WO2008015929A1 - procédé d'évaluation de syndrome métabolique, appareil D'ÉVALUATION DE SYNDROME MÉTABOLIQUE, système D'ÉVALUATION DE SYNDROME MÉTABOLIQUE, programme d'évaluation de syndrome métabolique et support d'enregistrement, et proc& - Google Patents

procédé d'évaluation de syndrome métabolique, appareil D'ÉVALUATION DE SYNDROME MÉTABOLIQUE, système D'ÉVALUATION DE SYNDROME MÉTABOLIQUE, programme d'évaluation de syndrome métabolique et support d'enregistrement, et proc& Download PDF

Info

Publication number
WO2008015929A1
WO2008015929A1 PCT/JP2007/064462 JP2007064462W WO2008015929A1 WO 2008015929 A1 WO2008015929 A1 WO 2008015929A1 JP 2007064462 W JP2007064462 W JP 2007064462W WO 2008015929 A1 WO2008015929 A1 WO 2008015929A1
Authority
WO
WIPO (PCT)
Prior art keywords
metabolic
syndrome
discriminant
evaluation
multivariate discriminant
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2007/064462
Other languages
English (en)
French (fr)
Inventor
Mitsuo Takahashi
Nobukazu Ono
Toshihiko Ando
Akira Okano
Minoru Yamakado
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ajinomoto Co Inc
Original Assignee
Ajinomoto Co Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ajinomoto Co Inc filed Critical Ajinomoto Co Inc
Priority to JP2008527710A priority Critical patent/JPWO2008015929A1/ja
Priority to EP07791194A priority patent/EP2053395A4/en
Publication of WO2008015929A1 publication Critical patent/WO2008015929A1/ja
Priority to US12/365,269 priority patent/US20090253116A1/en
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6806—Determination of free amino acids
    • G01N33/6812—Assays for specific amino acids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/60—Complex ways of combining multiple protein biomarkers for diagnosis

Definitions

  • Patent Document 2 is not a prior art because it is an unpublished patent, but the clinical diagnosis target there is non-hepatitis of hepatitis C in Patent Document 1. It is an index for the purpose of discriminating hepatitis, and Patent Document 2 is an index for the purpose of discriminating between healthy individuals and ulcerative colitis patients and discriminating between healthy individuals and Crohn's disease patients.
  • Non-Patent Document 6 Langenberg, C., Bergstrom, J., et al., Diabetes Care 29, 1363 (2006).
  • Non-Patent Document 8 Mojiminiyi, OA., Abdella, NA., Et al., Int. J. Obesity, Jun. 6 (2006).
  • Non-Patent Document 12 Gazi, I., Tsimihodimos, V., et al., Metabolism, 55, 885 (2006).
  • Non-Patent Document 14 Felig, P., Marliss, E., et al., New Engl. J. Med. 281, 811 (1969).
  • Non-Patent Document 15 Felig, P., Marliss, E., et al., Diabetes, 19, 727 (1979).
  • Patent Document 1 Pamphlet of International Publication No. 2004/052191
  • the present inventors have intensively studied to solve the above-mentioned problems, and are useful for discriminating between two groups of metabolic 'syndrome and non-metabolic' syndrome depending on the amino acid concentration in blood. Variables (amino acid variables that fluctuate with statistical significance between the two groups), and there is a significant correlation between the correlation formula using the amino acid variable (index formula) and the progression of the pathology for metabolic syndrome As a result, the present invention has been completed.
  • the present invention includes the following.
  • the metabolic 'syndrome evaluation method according to claim 2 which is the power of the present invention, is the metabolic' syndrome evaluation method according to claim 1, wherein the concentration value criterion evaluation step includes Based on the concentration value of at least one of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr included in the amino acid concentration data to be evaluated measured in the measurement step. Then, the state of the metabolic 'syndrome is evaluated for the evaluation object.
  • the metabolic 'syndrome evaluation method is characterized in that, in the metabolic' syndrome evaluation method according to claim 1, the concentration value criterion evaluation step includes the step of A discriminant value for calculating a discriminant value that is a value of the multivariate discriminant based on the amino acid concentration data to be evaluated measured in the measurement step and a preset multivariate discriminant using the amino acid concentration as a variable.
  • the method further includes: a calculating step; and a discriminant value criterion evaluating step for evaluating the state of the metabolic syndrome for the evaluation object based on the discriminant value calculated in the discriminant value calculating step.
  • the metabolic 'syndrome evaluation method according to claim 8 is characterized in that, in the metabolic' syndrome evaluation method according to claim 7, the multivariate discriminant is Val, Leu , lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr as the variables, and the discriminant value calculating step includes the evaluation target measured in the measuring step. At least two concentration values of Val, Leu, lie, Tyr, T rp, Glu, Ala, Asp, Gly, Ser, Thr included in the amino acid concentration data and the above The discriminant value is calculated based on a multivariate discriminant.
  • the method for evaluating a metabolic 'syndrome according to claim 9 is characterized in that, in the method for evaluating a metabolic' syndrome according to claim 8, the multivariate discriminant has one component.
  • the numerator of the fractional expression that is expressed by the mathematical formula or the sum of the plurality of fractional formulas and includes at least one of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thr as the variable.
  • at least one of Gly and Ser is included as the variable in the denominator of the fractional expression constituting the variable, or at least one of Gly and Ser is included as the variable in the numerator of the fractional expression that forms the variable.
  • at least one of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, and Thr is included as the variable in the denominator of the fractional expression that includes and constitutes the same.
  • the metabolic 'syndrome evaluation method according to claim 12 which is effective for the present invention, is the metabolic' syndrome evaluation method according to claim 11, wherein the multivariate discriminant is Glu, Gly, Ala, Thr, Ser are the variables.
  • the present invention relates to a metabolic 'syndrome evaluation device, and the metabolic' syndrome evaluation device according to claim 13, which is useful for the present invention, includes a control unit and a storage unit, and includes a metabolic unit for each evaluation object.
  • the control means includes the previously obtained amino acid concentration data of the evaluation object relating to the amino acid concentration value and the storage means using the amino acid concentration as a variable.
  • the metabolic 'syndrome evaluation device which is a force of the present invention, is the metabolic' syndrome evaluation device according to claim 16, wherein the multivariate discriminant is one fractional expression or
  • the numerator of the fractional expression that is represented by the sum of a plurality of fractional expressions includes at least one of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thr as the variable, and
  • the denominator of the fractional expression constituting it includes at least one of Gly and Ser as the variable, or the numerator of the fractional expression that constitutes Gly, Ser And at least one of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thr is included as the variable in the denominator of the fractional expression constituting the variable. It is characterized by.
  • the metabolic 'syndrome evaluation device is characterized by the present invention, wherein the multivariate discriminant is Glu, Gly, Ala in the metabolic' syndrome evaluation device according to claim 19. , Thr, Ser are the variables.
  • the metabolic 'syndrome evaluation device which is a force according to the present invention, is the metabolic' syndrome evaluation device according to claim 13, wherein the control means includes: , Based on the metabolic syndrome state information stored in the storage means including the amino acid concentration data and the metabolic 'syndrome state index data relating to the index indicating the state of the metabolic syndrome! /, And stored in the storage means Multivariate discriminant creation means for creating the multivariate discriminant is further provided, wherein the multivariate discriminant creation means is based on a predetermined formula creation method from the metabolic 'syndrome state information!
  • the present invention also relates to a metabolic 'syndrome evaluation method, and the metabolic' syndrome evaluation method according to claim 22 is an information processing apparatus including control means and storage means.
  • the metabolic 'syndrome evaluation method for evaluating the state of metabolic' syndrome per evaluation object executed in step 1, wherein the control means obtains in advance the amino acid concentration data of the evaluation object and the amino acid relating to the amino acid concentration value.
  • the metabolic 'syndrome evaluation method according to claim 23 is characterized in that, in the metabolic' syndrome evaluation method according to claim 22, the multivariate discriminant is represented by Val, Leu, He , Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr are included as the variables, and the discriminant value calculating step includes the previously obtained amino acid concentration of the evaluation target The discriminant value is calculated based on at least one of the concentration value and the multivariate discriminant among Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr included in the data. It is characterized by doing.
  • the metabolic 'syndrome evaluation method according to claim 24, which is effective for the present invention is the metabolic' syndrome evaluation method according to claim 23, wherein the discriminant value criterion evaluation step includes calculating the discriminant value. Based on the discriminant value calculated in the step, the method further includes a discriminant value criterion discriminating step for discriminating whether the evaluation target is the metabolic 'syndrome or non-metabolic' syndrome.
  • the multivariate discriminant is represented by the following formula 1.
  • the metabolic 'syndrome evaluation method according to claim 28 which is effective in the present invention, is the metabolic' syndrome evaluation method according to claim 25, wherein the multivariate discriminant is a logistic regression equation, linear Discriminant, multiple regression, formula created by support vector machine, formula created by Mahalanobis distance method, formula created by canonical discriminant analysis, formula created by decision tree It is characterized by that.
  • the multivariate discriminant is a logistic regression equation, linear Discriminant, multiple regression, formula created by support vector machine, formula created by Mahalanobis distance method, formula created by canonical discriminant analysis, formula created by decision tree It is characterized by that.
  • the metabolic 'syndrome evaluation method according to claim 30, wherein the present invention is effective. Any of the powers of Claims 22 to 29, wherein the control means includes the amino acid concentration data and the metabolic 'syndromic state index data relating to an index representing the state of the metabolic' syndrome.
  • the creation step is a candidate multivariate discriminant creation step for creating a candidate multivariate discriminant that is a candidate for the multivariate discriminant based on a predetermined formula creation method based on the metabolic state information!
  • the discriminant value calculating means for calculating the discriminant value which is the value of the multivariate discriminant, and the evaluation object based on the discriminant value calculated by the discriminant value calculating means,
  • a discriminant value criterion evaluating unit that evaluates the state of the metabolic 'syndrome; and an evaluation result transmitting unit that transmits the evaluation result of the evaluation target in the discriminant value criterion evaluating unit to the information communication terminal device. It is characterized by that.
  • the metabolic 'syndrome evaluation system which is particularly useful for the present invention, is the meta-data described above.
  • the multivariate discriminant is represented by one fractional expression or the sum of a plurality of fractional expressions, and the constituent numerators of the fractional expressions include Val, Leu, lie, Tyr.
  • Trp, Glu, Ala, Asp, Thr are included as the variable
  • at least one of Gly, Ser is included in the denominator of the denominator constituting the variable
  • the numerator of the fractional expression includes at least one of Gly and Ser as the variable and the denominator of the fractional expression constituting the variable includes at least one of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thr. It is characterized by including one as the variable.
  • the metabolic 'syndrome evaluation system which is effective in the present invention, is characterized in that the multivariate discriminant is Formula 1 in the metabolic' syndrome evaluation system described above.
  • the metabolic 'syndrome evaluation system which is particularly useful in the present invention, is the above-described metabolic syndrome evaluation system, wherein the multivariate discriminant is Glu, Gly, Ala
  • Thr, Ser are the variables.
  • the metabolic 'syndrome evaluation system which is effective in the present invention, is the above-described metabolic syndrome evaluation system! /
  • the control means of the metabolic syndrome evaluation device includes the amino acid concentration Based on the metabolic syndrome status information stored in the storage means including the data and the metabolic 'syndrome status index data relating to the index representing the status of the syndrome! /,
  • the multivariate stored in the storage means A multivariate discriminant creating means for creating a discriminant, wherein the multivariate discriminant creating means is based on a predetermined formula creating method from the metabolic 'syndrome state information!
  • a discriminant value calculating step for calculating a discriminant value that is a value of the multivariate discriminant, and based on the discriminant value calculated in the discriminant value calculating step For each of the evaluation targets, the judgment of the state of the metabolic 'syndrome It is characterized in that another value criterion evaluation step is executed.
  • the metabolic 'syndrome evaluation program which focuses on the present invention, is the above-described metabolic' syndrome evaluation program, wherein the multivariate discriminant is Val, Leu, I le, Tyr, Trp, Glu, At least two of Ala, Asp, Gly, Ser, and Thr are included as the variables, and the discriminant value calculating step includes Val, Leu, lie included in the amino acid concentration data of the evaluation target acquired in advance. , Tyr, Trp, Glu, Ala, Asp, Gly, Ser, and Thr, the discriminant value is calculated based on at least two of the concentration values and the multivariate discriminant.
  • the metabolic 'syndrome evaluation program which focuses on the present invention, is the above-described metabolic' syndrome evaluation program, wherein the multivariate discriminant is one fractional expression or a sum of a plurality of fractional expressions.
  • the numerator of the fractional expression expressed and constituting it includes at least one of Va 1, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thr as the variable and
  • the fractional expression including at least one of Gly and Ser as a variable in the denominator or including at least one of Gly and Ser as the variable in the numerator of the fractional expression constituting the variable
  • the denominator includes at least one of Val, Leu, IIe, Tyr, Trp, Glu, Ala, Asp, and Thr as the variable.
  • the metabolic 'syndrome evaluation program which is particularly effective in the present invention, is characterized in that the multivariate discriminant is the mathematical formula 1 in the above-described metabolic' syndrome evaluation program.
  • the metabolic 'syndrome evaluation program which focuses on the present invention, is the metabolic' syndrome evaluation program described above, wherein the multivariate discriminant is a mouth dystic regression equation, a linear discriminant, a multiple regression equation.
  • the multivariate discriminant is a mouth dystic regression equation, a linear discriminant, a multiple regression equation.
  • Formulas created with support vector machines, formulas created with Mahalanobis distance method, formulas created with canonical discriminant analysis, created with decision trees One of the powers of the formula is characterized by one.
  • the candidate multivariate discriminant is verified based on a predetermined verification method! /, A candidate multivariate discriminant verification step, and a verification result in the candidate multivariate discriminant verification step based on a predetermined variable selection method.
  • a variable selection step of selecting a combination of the amino acid concentration data included in the metabolic 'syndrome state information used when creating the candidate multivariate discriminant by selecting a variable of the candidate multivariate discriminant Based on the verification results accumulated by repeatedly executing the candidate multivariate discriminant creation step, the candidate multivariate discriminant verification step, and the variable selection step! / Creating the multivariate discriminant by selecting the candidate multivariate discriminant to be adopted as the multivariate discriminant from among candidate multivariate discriminants. .
  • the present invention relates to a recording medium, and the recording medium according to claim 33, which is effective for the present invention, includes the metabolic 'syndrome evaluation according to any one of the above, including claim 32.
  • the program is recorded.
  • the present invention relates to a method for searching for a substance for preventing and improving metabolic 'syndrome, and the method for searching for a substance for improving metabolic' preventing syndrome 'according to claim 34, which is effective for the present invention, is 'Prevent the syndrome or said metabolic' syn Metabolic to search for a substance group consisting of one or more substances that improve the state of the drought.Prevention of syndrome.A method for searching for an improved substance, which was collected from an evaluation subject to which the desired substance group was administered.
  • the method of searching for a metabolic 'syndrome prevention / improving substance is the above-described method for determining a concentration value criterion in the metabolic' syndrome prevention / improvement substance searching method described above. And at least two of the concentration values of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr included in the amino acid concentration data to be evaluated measured in the measuring step. To determine whether the subject of the evaluation is the metabolic 'syndrome or the non-metabolic' syndrome. It is characterized by.
  • the method of searching for a metabolic 'syndrome prevention / improving substance is the above-described metabolic' syndrome prevention / improvement substance searching method, wherein the multivariate discriminant is Val , Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr as the variables, and the discriminant value calculating step includes the evaluation measured in the measuring step.
  • the discrimination based on at least one of the concentration value and the multivariate discriminant among Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr included in the amino acid concentration data of the subject. A value is calculated.
  • the method for searching for metabolic 'syndrome prevention / improving substances is the above-described metabolic' syndrome prevention / search method for improving substances, in which the discrimination value criterion evaluation step is And a discriminant value criterion discriminating step for discriminating whether the evaluation target is the metabolic 'syndrome or non-metabolic' syndrome based on the discriminant value calculated in the discriminant value calculating step. It is characterized by
  • the method of searching for metabolic 'syndrome prevention / improving substances is the above-described metabolic' syndrome prevention / ameliorating substance searching method, wherein the multivariate discriminant is Val , Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr as the variables, and the discriminant value calculating step includes the evaluation measured in the measuring step.
  • the concentration value of at least two of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr included in the amino acid concentration data of the subject The discriminant value is calculated based on the multivariate discriminant.
  • the metabolic 'syndrome prevention / improving substance search method which is effective in the present invention, is the metabolic' syndrome prevention / improving substance search method described above, wherein the multivariate discriminant is Glu , Gly, Ala, Thr, Ser are the variables.
  • amino acid concentration data relating to amino acid concentration values is measured from blood collected from the evaluation object, and the measured amino acid concentration data of the evaluation object is used. Since the state of metabolic 'syndrome is evaluated for each evaluation object, the concentration of amino acids in the blood can be used to accurately evaluate the state of metabolic' syndrome.
  • the metabolic 'syndrome evaluation method which is the power of the present invention, Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, included in the measured amino acid concentration data.
  • the metabolic 'syndrome status is evaluated for each evaluation target based on the concentration value of at least one of the Thr, the concentration of amino acids related to the metabolic' syndromic state among the amino acid concentrations in the blood is used. As a result, it is possible to accurately evaluate the state of metabolic syndrome.
  • Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly are included in the measured amino acid concentration data.
  • Ser, Thr Based on the concentration value of at least two, it is determined whether the subject is metabolic syndrome or non-metabolic 'syndrome.
  • the metabolic 'syndrome evaluation method which is a force of the present invention
  • the discriminant value which is the value of the multivariate discriminant
  • the metabolic 'syndrome state is evaluated for each evaluation target. Using this discriminant value, it is possible to accurately evaluate the state of metabolic 'syndrome.
  • the metabolic 'syndrome evaluation method which is effective in the present invention, Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, G included in the measured amino acid concentration data.
  • a multivariate discriminant that includes at least one of ly, Ser, and Thr as a variable and at least one of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, and Thr as a variable. Therefore, since the discriminant value is calculated, the discriminant value obtained by the multivariate discriminant that has a significant correlation with the state of the metabolic 'syndrome can be used to accurately evaluate the state of the metabolic' syndrome. , Has an effect.
  • the method of evaluating metabolic 'syndrome which is a force of the present invention, based on the calculated discriminant value, it is determined whether the evaluation target is metabolic' syndrome or non-metabolic 'syndrome. Therefore, using the discriminant value obtained with the multivariate discriminant useful for discriminating between the two groups of metabolic 'syndrome and non-metabolic' syndrome, the two-group discrimination between metabolic 'syndrome and non-metabolic' syndrome can be accurately performed. The effect is that it can be performed.
  • the multivariate discriminant is a logistic regression equation, a linear discriminant equation, a multiple regression equation, an equation created by a support vector machine, a Mahalanobis distance Is particularly useful for two-group discrimination between metabolic 'syndrome and non-metabolic' syndrome because it is one of the formulas created by the method, formulas created by canonical discriminant analysis, or formulas created by decision trees Using the discriminant value obtained with a simple multivariate discriminant, it is possible to perform 2-group discrimination between metabolic 'syndrome and non-metabolic' syndrome more accurately.
  • the amino acid concentration data and amino acid concentration of the evaluation object obtained in advance concerning the concentration value of amino acids Based on the multivariate discriminant stored in the storage means using as a variable, the discriminant value that is the value of the multivariate discriminant is calculated, and based on the calculated discriminant, the metabolic Since the state of ROHM is evaluated, it is possible to accurately evaluate the state of metabolic syndrome using the discriminant value obtained by the multivariate discriminant using the amino acid concentration as a variable.
  • the metabolic 'syndrome evaluation apparatus the metabolic' syndrome evaluation method and the metabolic 'syndrome evaluation program, based on the calculated discriminant value, the metabolic' syndrome or non-metabolic Because it determines whether or not it is a syndrome, it uses the discriminant value obtained by the multivariate discriminant useful for two-group discrimination between metabolic 'non-metabolic' and 'metabolic' syndromes. The effect is that the two-group discrimination from non-metabolic 'syndrome can be performed with high accuracy.
  • the multivariate discriminant is Equation 1, so that the metabolic' syndrome and non-metabolic ' Using the discriminant value obtained with a multivariate discriminant that is particularly useful for discriminating between two groups from syndromes, it is possible to perform two-group discrimination between metabolic 'syndrome and non-metabolic' syndrome more accurately.
  • the multivariate discriminant is logistic regression equation, linear discriminant equation, multiple regression equation, Metabolic 'syndrome and non-metabolic because it is one of the formula created by support vector machine, formula created by Mahalanobis distance method, formula created by canonical discriminant analysis, formula created by decision tree Using the discriminant value obtained with the multivariate discriminant that is particularly useful for discriminating between two groups with syndrome, the ability to perform two-group discrimination between metabolic 'syndrome and non-metabolic' syndrome more accurately! , Has an effect.
  • Candidate multivariate discriminant by selecting variables of candidate multivariate discriminant based on the predetermined variable selection method from the verification results in (3) and (2) Select the combination of the amino acid concentration data included in the metabolic 'syndrome status information used to create the database, and repeat (4) (1), (2) and (3) based on the accumulated verification results.
  • a multivariate discriminant is created by selecting a candidate multivariate discriminant to be adopted as a multivariate discriminant from a plurality of candidate multivariate discriminants.
  • the information communication terminal device transmits amino acid concentration data to be evaluated to the metabolic' syndrome evaluation device.
  • the metabolic syndrome evaluation device receives the evaluation target amino acid concentration data transmitted from the information communication terminal device, and stores the received evaluation target amino acid concentration data and the amino acid concentration in a storage means having variables. Based on the variable discriminant, the discriminant value, which is the value of the multivariate discriminant, is calculated. Based on the calculated discriminant, the state of metabolic 'syndrome is evaluated for each evaluation target, and the evaluation result of the evaluation target is information. Send to the communication terminal.
  • the information communication terminal device receives the evaluation result of the evaluation object regarding the state of the metabolic 'syndrome transmitted from the metabolic syndrome evaluation device.
  • Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly Discrimination based on the concentration value of at least one of Ser and Thr and a multivariate discriminant including at least one of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, and Thr as a variable Since the value is calculated, the discriminant value obtained with the multivariate discriminant that has a significant correlation with the state of the metabolic 'syndrome can be used to accurately evaluate the state of the metabolic' syndrome. Play.
  • the multivariate discriminant is represented by one fractional expression or the sum of a plurality of fractional expressions, and the fractional expression that constitutes the fractional expression. Includes at least one of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thr as a variable, and at least one of Gly and Ser as a variable in the denominator of the constituent fractional component.
  • the fractional numerator that contains or constitutes it contains at least one of Gly and Ser as variables and the denominator that constitutes it contains Val, Leu, lie, Tyr, Trp, Glu, Al a, Asp , Including at least one of Thr as a variable
  • the multivariate discriminant is a logistic regression equation, a linear discriminant equation, a multiple regression equation, a formula created with a support vector machine, the Mahalanobis distance method This is one of the formulas created in, the canonical discriminant analysis, and the formulas created in decision trees, so it is particularly useful for two-group discrimination between metabolic 'non-metabolic' syndromes.
  • the discriminant value obtained from the multivariate discriminant it is possible to perform 2-group discrimination between metabolic 'syndrome and non-metabolic' syndrome more accurately.
  • the metabolic information stored in the storage means including the amino acid concentration data and the metabolic syndrome status index data relating to the index representing the state of the metabolic syndrome' is stored.
  • a multivariate discriminant stored in the storage means is created. Specifically, (1) Create a candidate multivariate discriminant that is a candidate for the multivariate discriminant based on a predetermined formula creation method from the metabolic 'syndrome state information. The variable discriminant is verified based on a predetermined verification method. (3) Based on the verification result in (2), a predetermined variable selection method is used.
  • variable of the candidate multivariate discriminant select the combination of the amino acid concentration data included in the metabolic 'syndrome state information to be used when creating the candidate multivariate discriminant (4) (1), By selecting a candidate multivariate discriminant to be adopted as a multivariate discriminant from a plurality of candidate multivariate discriminants based on the verification results accumulated by repeatedly executing (2) and (3). Create a variable discriminant. This makes it possible to determine the optimal multivariate discriminant for evaluating the state of metabolic 'syndrome (specifically, the multivariate discriminant that has a significant correlation with the state of metabolic' syndrome, specifically It is possible to create a multivariate discriminant that is useful for discriminating between two groups of metabolic 'syndrome).
  • the computer reads the metabolic 'syndrome evaluation program recorded on the recording medium and executes the program so that the computer executes the metabolic' syndrome evaluation program. Therefore, the same effect as the metabolic 'syndrome evaluation program can be obtained.
  • amino acid concentration data on amino acid concentration values from blood collected from an evaluation subject to which a desired substance group has been administered Based on the measured amino acid concentration data, the state of metabolic 'syndrome is evaluated for each evaluation target, and based on the evaluation result, the desired substance group can prevent metabolic' syndrome or metabolic 'syndrome Therefore, it is possible to evaluate the metabolic 'syndrome's condition by using the concentration of amino acids in the blood. Prevent metabolic 'syndrome or change metabolic' syndrome status An effect that substances which can be searched accurately.
  • the metabolic 'syndrome prevention / search method for improving substances For example, based on the concentration value of at least one of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr included in the measured amino acid concentration data, Since the metabolic 'syndrome status is evaluated, the metabolic' syndrome status can be accurately evaluated using the concentration of amino acids related to the metabolic 'syndrome status in the concentration of amino acids in the blood. There is an effect.
  • the present invention according to the method of searching for a metabolic / syndrome prevention / improving substance, Val, Leu, lie, Tyr, Trp, Glu, Ala included in the measured amino acid concentration data. , Asp, Gly, Ser, Thr Based on the concentration value of at least one of the concentrations of amino acids in the blood, it is determined whether the subject is metabolic 'syndrome or non-metabolic' syndrome. Using the concentration of amino acids useful for discriminating between metabolic 'syndrome and non-metabolic' syndrome, it is possible to accurately discriminate between metabolic 'syndrome and non-metabolic' syndrome. .
  • the discriminant value is calculated based on the multivariate discriminant useful for 2-group discrimination between metabolic 'non-metabolic' syndrome and metabolic 'syndrome and non-metabolic' syndrome. The ability to accurately perform the 2-group discrimination with the power S!
  • a multivariate discriminant is represented by a single fractional expression or a sum of a plurality of fractional expressions, and constitutes it.
  • the numerator of the fractional equation that contains at least one of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, and Thr as a variable and the denominator of the constituent fractional component is less of Gly, Ser
  • the multivariate discriminant uses Glu, Gly, Ala, Thr, Ser as variables.
  • 2-group discrimination between metabolic' non-metabolic 'and non-metabolic' syndromes can be performed more accurately There is an effect.
  • FIG. 1 is a principle configuration diagram showing the basic principle of the present invention.
  • FIG. 2 is a flowchart showing an example of a method of evaluating the metabolic “syndrome” according to the first embodiment.
  • FIG. 5 is a diagram showing another example of the overall configuration of the present system.
  • FIG. 7 is a diagram showing an example of information stored in a user information file 106a.
  • FIG. 8 is a diagram showing an example of information stored in an amino acid concentration data file 106b.
  • FIG. 9 is a diagram showing an example of information stored in a metabolic 'syndrome state information file 106c.
  • FIG. 10 is a diagram showing an example of information stored in a designated metabolic 'syndrome status information file 106d.
  • FIG. 13 is a diagram showing an example of information stored in a selected metabolic 'syndrome status information file 106e3.
  • FIG. 15 is a diagram showing an example of information stored in a discriminant value file 106f. 16]
  • FIG. 16 is a diagram showing an example of information stored in the evaluation result file 106g.
  • FIG. 17 is a block diagram showing a configuration of a multivariate discriminant-preparing part 102h.
  • FIG. 18 is a block diagram showing a configuration of the discriminant value criterion-evaluating unit 103 ⁇ 4.
  • FIG. 19 is a block diagram showing an example of the configuration of the client device 200 of the present system.
  • FIG. 20 is a block diagram showing an example of the configuration of the database apparatus 400 of this system.
  • FIG. 21 is a flowchart showing an example of a metabolic 'syndrome evaluation service process performed in this system.
  • FIG. 22 is a flowchart showing an example of multivariate discriminant creation processing performed by the metabolic 'syndrome evaluation apparatus 100 of the present system.
  • FIG. 23 is a principle configuration diagram showing the basic principle of the present invention.
  • FIG. 25 is a box-and-whisker plot showing the distribution of amino acid variables between two groups of non-metabolic 'syndrome and metabolic' syndrome.
  • FIG. 27 is a diagram showing an ROC curve for evaluating diagnostic performance between two groups.
  • FIG. 28 is a diagram showing a cut-off value, sensitivity, specificity, positive predictive value, negative predictive value, and efficiency in two-group discrimination.
  • FIG. 29 is a diagram showing a list of AUCs of ROC curves for evaluating diagnostic performance between two groups.
  • FIG. 30 is a diagram showing a list of AUCs of ROC curves for evaluating diagnostic performance between two groups.
  • FIG. 31 is a diagram showing a list of AUCs of ROC curves for evaluating diagnostic performance between two groups.
  • FIG. 34 is a diagram showing a specific example of the index formula for each rank in FIG. 32.
  • FIG. 35 is a diagram showing a list of error rates for evaluating diagnostic performance between two groups.
  • FIG. 36 is a diagram showing a list of error rates for evaluating the diagnostic performance between two groups.
  • FIG. 37 is a diagram showing a specific example of the index formula for each rank in FIG.
  • FIG. 38 is a diagram showing a specific example of the index formula for each rank in FIG. 36.
  • step S-12 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr included in the amino acid concentration data to be evaluated measured in step S-11. Based on at least one of the concentration values, it may be determined whether the subject is metabolic 'syndrome or non-metabolic' syndrome. Specifically, by comparing at least one concentration value of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr with a preset threshold value (cutoff value). It is possible to determine whether the evaluation target is metabolic 'syndrome or non-metabolic. This
  • step SA-13 Val, Leu, lie, Tyr, Trp, Glu included in the amino acid concentration data of the individual from which data such as missing values and outliers were removed in step SA-12. , Ala, Asp, Gly, Ser, Thr. Based on at least two concentration values, it is possible to determine whether the individual has a metabolic 'non-metabolic' syndrome or not. This makes it possible to distinguish between two groups of metabolic 'syndrome and non-metabolic' syndrome by using the amino acid concentration useful for discriminating between metabolic 'syndrome and non-metabolic' syndrome among amino acid concentrations in blood. It can be performed with high accuracy.
