を行うインタフェース部１０５（以下、Ｉ／Ｆ部と記す）とを備えている。入力部３および表示部４は、スクリーニング装置１に接続されており、入力部３は、キーボード等で構成され、表示部４は、液晶ディスプレイ等で構成されている。入力部３と表示部４とは、一体化されてタッチパネル付き表示装置として実現されてもよい。なお、スクリーニング装置２は一体の装置である必要はなく、ＣＰＵ１０１、メモリ１０２、記録部１０３等が別所に配置され、これらがネットワークで接続されていてもよい。また、入力部３や表示部４を省略した操作者を必要としない装置であってもよい。

また、スクリーニング装置２と、装置５ａ、装置５ｂ又は装置５ｃとについても、一カ所に配置される必要は必ずしもなく、別所に設けられた装置間をネットワークで通信可能に接続した構成でもよい。

以下の説明においては、特に断らない限りスクリーニング装置２が行う処理は、図６に示す記録部１０３またはメモリ１０２に格納されたスクリーニングプログラムに基づいて、実際にはスクリーニング装置２のＣＰＵ１０１が行う処理を意味する。ＣＰＵ１０１はメモリ１０２を作業領域として必要なデータ（処理途中の中間データ等）を一時記憶し、記録部１０３に演算結果等の長期保存するデータを適宜記録する。

装置５ａは、タンパク質の量又は濃度を測定するための装置であり、試料置き場５１と、反応部５２と、検出部５３とを備える。試料置き場５１にセットされた被験体から採取された検体は、反応部５２に設置された抗体捕捉用抗腎機能予測マーカー抗体が固相されたマイクロプレートに分注されインキュベーションされる。必要に応じて未反応の抗原を除去した後、検出抗体がマイクロプレートに分注され、インキュベーションされる。必要に応じて未反応の抗原を除去した後、検出用抗体を検出するための基質がマイクロプレートに分注され、マイクロプレートが検出部５３に移動され、基質が反応して発生したシグナルが測定される。また、装置５ａの別態様は、マイクロアレイ解析によるｍＲＮＡの発現量を測定するための装置であり、試料置き場５１にセットされた逆転写反応物を反応部５２にセットされたマイクロアレイチップ上に分注し、ハイブリダイゼーションを行い、洗浄した後、検出部５３に移動させシグナルを検出する。

さらに、装置５ａの別態様は、ＲＴ−ＰＣＲによるｍＲＮＡの発現量を測定するための装置であり、試料置き場５１にセットされた逆転写反応物を反応部５２にセットされたマイクロチューブ内に分注し、続いて定量的ＰＣＲ用試薬をマイクロチューブ内に分注する。反応部５２でＰＣＲ反応を行いながら、検出部５３でチューブ内のシグナルを検出する。さらにまた、装置５ａの別態様は、ケミカルメディエーターを測定するための装置であり、試料置き場５１にセットされた細胞溶解液を反応部５２にセットされたマイクロチューブ内に分注し、続いてケミカルメディエーター測定用試薬をマイクロチューブ内に分注する。そして、検出部５３でチューブ内のシグナルを検出する。

装置５ｂは、ＲＮＡ−Ｓｅｑ法によってｍＲＮＡの発現量を測定するための装置であり、配列解析部５４を備える。ＲＮＡ−Ｓｅｑ用の反応を行ったサンプルを配列解析部５４にセットし、配列解析部５４内で、塩基配列の解析をおこなう。

装置５ｃの一態様は、ウエスタンブロッティング等のシグナルを検出するための装置である。例えば、腎機能予測マーカータンパク質の機能をウエスタンブロッティング法等を用いて評価する場合には、装置５ｃの検出部５５に検出を行うためのメンブレンをセットし、化学発光強度や蛍光強度を測定する。また、装置５ｃの別態様は、レポーターアッセイにおいてレポーター遺伝子の発現強度を検出するための装置である。装置５ｃの検出部５５にレポーターアッセイを行うための細胞溶解液をセットし、そこに基質液を分注したあと、化学発光強度を測定する。

また、装置５ａ、５ｂ及び５ｃは、有線または無線によってスクリーニング装置２に接続されている。装置５ａは、タンパク質の検出結果、ｍＲＮＡの検出結果、又はケミカルメディエーターの測定結果をＡ／Ｄ変換して、デジタルデータとしてスクリーニング装置２に送信する。また、装置５ｂは、ｍＲＮＡの検出結果をＡ／Ｄ変換して、デジタルデータとしてスクリーニング装置２に送信する。そして、装置５ｃは、ウエスタンブロッティング等のシグナルの測定結果又はレポーターアッセイ等の測定結果をＡ／Ｄ変換して、デジタルデータとしてスクリーニング装置２に送信する。これにより、スクリーニング装置２は、タンパク質の検出結果、ｍＲＮＡの検出結果、ケミカルメディエーターの測定結果、ウエスタンブロッティングのシグナルの測定結果又はレポーターアッセイの測定結果を、演算処理可能な腎機能予測マーカータンパク質の機能の評価結果のデジタルデータとして取得することができる。

５．スクリーニング１
５−１．概要
本態様においては、上記「Ｉ．２．各測定値の取得方法」を実施することによって取得される、被験物質で処理された被験体、被験組織又は被験細胞から採取された検体（被験物質処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を用いて、当該被験物質が腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質であると決定する。より具体的には、本態様は、工程（Ｉ）：被験物質で処理された被験体、被験組織又は被験細胞から採取された検体（被験物質処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する工程、及び工程（ＩＩ）：前記工程（Ｉ）で得られた測定値に基づいて、前記被験物質が有効成分の候補物質であると決定する工程を含む。この場合、被験物質処理検体中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値が、健常個体の対応する腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値に近づいていれば、当該被験物質が有効成分の候補物質であると決定することができる。

ここで、工程（Ｉ）は、実際に上記「Ｉ．２．各測定値の取得方法」を実施することによって測定値を取得する態様であっても、既に取得された測定値を、さらに後述する予測装置等に取得させる態様であってもよい。また、工程（Ｉ）と工程（ＩＩ）は、必ずしも同一機関において連続して行われる必要はなく、例えば、工程（Ｉ）で取得された測定値を、第三者機関に送り工程（ＩＩ）以降を実施してもよい。

本態様は、さらに、上記「Ｉ．２．各測定値の取得方法」によって得られた、被験物質で処理されていない被験体、被験組織又は被験細胞から採取された検体（未処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を被験物質処理検体の該測定値と比較し、当該被験物質が腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質であると決定してもよい。より具体的には、前記工程（Ｉ）と（ＩＩ）の間に、前記工程（Ｉ）で取得された被験物質処理検体の測定値と、被験物質で処理されていない被験体、被験組織又は被験細胞から採取された検体（未処理検体）の対応する腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値とを比較する工程を含んでいてもよい。この場合、被験物質処理検体の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値が、未処理検体の対応する腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値よりも改善している場合に、当該被験物質が有効成分の候補物質であると決定することができる。

ここで、例えば検体が、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を患っている被験体から採取されたものであって、腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値が、腎機能の低下に伴って上昇する場合、未処理検体の前記測定値と比較して被験物質処理検体の対応する測定値の方が低下していれば、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善していると決定することができる。この場合、測定値の低下の程度は特に制限されない。被験物質処理検体の測定値が未処理検体の測定値の例えば８５％以下、好ましくは７０％以下、より好ましくは５０％以下になっている場合に、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善していると決定することができる。

また、検体が、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を患っている被験体から採取されたものであって、腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値が、腎機能の低下に伴って低下する場合、未処理検体の前記測定値と比較して被験物質処理検体の対応する測定値の方が上昇していれば、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善していると決定することができる。この場合、測定値の上昇の程度は特に制限されない。被験物質処理検体の測定値が未処理検体の測定値の例えば１１５％以上、好ましくは１３０％以上、より好ましくは１５０％以上になっている場合に、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善していると決定することができる。

さらに、スクリーニング１は、前記工程（Ｉ）の前に、（ｉ）被験体、被験組織又は被験細胞に、被験物質を投与する投与工程、（ｉｉ）前記工程（ｉ）で被験物質を投与された被験体、被験組織又は被験細胞から検体を採取する工程、及び（ｉｉｉ）前記工程（ｉｉ）で得られた検体からタンパク質及び／又はｍＲＮＡを回収する工程を含んでいてもよい。この場合にも、工程（ｉｉ）と工程（ｉｉｉ）は、必ずしも同一機関において連続して行われる必要はなく、例えば、工程（ｉｉ）で採取された検体を、第三者機関に送り工程（ｉｉｉ）以降を実施してもよい。また、工程（ｉｉｉ）と工程（Ｉ）も、必ずしも同一機関において連続して行われる必要はなく、例えば、工程（ｉｉｉ）で回収されたタンパク質及び／又はｍＲＮＡを、第三者機関に送り工程（ｉｉｉ）以降を実施してもよい。

５−２．スクリーニング装置
本発明は、第１の態様として、下記の演算手段を有する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング装置を含む：
被験物質で処理された被験体、被験組織又は被験細胞から採取された検体（被験物質処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第１の測定値取得手段、及び
前記第１の測定値取得手段が取得した測定値に基づいて、前記被験物質が有効成分の候補物質であると決定する決定手段。

好ましくは、上記スクリーニング装置は、さらに、被験物質で処理されていない被験体、被験組織又は被験細胞から採取された検体（未処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第２の測定値取得手段、及び
被験物質処理検体の前記測定値及び未処理検体の前記測定値を比較する測定値比較手段、
をさらに有し、
前記決定手段は、前記測定値比較手段の比較結果に基づいて前記被験物質が有効成分の候補物質であると決定する。決定方法は、後述する「Ｉ．５−４．スクリーニング方法」の記載に準ずる。

本態様では、上記スクリーニング装置としてスクリーニング装置１を備えたシステム１００（図１および図２）によって、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニングを行うことができる。

図３は、本態様に係るスクリーニング装置１の機能を説明するためのブロック図である。スクリーニング装置１は、第１の測定値取得部１１と、第２の測定値取得部１２と、測定値比較部１３と、候補物質決定部１４とを備える。第２の測定値取得部１２は任意の構成である。これらの機能ブロックは、本発明に係るスクリーニングプログラムを、図２に示すスクリーニング装置１の記録部１０３またはメモリ１０２にインストールし、このスクリーニングプログラムをＣＰＵ１０１が実行することにより実現される。これにより、スクリーニング装置１は、後述する「Ｉ．５−４．スクリーニング方法」に記載のスクリーニング方法を実行する。なお、特許請求の範囲に記載の第１の測定値取得手段、第２の測定値取得手段、測定値比較手段および決定手段が、図３に示す第１の測定値取得部１１、第２の測定値取得部１２、測定値比較部１３および候補物質決定部１４にそれぞれ対応する。

言い換えると、スクリーニング装置１は、ＣＰＵ１０１により下記の演算機能を実行する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング装置である：
被験物質で処理された被験体、被験組織又は被験細胞から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第１の測定値取得機能、及び
前記第１の測定値取得機能が取得した測定値に基づいて、前記被験物質が有効成分の候補物質であると決定する決定機能。

好ましくは、スクリーニング装置１は、さらに、被験物質で処理されていない被験体、被験組織又は被験細胞から採取された検体（未処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第２の測定値取得機能、及び
被験物質処理検体の前記測定値及び未処理検体の前記測定値を比較する測定値比較機能、
をＣＰＵ１０１により実行し、
前記決定機能は、前記測定値比較機能の比較結果に基づいて前記被験物質が有効成分の候補物質であると決定する。

本態様では、被験物質処理検体の腎機能予測マーカータンパク質の測定値Ｍ１１は、装置５ａからスクリーニング装置１に取り込まれ、前記タンパク質のｍＲＮＡの測定値Ｍ２１は、装置５ａ又は５ｂからスクリーニング装置１に取り込まれる。同様に、未処理検体の腎機能予測マーカータンパク質の測定値Ｍ１２も、装置５ａからスクリーニング装置１に取り込まれ、前記タンパク質のｍＲＮＡの測定値Ｍ２２も、装置５ａ又は５ｂからスクリーニング装置１に取り込まれる。

なお、これら被験物質処理検体および未処理被検体の腎機能予測マーカータンパク質の測定値Ｍ１１，Ｍ１２、前記タンパク質のｍＲＮＡの測定値Ｍ１２，Ｍ２２は、ネットワークを介して第三者機関（図示せず）からスクリーニング装置１に取り込まれてもよい。

また、第１の測定値取得部１１、第２の測定値取得部１２、測定値比較部１３および候補物質決定部１４の各機能ブロックは、単一のＣＰＵで実行されることは必ずしも必要なく、複数のＣＰＵで分散して処理されてもよい。たとえば、第１の測定値取得部１１および第２の測定値取得部１２の機能は第１のコンピュータのＣＰＵにより実行され、測定値比較部１３および候補物質決定部１４の機能は別の第２のコンピュータのＣＰＵにより実行される、というような構成であってもよい。

５−３．スクリーニングプログラム
本発明の第１の態様に係るスクリーニング装置１は、以下の図４で説明するステップＳ１１〜Ｓ１７の処理を行うために、本態様に係るスクリーニングプログラムを、例えば実行形式（例えばプログラミング言語からコンパイラにより変換されて生成される）で記録部１０３に予め記録しており、スクリーニング装置１は、記録部１０３に記録したスクリーニングプログラムを使用して処理を行う。

すなわち、本発明の第１の態様に係るスクリーニングプログラムは、コンピュータに実行させたときに、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質をスクリーニングするための下記の処理を当該コンピュータに実施させるスクリーニングプログラムである：
被験物質で処理された被験体、被験組織又は被験細胞から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第１の測定値取得処理、及び
前記第１の測定値取得処理で取得された測定値に基づいて、前記被験物質が有効成分の候補物質であると決定する決定処理。

好ましくは、上記スクリーニングプログラムは、さらに、被験物質で処理されていない被験体、被験組織又は被験細胞から採取された検体（未処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第２の測定値取得処理、
を前記コンピュータに実施させ、
前記決定処理では、第１の測定値取得処理で取得された測定値を前記第２の測定値取得処理で取得された測定値と比較することにより前記被験物質が有効成分の候補物質であると決定する。決定方法は、後述する「Ｉ．５−４．スクリーニング方法」の記載に準ずる。

本態様では、図２に示すように、上記スクリーニングプログラムは、ＣＤ−ＲＯＭ等の、コンピュータ読み取り可能であって一時的でない有形の記録媒体１０９に記録されており、記録媒体１０９から、スクリーニング装置１にインストールされる。あるいは、スクリーニング装置１をインターネット（図示せず）と接続し、インターネットを介して上記スクリーニングプログラムのプログラムコードをダウンロードしてもよい。

５−４．スクリーニング方法
本発明の第１の態様に係るスクリーニング装置１は、本発明の第１の態様に係るスクリーニング方法を実行する。本発明の第１の態様に係るスクリーニング方法は、以下の工程を含む、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング方法を含む：
（Ｉ）被験物質で処理された被験体、被験組織又は被験細胞から採取された検体（被験物質処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する工程、及び
（ＩＩ）前記工程（Ｉ）で得られた測定値に基づいて、前記被験物質が有効成分の候補物質であると決定する工程。

好ましくは、上記スクリーニング方法は、前記工程（Ｉ）と（ＩＩ）の間に、前記工程（Ｉ）で取得された被験物質処理検体の測定値と、被験物質で処理されていない被験体、被験組織又は被験細胞から採取された検体（未処理検体）の対応する腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値とを比較する工程
をさらに含む。

図４は、本発明の第１の態様に係るスクリーニング装置１が上記のスクリーニング方法を実行するために行うデータ処理の順序を示すフローチャートである。なお、図３に示す第１の測定値取得部１１、第２の測定値取得部１２および測定値比較部１３により、ステップＳ１１、Ｓ１２およびＳ１３がそれぞれ実行され、図３に示す候補物質決定部１４により、ステップＳ１４〜Ｓ１７が実行される。

ステップＳ１１では、第１の測定値取得部１１が、被験物質処理検体中のタンパク質測定値Ｍ１１及び／又はｍＲＮＡ測定値Ｍ２１を取得する。

ステップＳ１２では、第２の測定値取得部１２が、未処理検体中のタンパク質測定値Ｍ１２及び／又はｍＲＮＡ測定値Ｍ２２を取得する。

ステップＳ１３では、測定値比較部１３が、ステップＳ１１で得られた被験物質処理検体の測定値を、ステップＳ１２で得られた未処理検体の測定値と比較する。当該比較結果は、候補物質決定部１４に出力される。

候補物質決定部１４は、測定値比較部１３の比較結果に基づいて、被験物質が有効成分の候補物質であると決定する。具体的には、比較結果が「改善している」である場合（ステップＳ１４においてＹＥＳ）、ステップＳ１５において、候補物質決定部１４は、被験物質が有効成分の候補物質であると決定する。

より具体的には、被験物質処理検体が、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を患っている被験体から採取されたものであって、腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡが、腎機能の低下に伴って上昇する場合、測定値比較部１３は、Ｍ１１をＭ１２で除した値、または、Ｍ２１をＭ２２で除した値が、例えば、０．８５以下、好ましくは０．７、より好ましくは０．５以下であれば、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善していると決定し、「改善している」という比較結果を出力する。候補物質決定部１４は、前記比較結果が「改善している」である場合に、被験物質が有効成分の候補物質であると決定する。また、被験物質処理検体が腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を患っている被験体から採取されたものであって、腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡが、腎機能の低下に伴って低下する場合、測定値比較部１３は、Ｍ１１をＭ１２で除した値、または、Ｍ２１をＭ２２で除した値が、例えば、１．１５以上、好ましくは１．３以上、より好ましくは１．５以上であれば、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善していると決定し、「改善している」という比較結果を出力する。また、測定値比較部１３は、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善していないと決定した場合には、「改善していない」という比較結果を出力する。候補物質決定部１４は、前記比較結果が「改善している」である場合に、被験物質が有効成分の候補物質であると決定する。

ステップＳ１６では、候補物質決定部１４がステップＳ１５で決定された結果を出力する。本態様では、有効成分の候補物質を表示部４に表示するとともに、決定結果が、スクリーニング装置１内の記録部１０３に記録される。なお、決定結果を表示部４に表示する代わりに、インターネットを介して接続された、スクリーニング装置１の外部の例えば第三機関（図示せず）におけるコンピュータ端末の表示部に表示してもよい。

また、ステップＳ１４において、比較結果が「改善していない」である場合、ステップＳ１７に移行し、候補物質決定部１４は、被験物質は有効成分ではないと決定する。この場合、被験物質が有効成分ではない旨を表示部４に表示してもよい。

６．スクリーニング２
６−１．概要
本態様においては、上記「Ｉ．３．腎機能予測マーカータンパク質の機能の評価」の方法を実施することによって取得される、被験物質処理検体中の腎機能予測マーカータンパク質の機能の評価結果を用いて、当該被験物質が腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質であると決定する。より具体的には、本態様は、工程（Ｉ）：被験物質で処理された被験体、被験組織又は被験細胞から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の機能を評価する工程、及び工程（ＩＩ）：前記工程（Ｉ）で得られた評価結果に基づいて、前記被験物質が有効成分の候補物質であると工程を含む。この場合、被験物質処理検体中の腎機能予測マーカータンパク質の機能の評価結果が、健常個体の対応する腎機能予測マーカータンパク質の機能の評価結果に近づいていれば、当該被験物質が有効成分の候補物質であると決定することができる。

ここで、工程（Ｉ）は、実際に「Ｉ．３．腎機能予測マーカータンパク質の機能の評価」を実施することによって評価結果を取得する態様であっても、既に取得された評価結果を、さらに後述する予測装置等に取得させる態様であってもよい。また、工程（Ｉ）と決定する工程（ＩＩ）は、必ずしも同一機関において連続して行われる必要はなく、例えば、工程（Ｉ）で取得された評価結果を、第三者機関に送り工程（ＩＩ）以降を実施してもよい。

本態様は、さらに、上記「Ｉ．３．腎機能予測マーカータンパク質の機能の評価」の方法によって得られた、未処理検体中の腎機能予測マーカータンパク質の機能の評価結果と前記評価結果を比較し、当該被験物質が腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質であると決定することができる。より具体的には、前記工程（Ｉ）と（ＩＩ）の間に、前記工程（Ｉ）で取得された被験物質処理検体の前記評価結果と、未処理検体の対応する腎機能予測マーカータンパク質の機能の評価結果とを比較する工程をさらに含む。この場合、被験物質処理検体の腎機能予測マーカータンパク質の機能の評価結果が、未処理検体の対応する腎機能予測マーカータンパク質の機能の評価結果よりも改善している場合に、当該被験物質が有効成分の候補物質であると決定することができる。

例えば、検体が、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を患っている被験体から採取されたものであって、腎機能予測マーカータンパク質の機能が腎機能低下に伴って活性化する場合、未処理検体の前記評価結果と比較して被験物質処理検体の対応する評価結果の方が低下していれば、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善していると決定することができる。この場合、評価結果の低下の程度は特に制限されない。被験物質処理検体の測定値が未処理検体の評価結果の例えば８５％以下、好ましくは７０％以下、より好ましくは５０％以下になっている場合に、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善していると決定することができる。

また、検体が、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を患っている被験体から採取されたものであって、腎機能予測マーカータンパク質の機能が腎機能低下に伴って抑制される場合、未処理検体の前記評価結果と比較して被験物質処理検体の対応する評価結果の方が上昇していれば、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善していると決定することができる。この場合、評価結果の上昇の程度は特に制限されない。被験物質処理検体の測定値が未処理検体の評価結果の例えば１１５％以上、好ましくは１３０％以上、より好ましくは１５０％以上になっている場合に、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善していると決定することができる。

さらに、スクリーニング２は、前記工程（Ｉ）の前に、（ｉ）被験体、被験組織又は被験細胞に、被験物質を投与する工程、及び（ｉｉ）上記工程（ｉ）の後に前記被験体、被験組織又は被験細胞から検体を採取する工程を含んでいてもよい。この場合にも、工程（ｉｉ）と工程（ｉｉｉ）は、必ずしも同一機関において連続して行われる必要はなく、例えば、工程（ｉｉ）で採取された検体を、第三者機関に送り工程（Ｉ）以降を実施してもよい。

６−２．スクリーニング装置
本発明は、第２の態様として、下記の演算手段を有する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング装置を含む：
被験物質で処理された被験体、被験組織又は被験細胞から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の機能の評価結果を取得する第１の評価結果取得手段、及び
前記第１の評価結果取得手段が取得した評価結果に基づいて、前記被験物質が有効成分の候補物質であると決定する決定手段。

好ましくは、上記スクリーニング装置は、被験物質で処理されていない被験体、被験組織又は被験細胞から採取された検体（未処理検体）中の腎機能予測マーカータンパク質の機能の評価結果を取得する第２の評価結果取得手段、及び
被験物質処理検体の前記評価結果及び未処理検体の前記評価結果を比較する評価結果比較手段、
をさらに有し、
前記決定機能は、前記評価結果比較手段の比較結果に基づいて前記被験物質が有効成分の候補物質であると決定する。決定方法は、後述する「Ｉ．６−４．スクリーニング方法」の記載に準ずる。

本態様では、上記スクリーニング装置２を備えたシステム１１０（図５および図６）によって、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニングを行うことができる。

図７は、本発明の第２の態様に係るスクリーニング装置２の機能を説明するためのブロック図である。スクリーニング装置２は、第１の評価結果取得部２１と、第２の評価結果取得部２２と、評価結果比較部２３と、候補物質決定部２４とを備える。第２の評価結果取得部２２は任意の構成である。これらの機能ブロックは、本発明に係るスクリーニングプログラムを、図２に示すスクリーニング装置２の記録部１０３またはメモリ１０２にインストールし、このスクリーニングプログラムをＣＰＵ１０１が実行することにより実現される。これにより、スクリーニング装置２は、後述する「Ｉ．６−４．スクリーニング方法」に記載のスクリーニング方法を実行する。なお、特許請求の範囲に記載の第１の評価結果取得手段、第２の評価結果取得手段、評価結果比較手段および決定手段が、図７に示す第１の評価結果取得部２１、第２の評価結果取得部２２、評価結果比較部２３および候補物質決定部２４にそれぞれ対応する。

言い換えると、スクリーニング装置２は、ＣＰＵ１０１により下記の演算機能を実行する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング装置である：
被験物質で処理された被験体、被験組織又は被験細胞から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の機能の評価結果を取得する第１の評価結果取得機能、及び
前記第１の評価結果取得機能が取得した評価結果に基づいて、前記被験物質が有効成分の候補物質であると決定する決定機能。

好ましくは、スクリーニング装置２は、さらに、被験物質で処理されていない被験体、被験組織又は被験細胞から採取された検体（未処理検体）中の腎機能予測マーカータンパク質の機能の評価結果を取得する第２の評価結果取得機能、及び
被験物質処理検体の前記評価結果及び未処理検体の前記評価結果を比較する評価結果比較機能、
をＣＰＵ１０１により実行し、
前記決定機能は、前記評価結果比較機能の比較結果に基づいて前記被験物質が有効成分の候補物質であると決定する。決定方法は、後述する「Ｉ．６−４．スクリーニング方法」の記載に準ずる。

本態様では、被験物質処理検体の腎機能予測マーカータンパク質の機能の評価結果Ｍ３１は、装置５ａ、５ｂ又は５ｃからスクリーニング装置２に取り込まれる。同様に、未処理検体の腎機能予測マーカータンパク質の評価結果Ｍ３２も、装置５ａ、５ｂ又は５ｃからからスクリーニング装置２に取り込まれる。

なお、これら被験物質処理検体および未処理被検体の腎機能予測マーカータンパク質の機能の評価結果Ｍ３１，Ｍ３２は、ネットワークを介して第三者機関（図示せず）から取り込まれてもよい。

また、第１の評価結果取得部２１、第２の評価結果取得部２２、評価結果比較部２３および候補物質決定部２４の各機能ブロックは、単一のＣＰＵで実行されることは必ずしも必要なく、複数のＣＰＵで分散して処理されてもよい。たとえば、第１の評価結果取得部２１および第２の評価結果取得部２２の機能は第１のコンピュータのＣＰＵにより実行され、評価結果比較部２３および候補物質決定部２４の機能は別の第２のコンピュータのＣＰＵにより実行される、というような構成であってもよい。

６−３．スクリーニングプログラム
本発明の第２の態様に係るスクリーニング装置２は、以下の図８で説明するステップＳ２１〜Ｓ２７の処理を行うために、本態様に係るスクリーニングプログラムを、例えば実行形式（例えばプログラミング言語からコンパイラにより変換されて生成される）で記録部１０３に予め記録しており、スクリーニング装置２は、記録部１０３に記録したスクリーニングプログラムを使用して処理を行う。

すなわち、本発明の第２の態様に係るスクリーニングプログラムは、コンピュータに実行させたときに、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質をスクリーニングするための下記の処理を当該コンピュータに実施させるスクリーニングプログラムである：
被験物質で処理された被験体、被験組織又は被験細胞から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の機能の評価結果を取得する第１の評価結果取得処理、及び
前記第１の評価結果取得処理で取得された評価結果に基づいて、前記被験物質が有効成分の候補物質であると決定する決定処理。

好ましくは、上記スクリーニングプログラムは、さらに、被験物質で処理されていない被験体、被験組織又は被験細胞から採取された検体（未処理検体）中の腎機能予測マーカータンパク質の機能の評価結果を取得する第２の評価結果取得処理、及び
被験物質処理検体の前記評価結果及び未処理検体の前記評価結果を比較する評価結果比較処理、
を前記コンピュータに実施させ、
前記決定処理では、前記評価結果比較処理の比較結果に基づいて前記被験物質が有効成分の候補物質であると決定する。決定方法は、後述する「Ｉ．６−４．スクリーニング方法」の記載に準ずる。

本態様では、図６に示すように、上記スクリーニングプログラムは、ＣＤ−ＲＯＭ等の、コンピュータ読み取り可能であって一時的でない有形の記録媒体１０９に記録されており、記録媒体１０９から、スクリーニング装置２にインストールされる。あるいは、スクリーニング装置２をインターネット（図示せず）と接続し、インターネットを介して上記スクリーニングプログラムのプログラムコードをダウンロードしてもよい。

６−４．スクリーニング方法
本発明の第２の態様に係るスクリーニング装置２は、本発明の第２の態様に係るスクリーニング方法を実行する。本発明の第２の態様に係るスクリーニング方法は、以下の工程を含む、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング方法を含む：
（Ｉ）被験物質で処理された被験体、被験組織又は被験細胞から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の機能を評価する工程、及び
（ＩＩ）前記工程（Ｉ）で得られた評価結果に基づいて、前記被験物質が有効成分の候補物質であると決定する工程。

好ましくは、上記スクリーニング方法は、前記工程（Ｉ）と（ＩＩ）の間に、前記工程（Ｉ）で取得された被験物質処理検体の前記評価結果と、被験物質で処理されていない被験体、被験組織又は被験細胞から採取された検体（未処理検体）の対応する腎機能予測マーカータンパク質の機能の評価結果とを比較する工程をさらに含む。

図８は、本発明の第２の態様に係るスクリーニング装置２が上記の方法を実行するために行うデータ処理の順序を示すフローチャートである。なお、図７に示す第１の評価結果取得部２１、第２の評価結果取得部２２および評価結果比較部２３により、ステップＳ２１、Ｓ２２およびＳ２３がそれぞれ実行され、図７に示す候補物質決定部２４により、ステップＳ２４〜Ｓ２７が実行される。

ステップＳ２１では、第１の評価結果取得部２１が、被験物質処理検体中のタンパク質の機能の評価結果Ｍ３１を取得する。

ステップＳ２２では、第２の評価結果取得部２２が、未処理検体中のタンパク質の機能の評価結果Ｍ３２を取得する。

ステップＳ２３では、評価結果比較部２３が、ステップＳ２１で得られた被験物質処理検体の評価結果を、ステップＳ２２で得られた未処理検体の評価結果と比較する。当該比較結果は、候補物質決定部２４に出力される。

候補物質決定部２４は、評価結果比較部２３の比較結果に基づいて、有効成分の候補物質を決定する。具体的には、比較結果が「改善している」である場合（ステップＳ２４においてＹＥＳ）、ステップＳ２５において、候補物質決定部２４は、被験物質が有効成分の候補物質であると決定する。

より具体的には、被験物質処理検体が、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を患っている被験体から採取されたものであって、腎機能予測マーカータンパク質の機能が腎機能低下に伴って活性化する場合、評価結果比較部２３は、Ｍ３１をＭ３２で除した値が、例えば、０．８５以下、好ましくは０．７以下、より好ましくは０．５以下であれば、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善していると決定し、「改善している」という比較結果を出力する。候補物質決定部２４は、前記比較結果が改善している場合に、被験物質が有効成分の候補物質であると決定する。また、被験物質処理検体が、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を患っている被験体から採取されたものであって、腎機能予測マーカータンパク質の機能が腎機能低下に伴って抑制される場合、評価結果比較部２３は、Ｍ３１をＭ３２で除した値が、例えば、１．１５以上、好ましくは１．３以上、より好ましくは１．５以上であれば、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善している決定し、「改善している」という比較結果を出力する。評価結果比較部２３は、当該被験物質により、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が改善していないと決定した場合には、「改善していない」という比較結果を出力する。候補物質決定部２４は、前記比較結果が改善している場合に、被験物質が有効成分の候補物質であると決定する。

ステップＳ２６では、候補物質決定部２４がステップＳ２５で決定された結果を出力する。本態様では、決定結果を表示部４に表示するとともに、決定結果が、スクリーニング装置２内の記録部１０３に記録される。なお、決定結果を表示部４に表示する代わりに、インターネットを介して接続された、スクリーニング装置２の外部の例えば第三者機関におけるコンピュータ端末の表示部に表示してもよい。

また、ステップＳ２４において、比較結果が「改善していない」である場合、ステップＳ２７に移行し、候補物質決定部２４は、被験物質は有効成分ではないと決定する。この場合、被験物質が有効成分ではない旨を表示部４に表示してもよい。

７．スクリーニング３
さらに本発明は、第３のスクリーニング方法を含む。本態様は、被験物質処理検体中の腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡを検出する検出工程（Ａ）を含む腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング方法である。腎機能予測マーカータンパク質の検出は、例えば上記「Ｉ．１．用語の説明」に記載の「抗腎機能予測マーカー抗体」を用いて、ウエスタンブロッティング法、ＥＬＩＳＡ法、等のタンパク質の公知の検出方法によって行うことができる。腎機能予測マーカータンパク質の検出は、例えば上記「Ｉ．１．用語の説明」に記載の「腎機能予測マーカー ｍＲＮＡ検出核酸」を用いて、マイクロアレイ法、ＲＴ−ＰＣＲ等の公知の方法によって行うことができる。

検出の結果は、目視で取得してもよく、吸光度、蛍光強度、発光強度として取得してもよい。

本態様は、前記検出工程で得られた結果に基づいて、前記被験物質が有効成分の候補物質であると決定する工程（Ｂ）を含んでいてもよい。本工程において、例えば、検体が、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を患っている被験体から採取されたものであって、腎機能予測マーカータンパク質が腎機能低下に伴って増加するタンパク質である場合には、被験物質処理検体において腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡが検出されない、又は検出されても著しく少ないという結果が得られた場合に、当該被験物質が有効成分の候補物質であると決定することができる。また検体が、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を患っている被験体から採取されたものであって、腎機能予測マーカータンパク質が腎機能低下に伴って減少するタンパク質である場合には、被験物質処理検体において腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡが未処理献体の対応する腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡよりも多く検出された場合に、当該被験物質が有効成分の候補物質であると決定することができる。

さらに、本態様は、被験物質処理検体における腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡの検出結果を未処理検体における対応する検出結果と比較して、被験物質が有効成分の候補物質であると決定してもよい。より具体的には、前記工程（Ａ）と工程（Ｂ）の間に、前記工程（Ａ）で取得された被験物質処理検体の前記検出結果と、未処理検体の対応する腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡの検出結果とを比較する比較工程を含んでいてもよい。例えば、検体が、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を患っている被験体から採取されたものであって、腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡが、腎機能の低下に伴って上昇する場合、未処理検体においては前記タンパク質及び／又はｍＲＮＡが検出されており、被験物質処理検体においては対応する前記タンパク質及び／又はｍＲＮＡが検出されないか減少していれば、当該被験物質が有効成分の候補物質であると決定することができる。また、検体が、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を患っている被験体から採取されたものであって、腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡが、腎機能の低下に伴って低下する場合、被験物質処理検体の前記タンパク質及び／又はｍＲＮＡが未処理献体の腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡよりも多く検出されれば、当該被験物質が有効成分の候補物質であると決定することができる。被験物質処理検体における腎機能予測マーカータンパク質及び／又は前記タンパク質のｍＲＮＡの検出結果と未処理検体における対応する検出結果と比較において、両者の差は、目視で検出できる程度であってもよい。

本態様は、前記工程（Ａ）の前に、（ａ）被験体、被験組織又は被験細胞に、被験物質を投与する投与工程、（ｂ）前記工程（ａ）で被験物質を投与された被験体、被験組織又は被験細胞から検体を採取する工程、及び（ｃ）前記工程（ｂ）で得られた検体からタンパク質又はｍＲＮＡを回収する工程を含んでいてもよい。

８．スクリーニング４
腎機能予測マーカータンパク質の１つであるＯｓｃａｒの機能発現を抑制すると高リン食摂取下でのＦＧＦ２３の発現誘導が抑制される。したがって、前記スクリーニング１からスクリーニング３において、腎機能予測マーカータンパク質がＯｓｃａｒである場合には、「腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング」は、「ＦＧＦ２３の機能発現を抑制することができる候補物質のスクリーニング」と読み替えることができる。

９．バイオマーカー
本発明は、腎機能予測マーカータンパク質及び／又は、腎機能予測マーカータンパク質のｍＲＮＡを、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質をスクリーニングするためのバイオマーカーとして使用する方法に関する。ここで、「腎機能予測マーカー」の定義は、上記「１．用語の説明」の記載にしたがう。

図２２に示される遺伝子にコードされるタンパク質から選択されるいずれか１種のタンパク質、又は図２３に示される遺伝子にコードされるｍＲＮＡから選択されるいずれか１種のｍＲＮＡは、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質をスクリーニングするためのバイオマーカーとして使用することができる。

また、別の態様として図２２に示される遺伝子にコードされるタンパク質から選択される少なくとも２種のタンパク質を組み合わせて、又は図２３に示される遺伝子にコードされるｍＲＮＡから選択される少なくとも２種のタンパク質のｍＲＮＡを組み合わせて、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質をスクリーニングするためのバイオマーカーとして使用することができる。

これらのバイオマーカーは、各検体に含まれる。

ＩＩ．ｉＯｒｇａｎｓ
本態様は、「ｉＯｒｇａｎｓ（Ｉｎｔｅｒ−Ｏｒｇａｎ Ｃｒｏｓｓ−Ｔａｌｋｓ）（アイ・オーガンズ）テクノロジー」という新しい方法論に基づき、被験体において特定の器官の機能および組織学的変化に付随する該特定器官以外の器官の遺伝子発現、代謝物質等の量の変動の網羅的データベースの構築を行い、「Ｒｅｖｅｒｓｅ ｉＯｒｇａｎｓ（リバース・アイ・オーガンズ）」と「Ｆｏｒｗａｒｄ ｉＯｒｇａｎｓ（フォワード・アイ・オーガンズ）」という二つの新規の疾患判定方法に関する。「ｉＯｒｇａｎｓ」とは、あるひとつの器官の状態とその他の器官の関連性を指標に疾患の診断、予防、治療を行うテクノロジーである。

図９および図１０は、本発明に係る「Ｒｅｖｅｒｓｅ ｉＯｒｇａｎｓ」の概念を説明するための模式図である。

「Ｒｅｖｅｒｓｅ ｉＯｒｇａｎｓ」は、その同じ時点の同一被験体の他の器官の遺伝子発現パターン等の情報から予測する方法である。この方法を利用して、特定の潜在的な疾患の存在や特定の器官の状態を予測することができる。図９に示す例では、特定の器官（例えば腎臓）の疾患（例えば腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患）を、他の器官（例えば脂肪組織又は細胞）の遺伝子発現パターン等の情報から予測する。他の器官を「脂肪組織」、及び特定器官の疾患を「腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患」とした場合を一例として、図１０を参照して、Ｒｅｖｅｒｓｅ ｉＯｒｇａｎｓによる予測方法の概要を説明する。図１０のＡ〜Ｆは、それぞれ器官連関指標因子を示す。

まず、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎に、脂肪組織における遺伝子発現パターン（すなわち、器官連関指標因子のパターン）を、各病期における標準データとして予め取得し、標準データの群を作成しておく。標準データの一例を図１０（ａ）に示す。図１０（ａ）に示す標準データには、脂肪組織における器官連関指標因子Ａ〜Ｆのパターンが、腎臓の状態の病期（正常の状態、腎機能低下、慢性腎疾患、及び腎不全から選択されるいずれか）毎に示されている。腎機能低下、慢性腎疾患、又は腎不全の状態の器官連関指標因子のパターンにおいて、グレーの塗り潰しで示す器官連関指標因子は、正常に対して変動が無かった器官連関指標因子を示し、斜線のハッチングで示す器官連関指標因子は、正常に対して変動があった器官連関指標因子を示す。

次に、被験体から脂肪組織を採取して、当該脂肪組織についての器官連関指標因子のパターンを決定し、被験データとする（例えば、図１０（ｂ））。次に、脂肪組織における標準データと被験データとを比較して、両者の類似度を算出する。被験データに類似するパターンが標準データ中に存在する場合、標準データ中のその類似するパターンに対応付けられている腎臓の状態が、被験体の腎臓の状態（腎機能低下、慢性腎疾患、及び腎不全から選択されるいずれかの病期）であると予測することができる。図１０に示す例では、（ｂ）に示す被験データのパターンは、標準データ中の上から２番目のパターンに類似する。この２番目のパターンは、腎臓が腎機能低下の状態である場合に取得されたパターンである。よって、被験体の腎臓は、腎機能低下であると予測することができる。

図１１および図１２は、本発明に係る「Ｆｏｒｗａｒｄ ｉＯｒｇａｎｓ」の概念を説明するための模式図である。

「Ｆｏｒｗａｒｄ ｉＯｒｇａｎｓ」は、被験体について、通常の検査法等で、腎臓における腎機能低下、慢性腎疾患、及び腎不全から選択される一種の病期を決定した後に、当該腎機能低下、慢性腎疾患、及び腎不全から選択される一種の病期と、あらかじめ取得されたデータとを比較することにより、当該被験体の腎臓以外の器官における遺伝子発現パターン等を決定し、それに基づいて、合併症を含む腎臓以外の器官の疾患の存在、又は病期を予測する方法である。当該被験体の腎臓以外の器官における遺伝子発現パターン等と、従来報告されている腎臓以外の器官の疾患の遺伝子発現の情報を照らし合わせることにより、合併症を含む腎臓以外の器官の疾患の存在、又は病期を予測することができる。図１１に示す例では、腎機能低下、慢性腎疾患、及び腎不全から選択される一種の病期が通常の検査法等により予め把握されており、当該腎機能低下、慢性腎疾患、及び腎不全から選択される一種の病期から腎臓以外の器官（例えば脳）の状態を予測する。この場合を一例として、図１２を参照して、Ｆｏｒｗａｒｄ ｉＯｒｇａｎｓによる予測方法の概要を説明する。