  • control unit stores the amino acid concentration data of the evaluation object (for example, an animal such as an animal or a human) obtained in advance regarding the amino acid concentration value, and the storage unit that variable the amino acid concentration. Based on the multivariate discriminant, a discriminant value that is the value of the multivariate discriminant is calculated (step S_21).
  • control unit evaluates the state of metabolic 'syndrome per evaluation object based on the discriminant value calculated in step S-21 (step S-22).
  • the discriminant value is calculated based on the amino acid concentration data of the evaluation target obtained in advance concerning the amino acid concentration value and the multivariate discriminant stored in the storage unit that varies the amino acid concentration. Then, based on the calculated discriminant value, the state of metabolic 'syndrome is evaluated for each evaluation target. This makes it possible to accurately evaluate the state of metabolic syndrome using the discriminant value obtained by the multivariate discriminant using the amino acid concentration as a variable.
  • the fractional expression is a combination of the following amino acid concentrations of group ⁇ to group D, and preferably, "in the fractional expression, the numerator is one or more variables from group A and group B + Single variable containing variables with a total of 2-8 amino acid concentrations, with 0-2 variables from group D) and denominator (one or more variables from group C + 0-2 variables from group D) More preferably, in the fractional expression, the numerator is one or more variables from group B + 0 to group A;!
  • the denominator has (one or more variables from group C + 0 to 2 variables from group D), and is expressed in multiple fractional expressions containing a total of 4 to 8 amino acid concentrations. Things ".
  • the combination of the numerator variable and the denominator variable in the fractional expression is the force that reverses the sign of the correlation with the objective variable. Since it can be seen, it also includes combinations where the numerator variable and the denominator variable are interchanged.
  • Group A Leu, lie, Val Group B: Ala, Glu, Asp, Tyr, Trp, Thr
  • Group D Amino acids or amino acid metabolites not included in Groups A, B, and C
  • the present invention evaluates the state of metabolic 'syndrome (specifically, when determining whether it is metabolic' non-metabolic 'or non-metabolic' syndrome), in addition to the amino acid concentration,
  • concentrations of other metabolites biological metabolites
  • protein expression levels subject's age and sex, biometrics, etc.
  • the present invention can be used as a variable in a multivariate discriminant when evaluating the state of metabolic 'syndrome (specifically, determining whether it is metabolic' syndrome or non-metabolic 'syndrome).
  • the amino acid concentration it may be possible to further use the concentration of other metabolites (biological metabolites), the expression level of the protein, the age and sex of the subject, and the biological index.
  • step 1 to step 4 the outline of the multivariate discriminant creation process (step 1 to step 4) will be described in detail.
  • a predetermined formula is obtained from the metabolic 'syndrome state information stored in the storage unit including the amino acid concentration data and the metabolic' syndrome state index data related to the index indicating the syndrome 'syndrome state.
  • step 1 from the metabolic 'syndrome state information, multiple different formula creation methods (principal component analysis and discriminant analysis, support vector machine, multiple regression analysis, oral dystic regression analysis, k means method, Multiple candidate multivariate discriminants may be created using both cluster analysis and multivariate analysis such as decision trees.)
  • metabolic 'syndrome status which is multivariate data composed of amino acid concentration data and metabolic' syndrome status index data obtained by analyzing blood from a number of healthy groups and metabolic 'syndrome groups.
  • Multiple groups of candidate multivariate discriminants may be created in parallel for information using a plurality of different algorithms. For example, two different candidate multivariate discriminants may be created by simultaneously performing discriminant analysis and logistic regression analysis using different algorithms.
  • the candidate multivariate discriminant created by performing principal component analysis is transformed into metabolic 'syndrome state information, and discriminant analysis is performed on the converted metabolic' syndrome state information to obtain the candidate multivariate discriminant. You may create it. As a result, the ability S to finally create an appropriate multivariate discriminant that meets the diagnostic conditions is saved.
  • the candidate multivariate discriminant created using principal component analysis is a linear expression that also has the power of each amino acid variable to maximize the variance of all amino acid concentration data.
  • the candidate multivariate discriminant created using discriminant analysis is a high-order expression (amino acid variable) that consists of amino acid variables that minimize the ratio of the sum of variances within each group to the variance of all amino acid concentration data ( Including exponents and logarithms).
  • the candidate multivariate discriminant created using the support vector machine is a higher-order expression (including kernel functions) consisting of amino acid variables that maximize the boundary between groups.
  • the candidate multivariate discriminant created using multiple regression analysis is a higher-order formula consisting of amino acid variables that minimizes the sum of distances from all amino acid concentration data.
  • the candidate multivariate discriminant created using logistic regression analysis is a fractional expression with a natural logarithm as the exponent, which is a linear expression consisting of each amino acid variable that maximizes the likelihood. It is.
  • the k means method searches for k neighborhoods of each amino acid concentration data, defines the largest group of neighboring points as the group to which the data belongs, and belongs to the input amino acid concentration data. It is a method of selecting amino acid variables that best match a group with a defined group.
  • Cluster analysis is a method of clustering (grouping) points at the closest distance in all amino acid concentration data.
  • a decision tree is a technique that ranks amino acid variables and predicts a group of amino acid concentration data from possible patterns of amino acid variables with higher ranks.
  • the present invention verifies (mutually verifies) the candidate multivariate discriminant created in step 1 based on a predetermined verification method in the control unit (step 2).
  • the candidate multivariate discriminant is verified for each candidate multivariate discriminant created in step 1.
  • step 2 the discrimination rate, sensitivity, specificity, information criteria, etc. of the candidate multivariate discriminant are based on at least one of the bootstrap method, holdout method, and leave one out method. You may verify at least one of them. This makes it possible to create candidate multivariate discriminants with high predictability or robustness that take into account metabolic 'syndrome state information and diagnostic conditions.
  • the discrimination rate is the proportion of the correct state of the metabolic 'symbol evaluated in the present invention in all input data.
  • Sensitivity is the ratio of the state of metabolic 'syndrome evaluated in the present invention in the state of metabolic' syndrome described in the input data.
  • the specificity is the correct proportion of the state of the metabolic 'syndrome evaluated in the present invention in the state where the state of the metabolic' syndrome described in the input data is healthy.
  • the information criterion refers to the number of amino acid variables in the candidate multivariate discriminant created in Step 1, the state of the metabolic syndrome evaluated in the present invention, and the state of the metabolic syndrome described in the input data. It is the sum of the differences.
  • Predictivity is the average of the discrimination rate, sensitivity, and specificity obtained by repeating verification of candidate multivariate discriminants.
  • Robustness is the variance of discrimination rate, sensitivity, and specificity obtained by repeated verification of candidate multivariate discriminants.
  • Step 3 the amino acid variable of the candidate multivariate discriminant is selected based on at least one of the stepwise method, the best path method, the neighborhood search method, and the genetic algorithm from the verification result in Step 2. You can do it.
  • the present invention repeatedly executes the above-described step 1, step 2 and step 3 in the control unit, and based on the verification results accumulated thereby, a plurality of A multivariate discriminant is created by selecting a candidate multivariate discriminant to be adopted as a multivariate discriminant from the candidate multivariate discriminants (step 4).
  • selecting candidate multivariate discriminants for example, selecting the most suitable candidate multivariate discriminant created using the same formula creation method, and selecting the most suitable from all candidate multivariate discriminants There is a case of selecting the right thing.
  • the configuration of the metabolic 'syndrome evaluation system (hereinafter sometimes referred to as the present system) that is the force of the second embodiment will be described with reference to FIGS.
  • This system is merely an example, and the present invention is not limited to this.
  • FIG. 4 shows an example of the overall configuration of this system.
  • FIG. 5 is a diagram showing another example of the overall configuration of this system.
  • the system includes a metabolic 'syndrome evaluation apparatus 100 that evaluates the state of metabolic' syndrome for each evaluation object, and a client apparatus 200 that provides amino acid concentration data of the evaluation object related to the concentration value of amino acid. (Corresponding to the information communication terminal device of the present invention) is connected to be communicable via the network 300.
  • this system uses metabolic' metabolic discriminant used when creating multivariate discriminant with syndrome evaluation device 100 'as shown in Fig. 5.
  • the database apparatus 400 storing the syndrome state information and the multivariate discriminant used for evaluating the state of the metabolic 'syndrome may be configured to be communicably connected via the network 300.
  • the metabolic 'syndrome evaluation device 100 is transferred from the client device 200 or the database device 400 to the database device 400 through the network 300. 'Information about the status of the syndrome is provided.
  • the information about the state of metabolic 'syndrome' is information about the value measured for a specific item about the state of metabolic 'syndrome of organisms including humans. Further, information regarding the state of the metabolic 'syndrome is generated by the metabolic' syndrome evaluation device 100, the client device 200, and other devices (for example, various measuring devices) and is mainly stored in the database device 400.
  • FIG. 6 is a block diagram showing an example of the configuration of the metabolic 'syndrome evaluation apparatus 100 of this system, and conceptually shows only the portion related to the present invention in the configuration.
  • the metabolic 'syndrome evaluation device 100 includes a control unit 102 such as a CPU that comprehensively controls the metabolic' syndrome evaluation device, a communication device such as a router, and a wired or wireless communication line such as a dedicated line.
  • the input / output interface unit 108 is configured to communicate with each other via an arbitrary communication path.
  • the metabolic 'syndrome evaluation device 100 may be configured in the same housing as various analysis devices (for example, an amino acid analyzer, etc.).
  • the specific form of the integration of metabolic 'syndrome evaluation device 100' is not limited to the one shown in the figure, and all or a part thereof is functionally or physically distributed in arbitrary units according to various loads. ⁇ It may be integrated and configured. For example, a part of the processing may be realized using CGI (Common Gateway Interface).
  • the user information file 106a stores user information related to users.
  • FIG. 7 is a diagram showing an example of information stored in the user information file 106a.
  • the information stored in the user information file 106a authenticates the user ID for uniquely identifying the user and whether or not the user is a legitimate person.
  • the department name and the e-mail address of the IJ user are related to each other.
  • the amino acid concentration data file 106b contains amino acids related to amino acid concentration values.
  • FIG. 8 is a diagram showing an example of information stored in the amino acid concentration data file 106b.
  • the information stored in the amino acid concentration data file 106b is configured by associating an individual number for uniquely identifying an individual (sample) to be evaluated with amino acid concentration data.
  • amino acid concentration data in which amino acid concentration data is treated as a numerical value that is, a continuous scale
  • amino acid concentration data includes other biological information (gender difference, age, height, weight, BMI index, waist circumference, insulin resistance index, uric acid level, blood glucose level, neutral fat, body fat percentage, total cholesterol, HDL cholesterol. , LDL cholesterol, systolic blood pressure, diastolic blood pressure, hemoglobin Alc, arteriosclerosis index, presence or absence of smoking, digitized ECG waveform, enzyme concentration, gene expression level, concentration of metabolites other than amino acids, etc.)
  • metabolic 'syndromic state index data and amino acid concentration data are extreme as numerical values (that is, continuous scale), but metabolic' syndromic state index data and amino acid concentration data are both nominal and ordinal scales. Good. In the case of nominal scale and ordinal scale, analysis may be performed by giving arbitrary numerical values to each state. Further, the metabolic 'syndrome state index data is a known single state index serving as a marker of the state of the metabolic' syndrome, and numerical data may be used.
  • the specified metabolic 'syndrome state information file 106d stores the metabolic' syndrome state information specified by the metabolic 'syndrome state information specifying unit 102g described later.
  • Figure 10 shows that the specified metabolic 'syndrome status information file 106d It is a figure which shows an example of the information stored.
  • the information stored in the designated metabolic 'syndrome status information file 106d is shown in Fig. 10.The individual number, the specified metabolic' syndrome status index data, and the specified amino acid concentration data are correlated with each other. It is configured with an attachment.
  • the multivariate discriminant-related information database 106e includes a candidate multivariate discriminant file 106el for storing the candidate multivariate discriminant created by the candidate multivariate discriminant-preparing part 102M described later, and a later-described Candidate multivariate discriminant verification unit 102h2 verification result file 106e2 that contains the combination of the amino acid concentration data selected by the variable selection unit 102h3 to be described later 'Selected metabolic to store syndrome state information' It consists of a syndrome status information file 106e3 and a multivariate discriminant file 106e4 that stores the multivariate discriminant created by the multivariate discriminant creation unit 102h described later.
  • the candidate multivariate discriminant file 106el stores the candidate multivariate discriminant created by the candidate multivariate discriminant-preparing part 102hl described later.
  • FIG. 11 is a diagram illustrating an example of information stored in the candidate multivariate discriminant file 10 6el.
  • the information stored in the candidate multivariate discriminant file 106el includes the rank, candidate multivariate discriminant (in Fig. 11, F (
  • FIG. 12 is a diagram showing an example of information stored in the verification result file 106e2.
  • the information stored in the verification result file 106e2 includes rank, candidate multivariate discriminant (in Fig. 12, F (Gly, Leu, Phe, ⁇ ) and F (Gly)
  • each candidate multivariate discriminant for example, the evaluation value of each candidate multivariate discriminant
  • the selected metabolic 'syndrome state information file 106e3 stores metabolic' syndrome state information including a combination of amino acid concentration data corresponding to the variable selected by the variable selection unit 102h3 described later.
  • Figure 13 shows the selection metabolic 'syndrome It is a figure which shows an example of the information stored in the program state information file 106e3.
  • the information stored in the selected metabolic 'syndrome status information file 106e3 includes the individual number, the metabolic' syndrome status index data specified by the metabolic 'syndrome status information specifying unit 102g'
  • the amino acid concentration data selected by the variable selection unit 102h3 to be described later is associated with each other.
  • the multivariate discriminant file 106e4 stores the multivariate discriminant created by the multivariate discriminant-preparing part 102h described later.
  • FIG. 14 is a diagram showing an example of information stored in the multivariate discriminant file 106e4. As shown in Fig. 14, the information stored in the multivariate discriminant file 106e4 includes the rank, multivariate discriminant (in Fig. 14, F (Phe, ⁇ ) and F (
  • each multivariate discriminant for example, the evaluation value of each multivariate discriminant
  • the evaluation result file 106g stores an evaluation result in a discriminant value criterion-evaluating unit 103 ⁇ 4 described later (specifically, a discrimination result in a discriminant value criterion-discriminating unit 103 ⁇ 41 described later).
  • FIG. 16 is a diagram showing an example of information stored in the evaluation result file 106g.
  • the information stored in the evaluation result file 106g is calculated by the individual number for uniquely identifying the individual (sample) to be evaluated, the amino acid concentration data of the evaluation target acquired in advance, and the multivariate discrimination formula.
  • the discriminant value and the evaluation result regarding the state of metabolic 'syndrome (specifically, the determination result regarding whether or not it is metabolic' syndrome or non-metabolic 'syndrome) are associated with each other.
  • the storage unit 106 stores various types of Web data for providing the Web site to the client device 200, CGI programs, and the like as other information in addition to the information described above! / RU Web data includes data for displaying various web pages, which will be described later. These data are formed as text files described in HTML or XML, for example. In addition, a part file, a work file, and other temporary files for creating Web data are also stored in the storage unit 106.
  • the storage unit 106 stores the audio to be transmitted to the client device 200 as an audio file such as WAVE format or AIF F format, and stores still images or movies as image files such as JPEG format or MPEG2 format as necessary. Can be stored.
  • the communication interface unit 104 mediates communication between the metabolic 'syndrome evaluation device 100 and the network 300 or a communication device such as a router). That is, the communication interface unit 104 has a function of communicating data with other terminals via a communication line.
  • the input / output interface unit 108 is connected to the input device 112 and the output device 114.
  • a monitor including a home television
  • a speaker or a printer can be used as the output device 114 (hereinafter, the output device 114 may be described as the monitor 114).
  • the input device 112 in addition to a keyboard, a mouse, and a microphone, a monitor that realizes a pointing device function in cooperation with the mouse can be used.
  • the control unit 102 is a control program such as an OS (Operating System), a program that defines various processing procedures, etc., and has an internal memory for storing required data. Execute information processing. As shown in the figure, the control unit 102 is roughly divided into a request interpretation unit 102a, a browsing processing unit 102b, an authentication processing unit 102c, an email generation unit 102d, a Web page generation unit 102e, a reception unit 102f, and a metabolic 'syndrome state information designation.
  • OS Operating System
  • Execute information processing As shown in the figure, the control unit 102 is roughly divided into a request interpretation unit 102a, a browsing processing unit 102b, an authentication processing unit 102c, an email generation unit 102d, a Web page generation unit 102e, a reception unit 102f, and a metabolic 'syndrome state information designation.
  • the control unit 102 removes data with missing values from the metabolic 'syndrome state information transmitted from the database device 400 and the amino acid concentration data transmitted from the client device 200-many outliers! / Elimination ⁇ Data processing such as removal of many data with missing values! / Variables is also performed.
  • the request interpretation unit 102a interprets the request contents from the client device 200 and the database device 400, and passes the processing to each unit of the control unit 102 according to the interpretation result. Browsing place
  • the management unit 102b In response to a browsing request for various screens from the client device 200, the management unit 102b generates and transmits Web data for these screens.
  • the authentication processing unit 102c Upon receiving an authentication request from the client device 200 or the database device 400, the authentication processing unit 102c makes an authentication determination.
  • the e-mail generating unit 102d generates an e-mail including various types of information.
  • the web page generation unit 102 e generates a web page that the user browses with the client device 200.
  • the receiving unit 102f transmits information transmitted from the client device 200 or the database device 400.
  • the metabolic 'syndrome state information specification unit 102g specifies target metabolic' syndrome state index data and amino acid concentration data when creating a multivariate discriminant.
  • the multivariate discriminant creation unit 102h generates a multivariate discriminant based on the metabolic 'syndrome state information received by the receiving unit 102f and the metabolic' syndrome state information specified by the metabolic 'syndrome state information specifying unit 102g. create. Specifically, the multivariate discriminant creation unit 102h accumulates by repeatedly executing the candidate multivariate discriminant creation unit 102hl, the candidate multivariate discriminant verification unit 102h2 and the variable selection unit 102h3 from the metabolic 'syndrome state information. Based on the verified results, a multivariate discriminant is created by selecting a candidate multivariate discriminant to be adopted as a multivariate discriminant from among a plurality of candidate multivariate discriminants.
  • the multivariate discriminant-preparing unit 102h receives the desired multivariate discriminant from the storage unit 106.
  • a multivariate discriminant may be created by selecting.
  • the multivariate discriminant creation unit 102h selects and downloads a desired multivariate discriminant from another computer device (for example, the database device 400) that stores the multivariate discriminant in advance. You can create
  • FIG. 17 is a block diagram showing the configuration of the multivariate discriminant-preparing part 102h, and conceptually shows only the part related to the present invention in the configuration.
  • the multivariate discriminant creation unit 102h includes a candidate multivariate discriminant creation unit 102hl, a candidate multivariate discriminant verification unit 102h2, and a variable selection unit 1 And 02h3.
  • the candidate multivariate discriminant-preparing part 102M creates a candidate multivariate discriminant that is a candidate for the multivariate discriminant based on a predetermined formula creation method from the metabolic 'syndrome state information.
  • the candidate multivariate discriminant-preparing part 102M may create a plurality of candidate multivariate discriminants from the metabolic 'syndrome state information by using a plurality of different formula creation methods.
  • the candidate multivariate discriminant verification unit 102h2 verifies the candidate multivariate discriminant created by the candidate multivariate discriminant creation unit 102hl based on a predetermined verification method.
  • the candidate multivariate discriminant verification unit 102h2 is based on at least one of the bootstrap method, the holdout method, and the leave one-out method, based on the discrimination rate, sensitivity, specificity, and information criterion of the candidate multivariate discriminant. You may verify at least one of them.
  • the variable selection unit 102h3 selects a candidate multivariate discriminant variable based on a predetermined variable selection method from the verification result in the candidate multivariate discriminant verification unit 102h2, thereby selecting the candidate multivariate discriminant. Select the combination of the amino acid concentration data included in the metabolic 'syndrome status information used when creating the. Note that the variable selection unit 102h3 may select a variable of the candidate multivariate discriminant based on at least one of the stepwise method, the best path method, the neighborhood search method, and the genetic algorithm as the verification result power. .
  • the discriminant value calculation unit 102i uses the multivariate discriminant created by the multivariate discriminant creation unit 102h (for example, Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr including at least one or two as variables) and the amino acid concentration data to be evaluated received by the receiver 102f (for example, Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Based on Gly, Ser, Thr, at least one or two concentration values), the discriminant value that is the value of the multivariate discriminant is calculated.
  • the multivariate discriminant created by the multivariate discriminant creation unit 102h for example, Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr including at least one or two as variables
  • the amino acid concentration data to be evaluated received by the receiver 102f for example, Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Based on Gly, Ser
  • the multivariate discriminant is expressed by the sum of one fractional expression or multiple fractional expressions, and the numerator of the fractional expression constituting it is Val, Leu, lie, Tyr, Trp, Glu, Ala, Contain at least one of Asp and Thr as a variable and the denominator of a constituent formula that includes at least one of Gly and Ser, or a numerator of a constituent formula that constitutes it Even if at least one of Gly and Ser is included as a variable, and the denominator of the constituent fractional component is at least one of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, and Thr Good.
  • the multivariate discriminant may be Formula 1. Thr / Ser + (Glu + Ala) / Gly (Formula 1)
  • multivariate discriminants are created by logistic regression, linear discriminant, multiple regression, formula created with support vector machine, formula created with Mahalanobis distance method, canonical discriminant analysis. Or an expression created with a decision tree.
  • the multivariate discriminant may use Glu, Gly, Ala, Thr, Ser as variables.
  • the discriminant value criterion-evaluating unit 103 ⁇ 4 evaluates the state of the metabolic 'syndrome per evaluation object based on the discriminant value calculated by the discriminant value calculating unit 102i.
  • the discriminant value criterion-evaluating unit 103 ⁇ 4 further includes a discriminant value criterion-discriminating unit 103 ⁇ 41.
  • FIG. 18 is a block diagram showing the configuration of the discriminant value criterion-evaluating unit 103 ⁇ 4. Only the portion related to the present invention in the configuration is conceptually shown.
  • the discriminant value criterion discriminating unit 103 ⁇ 4 1 discriminates whether the evaluation target is a metabolic syndrome or a non-metabolic 'syndrome. Specifically, the discriminant value criterion discriminating unit 103 ⁇ 4 1 compares the discriminant value with a preset threshold value (cutoff value) to determine whether the evaluation target is a metabolic 'syndrome or non-metabolic' syndrome. It is determined whether or not.
  • a preset threshold value cutoff value
  • the transmission unit 102m transmits the evaluation result to the client apparatus 200 that is the transmission source of the amino acid concentration data to be evaluated, or the multivariate created by the metabolic 'syndrome evaluation apparatus 100 to the database apparatus 400. Send discriminants and evaluation results.
  • FIG. 19 is a block diagram showing an example of the configuration of the client device 200 of the present system, and conceptually shows only the part related to the present invention in the configuration!
  • the client device 200 includes a control unit 210, a ROM 220, an HD 230, a RAM 240, and an input device.
  • an output device 260 an input / output IF 270, and a communication IF 280. These units are communicably connected via an arbitrary communication path.
  • the control unit 210 includes a Web browser 211, an electronic mailer 212, a reception unit 213, and a transmission unit 214. It is.
  • the web browser 211 performs browsing processing for interpreting the web data and displaying the interpreted web data on a monitor 261 described later.
  • the Web browser 211 may be plugged in with various software such as a stream player having a function of performing reception / display / feedback of stream video.
  • the electronic mailer 212 performs transmission / reception of electronic mail according to a predetermined communication protocol (for example, Simple Mail Transfer Protocol (SMTP), Post Office Protocol version 3 (POP3), etc.).
  • SMTP Simple Mail Transfer Protocol
  • POP3 Post Office Protocol version 3
  • the receiving unit 213 receives various types of information such as an evaluation result transmitted from the metabolic 'syndrome evaluation apparatus 100 via the communication IF 280.
  • the transmission unit 214 transmits various information such as the amino acid concentration data to be evaluated to the metabolic 'syndrome evaluation apparatus 100 via the communication IF 280.
  • the input device 250 is a keyboard, a mouse, a microphone, or the like.
  • a monitor 261 described later also realizes a pointing device function in cooperation with the mouse.
  • the output device 260 is an output means for outputting information received via the communication IF280, and includes a monitor (including a home TV) 2 61 and a printer 262. In addition, the output device 260 may be provided with a speaker or the like.
  • the input / output IF is connected to the input device 250 and the output device 260.
  • Communication IF 280 connects client device 200 and network 300 (or a communication device such as a router) so that they can communicate with each other.
  • the client device 200 is connected to the network 300 via a communication device such as a modem, TA, or router and a telephone line, or via a dedicated line.
  • the client apparatus 200 can access the metabolic 'syndrome evaluation apparatus 100 according to a predetermined communication protocol.
  • an information processing device in which peripheral devices such as a printer 'monitor' image scanner or the like are connected as necessary (for example, a known personal computer 'workstation' home game device'Internet TV'PHS terminal ⁇ Portable terminal ⁇ Mobile communication terminal 'Information processing terminal such as PDA etc.)
  • peripheral devices such as a printer 'monitor' image scanner or the like
  • PDA Portable terminal
  • Mobile communication terminal 'Information processing terminal such as PDA etc.
  • control unit 210 of the client device 200 may be realized by a CPU and a program that is interpreted and executed by the CPU and all or any part of the processing performed by the control unit 210.
  • ROM220 or HD230 in cooperation with OS (Operating System)
  • OS Operating System
  • a computer program for giving instructions and performing various processes is recorded.
  • the computer program is executed by being loaded into the RAM 240, and constitutes the control unit 210 in cooperation with the CPU.
  • the computer program may be recorded in an application program server connected to the client device 200 via an arbitrary network, and the client device 200 may download all or a part thereof as necessary.
  • all or any part of the processing performed by the control unit 210 may be realized by hardware such as wire logic.
  • the network 300 has a function of connecting the metabolic 'syndrome evaluation device 100, the client device 200, and the database device 400 so that they can communicate with each other.
  • the Internet for example, the Internet, an intranet, a LAN (including both wired / wireless), etc. It is.
  • the network 300 includes a VAN, a personal computer communication network, a public telephone network (including both analog and digital), a dedicated line network (including both analog and digital), a CATV network, and a mobile line switching network.
  • mobile packet switching network including IMT2000 system, GSM system or PDC / PDC-P system
  • wireless paging network local wireless network such as Bluetooth (registered trademark), PHS network, satellite communication network (CS, BS, ISDB, etc.) may also be used.
  • local wireless network such as Bluetooth (registered trademark)
  • PHS network PHS network
  • satellite communication network CS, BS, ISDB, etc.
  • FIG. 20 is a block diagram showing an example of the configuration of the database apparatus 400 of this system, and conceptually shows only the portion related to the present invention in the configuration.
  • the metabolic 'syndrome evaluation device 100 receives the transmission from the client device 200 at the request interpretation unit 102a, analyzes the content of the transmission, and processes each unit of the control unit 102 according to the analysis result. Move. Specifically, when the content of the transmission is a web page transmission request corresponding to the amino acid concentration data transmission screen, the metabolic 'syndrome evaluation device 100 is mainly the browsing processing unit 102b and the predetermined storage in the storage unit 106. Web data for displaying the Web page stored in the area is acquired, and the acquired Web data is transmitted to the client device 200.
  • the metabolic 'syndrome evaluation device 100 may notify the discrimination result to the user client device 200 by e-mail at the control unit 102.
  • the metabolic 'syndrome evaluation apparatus 100 refers to the user information stored in the user information file 106a based on the user ID, etc. according to the transmission timing in the email generation unit 102d, Get the user's email address.
  • the metabolic 'syndrome evaluation device 100 uses the e-mail generation unit 102d to send the e-mail including the user's name and discrimination result to the acquired e-mail address. Generate data about
  • the metabolic syndrome evaluation apparatus 100 transmits the generated data to the user client apparatus 200 by the transmission unit 102m.
  • step S-34 data such as missing values and outliers may be removed from the amino acid concentration data. This allows us to evaluate the state of metabolic 'syndrome more accurately with the power S.
  • step S-34 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Glv, Ser, Thr included in the amino acid concentration data to be evaluated measured in step S-33.
  • the discriminant value is calculated based on at least one concentration value and a multivariate discriminant that includes at least one of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, and Thr as variables.
  • the state of metabolic 'syndrome may be evaluated for each evaluation object based on the calculated discriminant value. This makes it possible to use the discriminant value obtained with a multivariate discriminant that has a significant correlation with the state of the metabolic 'syndrome, and to accurately evaluate the state of the metabolic' syndrome.
  • step S-34 based on the calculated discriminant value, it may be discriminated whether the evaluation target is a metabolic 'syndrome or a non-metabolic' syndrome. Specifically, by comparing the discriminant value with a preset threshold value (cut-off value), it may be discriminated whether the evaluation target is a metabolic 'non-metabolic' syndrome or not. This makes it possible to accurately discriminate between two groups of metabolic 'syndrome and non-metabolic' syndrome by using the discriminant value obtained with the multivariate discriminant useful for discriminating between two groups of metabolic 'syndrome and non-metabolic' syndrome. It can be carried out.
  • a preset threshold value cut-off value
  • the fractional expression means that the numerator of the fractional expression is represented by the sum of amino acids A, B, C, ... and / or the denominator of the fractional expression is the amino acid a, b, c, ... ⁇ It is expressed as the sum of
  • the fractional expression includes a sum (for example, ⁇ + / 3) of fractional expressions ⁇ , ⁇ , y,.
  • the fractional expression also includes a divided fractional expression. It should be noted that amino acids used in the numerator and denominator do not have any force even if appropriate coefficients are applied. Also, the amino acids used in the numerator and denominator cannot be duplicated.
  • Each fractional expression may have an appropriate coefficient.
  • the value of the coefficient of each variable and the value of the constant term may be real numbers.
  • the combination of the numerator variable and the denominator variable in the fractional expression is the force that reverses the sign of the correlation with the objective variable. Since it can be seen, it also includes combinations where the numerator variable and the denominator variable are interchanged.
  • Group D Amino acids or amino acid metabolites not included in Groups A, B, and C
  • step SA-34 data such as missing values and outliers are removed from the individual amino acid concentration data measured in step S-33 (step SA-34).
  • Step SA-36 the substance group power s administered in Step SA-31 prevents metabolic 'syndrome or the state of metabolic' syndrome It is determined whether or not the condition is improved.