まず、例えば血清の生化学的検査等の結果から、被験体の腎臓の状態が腎機能低下、慢性腎疾患、及び腎不全から選択される一種の病期であるとの情報が得られる。次に、腎機能低下、慢性腎疾患、及び腎不全から選択される一種の病期毎に保存されている腎臓も含めた各器官の遺伝子発現パターン等（器官連関指標因子のパターン）（例えば図１２（ａ））と前記被験体の病期を照らし合わせることにより図１２（ａ）の中から、当該被験体の病期（例えば腎機能低下状態）に対応する器官連関指標因子のパターン図１２（ｂ）を抽出する。さらに図１２（ｂ）の中から脳の器官連関指標因子のパターン図１２（ｃ）を抽出する。これらの手順により、当該脳の器官連関指標因子のパターン図１２（ｃ）が、前記被験体の病期における脳の器官連関指標因子のパターンであると推定することができる。そして、推定されたパターンに示された器官連関指標因子について、これまでに報告されている疾患、合併症の情報から、脳の状態を予測することができる。

１．用語の説明
はじめに、ｉＯｒｇａｎｓに係る発明に関し、本明細書、請求の範囲、要約で使用される用語について説明する。特に記載がない限り、本明細書、請求の範囲、要約で使用されている用語は、本項の規定に従う。本稿「ＩＩ．ｉＯｒｇａｎｓ」において、前述した「Ｉ．スクリーニング」と同じ文言が使用される場合があるが、特に記載がない限り、「ＩＩ．ｉＯｒｇａｎｓ」に記載の発明に係る明細書、請求の範囲、要約で使用されている用語は、本項の規定に従う。前述した「Ｉ．スクリーニング」と本稿「ＩＩ．ｉＯｒｇａｎｓ」で使用される用語の定義は、それぞれの項を引用する記載がないかぎり、それぞれ独立した別の定義である。

本発明において、「個体」とは、特に制限されず、ヒト、マウス、ラット、イヌ、ネコ、ウサギ、ウシ、ウマ、ヤギ、ヒツジ、ブタ等の哺乳動物、ニワトリ等の鳥類等が挙げられる。好ましくはヒト、マウス、イヌ、ネコ、ウシ、ウマ、ブタ等の哺乳動物であり、より好ましくはヒト、マウス、イヌ、又はネコ等であり、さらに好ましくはヒト又はマウスであり、最も好ましくはヒトである。また、個体には疾患を有する個体と有さない個体の両方が含まれる。個体の年齢、性別（雄又は雌）は問わないが、後述する被験体と同種、同年齢及び／又は同一性別であることが好ましい。

また、「個体」には懐胎している個体も含まれる。

本発明における個体の年齢層は、ヒトであれば７歳未満、７歳以上１５歳未満、１５歳以上３０歳未満、３０歳以上６０歳未満、及び６０歳以上に分類することができる。本発明の適用年齢は特に制限されないが、好ましくは、１５歳以上３０歳未満、３０歳以上６０歳未満、又は６０歳以上、より好ましくは、３０歳以上６０歳未満、又は６０歳以上である。マウスであれば、年齢層は、６週齢未満、６週齢以上２４週齢未満、２４週齢以上４８週齢未満、及び４８週齢以上に分類することができる。

ここで、後述する腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する個体を「陽性対象」と呼び、後述する腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない個体を「陰性対象」と呼ぶ。

本発明において、「組織」とは、似た機能及び似た形態を有する細胞の集まりをいう。

本発明において、「器官」とは、被験体に存在する、いくつかの組織の集まりで，一定の独立した形態および特定の機能を有するものを意味するが、具体的には、循環器系器官（心臓、動脈、静脈、リンパ管等）、呼吸器系器官（鼻腔、副鼻腔、喉頭、気管、気管支、肺等）、消化器系器官（口唇、頬部、口蓋、歯、歯肉、舌、唾液腺、咽頭、食道、胃、十二指腸、空腸、回腸、盲腸、虫垂、上行結腸、横行結腸、S状結腸、直腸、肛門、肝臓
、胆嚢、胆管、胆道、膵臓、膵管等）、泌尿器系器官（尿道、膀胱、尿管、腎臓）、神経系器官（大脳、小脳、中脳、脳幹、脊髄、末梢神経、自律神経等）、女性生殖器系器官（卵巣、卵管、子宮、膣等）、乳房、男性生殖器系器官（陰茎、前立腺、精巣、精巣上体、精管）、内分泌系器官（視床下部、下垂体、松果体、甲状腺、副甲状腺、副腎等）、外皮系器官（皮膚、毛、爪等）、造血器系器官（末梢血、骨髄、脾臓等）、免疫系器官（リンパ節、扁桃、胸腺等）、骨軟部器官（骨、軟骨、骨格筋、結合組織、靱帯、腱、横隔膜、腹膜、胸膜、脂肪組織等）、感覚器系器官（眼球、眼瞼、涙腺、外耳、中耳、内耳、蝸牛等）が挙げられる。本発明において、対象とする組織としては、好ましくは心臓、大脳、肺、腎臓、脂肪組織、肝臓、骨格筋、精巣、脾臓、胸腺、骨髄、膵臓等であり、より好ましくは心臓、大脳、肺、腎臓、脂肪組織、肝臓、骨格筋、脾臓、骨髄、膵臓等である。

さらに、懐胎した「個体」（好ましくは、ヒト以外の個体）を対象とする場合には、本発明の「器官」の中には、胎児の全身又は胎児の上記器官が含まれてもよい。

また本発明において、血清、血漿、尿、髄液、腹水、胸水、唾液、胃液、膵液、胆汁、乳汁等の体液、特に好ましくは血漿を上記器官に替えて使用してもよい。

本発明において、「器官連関指標因子（Ｉｎｔｅｒ−Ｏｒｇａｎ Ｃｒｏｓｓ−ｔａｌｋ Ｉｎｄｉｃａｔｏｒ）」とは、生体内に存在している生体内物質であり、生体内において器官同士のコミュニケーション（つまり器官連関）によって、お互いの器官の状態を表す指標となる因子（分子）である。言い換えれば、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する個体において、その疾患の存否に依存して、各器官の細胞若しくは組織、及び／又は体液で変動しうる生体内物質をいう。器官連関指標因子となりうる生体内物質は、核酸；糖質；脂質；糖タンパク質；糖脂質；リポタンパク質；アミノ酸、ペプチド；タンパク質；ポリフェノール類；ケモカイン；前記物質の終末代謝産物、中間代謝産物、及び合成原料物質からなる群から選択される少なくとも一種の代謝物質；又は金属イオン等であり、より好ましくは、核酸である。

本発明において、核酸として好ましくはｍＲＮＡ、非翻訳ＲＮＡ、ｍｉｃｒｏＲＮＡ等のＲＮＡであり、より好ましくはｍＲＮＡである。ＲＮＡとして好ましくは、上記器官の細胞又は組織において発現され得るｍＲＮＡ、非翻訳ＲＮＡ及びｍｉｃｒｏＲＮＡからなる群から選択される少なくとも１種のＲＮＡであり、より好ましくは、ＲＮＡ−Ｓｅｑ等で検出され得る図２１に示される遺伝子から転写されるＲＮＡ（本明細書において、「１群」ともいう）である。これらの中でも、ポリＡ配列を有するものが特に好ましい。より具体的には、図２２に記載された遺伝子から転写される２群のＲＮＡよりなる群から選択される少なくとも１種若しくは上記個体に存在する２群のオーソログより選択される少なくとも１種である。次に好ましくは図２２に記載された遺伝子から転写される３群のＲＮＡよりなる群から選択される少なくとも１種若しくは上記個体に存在する３群のオーソログより選択される少なくとも１種である。次に好ましくは図２２に記載された遺伝子から転写される４群のＲＮＡよりなる群から選択される少なくとも１種若しくは上記個体に存在する４群のオーソログより選択される少なくとも１種である。次に好ましくは図２２に記載された遺伝子から転写される５群のＲＮＡよりなる群から選択される少なくとも１種若しくは上記個体に存在する５群のオーソログより選択される少なくとも１種である。次に好ましくは図２３に記載された遺伝子から転写される６群のＲＮＡよりなる群から選択される少なくとも１種若しくは上記個体に存在する６群のオーソログより選択される少なくとも１種である。特に好ましくは、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ（Ｐｒｈ１，Ｐｒｐ２，Ｐｒｂ１，Ｐｒｐｍｐ５）、Ｄｅｆｅｎｓｉｎｓ（Ｄｅｆａ及びＤｅｆｂ）、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｆｉｂｒｉｎｏｇｅｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎより選択される少なくとも一種の遺伝子から転写されるｍＲＮＡ、及び上記個体に存在するこれらの遺伝子のオーソログより選択される少なくとも１種である。ただし、図２２又は図２３に記載の遺伝子に対応するオーソログが存在しない個体においては、当該オーソログは解析対象から除外される。より好ましくは、マウス以外の個体においては、非翻訳ＲＮＡ及びｍｉｃｒｏＲＮＡ（これらは、ＮＣＢＩのＲｅｆｅｒｅｎｃｅ Ｓｅｑ ＩＤが“ＮＲ”から始まる）は、解析対象から除外される。ここで、２〜６群に対応するヒトオーソログは、図２２に記載のＨｕｍａｎ Ｇｅｎｅ ＩＤで示される遺伝子から転写されるＲＮＡである。

本書において、「器官連関指標因子の量」は、定量的な値として表されても、「増加」、「変化なし」及び「減少」等の半定量的に表されてもよく、「器官連関指標因子の量」は各器官連関指標因子の測定値であってもよい。

本発明において「腎機能低下」、「慢性腎疾患」及び「腎不全」の用語の定義は、前述の「Ｉ．スクリーニング １．用語の説明」の定義に従う。

本発明において、「標準データ１」とは、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測するための基準となる器官毎の器官連関指標因子のデータである。より具体的には、「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、あらかじめ決定された「器官連関指標因子のパターン」の群であり、好ましくは「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との比率から、あらかじめ決定された「器官連関指標因子のパターン」の群であり、より好ましくは前記「器官連関指標因子の量」が「遺伝子の発現量」であり、かつ前記「器官連関指標因子のパターン」が「遺伝子の発現パターン」の群である。また、複数種の器官から得られた標準データ１の群について、それぞれ疾患、又は病期毎に各器官の間で器官連関指標因子のパターンの相関関係を求め作製された相関マップ（標準データ１−Ｍａｐ）を標準データ１の群に代えて使用することもできる。相関マップの作成方法は、後述する。

また、本発明において、「標準データ２」とは、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体における腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測するための基準となる器官毎の器官連関指標因子のデータである。より具体的には、「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎に、あらかじめ決定された「器官連関指標因子のパターン」の群であり、好ましくは「陽性対象の前記腎臓以外の器官における器官連関指標因子の量」を、「陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」で除した値から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎に、あらかじめ決定された「器官連関指標因子のパターン」の群であり、より好ましくは前記「器官連関指標因子の量」が「遺伝子の発現量」であり、好ましくは前記「器官連関指標因子のパターン」は「遺伝子の発現パターン」の群である。

標準データ１又は標準データ２は、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎、各器官又は体液毎、必要に応じて、性別毎、年齢層毎に取得される。これらは、標準データ１の群又は標準データ２の群としてデータベース化されていてもよい。また、各器官連関指標因子のパターンは、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の情報、及び各器官名、若しくは体液名と対応づけられている。前記データベースは、記憶媒体、記憶装置に記憶されていてもよい。

「パターン」には、器官連関指標因子の有無、量、若しくは量の経時的な変化、及び量とその経時的変化の組み合わせ、好ましくは病期毎の器官連関指標因子の有無、量、若しくは量の経時的な変化、及び量とその経時的変化の組み合わせが含まれる。好ましくは、遺伝子の発現の有無、発現量、若しくは発現量の経時的な変化、及び発現量とその経時的変化の組み合わせである。

前記標準データ１、標準データ２、標準データ１の群又は標準データ２の群を記録したものをデータベースと呼ぶ。当該データベースからは、慢性腎疾患及び腎不全からなる群から選択される一種の病期の情報、及び／又は各器官名、若しくは体液名等から、該当する標準データ１、標準データ２、標準データ１の群又は標準データ２の群の器官連関指標因子のパターンを検索し器官連関指標因子のパターンを抽出することができる。

「被験体」とは、本発明の予測方法の適用対象であって、好ましくは上記標準データ１又は標準データ２を取得した個体と同種である。例えば、標準データを取得した個体がマウスである場合には、被験体としてマウス、ラット又はヒト等を選択しうる。また、被験体の年齢及び性別を問わないが、標準データ１又は標準データ２を取得した個体と同じ年齢層及び／又は性別と同じであってもよい。

本発明において、「被験データ」は、被験体から採取された器官の全部又は一部に由来する各器官連関指標因子のデータであり、当該パターンは各器官名等被験者や器官の情報に対応付けられている。より具体的には、「前記被験体の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係を表す器官連関指標因子のパターンである。好ましくは「前記被験体の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との比率を示す器官連関指標因子のパターンであり、より好ましくは前記「器官連関指標因子の量」が、「遺伝子の発現量」であり、かつ「器官連関指標因子のパターン」は「遺伝子の発現パターン」である。

本発明において、「ゴールデンスタンダード」とは、公知の検査方法及び／又は診断方法によって上記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有すると、または上記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さないと既に決定されている個体である。ゴールデンスタンダードには、健常個体も含まれる。

本発明において「類似度」とは、被験データと標準データとを比較して、又は被験データＸと標準データＹを比較して、器官連関指標因子のパターンが類似している度合いを示す。より具体的には、目視又は統計学的解析等によって求めることができる。類似度を算出する統計学的解析としては、Ｚ−スコア（Ｚ−ｓｃｏｒｅ）、スピアマンのペアワイズ相関（Ｓｐｅａｒｍａｎ’ｓ ｐａｉｒｗｉｓｅ ｃｏｒｒｅｌａｔｉｏｎ）、カルバック・ライブラー情報量（Ｋｕｌｌｂａｃｋ−Ｌｅｉｂｌｅｒ ｄｉｖｅｒｇｅｎｃｅ）、主成分分析（ＰＣＡ）等が挙げられる。

例えば、スピアマンのペアワイズ相関を用いてρ値を求めた場合、ρ値が１の時には標準データ１と被験データが一致していると決定することができ、またρ値が０．４より大きく１より小さい場合、好ましくは０．６５より大きく１より小さい場合、より好ましくは０．７５より大きく１より小さい場合、さらに好ましくは０．８５より大きく１より小さい場合に標準データ１と被験データが類似していると決定することができる。一方、ρ値が０．８以下の場合、好ましくは０．６５以下の場合、さらに好ましくは０．４０以下の場合に標準データ１と被験データが類似していないと決定することができる。

例えば、Ｚ−スコアを用いてｚ値を求めた場合、ｚ値が０の時には標準データ１と被験データが一致していると決定することができ、またｚ値が０±０．５の範囲（但し０をのぞく）の場合、好ましくは０±０．４の範囲（但し０をのぞく）の場合、より好ましくは０±０．３の範囲（但し０をのぞく）の場合、さらに好ましくは０±０．１５の範囲（但し０をのぞく）の場合に標準データ１と被験データが類似していると決定することができる。一方、ｚ値が０±０．１５の範囲外の場合、好ましくは０±０．３の範囲外の場合、より好ましくは０±０．４の範囲外の場合、さらに好ましくは０±０．５の範囲外の場合、標準データ１と被験データが類似していないと決定することができる。

さらに検討した器官連関指標因子の項目の５０％以上が、好ましくは７０％以上が、より好ましくは８０％以上、さらに好ましくは９０％以上が、標準データ１と被験データの間で一致又は類似している場合に、標準データ１のパターンと被験データのパターンが類似していると決定することができる。一方、検討した器官連関指標因子の項目の５０％以上が、好ましくは７０％以上が、より好ましくは８０％以上、さらに好ましくは９０％以上が、標準データ１と被験データの間で一致又は類似していない場合に、標準データ１のパターンと被験データのパターンが非類似であると決定することができる。

標準データ１−Ｍａｐの求め方は以下の通りである。標準データ１−Ｍａｐを求める場合には、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎に複数の器官を採取し各器官の器官連関指標因子のパターンを求める（例えば、器官連関因がＲＮＡである場合、器官間で統一したある一定の順に遺伝子を並べる）。この各器官のパターン間で、例えばスピアマンの順位相関を用いて相関係数を求め、各器官間のマップを作成する。

より具体的には、例えば、疾患モデルｉの器官連関指標因子ｊの器官ｍと器官lの間の器官連関指標因子のパターンの相関係数を

とする。また疾患モデルｉの個体数をｎとする。

このときの疾患モデルｉの器官ｍと器官l間の相関係数は確率モデルｐ（下式）で表すことができる。

この尤度を各モデルｉについて計算し、最も尤度が高いモデルｉを被験体の状態であると推測することができる。

比較する器官数が３以上の場合には、疾患モデルと被験体間で２つずつの器官間でそれぞれ尤度を求め、算出された尤度の積をとり、この積が最も高いモデルｉを被験体の状態であると推測してもよい。

被験データと標準データ１−Ｍａｐの間の比較を行う場合に、どの器官連関指標因子を使用するかは特に制限されない。例えば、陽性対照と陰性対照の差が大きい器官連関指標因子を使用することが好ましい。より具体的には、例えば器官連関指標因子がＲＮＡである場合には、陽性対照と陰性対照の比が１．５より大きい、又は０．６５未満のＲＮＡ、好ましくは２より大きい、又は０．５未満のＲＮＡ、より好ましくは５より大きい、又は０．２未満のＲＮＡである。

なお、上記統計学的解析は、例えば、コンピュータで演算用のプログラムを使用して行うこともできる。この場合、後述の本発明に係る予測プログラムが統計学的解析を行うための統計解析プログラムのプログラムコードを含んでもよいし、統計解析プログラムとして市販の統計解析ソフトを使用してもよい。例えば、ＳｔａｔＦｌｅｘ Ｖｅｒ．６（株式会社アーテック、日本、大阪）、ＩＢＭ ＳＰＳＳ Ｓｔａｔｉｓｔｉｃｓ（日本アイ・ビー・エム株式会社）等の市販の統計解析ソフトを用いて行うことができる。

本明細書において、「１種以上」とは、１種の場合と、複数の場合とを含む。また「複数」とは、２以上であれば特に制限されないが、好ましくは３以上、より好ましくは５以上、さらに好ましくは１０以上である。また、本明細書において単数形の名詞には、複数形の名詞も含まれる場合がある。

２．器官連関指標因子を抽出するための細胞又は組織の採取方法並びに保存方法、及び器官連関指標因子の抽出方法並びに測定方法
本発明において使用される器官連関指標因子を抽出するための細胞又は組織の採取方法及びそれらの保存方法は、特に制限されず、器官連関指標因子の種類に応じた公知の方法にしたがって行うことができる。また、本発明において使用される器官連関指標因子の抽出方法も、特に制限されず、器官連関指標因子の種類に応じた公知の方法に従って行うことができる。本発明における、器官連関指標因子の測定方法も、器官連関指標因子の量を測定できる限り特に制限されない。

器官連関指標因子の抽出に供される細胞又は組織は特に制限されず、被験体より穿刺、生検、手術等により採取された細胞又は組織等が含まれる（採取された細胞又は組織を「検体」とも呼ぶ）。また、当該細胞又は組織は、採取後の新鮮材料であってもよいが、凍結保存等を行ったものでもよい。

本態様においては、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎に、疾患が疑われる腎臓より採取された細胞又は組織、及び腎臓以外の器官より採取された細胞又は組織から行うことができる。また、当該腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない個体の対応する細胞又は組織から採取することができる。

細胞、組織又は体液を採取する時期は、例えば、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の発症前（正常時）、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の発症時、発症後１ヶ月、６ヶ月、１年、２年、３年、５年、１０年等から、病期に応じて適宜選択することができる。

器官連関指標因子としてＲＮＡを使用する場合、細胞又は組織からのＲＮＡ抽出は、採取後速やかに行うか、細胞又は組織を採取後直ちに液体窒素等で凍結して、運搬、保存した後行うことが好ましい。

ＲＮＡの抽出方法は、特に制限されず、公知の方法を用いて抽出することができる。必要に応じてオリゴｄＴプローブ等を使用して精製してもよく、抽出又は精製したＲＮＡから必要に応じて逆転写反応によってｃＤＮＡを合成して測定に使用してもよい。ＲＮＡの定性的又は定量的測定（半定量的測定含む）は、遺伝子発現を網羅的に解析可能なマイクロアレイを用いる方法、又は細胞内のＲＮＡの絶対量を数えるＲＮＡ−Ｓｅｑで解析する方法等の公知の方法で行うことができるが、網羅的且つ定量的な解析としては、ＲＮＡ−Ｓｅｑが好ましい。

ＲＮＡ−Ｓｅｑ等で得られたデータは、公知の方法を使用して解析することができる。例えば、Ｉｌｌｕｍｉｎａ ＨｉＳｅｑ（イルミナ社）等を使用して解析を行う場合には、出力されたデータを以下の方法により処理することができる。（１）出力された解析生データ（画像データ）より、塩基配列のテキストデータを取得する（ベースコール）。（２）例えば、Ｃｈａｓｔｉｔｙ等の計算式を用い、クラスターが重なり合い、蛍光純度の低いクラスターをデータから排除する等の所定のフィルタリングによりデータの選別を行う（フィルタリング）。（３）各サンプルに付加されたＩｎｄｅｘ配列情報（特定の塩基配列情報）により各サンプルデータの振り分けを行う。

ＲＮＡ−Ｓｅｑ用のシークエンサーから得られたデータファイル（Ｆａｓｔｑ形式等）をＧａｌａｘｙ （ｈｔｔｐｓ：／／ｕｓｅｇａｌａｘｙ．ｏｒｇ／）等にアップロードする。その後マウスゲノムマップ情報ｍｍ９またはｍｍ１０に各配列をマッピングするためにＢｏｗｔｉｅ２（ｈｔｔｐ：／／ｂｏｗｔｉｅ−ｂｉｏ．ｓｏｕｒｃｅｆｏｒｇｅ．ｎｅｔ／ｂｏｗｔｉｅ２／ｉｎｄｅｘ．ｓｈｔｍｌ）等を用いて解析する。Ｂｏｗｔｉｅ２等で得られたＢＡＭファイルをＣｕｆｆｌｉｎｋｓ （ｈｔｔｐ：／／ｃｏｌｅ−ｔｒａｐｎｅｌｌ−ｌａｂ．ｇｉｔｈｕｂ．ｉｏ／ｃｕｆｆｌｉｎｋｓ／）等にて解析することで各遺伝子毎にＦＰＫＭ（ＲＰＫＭ）を算出する。得られたＦＰＫＭのデータはＦＰＫＭの値が１未満は全て０として、ＰｙｔｈｏｎでＰａｉｒ−ｗｉｓｅ ｃｏｒｒｅｌａｔｉｏｎ（ρ＝１−（６ΣＤ^２） ／ （ｎ^３−ｎ）を計算し、ＭｅＶでヒートマップを作成する。また、ＦＰＫＭ値を目視で解析してもよい。

必要に応じて、リアルタイムＰＣＲ等で発現を確認こともできる。また、ｍＲＮＡの発現量は、必要に応じて、ＧＡＰＤＨ、β２−ミクログロブリン（β２Ｍ）、Ｍａｅａ等のハウスキーピングジーンの発現量で補正して、相対発現量で表すことができる。

上記方法により得られた発現量は、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎、器官若しくは体液毎、個体の種別毎、個体の年齢層毎、及び／又は個体の性別毎に各器官各器官関連因子のパターンとして装置の記憶部又は当該装置とは別の記憶部を有する装置に記憶させ使用することができる。

３．Ｒｅｖｅｒｓｅ ｉＯｒｇａｎｓ
３−１．概要
本態様においては、被験体の腎臓以外の器官から取得された器官連関指標因子のパターンから、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する。具体的には、上記ＩＩ．２．に記載の測定方法を実施することによって取得される、腎臓以外の１種以上の器官から採取された細胞又は組織から得られた各器官における器官連関指標因子の被験データと、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患毎又は病期毎にあらかじめ決定された標準データ１の群から取得され、被験データが由来する器官に対応する器官の標準データ１とを比較して、器官連関指標因子のパターンの類似度を算出し、当該類似度を指標にして、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する。具体的には、工程（１）：前記被験体の腎臓以外の１種以上の器官から採取された細胞又は組織から得られた各器官における器官連関指標因子の被験データを取得する工程、工程（２）：前記工程（１）で取得された被験データを、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患毎又は病期毎にあらかじめ決定された標準データ１の群から取得され、被験データが由来する器官に対応する器官の標準データ１と比較して、より具体的には、前記工程（１）で取得された被験データの器官名と、あらかじめ決定された標準データ１に記録された器官名とを照合し、被験データの器官名と同じ器官名を有する標準データ１の中の器官連関指標因子のパターンと比較して、器官連関指標因子のパターンの類似度を算出する工程、及び工程（３）：前記工程（２）において算出された前記器官連関指標因子のパターンの類似度が「類似している」と決定された場合に、前記被験体が前記標準データ１に対応する疾患を有する、及び／又は前記被験体が前記標準データ１に対応する病期であると決定する工程を含む。

工程（１）は、実際に上記ＩＩ．２．に記載の測定方法を実施することによって被験データを取得する態様であっても、既に取得された被験データを、さらに後述する予測装置等に取り込む態様であってもよい。工程（２）における標準データ１と被験データの類似度の算出方法、及び工程（３）における標準データ１と被験データが「類似している」か否かの決定方法は、上記「ＩＩ． １．用語の説明」に記載の方法にしたがって行うことができる。ここで、工程（１）と工程（２）は、必ずしも同一機関において連続して行う必要はなく、例えば、工程（１）で取得された被験データを、第三者機関に送り工程（２）以降を実施してもよい。

また、本態様は、さらに工程（１）の前に、工程（ｉ）被験体の腎臓以外の器官より採取された細胞又は組織から、器官連関指標因子を抽出する工程、及び工程（ｉｉ）（ｉ）で抽出した器官連関指標因子の量を測定する工程を含んでもよい。この場合も、工程（ｉ）と工程（ｉｉ）を連続して行う必要はなく、例えば、工程（ｉ）で取得された器官連関指標因子を、第三者機関に送り工程（ｉｉ）を実施してもよい。また、工程（ｉｉ）と工程（１）も専属して行う必要はなく、工程（ｉｉ）で取得された器官連関指標因子の測定結果を、第三者機関に送り工程（１）以降を実施してもよい。

ここで、標準データ１と被験データの類似度の算出方法及び、標準データ１と被験データが類似していると決定する方法については、上記「ＩＩ．ｉＯｒｇａｎｓ １．用語の説明」に記載したとおりである。

また、本態様は、上記工程（１）から（２）を含み、工程（２）からその情報を取得する工程を含む、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測するために器官連関指標因子のパターンの類似度の情報を取得する方法も別態様として含む。

また、前記予測方法は、標準データ１の群を記憶した記憶装置８（図１３）から、標準データ１の群を取得する工程、あるいは、標準データ１の群を記憶した記憶装置８から、１以上の標準データ１を取得する工程を含んでいてもよい。

３−２．システム構成
図１３は、本発明の第３の態様に係るシステム１２０の概観図であり、図１４は、システム１２０のハードウェア構成を示すブロック図である。システム１２０は入力部３と、表示部４と、装置５ｂと、予測装置６とを備える。

予測装置６は、例えば汎用のパーソナルコンピュータで構成されており、後述するデータ処理を行うＣＰＵ１０１と、データ処理の作業領域に使用するメモリ１０２と、処理データを記録する記録部１０３と、各部の間でデータを伝送するバス１０４と、外部機器とのデータの入出力を行うインタフェース部１０５（以下、Ｉ／Ｆ部と記す）とを備えている。入力部３および表示部４は、予測装置６に接続されており、入力部３は、キーボード等で構成され、表示部４は、液晶ディスプレイ等で構成されている。入力部３と表示部４とは、一体化されてタッチパネル付き表示装置として実現されてもよい。なお、予測装置６は一体の装置である必要はなく、ＣＰＵ１０１、メモリ１０２、記録部１０３等が別所に配置され、これらがネットワークで接続されていてもよい。また、入力部３や表示部４を省略した操作者を必要としない装置であってもよい。

また、予測装置６と、装置５ｂとについても、一カ所に配置される必要は必ずしもなく、別所に設けられた装置間をネットワークで通信可能に接続した構成でもよい。

以下の説明においては、特に断らない限り予測装置６が行う処理は、予測プログラムに基づいて、実際には予測装置６のＣＰＵ１０１が行う処理を意味する。ＣＰＵ１０１はメモリ１０２を作業領域として必要なデータ（処理途中の中間データ等）を一時記憶し、記録部１０３に演算結果等の長期保存するデータを適宜記録する。

装置５ｂは、ＲＮＡ−Ｓｅｑ法によってｍＲＮＡの発現量を測定するための装置であり、配列解析部５４を備える。ＲＮＡ−Ｓｅｑ用の反応を行ったサンプルを配列解析部５４にセットし、配列解析部５４内で、塩基配列の解析をおこなう。

装置５ｂは、有線または無線によって予測装置６に接続されており、ｍＲＮＡの測定値をＡ／Ｄ変換して、デジタルデータとして予測装置６に送信する。これにより、予測装置６は、ｍＲＮＡの測定値を、演算処理可能なデジタルデータとして取得することができる。本態様では、装置５ｂからのデジタルデータを「器官連関指標因子の被験データ」または、単に「被験データ」と称する。

以上のように、システム１２０の入力部３、表示部４、装置５ｂおよび予測装置６の各ハードウェア構成は、図１に示すシステム１００の入力部３、表示部４、装置５ｂおよびスクリーニング装置１、又は図５に示すシステム１１０の入力部３、表示部４、装置５ｂおよびスクリーニング装置２とそれぞれ同一であってもよい。

また、システム１２０は、ネットワークで接続された、標準データ１又は標準データ１の群を記憶した記憶装置８を備えていてもよい。ネットワーク９は、例えばインターネット、仮想プライベートネットワーク（ＶＰＮ）、広域通信網（ＷＡＮ）、公衆交換電話網（ＰＳＴＮ）等の通信媒体であるが、記憶装置８と予測装置６との間で通信を行うことができるものであれば制限されない。具体的には、システム１２０は、標準データ１又は標準データ１の群を記憶した記憶装置８と後述する予測装置６を有する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の疾患を有する被験体における当該腎臓器官以外の１種以上の器官の疾患の存在、及び／又は病期を予測する予測システムであってもよい。

３−３．予測装置
本発明は、第３の態様として、下記の演算手段を有する、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する予測装置を含む：
前記被験体の腎臓以外の１種以上の器官から採取された細胞又は組織から得られた各器官における器官連関指標因子の被験データを取得する被験データ取得手段、
前記被験データと、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患又は病期毎にあらかじめ決定された標準データ１の群から取得される、被験データが由来する器官に対応する器官の標準データとを比較して、器官連関指標因子のパターンの類似度を算出するパターン類似度算出手段、及び
前記比較手段で得られた器官連関指標因子のパターンの類似度を指標にして、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する予測手段。

ここで、標準データ１と被験データの類似度の算出方法及び、標準データ１と被験データが類似していると決定する方法については、上記「ＩＩ．ｉＯｒｇａｎｓ １．用語の説明」に記載したとおりである。

本態様では、上記予測装置として予測装置６を備えたシステム１２０（図１３および図１４）によって、被験体において腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測することができる。

図１５は、本発明の第３の態様に係る予測装置６の機能を説明するためのブロック図である。予測装置６は、被験データ取得部６１と、パターン類似度算出部６２と、予測部６３とを備える。これらの機能ブロックは、本発明に係る予測プログラムを予測装置６の記録部１０３またはメモリ１０２にインストールし、これらのプログラムをＣＰＵ１０１が実行することにより実現される。これにより、予測装置６は、後述する「ＩＩ．ｉＯｒｇａｎｓ ４−５．予測方法」に記載の予測方法を実行する。なお、特許請求の範囲に記載の被験データ取得手段、パターン類似度演算手段および予測手段が、図１３に示す被験データ取得部６１、パターン類似度算出部６２および予測部６３にそれぞれ対応する。

言い換えると、予測装置６は、ＣＰＵ１０１により下記の演算機能を実行する、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する予測装置である：
前記腎臓以外の１種以上の器官から採取された細胞又は組織から得られた各器官における器官連関指標因子の被験データを取得する被験データ取得機能、
前記被験データ取得機能が取得した被験データと、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患又は病期毎にあらかじめ決定された標準データ１の群から取得される、被験データが由来する器官に対応する器官の標準データ１とを、比較して、器官連関指標因子のパターンの類似度を算出するパターン類似度算出機能、及び
前記パターン類似度算出機能で得られた器官連関指標因子のパターンの類似度を指標にして、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する予測機能。

また、前記予測装置は、標準データ１の群を記憶した記憶装置８から、標準データ１の群を取得する機能、あるいは、標準データ１の群を記憶した記憶装置８から、１以上の標準データ１を取得する機能を含んでいてもよい。

本態様では、装置５ｂにおいて測定された器官連関指標因子の被験データＭ４は、装置５ｂから予測装置６に取り込まれる。また、標準データ１Ｄ１は予測装置６の外部に記録されており、例えばインターネットを介して予測装置６に取り込まれる。

なお、被験データＭ４もネットワークを介して第三者機関（図示せず）から予測装置６に取り込まれてもよい。また、前記被験データＭ４および標準データＤ１は、予測装置６の記録部１０３またはメモリ１０２に予め記録されていてもよい。

また、被験データ取得部６１、パターン類似度算出部６２および予測部６３の各機能ブロックは、単一のＣＰＵで実行されることは必ずしも必要なく、複数のＣＰＵで分散して処理されてもよい。たとえば、被験データ取得部６１の機能は第１のコンピュータのＣＰＵにより実行され、パターン類似度算出部６２および予測部６３の機能は別の第２のコンピュータのＣＰＵにより実行されるというような構成であってもよい。

３−４．予測プログラム
また、予測装置６は、以下の図１６で説明するステップＳ３１〜Ｓ３６の処理を行うために、本発明に係る予測プログラムを、例えば実行形式（例えばプログラミング言語からコンパイラにより変換されて生成される）で記録部１０３に予め記録しており、予測装置６は、記録部１０３に記録した予測プログラムを使用して処理を行う。

すなわち、本発明の第３の態様に係る予測プログラムは、コンピュータに実行させたときに、被験体における腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測するための下記の処理を当該コンピュータに実施させる予測プログラムである：
前記腎臓以外の１種以上の器官から採取された細胞又は組織から得られた各器官における器官連関指標因子の被験データを取得する被験データ取得処理、
前記被験データ取得処理で取得された被験データと、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患又は病期毎にあらかじめ決定された標準データ１の群から取得される、被験データが由来する器官に対応する器官の標準データ１とを比較して、器官連関指標因子のパターンの類似度を算出するパターン類似度演算処理、及び
前記パターン比較処理で得られた器官連関指標因子のパターンの類似度を指標にして、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する予測処理。

また、前記予測プログラムは、標準データ１の群を記憶した記憶装置８から、標準データ１の群を取得する処理、あるいは、標準データ１の群を記憶した記憶装置８から、１以上の標準データ１を取得する処理を含んでいてもよい。

本態様では、図１４に示すように、上記予測プログラムは、ＣＤ−ＲＯＭ等の、コンピュータ読み取り可能であって一時的でない有形の記録媒体１０９に記録されており、記録媒体１０９から、予測装置６にインストールされる。あるいは、予測装置６をインターネット（図示せず）と接続し、インターネットを介して上記予測プログラムのプログラムコードをダウンロードしてもよい。また、上記の演算処理をコンピュータに実施させるため、本発明に係る予測プログラムを記録部１０３またはメモリ１０２に格納された他のプログラムとリンクさせてもよい。例えば、予測プログラムを上記「ＩＩ．ｉＯｒｇａｎｓ １．用語の説明」で述べた統計解析ソフトとリンクさせ、当該統計解析ソフトを利用してパターン類似度演算処理を実施してもよい。

３−５．予測方法
本発明の第３の態様に係る予測装置６は、本発明の第３の態様に係る予測方法を実行する。本発明の第３の態様に係る予測方法は、下記の工程を有する、被験体において腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する方法である：
前記腎臓以外の１種以上の器官から採取された細胞又は組織から得られた各器官における器官連関指標因子の被験データと、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患又は病期毎にあらかじめ決定された標準データ１の群から、被験データが由来する器官に対応する器官の標準データ１とを比較して、器官連関指標因子のパターンの類似度を算出する類似度算出工程、及び
前記類似度算出工程で得られた器官連関指標因子のパターンの類似度を指標にして、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測する予測工程。

また、前記予測方法は、標準データ１の群を記憶した記憶装置８から、標準データ１の群を取得する工程、あるいは、標準データ１の群を記憶した記憶装置８から、１以上の標準データ１を取得する工程を含んでいてもよい。

図１６は、本発明の第３の態様に係る予測装置６が上記の予測方法を実行するために行うデータ処理の順序を示すフローチャートである。なお、図１５に示す被験データ取得部６１、パターン類似度算出部６２、および予測部６３により、図１６に示すステップＳ３１からＳ３６の処理がそれぞれ実行される。

ステップＳ３１では、被験データ取得部６１が被験データＭ４を取得する。被験データＭ４は、被験体の腎臓以外の１種類以上の器官から採取された細胞又は組織から得られた、各器官における器官連関指標因子のパターンであり、装置５ｂから予測装置６に送信される。

ステップＳ３２では、パターン類似度算出部６２が、取得した被験データＭ４と標準データ１Ｄ１とを比較して、器官連関指標因子のパターンの類似度を算出する。具体的には、パターン類似度算出部６２は、被験データＭ４の器官名と対応する標準データ１Ｄ１を選択し、選択された標準データ１Ｄ１のパターンと被験データＭ４のパターンとを比較して、両者の類似度を算出する。類似度の算出方法及び「類似している」か否かの決定方法は、上記「ＩＩ．ｉＯｒｇａｎｓ １．用語の説明」に記載した通りである。なお、上記「ＩＩ．ｉＯｒｇａｎｓ ３−４．予測プログラム」に記載の予測プログラムは、パターン類似度算出部６２による演算処理を予測装置６のＣＰＵ１０１に実施させるプログラムのプログラムコードを含んでもよいし、例えば、上記「ＩＩ．ｉＯｒｇａｎｓ １．用語の説明」で述べた統計解析ソフトとリンクすることにより、当該統計解析ソフトを利用してパターン類似度算出部６２による演算処理をＣＰＵ１０１に実施させてもよい。

ステップＳ３４では、予測部６３が、ステップＳ３２にて得られた類似度を指標にして、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在又は病期を予測する。具体的には、類似度が「類似している」である場合（ステップ３３においてＹＥＳ）、ステップＳ３４において予測部６３は、前記被験体が標準データ１Ｄ１の中で被験データＭ４に類似するパターンに対応する腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が存在する／又は被験体が標準データ１に対応する腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期であると決定する。

また、ステップＳ３２にて得られた類似度が「類似していない」である場合、（ステップ３３においてＮＯ）、ステップＳ３６において予測部６３は、前記被験体が標準データ１に対応する腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患が存在しない／又は被験体が標準データ１に対応する腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期ではないと決定する。

ステップＳ３５では、予測部６３が前記ステップＳ３４で決定した結果を予測結果のデータをして出力する。本態様では、予測結果が表示部４に表示されるとともに、予測結果のデータが予測装置６内の記録部１０３に記録される。なお、予測結果を表示部４に表示する代わりに、インターネットを介して接続された、予測装置６の外部の例えば第三者機関におけるコンピュータ端末の表示部に表示してもよい。

４．Ｆｏｒｗａｒｄ ｉＯｒｇａｎｓ
４−１．概要
本態様においては、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体における当該腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測する。具体的には、被験体の診断結果から得られる、前記被験体における前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の情報に基づいて、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体における当該腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測する。工程（ｉ）：前期被験体の診断結果から、前記被験体における前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の情報を取得する工程、工程（ｉｉ）：前記工程（ｉ）で取得された前記病期の情報と、標準データ２を照合する工程（ｉｉｉ）：前記工程（ｉｉ）で取得された照合結果に基づいて、標準データ２の中から前記病期の情報と対応する腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の標準データαを決定し、前記被験体の病期に対応する前記被験体における腎臓以外の１種以上の器官の器官連関指標因子のパターンを標準データαの中から抽出する工程、工程（ｉｖ）：前記工程（ｉｉｉ）で抽出された器官連関指標因子のパターンを公知の疾患、及び／又は前記疾患の病期における器官連関指標因子の情報と照合して、前記被験体の腎臓以外の器官の器官連関指標因子のパターンに対応する前記腎臓以外の器官の疾患及び／又は当該疾患の病期を決定する工程、及び工程（ｖ）：前記工程（ｉｖ）において決定された前記腎臓以外の器官の疾患の存在及び／又は当該疾患の病期を、前記被験者が保有している可能性のある疾患であると、及び／又は当該疾患の病期であるとさらに決定する工程を含む。

工程（ｉ）において被験体の診断結果は、医師等が検査結果、医療面接等に基づいて導き出した診断結果である限り制限されない。当該診断結果は、紙媒体のカルテ等から得られる情報であってよいし、電子カルテ等から抽出される電子データであってもよい。工程（ｉ）では、被験体の診断結果に基づいて、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の情報を、口頭、書面、又はデジタル情報等として取得する。つまり、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の情報は、当該被験体が、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患のいずれの病期であるか、という情報である。

工程（ｉｉ）における、工程（ｉ）で取得された病期の情報と標準データ２の照合は、例えば、前記病期の名称と標準データ２の各器官連関指標因子のパターンに付されている腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の名称が一致するか否かを照合する。この照合は、目視で行ってもよく、例えばＭｉｃｒｏｓｏｆｔ（登録商標） Ｅｘｃｅｌ（マイクロソフト社）、Ｍｉｃｒｏｓｏｆｔ（登録商標） Ａｃｃｅｓｓ（マイクロソフト社）等のデータベースソフト上で、当該ソフトの検索機能、又はフィルタリング機能等を使用して行ってもよい。