  • Step SA-35 Val, Leu, lie, Tyr, Trp, Glu included in the amino acid concentration data of the individual from which data such as missing values and outliers were removed in Step SA-34. , Ala, Asp, Gly, Ser, Thr. Based on at least two concentration values, it is possible to determine whether the individual has a metabolic 'non-metabolic' syndrome or not. As a result, the concentration of amino acids in the blood By using amino acid concentrations useful for discriminating between two groups of tabular 'syndrome, it is possible to accurately discriminate between two groups of metabolic' and non-metabolic 'syndromes.
  • step SA-35 Val, Leu, lie, Tyr, Trp, Glu, Ala included in the amino acid concentration data of the individual from which data such as missing values and outliers were removed in step SA-34.
  • Based on the discriminant calculate the discriminant value and compare the calculated discriminant value with a preset threshold (cut-off value) to determine whether the individual is metabolic or non-metabolic. It may be determined whether or not.
  • step SA-35 Val, Leu, lie, Tyr, Trp, Glu, Ala included in the amino acid concentration data of the individual from which data such as missing values and outliers were removed in step SA-34.
  • Asp, Gly, Ser, Thr Concentration values and at least two of Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thr as variables
  • Based on the discriminant calculate the discriminant value and compare the calculated discriminant value with a preset threshold (cut-off value) to determine whether the individual is metabolic or non-metabolic. It may be determined whether or not.
  • Each of the above multivariate discriminants can be determined by the method described in the pamphlet of international publication WO 2004/052191, which is an international application filed by the present applicant, or by the international application number PCT / It can be created by the method described in JP2006 / 304398 (multivariate discriminant creation process described in the second embodiment to be described later). If the multivariate discriminant obtained by these methods is used, the multivariate discriminant should be suitably used to evaluate the state of metabolic 'syndrome regardless of the unit of amino acid concentration in the amino acid concentration data as input data. Touch with force S.
  • the 205 non-metabolic 'syndrome groups (173 cases) and the metabolic' syndrome group (32 cases)
  • the amino acid concentration in blood was measured by the amino acid analysis method.
  • the 205 cases do not include those who are being treated for diseases such as hypertension and diabetes.
  • Figure 25 shows the distribution of amino acid variables between the two groups of non-metabolic 'syndrome and metabolic' syndrome (horizontal axis is non-metabolic 'syndrome group: 1, metabolic' syndrome group: 2, ABA in the figure) Indicates ⁇ -ABA, and Cys indicates Cystine).
  • a t-test between the two groups was performed for the purpose of discriminating between the two groups.
  • index formula 3 is Val, Leu, lie, Tyr , Trp, Glu, Ala, Asp, Gly, Ser, Thr, including at least one amino acid variable (eg, at least one of mouth dystic regression, linear discrimination, support vector machine, Mahalanobis distance method, etc.))
  • index formula 4 composed of Glu, Gly, Ala, Thr, Ser (for example, at least one of mouth dicastic regression, linear discrimination, support vector machine, Mahalanobis distance method, etc.) .
  • logistic regression equation consisting of Glu, G1 y, Ala, Thr, Ser as index formula 4 (number coefficient and constant term of amino acid variables Glu, Gly, Ala, Thr, Ser are J 0. 020 ⁇ 0. 013, —0. 028 ⁇ 0. 009, 0. 0 11 ⁇ 0. 004, 0. 023 ⁇ 0. 012, —0. 029 ⁇ 0. 017, —1. 043 ⁇ 2. 283) Obtained.
  • the cut-off value When the cut-off value is obtained, the cut-off value is 1.507, and sensitivity 81%, specificity 75%, positive predictive value 76%, negative predictive value 80%, and efficiency 78% are obtained (see Figure 28). It proved to be a useful indicator with high diagnostic performance.
  • index formula 4 composed of Glu, Gly, Ala, Thr, and Ser using the same data as above, linear discriminant, support vector machine method, and multivariate discriminant by Mahalanobis distance method are used.
  • Example 1 The sample data used in Example 1 was used. Using the method described in the pamphlet of International Publication No. 2004/052191, which is an international application filed by the present applicant, an earnest search for an index that maximizes the discrimination performance between the two groups of non-metabolic 'syndrome and metabolic syndrome, Several index formulas with equivalent performance were obtained. Figures 29 and 30 show a list of ROC curve AUCs for determining the diagnostic performance between two groups using the index formula.
  • Example 1 The sample used in Example 1 was used.
  • An index for maximizing the two-group discrimination performance of non-metabolic syndrome and metabolic 'syndrome is described in the international application number PCT / JP2006 / 304398, which is an international application filed by the present applicant (how to search for multivariate discriminants).
  • the method was searched by logistic analysis, and multiple index formulas with equivalent performance were obtained.
  • Figures 31 and 32 show a list of ROC Azumi AUCs for determining the diagnostic performance between two groups using the index formula. Specific examples of the index formula for each rank in FIGS. 31 and 32 are shown in FIGS. 33 and 34.
  • Example 1 The sample data used in Example 1 was used.
  • Non-metabolic 'syndrome and metabolic Using the method described in International Application No. PCT / JP2006 / 304398 (multivariate discriminant search method), which is an international application filed by the present applicant, as an index for maximizing the two-group discrimination performance of the syndrome. Searching by linear discrimination, multiple index formulas with equivalent performance were obtained.
  • Figures 35 and 36 show a list of error rates (%) for the two-group discrimination of the diagnostic performance between the two groups using the index formula. Specific examples of the index formulas for the respective ranks in FIGS. 35 and 36 are shown in FIGS. 37 and 38.
  • metabolic 'syndrome evaluation method As described above, metabolic 'syndrome evaluation method, metabolic' syndrome evaluation device, metabolic 'syndrome evaluation method, metabolic' syndrome evaluation system, metabolic 'syndrome evaluation program and recording medium, and metabolic ⁇ Prevention of syndrome ⁇ Search methods for substances to be improved can be widely implemented in many industrial fields, especially in the fields of pharmaceuticals, foods, and medical care. Especially, pathological condition prediction, disease risk prediction, proteome and metabolomic analysis This is extremely useful in the field of bioinformatics.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Hematology (AREA)
  • Chemical & Material Sciences (AREA)
  • Urology & Nephrology (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Food Science & Technology (AREA)
  • Biotechnology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Microbiology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Cell Biology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Description

明 細 書
メタボリック ·シンドロームの評価方法、メタボリック ·シンドローム評価装置 、メタボリック 'シンドローム評価方法、メタボリック 'シンドローム評価システム、メタ ボリック 'シンドローム評価プログラムおよび記録媒体、ならびにメタボリック 'シンド ロームの予防 ·改善物質の探索方法
技術分野
[0001] 本発明は、血液（血漿）中のアミノ酸濃度を利用したメタボリック 'シンドロームの評 価方法ならびにメタボリック 'シンドローム評価装置、メタボリック 'シンドローム評価方 法、メタボリック 'シンドローム評価システム、メタボリック 'シンドローム評価プログラム および記録媒体に関するものである。
本発明は、メタボリック 'シンドロームを予防させる又はメタボリック 'シンドロームの状 態を改善させる物質を探索するメタボリック 'シンドロームの予防 ·改善物質の探索方 法に関するものである。
背景技術
[0002] 近年、高脂肪食 ·運動不足を背景とした生活習慣により、肥満'インシュリン抵抗性 を基盤とした高血糖 ·高血圧 ·高脂血症を複数併せた症状を保有する人が増加して おり、こうした症状は経年的に動脈硬化症を発症し、最終的に心筋梗塞などの心血 管障害や脳梗塞などの脳血管障害に至る人が増加し、現在緊急の医療保険の課題 として注目を集めている。
[0003] メタボリック 'シンドロームは、高血糖 '高血圧'高脂血症を複数併せた症状を保有し 、心血管障害や脳血管障害のリスクが高い人を指すもので、肥満による内臓脂肪の 蓄積が、高血圧、糖尿病、高脂血症をひきおこし、動脈硬化を進行させることから、メ タボリック 'シンドロームは内臓脂肪症候群とも呼ばれる。内臓脂肪に伴う高インスリン 血症や、脂肪組織から分泌されるアディポサイト力インのバランスがくずれることが原 因と考えられている。内臓脂肪が多いと、高血圧、糖尿病、高脂血症などの程度は軽 くても、心筋梗塞や脳梗塞のリスクは急激に増大する。
[0004] 2005年 4月第 102回日本内科学会総会に於いて、 日本内科学会など関連 8学会 合同（日本肥満学会、 日本動脈硬化学会、 日本糖尿病学会、 日本高血圧学会、 日 本循環器学会、 日本腎臓病学会、 日本血栓止血学会、 日本内科学会の 8学会）によ る日本人に対するメタボリック 'シンドロームの診断基準（非特許文献 1参照）が策定さ れた。その診断基準の内容は、ウェスト（腹囲）が男性で 85cm、女性で 90cm以上、 を共通項目とし、さらに以下の 3項目のうち、 2項目以上当てはまる場合を、メタボリッ ク 'シンドロームと判定するものである。また以下の 3項目のうち、 1項目のみ当てはま る場合を、メタボリック 'シンドロームの予備群と見做す。
1.最高血圧が 130mmHg以上か、最低血圧が 85mmHg以上。
2.空腹時の血糖値が 110mg/dL以上。
3. 中性脂肪が 150mg/dL以上、または HDL—コレステロールが 40mg/dL未満
〇
[0005] 2006年 5月に厚生労働省が発表した、 2004年「国民健康 ·栄養調査の結果概要」 によると、メタボリック 'シンドローム（内臓脂肪症候群)やその予備群は、 40〜74歳で は 3分の 1の約 2000万人にも達し、強く疑われる者の割合は、男性 25. 7%、女性 1 0. 0%、予備群と考えられる者の割合は、男性 26. 0%、女性 9. 6%であった。結果 を総合すると、メタボリック 'シンドロームが強く疑われる又は予備群と考えられる人の 割合は、 40〜74歳男性の 2人に 1人、女性の 5人に 1人、と高率であった。
[0006] メタボリック 'シンドロームの診断基準に関して、現在の診断基準を再度評価し直し 、より適切な臨床上の有用な診断基準に高めるべきであるという臨床上のニーズも存 在する（非特許文献 2参照）。再評価の中で指摘されているのは、現在世界的に公表 されているメタボリック 'シンドロームの診断基準である WHOによる基準 (WHO) (非 特許文献 3参照）と米国 National Cholesterol Education Programによる基準 (NCEP) (非特許文献 4参照）の間の基準項目に一部不一致があること、現在の診 断基準が背後にある病因を十分反映していないこと、心血管障害や脳血管障害のリ スクファクタ一として個別の疾患（糖尿病、高血圧症、高脂血症）のリスクファクターと 比べて優位性を言うにはまだ不十分であること、メタボリック 'シンドロームの治療方針 を策定する場合に個別の疾患の治療方針との相違が未確立であること、などである。
[0007] こうした観点からメタボリック 'シンドロームの背景にある病因を反映した、リスクファタ ターとしてより適切なバイオマーカーの探索が進められている。現在、バイオマーカ 一として、炎症性の因子である高感度 CRP (C— reactive protein ;hs— CRP) (非 特許文献 5参照）、脂肪細胞の分泌因子であるアディボカイン群から、アディポネクチ ン (非特許文献 6参照）、レジスチン (非特許文献 7参照）、レブチン、レブチン/アデ ィポネクチン比（非特許文献 8参照）、またはその他の生化学因子として ALT (非特 許文献 9参照）、アルブミン尿 (非特許文献 10参照）、尿酸 (非特許文献 11参照）、 L DLコレステロール (非特許文献 12参照）などが現在候補として研究されている。
[0008] これらのバイオマーカーは、メタボリック 'シンドロームと相関して変動することが判明 しているが、非メタボリック 'シンドロームとメタボリック 'シンドロームの判別性に関して は、まだ評価されていないか、または十分な判別性能をもつに至っていない。例えば 、高感度 CRPは、メタボリック 'シンドロームの診断項目である腹囲、 HDLコレステロ ール、中性脂肪の対数値、空腹時の血糖値、収縮期血圧、拡張期血圧と統計的に 有意な相関（Spearman偏相関係数で各々、 0. 22, —0. 15, 0. 12, 0. 03, 0. 0 5, 0. 01)を示す (非特許文献 13参照）が、十分な判別性能をもつに至っていない。 また肥満や糖尿病においてアミノ酸が変動することは知られている（非特許文献 14、 非特許文献 15参照）が、当時はメタボリック 'シンドロームの概念は無ぐメタボリック- シンドロームの判別を行うものではな!/、。
[0009] メタボリック 'シンドロームが進展し糖尿病 ·高血圧などに至ると治療が長引くことが 多ぐ患者の生活の質の低下はむろんのこと、前述のように国民医療費の増大につ ながる。従って健康診断等で簡便かつ精度高く行える診断方法と、それに基づく適 正な保健指導 ·医療といった予防 ·治療方法の確立が強く求められている。
[0010] アミノ酸の代謝は内臓脂肪の蓄積に由来するインシュリン抵抗性により、末梢組織 で影響を受け、メタボリック 'シンドロームの形成過程に重要な糖代謝、脂質代謝、炎 症反応、レドックス調節機構と強く連関していると考えられる。そのため、メタボリック- シンドロームでの末梢血等で特異的に変動するアミノ酸が発見され、さらに変動アミノ 酸の濃度パラメーターを用いた指標式が創出できれば、メタボリック 'シンドロームの 背景にある代謝変化を反映した簡便かつ鋭敏な検査法として広く適用可能である。 血中のアミノ酸を用いて病態を診断する方法は、特許文献 1および特許文献 2に記 載されて!/、る指標が存在する（特許文献 2は未公開特許であるので従来技術ではな い。）が、そこでの臨床の診断対象は、特許文献 1では C型肝炎の非肝炎と肝炎の判 別を目的とする指標であり、特許文献 2では健常者と潰瘍性大腸炎患者の判別と健 常者とクローン病患者の判別を目的とする指標である。
非特許文献 1:メタボリック 'シンドローム診断基準検討委員会， 日本内科学会雑誌， 94, 794, 2005.
非特許文献 2: Diabetes care, Karn, R. Buse, J. Ferrannini, E. an d Stern, M. 28, 2289(2005).
非特許文献 3: Report of a WHO Consultation. Geneva, World Healt h Org. , 1999.
非特許文献 4 : Executive summary of the Third Report of the Nation al Cholesterol Education Program (NCEP) Expert Panel on Detecti on, Evaluation, and Treatment of High Blood Cholesterol in Adu Its (Adult Treatment Panel III), JAMA 285, 2486(2001).
非特許文献 5:Frohlich, M, , Imhof, A. , Berg, G. et al. , Diabetea
Care 23, 1835(2000).
非特許文献 6:Langenberg, C. , Bergstrom, J. , et al. , Diabetes Ca re 29, 1363(2006).
非特許文献 7:MedStar Research Institute, US20060099608.
非特許文献 8:Mojiminiyi, OA. , Abdella, NA. , et al. , Int. J. Ob esity, Jun. 6(2006).
非特許文献 9:Kazumi, T. , Kawaguchi, A. , Horm Metab Res. 38 , 119-24(2006).
非特許文献 10: Bonnet, F. , Marre, M. , et al. , J Hypertens. 24, 1157 (2006).
非特許文献 11: Kawamoto R, Tomita H, Oka Y, Ohtsuka N. , Inte rn Med. , 45, 605(2006).
非特許文献 12:Gazi, I. , Tsimihodimos, V. , et al. , Metabolism, 55, 885 (2006) .
非特許文献 13 : Choi, EY. , Park, EH. , et al. , Metabolism, 55, 415 (2006) .
非特許文献 14 : Felig, P. , Marliss, E. , et al. , New Engl. J. Med . 281 , 811 (1969) .
非特許文献 15 : Felig, P. , Marliss, E. , et al. , Diabetes, 19, 727 (1979) .
特許文献 1：国際公開第 2004/052191号パンフレット
特許文献 2：国際出願番号 PCT/JP2006/304398
発明の開示
発明が解決しょうとする課題
[0012] しかしながら、これまでメタボリック 'シンドロームの状態での末梢血のアミノ酸代謝 ノ ターンに関する報告は無ぐ肥満または糖尿病でのアミノ酸の変化に限られている という問題点があった。また、非メタボリック 'シンドロームとメタボリック 'シンドロームの 2群判別による診断方法への応用につ!/、ての報告は皆無であると!/、う問題点があつ た。
[0013] 本発明は、上記問題点に鑑みてなされたものであって、血液中のアミノ酸濃度を利 用してメタボリック 'シンドロームの状態を精度よく評価することができるメタボリック 'シ ンドロームの評価方法、ならびにメタボリック 'シンドローム評価装置、メタボリック 'シン ドローム評価方法、メタボリック 'シンドローム評価システム、メタボリック 'シンドローム 評価プログラムおよび記録媒体を提供することを目的とする。
また、本発明は、当該メタボリック 'シンドロームの評価方法を用いることで、メタボリ ック 'シンドロームを予防させる又はメタボリック 'シンドロームの状態を改善させる物質 を効率よく探索することができるメタボリック 'シンドロームの予防 ·改善物質の探索方 法を提供することを目的とする。
課題を解決するための手段
[0014] 本発明者らは、上記課題を解決するために鋭意検討し、血液中のアミノ酸濃度によ るメタボリック 'シンドロームと非メタボリック 'シンドロームの 2群判別に有用なアミノ酸 変数 (2群間で統計的有意差をもって変動するアミノ酸変数)を同定すると共に、アミ ノ酸変数を用いる相関式 (指標式）とメタボリック 'シンドロームを対象とした病態進行 とに有意な相関があることを見出し、本発明を完成するに至った。本発明は、以下を 包含する。
[0015] すなわち、上述した課題を解決し、 目的を達成するために、本発明にかかる請求項
1に記載のメタボリック'シンドロームの評価方法は、評価対象力 採取した血液から、 アミノ酸の濃度値に関するアミノ酸濃度データを測定する測定ステップと、前記測定 ステップで測定した前記評価対象の前記アミノ酸濃度データに基づ!/、て、前記評価 対象につき、メタボリック 'シンドロームの状態を評価する濃度値基準評価ステップと を実行することを特徴とする。
[0016] また、本発明に力、かる請求項 2に記載のメタボリック 'シンドロームの評価方法は、請 求項 1に記載のメタボリック 'シンドロームの評価方法において、前記濃度値基準評 価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度デー タに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少な くとも 1つの前記濃度値に基づいて、前記評価対象につき、前記メタボリック 'シンドロ ームの状態を評価することを特徴とする。
[0017] また、本発明に力、かる請求項 3に記載のメタボリック 'シンドロームの評価方法は、請 求項 2に記載のメタボリック 'シンドロームの評価方法において、前記濃度値基準評 価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度デー タに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少な くとも 1つの前記濃度値に基づいて、前記評価対象につき、前記メタボリック 'シンドロ ームまたは非メタボリック 'シンドロームであるか否かを判別する濃度値基準判別ステ ップをさらに含むことを特徴とする。
[0018] また、本発明に力、かる請求項 4に記載のメタボリック 'シンドロームの評価方法は、請 求項 3に記載のメタボリック 'シンドロームの評価方法において、前記濃度値基準判 別ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度デー タに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少な くとも 2つの前記濃度値に基づいて、前記評価対象につき、前記メタボリック 'シンドロ ームまたは前記非メタボリック 'シンドロームであるか否かを判別することを特徴とする
[0019] また、本発明に力、かる請求項 5に記載のメタボリック 'シンドロームの評価方法は、請 求項 1に記載のメタボリック 'シンドロームの評価方法において、前記濃度値基準評 価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ酸濃度デー タおよび前記アミノ酸の濃度を変数とする予め設定した多変量判別式に基づいて、 当該多変量判別式の値である判別値を算出する判別値算出ステップと、前記判別 値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記メタ ボリック 'シンドロームの状態を評価する判別値基準評価ステップとをさらに含むこと を特徴とする。
[0020] また、本発明に力、かる請求項 6に記載のメタボリック 'シンドロームの評価方法は、請 求項 5に記載のメタボリック 'シンドロームの評価方法において、前記多変量判別式 は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つ を前記変数として含むものであり、前記判別値算出ステップは、前記測定ステップで 測定した前記評価対象の前記アミノ酸濃度データに含まれる Val, Leu, lie, Tyr, T rp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの前記濃度値および前記 多変量判別式に基づいて、前記判別値を算出することを特徴とする。
[0021] また、本発明に力、かる請求項 7に記載のメタボリック 'シンドロームの評価方法は、請 求項 6に記載のメタボリック 'シンドロームの評価方法において、前記判別値基準評 価ステップは、前記判別値算出ステップで算出した前記判別値に基づレ、て、前記評 価対象につき、前記メタボリック 'シンドロームまたは非メタボリック 'シンドロームである か否力、を判別する判別値基準判別ステップをさらに含むことを特徴とする。
[0022] また、本発明に力、かる請求項 8に記載のメタボリック 'シンドロームの評価方法は、請 求項 7に記載のメタボリック 'シンドロームの評価方法において、前記多変量判別式 は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つ を前記変数として含むものであり、前記判別値算出ステップは、前記測定ステップで 測定した前記評価対象の前記アミノ酸濃度データに含まれる Val, Leu, lie, Tyr, T rp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの前記濃度値および前記 多変量判別式に基づいて、前記判別値を算出することを特徴とする。
[0023] また、本発明に力、かる請求項 9に記載のメタボリック 'シンドロームの評価方法は、請 求項 8に記載のメタボリック 'シンドロームの評価方法において、前記多変量判別式 は、 1つの分数式または複数の前記分数式の和で表され、それを構成する前記分数 式の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを 前記変数として含み且つそれを構成する前記分数式の分母に Gly, Serのうち少なく とも 1つを前記変数として含む、またはそれを構成する前記分数式の分子に Gly, Se rのうち少なくとも 1つを前記変数として含み且つそれを構成する前記分数式の分母 に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを前記変数と して含むことを特徴とする。
[0024] また、本発明に力、かる請求項 10に記載のメタボリック 'シンドロームの評価方法は、 請求項 9に記載のメタボリック 'シンドロームの評価方法において、前記多変量判別 式は数式 1であることを特徴とする。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0025] また、本発明に力、かる請求項 11に記載のメタボリック 'シンドロームの評価方法は、 請求項 8に記載のメタボリック 'シンドロームの評価方法において、前記多変量判別 式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成 された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定 木で作成された式のいずれか 1つであることを特徴とする。
[0026] また、本発明に力、かる請求項 12に記載のメタボリック 'シンドロームの評価方法は、 請求項 11に記載のメタボリック 'シンドロームの評価方法において、前記多変量判別 式は、 Glu, Gly, Ala, Thr, Serを前記変数とすることを特徴とする。
[0027] また、本発明はメタボリック 'シンドローム評価装置に関するものであり、本発明にか 力、る請求項 13に記載のメタボリック 'シンドローム評価装置は、制御手段と記憶手段 とを備え評価対象につきメタボリック 'シンドロームの状態を評価するメタボリック 'シン ドローム評価装置であって、前記制御手段は、アミノ酸の濃度値に関する予め取得し た前記評価対象のアミノ酸濃度データおよび前記アミノ酸の濃度を変数とする前記 記憶手段で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別 値を算出する判別値算出手段と、前記判別値算出手段で算出した前記判別値に基 づいて、前記評価対象につき、前記メタボリック 'シンドロームの状態を評価する判別 値基準評価手段とを備えたことを特徴とする。
[0028] また、本発明に力、かる請求項 14に記載のメタボリック 'シンドローム評価装置は、請 求項 13に記載のメタボリック 'シンドローム評価装置において、前記多変量判別式は 、 Val, Leu, He, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのつち少なくと ¾ 1つを 前記変数として含むものであり、前記判別値算出手段は、予め取得した前記評価対 象の前記アミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp , Gly, Ser, Thrのうち少なくとも 1つの前記濃度値および前記多変量判別式に基づ いて、前記判別値を算出することを特徴とする。
[0029] また、本発明に力、かる請求項 15に記載のメタボリック 'シンドローム評価装置は、請 求項 14に記載のメタボリック 'シンドローム評価装置において、前記判別値基準評価 手段は、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象に つき、前記メタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを 判別する判別値基準判別手段をさらに備えたことを特徴とする。
[0030] また、本発明に力、かる請求項 16に記載のメタボリック 'シンドローム評価装置は、請 求項 15に記載のメタボリック 'シンドローム評価装置において、前記多変量判別式は 、 Val, Leu, He, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのつち少なくと ¾2つを 前記変数として含むものであり、前記判別値算出手段は、予め取得した前記評価対 象の前記アミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp , Gly, Ser, Thrのうち少なくとも 2つの前記濃度値および前記多変量判別式に基づ いて、前記判別値を算出することを特徴とする。
[0031] また、本発明に力、かる請求項 17に記載のメタボリック 'シンドローム評価装置は、請 求項 16に記載のメタボリック 'シンドローム評価装置において、前記多変量判別式は 、 1つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式 の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを前 記変数として含み且つそれを構成する前記分数式の分母に Gly, Serのうち少なくと も 1つを前記変数として含む、またはそれを構成する前記分数式の分子に Gly, Ser のうち少なくとも 1つを前記変数として含み且つそれを構成する前記分数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを前記変数とし て含むことを特徴とする。