工程（ｉｉｉ）では、前記工程（ｉｉ）で行われた照合により前記被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の名称に関連づけられた器官連関指標因子のパターンを抽出する。抽出された器官連関指標因子のパターン群を標準データαと決定する。さらに、この標準データαに含まれる各器官連関指標因子のパターンに関連づけられた器官の名称から、腎臓以外の少なくとも一種の器官を選択し、当該器官の器官連関指標因子のパターンを抽出する。腎臓以外の少なくとも一種の器官の選択、及び当該器官の器官連関指標因子のパターンの抽出は、目視で行ってもよいが、前記データベースソフト上で、当該ソフトの検索機能、又はフィルタリング機能等を使用して行ってもよい。

工程（ｉｖ）では、抽出された当該器官の器官連関指標因子のパターンと、公知の疾患に関する情報のデータベース（例えば、ＤＰＣデータベース（日本厚生労働省提供）、ＰｕｂＭｅｄ（Ｎａｔｉｏｎａｌ Ｃｅｎｔｅｒ ｆｏｒ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ Ｉｎｆｏｒｍａｔｉｏｎ提供）、Ｅｍｂａｓｅ（Ｅｌｓｅｖｉｅｒ社提供）、コクラン・ライブラリー（Ｃｏｃｈｒａｎｅ）等；以下、「疾患情報データベース」ともいう）に記録された疾患、及び／又は前記疾患の病期における器官連関指標因子の情報との類似度を算出して類似度を決定する。続いて疾患情報データベースに記録された器官連関指標因子と当該器官における器官連関指標因子のパターンの全部又は一部とが「類似している」と判定された疾患名又は疾患の病期名を抽出する。当該器官における器官連関指標因子のパターンと前期公知の情報が類似するか否かは、上記「ＩＩ．ｉＯｒｇａｎｓ １．用語の説明」に記載の類似度の決定方法に従って、決定することができる。続いて、前記腎臓以外の器官に前記抽出された疾患が存在していると、又は前記腎臓以外の器官が前記抽出された疾患の病期であると決定することができる。また、当該決定工程では、公知の健常個体における器官連関指標因子の情報と当該器官の器官連関指標因子のパターンを照合して、当該器官が正常であると決定することができる。

工程（ｖ）では、工程（ｉｖ）において決定された前記腎臓以外の器官の疾患及び／又は当該疾患の病期を、前記被験者が罹患している可能性のある疾患であると、及び／又は当該疾患の病期であるとさらに決定する。上記工程（ｉｖ）において、決定された疾患が複数である場合には、当該器官の器官連関指標因子のパターンとの類似度が高い疾患を前記被験者が罹患している可能性のある疾患であると決定することができる。上記工程（ｉｖ）において、決定された疾患の病期が複数である場合には、当該器官の器官連関指標因子のパターンとの類似度が高い疾患の病期を前記被験者が罹患している可能性のある疾患の病期であると決定することができる。

また、本態様は、上記工程（ｉ）から（ｉｉｉ）を含み、さらに上記工程（ｉｖ）に代えて、工程（ｉｖ’ ） 前記工程（ｉｉｉ）で抽出された器官連関指標因子のパターンを公知の疾患、及び／又は前記疾患の病期における器官連関指標因子の情報と照合して、前記被験体の腎臓以外の器官の器官連関指標因子のパターンに対応する前記腎臓以外の器官の疾患の存在及び／又は当該疾患の病期の情報を取得する工程を含む、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体における当該腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測するための情報の取得方法とすることもできる。抽出された器官連関指標因子のパターンを公知の疾患、及び／又は前記疾患の病期における器官連関指標因子の情報と照合は上記工程（ｉｖ）に準ずる。

また、前記予測方法は、標準データ２の群を記憶した記憶装置１０（図１７）から、標準データ２の群を取得する工程、あるいは、標準データ２の群を記憶した記憶装置１０から、１以上の標準データ２を取得する工程を含んでいてもよい。

４−２．システム構成
図１７は、本発明の第４の態様に係るシステム１３０の概観図であり、図１８は、システム１３０のハードウェア構成を示すブロック図である。システム１３０は入力部３と、表示部４と、予測装置７とを備える。

予測装置７は、例えば汎用のパーソナルコンピュータで構成されており、後述するデータ処理を行うＣＰＵ１０１と、データ処理の作業領域に使用するメモリ１０２と、処理データを記録する記録部１０３と、各部の間でデータを伝送するバス１０４と、外部機器とのデータの入出力を行うインタフェース部１０５（以下、Ｉ／Ｆ部と記す）とを備えている。入力部３および表示部４は、予測装置７に接続されており、入力部３は、キーボード等で構成され、表示部４は、液晶ディスプレイ等で構成されている。入力部３と表示部４とは、一体化されてタッチパネル付き表示装置として実現されてもよい。なお、予測装置７は一体の装置である必要はなく、ＣＰＵ１０１、メモリ１０２、記録部１０３等が別所に配置され、これらがネットワークで接続されていてもよい。また、入力部３や表示部４を省略した操作者を必要としない装置であってもよい。

以下の説明においては、特に断らない限り予測装置７が行う処理は、予測プログラムに基づいて、実際には予測装置７のＣＰＵ１０１が行う処理を意味する。ＣＰＵ１０１はメモリ１０２を作業領域として必要なデータ（処理途中の中間データ等）を一時記憶し、記録部１０３に演算結果等の長期保存するデータを適宜記録する。

以上のように、システム１３０の入力部３、表示部４および予測装置７の各ハードウェア構成は、図１に示すシステム１００の入力部３、表示部４およびスクリーニング装置１、又は図５に示すシステム１１０の入力部３、表示部４およびスクリーニング装置２と同一であってもよい。

また、システム１３０は、ネットワークで接続された、標準データ２又は標準データ２の群を記憶した記憶装置１０を備えていてもよい。ネットワーク９は、例えばインターネット、仮想プライベートネットワーク（ＶＰＮ）、広域通信網（ＷＡＮ）、公衆交換電話網（ＰＳＴＮ）等の通信媒体であるが、記憶装置１０と予測装置７との間で通信を行うことができるものであれば制限されない。具体的には、システム１２０は、標準データ１又は標準データ１の群を記憶した記憶装置１０と後述する予測装置７を有する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の疾患を有する被験体における当該腎臓器官以外の１種以上の器官の疾患の存在、及び／又は病期を予測する予測システムであってもよい。

４−３．予測装置
本発明は、第４の態様として、下記の演算手段を有する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体における当該腎臓器官以外の１種以上の器官の疾患の存在、及び／又は病期を予測する予測装置を含む：
前記被験体における前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の情報を取得する病期情報取得手段、
前記病期情報取得手段が取得した病期の情報と、標準データ２とを照合する病期情報照合手段、
前記病期情報照合手段で得られた結果から、前記被験体における腎臓以外の１種以上の器官の器官連関指標因子のパターンを抽出するパターン抽出手段、及び
前記パターン抽出手段で得られた器官連関指標因子のパターンを指標にして、腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測する予測手段。

また、前記予測装置は、標準データ２の群を記憶した記憶装置１０から、標準データ２の群を取得する機能、あるいは、標準データ２の群を記憶した記憶装置１０から、１以上の標準データ２を取得する機能を含んでいてもよい。

本態様では、上記予測装置として予測装置７を備えたシステム１３０（図１７および図１８）によって、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測することができる。

図１９は、本発明の第４の態様に係る予測装置７の機能を説明するためのブロック図である。予測装置７は、病期情報取得部７１と、病期情報照合部７２と、パターン抽出部７３と、予測部７４とを備える。これらの機能ブロックは、本発明に係る予測プログラムを予測装置７の記録部１０３またはメモリ１０２にインストールし、これらのプログラムをＣＰＵ１０１が実行することにより実現される。これにより、予測装置７は、後述する「ＩＩ． ｉＯｒｇａｎｓ ４−５．予測方法」に記載の予測方法を実行する。なお、特許請求の範囲に記載の病期情報取得手段、病期情報照合手段、パターン抽出手段および予測手段が、図１７に示す病期情報取得部７１、病期情報照合部７２、パターン抽出部７３および予測部７４にそれぞれ対応する。

言い換えると、予測装置７は、ＣＰＵ１０１により下記の演算機能を実行する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体における当該腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測する予測装置である：
前記被験体における前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の情報を取得する病期情報取得機能、
前記病期情報取得機能が取得した病期と、標準データ２とを照合する病期情報照合機能、
前記病期情報照合機能で得られた結果から、前記被験体における腎臓以外の１種以上の器官の器官連関指標因子のパターンを抽出するパターン抽出機能、及び
前記パターン抽出機能で得られた器官連関指標因子のパターンを指標にして、腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測する予測機能。

本態様では、標準データ２Ｄ１および疾患情報データベースＤ２は予測装置７の外部に記録されており、例えばインターネットを介して予測装置７に取り込まれる。

なお、これら標準データ２Ｄ１および疾患情報データベースＤ２は予測装置７の記録部１０３またはメモリ１０２に予め記録されていてもよい。

また、病期情報取得部７１、病期情報照合部７２、パターン抽出部７３および予測部７４の各機能ブロックは、単一のＣＰＵで実行されることは必ずしも必要なく、複数のＣＰＵで分散して処理されてもよい。たとえば、病期情報取得部７１の機能は第１のコンピュータのＣＰＵにより実行され、病期情報照合部７２、パターン抽出部７３および予測部７４の機能は別の第２のコンピュータのＣＰＵにより実行されるというような構成であってもよい。

４−４．予測プログラム
また、予測装置７は、以下の図２０で説明するステップＳ４１〜Ｓ４９の処理を行うために、本発明に係る予測プログラムを、例えば実行形式で記録部１０３に予め記録しており、予測装置７は、記録部１０３に記録した予測プログラムを使用して処理を行う。

すなわち、本発明の第４の態様に係る予測プログラムは、コンピュータに実行させたときに、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体における当該腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測するための下記の処理を当該コンピュータに実施させる予測プログラム：
前記被験体における前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の情報を取得する病期情報取得処理、
前記病期情報取得処理で取得された病期と、標準データ２とを照合する病期情報照合処理、
前記病期情報照合処理で得られた結果から、前記被験体における腎臓以外の１種以上の器官の器官連関指標因子のパターンを抽出するパターン抽出処理、及び
前記パターン抽出処理で得られた器官連関指標因子のパターンを指標にして、腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測する予測処理。

また、前記予測プログラムは、標準データ２の群を記憶した記憶装置１０から、標準データ２の群を取得する処理、あるいは、標準データ２の群を記憶した記憶装置１０から、２以上の標準データ１を取得する処理を含んでいてもよい。

本態様では、図１８に示すように、上記予測プログラムは、ＣＤ−ＲＯＭ等の、コンピュータ読み取り可能であって一時的でない有形の記録媒体１０９に記録されており、記録媒体１０９から、予測装置７にインストールされる。あるいは、予測装置７をインターネット（図示せず）と接続し、インターネットを介して上記予測プログラムのプログラムコードをダウンロードしてもよい。また、上記の演算処理をコンピュータに実施させるため、本発明に係る予測プログラムを、記録部１０３またはメモリ１０２に格納された他のプログラムとリンクさせてもよい。例えば、予測プログラムを上記「ＩＩ．ｉＯｒｇａｎｓ
４−１．概要」で述べた市販のデータベースソフトとリンクさせ、当該データベースソフトを利用して病期情報照合処理及びパターン抽出処理を実施してもよい。

４−５．予測方法
本発明の第４の態様に係る予測装置７は、本発明の第４の態様に係る予測方法を実行する。本発明の第４の態様に係る予測方法は、下記の工程を有する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体における当該腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測する方法である：
前記被験体における前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の情報を取得する病期情報取得工程、
前記病期情報取得処理で取得された病期と、標準データ２とを照合する病期情報照合工程、
前記病期情報照合工程で得られた照合結果から、前記被験体における腎臓以外の１種以上の器官の器官連関指標因子のパターンを抽出するパターン抽出工程、及び
前記パターン抽出処理で得られた器官連関指標因子のパターンを指標にして、腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測する予測工程。

また、前記予測方法は、標準データ２の群を記憶した記憶装置１０から、標準データ２の群を取得する工程、あるいは、標準データ２の群を記憶した記憶装置１０から、１以上の標準データ２を取得する工程を含んでいてもよい。

図２０は、本発明の第４の態様に係る予測装置７が上記の予測方法を実行するために行うデータ処理の順序を示すフローチャートである。なお、図１９に示す病期情報取得部７１、病期情報照合部７２、パターン抽出部７３、および予測部７４により、図２０に示すステップＳ４１からＳ４９の処理がそれぞれ実行される。

ステップＳ４１では、病期情報取得部７１が病期の情報を取得する。病期の情報は、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患のいずれの病期であるかという情報であり、例えば入力部３による操作によって病期情報取得部７１が取得する。病期の情報を取得する態様はこれに限らず、病期の情報は、電子カルテから、又は外部とのデータ通信などの任意の方法で予測装置７の記録部１０３に記録されればよい。

ステップＳ４２では、病期情報照合部７２が病期の情報と標準データ２Ｄ１と照合する。次に、ステップＳ４３において、パターン抽出部７３が、ステップＳ４２での照合結果に基づいて、標準データ２の中から前記病期の情報と対応する腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期の標準データαを決定し、前記被験体の病期に対応する前記被験体における腎臓以外の１種以上の器官の器官連関指標因子のパターンを標準データαの中から抽出する。抽出すべき腎臓以外の１種以上の器官の名称は、入力部３から入力してもよい。具体的な抽出手順は、上記「ＩＩ．ｉＯｒｇａｎｓ ４−１．概要」の記載に準ずる。なお、上記「ＩＩ．ｉＯｒｇａｎｓ ４−４．予測プログラム」に記載の予測プログラムは、病期情報照合部７２及びパターン抽出部７３による演算処理を予測装置７のＣＰＵ１０１に実施させるプログラムのプログラムコードを含んでもよいし、例えば、上記の市販のデータベースソフトとリンクすることにより、当該データベースソフトを利用して病期情報照合部７２及びパターン抽出部７３による演算処理をＣＰＵ１０１に実施させてもよい。

ステップＳ４４では、予測部７４は、予測装置７の外部、又はメモリ１０２若しくは記録部１０３にダウンロードされた疾患情報データベースＤ２に適宜アクセスして、ステップＳ４３にて抽出された器官の器官連関指標因子のパターンと、疾患情報データベース内に記録された器官連関指標因子の情報との類似度を算出し類似度を決定する。そして、ステップＳ４６において、腎臓以外の器官に、前記器官における器官連関指標因子のパターンの全部又は一部と「類似している」（ステップＳ４５において「ＹＥＳ」）と判定された疾患が存在すると、又は腎臓以外の器官が、前記器官における器官連関指標因子のパターンの全部又は一部と「類似している」（ステップＳ４５において「ＹＥＳ」）と判定された疾患の病期であると決定する。次にステップＳ４７では、被験体が、ステップＳ４６で決定された疾患に罹患している、又は被験体が、ステップＳ４６で決定された疾患の病期であると予測する。なお、上記「ＩＩ．ｉＯｒｇａｎｓ ４−４．予測プログラム」に記載の予測プログラムは、予測部７４による演算処理を予測装置７のＣＰＵ１０１に実施させるプログラムのプログラムコードを含んでもよいし、例えば、上記「ＩＩ．ｉＯｒｇａｎｓ １．用語の説明」で述べた統計解析ソフトとリンクすることにより、当該統計解析ソフトを利用して予測部７４による演算処理をＣＰＵ１０１に実施させてもよい。

ステップＳ４８では、予測部７４が、ステップＳ４７で予測された結果を出力する。本態様では、予測結果を表示部４に表示するとともに、予測結果が、予測装置７内の記録部１０３に記録される。なお、予測結果を表示部４に表示する代わりに、インターネットを介して接続された、予測装置７の外部の例えば第三者機関におけるコンピュータ端末の表示部に表示してもよい。

ステップＳ４５において、ステップＳ４４の結果が「類似していない」であった場合は（ステップＳ４５において「ＮＯ」）、ステップＳ４９において、予測部７４は類似パターンが存在しないと決定する。

各ステップの具体的な手順は、上記「ＩＩ．ｉＯｒｇａｎｓ ４−１．概要」の記載に準ずる。

５．標準データの作成、標準データ
５−１．標準データの作成
本発明は、上記「３．Ｒｅｖｅｒｓｅ ｉＯｒｇａｎｓ」において使用する標準データ１、及び「４．Ｆｏｒｗａｒｄ ｉＯｒｇａｎｓ」において使用する標準データ２の作成方法に関する。

作成方法は、下記の工程を有する、被験体において腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測するために用いる、器官連関指標因子のパターンの標準データを作成する方法である：
ゴールデンスタンダードの陽性対象の腎臓以外の器官から採取された細胞又は組織から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の各病期に応じて器官連関指標因子を抽出する工程；
ゴールデンスタンダードの陰性対象の腎臓以外の器官から採取された細胞又は組織から器官連関指標因子を抽出する工程；
当該器官連関指標因子を同定及び定量する工程；
「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、器官連関指標因子のパターンを決定する工程；及び
前記器官連関指標因子のパターンを、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される一種の各病期に対応付ける工程。

具体的には、標準データ１を作成する手順は、後述する実施例に沿った手順である。

まず、陰性対象および腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の各病期の陽性対象の腎臓以外の器官（例えば脂肪）から細胞または組織を採取し、器官連関指標因子を抽出する。次に、抽出した器官連関指標因子を同定および定量する。

次に、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の腎臓以外の器官における器官連関指標因子の量と、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の腎臓以外の器官における器官連関指標因子の量との関係（比率）から、器官連関指標因子のパターンを決定する。決定した器官連関指標因子のパターンは、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患に対応付けられ、標準データ１としてあるいは標準データ１の群として例えば記録装置に記録しておく。さらに、標準データ１あるいは標準データ１の群を外部のサーバに記録することもできる。

さらに、本発明は、標準データ２を作成する方法を含む。

作成方法は、下記の工程を有する、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体において当該腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測するために用いる、器官連関指標因子のパターンの標準データ２を作成する方法である：
ゴールデンスタンダードの陽性対象の腎臓以外の器官から採取された細胞又は組織から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の各病期に応じて器官連関指標因子を抽出する工程；
ゴールデンスタンダードの陰性対象の腎臓以外の器官から採取された細胞又は組織から器官連関指標因子を抽出する工程；
当該器官連関指標因子を同定及び定量する工程；及び
「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎に、器官連関指標因子のパターンを決定する工程；
具体的には、標準データ２を作成する手順は、後述する実施例に沿った手順である。

まず、陰性対象および腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の腎臓以外の器官から細胞または組織を採取し、器官連関指標因子を抽出する。次に、抽出した器官連関指標因子を同定および定量する。

次に、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の腎臓以外の器官における器官連関指標因子の量と、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の腎臓以外の器官における器官連関指標因子の量との関係（比率）から、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の各病期毎に、器官連関指標因子のパターンを決定する。このように腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の各病期毎に決定した器官連関指標因子のパターンは、標準データ２としてあるいは標準データ２の群として例えば記録装置に記録しておく。さらに、標準データ２あるいは標準データ２の群を外部のサーバに記録することもできる。

５−２．標準データ
本発明は、上述の作成方法により作成される標準データ１又は標準データ１の群を含む。

当該標準データ１は、下記の工程により作成される、被験体の腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の存在、及び／又は病期を予測するために用いる、器官連関指標因子のパターンの標準データである：
ゴールデンスタンダードの陽性対象の腎臓以外の器官から採取された細胞又は組織から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の各病期に応じて器官連関指標因子を抽出する工程；
ゴールデンスタンダードの陰性対象の腎臓以外の器官から採取された細胞又は組織から器官連関指標因子を抽出する工程；
当該器官連関指標因子を同定及び定量する工程；
「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、器官連関指標因子のパターンを決定する工程；及び
前記器官連関指標因子のパターンを、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の各病期に対応付ける工程。

作成した標準データ１又は標準データ１の群は、予測装置６の記録部１０３またはメモリ１０２に格納してもよい。あるいは、作成した標準データ１は、予測装置６にローカルに接続する記憶装置に格納してもよいし、予測装置６がネットワーク経由でアクセス可能な外部記憶装置、たとえばサーバ装置の記憶装置などに格納してもよい。

さらに、本発明は、上述した作成方法により作成される標準データ２又は標準データ２の群を含む。

当該標準データ２は、下記の工程により作成される、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する被験体において当該腎臓以外の１種以上の器官の疾患の存在、及び／又は病期を予測するために用いる、器官連関指標因子のパターンの標準データである：
ゴールデンスタンダードの陽性対象の腎臓以外の器官から採取された細胞又は組織から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の各病期に応じて器官連関指標因子を抽出する工程；
ゴールデンスタンダードの陰性対象の腎臓以外の器官から採取された細胞又は組織から器官連関指標因子を抽出する工程；
当該器官連関指標因子を同定及び定量する工程；及び
「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有する陽性対象の前記腎臓以外の器官における器官連関指標因子の量」と「前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を有さない陰性対象の前記腎臓以外の器官と同一の器官における器官連関指標因子の量」との関係から、前記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の病期毎に、器官連関指標因子のパターンを決定する工程。