[0032] また、本発明に力、かる請求項 18に記載のメタボリック 'シンドローム評価装置は、請 求項 17に記載のメタボリック 'シンドローム評価装置において、前記多変量判別式は 数式 1であることを特徴とする。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0033] また、本発明に力、かる請求項 19に記載のメタボリック 'シンドローム評価装置は、請 求項 16に記載のメタボリック 'シンドローム評価装置において、前記多変量判別式は 、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成され た式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木 で作成された式のいずれ力、 1つであることを特徴とする。
[0034] また、本発明に力、かる請求項 20に記載のメタボリック 'シンドローム評価装置は、請 求項 19に記載のメタボリック 'シンドローム評価装置において、前記多変量判別式は 、 Glu, Gly, Ala, Thr, Serを前記変数とすることを特徴とする。
[0035] また、本発明に力、かる請求項 21に記載のメタボリック 'シンドローム評価装置は、請 求項 13力も 20のいずれ力、 1つに記載のメタボリック 'シンドローム評価装置において 、前記制御手段は、前記アミノ酸濃度データと前記メタボリック 'シンドロームの状態を 表す指標に関するメタボリック 'シンドローム状態指標データとを含む前記記憶手段 で記憶したメタボリック ·シンドローム状態情報に基づ!/、て、前記記憶手段で記憶する 前記多変量判別式を作成する多変量判別式作成手段をさらに備え、前記多変量判 別式作成手段は、前記メタボリック 'シンドローム状態情報から所定の式作成手法に 基づ!/、て、前記多変量判別式の候補である候補多変量判別式を作成する候補多変 量判別式作成手段と、前記候補多変量判別式作成手段で作成した前記候補多変 量判別式を、所定の検証手法に基づ!/、て検証する候補多変量判別式検証手段と、 前記候補多変量判別式検証手段での検証結果から所定の変数選択手法に基づい て前記候補多変量判別式の変数を選択することで、前記候補多変量判別式を作成 する際に用いる前記メタボリック 'シンドローム状態情報に含まれる前記アミノ酸濃度 データの組み合わせを選択する変数選択手段と、をさらに備え、前記候補多変量判 別式作成手段、前記候補多変量判別式検証手段および前記変数選択手段を繰り返 し実行して蓄積した前記検証結果に基づ!/、て、複数の前記候補多変量判別式の中 から前記多変量判別式として採用する前記候補多変量判別式を選出することで、前 記多変量判別式を作成することを特徴とする。
[0036] また、本発明はメタボリック 'シンドローム評価方法に関するものであり、本発明にか 力、る請求項 22に記載のメタボリック 'シンドローム評価方法は、制御手段と記憶手段 とを備えた情報処理装置で実行する、評価対象につきメタボリック 'シンドロームの状 態を評価するメタボリック 'シンドローム評価方法であって、前記制御手段で、アミノ酸 の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データおよび前記アミ ノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づレ、て、当該 多変量判別式の値である判別値を算出する判別値算出ステップと、前記判別値算 出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記メタボリッ ク 'シンドロームの状態を評価する判別値基準評価ステップとを実行することを特徴と する。
[0037] また、本発明に力、かる請求項 23に記載のメタボリック 'シンドローム評価方法は、請 求項 22に記載のメタボリック 'シンドローム評価方法において、前記多変量判別式は 、 Val, Leu, He, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのつち少なくと ¾ 1つを 前記変数として含むものであり、前記判別値算出ステップは、予め取得した前記評価 対象の前記アミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, As p, Gly, Ser, Thrのうち少なくとも 1つの前記濃度値および前記多変量判別式に基 づいて、前記判別値を算出することを特徴とする。
[0038] また、本発明に力、かる請求項 24に記載のメタボリック 'シンドローム評価方法は、請 求項 23に記載のメタボリック 'シンドローム評価方法において、前記判別値基準評価 ステップは、前記判別値算出ステップで算出した前記判別値に基づレ、て、前記評価 対象につき、前記メタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか 否かを判別する判別値基準判別ステップをさらに含むことを特徴とする。
[0039] また、本発明に力、かる請求項 25に記載のメタボリック 'シンドローム評価方法は、請 求項 24に記載のメタボリック 'シンドローム評価方法において、前記多変量判別式は 、 Val, Leu, He, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのつち少なくと ¾2つを 前記変数として含むものであり、前記判別値算出ステップは、予め取得した前記評価 対象の前記アミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, As p, Gly, Ser, Thrのうち少なくとも 2つの前記濃度値および前記多変量判別式に基 づいて、前記判別値を算出することを特徴とする。
[0040] また、本発明に力、かる請求項 26に記載のメタボリック 'シンドローム評価方法は、請 求項 25に記載のメタボリック 'シンドローム評価方法において、前記多変量判別式は 、 1つの分数式または複数の前記分数式の和で表され、それを構成する前記分数式 の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを前 記変数として含み且つそれを構成する前記分数式の分母に Gly, Serのうち少なくと も 1つを前記変数として含む、またはそれを構成する前記分数式の分子に Gly, Ser のうち少なくとも 1つを前記変数として含み且つそれを構成する前記分数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを前記変数とし て含むことを特徴とする。
[0041] また、本発明に力、かる請求項 27に記載のメタボリック 'シンドローム評価方法は、請 求項 26に記載のメタボリック 'シンドローム評価方法において、前記多変量判別式は 数式 1であることを特徴とする。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0042] また、本発明に力、かる請求項 28に記載のメタボリック 'シンドローム評価方法は、請 求項 25に記載のメタボリック 'シンドローム評価方法において、前記多変量判別式は 、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成され た式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木 で作成された式のいずれ力、 1つであることを特徴とする。
[0043] また、本発明に力、かる請求項 29に記載のメタボリック 'シンドローム評価方法は、請 求項 28に記載のメタボリック 'シンドローム評価方法において、前記多変量判別式は 、 Glu, Gly, Ala, Thr, Serを前記変数とすることを特徴とする。
[0044] また、本発明に力、かる請求項 30に記載のメタボリック 'シンドローム評価方法は、請 求項 22から 29のいずれ力、 1つに記載のメタボリック 'シンドローム評価方法において 、前記制御手段で、前記アミノ酸濃度データと前記メタボリック 'シンドロームの状態を 表す指標に関するメタボリック 'シンドローム状態指標データとを含む前記記憶手段 で記憶したメタボリック ·シンドローム状態情報に基づ!/、て、前記記憶手段で記憶する 前記多変量判別式を作成する多変量判別式作成ステップをさらに実行し、前記多変 量判別式作成ステップは、前記メタボリック 'シンドローム状態情報から所定の式作成 手法に基づ!/、て、前記多変量判別式の候補である候補多変量判別式を作成する候 補多変量判別式作成ステップと、前記候補多変量判別式作成ステップで作成した前 記候補多変量判別式を、所定の検証手法に基づ!/、て検証する候補多変量判別式 検証ステップと、前記候補多変量判別式検証ステップでの検証結果から所定の変数 選択手法に基づ!/、て前記候補多変量判別式の変数を選択することで、前記候補多 変量判別式を作成する際に用いる前記メタボリック 'シンドローム状態情報に含まれ る前記アミノ酸濃度データの組み合わせを選択する変数選択ステップと、をさらに含 み、前記候補多変量判別式作成ステップ、前記候補多変量判別式検証ステップおよ び前記変数選択ステップを繰り返し実行して蓄積した前記検証結果に基づレ、て、複 数の前記候補多変量判別式の中から前記多変量判別式として採用する前記候補多 変量判別式を選出することで、前記多変量判別式を作成することを特徴とする。 また、本発明はメタボリック 'シンドローム評価システムに関するものであり、本発明 にかかる請求項 31に記載のメタボリック 'シンドローム評価システムは、制御手段と記 憶手段とを備え評価対象につきメタボリック 'シンドロームの状態を評価するメタボリッ ク 'シンドローム評価装置と、アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度 データを提供する情報通信端末装置とを、ネットワークを介して通信可能に接続して 構成されたメタボリック 'シンドローム評価システムであって、前記情報通信端末装置 は、前記評価対象の前記アミノ酸濃度データを前記メタボリック 'シンドローム評価装 置へ送信するアミノ酸濃度データ送信手段と、前記メタボリック 'シンドローム評価装 置から送信された前記メタボリック 'シンドロームの状態に関する前記評価対象の評 価結果を受信する評価結果受信手段とを備え、前記メタボリック 'シンドローム評価装 置の前記制御手段は、前記情報通信端末装置から送信された前記評価対象の前記 アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、前記アミノ酸濃度デ ータ受信手段で受信した前記評価対象の前記アミノ酸濃度データおよび前記アミノ 酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づ!/、て、当該多 変量判別式の値である判別値を算出する判別値算出手段と、前記判別値算出手段 で算出した前記判別値に基づいて、前記評価対象につき、前記メタボリック 'シンドロ ームの状態を評価する判別値基準評価手段と、前記判別値基準評価手段での前記 評価対象の前記評価結果を前記情報通信端末装置へ送信する評価結果送信手段 と、を備えたことを特徴とする。
[0046] また、本発明に力、かるメタボリック 'シンドローム評価システムは、前記に記載のメタ ボリック.シンドローム評価システムにおいて、前記多変量判別式は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つを前記変数として含 むものであり、前記判別値算出手段は、前記アミノ酸濃度データ受信手段で受信し た前記評価対象の前記アミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Gl u, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの前記濃度値および前記多変量 判別式に基づいて、前記判別値を算出することを特徴とする。
[0047] また、本発明に力、かるメタボリック 'シンドローム評価システムは、前記に記載のメタ ボリック 'シンドローム評価システムにお!/、て、前記判別値基準評価手段は、前記判 別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記メタボ リック'シンドロームまたは非メタボリック 'シンドロームであるか否かを判別する判別値 基準判別手段をさらに備えたことを特徴とする。
[0048] また、本発明に力、かるメタボリック 'シンドローム評価システムは、前記に記載のメタ ボリック.シンドローム評価システムにおいて、前記多変量判別式は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つを前記変数として含 むものであり、前記判別値算出手段は、前記アミノ酸濃度データ受信手段で受信し た前記評価対象の前記アミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Gl u, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの前記濃度値および前記多変量 判別式に基づいて、前記判別値を算出することを特徴とする。
[0049] また、本発明に力、かるメタボリック 'シンドローム評価システムは、前記に記載のメタ ボリック 'シンドローム評価システムにおいて、前記多変量判別式は、 1つの分数式ま たは複数の前記分数式の和で表され、それを構成する前記分数式の分子に Val, L eu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを前記変数として含み 且つそれを構成する前記分数式の分母に Gly, Serのうち少なくとも 1つを前記変数 として含む、またはそれを構成する前記分数式の分子に Gly, Serのうち少なくとも 1 つを前記変数として含み且つそれを構成する前記分数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを前記変数として含むことを特 徴とする。
[0050] また、本発明に力、かるメタボリック 'シンドローム評価システムは、前記に記載のメタ ボリック 'シンドローム評価システムにおいて、前記多変量判別式は数式 1であること を特徴とする。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0051] また、本発明に力、かるメタボリック 'シンドローム評価システムは、前記に記載のメタ ボリック 'シンドローム評価システムにおいて、前記多変量判別式は、ロジスティック回 帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビ ス距離法で作成された式、正準判別分析で作成された式、決定木で作成された式の いずれか 1つであることを特徴とする。
[0052] また、本発明に力、かるメタボリック 'シンドローム評価システムは、前記に記載のメタ ボリック.シンドローム評価システムにおいて、前記多変量判別式は、 Glu, Gly, Ala
, Thr, Serを前記変数とすることを特徴とする。
[0053] また、本発明に力、かるメタボリック 'シンドローム評価システムは、前記に記載のメタ ボリック ·シンドローム評価システムにお!/、て、前記メタボリック ·シンドローム評価装置 の前記制御手段は、前記アミノ酸濃度データと前記メタボリック 'シンドロームの状態 を表す指標に関するメタボリック 'シンドローム状態指標データとを含む前記記憶手 段で記憶したメタボリック ·シンドローム状態情報に基づ!/、て、前記記憶手段で記憶 する前記多変量判別式を作成する多変量判別式作成手段をさらに備え、前記多変 量判別式作成手段は、前記メタボリック 'シンドローム状態情報から所定の式作成手 法に基づ!/、て、前記多変量判別式の候補である候補多変量判別式を作成する候補 多変量判別式作成手段と、前記候補多変量判別式作成手段で作成した前記候補 多変量判別式を、所定の検証手法に基づ!/、て検証する候補多変量判別式検証手 段と、前記候補多変量判別式検証手段での検証結果から所定の変数選択手法に基 づレ、て前記候補多変量判別式の変数を選択することで、前記候補多変量判別式を 作成する際に用いる前記メタボリック 'シンドローム状態情報に含まれる前記アミノ酸 濃度データの組み合わせを選択する変数選択手段と、をさらに備え、前記候補多変 量判別式作成手段、前記候補多変量判別式検証手段および前記変数選択手段を 繰り返し実行して蓄積した前記検証結果に基づ!/、て、複数の前記候補多変量判別 式の中から前記多変量判別式として採用する前記候補多変量判別式を選出すること で、前記多変量判別式を作成することを特徴とする。
[0054] また、本発明はメタボリック 'シンドローム評価プログラムに関するものであり、本発明 にかかる請求項 32に記載のメタボリック 'シンドローム評価プログラムは、制御手段と 記憶手段とを備えた情報処理装置に実行させる、評価対象につきメタボリック 'シンド ロームの状態を評価するメタボリック 'シンドローム評価プログラムであって、前記制御 手段に、アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度デー タおよび前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に 基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップと、 前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、 前記メタボリック 'シンドロームの状態を評価する判別値基準評価ステップとを実行さ せることを特徴とする。
[0055] また、本発明に力、かるメタボリック 'シンドローム評価プログラムは、前記に記載のメ タボリック 'シンドローム評価プログラムにおいて、前記多変量判別式は、 Val, Leu, I le, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つを前記変数とし て含むものであり、前記判別値算出ステップは、予め取得した前記評価対象の前記 アミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Se r, Thrのうち少なくとも 1つの前記濃度値および前記多変量判別式に基づいて、前 記判別値を算出することを特徴とする。
[0056] また、本発明に力、かるメタボリック 'シンドローム評価プログラムは、前記に記載のメ タボリック'シンド口ーム評価プログラムにおいて、前記判別値基準評価ステップは、 前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、 前記メタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを判別 する判別値基準判別ステップをさらに含むことを特徴とする。
[0057] また、本発明に力、かるメタボリック 'シンドローム評価プログラムは、前記に記載のメ タボリック 'シンドローム評価プログラムにおいて、前記多変量判別式は、 Val, Leu, I le, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つを前記変数とし て含むものであり、前記判別値算出ステップは、予め取得した前記評価対象の前記 アミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Se r, Thrのうち少なくとも 2つの前記濃度値および前記多変量判別式に基づいて、前 記判別値を算出することを特徴とする。
[0058] また、本発明に力、かるメタボリック 'シンドローム評価プログラムは、前記に記載のメ タボリック 'シンドローム評価プログラムにおいて、前記多変量判別式は、 1つの分数 式または複数の前記分数式の和で表され、それを構成する前記分数式の分子に Va 1, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを前記変数として 含み且つそれを構成する前記分数式の分母に Gly, Serのうち少なくとも 1つを前記 変数として含む、またはそれを構成する前記分数式の分子に Gly, Serのうち少なくと も 1つを前記変数として含み且つそれを構成する前記分数式の分母に Val, Leu, II e, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを前記変数として含むことを 特徴とする。
[0059] また、本発明に力、かるメタボリック 'シンドローム評価プログラムは、前記に記載のメ タボリック 'シンドローム評価プログラムにおいて、前記多変量判別式は数式 1である ことを特徴とする。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0060] また、本発明に力、かるメタボリック 'シンドローム評価プログラムは、前記に記載のメ タボリック 'シンドローム評価プログラムにおいて、前記多変量判別式は、口ジスティッ ク回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラ ノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成された 式のいずれ力、 1つであることを特徴とする。
[0061] また、本発明に力、かるメタボリック 'シンドローム評価プログラムは、前記に記載のメ タボリック 'シンドローム評価プログラムにおいて、前記多変量判別式は、 Glu, Gly, Ala, Thr, Serを前記変数とすることを特徴とする。
[0062] また、本発明に力、かるメタボリック 'シンドローム評価プログラムは、前記に記載のメ タボリック 'シンドローム評価プログラムにおいて、前記制御手段に、前記アミノ酸濃度 データと前記メタボリック 'シンドロームの状態を表す指標に関するメタボリック 'シンド ローム状態指標データとを含む前記記憶手段で記憶したメタボリック 'シンドローム状 態情報に基づ!/、て、前記記憶手段で記憶する前記多変量判別式を作成する多変量 判別式作成ステップをさらに実行させ、前記多変量判別式作成ステップは、前記メタ ボリック 'シンドローム状態情報から所定の式作成手法に基づいて、前記多変量判別 式の候補である候補多変量判別式を作成する候補多変量判別式作成ステップと、 前記候補多変量判別式作成ステップで作成した前記候補多変量判別式を、所定の 検証手法に基づ!/、て検証する候補多変量判別式検証ステップと、前記候補多変量 判別式検証ステップでの検証結果から所定の変数選択手法に基づいて前記候補多 変量判別式の変数を選択することで、前記候補多変量判別式を作成する際に用い る前記メタボリック 'シンドローム状態情報に含まれる前記アミノ酸濃度データの組み 合わせを選択する変数選択ステップと、をさらに含み、前記候補多変量判別式作成 ステップ、前記候補多変量判別式検証ステップおよび前記変数選択ステップを繰り 返し実行して蓄積した前記検証結果に基づ!/、て、複数の前記候補多変量判別式の 中から前記多変量判別式として採用する前記候補多変量判別式を選出することで、 前記多変量判別式を作成することを特徴とする。
[0063] また、本発明は記録媒体に関するものであり、本発明に力、かる請求項 33に記載の 記録媒体は、請求項 32を含む前記のいずれか 1つに記載のメタボリック 'シンドロー ム評価プログラムを記録したことを特徴とする。
[0064] また、本発明はメタボリック 'シンドロームの予防 ·改善物質の探索方法に関するも のであり、本発明に力、かる請求項 34に記載のメタボリック 'シンドロームの予防 '改善 物質の探索方法は、メタボリック 'シンドロームを予防させる又は前記メタボリック 'シン ドロームの状態を改善させる 1つ又は複数の物質から成る物質群を探索するメタボリ ック ·シンドロームの予防 ·改善物質の探索方法であって、所望の前記物質群が投与 された評価対象から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度デー タを測定する測定ステップと、前記測定ステップで測定した前記アミノ酸濃度データ に基づいて、前記評価対象につき、前記メタボリック 'シンドロームの状態を評価する 濃度値基準評価ステップと、前記濃度値基準評価ステップでの評価結果に基づレ、て 、前記所望の前記物質群が、前記メタボリック 'シンドロームを予防させる又は前記メ タボリック 'シンドロームの状態を改善させるものであるか否かを判定する判定ステツ プと、を実行することを特徴とする。
[0065] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法は、前 記に記載のメタボリック 'シンドロームの予防 ·改善物質の探索方法において、前記濃 度値基準評価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ 酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Th rのうち少なくとも 1つの前記濃度値に基づいて、前記評価対象につき、前記メタボリ ック 'シンドロームの状態を評価することを特徴とする。
[0066] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法は、前 記に記載のメタボリック 'シンドロームの予防 ·改善物質の探索方法において、前記濃 度値基準評価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ 酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Th rのうち少なくとも 1つの前記濃度値に基づいて、前記評価対象につき、前記メタボリ ック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを判別する濃度値 基準判別ステップをさらに含むことを特徴とする。
[0067] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法は、前 記に記載のメタボリック 'シンドロームの予防 ·改善物質の探索方法において、前記濃 度値基準判別ステップは、前記測定ステップで測定した前記評価対象の前記アミノ 酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Th rのうち少なくとも 2つの前記濃度値に基づいて、前記評価対象につき、前記メタボリ ック 'シンドロームまたは前記非メタボリック 'シンドロームであるか否かを判別すること を特徴とする。
[0068] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法は、前 記に記載のメタボリック 'シンドロームの予防 ·改善物質の探索方法において、前記濃 度値基準評価ステップは、前記測定ステップで測定した前記評価対象の前記アミノ 酸濃度データおよび前記アミノ酸の濃度を変数とする予め設定した多変量判別式に 基づいて、当該多変量判別式の値である判別値を算出する判別値算出ステップと、 前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、 前記メタボリック 'シンドロームの状態を評価する判別値基準評価ステップとをさらに 含むことを特徴とする。
[0069] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法は、前 記に記載のメタボリック 'シンドロームの予防 ·改善物質の探索方法において、前記多 変量判別式は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち 少なくとも 1つを前記変数として含むものであり、前記判別値算出ステップは、前記測 定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれる Val, Leu , lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの前記濃度値 および前記多変量判別式に基づいて、前記判別値を算出することを特徴とする。
[0070] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法は、前 記に記載のメタボリック 'シンドロームの予防 ·改善物質の探索方法において、前記判 別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づレ、 て、前記評価対象につき、前記メタボリック 'シンドロームまたは非メタボリック 'シンド ロームであるか否かを判別する判別値基準判別ステップをさらに含むことを特徴とす
[0071] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法は、前 記に記載のメタボリック 'シンドロームの予防 ·改善物質の探索方法において、前記多 変量判別式は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち 少なくとも 2つを前記変数として含むものであり、前記判別値算出ステップは、前記測 定ステップで測定した前記評価対象の前記アミノ酸濃度データに含まれる Val, Leu , lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの前記濃度値 および前記多変量判別式に基づいて、前記判別値を算出することを特徴とする。
[0072] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法は、前 記に記載のメタボリック 'シンドロームの予防 ·改善物質の探索方法において、前記多 変量判別式は、 1つの分数式または複数の前記分数式の和で表され、それを構成す る前記分数式の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なく とも 1つを前記変数として含み且つそれを構成する前記分数式の分母に Gly, Serの うち少なくとも 1つを前記変数として含む、またはそれを構成する前記分数式の分子 に Gly, Serのうち少なくとも 1つを前記変数として含み且つそれを構成する前記分数 式の分母に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを 前記変数として含むことを特徴とする。
[0073] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法は、前 記に記載のメタボリック 'シンドロームの予防 ·改善物質の探索方法において、前記多 変量判別式は数式 1であることを特徴とする。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0074] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法は、前 記に記載のメタボリック 'シンドロームの予防 ·改善物質の探索方法において、前記多 変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマ シンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成さ れた式、決定木で作成された式のいずれか 1つであることを特徴とする。
[0075] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法は、前 記に記載のメタボリック 'シンドロームの予防 ·改善物質の探索方法において、前記多 変量判別式は、 Glu, Gly, Ala, Thr, Serを前記変数とすることを特徴とする。
発明の効果
[0076] 本発明に力、かるメタボリック 'シンドロームの評価方法によれば、評価対象から採取 した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを測定し、測定した評価 対象のアミノ酸濃度データに基づいて、評価対象につき、メタボリック 'シンドロームの 状態を評価するので、血液中のアミノ酸の濃度を利用して、メタボリック 'シンドローム の状態を精度よく評価することができるという効果を奏する。 [0077] 本発明に力、かるメタボリック 'シンドロームの評価方法によれば、測定した評価対象 のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの濃度値に基づいて、評価対象につき、メタボリック 'シ ンドロームの状態を評価するので、血液中のアミノ酸の濃度のうちメタボリック 'シンド ロームの状態と関連するアミノ酸の濃度を利用して、メタボリック ·シンドロームの状態 を精度よく評価することができるという効果を奏する。
[0078] また、本発明に力、かるメタボリック 'シンドロームの評価方法によれば、測定した評価 対象のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, G ly, Ser, Thrのうち少なくとも 1つの濃度値に基づいて、評価対象につき、メタボリック •シンドロームまたは非メタボリック 'シンドロームであるか否かを判別するので、血液 中のアミノ酸の濃度のうちメタボリック 'シンドロームと非メタボリック 'シンドロームとの 2 群判別に有用なアミノ酸の濃度を利用して、メタボリック 'シンドロームと非メタボリック' シンドロームとの 2群判別を精度よく行うことができるという効果を奏する。
[0079] また、本発明に力、かるメタボリック 'シンドロームの評価方法によれば、測定した評価 対象のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, G ly, Ser, Thrのうち少なくとも 2つの濃度値に基づいて、評価対象につき、メタボリック •シンドロームまたは非メタボリック 'シンドロームであるか否かを判別するので、血液 中のアミノ酸の濃度のうちメタボリック 'シンドロームと非メタボリック 'シンドロームとの 2 群判別に有用なアミノ酸の濃度を利用して、メタボリック 'シンドロームと非メタボリック' シンドロームとの 2群判別を精度よく行うことができるという効果を奏する。
[0080] また、本発明に力、かるメタボリック 'シンドロームの評価方法によれば、測定した評価 対象のアミノ酸濃度データおよびアミノ酸の濃度を変数とする予め設定した多変量判 別式に基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に 基づいて、評価対象につき、メタボリック 'シンドロームの状態を評価するので、ァミノ 酸の濃度を変数とする多変量判別式で得られる判別値を利用して、メタボリック 'シン ドロームの状態を精度よく評価することができるという効果を奏する。
[0081] また、本発明に力、かるメタボリック 'シンドロームの評価方法によれば、測定した評価 対象のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, G ly, Ser, Thrのうち少なくとも 1つの濃度値および Val, Leu, lie, Tyr, Trp, Glu, A la, Asp, Gly, Ser, Thrのうち少なくとも 1つを変数として含む多変量判別式に基づ いて、判別値を算出するので、メタボリック 'シンドロームの状態と有意な相関がある 多変量判別式で得られる判別値を利用して、メタボリック 'シンドロームの状態を精度 よく評価すること力できるとレ、う効果を奏する。
[0082] また、本発明に力、かるメタボリック 'シンドロームの評価方法によれば、算出した判別 値に基づいて、評価対象につき、メタボリック 'シンドロームまたは非メタボリック 'シン ドロームであるか否かを判別するので、メタボリック'シンドロームと非メタボリック'シン ドロームとの 2群判別に有用な多変量判別式で得られる判別値を利用して、メタボリッ ク 'シンドロームと非メタボリック 'シンドロームとの 2群判別を精度よく行うことができる という効果を奏する。
[0083] また、本発明に力、かるメタボリック 'シンドロームの評価方法によれば、測定した評価 対象のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, G ly, Ser, Thrのうち少なくとも 2つの濃度値および Val, Leu, lie, Tyr, Trp, Glu, A la, Asp, Gly, Ser, Thrのうち少なくとも 2つを変数として含む多変量判別式に基づ いて、判別値を算出するので、メタボリック 'シンドロームと非メタボリック 'シンドローム との 2群判別に有用な多変量判別式で得られる判別値を利用して、メタボリック 'シン ドロームと非メタボリック.シンドロームとの 2群判別を精度よく行うことができるという効 果を奏する。
[0084] また、本発明に力、かるメタボリック 'シンドロームの評価方法によれば、多変量判別 式は、 1つの分数式または複数の分数式の和で表され、それを構成する分数式の分 子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを変数とし て含み且つそれを構成する分数式の分母に Gly, Serのうち少なくとも 1つを変数とし て含む、またはそれを構成する分数式の分子に Gly, Serのうち少なくとも 1つを変数 として含み且つそれを構成する分数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Al a, Asp, Thrのうち少なくとも 1つを変数として含むので、メタボリック 'シンドロームと 非メタボリック 'シンドロームとの 2群判別に特に有用な多変量判別式で得られる判別 値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別を さらに精度よく行うことができるという効果を奏する。
[0085] また、本発明に力、かるメタボリック 'シンドロームの評価方法によれば、多変量判別 式は数式 1であるので、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群 判別に特に有用な多変量判別式で得られる判別値を利用して、メタボリック 'シンドロ 一ムと非メタボリック 'シンドロームとの 2群判別をさらに精度よく行うことができるという 効果を奏する。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0086] また、本発明に力、かるメタボリック 'シンドロームの評価方法によれば、多変量判別 式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成 された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定 木で作成された式のいずれか 1つであるので、メタボリック 'シンドロームと非メタボリッ ク 'シンドロームとの 2群判別に特に有用な多変量判別式で得られる判別値を利用し て、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別をさらに精度よ く行うこと力 Sできると!/、う効果を奏する。
[0087] また、本発明に力、かるメタボリック 'シンドロームの評価方法によれば、多変量判別 式は、 Glu, Gly, Ala, Thr, Serを変数とするので、メタボリック 'シンドロームと非メタ ボリック 'シンドロームとの 2群判別に特に有用な多変量判別式で得られる判別値を 利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別をさらに 精度よく行うこと力できるとレ、う効果を奏する。
[0088] また、本発明に力、かるメタボリック 'シンドローム評価装置、メタボリック 'シンドローム 評価方法およびメタボリック 'シンドローム評価プログラムによれば、アミノ酸の濃度値 に関する予め取得した評価対象のアミノ酸濃度データおよびアミノ酸の濃度を変数と する記憶手段で記憶した多変量判別式に基づレ、て、当該多変量判別式の値である 判別値を算出し、算出した判別値に基づいて、評価対象につき、メタボリック 'シンド ロームの状態を評価するので、アミノ酸の濃度を変数とする多変量判別式で得られる 判別値を利用して、メタボリック 'シンドロームの状態を精度よく評価することができると いう効果を奏する。