作成した標準データ２又は標準データ２の群は、予測装置７の記録部１０３またはメモリ１０２に格納してもよい。あるいは、作成した標準データ２又は標準データ２の群は、予測装置７にローカルに接続する記憶装置に格納してもよいし、予測装置７がネットワーク経由でアクセス可能な外部記憶装置、たとえばサーバ装置の記憶装置などに格納してもよい。

６．治療方法
Ｒ−ｉＯｒｇａｎｓ及びＦ−ｉＯｒｇａｎｓは、さらに腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の疾患を治療するための治療工程を含んでいてもよい。当該疾患の治療方法は公知の方法に従って行うことができる。被験体の腎機能が低下していると決定された場合には、その進行を遅らせるために、はじめに腎機能低下の原因となっている病態を治療してもよい。前記病態としては、糖尿病及び高血圧症等の生活習慣病、尿路感染、尿路閉塞糸球体腎炎、腎血管疾患（血流障害）、鎮痛剤による薬剤性腎症等の泌尿器系疾患等を挙げることができる。また、慢性腎疾患の進行を遅らせるため、血圧のコントロールや、食事制限等の処置を行ってもよい。さらに、慢性腎疾患が進行した場合には、リン吸着薬等の慢性腎臓病骨代謝異常に対する薬物治療等を行ってもよい。さらに、必要に応じて透析等を行ってもよい。

また、上記腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患の治療は、治療の有効成分として、Ｏｓｃａｒタンパク質のアンタゴニストを使用することができる。アンタゴニストとしては、Ｏｓｃａｒタンパク質の可溶性レセプターを挙げることができる。前記可溶性レセプターは、Ｏｓｃａｒタンパク質のリガンド結合領域のアミノ酸配列を含む。また、可溶性レセプターは、Ｏｓｃａｒタンパク質のリガンド結合領域のアミノ酸配列以外の分子として、免疫グロブリンのＦｃ部分、合成高分子ポリエチレングリコール（ＰＥＧ）等を含んでいてもよい。ヒトであればＮＰ＿９９６５５４．２（配列番号１）で表されるＯｓｃａｒタンパク質の活性化を阻害できる可溶性レセプターを挙げることができる。ヒトの場合、前記可溶性レセプターは、配列番号１で表されるアミノ酸配列の１〜２２８番目のアミノ酸配列の範囲のうち、少なくとも１〜２２０番目のアミノ酸配列の範囲、好ましくは１〜２２８番目のアミノ酸配列の範囲を含む。前記可溶性レセプターは、配列番号１で表されるアミノ酸配列の１〜２２８番目のアミノ酸配列の範囲と７０％以上、好ましくは８０％以上、より好ましくは８５％以上、さらに好ましくは９０％以上、さらにより好ましくは９５％の相同性を有するアミノ酸配列を、配列番号１で表されるアミノ酸配列に代えて有していてもよい。可溶性レセプターとして好ましくは配列番号２で示されるアミノ酸配列からなるペプチド、またはこれらのペプチドのアミノ酸配列のうち１〜３アミノ酸が置換、欠失又は挿入されたアミノ酸配列を有するペプチドであって、ヒトＯｓｃａｒの活性化を阻害することが可能なアミノ酸配列からなるペプチドを含む可溶性レセプターを挙げることができる。マウスの場合、ＮＰ＿７８３４４０．１（配列番号３）で表されるＯｓｃａｒの活性化を阻害できる可溶性レセプターを挙げることができる。前記可溶性レセプターは、配列番号３で表されるアミノ酸配列の１〜２３５番目のアミノ酸配列の範囲のうち、少なくとも１〜２２５番目のアミノ酸配列の範囲、好ましくは１〜２３５番目のアミノ酸配列の範囲を含む。前記可溶性レセプターは、配列番号３で表されるアミノ酸配列の１〜２３５番目のアミノ酸配列の範囲と７０％以上、好ましくは８０％以上、より好ましくは８５％以上、さらに好ましくは９０％以上、さらにより好ましくは９５％の相同性を有するアミノ酸配列を、配列番号３で表されるアミノ酸配列に代えて有していてもよい。可溶性レセプターとして好ましくは配列番号４で示されるアミノ酸配列からなるペプチド、またはこれらのペプチドのアミノ酸配列のうち１〜３アミノ酸が置換、欠失又は挿入されたアミノ酸配列を有するペプチドであって、マウスＯｓｃａｒの活性化を阻害することが可能なアミノ酸配列からなるペプチドを含む可溶性レセプターである。

アンタゴニストを、全身投与する場合には、成人体重１ｋｇあたり０．０１〜１，０００ｍｇ／日となるように投与することができる。

アンタゴニストを、局所投与する場合には、標的組織１ｃｍ^２あたり、０．０１〜１００ｍｇとなるように投与することができる。

また、前記アンタゴニストは、薬学的に許容される担体または添加剤を組み合わせて調製することができる。

以下に実施例を示して本発明を具体的に説明するが、本発明は実施例に限定し解釈されるものではない。

実験例１：慢性腎疾患モデルマウスの作成
慢性腎疾患モデルマウスは、片腎摘出後に高リン食で飼育して作成した。対照として、偽手術後に普通食で飼育したマウスを作成した。
１．片腎摘出
マウス（C57BL/6、8週齢オス）を、Avertin （250 mg/kg）の腹腔内投与で麻酔後、背部より皮膚を切開、右腎動静脈と尿管を結紮した。結紮部より遠位側で切断し、右腎を摘出した後閉腹した。対照については、偽手術を施した。偽手術においては、右腎動静脈と尿管を露出した後、結紮せずにそのまま閉腹した。手術侵襲から完全に回復するのを待つ意味で、普通食（0.35%無機リン含有）で4週間飼育した。

２．リン負荷
手術終了4週間後（12週齢）から、片腎摘出したマウスには高リン食（2.0%無機リン含有）を与えた（以下、腎疾患群ともいう）。偽手術したマウスには普通食（0.35%無機リン含有）を与えた（以下、Sham群ともいう）。

この慢性腎疾患モデルは、Hu MC et al.（ J Am Soc Nephrol 22, 124-136, 2011）に記載の方法の変法である。Hu MC et al.は、上記（1）の片腎摘出時、残存腎（左腎）に虚血再灌流障害を加えるが、今回の変法では、虚血再灌流は行わなかった。

実験例２：CKDの評価
１．高リン食開始後4週間（16週齢）
腎臓の組織学的観察では、Hematoxylin-Eosin（HE）染色で、近位尿細管細胞の好酸性色素（Eosin）に対する染色性の低下が認められ、ミトコンドリアに何らかの変化が起きていることが示唆された。腎間質に明らかな線維化の所見はないが、炎症細胞の浸潤が軽度認められた。

生理学的観察では、尿蛋白の増加を認めるものの、血中クレアチニンやリンの上昇、クレアチニン・クリアランスの低下は認められなかった。

後述するRNA-Seq解析による遺伝子発現観察では、線維化マーカー（Collagen-1、TGF-1）や炎症マーカー（IL-1、MCP-1）の発現亢進が認められた。

２．高リン食開始後8週間（20週齢）
腎臓の組織学的観察では、腎間質に線維化と細胞浸潤、すなわち腎線維症を認めた。
生理学的観察では、尿蛋白の増加、血中クレアチニン、リン、FGF23の上昇が認められた。しかし、クレアチニン・クリアランスはむしろ上昇しており、いわゆるHyperfiltrationの状態と考えられた。

３．高リン食開始後12週間（24週齢）
高リン食開始後12週間では、高リン食開始後8週間で認められた上記所見がさらに進行した。腎臓の皮髄境界を中心に石灰化を認める場合もあった。しかし、死亡する例はなかった。

実施例１：R-iOrgansによる多器官連関の観察
１．各器官の摘出
高リン食開始後（Sham群においては普通食）、1週間後（初期）、4週間後（中期）に器官若しくは組織（膵臓、頭蓋骨、脳、下垂体、腎臓、副腎、肝臓、脾臓、胸腺、心臓、肺、顎下腺甲状腺、大動脈、骨格筋、皮膚、精巣、脂肪、眼、胃、空腸、回腸、大腸）を摘出した。

器官、若しくは組織を摘出する動物は、解剖前日より一晩絶食にし、無麻酔下で頸椎脱臼して安楽死させ、器官、及び組織を摘出した。摘出した器官、及び組織は湿重量を測定した後、液体窒素で速やかに凍結後-80℃にて保存した。

２．RNAの解析
（１）各組織からのRNA抽出
凍結保存された各組織をTRIzol Reagent (Life technologies)中で、Cell Destroyer PS1000 (Pro Sense inc) あるいは、 PT 10-35 6T Polytron homogenizer (KINEATICA) にて組織をホモジナイズした。その後タンパク質を分離するため室温にて5分インキュベート後、1 ml のTRIzolに対して0.2mlのクロロホルムを加え、チューブの蓋をした後に15秒間激しくボルテックスした。撹拌後3分間室温でインキュベートし、4℃で15分間12,000 gで遠心し、RNAを含む水相を新しいチューブに回収した。回収した水相に等量の70％エタノールを加え撹拌後、RNeasy mini column (Qiagen)に700μlずつアプライしRNeasy minikit（Qiagen） 標準プロトコルに従って精製RNAを回収した。回収したRNAは1％アガロース電気泳動及びNanodrop にて品質及び濃度の確認を行った。

（２）RNAseqデータの取得
マクロジェン・ジャパン株式会社で上記試料を使用してRNA-seqのデータを以下の手順で取得した。

ｉ．品質検査
下記項目にて、受入サンプルの品質検定を行った。
・Agilent 2200 TapeStationSytemによる濃度測定・品質の確認

ｉｉ．サンプル調製
品質検定に合格したTotal RNAについて、500~1000ng のTotal RNAをテンプレートとしてイルミナ社TruSeq RNA Sample Prep Kit を用いて標準プロトコルに従い下記の要領でシーケンス用ライブラリ調製を行った。
（a）Oligo-dT ビーズを用いたpoly(A)-RNAの精製
（b）poly(A)-RNA断片化
（c） 逆転写/2nd鎖cDNA合成
（d） 末端修復・3'A付加
（e） アダプターライゲーション
※アダプターには、各検体識別用のインデックスタグを含む。
（f） PCR増幅
（g） AMPure XP ビーズによる精製・低分子除去（＜200bp）

ｉｉｉ．次世代シーケンサによるデータ取得
次世代シーケンサ「Illumina HiSeq 4000」を使用し、Paired-End法 100塩基読み取りにより塩基配列データを取得した。

（３）RNAseqデータの解析（３−１）次世代シーケンサ出力データの解析
上記出力データについて、下記に挙げる情報処理を実施した。
ｉ．ベースコール：出力された解析生データ（画像データ）より、塩基配列のテキストデータを取得した。
ｉｉ．フィルタリング：所定のフィルタリングによるリードデータの選別を行った。
ｉｉｉ．Index配列による振り分け：Index情報による各サンプルデータの振り分けを行った。

（３−２）出力されたデータの2次解析
Illumina Hiseqにて得られたデータファイル（Fastq形式）をローカルサーバーにダウ
ンロードしたGalaxy (https://usegalaxy.org/) 上にアップロードした。その後マウスゲノムマップ情報mm10に各配列をマッピングするためにBowtie2（http://bowtie-bio.sourceforge.net/bowtie2/index.shtml） を用いて解析した。Bowtie2で得られたBAMファイル
をCufflinks (http://cole-trapnell-lab.github.io/cufflinks/) にて解析することで遺伝子毎にFPKM（RPKM）を算出した。

（３−３）結果
それぞれの遺伝子のRNAの発現量（FPKM値）を対応するsham群マウスのRNAの発現量（FPKM値）で除した値（以下、［CKD／sham］ともいう）が１より大きいか１より小さい遺伝
子を２群、１．５より大きいか０．６７より小さい遺伝子を３群、２より大きいか０．５より小さい遺伝子を４群、５より大きいか０．２より小さい遺伝子を５群に分類した（図２２）。なお、FPKMが１未満のものは全て「１」として扱った。また、Sham＞１であってCKD/Sham >５の遺伝子、Sham＜１であってCKD＞１０の遺伝子、Sham＞１０であってCKD/Sham ＜０．３の遺伝子を図２３に示した。特に図２３の遺伝子は、腎機能の状態を最もよく反映すると考えられた。

上記結果から、図２２及び図２３に記載の遺伝子から発現されるタンパク質又はmRNAは、腎機能を予測するためのマーカーとして好ましく使用できると考えられた。また、図２２及び図２３に記載の遺伝子から発現されるタンパク質又はmRNAは、iOrgansテクノロジーにおいて、器官連関指標因子として好ましく使用できると考えられた。
実施例２：各疾患における器官連関指標因子のパターンの類似度の比較
R-iOrgansの理論にしたがって、慢性腎疾患モデルマウス各病期において採取された各器官の細胞又は組織から得られた器官連関指標因子のパターンから、慢性腎疾患の有無、及び病期が予測できることを実証するため、図２２に示す５群のRNAに関し、心筋梗塞、病期毎に各器官でのRNAの発現パターンの相関係数を求めた。相関係数は、スピアマンの順位相関法と、Zスコア法を改変して求めた。

また、２つの器官における器官連関指標因子のパターンの相関係数に基づいて類似度を求めた。

１．スピアマンの順位相関
解析ソフトRの関数cor (method=”spearman”)を使用して、計算した。結果を表４−１〜表４−８に示す。

表４−１〜表４−８に示すように、同じ器官において、疾患が異なる場合、ρ値が、0.55を下回ることが示された。また、同じ器官、同じ疾患であっても病期が異なる場合、ρ値が、0.75を下回ることが示された。言い換えれば、標準データ１と被験データのρ値が0.55以上であれば、被験データが標準データ１と同じ疾患を有すると判断することができ、標準データ１と被験データのρ値が0.75以上であれば、被験データが標準データ１と同じ病期であると判断することができると考えられた。

２．Zスコア応用法
被験データの遺伝子発現量を標準データの遺伝子発現量で遺伝子毎に割り、その値をlog2 でスケーリングした。スケーリングした値を x_i とした（i=1,…,遺伝子数）。値 x_i について、遺伝子全体での平均μ、分散 σ を求めた。

ここで、とある遺伝子i についてのzスコアz_i は下式で表される。

これは、遺伝子iのスケーリング値 x_i が、遺伝子全体の平均からどれだけ離れているかを定量した値になる。ここでは、遺伝子iがどれだけ遺伝子全体に対して特異な発現変動をしているかを表している。この値は0に近ければ特異な発現変動をしていないことを表し、0から遠いほど特異な発現変動をしていることを表しす。このスケーリング値z_i の中央値（Z’）をとることで、特異な発現変動をした遺伝子の程度を定量することができる。

解析には、Rを使用し数式1を計算するスクリプトを記述した。結果を表５−１〜５−８に示す。

表５−１〜表５−８に示すように、同じ器官において、疾患が異なる場合、zi値の絶対値が、大きくなることが示された。

参考実施例１
実験例Ｉ．Oscar遺伝子変異マウスの作製
１．gRNAおよびCas9発現ベクターの構築
Optimized CRISPR design tool [Massachusetts Institute of Technology, ZhangLabのHP (http://crispr.mit.edu/) において公開] を用いて、gRNA配列 (Oscar-gRNA1, Oscar-gRNA2)を設計し、gRNA配列をコードするオリゴDNAを合成した。これらの配列に含まれるOscar遺伝子標的配列は、Oscar-gRNA1がACAGCTGGAGTATCAGCGAC（配列番号５）およびOscar-gRNA2がGCTCACAGAGAGTCGACAGC（配列番号６）に示される配列であり、Oscar遺伝子のエクソン１に存在する配列である。これらを、Cas9発現ベクターであるpX330-U6-Chimeric_BB-CBh-hSpCas9に挿入した(pX330-Oscar-gRNA1, pX330-Oscar-gRNA2) 。得られたベクターについて、gRNA挿入部位の塩基配列を決定し、設計通りにgRNAが挿入されたことを確認した。また、それぞれのOscar遺伝子標的配列をはさむようにsingle-stranded oligodeoxynuleotides (ssODNs) を合成した。ドナーオリゴDNAは、Oscar-gRNA1切断予定部位のSerineコード配列直下およびOscar-gRNA2切断予定部位のLeucineコード配列直下に終止コドンを置くデザインとした（図２４A、B）。
ssODNs for Oscar-gRNA1：GCCAAGGATCCACACACAGGGGAGGGACAGCTCACAGAGAGTCGACAGCTGGAGTATCAGcctcagaagaactcgtcaagaagtcaCGACAGGACCATGGTGGGCACTCTCCGTGGAGCTGAGGAAAAGGTTGACCCTGCCTTTTT（配列番号７）
ssODNs for Oscar-gRNA2：ATAGCCCTCAGCCCAGCCAAGGATCCACACACAGGGGAGGGACAGCTCACAGAGAGTCGAcctcagaagaactcgtcaagaagtcaCAGCTGGAGTATCAGCGACAGGACCATGGTGGGCACTCTCCGTGGAGCTGAGGAAAAGGT（配列番号８）

２．Oscar遺伝子変異マウスの作製
pX330-Oscar-gRNA1とpX330-Oscar-gRNA2を対応するssODNsと共にC57BL/6N Slc受精卵にそれぞれインジェクションした。インジェクションした受精卵は、偽妊娠ICRメスマウスの卵管に注入した。F0マウスをPCR（プライマーは表５参照）とダイレクトシークェンスでジェノタイプを確認した。F1マウスはF0マウス同士を交配させて作製した。

それぞれのマウスのジェノタイプは、ダイレクトシークェンスと、表５に記載のプライマーを使用したhigh resolution melting (HRM) analysesで決定した。

得られた変異マウスのジェノタイプの配列を図２４Cに示す。

実験例ＩＩ．疾患モデルマウスの作製
１．UNx/HPiモデルマウスの作成
UNx/HPiマウス（片腎切除-高リン食マウス）は、片腎摘出後に高リン食で飼育して作製した。対照として、偽手術後に低リン食で飼育したマウスを作成した。

１−１．片腎摘出
マウス（C57BL/6J、8週齢オス）を、Avertin （250 mg/kg）の腹腔内投与で麻酔後、背部より皮膚を切開、右腎動静脈と尿管を結紮した。結紮部より遠位側で切断し、右腎を摘出した後閉腹した。対照については、偽手術を施した。偽手術においては、右腎動静脈と尿管を露出した後、結紮せずにそのまま閉腹した。手術侵襲から完全に回復するのを待つ意味で、0.54％無機リン含有普通食 (CE-2, 日本クレア)で4週間飼育した。

１−２．リン負荷と組織の摘出
手術終了4週間後（12週齢）から、片腎摘出したマウスには2％無機リン含有高リン食 (TD.10662, オリエンタルバイオサービス)高リン食（2.0%無機リン含有）を与えた（以下、腎疾患群ともいう）。偽手術したマウスには0.35％無機リン含有低リン食 (TD.10662変型, オリエンタルバイオサービス)を与えた（以下、Sham群ともいう）。

この慢性腎疾患モデルは、Hu MC et al.（ J Am Soc Nephrol 22, 124-136, 2011）に記載の方法の変法である。Hu MC et al.は、上記（1）の片腎摘出時、残存腎（左腎）に虚血再灌流障害を加えるが、今回の変法では、虚血再灌流は行わなかった。
高リン食開始後（Sham群においては低リン食）、1週間後（E）、4週間後（M）および8週間後（L）に組織を摘出した。

組織を摘出する動物は、麻酔下で眼窩より採血後、頸椎脱臼して安楽死させ、器官、および組織（骨髄、脳、皮膚、心臓、腎臓、肝臓、肺、膵臓、骨格筋、脾臓、精巣、胸腺、脂肪、大腸、胃、副腎、大動脈、目、回腸、空腸、下垂体、頭蓋骨、唾液腺および甲状腺）を摘出した。摘出した器官、および組織は湿重量を測定した後、液体窒素で速やかに凍結後-80℃にて保存した。

２． リン負荷マウスモデルの作成
２−１．リン負荷
ＷＴマウス (C57BL/6N、7週齢オス)、又は、Oscar遺伝子変異マウス（７−１６週齢、オス・メス) を0.54％無機リン含有普通食 (CE-2, 日本クレア) で１週間飼育した後、特別リン含有食として2％無機リン含有高リン食 (TD.10662, オリエンタルバイオサービス) 又は、0.35％無機リン含有低リン食 (TD.10662変型, オリエンタルバイオサービス) を与えた。

２−２．組織の摘出
ＷＴマウスへの特別リン含有食の開始時（8週齢）、開始後1日、３日、１週間 (9週齢)、4週間 (12週齢) に頭蓋骨を摘出した。Oscar遺伝子変異マウスは特別リン含有食の開始後、１週間に頭蓋骨を摘出した。組織を摘出する動物は、Avertin (250 mg/kg) の腹腔内投与で麻酔後頸椎脱臼による安楽死の後に、組織を摘出した。摘出した組織は重量を測定した後、液体窒素で速やかに凍結後-80℃にて保存した。