[0089] また、本発明に力、かるメタボリック 'シンドローム評価装置、メタボリック 'シンドローム 評価方法およびメタボリック 'シンドローム評価プログラムによれば、予め取得した評 価対象のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp , Gly, Ser, Thrのうち少なくとも 1つの濃度値および Val, Leu, lie, Tyr, Trp, Glu , Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つを変数として含む多変量判別式に 基づいて、判別値を算出するので、メタボリック 'シンドロームの状態と有意な相関が ある多変量判別式で得られる判別値を利用して、メタボリック 'シンドロームの状態を 精度よく評価すること力できるとレ、う効果を奏する。
[0090] また、本発明に力、かるメタボリック 'シンドローム評価装置、メタボリック 'シンドローム 評価方法およびメタボリック 'シンドローム評価プログラムによれば、算出した判別値 に基づいて、評価対象につき、メタボリック 'シンドロームまたは非メタボリック 'シンドロ ームであるか否かを判別するので、メタボリック 'シンドロームと非メタボリック 'シンドロ ームとの 2群判別に有用な多変量判別式で得られる判別値を利用して、メタボリック' シンドロームと非メタボリック 'シンドロームとの 2群判別を精度よく行うことができるとい う効果を奏する。
[0091] また、本発明に力、かるメタボリック 'シンドローム評価装置、メタボリック 'シンドローム 評価方法およびメタボリック 'シンドローム評価プログラムによれば、予め取得した評 価対象のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp , Gly, Ser, Thrのうち少なくとも 2つの濃度値および Val, Leu, lie, Tyr, Trp, Glu , Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つを変数として含む多変量判別式に 基づいて、判別値を算出するので、メタボリック 'シンドロームと非メタボリック 'シンドロ ームとの 2群判別に有用な多変量判別式で得られる判別値を利用して、メタボリック' シンドロームと非メタボリック 'シンドロームとの 2群判別を精度よく行うことができるとい う効果を奏する。
[0092] また、本発明に力、かるメタボリック 'シンドローム評価装置、メタボリック 'シンドローム 評価方法およびメタボリック 'シンドローム評価プログラムによれば、多変量判別式は 、 1つの分数式または複数の分数式の和で表され、それを構成する分数式の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを変数として含 み且つそれを構成する分数式の分母に Gly, Serのうち少なくとも 1つを変数として含 む、またはそれを構成する分数式の分子に Gly, Serのうち少なくとも 1つを変数とし て含み且つそれを構成する分数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを変数として含むので、メタボリック 'シンドロームと非メ タボリック 'シンドロームとの 2群判別に特に有用な多変量判別式で得られる判別値を 利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別をさらに 精度よく行うこと力できるとレ、う効果を奏する。
[0093] また、本発明に力、かるメタボリック 'シンドローム評価装置、メタボリック 'シンドローム 評価方法およびメタボリック 'シンドローム評価プログラムによれば、多変量判別式は 数式 1であるので、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別 に特に有用な多変量判別式で得られる判別値を利用して、メタボリック 'シンドローム と非メタボリック 'シンドロームとの 2群判別をさらに精度よく行うことができるという効果 を奏する。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0094] また、本発明に力、かるメタボリック 'シンドローム評価装置、メタボリック 'シンドローム 評価方法およびメタボリック 'シンドローム評価プログラムによれば、多変量判別式は 、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成され た式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定木 で作成された式のいずれか 1つであるので、メタボリック 'シンドロームと非メタボリック •シンドロームとの 2群判別に特に有用な多変量判別式で得られる判別値を利用して 、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別をさらに精度よく 行うこと力 Sできると!/、う効果を奏する。
[0095] また、本発明に力、かるメタボリック 'シンドローム評価装置、メタボリック 'シンドローム 評価方法およびメタボリック 'シンドローム評価プログラムによれば、多変量判別式は 、 Glu, Gly, Ala, Thr, Serを変数とするので、メタボリック 'シンドロームと非メタボリ ック 'シンドロームとの 2群判別に特に有用な多変量判別式で得られる判別値を利用 して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別をさらに精度 よく行うこと力できると!/、う効果を奏する。
[0096] また、本発明に力、かるメタボリック 'シンドローム評価装置、メタボリック 'シンドローム 評価方法およびメタボリック 'シンドローム評価プログラムによれば、アミノ酸濃度デー タとメタボリック 'シンドロームの状態を表す指標に関するメタボリック 'シンドローム状 態指標データとを含む記憶手段で記憶したメタボリック 'シンドローム状態情報に基 づいて、記憶手段で記憶する多変量判別式を作成する。具体的には、（1)メタボリッ ク 'シンドローム状態情報から所定の式作成手法に基づいて、多変量判別式の候補 である候補多変量判別式を作成し、（2)作成した候補多変量判別式を、所定の検証 手法に基づいて検証し、 (3) (2)での検証結果から所定の変数選択手法に基づいて 候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用 いるメタボリック 'シンドローム状態情報に含まれるアミノ酸濃度データの組み合わせ を選択し、（4) (1)、 （2)および（3)を繰り返し実行して蓄積した検証結果に基づいて 、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別 式を選出することで、多変量判別式を作成する。これにより、メタボリック 'シンドローム の状態の評価に最適な多変量判別式 (具体的にはメタボリック 'シンドロームの状態と 有意な相関がある多変量判別式はり具体的には、メタボリック 'シンドロームと非メタ ボリック 'シンドロームとの 2群判別に有用な多変量判別式)）を作成することができる という効果を奏する。
また、本発明に力、かるメタボリック 'シンドローム評価システムによれば、まず、情報 通信端末装置は、評価対象のアミノ酸濃度データをメタボリック 'シンドローム評価装 置へ送信する。そして、メタボリック 'シンドローム評価装置は、情報通信端末装置か ら送信された評価対象のアミノ酸濃度データを受信し、受信した評価対象のアミノ酸 濃度データおよびアミノ酸の濃度を変数とする記憶手段で記憶した多変量判別式に 基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づ いて評価対象につきメタボリック 'シンドロームの状態を評価し、その評価対象の評価 結果を情報通信端末装置へ送信する。そして、情報通信端末装置は、メタボリック- シンドローム評価装置から送信されたメタボリック 'シンドロームの状態に関する評価 対象の評価結果を受信する。これにより、アミノ酸の濃度を変数とする多変量判別式 で得られる判別値を利用して、メタボリック 'シンドロームの状態を精度よく評価するこ と力 Sできると!/、う効果を奏する。 [0098] また、本発明に力、かるメタボリック 'シンドローム評価システムによれば、受信した評 価対象のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp , Gly, Ser, Thrのうち少なくとも 1つの濃度値および Val, Leu, lie, Tyr, Trp, Glu , Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つを変数として含む多変量判別式に 基づいて、判別値を算出するので、メタボリック 'シンドロームの状態と有意な相関が ある多変量判別式で得られる判別値を利用して、メタボリック 'シンドロームの状態を 精度よく評価すること力できるとレ、う効果を奏する。
[0099] また、本発明に力、かるメタボリック 'シンドローム評価システムによれば、算出した判 別値に基づいて、評価対象につき、メタボリック 'シンドロームまたは非メタボリック 'シ ンドロームであるか否かを判別するので、メタボリック 'シンドロームと非メタボリック 'シ ンドロームとの 2群判別に有用な多変量判別式で得られる判別値を利用して、メタボ リック'シンドロームと非メタボリック 'シンドロームとの 2群判別を精度よく行うことができ るという効果を奏する。
[0100] また、本発明に力、かるメタボリック 'シンドローム評価システムによれば、受信した評 価対象のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp , Gly, Ser, Thrのうち少なくとも 2つの濃度値および Val, Leu, lie, Tyr, Trp, Glu , Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つを変数として含む多変量判別式に 基づいて、判別値を算出するので、メタボリック 'シンドロームと非メタボリック 'シンドロ ームとの 2群判別に有用な多変量判別式で得られる判別値を利用して、メタボリック' シンドロームと非メタボリック 'シンドロームとの 2群判別を精度よく行うことができるとい う効果を奏する。
[0101] また、本発明に力、かるメタボリック 'シンドローム評価システムによれば、多変量判別 式は、 1つの分数式または複数の分数式の和で表され、それを構成する分数式の分 子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを変数とし て含み且つそれを構成する分数式の分母に Gly, Serのうち少なくとも 1つを変数とし て含む、またはそれを構成する分数式の分子に Gly, Serのうち少なくとも 1つを変数 として含み且つそれを構成する分数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Al a, Asp, Thrのうち少なくとも 1つを変数として含むので、メタボリック 'シンドロームと 非メタボリック 'シンドロームとの 2群判別に特に有用な多変量判別式で得られる判別 値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別を さらに精度よく行うことができるという効果を奏する。
[0102] また、本発明に力、かるメタボリック 'シンドローム評価システムによれば、多変量判別 式は数式 1であるので、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群 判別に特に有用な多変量判別式で得られる判別値を利用して、メタボリック 'シンドロ 一ムと非メタボリック 'シンドロームとの 2群判別をさらに精度よく行うことができるという 効果を奏する。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0103] また、本発明に力、かるメタボリック 'シンドローム評価システムによれば、多変量判別 式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成 された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、決定 木で作成された式のいずれか 1つであるので、メタボリック 'シンドロームと非メタボリッ ク 'シンドロームとの 2群判別に特に有用な多変量判別式で得られる判別値を利用し て、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別をさらに精度よ く行うこと力 Sできると!/、う効果を奏する。
[0104] また、本発明に力、かるメタボリック 'シンドローム評価システムによれば、多変量判別 式は、 Glu, Gly, Ala, Thr, Serを変数とするので、メタボリック 'シンドロームと非メタ ボリック 'シンドロームとの 2群判別に特に有用な多変量判別式で得られる判別値を 利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別をさらに 精度よく行うこと力できるとレ、う効果を奏する。
[0105] また、本発明に力、かるメタボリック 'シンドローム評価システムによれば、アミノ酸濃度 データとメタボリック ·シンドロームの状態を表す指標に関するメタボリック ·シンドロー ム状態指標データとを含む記憶手段で記憶したメタボリック 'シンドローム状態情報に 基づいて、記憶手段で記憶する多変量判別式を作成する。具体的には、（1)メタボリ ック 'シンドローム状態情報から所定の式作成手法に基づいて、多変量判別式の候 補である候補多変量判別式を作成し、（2)作成した候補多変量判別式を、所定の検 証手法に基づいて検証し、 (3) (2)での検証結果から所定の変数選択手法に基づい て候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に 用いるメタボリック 'シンドローム状態情報に含まれるアミノ酸濃度データの組み合わ せを選択し、（4) (1)、 （2)および（3)を繰り返し実行して蓄積した検証結果に基づい て、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判 別式を選出することで、多変量判別式を作成する。これにより、メタボリック 'シンドロ ームの状態の評価に最適な多変量判別式 (具体的にはメタボリック 'シンドロームの 状態と有意な相関がある多変量判別式はり具体的には、メタボリック 'シンドロームと 非メタボリック 'シンドロームとの 2群判別に有用な多変量判別式)）を作成することが できるという効果を奏する。
[0106] また、本発明に力、かる記録媒体によれば、当該記録媒体に記録されたメタボリック' シンドローム評価プログラムをコンピュータに読み取らせて実行することでコンビユー タにメタボリック 'シンドローム評価プログラムを実行させるので、メタボリック 'シンドロ ーム評価プログラムと同様の効果を得ることができるという効果を奏する。
[0107] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法によれ ば、所望の物質群が投与された評価対象から採取した血液から、アミノ酸の濃度値 に関するアミノ酸濃度データを測定し、測定したアミノ酸濃度データに基づいて、評 価対象につき、メタボリック 'シンドロームの状態を評価し、その評価結果に基づいて 、所望の物質群が、メタボリック 'シンドロームを予防させる又はメタボリック 'シンドロー ムの状態を改善させるものであるか否かを判定するので、血液中のアミノ酸の濃度を 利用してメタボリック 'シンドロームの状態を精度よく評価することができるメタボリック' シンドロームの評価方法を用いて、メタボリック 'シンドロームを予防させる又はメタボリ ック 'シンドロームの状態を改善させる物質を精度よく探索することができるという効果 を奏する。また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方 法によれば、メタボリック 'シンドロームでの典型的なアミノ酸濃度変動パターンの情 報やメタボリック 'シンドロームに対応する多変量判別式を利用することで、メタボリッ ク 'シンドロームの状態を一部反映した既存の動物モデルや、臨床で早期に有効な 薬物を選択することが可能になる。
[0108] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法によれ ば、測定した評価対象のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの濃度値に基づいて、評価対 象につき、メタボリック 'シンドロームの状態を評価するので、血液中のアミノ酸の濃度 のうちメタボリック 'シンドロームの状態と関連するアミノ酸の濃度を利用して、メタボリ ック 'シンドロームの状態を精度よく評価することができるという効果を奏する。
[0109] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法によれ ば、測定した評価対象のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの濃度値に基づいて、評価対 象につき、メタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを 判別するので、血液中のアミノ酸の濃度のうちメタボリック 'シンドロームと非メタボリッ ク 'シンドロームとの 2群判別に有用なアミノ酸の濃度を利用して、メタボリック 'シンド ロームと非メタボリック 'シンドロームとの 2群判別を精度よく行うことができるという効果 を奏する。
[0110] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法によれ ば、測定した評価対象のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの濃度値に基づいて、評価対 象につき、メタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを 判別するので、血液中のアミノ酸の濃度のうちメタボリック 'シンドロームと非メタボリッ ク 'シンドロームとの 2群判別に有用なアミノ酸の濃度を利用して、メタボリック 'シンド ロームと非メタボリック 'シンドロームとの 2群判別を精度よく行うことができるという効果 を奏する。
[0111] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法によれ ば、測定した評価対象のアミノ酸濃度データおよびアミノ酸の濃度を変数とする予め 設定した多変量判別式に基づレ、て、当該多変量判別式の値である判別値を算出し 、算出した判別値に基づいて、評価対象につき、メタボリック 'シンドロームの状態を 評価するので、アミノ酸の濃度を変数とする多変量判別式で得られる判別値を利用し て、メタボリック 'シンドロームの状態を精度よく評価することができるという効果を奏す [0112] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法によれ ば、測定した評価対象のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの濃度値および Val, Leu, lie , Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つを変数として含む 多変量判別式に基づいて、判別値を算出するので、メタボリック 'シンドロームの状態 と有意な相関がある多変量判別式で得られる判別値を利用して、メタボリック 'シンド ロームの状態を精度よく評価することができるという効果を奏する。
[0113] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法によれ ば、算出した判別値に基づいて、評価対象につき、メタボリック 'シンドロームまたは 非メタボリック 'シンドロームであるか否かを判別するので、メタボリック 'シンドロームと 非メタボリック 'シンドロームとの 2群判別に有用な多変量判別式で得られる判別値を 利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別を精度 よく行うこと力できると!/、う効果を奏する。
[0114] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法によれ ば、測定した評価対象のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの濃度値および Val, Leu, lie , Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つを変数として含む 多変量判別式に基づいて、判別値を算出するので、メタボリック 'シンドロームと非メタ ボリック 'シンドロームとの 2群判別に有用な多変量判別式で得られる判別値を利用し て、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別を精度よく行う こと力 Sできると!/、う効果を奏する。
[0115] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法によれ ば、多変量判別式は、 1つの分数式または複数の分数式の和で表され、それを構成 する分数式の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくと も 1つを変数として含み且つそれを構成する分数式の分母に Gly, Serのうち少なくと も 1つを変数として含む、またはそれを構成する分数式の分子に Gly, Serのうち少な くとも 1つを変数として含み且つそれを構成する分数式の分母に Val, Leu, lie, Tyr , Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを変数として含むので、メタボリック. シンドロームと非メタボリック 'シンドロームとの 2群判別に特に有用な多変量判別式で 得られる判別値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームと の 2群判別をさらに精度よく行うことができるという効果を奏する。
[0116] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法によれ ば、多変量判別式は数式 1であるので、メタボリック 'シンドロームと非メタボリック 'シン ドロームとの 2群判別に特に有用な多変量判別式で得られる判別値を利用して、メタ ボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別をさらに精度よく行うこ と力 Sできると!/、う効果を奏する。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0117] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法によれ ば、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクタ 一マシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作 成された式、決定木で作成された式のいずれ力、 1つであるので、メタボリック 'シンドロ 一ムと非メタボリック 'シンドロームとの 2群判別に特に有用な多変量判別式で得られ る判別値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群 判別をさらに精度よく行うことができるという効果を奏する。
[0118] また、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法によれ ば、多変量判別式は、 Glu, Gly, Ala, Thr, Serを変数とするので、メタボリック 'シ ンドロームと非メタボリック 'シンドロームとの 2群判別に特に有用な多変量判別式で 得られる判別値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームと の 2群判別をさらに精度よく行うことができるという効果を奏する。
[0119] なお、本発明は、メタボリック 'シンドロームの状態を評価する際（具体的には、メタ ボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを判別する際）、 アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、タンパク質の発現 量、被験者の年齢'性別、生体指標などをさらに用いても力、まわない。また、本発明 は、メタボリック 'シンドロームの状態を評価する際（具体的には、メタボリック 'シンドロ ームまたは非メタボリック 'シンドロームであるか否かを判別する際）、多変量判別式に おける変数として、アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、 タンパク質の発現量、被験者の年齢'性別、生体指標などをさらに用いても力、まわな い。また、メタボリック 'シンドロームは、上述したように、インシュリン抵抗性をベースに した高脂血症、高血圧、高血糖の症状を含有することから、本発明は、これらの評価 や判別にも有効である。
図面の簡単な説明
[図 1]図 1は、本発明の基本原理を示す原理構成図である。
[図 2]図 2は、第 1実施形態に力、かるメタボリック 'シンドロームの評価方法の一例を示 すフローチャートである。
[図 3]図 3は、本発明の基本原理を示す原理構成図である。
[図 4]図 4は、本システムの全体構成の一例を示す図である。
[図 5]図 5は、本システムの全体構成の他の一例を示す図である。
[図 6]図 6は、本システムのメタボリック 'シンドローム評価装置 100の構成の一例を示 すブロック図である。
[図 7]図 7は、利用者情報ファイル 106aに格納される情報の一例を示す図である。
[図 8]図 8は、アミノ酸濃度データファイル 106bに格納される情報の一例を示す図で ある。
[図 9]図 9は、メタボリック 'シンドローム状態情報ファイル 106cに格納される情報の一 例を示す図である。
[図 10]図 10は、指定メタボリック 'シンドローム状態情報ファイル 106dに格納される情 報の一例を示す図である。
[図 11]図 1 1は、候補多変量判別式ファイル 106e lに格納される情報の一例を示す 図である。
[図 12]図 12は、検証結果ファイル 106e2に格納される情報の一例を示す図である。
[図 13]図 13は、選択メタボリック 'シンドローム状態情報ファイル 106e3に格納される 情報の一例を示す図である。
[図 14]図 14は、多変量判別式ファイル 106e4に格納される情報の一例を示す図で ある。
[図 15]図 15は、判別値ファイル 106fに格納される情報の一例を示す図である。 園 16]図 16は、評価結果ファイル 106gに格納される情報の一例を示す図である。
[図 17]図 17は、多変量判別式作成部 102hの構成を示すブロック図である。
園 18]図 18は、判別値基準評価部 10¾の構成を示すブロック図である。
[図 19]図 19は、本システムのクライアント装置 200の構成の一例を示すブロック図で ある。
[図 20]図 20は、本システムのデータベース装置 400の構成の一例を示すブロック図 である。
[図 21]図 21は、本システムで行うメタボリック 'シンドローム評価サービス処理の一例 を示すフローチャートである。
[図 22]図 22は、本システムのメタボリック 'シンドローム評価装置 100で行う多変量判 別式作成処理の一例を示すフローチャートである。
[図 23]図 23は、本発明の基本原理を示す原理構成図である。
園 24]図 24は、第 3実施形態に力、かるメタボリック 'シンドロームの予防 ·改善物質の 探索方法の一例を示すフローチャートである。
[図 25]図 25は、非メタボリック 'シンドロームとメタボリック 'シンドロームの 2群間のアミ ノ酸変数の分布を示す箱ひげ図である。
[図 26]図 26は、 2群間の診断性能を評価するための ROC曲線を示す図である。
[図 27]図 27は、 2群間の診断性能を評価するための ROC曲線を示す図である。
[図 28]図 28は、 2群判別のカットオフ値、感度、特異度、陽性適中率、陰性適中率、 効率を示す図である。
[図 29]図 29は、 2群間の診断性能を評価するための ROC曲線の AUCの一覧を示 す図である。
[図 30]図 30は、 2群間の診断性能を評価するための ROC曲線の AUCの一覧を示 す図である。
[図 31]図 31は、 2群間の診断性能を評価するための ROC曲線の AUCの一覧を示 す図である。
[図 32]図 32は、 2群間の診断性能を評価するための ROC曲線の AUCの一覧を示 す図である。 [図 33]図 33は、図 31における各ランクの指標式の具体例を示す図である。
[図 34]図 34は、図 32における各ランクの指標式の具体例を示す図である。
[図 35]図 35は、 2群間の診断性能を評価するためのエラー率の一覧を示す図である
[図 36]図 36は、 2群間の診断性能を評価するためのエラー率の一覧を示す図である
[図 37]図 37は、図 35における各ランクの指標式の具体例を示す図である。
[図 38]図 38は、図 36における各ランクの指標式の具体例を示す図である。
符号の説明
100 メタボリック 'シンドローム評価装置
102 制御部
102a 要求解釈部
102b 閲覧処理部
102c 認証処理部
102d 電子メール生成部
102e Webページ生成部
102f 受信部
102g メタボリック 'シンドローム状態情報指定部
102h 多変量判別式作成部
102hl 候補多変量判別式作成部
102h2 候補多変量判別式検証部
102h3 変数選択部
102i 判別値算出部
102j 判別値基準評価部
10¾ 1 判別値基準判別部
102k 結果出力部
102m 送信部
104 通信インターフェースき 106 記憶部
106a 利用者情報ファイル
106b アミノ酸濃度データファイル
106c メタボリック 'シンドローム状態情報ファイル
106d 指定メタボリック 'シンドローム状態情報ファイル
106e 多変量判別式関連情報データベース
106e l 候補多変量判別式ファイル
106e2 検証結果ファイル
106e3 選択メタボリック 'シンドローム状態情報ファイル
106e4 多変量判別式ファイル
106f 判別値ファイル
106g 評価結果ファイル
108 入出力インターフェース部
1 12 入力装置
1 14 出力装置
200 クライアント装置 (情報通信端末装置）
300 ネットワーク
400 データベース装置
発明を実施するための最良の形態
[0122] 以下に、本発明に力、かるメタボリック 'シンドロームの評価方法の実施の形態（第 1 実施形態）、本発明に力、かるメタボリック 'シンドローム評価装置、メタボリック 'シンドロ ーム評価方法、メタボリック 'シンドローム評価システム、メタボリック 'シンドローム評価 プログラムおよび記録媒体の実施の形態（第 2実施形態）、ならびに本発明にかかる メタボリック 'シンドロームの予防 ·改善物質の探索方法の実施の形態（第 3実施形態 )を、図面に基づいて詳細に説明する。なお、本実施の形態により本発明が限定され るものではない。
[0123] [第 1実施形態]
[ 1 - 1 .本発明の概要] ここでは、本発明に力、かるメタボリック 'シンドロームの評価方法の概要について図 1 を参照して説明する。図 1は本発明の基本原理を示す原理構成図である。
[0124] まず、本発明では、評価対象 (例えば動物ゃヒトなどの個体)力 採取した血液から 、アミノ酸の濃度値に関するアミノ酸濃度データを測定する（ステップ S— 11)。ここで 、血中アミノ酸濃度の分析は次のように行った。採血した血液サンプルを、へパリン処 理したチューブに採取し、採取した血液サンプルを遠心することにより血液から血漿 を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで 70°Cで凍結保存 した。アミノ酸濃度測定時には、スルホサリチル酸を添加し 3%濃度調整により除蛋白 処理を行い、測定には、ポストカラムでニンヒドリン反応を用いた高速液体クロマトダラ フィー（HPLC)を原理としたアミノ酸分析機を使用した。なお、アミノ酸濃度の単位は 、例えばモル濃度や重量濃度、これらの濃度に任意の定数を加減乗除することで得 られるあのであよい。
[0125] つぎに、本発明では、ステップ S— 11で測定した評価対象のアミノ酸濃度データに 基づいて、評価対象につきメタボリック 'シンドロームの状態を評価する（ステップ S— 12)。
[0126] 以上、本発明によれば、評価対象から採取した血液からアミノ酸の濃度値に関する アミノ酸濃度データを測定し、測定した評価対象のアミノ酸濃度データに基づいて、 評価対象につきメタボリック 'シンドロームの状態を評価する。これにより、血液中のァ ミノ酸の濃度を利用して、メタボリック 'シンドロームの状態を精度よく評価することがで きる。
[0127] ここで、ステップ S— 12を実行する前に、ステップ S— 11で測定した評価対象のアミ ノ酸濃度データから欠損値や外れ値などのデータを除去してもよい。これにより、メタ ボリック 'シンドロームの状態をさらに精度よく評価することができる。
[0128] また、ステップ S— 12では、ステップ S— 11で測定した評価対象のアミノ酸濃度デ ータに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少 なくとも 1つの濃度値に基づいて、評価対象につき、メタボリック 'シンドロームの状態 を評価してもよい。これにより、血液中のアミノ酸の濃度のうちメタボリック 'シンドロー ムの状態と関連するアミノ酸の濃度を利用して、メタボリック 'シンドロームの状態を精 度よく評価すること力 Sでさる。
[0129] また、ステップ S— 12では、ステップ S— 11で測定した評価対象のアミノ酸濃度デ ータに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少 なくとも 1つの濃度値に基づいて、評価対象につき、メタボリック 'シンドロームまたは 非メタボリック 'シンドロームであるか否かを判別してもよい。具体的には、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの濃度値と予め 設定された閾値 (カットオフ値）とを比較することで、評価対象につきメタボリック 'シン ドロームまたは非メタボリック.シンドロームであるか否かを判別してもよい。これにより
、血液中のアミノ酸の濃度のうちメタボリック 'シンドロームと非メタボリック 'シンドロー ムとの 2群判別に有用なアミノ酸の濃度を利用して、メタボリック 'シンドロームと非メタ ボリック 'シンドロームとの 2群判別を精度よく行うことができる。
[0130] また、ステップ S— 12では、ステップ S— 11で測定した評価対象のアミノ酸濃度デ ータに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少 なくとも 2つの濃度値に基づいて、評価対象につき、メタボリック 'シンドロームまたは 非メタボリック 'シンドロームであるか否かを判別してもよい。具体的には、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの濃度値と予め 設定された閾値 (カットオフ値）とを比較することで、評価対象につきメタボリック 'シン ドロームまたは非メタボリック.シンドロームであるか否かを判別してもよい。これにより
、血液中のアミノ酸の濃度のうちメタボリック 'シンドロームと非メタボリック 'シンドロー ムとの 2群判別に有用なアミノ酸の濃度を利用して、メタボリック 'シンドロームと非メタ ボリック 'シンドロームとの 2群判別を精度よく行うことができる。
[0131] また、ステップ S— 12では、ステップ S— 11で測定した評価対象のアミノ酸濃度デ ータおよびアミノ酸の濃度を変数とする予め設定した多変量判別式に基づ!/、て、当 該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対 象につき、メタボリック 'シンドロームの状態を評価してもよい。これにより、アミノ酸の 濃度を変数とする多変量判別式で得られる判別値を利用して、メタボリック 'シンドロ ームの状態を精度よく評価することができる。
[0132] また、ステップ S— 12では、ステップ S— 11で測定した評価対象のアミノ酸濃度デ ータに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少 なくとも 1つの濃度値および Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つを変数として含む多変量判別式に基づいて、判別値を算出 し、算出した判別値に基づいて評価対象につきメタボリック 'シンドロームの状態を評 価してもよい。これにより、メタボリック 'シンドロームの状態と有意な相関がある多変量 判別式で得られる判別値を利用して、メタボリック 'シンドロームの状態を精度よく評 価すること力 Sでさる。
[0133] また、ステップ S— 12では、算出した判別値に基づいて、評価対象につき、メタボリ ック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを判別してもよい。 具体的には、判別値と予め設定された閾値 (カットオフ値）とを比較することで、評価 対象につきメタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否か を判別してもよい。これにより、メタボリック 'シンドロームと非メタボリック 'シンドローム との 2群判別に有用な多変量判別式で得られる判別値を利用して、メタボリック 'シン ドロームと非メタボリック.シンドロームとの 2群判別を精度よく行うことができる。
[0134] また、ステップ S— 12では、ステップ S— 11で測定した評価対象のアミノ酸濃度デ ータに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少 なくとも 2つの濃度値および Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つを変数として含む多変量判別式に基づいて、判別値を算出 し、算出した判別値に基づいて評価対象につき、メタボリック 'シンドロームまたは非メ タボリック 'シンドロームであるか否かを判別してもよい。これにより、メタボリック 'シンド ロームと非メタボリック 'シンドロームとの 2群判別に有用な多変量判別式で得られる 判別値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判 另リを精度よく fiうこと力でさる。
[0135] なお、多変量判別式は、 1つの分数式または複数の分数式の和で表され、それを 構成する分数式の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少 なくとも 1つを変数として含み且つそれを構成する分数式の分母に Gly, Serのうち少 なくとも 1つを変数として含むもの、またはそれを構成する分数式の分子に Gly, Ser のうち少なくとも 1つを変数として含み且つそれを構成する分数式の分母に Val, Leu , lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを変数として含むものでも よい。具体的には、多変量判別式は数式 1でもよい。これにより、メタボリック 'シンドロ 一ムと非メタボリック 'シンドロームとの 2群判別に特に有用な多変量判別式で得られ る判別値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群 判別をさらに精度よく行うことができる。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0136] また、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートべ クタ一マシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で 作成された式、決定木で作成された式のいずれか 1つでもよい。具体的には、多変 量判別式は、 Glu, Gly, Ala, Thr, Serを変数とするものでもよい。これにより、メタ ボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別に特に有用な多変量 判別式で得られる判別値を利用して、メタボリック 'シンドロームと非メタボリック 'シンド ロームとの 2群判別をさらに精度よく行うことができる。
[0137] なお、上記した各多変量判別式は、本出願人による国際出願である国際公開 WO 2004/052191号パンフレットに記載の方法や、本出願人による国際出願である国 際出願番号 PCT/JP2006/304398に記載の方法（後述する第 2実施形態に記 載の多変量判別式作成処理)で作成することができる。これら方法で得られた多変量 判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単 位に因らず、当該多変量判別式をメタボリック 'シンドロームの状態の評価に好適に 用いること力 Sでさる。
[0138] また、分数式とは、当該分数式の分子がアミノ酸 A, B, C, · · ·の和で表わされ及び /又は当該分数式の分母がアミノ酸 a, b, c, · · ·の和で表わされるものである。また、 分数式には、このような構成の分数式 α , β , y , . · ·の和（例えば α + /3のようなも の)も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母 に用いられるアミノ酸にはそれぞれ適当な係数がついても力、まわない。また、分子や 分母に用いられるアミノ酸は重複しても力、まわない。また、各分数式に適当な係数が ついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかま わない。 [0139] 具体的には、分数式は、下記の A群〜 D群のアミノ酸濃度の組み合わせで、望まし くは「分数式において、分子が（A群、 B群から 1個以上の変数 + D群から 0〜2個の 変数）、分母が（C群から 1個以上の変数 + D群から 0〜2個の変数)を持ち、計 2〜8 個のアミノ酸濃度の変数を含む単一の分数式もしくは複数の分数式で示されるもの」 であり、より望ましくは「分数式において、分子が（B群から 1個以上の変数 + A群から 0〜；!個の変数 + D群から 0〜2個の変数）、分母が（C群から 1個以上の変数 + D群 から 0〜2個の変数)を持ち、計 4〜8個のアミノ酸濃度を含む複数の分数式で示され るもの」である。ここで、分数式で、分子の変数と分母の変数を入れ替えた組み合わ せは、 目的変数との相関の正負の符号は概して逆転する力 それらの相関性は保た れるので、判別性では同等と見なせるので、分子の変数と分母の変数を入れ替えた 組み合わせも、包含するものである。
A群： Leu, lie, Val
B群： Ala, Glu, Asp, Tyr, Trp, Thr
C群： Gly, Ser
D群: A群， B群， C群に含まれないアミノ酸またはアミノ酸代謝物
[0140] また、多変量判別式とは、一般に多変量解析で用いられる式の形式を意味し、例え ば重回帰式、多重ロジスティック回帰式、線形判別関数、マハラノビス距離、正準判 別関数、サポートベクターマシン、決定木などを包含する。また、異なる形式の多変 量判別式の和で示されるような式も含まれる。また、重回帰式、多重口ジスティック回 帰式、正準判別関数にお!/、ては各変数に係数および定数項が付加される力 この 場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判 別を行うために得られた係数および定数項の 99%信頼区間の範囲に属する値、さら に好ましくはデータから判別を行うために得られた係数および定数項の 95%信頼区 間の範囲に属する値であればかまわない。また、各係数の値、及びその信頼区間は 、それを実数倍したものでもよぐ定数項の値、及びその信頼区間は、それに任意の 実定数を加減乗除したものでもよレ、。
[0141] そして、本発明は、メタボリック 'シンドロームの状態を評価する際（具体的には、メタ ボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを判別する際）、 アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、タンパク質の発現 量、被験者の年齢'性別、生体指標などをさらに用いても力、まわない。また、本発明 は、メタボリック 'シンドロームの状態を評価する際（具体的には、メタボリック 'シンドロ ームまたは非メタボリック 'シンドロームであるか否かを判別する際）、多変量判別式に おける変数として、アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、 タンパク質の発現量、被験者の年齢'性別、生体指標などをさらに用いても力、まわな い。
[0142] [1 - 2.第 1実施形態に力、かるメタボリック 'シンドロームの評価方法]
ここでは、第 1実施形態に力、かるメタボリック 'シンドロームの評価方法について図 2 を参照して説明する。図 2は、第 1実施形態に力、かるメタボリック 'シンドロームの評価 方法の一例を示すフローチャートである。
[0143] まず、動物ゃヒトなどの個体力 採取した血液から、アミノ酸の濃度値に関するァミノ 酸濃度データを測定する（ステップ SA— 11)。なお、アミノ酸の濃度値の測定は、上 述した方法で行う。
[0144] つぎに、ステップ SA— 11で測定した個体のアミノ酸濃度データから欠損値や外れ 値などのデータを除去する（ステップ SA— 12)。
[0145] つぎに、ステップ SA— 12で欠損値や外れ値などのデータが除去された個体のアミ ノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, T hrのうち少なくとも 1つの濃度値と予め設定された閾値 (カットオフ値）とを比較するこ とで、個体につき、メタボリック 'シンドロームまたは非メタボリック 'シンドロームである か否かを判別する (ステップ S A— 13)。
[0146] [1 - 3.第 1実施形態のまとめ、およびその他の実施形態]
以上、詳細に説明したように、第 1実施形態に力、かるメタボリック 'シンドロームの評 価方法によれば、（1)個体から採取した血液からアミノ酸濃度データを測定し、 (2) 測定した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去し、 (3) 欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データに含まれる Va 1, Leu, He, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのつち少なくと 1つの濃度 値と予め設定された閾値 (カットオフ値）とを比較することで、個体につき、メタボリック •シンドロームまたは非メタボリック 'シンドロームであるか否かを判別する。これにより 、血液中のアミノ酸の濃度のうちメタボリック 'シンドロームと非メタボリック 'シンドロー ムとの 2群判別に有用なアミノ酸の濃度を利用して、メタボリック 'シンドロームと非メタ ボリック 'シンドロームとの 2群判別を精度よく行うことができる。
[0147] ここで、ステップ SA— 13において、ステップ SA— 12で欠損値や外れ値などのデ ータが除去された個体のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの濃度値に基づいて、個体に つき、メタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを判別 してもよい。これにより、血液中のアミノ酸の濃度のうちメタボリック 'シンドロームと非メ タボリック 'シンドロームとの 2群判別に有用なアミノ酸の濃度を利用して、メタボリック' シンドロームと非メタボリック 'シンドロームとの 2群判別を精度よく行うことができる。
[0148] また、ステップ SA— 13において、ステップ SA— 12で欠損値や外れ値などのデー タが除去された個体のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu , Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの濃度値および Val, Leu, lie, Ty r, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つを変数として含む多変 量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値 (カツ トオフ値）とを比較することで、個体につき、メタボリック 'シンドロームまたは非メタボリ ック 'シンドロームであるか否かを判別してもよい。これにより、メタボリック 'シンドロー ムと非メタボリック 'シンドロームとの 2群判別に有用な多変量判別式で得られる判別 値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別を 精度よく fiうことカできる。
[0149] また、ステップ SA— 13において、ステップ SA— 12で欠損値や外れ値などのデー タが除去された個体のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu , Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの濃度値および Val, Leu, lie, Ty r, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つを変数として含む多変 量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値 (カツ トオフ値）とを比較することで、個体につき、メタボリック 'シンドロームまたは非メタボリ ック 'シンドロームであるか否かを判別してもよい。これにより、メタボリック 'シンドロー ムと非メタボリック 'シンドロームとの 2群判別に有用な多変量判別式で得られる判別 値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別を 精度よく fiうことカできる。
[0150] また、ステップ SA— 13において、多変量判別式は、 1つの分数式または複数の分 数式の和で表され、それを構成する分数式の分子に Val, Leu, lie, Tyr, Trp, Glu , Ala, Asp, Thrのうち少なくとも 1つを変数として含み且つそれを構成する分数式 の分母に Gly, Serのうち少なくとも 1つを変数として含むもの、またはそれを構成する 分数式の分子に Gly, Serのうち少なくとも 1つを変数として含み且つそれを構成する 分数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1 つを変数として含むものでもよい。具体的には、多変量判別式は数式 1でもよい。こ れにより、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別に特に 有用な多変量判別式で得られる判別値を利用して、メタボリック 'シンドロームと非メタ ボリック 'シンドロームとの 2群判別をさらに精度よく行うことができる。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0151] また、ステップ SA— 13において、多変量判別式は、ロジスティック回帰式、線形判 別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作 成された式、正準判別分析で作成された式、決定木で作成された式のいずれか 1つ でもよい。具体的には、多変量判別式は、 Glu, Gly, Ala, Thr, Serを変数とするも のでもよい。これにより、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2 群判別に特に有用な多変量判別式で得られる判別値を利用して、メタボリック 'シンド ロームと非メタボリック 'シンドロームとの 2群判別をさらに精度よく行うことができる。
[0152] なお、上記した各多変量判別式は、本出願人による国際出願である国際公開 WO 2004/052191号パンフレットに記載の方法や、本出願人による国際出願である国 際出願番号 PCT/JP2006/304398に記載の方法（後述する第 2実施形態に記 載の多変量判別式作成処理)で作成することができる。これら方法で得られた多変量 判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単 位に因らず、当該多変量判別式をメタボリック 'シンドロームの状態の評価に好適に 用いること力 Sでさる。 [0153] [第 2実施形態]
[2- 1.本発明の概要]
ここでは、本発明に力、かるメタボリック 'シンドローム評価装置、メタボリック 'シンドロ ーム評価方法、メタボリック 'シンドローム評価システム、メタボリック 'シンドローム評価 プログラムおよび記録媒体の概要について、図 3を参照して説明する。図 3は本発明 の基本原理を示す原理構成図である。
[0154] まず、本発明は、制御部で、アミノ酸の濃度値に関する予め取得した評価対象 (例 えば動物ゃヒトなどの個体）のアミノ酸濃度データおよびアミノ酸の濃度を変数する記 憶部で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を 算出する (ステップ S _ 21)。
[0155] つぎに、本発明は、制御部で、ステップ S— 21で算出した判別値に基づいて、評価 対象につきメタボリック 'シンドロームの状態を評価する（ステップ S— 22)。
[0156] 以上、本発明によれば、アミノ酸の濃度値に関する予め取得した評価対象のァミノ 酸濃度データおよびアミノ酸の濃度を変数する記憶部で記憶した多変量判別式に基 づいて判別値を算出し、算出した判別値に基づいて評価対象につきメタボリック 'シ ンドロームの状態を評価する。これにより、アミノ酸の濃度を変数とする多変量判別式 で得られる判別値を利用して、メタボリック 'シンドロームの状態を精度よく評価するこ と力 Sできる。
[0157] ここで、ステップ S— 21では、予め取得した評価対象のアミノ酸濃度データに含ま れる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つ の濃度値および Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち 少なくとも 1つを変数として含む多変量判別式に基づいて判別値を算出してもよい。 これにより、メタボリック 'シンドロームの状態と有意な相関がある多変量判別式で得ら れる判別値を利用して、メタボリック 'シンドロームの状態を精度よく評価することがで きる。
[0158] また、ステップ S— 22では、ステップ S— 21で算出した判別値に基づいて評価対象 にっきメタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを判 別してもよい。具体的には、判別値と予め設定された閾値 (カットオフ値）とを比較す ることで、評価対象につきメタボリック 'シンドロームまたは非メタボリック 'シンドローム であるか否かを判別してもよい。これにより、メタボリック 'シンドロームと非メタボリック' シンドロームとの 2群判別に有用な多変量判別式で得られる判別値を利用して、メタ ボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別を精度よく行うことがで きる。
[0159] また、ステップ S— 21では、予め取得した評価対象のアミノ酸濃度データに含まれ
Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, ¾er, Thrのつち少なくとも 2つの 濃度ィ直および Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少 なくとも 2つを変数として含む多変量判別式に基づいて判別値を算出してもよい。こ れにより、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別に有用 な多変量判別式で得られる判別値を利用して、メタボリック 'シンドロームと非メタボリ ック 'シンドロームとの 2群判別を精度よく行うことができる。
[0160] また、ステップ S— 21において、多変量判別式は、 1つの分数式または複数の分数 式の和で表され、それを構成する分数式の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを変数として含み且つそれを構成する分数式の 分母に Gly, Serのうち少なくとも 1つを変数として含むもの、またはそれを構成する分 数式の分子に Gly, Serのうち少なくとも 1つを変数として含み且つそれを構成する分 数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つ を変数として含むものでもよい。具体的には、多変量判別式は数式 1でもよい。これ により、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別に特に有 用な多変量判別式で得られる判別値を利用して、メタボリック 'シンドロームと非メタボ リック'シンドロームとの 2群判別をさらに精度よく行うことができる。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0161] また、ステップ S— 21において、多変量判別式は、ロジスティック回帰式、線形判別 式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成 された式、正準判別分析で作成された式、決定木で作成された式のいずれか 1つで もよい。具体的には、多変量判別式は、 Glu, Gly, Ala, Thr, Serを変数とするもの でもよい。これにより、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群 判別に特に有用な多変量判別式で得られる判別値を利用して、メタボリック 'シンドロ 一ムと非メタボリック 'シンドロームとの 2群判別をさらに精度よく行うことができる。
[0162] なお、上記した各多変量判別式は、本出願人による国際出願である国際公開 WO
2004/052191号パンフレットに記載の方法や、本出願人による国際出願である国 際出願番号 PCT/JP2006/304398に記載の方法（後述する多変量判別式作成 処理)で作成することができる。これら方法で得られた多変量判別式であれば、入力 データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変 量判別式をメタボリック 'シンドロームの状態の評価に好適に用いることができる。
[0163] また、分数式とは、当該分数式の分子がアミノ酸 A, B, C, · · ·の和で表わされ及び /又は当該分数式の分母がアミノ酸 a, b, c, · · ·の和で表わされるものである。また、 分数式には、このような構成の分数式 α , β , y , . · ·の和（例えば α + /3のようなも の)も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母 に用いられるアミノ酸にはそれぞれ適当な係数がついても力、まわない。また、分子や 分母に用いられるアミノ酸は重複しても力、まわない。また、各分数式に適当な係数が ついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかま わない。
[0164] 具体的には、分数式は、下記の Α群〜 D群のアミノ酸濃度の組み合わせで、望まし くは「分数式において、分子が（A群、 B群から 1個以上の変数 + D群から 0〜2個の 変数）、分母が（C群から 1個以上の変数 + D群から 0〜2個の変数)を持ち、計 2〜8 個のアミノ酸濃度の変数を含む単一の分数式もしくは複数の分数式で示されるもの」 であり、より望ましくは「分数式において、分子が（B群から 1個以上の変数 + A群から 0〜；!個の変数 + D群から 0〜2個の変数）、分母が（C群から 1個以上の変数 + D群 から 0〜2個の変数)を持ち、計 4〜8個のアミノ酸濃度を含む複数の分数式で示され るもの」である。ここで、分数式で、分子の変数と分母の変数を入れ替えた組み合わ せは、 目的変数との相関の正負の符号は概して逆転する力 それらの相関性は保た れるので、判別性では同等と見なせるので、分子の変数と分母の変数を入れ替えた 組み合わせも、包含するものである。
A群： Leu, lie, Val B群： Ala, Glu, Asp, Tyr, Trp, Thr
C群： Gly, Ser
D群: A群， B群， C群に含まれないアミノ酸またはアミノ酸代謝物
[0165] また、多変量判別式とは、一般に多変量解析で用いられる式の形式を意味し、例え ば重回帰式、多重ロジスティック回帰式、線形判別関数、マハラノビス距離、正準判 別関数、サポートベクターマシン、決定木などを包含する。また、異なる形式の多変 量判別式の和で示されるような式も含まれる。また、重回帰式、多重口ジスティック回 帰式、正準判別関数にお!/、ては各変数に係数および定数項が付加される力 この 場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判 別を行うために得られた係数および定数項の 99%信頼区間の範囲に属する値、さら に好ましくはデータから判別を行うために得られた係数および定数項の 95%信頼区 間の範囲に属する値であればかまわない。また、各係数の値、及びその信頼区間は 、それを実数倍したものでもよぐ定数項の値、及びその信頼区間は、それに任意の 実定数を加減乗除したものでもよレ、。
[0166] そして、本発明は、メタボリック 'シンドロームの状態を評価する際（具体的には、メタ ボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを判別する際）、 アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、タンパク質の発現 量、被験者の年齢'性別、生体指標などをさらに用いても力、まわない。また、本発明 は、メタボリック 'シンドロームの状態を評価する際（具体的には、メタボリック 'シンドロ ームまたは非メタボリック 'シンドロームであるか否かを判別する際）、多変量判別式に おける変数として、アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、 タンパク質の発現量、被験者の年齢'性別、生体指標などをさらに用いても力、まわな い。
[0167] ここで、多変量判別式作成処理（工程 1〜工程 4)の概要について詳細に説明する
[0168] まず、本発明は、制御部で、アミノ酸濃度データとメタボリック 'シンドロームの状態 を表す指標に関するメタボリック 'シンドローム状態指標データとを含む記憶部で記 憶したメタボリック 'シンドローム状態情報から所定の式作成手法に基づいて、多変量 判別式の候補である候補多変量判別式 (例えば、 y= a x + a x + a x、y :メタ
1 1 2 2 n n ボリック 'シンドローム状態指標データ、 X：アミノ酸濃度データ、 a：定数、 i= l , 2, · · · , n)を作成する（工程 1)。なお、事前に、メタボリック 'シンドローム状態情報から欠 損値や外れ値などを持つデータを除去してもよ!/、。
[0169] なお、工程 1において、メタボリック 'シンドローム状態情報から、複数の異なる式作 成手法（主成分分析や判別分析、サポートベクターマシン、重回帰分析、口ジスティ ック回帰分析、 k means法、クラスター解析、決定木などの多変量解析に関するも のを含む。）を併用して複数の候補多変量判別式を作成してもよい。具体的には、多 数の健常群およびメタボリック 'シンドローム群から得た血液を分析して得たアミノ酸 濃度データおよびメタボリック 'シンドローム状態指標データから構成される多変量デ ータであるメタボリック 'シンドローム状態情報に対して、複数の異なるアルゴリズムを 利用して複数群の候補多変量判別式を同時並行的に作成してもよい。例えば、異な るアルゴリズムを利用して判別分析およびロジスティック回帰分析を同時に行い、 2つ の異なる候補多変量判別式を作成してもよい。また、主成分分析を行って作成した 候補多変量判別式を利用してメタボリック 'シンドローム状態情報を変換し、変換した メタボリック 'シンドローム状態情報に対して判別分析を行うことで候補多変量判別式 を作成してもよい。これにより、最終的に、診断条件に合った適切な多変量判別式を 作成すること力 Sでさる。
[0170] ここで、主成分分析を用いて作成した候補多変量判別式は、全てのアミノ酸濃度デ ータの分散を最大にするような各アミノ酸変数力もなる一次式である。また、判別分析 を用いて作成した候補多変量判別式は、各群内の分散の和の全てのアミノ酸濃度デ ータの分散に対する比を最小にするような各アミノ酸変数からなる高次式 (指数や対 数を含む）である。また、サポートベクターマシンを用いて作成した候補多変量判別 式は、群間の境界を最大にするような各アミノ酸変数からなる高次式 (カーネル関数 を含む）である。また、重回帰分析を用いて作成した候補多変量判別式は、全てのァ ミノ酸濃度データからの距離の和を最小にするような各アミノ酸変数からなる高次式 である。ロジスティック回帰分析を用いて作成した候補多変量判別式は、尤度を最大 にするような各アミノ酸変数からなる一次式を指数とする自然対数を項に持つ分数式 である。また、 k means法とは、各アミノ酸濃度データの k個近傍を探索し、近傍点 の属する群の中で一番多いものをそのデータの所属群と定義し、入力されたアミノ酸 濃度データの属する群と定義された群とが最も合致するようなアミノ酸変数を選択す る手法である。また、クラスター解析とは、全てのアミノ酸濃度データの中で最も近い 距離にある点同士をクラスタリング (群化）する手法である。また、決定木とは、アミノ酸 変数に序列をつけて、序列が上位であるアミノ酸変数の取りうるパターンからアミノ酸 濃度データの群を予測する手法である。
[0171] 多変量判別式作成処理の説明に戻り、本発明は、制御部で、工程 1で作成した候 補多変量判別式を、所定の検証手法に基づいて検証 (相互検証)する（工程 2)。候 補多変量判別式の検証は、工程 1で作成した各候補多変量判別式に対して行う。
[0172] なお、工程 2において、ブートストラップ法やホールドアウト法、リーブワンアウト法な どのうち少なくとも 1つに基づいて候補多変量判別式の判別率や感度、特異性、情 報量基準などのうち少なくとも 1つに関して検証してもよい。これにより、メタボリック 'シ ンドローム状態情報や診断条件を考慮した予測性または堅牢性の高い候補多変量 判別式を作成することができる。
[0173] ここで、判別率とは、全入力データの中で、本発明で評価したメタボリック 'シンドロ ームの状態が正しい割合である。また、感度とは、入力データに記載されたメタボリッ ク 'シンドロームの状態になっているものの中で、本発明で評価したメタボリック 'シン ドロームの状態が正しい割合である。また、特異性とは、入力データに記載されたメタ ボリック 'シンドロームの状態が健常になつているものの中で、本発明で評価したメタ ボリック 'シンドロームの状態が正しい割合である。また、情報量基準とは、工程 1で作 成した候補多変量判別式のアミノ酸変数の数と、本発明で評価したメタボリック 'シン ドロームの状態および入力データに記載されたメタボリック ·シンドロームの状態の差 異と、を足し合わせたものである。また、予測性とは、候補多変量判別式の検証を繰 り返すことで得られた判別率や感度、特異性を平均したものである。また、堅牢性とは 、候補多変量判別式の検証を繰り返すことで得られた判別率や感度、特異性の分散 である。
[0174] 多変量判別式作成処理の説明に戻り、本発明は、制御部で、工程 2での検証結果 力、ら所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、 候補多変量判別式を作成する際に用いるメタボリック 'シンドローム状態情報に含ま れるアミノ酸濃度データの組み合わせを選択する（工程 3)。アミノ酸変数の選択は、 工程 1で作成した各候補多変量判別式に対して行う。これにより、候補多変量判別式 のアミノ酸変数を適切に選択することができる。そして、工程 3で選択したアミノ酸濃 度データを含むメタボリック 'シンドローム状態情報を用いて再び工程 1を実行する。
[0175] なお、工程 3において、工程 2での検証結果からステップワイズ法、ベストパス法、近 傍探索法、遺伝的アルゴリズムのうち少なくとも 1つに基づいて候補多変量判別式の アミノ酸変数を選択してもよレ、。
[0176] ここで、ベストパス法とは、候補多変量判別式に含まれるアミノ酸変数を 1つずつ順 次減らしていき、候補多変量判別式が与える評価指標を最適化することでアミノ酸変 数を選択する方法である。
[0177] 多変量判別式作成処理の説明に戻り、本発明は、制御部で、上述した工程 1、ェ 程 2および工程 3を繰り返し実行し、これにより蓄積した検証結果に基づいて、複数の 候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出 することで、多変量判別式を作成する（工程 4)。なお、候補多変量判別式の選出に は、例えば、同じ式作成手法で作成した候補多変量判別式の中から最適なものを選 出する場合と、すべての候補多変量判別式の中から最適なものを選出する場合とが ある。
[0178] 以上、説明したように、多変量判別式作成処理では、メタボリック 'シンドローム状態 情報に基づ!/、て、候補多変量判別式の作成、候補多変量判別式の検証および候補 多変量判別式の変数の選択に関する処理を一連の流れで体系化（システム化）して 実行することにより、メタボリック 'シンドロームの状態の評価に最適な多変量判別式 を作成すること力できる。換言すると、多変量判別式作成処理では、アミノ酸濃度を 多変量の統計解析に用い、最適でロバストな変数の組を選択するために変数選択法 とクロスバリデーシヨンとを組み合わせて、診断性能の高い多変量判別式を抽出する
。多変量判別式としては、ロジスティック回帰、線形判別、サポートベクターマシン、マ ノ、ラノビス距離法、重回帰分析、クラスター解析などを用いることができる。 [0179] [2- 2.システム構成]
ここでは、第 2実施形態に力、かるメタボリック 'シンドローム評価システム（以下では 本システムと記す場合がある。）の構成について、図 4から図 20を参照して説明する。 なお、本システムはあくまでも一例であり、本発明はこれに限定されない。
[0180] まず、本システムの全体構成について図 4および図 5を参照して説明する。図 4は 本システムの全体構成の一例を示す図である。また、図 5は本システムの全体構成の 他の一例を示す図である。本システムは、図 4に示すように、評価対象につきメタボリ ック 'シンドロームの状態を評価するメタボリック 'シンドローム評価装置 100と、ァミノ 酸の濃度値に関する評価対象のアミノ酸濃度データを提供するクライアント装置 200 (本発明の情報通信端末装置に相当）とを、ネットワーク 300を介して通信可能に接 続して構成されている。
[0181] なお、本システムは、図 5に示すように、メタボリック 'シンドローム評価装置 100ゃク ライアント装置 200の他に、メタボリック 'シンドローム評価装置 100で多変量判別式 を作成する際に用いるメタボリック 'シンドローム状態情報やメタボリック 'シンドローム の状態を評価するために用いる多変量判別式などを格納したデータベース装置 400 を、ネットワーク 300を介して通信可能に接続して構成されてもよい。これにより、ネッ トワーク 300を介して、メタボリック 'シンドローム評価装置 100からクライアント装置 20 0やデータベース装置 400へ、ある!/、はクライアント装置 200やデータベース装置 40 0からメタボリック 'シンドローム評価装置 100へ、メタボリック 'シンドロームの状態に関 する情報などが提供される。ここで、メタボリック 'シンドロームの状態に関する情報と は、ヒトを含む生物のメタボリック 'シンドロームの状態に関する特定の項目について 測定した値に関する情報である。また、メタボリック 'シンドロームの状態に関する情報 は、メタボリック 'シンドローム評価装置 100やクライアント装置 200や他の装置（例え ば各種の計測装置等）で生成され、主にデータベース装置 400に蓄積される。
[0182] つぎに、本システムのメタボリック 'シンドローム評価装置 100の構成について図 6か ら図 18を参照して説明する。図 6は、本システムのメタボリック 'シンドローム評価装置 100の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分の みを概念的に示している。 [0183] メタボリック 'シンドローム評価装置 100は、当該メタボリック 'シンドローム評価装置 を統括的に制御する CPU等の制御部 102と、ルータ等の通信装置および専用線等 の有線または無線の通信回線を介して当該メタボリック 'シンドローム評価装置をネッ トワーク 300に通信可能に接続する通信インターフェース部 104と、各種のデータべ ースゃテーブルやファイルなどを格納する記憶部 106と、入力装置 112や出力装置 114に接続する入出力インターフェース部 108と、で構成されており、これら各部は 任意の通信路を介して通信可能に接続されている。ここで、メタボリック 'シンドローム 評価装置 100は、各種の分析装置 (例えばアミノ酸アナライザ一等）と同一筐体で構 成されてもよい。また、メタボリック 'シンドローム評価装置 100の分散'統合の具体的 形態は図示のものに限られず、その全部または一部を、各種の負荷等に応じた任意 の単位で、機能的または物理的に分散 ·統合して構成してもよい。例えば、処理の一 部を CGI (Common Gateway Interface)を用いて実現してもよい。
[0184] 記憶部 106は、ストレージ手段であり、例えば、 RAM'ROM等のメモリ装置や、ノ、 ードディスクのような固定ディスク装置、フレキシブルディスク、光ディスク等を用いる こと力 Sできる。記憶部 106には、 OS (Operating System)と協働して CPUに命令 を与え各種処理を行うためのコンピュータプログラムが記録されている。記憶部 106 は、図示の如ぐ利用者情報ファイル 106aと、アミノ酸濃度データファイル 106bと、メ タボリック 'シンドローム状態情報ファイル 106cと、指定メタボリック 'シンドローム状態 情報ファイル 106dと、多変量判別式関連情報データベース 106eと、判別値フアイノレ 106fと、評価結果ファイル 106gと、を格納する。
[0185] 利用者情報ファイル 106aは、利用者に関する利用者情報を格納する。図 7は、利 用者情報ファイル 106aに格納される情報の一例を示す図である。利用者情報フアイ ノレ 106aに格納される情報は、図 7に示すように、利用者を一意に識別するための利 用者 IDと、利用者が正当な者であるか否かの認証を行うための利用者パスワードと、 利用者の氏名と、利用者の所属する所属先を一意に識別するための所属先 IDと、 利用者の所属する所属先の部門を一意に識別するための部門 IDと、部門名と、禾 IJ 用者の電子メールアドレスと、を相互に関連付けて構成されている。
[0186] 図 6に戻り、アミノ酸濃度データファイル 106bは、アミノ酸の濃度値に関するァミノ 酸濃度データを格納する。図 8は、アミノ酸濃度データファイル 106bに格納される情 報の一例を示す図である。アミノ酸濃度データファイル 106bに格納される情報は、 図 8に示すように、評価対象である個体（サンプル)を一意に識別するための個体番 号と、アミノ酸濃度データとを相互に関連付けて構成されている。ここで、図 8では、ァ ミノ酸濃度データを数値、すなわち連続尺度として扱っている力 アミノ酸濃度データ は名義尺度や順序尺度でもよい。なお、名義尺度や順序尺度の場合は、それぞれ の状態に対して任意の数値を与えることで解析してもよい。また、アミノ酸濃度データ に、他の生体情報 (性差、年齢、身長、体重、 BMI指数、腹囲、インスリン抵抗性指 数、尿酸値、血糖値、中性脂肪、体脂肪率、総コレステロール、 HDLコレステロール 、 LDLコレステロール、収縮期血圧、拡張期血圧、ヘモグロビン Alc、動脈硬化指数 、喫煙の有無、心電図の波形を数値化したもの、酵素濃度、遺伝子発現量、アミノ酸 以外の代謝物の濃度など）を組み合わせてもよ!/、。
[0187] 図 6に戻り、メタボリック 'シンドローム状態情報ファイル 106cは、多変量判別式を作 成する際に用いるメタボリック 'シンドローム状態情報を格納する。図 9は、メタボリック •シンドローム状態情報ファイル 106cに格納される情報の一例を示す図である。メタ ボリック 'シンドローム状態情報ファイル 106cに格納される情報は、図 9に示すように 、個体番号と、メタボリック 'シンドロームの状態を表す指標（指標 T、指標 T、指標 T
1 2 3
• · · )に関するメタボリック 'シンドローム状態指標データ (τ)と、アミノ酸濃度データと
、を相互に関連付けて構成されている。ここで、図 9では、メタボリック 'シンドローム状 態指標データおよびアミノ酸濃度データを数値 (すなわち連続尺度）として极つてい るが、メタボリック 'シンドローム状態指標データおよびアミノ酸濃度データは名義尺 度や順序尺度でもよい。なお、名義尺度や順序尺度の場合は、それぞれの状態に 対して任意の数値を与えることで解析してもよい。また、メタボリック 'シンドローム状態 指標データは、メタボリック 'シンドロームの状態のマーカーとなる既知の単一の状態 指標であり、数値データを用いてもよい。
[0188] 図 6に戻り、指定メタボリック 'シンドローム状態情報ファイル 106dは、後述するメタ ボリック 'シンドローム状態情報指定部 102gで指定したメタボリック 'シンドローム状態 情報を格納する。図 10は、指定メタボリック 'シンドローム状態情報ファイル 106dに 格納される情報の一例を示す図である。指定メタボリック 'シンドローム状態情報ファ ィル 106dに格納される情報は、図 10に示すように、個体番号と、指定したメタボリッ ク 'シンドローム状態指標データと、指定したアミノ酸濃度データと、を相互に関連付 けて構成されている。