実験例ＩＩＩ．各組織における遺伝子発現解析
１．各組織からのＲＮＡ抽出
凍結保存された各組織をTRIzol Reagent (LThermo Fisher Scientific, MA, USA)中で、PT10-35 GT Polytron homogenizer (KINEMATICA, Luzern, Switzerland) で15,000 r.p.m. で10分間ホモジナイズするか、乳鉢と乳棒を使い液体窒素中で粉砕、乾燥させた後、TRIzol Reagent (LThermo Fisher Scientific, MA, USA)中で、PT10-35 GT Polytron homogenizer (KINEMATICA, Luzern, Switzerland) で15,000 r.p.m. で10分間ホモジナイズするか、Cell Destroyer PS1000またはPS2000(Bio Medical Science Inc., Tokyo, Japan) で異なるサイズのジルコニアビーズ（1.5 mm diameter × 50, 3 mm diameter × 5, 5 mm diameter× 2）を用いて4,260 rpmで45秒間、４℃でホモジナイズした。その後タンパク質を分離するため室温にて5分インキュベート後、1 ml のTRIzolに対して0.2mlのクロロホルムを加え、チューブの蓋をした後に15秒間激しくボルテックスした。撹拌後3分室温でインキュベートし、4℃で15分間12,000 gで遠心し、RNAを含む水相を新しいチューブに回収した。回収した水相に等量の70％エタノールを加え撹拌後、RNeasy mini column (Qiagen)に700μlずつアプライしRNeasy mini kit（Qiagen） 標準プロトコルに従って精製RNAを回収した。回収したRNAはNanodrop (Thermo Fisher Scientific, MA, USA) にて品質および濃度の確認を行った。

２．RNAの発現解析（RNA-Seq）
（１）RNAseqデータの取得
上記試料を使用してRNAseqのデータを以下の手順で取得した。

ａ．品質検査
下記項目にて、受入サンプルの品質検定を行った。
・Nanodrop（分光光度計）を用いた濃度測定
・Agilent 2100 Bioanalyzerによる濃度測定・品質の確認

ｂ．サンプル調製
SureSelect Strand-Specific RNA ライブラリ調製キットを用いて次世代シークエンサーHiSeq 用ライブラリを以下の工程に従い調製した。
i. Total RNA から、オリゴ（dT）磁性ビーズを用いて、poly (A)+RNA (mRNA) を回収
ii. RNA の断片化
iii. cDNA 合成
iv. 2 本鎖 cDNA 合成
v. 末端修復、リン酸化、A テイル付加
vi. インデックス付アダプターのライゲーション
vii. 13 サイクルPCR
viii. 磁性ビーズによる精製

ｃ．次世代シーケンサによるデータ取得
次世代シーケンサHiSeq 2500または4000 (illumina 社)を使用し、以下の工程に従いシーケンスを行った。
i. シーケンス試薬の添加
試薬：TruSeq PE Cluster Kit v3 - cBot - HS (1 flowcell) <PE-401-3001> (illumina 社)
試薬：TruSeq SBS Kit v3 - HS (200 cycle) <FC-401-3001> (illumina 社)
ii. １塩基伸長反応
iii. 未反応塩基の除去
iv. 蛍光シグナルの取り込み
v. 保護基と蛍光の除去
2Cycle…3Cycle…とサイクルを繰り返し、100 cycle まで実施。
vi. 逆鎖（Read2）について、i~viを100 cycle まで実施

（２）RNAseqデータの解析
（２）−１．次世代シーケンサ出力データの解析
上記出力データについて、下記に挙げる情報処理を実施した。
i.ベースコール：出力された解析生データ（画像データ）より、塩基配列のテキストデータを取得した。
ii.フィルタリング：所定のフィルタリングによるリードデータの選別を行った。
iii.Index配列による振り分け：Index情報による各サンプルデータの振り分けを行った。

（２）−２．出力されたデータの2次解析
Illumina Hiseq2500または4000にて得られたデータファイル（Fastq形式）をローカルサーバーにダウンロードしたGalaxy (https://usegalaxy.org/) 上にアップロードした。その後マウスゲノムマップ情報mm10に各配列をマッピングするためにBowtie2（http://bowtie-bio.sourceforge.net/bowtie2/index.shtml） を用いて解析した。Bowtie2で得られたBAMファイルをCufflinks (http://cole-trapnell-lab.github.io/cufflinks/) にて解析することで遺伝子のFPKM（RPKM）を算出した。すなわちこの解析では、各組織に発現している全てのRNAを解析対象とした。

３．qRT-PCR
各組織から得られたTotal RNA 1 μgをcDNA合成のテンプレートとしOligo dT20プライマーを用いてSuperscrtipt III First-Strand Synthesis Supermix (Life technologies) の標準プロトコルに従いcDNAを合成した。合成されたcDNAをTEバッファー（10mM Tris-HCl pH8.0、0.1 mM EDTA）にて20倍希釈した後 、LightCycler 480 SYBR Green I Master(Roche, Basel, Switzerland) の標準プロトコルに従い、LightCycler480II (Roche) にてリアルタイムPCRを行いCp値を測定した。各遺伝子で得られたCp値はreference geneとしてβ２−ミクログロブリン（B2m）のCp値と比較することでreference geneに対する各遺伝子の相対的発現量を定量した。リアルタイムPCRで使用したプライマーペアは表６の通りである。全てのプライマーはPrimer-BLAST（NCBI）で設計した。

４．発現差のある遺伝子の解析
発現差のある遺伝子を抽出するため、Bowtie2によってマッピングされた配列データについてHTSeq-count（パラメーターは -rがpos、および -sがno）を使用してそれぞれの転写物のアノテーションリードナンバーをカウントした。得られた結果は、DESeq2（Love, M. I., Huber, W. & Anders, S.; Genome biology 15, 550, doi:10.1186/s13059-014-0550-8 (2014)）解析により、デフォルト設定で行った。発現差は、E-UNx/HPi vs. E-/M-/L-Sham (n=3)、M-UNx/HPi vs. E-/M-/L-Sham (n=3)、L-UNx/HPi vs. E-/M-/L-Sham (n=3)で比較した。遺伝子オントロジー解析（Gene ontology (GO) enrichment analysis）は、R package “topGO”を使用して行った。遺伝子オントロジー解析において、DESeq2解析の結果が1以上のものであり、かつP値が0.05より小さいものを「log₂ (fold-change)」として定義した。

５．統計解析
統計解析は、ステューデントのt検定を行うか、または一元配置分散分析を行った後Tukey-Kramer検定で有意差を求めた。そしてp値が0.05より小さい場合に有意差有りと定義した(* p < 0.05、 ** p < 0.01、 and *** p < 0.001)。散布図において平均値は横線で表す。

６．結果
図２５に高リン食開始後1週間後（E-UNx/HPi）、4週間後（M-UNx/HPi）、８週間後（L-UNx/HPi）の頭蓋骨のボルカノプロットを示す。各mRNAのDESeq解析後のプロットを小さな点で示し、Oscarを大きな点で示した。E-UNx/HPi、M-UNx/HPi、L-UNx/HPiとも、Oscar遺伝子は、shamマウス（LPi）よりもUNx/HPiモデルマウス（HPi）において発現が上昇していた。また、図２６Aに各組織におけるOscar遺伝子の発現のDESeq解析結果を示す。Oscar遺伝子は-UNx/HPiモデルの頭蓋骨でE-、M-、L-に渡って高い発現を示した。また、この結果については、qRT-PCRで確認を行った（n=8~9）。その結果、頭蓋骨において、E-UNx/HPi、M-UNx/HPi、L-UNx/HPiとも、Oscar遺伝子は、shamマウス（LPi）よりもUNx/HPiモデルマウス（HPi）において発現が上昇していた（図２６B）。DESeq解析では、腎臓でのOscar遺伝子の発現は、わずかに発現上昇を示したが、qRT-PCRで確認を行ったところ有意差は認められなかった（図２６C）。

FGF23は、腎疾患において副甲状腺−骨−腎臓の組織間連関の主要制御因子の１つである。FGF23遺伝子は、E-UNx/HPi、M-UNx/HPi、L-UNx/HPiとも、頭蓋骨でshamマウス（LPi）よりもUNx/HPiモデルマウス（HPi）において発現が上昇していた。（図２７）。

次にマウスの餌を普通食から低リン食或は高リン食に切り替えた後のOscar遺伝子とFGF23遺伝子の経時的な発現を頭蓋骨で確認した。低リン食或は高リン食への切り替えから１日後、3日後、1週間後、4週間後の頭蓋骨のOscar遺伝子の発現を図２８Aに、FGF23遺伝子の発現を図２８Bに示す。高リン食への切り替えから１日目で既に、頭蓋骨におけるOscar遺伝子とFGF23遺伝子の発現は上昇した。Oscar遺伝子の発現上昇は、スチューデントのt検定においてよりp値がより低いことから、FGF23遺伝子の発現上昇よりロバストに変化した。また、普通食から低リン食への切り替えを行ったところ、Oscar遺伝子の発現量は、有意に減少したが、FGF23遺伝子の発現量は変化しなかった。高リン食への切り替え３日後をピークにOscar遺伝子の発現は徐々に上昇しなくなる傾向を示した。これに対してFGF23遺伝子は、高リン食が進むにつれ発現が徐々に上昇した。この結果から、Oscar遺伝子の発現は、FGF23の発現よりも、より強くより敏感にリン摂取量を反映することが示された。

さらに、骨におけるOscarの発現上昇が骨におけるFGF23の発現にどのような効果をもたらすかを検討した。上記Ｉ．で作製したOscer遺伝子変異マウスに高リン食を与え、骨におけるFGF23の発現をqRT-PCRで検討した。その結果、図２９に示すようにOscar遺伝子変異マウスでは、高リン食を投与しても骨におけるFGF23の発現は上昇しなかった。

このことから、OscarはFGF23の発現経路を正方向に制御していることが示された。したがってOscarの機能発現を抑制することによりFGF23の機能発現を抑制することができ、さらに、Oscarの機能発現を抑制することによりFGF23が関与する疾患を制御できることが示された。
参考実施例２：可溶性ヒトOscar-Fc融合タンパクの調製
可溶性ヒトOscar-Fc融合タンパクをコードする塩基配列を有する含む発現プラスミドを動物細胞で発現させ、配列番号２に示す可溶性ヒトOscar-Fc融合タンパクを調製した。該タンパク質の調製は、株式会社プロテイン・エクスプレス（千葉、日本）に依頼した。

＜humanOscar-humanIgG1のアミノ酸配列＞
MALVLILQLLTLWPLCHTDITPSVAIIVPPASYHPKPWLGAQPATVVTPGVNVTLRCRAPQPAWRFGLFKPGEIAPLLFRDVSSELAEFFLEEVTPAQGGSYRCCYRRPDWGPGVWSQPSDVLELLVTEELPRPSLVALPGPVVGPGANVSLRCAGRLRNMSFVLYREGVAAPLQYRHSAQPWADFTLLGARAPGTYSCYYHTPSAPYVLSQRSEVLVISWEGEGPEARPASDKTHTCPPCPAPELLGGPSVFLFPPKPKDTLMISRTPEVTCVVVDVSHEDPEVKFNWYVDGVEVHNAKTKPREEQYNSTYRVVSVLTVLHQDWLNGKEYKCKVSNKALPAPIEKTISKAKGQPREPQVYTLPPSREEMTKNQVSLTCLVKGFYPSDIAVEWESNGQPENNYKTTPPVLDSDGSFFLYSKLTVDKSRWQQGNVFSCSVMHEALHNHYTQKSLSLSPGK*（配列番号２）
（下線―hinge regionを示す。hinge regionより上流がヒトOscarの配列であり、hinge regionより下流が、ヒトIgG1配列である。）

１．細胞の準備
FreeStyle293-F細胞を、FreeStyle293 Expression Medium (Invitrogen)で継代培養を行った。継代培養は500mlフラスコを用い、振とう速度120rpm、二酸化炭素濃度8%、温度37℃にて培養を行った(170mL培地)。トランスフェクション前日に細胞を6 x 10⁵ cells/mLに希釈し全量1Lとし、24時間培養した。培養後、1 x 10⁶ cells/mLの細胞数に調整し、トランスフェクションに用いた。

２．発現試験
37℃に温めておいたOptiProSFM (Invitrogen) 30 mLにトランスフェクション試薬薬293fection T ransfection Reagent( Invitrogen ) 2.1 mL を添加し、試薬溶液とした。同様にOptiPro SFM 30mL に下記配列を有するkozak-hOscar-hIgG1-intronXbaIを含むpcDNA3(インビトロジェン) 1 mgを添加し、DNA溶液とした。作製した試薬溶液とDNA溶液を室温で5分間インキュベートした。5分後の試薬溶液とDNA溶液を混合し、トランスフェクション溶液とした。トランスフェクション溶液を室温で20分間インキュベートし、トランスフェクション用に調整された培養液に添加した。トランスフェクション開始から1日目、2日目、3日目にサンプリングを行い、4日目に培養を終了した。得られたサンプルを遠心操作で上清と沈殿に分け、SDS-PAGE及びウエスタンブロッティングでタンパク質の発現を確認した。

＜kozak-hOscar-hIgG1-intronXbaI＞
aagcttgccaccATGGCCCTCGTGCTTATCCTCCAACTTCTCACGCTTTGGCCTCTGTGCCACACCGACATTACTCCGTCTGTTGCGATAATTGTCCCTCCCGCCTCTTATCACCCTAAACCTTGGCTGGGCGCACAGCCAGCTACTGTGGTTACTCCTGGGGTGAACGTAACACTGCGCTGCCGTGCTCCTCAGCCCGCCTGGAGATTTGGGTTGTTTAAGCCCGGAGAGATAGCACCACTGCTGTTTCGGGATGTGTCCTCAGAGCTGGCTGAGTTCTTCCTGGAAGAGGTCACTCCTGCCCAAGGAGGCAGCTATCGGTGCTGTTATAGGCGGCCGGATTGGGGACCCGGCGTTTGGTCCCAACCATCTGATGTGCTCGAACTGCTTGTGACAGAAGAGCTGCCCAGACCTAGCTTGGTAGCCTTGCCCGGTCCTGTCGTCGGACCTGGTGCCAATGTTTCTCTTCGATGTGCCGGAAGGCTGCGCAATATGTCCTTTGTACTGTATAGGGAGGGAGTAGCCGCACCTCTGCAGTATAGGCATAGCGCTCAGCCCTGGGCGGATTTTACTCTGCTTGGTGCCAGAGCACCCGGGACCTATTCCTGCTACTACCACACTCCTTCCGCACCCTACGTCCTGTCACAGAGATCAGAAGTGCTCGTGATCTCCTGGGAGGGAGAAGGCCCAGAAGCCGACAAAACTCACACATGCCCACCGTGCCCAGgtaagccagcccaggcctcgccctccagctcaaggcgggacaggtgccctagagtagcctgcatccagggacaggccccagccgggtgctgacacgtccacctccatctcttcctcagCACCTGAACTCCTGGGGGGACCGTCAGTCTTCCTCTTCCCCCCAAAACCCAAGGACACCCTCATGATCTCCCGGACCCCTGAGGTCACATGCGTGGTGGTGGACGTGAGCCACGAAGACCCTGAGGTCAAGTTCAACTGGTACGTGGACGGCGTGGAGGTGCATAATGCCAAGACAAAGCCGCGGGAGGAGCAGTACAACAGCACGTACCGTGTGGTCAGCGTCCTCACCGTCCTGCACCAGGACTGGCTGAATGGCAAGGAGTACAAGTGCAAGGTCTCCAACAAAGCCCTCCCAGCCCCCATCGAGAAAACCATCTCCAAAGCCAAAGgtgggacccgtggggtgcgagggccacatggacagaggccggctcggcccaccctctgccctgagagtgactgctgtaccaacctctgtccctacagGGCAGCCCCGAGAACCACAGGTGTACACCCTGCCCCCATCCCGGGATGAGCTGACCAAGAACCAGGTCAGCCTGACCTGCCTGGTCAAAGGCTTCTATCCCAGCGACATCGCCGTGGAGTGGGAGAGCAATGGGCAGCCGGAGAACAACTACAAGACCACGCCTCCCGTGCTGGACTCCGACGGCTCCTTCTTCCTCTACAGCAAGCTCACCGTGGACAAGAGCAGGTGGCAGCAGGGGAACGTCTTCTCATGCTCCGTGATGCATGAGGCTCTGCACAACCACTACACGCAGAAGAGCCTCTCCCTGTCTCCGGGTAAATGAtctaga（配列番号20）

３．Bipo Resin Protein A (10mI)を用いた精製
培養上清(1L)をBipoResin Protein A (10mL)にロードし、目的タンパク質の精製を行った。PBSで洗浄後、100mMクエン酸バッファー pH2.5にて目的タンパク質の溶出を行った(5mL×5)。溶出液は1M Tris-HCI pH9.0で中和した。精製後、各フラクションについて、SDS-PAGE及びウエスタンブロッティングでタンパク質の精製を確認した。その結果溶出画分に目的タンパク質のバンドを確認した。目的タンパク質を含むフラクションを回収し、PBSにバッファー交換した(全量50mL)。かくしてl mg/mLの可溶性ヒトOscar-Fc融合タンパクを得た。
実施例２：HPモデルマウスへの可溶性ヒトOscar-Fc融合タンパク投与実験
HPマウス（高リン食負荷マウス）は、高リン食で飼育して作製した。このモデルにおいて、可溶性ヒトOscar-Fc融合タンパクを毎週投与した。

１．リン負荷
高リン食マウス（HP）は、マウス (C57BL/6N、8週齢オス)に、特別リン含有食として2％無機リン含有高リン食 (TD.10662, オリエンタルバイオサービス)を与え作製した。低リン食マウス（LP）は、0.35％無機リン含有低リン食 (TD.10662変型, オリエンタルバイオサービス)を与えた。

２．可溶性ヒトOscar-Fc融合タンパクの投与と組織の摘出
高リン食開始日(第0週)から１週間毎に可溶性ヒトOscar-Fc融合タンパク(10 mg/kg)を第4週までの計5回を腹腔内投与した。本実験においてのコントロール群には、生理食塩水を投与した。
第4週の5回目の腹腔内投与が終了した翌日に、組織を摘出した。組織を摘出する動物は、トリブロモエタノール麻酔（250 mg/kg）下で眼窩よりEDTA添加チューブへの採血後、頸椎脱臼して安楽死させ、器官、および組織（頭蓋骨、脳、下垂体、耳下腺、甲状腺、心臓、肺、膵臓、腎臓、副腎、肝臓、脾臓、胸腺、大動脈、大腿筋、皮膚、精巣、脂肪組織、胃、空腸、回腸、大腸、骨髄細胞）を摘出した。摘出した器官、および組織は湿重量を測定した後、液体窒素で速やかに凍結後-80℃にて保存した。採取した血液は、室温にて10分間1200gで遠心した。遠心後に上清の血漿を回収し、-80℃にて保存した。

３．各組織における遺伝子発現解析及び血液成分の測定
３−１．各組織からのRNA抽出
凍結保存された各組織をTRIzol Reagent (LThermo Fisher Scientific, MA, USA)中で、PT10-35 GT Polytron homogenizer (KINEMATICA, Luzern, Switzerland) で15,000 r.p.m. で10分間ホモジナイズするか、Cell Destroyer PS1000またはPS2000(Bio Medical Science Inc., Tokyo, Japan) で異なるサイズのジルコニアビーズ（1.5 mm diameter × 50, 3 mm diameter × 5, 5 mm diameter× 2）を用いて4,260 rpmで45秒間、4℃でホモジナイズした。その後タンパク質を分離するため室温にて5分インキュベート後、1 ml のTRIzolに対して0.2mlのクロロホルムを加え、チューブの蓋をした後に15秒間激しくボルテックスした。撹拌後3分室温でインキュベートし、4℃で15分間12,000 gで遠心し、RNAを含む水相を新しいチューブに回収した。回収した水相に等量の70％エタノールを加え撹拌後、RNeasy mini column (Qiagen)に700μlずつアプライしRNeasy mini kit（Qiagen）標準プロトコルに従って精製RNAを回収した。回収したRNAはNanodrop (Thermo Fisher Scientific, MA, USA)にて品質および濃度の確認を行った。

３−２．qRT-PCR
各組織から得られたTotal RNA 0.5−1 μgをcDNA合成のテンプレートとしOligo dT20プライマーを用いてSuperscrtipt III First-Strand Synthesis Supermix (Life technologies) の標準プロトコルに従いcDNAを合成した。合成されたcDNAをTEバッファー（10mM Tris-HCl pH8.0、0.1 mM EDTA）にて20倍希釈した後、LightCycler 480 SYBR Green I Master (Roche, Basel, Switzerland)の標準プロトコルに従い、LightCycler480II (Roche)にてリアルタイムPCRを行いCp値を測定した。各遺伝子で得られたCp値はreference geneとしてMaeaのCp値と比較することでreference geneに対する各遺伝子の相対的発現量を定量した。リアルタイムPCRで使用したプライマーペアは表７の通りである。全てのプライマーはPrimer-BLAST（NCBI）で設計した。

４．ELISA法による血漿中のFGF23濃度測定
FGF23の血漿中濃度は、カイノス社より販売されているELISAキット（TCY4000） を用いて測定した。冷凍庫にて凍結保存されていた血漿サンプルを氷上で融解し、無希釈サンプル又は、キット付属の標準溶液1（FGF-23 0 pg/ml）を用いて5倍希釈したサンプルを測定に用いた。

希釈されたサンプルあるいは検量線用サンプル50μlをキットに付属しているELISAプレートの各ウェルに添加し、プレートをシール後、室温で2時間撹拌しインキュベートした。2時間後、各ウェル中のサンプルを吸引廃棄後、各ウェルに付属の洗浄液300μlずつを加え、洗浄液を除去した。この操作を４回実施して洗浄液を良く取り除いた後に、各ウェルに付属の酵素標識抗体液（FGF-23 Conjugate）を100μlずつ加え、プレートにシール後、室温で１時間撹拌しインキュベートした。１時間後、各ウェル中のサンプルを吸引廃棄後、各ウェルに付属の洗浄液300μlずつを加え、洗浄液を除去した。この操作を４回実施して洗浄液を良く取り除いた後に、各ウェルに付属の発色液（Substrate）を100μlずつ加え、室温で30分間遮光の上で静置した。その後、各ウェルに付属の反応停止液μl（Stop Solution）を100μlずつ加えて軽く振とうした後に、450nm における吸光度を吸光マイクロプレートリーダー(Multiskan GO, Thermo Fisher Scientific Inc.)にて測定した。FGF23の濃度は、キットに付属しているリコンビナントFGF23の測定結果から検量線を作成し、血漿中のFGF23の濃度を算出した。

５．統計解析
統計解析は、ステューデントのt検定を行うか、または一元配置分散分析を行った後Tukey-Kramer検定で有意差を求めた。そしてp値が0.05より小さい場合に有意差有りと定義した。

６．結果
以下、図において、HP4Wは高リン食開始後４週間のマウス、LP4Wは低リン食開始後４週間のマウス（対照群）を示す。sOscarは、可溶性ヒトOscar-Fc融合タンパクを投与したマウスであり、NSは可溶性ヒトOscar-Fc融合タンパクに代えて、生理食塩水を投与したマウスである。WT（12W）は、普通食で飼育した12週齢のオスの野生型マウスを示す。

図３０に、頭蓋骨におけるFGF23のqRT-PCRの結果を示す。また、図３１に耳下腺におけるPRP遺伝子のqRT-PCRの結果を示す。FGF23は、腎疾患において副甲状腺−骨−腎臓の組織間連関の主要制御因子の１つである。骨では高リン食によりFGF23の発現が誘導された。しかし、可溶性ヒトOscar-Fc融合タンパクの投与により、FGF23の発現は抑制された（図３０）（n=5〜6）。Maea遺伝子の発現をノーマライズし、有意検定を行うと、sOscarの投与を行ったHPとsOscarの投与を行わなかったHPの間でp=0.026となり、有意差を認めた。耳下腺では高リン食により発現誘導されるPRP遺伝子（Prb1, Prh1, Prp2, Prpmp5）の発現が、可溶性ヒトOscar-Fc融合タンパクの投与により、抑制された（図３１）（n=5〜6）。以上より、高リン負荷４週間モデルへの可溶性ヒトOscar-Fc融合タンパク投与により、腎不全初期マーカーのFGF23遺伝子（頭蓋骨）PRP遺伝子（耳下腺）の発現が抑制される事が示された。

図３２に、血漿中FGF23のELISA測定結果を示す。HPでは、血漿中のFGF23の濃度もLP4WやWT（12W）と比較して高い値を示した。HPへの可溶性ヒトOscar-Fc融合タンパク投与により、腎不全初期血中マーカーのFGF23 の濃度上昇が統計学的に有意に抑制された（p=0.049）。

後述するように、Oscar遺伝子変異マウスへの高リン負荷１週間モデルの骨におけるqRT-PCR解析で、腎不全初期マーカーのFGF23遺伝子発現の上昇は有意に抑制された。今回、高リン負荷時の早期からOscarへのリガンド結合を阻害する効果を有する可溶性ヒトOscar-Fc融合タンパクを投与することで、慢性腎障害等の病態に深く関与するFGF23遺伝子の発現が骨で抑制され、さらに血漿中でのFGF23濃度の上昇が抑制された。このことから、可溶性ヒトOscar-Fc融合タンパク質の投与は、腎障害等のリン過剰状態に起因する病態を改善する新規治療法となる可能性が示された。

参考実施例３：血漿中のクレアチニン測定
マウス (C57BL/6N、8週齢オス)に特別リン含有食として2％無機リン含有高リン食(TD.10662, オリエンタルバイオサービス) 又は0.35％無機リン含有低リン食(TD.10662変型, オリエンタルバイオサービス)を4週間与えた後に採取し凍結保存していた血漿サンプル（LP4W, HP4W）、12週齢オスマウス(C57BL/6N)から採取し凍結保存していた血漿サンプル（WT (12W)）及び、8週齢オスマウス (C57BL/6N)に対して片腎摘出を行い、４週間の適応期間を経た後に高リン食で４週間飼育してその後に採取し凍結保存していた血漿サンプル（UNx/HP4W）、各々100μlずつを用いて血漿中クレアチニン値を、酵素法により測定した。

図３３に高リン負荷の各モデルにおける血漿中のクレアチニン値を示す。HP4WモデルとUNx/HP4Wモデルでは、腎機能不全の血液マーカーであるクレアチニンは上昇していない。したがって、可溶性ヒトOscar-Fc融合タンパクは腎機能低下を抑制するために使用できると考えられた。また、図２２および２３に示す腎機能予測マーカーは血中クレアチニンが上昇するよりも早く腎機能の低下を検出できると考えられた。したがって、クレアチニンは未だ上昇していないが、図２２および２３に示す腎機能予測マーカーが上昇あるいは減少している段階で可溶性ヒトOscar-Fc融合タンパクを投与することにより早期の腎機能低下を抑制することできると考えられた。

参考実施例４：腎臓におけるフィブリノーゲンの発現
腎機能に対する可溶性Oscar-Fc融合タンパクの効果を評価するため、参考実施例２のHP4W_NS、HP4W_sOscar、LP4Wの腎臓における腎機能マーカーの発現を確認した。
腎臓では、高リン食により発現誘導されるフィブリノーゲン遺伝子の一つであるFgg遺伝子の発現が、可溶性Oscar-Fc融合タンパクの投与により有意に抑制されていた（図３４）（p=0.00071；n=5〜6）。フィブリノーゲン遺伝子は腎機能マーカー及び、治療標的としての報告がありる。このことから、可溶性Oscar-Fc融合タンパク投与によって、高リン状態に伴う腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療できる可能性があることが示唆された。

１，２ スクリーニング装置
３ 入力部
４ 表示部
５ａ 装置
５ｂ 装置
５ｃ 装置
６，７ 予測装置
１１ 第１の測定値取得部
１２ 第２の測定値取得部
１３ 測定値比較部
１４ 候補物質決定部
２１ 第１の評価結果取得部
２２ 第２の評価結果取得部
２３ 評価結果比較部
２４ 候補物質決定部
５２ 反応／泳動部
５３ 検出部
６１ 被験データ取得部
６２ パターン類似度算出部
６３ 予測部
７１ 病期情報取得部
７２ 病期情報照合部
７３ パターン抽出部
７４ 予測部
１００，１１０，１２０，１３０ システム
１０１ ＣＰＵ
１０２ メモリ
１０３ 記録部
１０４ バス
１０５ インタフェース部
１０９ 記録媒体

Claims (19)

1. 腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング装置であって、
   前記スクリーニング装置は、
   被験物質で処理された被験体（ヒトを除く）に由来する被験組織から採取された検体（被験物質処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第１の測定値取得手段であり、
   前記腎機能予測マーカータンパク質が、図２３に記載するＦＧＦ２３以外の遺伝子であって、前記遺伝子の発現が図２３において示す組織において、１．５より大きい値を示すか、０．８より小さい値を示す遺伝子より選択される少なくとも一種に由来し、
   前記検体が、前記遺伝子の発現が１．５より大きい値を示すか、０．８より小さい値を示す被験組織に由来する前記第１の測定値取得手段（但し、被験組織には腎臓は含まれない）、及び
   前記第１の測定値取得手段が取得した測定値に基づいて、前記被験物質が有効成分の候補物質であると決定する決定手段
   を有する、
   前記スクリーニング装置。
2. 被験物質で処理されていない被験体（ヒトを除く）に由来する被験組織から採取された検体（未処理検体）の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第２の測定値取得手段であって、
   前記未処理検体は前記被験物質処理検体が採取された被験組織に対応する被験組織より採取されたものであり、
   未処理検体について測定される腎機能予測マーカータンパク質は、前記被験物質処理検体について測定される腎機能予測マーカータンパク質に対応する
   前記第２の測定値取得手段、及び
   被験物質処理検体の前記測定値及び未処理検体の前記測定値を比較する測定値比較手段、
   をさらに有し、
   前記決定手段は、前記測定値比較手段の比較結果に基づいて前記被験物質が有効成分の候補物質であると決定する、請求項１に記載のスクリーニング装置。
3. 前記腎機能予測マーカータンパク質が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、請求項１又は２に記載のスクリーニング装置。
4. コンピュータに実行させたときに、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質をスクリーニングするための処理を当該コンピュータに実施させるスクリーニングプログラムであって、
   前記処理が、
   被験物質で処理された被験体（ヒトを除く）に由来する被験組織から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第１の測定値取得処理であり、
   前記腎機能予測マーカータンパク質が、図２３に記載するＦＧＦ２３以外の遺伝子であって、前記遺伝子の発現が図２３において示す組織において、１．５より大きい値を示すか、０．８より小さい値を示す遺伝子より選択される少なくとも一種に由来し、
   前記検体が、前記遺伝子の発現が１．５より大きい値を示すか、０．８より小さい値を示す被験組織に由来する前記第１の測定値取得処理（但し、被験組織には腎臓は含まれない）、及び
   前記第１の測定値取得処理で取得された測定値に基づいて、前記被験物質が有効成分の候補物質であると決定する決定処理、
   を含む、
   スクリーニングプログラム。
5. さらに、被験物質で処理されていない被験体（ヒトを除く）に由来する被験組織から採取された検体（未処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する第２の測定値取得処理であって、
   前記未処理検体は前記被験物質処理検体が採取された被験組織に対応する被験組織より採取されたものであり、
   未処理検体について測定される腎機能予測マーカータンパク質は、前記被験物質処理検体について測定される腎機能予測マーカータンパク質に対応する
   前記第２の測定値取得処理、及び
   被験物質処理検体の前記測定値及び未処理検体の前記測定値を比較する測定値比較処理、
   を前記コンピュータに実施させ、
   前記決定処理では、前記測定値比較処理の比較結果に基づいて前記被験物質が有効成分の候補物質であると決定する、請求項４に記載のスクリーニングプログラム。
6. 前記腎機能予測マーカータンパク質が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、請求項４又は５に記載のスクリーニングプログラム。
7. 腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング方法であって、
   （Ｉ）被験物質で処理された被験体（ヒトを除く）に由来する被験組織から採取された検体（被験物質処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値を取得する工程であり、
   前記腎機能予測マーカータンパク質が、図２３に記載するＦＧＦ２３以外の遺伝子であって、前記遺伝子の発現が図２３において示す組織において、１．５より大きい値を示すか、０．８より小さい値を示す遺伝子より選択される少なくとも一種に由来し、
   前記検体が、前記遺伝子の発現が１．５より大きい値を示すか、０．８より小さい値を示す被験組織に由来する前記工程（但し、被験組織には腎臓は含まれない）、及び
   （ＩＩ）前記工程（Ｉ）で得られた測定値に基づいて、前記被験物質が有効成分の候補物質であると決定する工程
   を含む、
   前記スクリーニング方法。
8. 前記工程（Ｉ）と（ＩＩ）の間に、前記工程（Ｉ）で取得された被験物質処理検体の測定値と、被験物質で処理されていない被験体（ヒトを除く）に由来する被験組織から採取された検体（未処理検体）の対応する腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値とを比較する工程であって、
   前記未処理検体は前記被験物質処理検体が採取された被験組織に対応する被験組織より採取されたものであり、
   未処理検体について測定される腎機能予測マーカータンパク質は、前記被験物質処理検体について測定される腎機能予測マーカータンパク質に対応する
   工程、
   をさらに含む、請求項７に記載のスクリーニング方法。
9. 前記工程（Ｉ）の前に、
   （ｉ）被験体（ヒトを除く）を、被験物質で処理する工程、
   （ｉｉ）前記工程（ｉ）において被験物質で処理された被験体に由来する被験組織から検体を採取する工程、及び
   （ｉｉｉ）前記工程（ｉｉ）で得られた検体からタンパク質及び／又はｍＲＮＡを回収する工程
   を含む、請求項７又は８に記載の方法。
10. 前記腎機能予測マーカータンパク質が、Ａｐｌｎｒ、Ｓｐｐ１、Ｄｎａｓｅ１、Ｓｌｃｏ１ａ１、Ａｎｐｅｐ、Ｓｌｃ７ａ８、Ｏｓｃａｒ、Ｐｒｏｌｉｎｅ−ｒｉｃｈ ｐｒｏｔｅｉｎｓ、Ｄｅｆｅｎｓｉｎｓ及びＨａｍｐ／Ｈｅｐｃｉｄｉｎからなる群から選択される少なくとも一種である、請求項７から９のいずれか一項に記載の方法。
11. 腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング装置であって、
    前記スクリーニング装置は、
    被験物質で処理された被験体（ヒトを除く）に由来する被験組織から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の機能の評価結果を取得する第１の評価結果取得手段であり、
    前記腎機能予測マーカータンパク質が、Ｄｎａｓｅ１及びＯｓｃａｒよりなる群から選択される少なくとも一種であり、
    前記腎機能予測マーカータンパク質が、Ｄｎａｓｅ１であるとき、検体は顎下腺、空腸及び回腸よりなる群から選択される少なくとも一種に由来し、前記腎機能予測マーカータンパク質が、Ｏｓｃａｒであるとき、検体は頭蓋骨及び血液試料よりなる群から選択される少なくとも一種に由来する前記第１の測定値取得手段、及び
    前記第１の評価結果取得手段が取得した評価結果に基づいて、前記被験物質が有効成分の候補物質であると決定する決定手段
    を有する、
    前記スクリーニング装置。
12. 被験物質で処理されていない被験体（ヒトを除く）に由来する被験組織から採取された検体（未処理検体）中の腎機能予測マーカータンパク質の機能の評価結果を取得する第２の評価結果取得手段であって、
    前記未処理検体は前記被験物質処理検体が採取された被験組織に対応する被験組織より採取されたものであり、
    未処理検体について機能が評価される腎機能予測マーカータンパク質は、前記被験物質処理検体について機能が評価される腎機能予測マーカータンパク質に対応する
    前記第２の測定値取得手段、及び
    被験物質処理検体の前記評価結果及び未処理検体の前記評価結果を比較する評価結果比較手段、
    をさらに有し、
    前記決定手段は、前記評価結果比較手段の比較結果に基づいて前記被験物質が有効成分の候補物質であると決定する、請求項１１に記載のスクリーニング装置。
13. コンピュータに実行させたときに、腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質をスクリーニングするための処理を当該コンピュータに実施させるスクリーニングプログラムであって、
    前記処理が、
    被験物質で処理された被験体（ヒトを除く）に由来する被験組織から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の機能の評価結果を取得する第１の評価結果取得処理であり、
    前記腎機能予測マーカータンパク質が、Ｄｎａｓｅ１及びＯｓｃａｒよりなる群から選択される少なくとも一種であり、
    前記腎機能予測マーカータンパク質が、Ｄｎａｓｅ１であるとき、検体は顎下腺、空腸及び回腸よりなる群から選択される少なくとも一種に由来し、前記腎機能予測マーカータンパク質が、Ｏｓｃａｒであるとき、検体は頭蓋骨及び血液試料よりなる群から選択される少なくとも一種に由来する前記第１の測定値取得処理、及び
    前記第１の評価結果取得処理で取得された評価結果に基づいて、前記被験物質が有効成分の候補物質であると決定する決定処理、
    を含む、
    スクリーニングプログラム。
14. さらに、被験物質で処理されていない被験体（ヒトを除く）に由来する被験組織から採取された検体（未処理検体）中の腎機能予測マーカータンパク質の機能の評価結果を取得する第２の評価結果取得処理であって、
    前記未処理検体は前記被験物質処理検体が採取された被験組織に対応する被験組織より採取されたものであり、
    未処理検体について機能が評価される腎機能予測マーカータンパク質は、前記被験物質処理検体について機能が評価される腎機能予測マーカータンパク質に対応する
    前記第２の測定値取得処理、及び
    被験物質処理検体の前記評価結果及び未処理検体の前記評価結果を比較する評価結果比較処理、
    を前記コンピュータに実施させ、
    前記決定処理では、前記評価結果比較処理の比較結果に基づいて前記被験物質が有効成分の候補物質であると決定する、請求項１３に記載のスクリーニングプログラム。
15. 腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質のスクリーニング方法であって、
    （Ｉ）被験物質で処理された被験体（ヒトを除く）、又は被験組織から採取された検体（被験物質処理検体）の腎機能予測マーカータンパク質の機能を評価する工程であり、
    前記腎機能予測マーカータンパク質が、Ｄｎａｓｅ１及びＯｓｃａｒよりなる群から選択される少なくとも一種であり、
    前記腎機能予測マーカータンパク質が、Ｄｎａｓｅ１であるとき、検体は顎下腺、空腸及び回腸よりなる群から選択される少なくとも一種に由来し、前記腎機能予測マーカータンパク質が、Ｏｓｃａｒであるとき、検体は頭蓋骨及び血液試料よりなる群から選択される少なくとも一種に由来する前記工程、及び
    （ＩＩ）前記工程（Ｉ）で得られた評価結果に基づいて、前記被験物質が有効成分の候補物質であると決定する工程
    を含む、
    前記スクリーニング方法。
16. 前記工程（Ｉ）と（ＩＩ）の間に、前記工程（Ｉ）で取得された被験物質処理検体の前記評価結果と、被験物質で処理されていない被験体（ヒトを除く）に由来する被験組織から採取された検体（未処理検体）の対応する腎機能予測マーカータンパク質の機能の評価結果とを比較する工程
    であって、
    前記未処理検体は前記被験物質処理検体が採取された被験組織に対応する被験組織より採取されたものであり、
    未処理検体について機能が評価される腎機能予測マーカータンパク質は、前記被験物質処理検体について機能が評価される腎機能予測マーカータンパク質に対応する
    工程
    をさらに含む、請求項１５に記載のスクリーニング方法。
17. 前記工程（Ｉ）の前に、
    （ｉ）被験体（ヒトを除く）を、被験物質で処理する工程、及び（ｉｉ）前記工程（ｉ）において被験物質で処理された被験体に由来する被験組織から検体を採取する工程
    を含む、請求項１５又は１６に記載のスクリーニング方法。
18. 腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質をスクリーニングするための、被験物質で処理された被験体（ヒトを除く）に由来する被験組織から採取された検体（被験物質処理検体）中の腎機能予測マーカータンパク質の測定値及び／又は前記タンパク質のｍＲＮＡの測定値の使用であって、
    前記腎機能予測マーカータンパク質が、図２３に記載するＦＧＦ２３以外の遺伝子であって、前記遺伝子の発現が図２３において示す組織において、１．５より大きい値を示すか、０．８より小さい値を示す遺伝子より選択される少なくとも一種に由来し、
    前記検体が、前記遺伝子の発現が１．５より大きい値を示すか、０．８より小さい値を示す被験組織に由来する（但し、被験組織には腎臓は含まれない）、
    前記使用。
19. 腎機能低下、慢性腎疾患及び腎不全からなる群から選択される少なくとも一種の疾患を予防、又は治療するための有効成分の候補物質をスクリーニングするための、被験物質で処理された被験体（ヒトを除く）に由来する被験組織から採取された検体（被験物質処理検体）中の腎機能予測マーカータンパク質の機能の評価結果の使用であって、
    前記腎機能予測マーカータンパク質が、Ｄｎａｓｅ１又はＯｓｃａｒよりなる群から選択される少なくとも一種であり、
    前記腎機能予測マーカータンパク質が、Ｄｎａｓｅ１であるとき、検体は顎下腺、空腸及び回腸よりなる群から選択される少なくとも一種に由来し、前記腎機能予測マーカータンパク質が、Ｏｓｃａｒであるとき、検体は頭蓋骨及び血液試料よりなる群から選択される少なくとも一種に由来する、前記使用。

Images