[0189] 図 6に戻り、多変量判別式関連情報データベース 106eは、後述する候補多変量 判別式作成部 102Mで作成した候補多変量判別式を格納する候補多変量判別式 ファイル 106elと、後述する候補多変量判別式検証部 102h2での検証結果を格納 する検証結果ファイル 106e2と、後述する変数選択部 102h3で選択したアミノ酸濃 度データの組み合わせを含むメタボリック 'シンドローム状態情報を格納する選択メタ ボリック 'シンドローム状態情報ファイル 106e3と、後述する多変量判別式作成部 10 2hで作成した多変量判別式を格納する多変量判別式ファイル 106e4と、で構成され
[0190] 候補多変量判別式ファイル 106elは、後述する候補多変量判別式作成部 102hl で作成した候補多変量判別式を格納する。図 11は、候補多変量判別式ファイル 10 6e lに格納される情報の一例を示す図である。候補多変量判別式ファイル 106elに 格納される情報は、図 1 1に示すように、ランクと、候補多変量判別式（図 11では、 F (
1
Gly, Leu, Phe, · · · )や F (Gly, Leu, Phe, - - - ) ^ F (Gly, Leu, Phe, · · · )など)
2 3
とを相互に関連付けて構成されている。
[0191] 図 6に戻り、検証結果ファイル 106e2は、後述する候補多変量判別式検証部 102h 2での検証結果を格納する。図 12は、検証結果ファイル 106e2に格納される情報の 一例を示す図である。検証結果ファイル 106e2に格納される情報は、図 12に示すよ うに、ランクと、候補多変量判別式（図 12では、 F (Gly, Leu, Phe, · · · )や F (Gly
k m
, Leu, Phe, · · · )、 F (Gly, Leu, Phe, · · · )など）と、各候補多変量判別式の検証 結果 (例えば各候補多変量判別式の評価値)と、を相互に関連付けて構成されてい
[0192] 図 6に戻り、選択メタボリック 'シンドローム状態情報ファイル 106e3は、後述する変 数選択部 102h3で選択した変数に対応するアミノ酸濃度データの組み合わせを含 むメタボリック 'シンドローム状態情報を格納する。図 13は、選択メタボリック 'シンドロ ーム状態情報ファイル 106e3に格納される情報の一例を示す図である。選択メタボリ ック 'シンドローム状態情報ファイル 106e3に格納される情報は、図 13に示すように、 個体番号と、後述するメタボリック 'シンドローム状態情報指定部 102gで指定したメタ ボリック 'シンドローム状態指標データと、後述する変数選択部 102h3で選択したアミ ノ酸濃度データと、を相互に関連付けて構成されてレ、る。
[0193] 図 6に戻り、多変量判別式ファイル 106e4は、後述する多変量判別式作成部 102h で作成した多変量判別式を格納する。図 14は、多変量判別式ファイル 106e4に格 納される情報の一例を示す図である。多変量判別式ファイル 106e4に格納される情 報は、図 14に示すように、ランクと、多変量判別式（図 14では、 F (Phe, · · · )や F (
P P
Gly, Leu, Phe)、 F (Gly, Leu, Phe, · · · )など）と、各式作成手法に対応する閾値 k
と、各多変量判別式の検証結果 (例えば各多変量判別式の評価値)と、を相互に関 連付けて構成されている。
[0194] 図 6に戻り、判別値ファイル 106fは、後述する判別値算出部 102iで算出した判別 値を格納する。図 15は、判別値ファイル 106fに格納される情報の一例を示す図であ る。判別値ファイル 106fに格納される情報は、図 15に示すように、評価対象である 個体 (サンプル)を一意に識別するための個体番号と、ランク（多変量判別式を一意 に識別するための番号）と、判別値と、を相互に関連付けて構成されている。
[0195] 図 6に戻り、評価結果ファイル 106gは、後述する判別値基準評価部 10¾での評価 結果 (具体的には、後述する判別値基準判別部 10¾ 1での判別結果)を格納する。 図 16は、評価結果ファイル 106gに格納される情報の一例を示す図である。評価結 果ファイル 106gに格納される情報は、評価対象である個体（サンプル)を一意に識 別するための個体番号と、予め取得した評価対象のアミノ酸濃度データと、多変量判 別式で算出した判別値と、メタボリック 'シンドロームの状態に関する評価結果 (具体 的には、メタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かに関 する判別結果）と、を相互に関連付けて構成されている。
[0196] 図 6に戻り、記憶部 106には、上述した情報以外にその他情報として、 Webサイトを クライアント装置 200に提供するための各種の Webデータや、 CGIプログラム等が記 録されて!/、る。 Webデータとしては後述する各種の Webページを表示するためのデ ータ等があり、これらデータは例えば HTMLや XMLで記述されたテキストファイルと して形成されている。また、 Webデータを作成するための部品用のファイルや作業用 のファイルやその他一時的なファイル等も記憶部 106に記憶される。記憶部 106に は、必要に応じて、クライアント装置 200に送信するための音声を WAVE形式や AIF F形式の如き音声ファイルで格納したり、静止画や動画を JPEG形式や MPEG2形式 の如き画像ファイルで格納したりすることができる。
[0197] 通信インターフェース部 104は、メタボリック 'シンドローム評価装置 100とネットヮー ク 300ほたはルータ等の通信装置）との間における通信を媒介する。すなわち、通 信インターフェース部 104は、他の端末と通信回線を介してデータを通信する機能を 有する。
[0198] 入出力インターフェース部 108は、入力装置 112や出力装置 114に接続する。ここ で、出力装置 114には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用 いることができる（なお、以下では、出力装置 114をモニタ 114として記載する場合が ある。）。入力装置 112には、キーボードやマウスやマイクの他、マウスと協働してボイ ンティングデバイス機能を実現するモニタを用いることができる。
[0199] 制御部 102は、 OS (Operating System)等の制御プログラム.各種の処理手順 等を規定したプログラム '所要データなどを格納するための内部メモリを有し、これら のプログラムに基づいて種々の情報処理を実行する。制御部 102は、図示の如ぐ 大別して、要求解釈部 102aと閲覧処理部 102bと認証処理部 102cと電子メール生 成部 102dと Webページ生成部 102eと受信部 102fとメタボリック 'シンドローム状態 情報指定部 102gと多変量判別式作成部 102hと判別値算出部 102iと判別値基準 評価部 10¾と結果出力部 102kと送信部 102mとを備えている。制御部 102は、デ ータベース装置 400から送信されたメタボリック 'シンドローム状態情報やクライアント 装置 200から送信されたアミノ酸濃度データに対して、欠損値のあるデータの除去- 外れ値の多!/、データの除去 ·欠損値のあるデータの多!/、変数の除去などのデータ処 理も行う。
[0200] 要求解釈部 102aは、クライアント装置 200やデータベース装置 400からの要求内 容を解釈し、その解釈結果に応じて制御部 102の各部に処理を受け渡す。閲覧処 理部 102bは、クライアント装置 200からの各種画面の閲覧要求を受けて、これら画 面の Webデータの生成や送信を行なう。認証処理部 102cは、クライアント装置 200 やデータベース装置 400からの認証要求を受けて、認証判断を行う。電子メール生 成部 102dは、各種の情報を含んだ電子メールを生成する。 Webページ生成部 102 eは、利用者がクライアント装置 200で閲覧する Webページを生成する。
[0201] 受信部 102fは、クライアント装置 200やデータベース装置 400から送信された情報
(具体的には、アミノ酸濃度データやメタボリック 'シンドローム状態情報、多変量判別 式など）を、ネットワーク 300を介して受信する。メタボリック 'シンドローム状態情報指 定部 102gは、多変量判別式を作成するにあたり、対象とするメタボリック 'シンドロー ム状態指標データおよびアミノ酸濃度データを指定する。
[0202] 多変量判別式作成部 102hは、受信部 102fで受信したメタボリック 'シンドローム状 態情報やメタボリック 'シンドローム状態情報指定部 102gで指定したメタボリック 'シン ドローム状態情報に基づいて多変量判別式を作成する。具体的には、多変量判別 式作成部 102hは、メタボリック 'シンドローム状態情報から、候補多変量判別式作成 部 102hl、候補多変量判別式検証部 102h2および変数選択部 102h3を繰り返し 実行させることにより蓄積された検証結果に基づいて、複数の候補多変量判別式の 中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判 別式を作成する。
[0203] なお、多変量判別式が予め記憶部 106の所定の記憶領域に格納されて!/、る場合 には、多変量判別式作成部 102hは、記憶部 106から所望の多変量判別式を選択 することで、多変量判別式を作成してもよい。また、多変量判別式作成部 102hは、 多変量判別式を予め格納した他のコンピュータ装置 (例えばデータベース装置 400) 力、ら所望の多変量判別式を選択しダウンロードすることで、多変量判別式を作成して あよい。
[0204] ここで、多変量判別式作成部 102hの構成について図 17を参照して説明する。図 1 7は、多変量判別式作成部 102hの構成を示すブロック図であり、該構成のうち本発 明に関係する部分のみを概念的に示している。多変量判別式作成部 102hは、候補 多変量判別式作成部 102hlと、候補多変量判別式検証部 102h2と、変数選択部 1 02h3と、をさらに備えている。候補多変量判別式作成部 102Mは、メタボリック 'シン ドローム状態情報から所定の式作成手法に基づいて多変量判別式の候補である候 補多変量判別式を作成する。なお、候補多変量判別式作成部 102Mは、メタボリッ ク 'シンドローム状態情報から、複数の異なる式作成手法を併用して複数の候補多変 量判別式を作成してもよい。候補多変量判別式検証部 102h2は、候補多変量判別 式作成部 102hlで作成した候補多変量判別式を所定の検証手法に基づいて検証 する。なお、候補多変量判別式検証部 102h2は、ブートストラップ法、ホールドアウト 法、リーブワンアウト法のうち少なくとも 1つに基づいて候補多変量判別式の判別率、 感度、特異性、情報量基準のうち少なくとも 1つに関して検証してもよい。変数選択部 102h3は、候補多変量判別式検証部 102h2での検証結果から所定の変数選択手 法に基づ!/、て候補多変量判別式の変数を選択することで、候補多変量判別式を作 成する際に用いるメタボリック 'シンドローム状態情報に含まれるアミノ酸濃度データ の組み合わせを選択する。なお、変数選択部 102h3は、検証結果力もステップワイ ズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも 1つに基づい て候補多変量判別式の変数を選択してもよレ、。
[0205] 図 6に戻り、判別値算出部 102iは、多変量判別式作成部 102hで作成した多変量 判別式（例えば、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち 少なくとも 1つ又は 2つを変数として含むもの）、および受信部 102fで受信した評価 対象のアミノ酸濃度データ（例えば、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gl y, Ser, Thrのうち少なくとも 1つ又は 2つの濃度値）に基づいて、当該多変量判別式 の値である判別値を算出する。
[0206] ここで、多変量判別式は、 1つの分数式または複数の分数式の和で表され、それを 構成する分数式の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少 なくとも 1つを変数として含み且つそれを構成する分数式の分母に Gly, Serのうち少 なくとも 1つを変数として含むもの、またはそれを構成する分数式の分子に Gly, Ser のうち少なくとも 1つを変数として含み且つそれを構成する分数式の分母に Val, Leu , lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを変数として含むものでも よい。具体的には、多変量判別式は数式 1でもよい。 Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0207] また、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートべ クタ一マシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で 作成された式、決定木で作成された式のいずれか 1つでもよい。具体的には、多変 量判別式は、 Glu, Gly, Ala, Thr, Serを変数とするものでもよい。
[0208] 判別値基準評価部 10¾は、判別値算出部 102iで算出した判別値に基づ!/、て評 価対象につきメタボリック 'シンドロームの状態を評価する。判別値基準評価部 10¾ は、判別値基準判別部 10¾ 1をさらに備えている。ここで、判別値基準評価部 10¾ の構成について図 18を参照して説明する。図 18は、判別値基準評価部 10¾の構 成を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示し てレ、る。判別値基準判別部 10¾ 1は、判別値に基づ!/、て評価対象につきメタボリック •シンドロームまたは非メタボリック 'シンドロームであるか否かを判別する。具体的に は、判別値基準判別部 10¾ 1は、判別値と予め設定された閾値 (カットオフ値）とを比 較することで、評価対象につきメタボリック 'シンドロームまたは非メタボリック 'シンドロ ームであるか否かを判別する。
[0209] 図 6に戻り、結果出力部 102kは、制御部 102の各処理部での処理結果（判別値基 準評価部 10¾での評価結果 (具体的には判別値基準判別部 10¾ 1での判別結果） を含む）等を出力装置 114に出力する。
[0210] 送信部 102mは、評価対象のアミノ酸濃度データの送信元のクライアント装置 200 に対して評価結果を送信したり、データベース装置 400に対して、メタボリック 'シンド ローム評価装置 100で作成した多変量判別式や評価結果を送信したりする。
[0211] つぎに、本システムのクライアント装置 200の構成について図 19を参照して説明す る。図 19は、本システムのクライアント装置 200の構成の一例を示すブロック図であり 、該構成のうち本発明に関係する部分のみを概念的に示して!/、る。
[0212] クライアント装置 200は、制御部 210と ROM220と HD230と RAM240と入力装置
250と出力装置 260と入出力 IF270と通信 IF280とで構成されており、これら各部は 任意の通信路を介して通信可能に接続されている。
[0213] 制御部 210は、 Webブラウザ 211、電子メーラ 212、受信部 213、送信部 214を備 えている。 Webブラウザ 211は、 Webデータを解釈し、解釈した Webデータを後述す るモニタ 261に表示するブラウズ処理を行う。なお、 Webブラウザ 211には、ストリー ム映像の受信 ·表示'フィードバック等を行う機能を備えたストリームプレイヤ等の各種 のソフトウェアをプラグインしてもよい。電子メーラ 212は、所定の通信規約（例えば、 SMTP (Simple Mail Transfer Protocol)や POP3 (Post Office Protocol version 3)等）に従って電子メールの送受信を行う。受信部 213は、通信 IF280 を介して、メタボリック 'シンドローム評価装置 100から送信された評価結果などの各 種情報を受信する。送信部 214は、通信 IF280を介して、評価対象のアミノ酸濃度 データなどの各種情報をメタボリック 'シンドローム評価装置 100へ送信する。
[0214] 入力装置 250はキーボードやマウスやマイク等である。なお、後述するモニタ 261も マウスと協働してポインティングデバイス機能を実現する。出力装置 260は、通信 IF2 80を介して受信した情報を出力する出力手段であり、モニタ（家庭用テレビを含む） 2 61およびプリンタ 262を含む。この他、出力装置 260にスピーカ等を設けてもよい。 入出力 IFは入力装置 250や出力装置 260に接続する。
[0215] 通信 IF280は、クライアント装置 200とネットワーク 300 (またはルータ等の通信装 置）とを通信可能に接続する。換言すると、クライアント装置 200は、モデムや TAや ルータなどの通信装置および電話回線を介して、または専用線を介してネットワーク 300に接続される。これにより、クライアント装置 200は、所定の通信規約に従ってメ タボリック 'シンドローム評価装置 100にアクセスすることができる。
[0216] ここで、プリンタ'モニタ'イメージスキャナ等の周辺装置を必要に応じて接続した情 報処理装置（例えば、既知のパーソナルコンピュータ 'ワークステーション '家庭用ゲ ーム装置'インターネット TV'PHS端末 ·携帯端末 ·移動体通信端末 'PDA等の情 報処理端末など）に、 Webデータのブラウジング機能や電子メール機能を実現させる ソフトウェア (プログラム、データ等を含む）を実装することにより、クライアント装置 200 を実現してもよい。
[0217] また、クライアント装置 200の制御部 210は、制御部 210で行う処理の全部または 任意の一部を、 CPUおよび当該 CPUにて解釈して実行するプログラムで実現しても よい。 ROM220または HD230には、 OS (Operating System)と協働して CPUに 命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。当該コ ンピュータプログラムは、 RAM240にロードされることで実行され、 CPUと協働して 制御部 210を構成する。また、当該コンピュータプログラムは、クライアント装置 200と 任意のネットワークを介して接続されるアプリケーションプログラムサーバに記録され てもよく、クライアント装置 200は、必要に応じてその全部または一部をダウンロードし てもよい。また、制御部 210で行う処理の全部または任意の一部を、ワイヤードロジッ ク等によるハードウェアで実現してもよい。
[0218] つぎに、本システムのネットワーク 300について図 4、図 5を参照して説明する。ネッ トワーク 300は、メタボリック 'シンドローム評価装置 100とクライアント装置 200とデー タベース装置 400とを相互に通信可能に接続する機能を有し、例えばインターネット やイントラネットや LAN (有線/無線の双方を含む）等である。なお、ネットワーク 300 は、 VANや、パソコン通信網や、公衆電話網（アナログ/デジタルの双方を含む）や 、専用回線網（アナログ/デジタルの双方を含む）や、 CATV網や、携帯回線交換 網または携帯パケット交換網（IMT2000方式、 GSM方式または PDC/PDC— P 方式等を含む）や、無線呼出網や、 Bluetooth (登録商標）等の局所無線網や、 PH S網や、衛星通信網（CS、 BSまたは ISDB等を含む）等でもよい。
[0219] つぎに、本システムのデータベース装置 400の構成について図 20を参照して説明 する。図 20は、本システムのデータベース装置 400の構成の一例を示すブロック図 であり、該構成のうち本発明に関係する部分のみを概念的に示している。
[0220] データベース装置 400は、メタボリック 'シンドローム評価装置 100または当該デー タベース装置で多変量判別式を作成する際に用いるメタボリック 'シンドローム状態 情報や、メタボリック 'シンドローム評価装置 100で作成した多変量判別式、メタボリッ ク 'シンドローム評価装置 100での評価結果などを格納する機能を有する。図 20に 示すように、データベース装置 400は、当該データベース装置を統括的に制御する CPU等の制御部 402と、ルータ等の通信装置および専用線等の有線または無線の 通信回路を介して当該データベース装置をネットワーク 300に通信可能に接続する 通信インターフェース部 404と、各種のデータベースやテーブルやファイル（例えば Webページ用ファイル)などを格納する記憶部 406と、入力装置 412や出力装置 41 4に接続する入出力インターフェース部 408と、で構成されており、これら各部は任意 の通信路を介して通信可能に接続されている。
[0221] 記憶部 406は、ストレージ手段であり、例えば、 RAM 'ROM等のメモリ装置や、ノ、 ードディスクのような固定ディスク装置や、フレキシブルディスクや、光ディスク等を用 いること力 Sできる。記憶部 406には、各種処理に用いる各種プログラム等を格納する 。通信インターフェース部 404は、データベース装置 400とネットワーク 300 (または ルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフエ ース部 404は、他の端末と通信回線を介してデータを通信する機能を有する。入出 力インターフェース部 408は、入力装置 412や出力装置 414に接続する。ここで、出 力装置 414には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いること ができる（なお、以下で、出力装置 414をモニタ 414として記載する場合がある。）。ま た、入力装置 412には、キーボードやマウスやマイクの他、マウスと協働してポインテ イングデバイス機能を実現するモニタを用いることができる。
[0222] 制御部 402は、 OS (Operating System)等の制御プログラム.各種の処理手順 等を規定したプログラム '所要データなどを格納するための内部メモリを有し、これら のプログラムに基づいて種々の情報処理を実行する。制御部 402は、図示の如ぐ 大別して、要求解釈部 402aと閲覧処理部 402bと認証処理部 402cと電子メール生 成咅 402dと Webページ生成き 402eと送信き 402fとを備えている。
[0223] 要求解釈部 402aは、メタボリック 'シンドローム評価装置 100力もの要求内容を解 釈し、その解釈結果に応じて制御部 402の各部に処理を受け渡す。閲覧処理部 40 2bは、メタボリック 'シンドローム評価装置 100からの各種画面の閲覧要求を受けて、 これら画面の Webデータの生成や送信を行う。認証処理部 402cは、メタボリック 'シ ンドローム評価装置 100からの認証要求を受けて、認証判断を行う。電子メール生成 部 402dは、各種の情報を含んだ電子メールを生成する。 Webページ生成部 402e は、利用者がクライアント装置 200で閲覧する Webページを生成する。送信部 402f は、メタボリック 'シンドローム状態情報や多変量判別式などの各種情報を、メタボリッ ク 'シンドローム評価装置 100へ送信する。
[0224] [2 - 3.本システムの処理] ここでは、以上のように構成された本システムで行われるメタボリック 'シンドローム評 価サービス処理の一例を、図 21を参照して説明する。図 21は、メタボリック 'シンドロ ーム評価サービス処理の一例を示すフローチャートである。
[0225] なお、本処理で用いるアミノ酸濃度データは、個体から予め採取した血液を分析し て得たアミノ酸の濃度値に関するものである。ここで、血液中のアミノ酸の分析方法に ついて簡単に説明する。まず、採血した血液サンプルを、へパリン処理したチューブ に採取し、その後、当該チューブに対して遠心分離を行うことで血漿を分離する。な お、分離したすべての血漿サンプルは、アミノ酸濃度の測定時まで 70°Cで凍結保 存する。そして、アミノ酸濃度の測定時に、血漿サンプルに対してスルホサリチル酸を 添加し、 3%濃度調整により除蛋白処理を行う。なお、アミノ酸濃度の測定には、ボス トカラムでニンヒドリン反応を用いた高速液体クロマトグラフィー（HPLC)を原理とした アミノ酸分析機を使用した。
[0226] まず、 Webブラウザ 211を表示した画面上で利用者が入力装置 250を介してメタボ リック'シンドローム評価装置 100が提供する Webサイトのアドレス（URLなど）を指定 すると、クライアント装置 200はメタボリック 'シンドローム評価装置 100へアクセスする 。具体的には、利用者がクライアント装置 200の Webブラウザ 211の画面更新を指示 すると、 Webブラウザ 211は、メタボリック 'シンドローム評価装置 100が提供する We bサイトのアドレスを所定の通信規約でメタボリック 'シンドローム評価装置 100へ送信 することで、アミノ酸濃度データ送信画面に対応する Webページの送信要求を、当 該アドレスに基づくルーティングでメタボリック.シンドローム評価装置 100へ行う。
[0227] つぎに、メタボリック 'シンドローム評価装置 100は、要求解釈部 102aで、クライアン ト装置 200からの送信を受け、当該送信の内容を解析し、解析結果に応じて制御部 102の各部に処理を移す。具体的には、送信の内容がアミノ酸濃度データ送信画面 に対応する Webページの送信要求であった場合、メタボリック 'シンドローム評価装 置 100は、主として閲覧処理部 102bで、記憶部 106の所定の記憶領域に格納され ている当該 Webページを表示するための Webデータを取得し、取得した Webデータ をクライアント装置 200へ送信する。より具体的には、利用者からアミノ酸濃度データ 送信画面に対応する Webページの送信要求があった場合、メタボリック 'シンドロー ム評価装置 100は、まず、制御部 102で、利用者 IDや利用者パスワードの入力を利 用者に対して求める。そして、利用者 IDやパスワードが入力されると、メタボリック 'シ ンドローム評価装置 100は、認証処理部 102cで、入力された利用者 IDやパスワード と利用者情報ファイル 106aに格納されている利用者 IDや利用者パスワードとの認証 判断を行う。そして、メタボリック 'シンドローム評価装置 100は、認証可の場合にのみ 、閲覧処理部 102bで、アミノ酸濃度データ送信画面に対応する Webページを表示 するための Webデータをクライアント装置 200へ送信する。なお、クライアント装置 20 0の特定は、クライアント装置 200から送信要求と共に送信された IPアドレスで行う。
[0228] つぎに、クライアント装置 200は、メタボリック 'シンドローム評価装置 100から送信さ れた Webデータ（アミノ酸濃度データ送信画面に対応する Webページを表示するた めのもの）を受信部 213で受信し、受信した Webデータを Webブラウザ 211で解釈し 、モニタ 261にアミノ酸濃度データ送信画面を表示する。
[0229] つぎに、モニタ 261に表示されたアミノ酸濃度データ送信画面に対し利用者が入力 装置 250を介して個体のアミノ酸濃度データなどを入力 ·選択すると、クライアント装 置 200は、送信部 214で、入力情報や選択事項を特定するための識別子をメタボリ ック 'シンドローム評価装置 100へ送信することで、評価対象の個体のアミノ酸濃度デ ータをメタボリック 'シンドローム評価装置 100へ送信する（ステップ SA— 21)。なお、 ステップ SA— 21におけるアミノ酸濃度データの送信は、 FTP等の既存のファイル転 送技術等により実現してもよい。
[0230] つぎに、メタボリック 'シンドローム評価装置 100は、要求解釈部 102aで、クライアン ト装置 200から送信された識別子を解釈することによりクライアント装置 200の要求内 容を解釈し、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少な くとも 1つ又は 2つを変数として含むメタボリック 'シンドローム評価用（具体的には、メ タボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別用）の多変量判別式 の送信要求をデータベース装置 400へ行う。
[0231] つぎに、データベース装置 400は、要求解釈部 402aで、メタボリック 'シンドローム 評価装置 100からの送信要求を解釈し、記憶部 406の所定の記憶領域に格納した、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つ又は 2つを変数として含む多変量判別式 (例えばアップデートされた最新のもの）をメタボ リック'シンドローム評価装置 100へ送信する（ステップ SA— 22)。
[0232] ここで、ステップ SA— 22において、メタボリック 'シンドローム評価装置 100へ送信 する多変量判別式は、 1つの分数式または複数の分数式の和で表され、それを構成 する分数式の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくと も 1つを変数として含み且つそれを構成する分数式の分母に Gly, Serのうち少なくと も 1つを変数として含むもの、またはそれを構成する分数式の分子に Gly, Serのうち 少なくとも 1つを変数として含み且つそれを構成する分数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを変数として含むものでもよい。 具体的には、多変量判別式は数式 1でもよい。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0233] また、ステップ SA— 22において、メタボリック 'シンドローム評価装置 100へ送信す る多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートベクタ 一マシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作 成された式、決定木で作成された式のいずれか 1つでもよい。具体的には、多変量 判別式は、 Glu, Gly, Ala, Thr, Serを変数とするものでもよい。
[0234] つぎに、メタボリック 'シンドローム評価装置 100は、受信部 102fで、クライアント装 置 200から送信された個体のアミノ酸濃度データおよびデータベース装置 400から 送信された多変量判別式を受信し、受信したアミノ酸濃度データをアミノ酸濃度デー タファイル 106bの所定の記憶領域に格納すると共に、受信した多変量判別式を多 変量判別式ファイル 106e4の所定の記憶領域に格納する（ステップ SA— 23)。
[0235] つぎに、メタボリック 'シンドローム評価装置 100は、制御部 102で、ステップ SA— 2 3で受信した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去す
[0236] つぎに、メタボリック 'シンドローム評価装置 100は、判別値算出部 102iで、ステップ SA— 24で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データに 含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つ又は 2つの濃度値、およびステップ SA— 23で受信した多変量判別式に基づい て、判別 を算出する（ステップ SA— 25)。
[0237] つぎに、メタボリック 'シンドローム評価装置 100は、判別値基準判別部 10¾ 1で、ス テツプ SA— 25で算出した判別値と予め設定された閾値 (カットオフ値）とを比較する ことで、個体につきメタボリック 'シンドロームまたは非メタボリック 'シンドロームである か否かを判別し、その判別結果を評価結果ファイル 106gの所定の記憶領域に格納 する（ステップ SA— 26)。
[0238] つぎに、メタボリック 'シンドローム評価装置 100は、送信部 102mで、ステップ SA —26で得た判別結果 (メタボリック 'シンドロームまたは非メタボリック 'シンドロームで あるか否かに関する判別結果）を、アミノ酸濃度データの送信元のクライアント装置 2 00とデータベース装置 400とへ送信する（ステップ SA— 27)。具体的には、まず、メ タボリック 'シンドローム評価装置 100は、 Webページ生成部 102eで、判別結果を表 示するための Webページを作成し、作成した Webページに対応する Webデータを 記憶部 106の所定の記憶領域に格納する。ついで、利用者がクライアント装置 200 の Webブラウザ 211に入力装置 250を介して所定の URLを入力し上述した認証を 経た後、クライアント装置 200は、当該 Webページの閲覧要求をメタボリック 'シンドロ ーム評価装置 100へ送信する。ついで、メタボリック 'シンドローム評価装置 100は、 閲覧処理部 102bで、クライアント装置 200から送信された閲覧要求を解釈し、判別 結果を表示するための Webページに対応する Webデータを記憶部 106の所定の記 憶領域から読み出す。そして、メタボリック 'シンドローム評価装置 100は、送信部 10 2mで、読み出した Webデータをクライアント装置 200へ送信すると共に、当該 Web データ又は判別結果をデータベース装置 400へ送信する。
[0239] ここで、ステップ SA— 27において、メタボリック 'シンドローム評価装置 100は、制 御部 102で、判別結果を電子メールで利用者のクライアント装置 200へ通知してもよ い。具体的には、まず、メタボリック 'シンドローム評価装置 100は、電子メール生成部 102dで、利用者 IDなどを基にして利用者情報ファイル 106aに格納されている利用 者情報を送信タイミングに従って参照し、利用者の電子メールアドレスを取得する。 ついで、メタボリック 'シンドローム評価装置 100は、電子メール生成部 102dで、取得 した電子メールアドレスを宛て先とし利用者の氏名および判別結果を含む電子メー ルに関するデータを生成する。ついで、メタボリック 'シンドローム評価装置 100は、送 信部 102mで、生成した当該データを利用者のクライアント装置 200へ送信する。
[0240] また、ステップ SA— 27において、メタボリック 'シンドローム評価装置 100は、 FTP 等の既存のファイル転送技術等で、判別結果を利用者のクライアント装置 200へ送 信してもよい。
[0241] 図 21の説明に戻り、データベース装置 400は、制御部 402で、メタボリック 'シンドロ ーム評価装置 100から送信された判別結果または Webデータを受信し、受信した判 別結果または Webデータを記憶部 406の所定の記憶領域に保存（蓄積)する（ステツ プ SA— 28)。
[0242] また、クライアント装置 200は、受信部 213で、メタボリック 'シンドローム評価装置 1 00から送信された Webデータを受信し、受信した Webデータを Webブラウザ 211で 解釈し、個体の判別結果が記された Webページの画面をモニタ 261に表示する（ス テツプ SA— 29)。なお、判別結果力 Sメタボリック 'シンドローム評価装置 100から電子 メールで送信された場合には、クライアント装置 200は、電子メーラ 212の公知の機 能で、メタボリック 'シンドローム評価装置 100から送信された電子メールを任意のタイ ミングで受信し、受信した電子メールをモニタ 261に表示する。
[0243] 以上により、利用者は、モニタ 261に表示された Webページを閲覧することで、メタ ボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別に関する個体の判別 結果を確認すること力 Sできる。なお、利用者は、モニタ 261に表示された Webページ の表示内容をプリンタ 262で印刷してもよい。
[0244] また、判別結果がメタボリック 'シンドローム評価装置 100から電子メールで送信さ れた場合には、利用者は、モニタ 261に表示された電子メールを閲覧することで、メ タボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別に関する個体の判 別結果を確認することができる。利用者は、モニタ 261に表示された電子メールの表 示内容をプリンタ 262で印刷してもよい。
[0245] これにて、メタボリック 'シンドローム評価サービス処理の説明を終了する。
[0246] [2-4.第 2実施形態のまとめ、およびその他の実施形態]
以上、詳細に説明したように、メタボリック 'シンドローム評価システムによれば、クラ イアント装置 200は個体のアミノ酸濃度データをメタボリック 'シンドローム評価装置 1 00へ送信し、データベース装置 400はメタボリック 'シンドローム評価装置 100からの 要求を受けて、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別用 の多変量判別式をメタボリック 'シンドローム評価装置 100へ送信する。そして、メタボ リック'シンドローム評価装置 100は、（1)クライアント装置 200からアミノ酸濃度デー タを受信すると共にデータベース装置 400から多変量判別式を受信し、 (2)受信した 個体のアミノ酸濃度データから欠損値や外れ値などデータを除去し、 (3)欠損値や 外れ値などのデータが除去されたアミノ酸濃度データおよび受信した多変量判別式 に基づいて判別値を算出し、（4)算出した判別値と予め設定した閾値とを比較するこ とで個体につき、メタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか 否かを判別し、 (5)この判別結果をクライアント装置 200やデータベース装置 400へ 送信する。そして、クライアント装置 200はメタボリック 'シンドローム評価装置 100から 送信された判別結果を受信して表示し、データベース装置 400はメタボリック 'シンド ローム評価装置 100から送信された判別結果を受信して格納する。これにより、メタ ボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別に有用な多変量判別 式で得られる判別値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロー ムとの 2群判別を精度よく行うことができる。
ここで、メタボリック 'シンドローム評価システムによれば、多変量判別式は、 1つの分 数式または複数の分数式の和で表され、それを構成する分数式の分子に Val, Leu , lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを変数として含み且つそ れを構成する分数式の分母に Gly, Serのうち少なくとも 1つを変数として含むもの、 またはそれを構成する分数式の分子に Gly, Serのうち少なくとも 1つを変数として含 み且つそれを構成する分数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを変数として含むものでもよい。具体的には、多変量判別式 は数式 1でもよい。これにより、メタボリック 'シンドロームと非メタボリック 'シンドローム との 2群判別に特に有用な多変量判別式で得られる判別値を利用して、メタボリック' シンドロームと非メタボリック 'シンドロームとの 2群判別をさらに精度よく行うことができ Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0248] また、メタボリック 'シンドローム評価システムによれば、多変量判別式は、口ジスティ ック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハ ラノビス距離法で作成された式、正準判別分析で作成された式、決定木で作成され た式のいずれか 1つでもよい。具体的には、多変量判別式は、 Glu, Gly, Ala, Thr , Serを変数とするものでもよい。これにより、メタボリック 'シンドロームと非メタボリック •シンドロームとの 2群判別に特に有用な多変量判別式で得られる判別値を利用して 、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別をさらに精度よく fiうこと力 Sでさる。
[0249] なお、上記した各多変量判別式は、本出願人による国際出願である国際公開 WO 2004/052191号パンフレットに記載の方法や、本出願人による国際出願である国 際出願番号 PCT/JP2006/304398に記載の方法（後述する多変量判別式作成 処理)で作成することができる。これら方法で得られた多変量判別式であれば、入力 データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変 量判別式をメタボリック 'シンドロームの状態の評価に好適に用いることができる。
[0250] また、本発明に力、かるメタボリック 'シンドローム評価装置、メタボリック 'シンドローム 評価方法、メタボリック 'シンドローム評価システム、メタボリック 'シンドローム評価プロ グラムおよび記録媒体は、上述した第 2実施形態以外にも、特許請求の範囲の書類 に記載した技術的思想の範囲内において種々の異なる実施形態にて実施されてよ いものである。例えば、上述した第 2実施形態で説明した各処理のうち、自動的に行 なわれるものとして説明した処理の全部または一部を手動的に行うこともでき、手動 的に行なわれるものとして説明した処理の全部または一部を公知の方法で自動的に 行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体 的名称、各種の登録データおよび検索条件等のパラメータを含む情報、画面例、デ ータベース構成については、特記する場合を除いて任意に変更することができる。例 えば、メタボリック 'シンドローム評価装置 100に関して、図示の各構成要素は機能概 念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。また 、メタボリック 'シンドローム評価装置 100の各部または各装置が備える処理機能（特 に制御部 102にて行なわれる各処理機能）については、 CPU (Central Processin g Unit)および当該 CPUにて解釈実行されるプログラムにて、その全部または任意 の一部を実現することができ、ワイヤードロジックによるハードウェアとして実現するこ ともできる。
[0251] ここで、「プログラム」とは任意の言語や記述方法にて記述されたデータ処理方法で あり、ソースコードやバイナリコード等の形式を問わない。なお、「プログラム」は、必ず しも単一的に構成されるものに限られず、複数のモジュールやライブラリとして分散構 成されるものや、 OS (Operating System)に代表される別個のプログラムと協働し てその機能を達成するものを含む。なお、プログラムは、記録媒体に記録されており 、必要に応じてメタボリック 'シンドローム評価装置 100に機械的に読み取られる。記 録媒体に記録されたプログラムを各装置で読み取るための具体的な構成や読み取り 手順や読み取り後のインストール手順等については、周知の構成や手順を用いるこ と力 Sできる。
[0252] また、「記録媒体」とは任意の「可搬用の物理媒体」や任意の「固定用の物理媒体」 や「通信媒体」を含むものとする。なお、「可搬用の物理媒体」とはフレキシブルデイス クゃ光磁気ディスクや ROMや EPROMや EEPROMや CD— ROMや MOや DVD 等である。「固定用の物理媒体」とは各種コンピュータシステムに内蔵される ROMや RAMや HD等である。「通信媒体」とは、 LANや WANやインターネット等のネットヮ ークを介してプログラムを送信する場合における通信回線や搬送波のように、短期に プログラムを保持するものである。
[0253] 最後に、メタボリック 'シンドローム評価装置 100で行う多変量判別式作成処理の一 例について図 22を参照して詳細に説明する。図 22は多変量判別式作成処理の一 例を示すフローチャートである。なお、当該多変量判別式作成処理は、メタボリック- シンドローム状態情報を管理するデータベース装置 400で行ってもよい。
[0254] なお、本説明では、メタボリック 'シンドローム評価装置 100は、データベース装置 4 00から事前に取得したメタボリック 'シンドローム状態情報を、メタボリック 'シンドロー ム状態情報ファイル 106cの所定の記憶領域に格納しているものとする。また、メタボ リック'シンドローム評価装置 100は、メタボリック 'シンドローム状態情報指定部 102g で事前に指定したメタボリック'シンドローム状態指標データおよびアミノ酸濃度デー タを含むメタボリック 'シンドローム状態情報を、指定メタボリック 'シンドローム状態情 報ファイル 106dの所定の記憶領域に格納しているものとする。
[0255] まず、多変量判別式作成部 102hは、候補多変量判別式作成部 102hlで、指定メ タボリック 'シンドローム状態情報ファイル 106dの所定の記憶領域に格納されている メタボリック 'シンドローム状態情報から所定の式作成手法に基づいて候補多変量判 別式を作成し、作成した候補多変量判別式を候補多変量判別式ファイル 106elの 所定の記憶領域に格納する（ステップ SB— 21)。具体的には、まず、多変量判別式 作成部 102hは、候補多変量判別式作成部 102hlで、複数の異なる式作成手法（主 成分分析や判別分析、サポートベクターマシン、重回帰分析、ロジスティック回帰分 析、 k means法、クラスター解析、決定木などの多変量解析に関するものを含む。 ) の中から所望のものを 1つ選択し、選択した式作成手法に基づいて、作成する候補 多変量判別式の形（式の形）を決定する。つぎに、多変量判別式作成部 102hは、候 補多変量判別式作成部 102Mで、メタボリック 'シンドローム状態情報に基づいて、 選択した式選択手法に対応する種々（例えば平均や分散など）の計算を実行する。 つぎに、多変量判別式作成部 102hは、候補多変量判別式作成部 102hlで、計算 結果および決定した候補多変量判別式のパラメータを決定する。これにより、選択し た式作成手法に基づいて候補多変量判別式が作成される。なお、複数の異なる式 作成手法を併用して候補多変量判別式を同時並行 (並列）的に作成する場合は、選 択した式作成手法ごとに上記の処理を並行して実行すればよい。また、複数の異な る式作成手法を併用して候補多変量判別式を直列的に作成する場合は、例えば、 主成分分析を行って作成した候補多変量判別式を利用してメタボリック 'シンドローム 状態情報を変換し、変換したメタボリック 'シンドローム状態情報に対して判別分析を 行うことで候補多変量判別式を作成してもよ!/、。
[0256] つぎに、多変量判別式作成部 102hは、候補多変量判別式検証部 102h2で、ステ ップ SB— 21で作成した候補多変量判別式を所定の検証手法に基づいて検証 (相 互検証）し、検証結果を検証結果ファイル 106e2の所定の記憶領域に格納する（ス テツプ SB— 22)。具体的には、多変量判別式作成部 102hは、候補多変量判別式 検証部 102h2で、指定メタボリック 'シンドローム状態情報ファイル 106dの所定の記 憶領域に格納されているメタボリック 'シンドローム状態情報に基づいて候補多変量 判別式を検証する際に用いる検証用データを作成し、作成した検証用データに基づ いて候補多変量判別式を検証する。なお、ステップ SB— 21で複数の異なる式作成 手法を併用して候補多変量判別式を複数作成した場合には、多変量判別式作成部 102hは、候補多変量判別式検証部 102h2で、各式作成手法に対応する候補多変 量判別式ごとに所定の検証手法に基づいて検証する。ここで、ステップ SB— 22にお いて、ブートストラップ法やホールドアウト法、リーブワンアウト法などのうち少なくとも 1 つに基づいて候補多変量判別式の判別率や感度、特異性、情報量基準などのうち 少なくとも 1つに関して検証してもよい。これにより、メタボリック 'シンドローム状態情報 や診断条件を考慮した予測性または堅牢性の高い候補指標式を選択することができ つぎに、多変量判別式作成部 102hは、変数選択部 102h3で、ステップ SB— 22 での検証結果から所定の変数選択手法に基づいて、候補多変量判別式の変数を選 択することで、候補多変量判別式を作成する際に用いるメタボリック 'シンドローム状 態情報に含まれるアミノ酸濃度データの組み合わせを選択し、選択したアミノ酸濃度 データの組み合わせを含むメタボリック 'シンドローム状態情報を選択メタボリック 'シ ンドローム状態情報ファイル 106e3の所定の記憶領域に格納する（ステップ SB— 23 )。なお、ステップ SB— 21で複数の異なる式作成手法を併用して候補多変量判別式 を複数作成し、ステップ SB— 22で各式作成手法に対応する候補多変量判別式ごと に所定の検証手法に基づいて検証した場合には、ステップ SB— 23において、多変 量判別式作成部 102hは、変数選択部 102h3で、ステップ SB— 22での検証結果に 対応する候補多変量判別式ごとに所定の変数選択手法に基づいて候補多変量判 別式の変数を選択する。ここで、ステップ SB— 23において、検証結果力、らステップヮ ィズ法、ベストパス法、近傍探索法、遺伝的アルゴリズムのうち少なくとも 1つに基づ いて候補多変量判別式の変数を選択してもよい。なお、ベストパス法とは、候補多変 量判別式に含まれる変数を 1つずつ順次減らしていき、候補多変量判別式が与える 評価指標を最適化することで変数を選択する方法である。また、ステップ SB— 23に おいて、多変量判別式作成部 102hは、変数選択部 102h3で、指定メタボリック 'シ ンドローム状態情報ファイル 106dの所定の記憶領域に格納されているメタボリック' シンドローム状態情報に基づ!/、てアミノ酸濃度データの組み合わせを選択してもよ!/ヽ
[0258] つぎに、多変量判別式作成部 102hは、指定メタボリック 'シンドローム状態情報フ アイル 106dの所定の記憶領域に格納されているメタボリック 'シンドローム状態情報 に含まれるアミノ酸濃度データの全ての組み合わせが終了したか否かを判定し、判 定結果が「終了」であった場合 (ステップ SB— 24： Yes)には次のステップ (ステップ S B- 25)へ進み、判定結果が「終了」でなかった場合（ステップ SB— 24： No)にはス テツプ SB— 21へ戻る。なお、多変量判別式作成部 102hは、予め設定した回数が終 了したか否かを判定し、判定結果が「終了」であった場合には (ステップ SB— 24： Ye s)次のステップ (ステップ SB— 25)へ進み、判定結果が「終了」でなかった場合 (ステ ップ SB— 24 : No)にはステップ SB— 21へ戻ってもよい。また、多変量判別式作成 部 102hは、ステップ SB— 23で選択したアミノ酸濃度データの組み合わせ力 指定メ タボリック 'シンドローム状態情報ファイル 106dの所定の記憶領域に格納されている メタボリック 'シンドローム状態情報に含まれるアミノ酸濃度データの組み合わせまた は前回のステップ SB— 23で選択したアミノ酸濃度データの組み合わせと同じである か否かを判定し、判定結果が「同じ」であった場合 (ステップ SB— 24 : Yes)には次の ステップ (ステップ SB— 25)へ進み、判定結果力 S「同じ」でなかった場合（ステップ SB 24 : No)にはステップ SB— 21へ戻ってもよい。また、多変量判別式作成部 102h は、検証結果が具体的には各候補多変量判別式に関する評価値である場合には、 当該評価値と各式作成手法に対応する所定の閾値との比較結果に基づいて、ステ ップ SB— 25へ進むかステップ SB— 21へ戻るかを判定してもよい。
[0259] ついで、多変量判別式作成部 102hは、検証結果に基づいて、複数の候補多変量 判別式の中から多変量判別式として採用する候補多変量判別式を選出することで多 変量判別式を決定し、決定した多変量判別式 (選出した候補多変量判別式)を多変 量判別式ファイル 106e4の所定の記憶領域に格納する（ステップ SB— 25)。ここで、 ステップ SB— 25において、例えば、同じ式作成手法で作成した候補多変量判別式 の中から最適なものを選出する場合と、すべての候補多変量判別式の中から最適な ものを選出する場合とがある。
[0260] これにて、多変量判別式作成処理の説明を終了する。
[0261] [第 3実施形態]
[3- 1.本発明の概要]
ここでは、本発明に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法の 概要について図 23を参照して説明する。図 23は本発明の基本原理を示す原理構 成図である。
[0262] まず、 1つまたは複数の物質から成る所望の物質群を、評価対象 (例えば動物ゃヒ トなどの個体）に投与する（ステップ S— 31)。例えば、ヒトに投与可能な既存の薬物- アミノ酸 ·食品 'サプリメントを適宜組み合わせたもの（例えば、メタボリック 'シンドロー ムの諸症状の改善に効果があること知られている薬物 ·サプリメント'抗肥満薬などを 適宜組み合わせたもの）を、所定の期間（例えば 1日力も 12ヶ月の範囲）にわたり、所 定量ずつ所定の頻度'タイミング (例えば 1日 3回'食後）で、所定の投与方法 (例えば 経口投与）により投与してもよい。ここで、投与方法や用量、剤形は、病状に応じて適 宜組み合わせてもよい。なお、剤形は、公知の技術に基づいて決めてもよい。また、 用量は、特に定めは無いが、例えば有効成分として lugから lOOgを含有した形態で 与えてもよい。
[0263] つぎに、ステップ S— 31で物質群が投与された評価対象から血液を採取する（ステ ップ S— 32)。
[0264] つぎに、ステップ S 32で採取した血液から、アミノ酸の濃度値に関するアミノ酸濃 度データを測定する（ステップ S— 33)。ここで、血液中のアミノ酸の濃度値の測定は 次のように行ってもよい。まず、採取した血液サンプルを、へパリン処理したチューブ に入れる。つぎに、血液サンプルが入れられたチューブを遠心分離機にかけることで 、血漿を分離する。つぎに、分離した血漿サンプルを、アミノ酸濃度の測定時まで、 70°Cで凍結保存する。つぎに、凍結保存した血漿サンプルを解凍し、解凍した血 漿サンプルにスルホサリチル酸を添加して 3%濃度に調整することで、除蛋白処理を 行った。つぎに、除蛋白処理が行われた血漿サンプルを、ポストカラムでニンヒドリン 反応を用いた高速液体クロマトグラフィー（HPLC)を原理としたアミノ酸分析機にか けることで、各種アミノ酸の濃度値を測定する。
[0265] つぎに、ステップ S— 33で測定した評価対象のアミノ酸濃度データに基づいて、評 価対象につき、メタボリック 'シンドロームの状態を評価する（ステップ S— 34)。
[0266] つぎに、ステップ S— 34での評価結果に基づいて、ステップ S— 31で投与した物質 群力 S、メタボリック 'シンドロームを予防させるまたはメタボリック 'シンドロームの状態を 改善させるものであるか否かを判定する（ステップ S— 35)。
[0267] そして、ステップ S— 35での判定結果力 S「予防させるまたは改善させる」というもので あった場合、ステップ S— 31で投与した物質群力 メタボリック 'シンドロームを予防さ せるまたはメタボリック 'シンドロームの状態を改善させるものとして探索される。
[0268] 以上、本発明によれば、所望の物質群を評価対象に投与し、当該物質群が投与さ れた評価対象から血液を採取し、採取した血液から、アミノ酸の濃度値に関するアミ ノ酸濃度データを測定し、測定したアミノ酸濃度データに基づいて、評価対象につき 、メタボリック 'シンドロームの状態を評価し、その評価結果に基づいて、所望の物質 群力 S、メタボリック 'シンドロームを予防させる又はメタボリック 'シンドロームの状態を 改善させるものであるか否かを判定する。これにより、血液中のアミノ酸の濃度を利用 してメタボリック 'シンドロームの状態を精度よく評価することができるメタボリック 'シン ドロームの評価方法を用いて、メタボリック 'シンドロームを予防させる又はメタボリック •シンドロームの状態を改善させる物質を精度よく探索することができる。
[0269] ここで、ステップ S— 34を実行する前に、アミノ酸濃度データから欠損値や外れ値な どのデータを除去してもよい。これにより、メタボリック 'シンドロームの状態をさらに精 度よく評価すること力 Sでさる。
[0270] また、ステップ S— 34では、ステップ S— 33で測定した評価対象のアミノ酸濃度デ ータに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少 なくとも 1つの濃度値に基づいて、評価対象につき、メタボリック 'シンドロームの状態 を評価してもよい。これにより、血液中のアミノ酸の濃度のうちメタボリック 'シンドロー ムの状態と関連するアミノ酸の濃度を利用して、メタボリック 'シンドロームの状態を精 度よく評価すること力 Sでさる。 [0271] また、ステップ S— 34では、ステップ S— 33で測定した評価対象のアミノ酸濃度デ ータに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少 なくとも 1つの濃度値に基づいて、評価対象につき、メタボリック 'シンドロームまたは 非メタボリック 'シンドロームであるか否かを判別してもよい。具体的には、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの濃度値と予め 設定された閾値 (カットオフ値）とを比較することで、評価対象につきメタボリック 'シン ドロームまたは非メタボリック.シンドロームであるか否かを判別してもよい。これにより
、血液中のアミノ酸の濃度のうちメタボリック 'シンドロームと非メタボリック 'シンドロー ムとの 2群判別に有用なアミノ酸の濃度を利用して、メタボリック 'シンドロームと非メタ ボリック 'シンドロームとの 2群判別を精度よく行うことができる。
[0272] また、ステップ S— 34では、ステップ S— 33で測定した評価対象のアミノ酸濃度デ ータに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少 なくとも 2つの濃度値に基づいて、評価対象につき、メタボリック 'シンドロームまたは 非メタボリック 'シンドロームであるか否かを判別してもよい。具体的には、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの濃度値と予め 設定された閾値 (カットオフ値）とを比較することで、評価対象につき、メタボリック 'シ ンドロームまたは非メタボリック-シンドロームであるか否かを判別してもよい。これによ り、血液中のアミノ酸の濃度のうちメタボリック 'シンドロームと非メタボリック 'シンドロー ムとの 2群判別に有用なアミノ酸の濃度を利用して、メタボリック 'シンドロームと非メタ ボリック 'シンドロームとの 2群判別を精度よく行うことができる。
[0273] また、ステップ S— 34では、ステップ S— 33で測定した評価対象のアミノ酸濃度デ ータおよびアミノ酸の濃度を変数とする予め設定した多変量判別式に基づ!/、て、当 該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対 象につき、メタボリック 'シンドロームの状態を評価してもよい。これにより、アミノ酸の 濃度を変数とする多変量判別式で得られる判別値を利用して、メタボリック 'シンドロ ームの状態を精度よく評価することができる。
[0274] また、ステップ S— 34では、ステップ S— 33で測定した評価対象のアミノ酸濃度デ ータに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Glv, Ser, Thrのうち少 なくとも 1つの濃度値、および Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser , Thrのうち少なくとも 1つを変数として含む多変量判別式に基づいて、判別値を算 出し、算出した判別値に基づいて評価対象につきメタボリック 'シンドロームの状態を 評価してもよい。これにより、メタボリック 'シンドロームの状態と有意な相関がある多変 量判別式で得られる判別値を利用して、メタボリック 'シンドロームの状態を精度よく 評価すること力 Sでさる。
[0275] また、ステップ S— 34では、算出した判別値に基づいて、評価対象につきメタボリッ ク 'シンドロームまたは非メタボリック 'シンドロームであるか否かを判別してもよい。具 体的には、判別値と予め設定された閾値 (カットオフ値）とを比較することで、評価対 象につきメタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを 判別してもよい。これにより、メタボリック 'シンドロームと非メタボリック 'シンドロームと の 2群判別に有用な多変量判別式で得られる判別値を利用して、メタボリック 'シンド ロームと非メタボリック 'シンドロームとの 2群判別を精度よく行うことができる。
[0276] また、ステップ S— 34では、ステップ S— 33で測定した評価対象のアミノ酸濃度デ ータに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少 なくとも 2つの濃度値および Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つを変数として含む多変量判別式に基づいて、判別値を算出 し、算出した判別値に基づいて、評価対象につきメタボリック 'シンドロームまたは非メ タボリック 'シンドロームであるか否かを判別してもよい。これにより、メタボリック 'シンド ロームと非メタボリック 'シンドロームとの 2群判別に有用な多変量判別式で得られる 判別値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判 另リを精度よく fiうこと力でさる。
[0277] なお、多変量判別式は、 1つの分数式または複数の分数式の和で表され、それを 構成する分数式の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少 なくとも 1つを変数として含み且つそれを構成する分数式の分母に Gly, Serのうち少 なくとも 1つを変数として含むもの、またはそれを構成する分数式の分子に Gly, Ser のうち少なくとも 1つを変数として含み且つそれを構成する分数式の分母に Val, Leu , lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1つを変数として含むものでも よい。具体的には、多変量判別式は数式 1でもよい。これにより、メタボリック 'シンドロ 一ムと非メタボリック 'シンドロームとの 2群判別に特に有用な多変量判別式で得られ る判別値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群 判別をさらに精度よく行うことができる。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0278] また、多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートべ クタ一マシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で 作成された式、決定木で作成された式のいずれか 1つでもよい。具体的には、多変 量判別式は、 Glu, Gly, Ala, Thr, Serを変数とするものでもよい。これにより、メタ ボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別に特に有用な多変量 判別式で得られる判別値を利用して、メタボリック 'シンドロームと非メタボリック 'シンド ロームとの 2群判別をさらに精度よく行うことができる。
[0279] なお、上記した各多変量判別式は、本出願人による国際出願である国際公開 WO 2004/052191号パンフレットに記載の方法や、本出願人による国際出願である国 際出願番号 PCT/JP2006/304398に記載の方法（上述した第 2実施形態に記 載の多変量判別式作成処理)で作成することができる。これら方法で得られた多変量 判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単 位に因らず、当該多変量判別式をメタボリック 'シンドロームの状態の評価に好適に 用いること力 Sでさる。
[0280] また、分数式とは、当該分数式の分子がアミノ酸 A, B, C, · · ·の和で表わされ及び /又は当該分数式の分母がアミノ酸 a, b, c, · · ·の和で表わされるものである。また、 分数式には、このような構成の分数式 α , β , y , . · ·の和（例えば α + /3のようなも の)も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母 に用いられるアミノ酸にはそれぞれ適当な係数がついても力、まわない。また、分子や 分母に用いられるアミノ酸は重複しても力、まわない。また、各分数式に適当な係数が ついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかま わない。
[0281] 具体的には、分数式は、下記の Α群〜 D群のアミノ酸濃度の組み合わせで、望まし くは「分数式において、分子が（A群、 B群から 1個以上の変数 + D群から 0〜2個の 変数）、分母が（C群から 1個以上の変数 + D群から 0〜2個の変数)を持ち、計 2〜8 個のアミノ酸濃度の変数を含む単一の分数式もしくは複数の分数式で示されるもの」 であり、より望ましくは「分数式において、分子が（B群から 1個以上の変数 + A群から 0〜；!個の変数 + D群から 0〜2個の変数）、分母が（C群から 1個以上の変数 + D群 から 0〜2個の変数)を持ち、計 4〜8個のアミノ酸濃度を含む複数の分数式で示され るもの」である。ここで、分数式で、分子の変数と分母の変数を入れ替えた組み合わ せは、 目的変数との相関の正負の符号は概して逆転する力 それらの相関性は保た れるので、判別性では同等と見なせるので、分子の変数と分母の変数を入れ替えた 組み合わせも、包含するものである。
A群： Leu, lie, Val
B群： Ala, Glu, Asp, Tyr, Trp, Thr
C群： Gly, Ser
D群: A群， B群， C群に含まれないアミノ酸またはアミノ酸代謝物
[0282] また、多変量判別式とは、一般に多変量解析で用いられる式の形式を意味し、例え ば重回帰式、多重ロジスティック回帰式、線形判別関数、マハラノビス距離、正準判 別関数、サポートベクターマシン、決定木などを包含する。また、異なる形式の多変 量判別式の和で示されるような式も含まれる。また、重回帰式、多重口ジスティック回 帰式、正準判別関数にお!/、ては各変数に係数および定数項が付加される力 この 場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判 別を行うために得られた係数および定数項の 99%信頼区間の範囲に属する値、さら に好ましくはデータから判別を行うために得られた係数および定数項の 95%信頼区 間の範囲に属する値であればかまわない。また、各係数の値、及びその信頼区間は 、それを実数倍したものでもよぐ定数項の値、及びその信頼区間は、それに任意の 実定数を加減乗除したものでもよレ、。
[0283] そして、本発明は、メタボリック 'シンドロームの状態を評価する際（具体的には、メタ ボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを判別する際）、 アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、タンパク質の発現 量、被験者の年齢'性別、生体指標などをさらに用いても力、まわない。また、本発明 は、メタボリック 'シンドロームの状態を評価する際（具体的には、メタボリック 'シンドロ ームまたは非メタボリック 'シンドロームであるか否かを判別する際）、多変量判別式に おける変数として、アミノ酸の濃度以外に、その他の代謝物（生体代謝物）の濃度や、 タンパク質の発現量、被験者の年齢'性別、生体指標などをさらに用いても力、まわな い。
[0284] [3- 2.第 3実施形態に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方 法の一例]
ここでは、第 3実施形態に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索 方法の一例について図 24を参照して説明する。図 24は第 3実施形態に力、かるメタボ リック'シンドロームの予防 ·改善物質の探索方法の一例を示すフローチャートである
〇
[0285] まず、 1つまたは複数の物質から成る所望の物質群を、例えばメタボリック 'シンドロ ームの動物ゃヒトなどの個体に投与する（ステップ SA— 31)。
[0286] つぎに、ステップ S— 31で物質群が投与された個体から血液を採取する（ステップ
SA— 32)。
[0287] つぎに、ステップ S— 32で採取した血液から、アミノ酸の濃度値に関するアミノ酸濃 度データを測定する（ステップ SA— 33)。なお、アミノ酸の濃度値の測定は、上述し た方法で行う。
[0288] つぎに、ステップ S— 33で測定した個体のアミノ酸濃度データから欠損値や外れ値 などのデータを除去する（ステップ SA— 34)。
[0289] つぎに、ステップ S— 34で欠損値や外れ値などのデータが除去された個体のァミノ 酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Th rのうち少なくとも 1つの濃度値と予め設定された閾値 (カットオフ値）とを比較すること で、個体につき、メタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか 否かを判別する（ステップ SA— 35)。
[0290] つぎに、ステップ SA— 35での判別結果に基づいて、ステップ SA— 31で投与した 物質群力 s、メタボリック'シンドロームを予防させるまたはメタボリック 'シンドロームの状 態を改善させるものであるか否かを判定する (ステップ SA— 36)。
[0291] そして、ステップ SA— 36での判定結果が「予防させるまたは改善させる」であった 場合、ステップ SA— 31で投与した物質群力 メタボリック'シンドロームを予防させる またはメタボリック 'シンドロームの状態を改善させるものとして探索される。なお、本 探索方法によって探索された物質として、例えば Val, Leu, lie, Tyr, Trp, Glu, Al a, Asp, Gly, Ser, Thrのアミノ酸群が挙げられる。
[0292] [3- 3.第 3実施形態のまとめ、およびその他の実施形態]
以上、詳細に説明したように、第 3実施形態に力、かるメタボリック 'シンドロームの予 防'改善物質の探索方法によれば、（1)所望の物質群を個体に投与し、（2) (1)で物 質群が投与された個体から血液を採取し、 (3) (2)で採取した血液からアミノ酸濃度 データを測定し、 (4)測定した個体のアミノ酸濃度データから欠損値や外れ値などの データを除去し、 (5)欠損値や外れ値などのデータが除去された個体のアミノ酸濃度 データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち 少なくとも 1つの濃度値と予め設定された閾値 (カットオフ値）とを比較することで、個 体につき、メタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを 判別し、 (6) (5)での判別結果に基づいて、（1)で投与した物質群力 メタボリック 'シ ンドロームを予防させるまたはメタボリック 'シンドロームの状態を改善させるものであ るか否かを判別する。これにより、血液中のアミノ酸の濃度のうちメタボリック 'シンドロ 一ムと非メタボリック 'シンドロームとの 2群判別に有用なアミノ酸の濃度を利用して、メ タボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別を精度よく行うことが できるメタボリック 'シンドロームの評価方法を用いて、メタボリック 'シンドロームを予防 させる又はメタボリック 'シンドロームの状態を改善させる物質を精度よく探索すること ができる。
[0293] ここで、ステップ SA— 35において、ステップ SA— 34で欠損値や外れ値などのデ ータが除去された個体のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの濃度値に基づいて、個体に つき、メタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを判別 してもよい。これにより、血液中のアミノ酸の濃度のうちメタボリック 'シンドロームと非メ タボリック 'シンドロームとの 2群判別に有用なアミノ酸の濃度を利用して、メタボリック' シンドロームと非メタボリック 'シンドロームとの 2群判別を精度よく行うことができる。
[0294] また、ステップ SA— 35において、ステップ SA— 34で欠損値や外れ値などのデー タが除去された個体のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu , Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの濃度値および Val, Leu, lie, Ty r, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つを変数として含む多変 量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値 (カツ トオフ値）とを比較することで、個体につき、メタボリック 'シンドロームまたは非メタボリ ック 'シンドロームであるか否かを判別してもよい。これにより、メタボリック 'シンドロー ムと非メタボリック 'シンドロームとの 2群判別に有用な多変量判別式で得られる判別 値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別を 精度よく fiうことカできる。
[0295] また、ステップ SA— 35において、ステップ SA— 34で欠損値や外れ値などのデー タが除去された個体のアミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu , Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの濃度値および Val, Leu, lie, Ty r, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つを変数として含む多変 量判別式に基づいて、判別値を算出し、算出した判別値と予め設定された閾値 (カツ トオフ値）とを比較することで、個体につき、メタボリック 'シンドロームまたは非メタボリ ック 'シンドロームであるか否かを判別してもよい。これにより、メタボリック 'シンドロー ムと非メタボリック 'シンドロームとの 2群判別に有用な多変量判別式で得られる判別 値を利用して、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別を 精度よく fiうことカできる。
[0296] また、ステップ SA— 35において、多変量判別式は、 1つの分数式または複数の分 数式の和で表され、それを構成する分数式の分子に Val, Leu, lie, Tyr, Trp, Glu , Ala, Asp, Thrのうち少なくとも 1つを変数として含み且つそれを構成する分数式 の分母に Gly, Serのうち少なくとも 1つを変数として含むもの、またはそれを構成する 分数式の分子に Gly, Serのうち少なくとも 1つを変数として含み且つそれを構成する 分数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくとも 1 つを変数として含むものでもよい。具体的には、多変量判別式は数式 1でもよい。こ れにより、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2群判別に特に 有用な多変量判別式で得られる判別値を利用して、メタボリック 'シンドロームと非メタ ボリック 'シンドロームとの 2群判別をさらに精度よく行うことができる。
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
[0297] また、ステップ SA— 35において、多変量判別式は、ロジスティック回帰式、線形判 別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作 成された式、正準判別分析で作成された式、決定木で作成された式のいずれか 1つ でもよい。具体的には、多変量判別式は、 Glu, Gly, Ala, Thr, Serを変数とするも のでもよい。これにより、メタボリック 'シンドロームと非メタボリック 'シンドロームとの 2 群判別に特に有用な多変量判別式で得られる判別値を利用して、メタボリック 'シンド ロームと非メタボリック 'シンドロームとの 2群判別をさらに精度よく行うことができる。
[0298] なお、上記した各多変量判別式は、本出願人による国際出願である国際公開 WO 2004/052191号パンフレットに記載の方法や、本出願人による国際出願である国 際出願番号 PCT/JP2006/304398に記載の方法（後述する第 2実施形態に記 載の多変量判別式作成処理)で作成することができる。これら方法で得られた多変量 判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単 位に因らず、当該多変量判別式をメタボリック 'シンドロームの状態の評価に好適に 用いること力 Sでさる。
[0299] また、第 3実施形態に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法 は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つ を含むアミノ酸群の濃度値や上記した各多変量判別式の判別値を正常化させる物 質を、上述した第 1実施形態のメタボリック 'シンドロームの評価方法や第 2実施形態 のメタボリック 'シンドローム評価装置を用いて選択するができる。
[0300] また、第 3実施形態に力、かるメタボリック 'シンドロームの予防 ·改善物質の探索方法 において、「予防'改善物質を探索する」とは、メタボリック 'シンドロームの予防 ·改善 に有効な新規物質を見出すことのみならず、公知物質のメタボリック 'シンドロームの 予防 ·改善用途を新規に見出すことや、メタボリック 'シンドロームの予防 ·改善に有効 性を期待できる既存の薬剤 ·サプリメント等を組み合わせた新規組成物を見出すこと や、上記した適切な用法 ·用量 ·組み合わせを見出し、それをキットとすることや、食 事-運動等も含めた予防 ·治療メニューを提示することや、当該予防 ·治療メニューの 効果をモニタリングし、必要に応じて個人ごとにメニューの変更を提示すること等が含 よれ 。
実施例 1
[0301] 人間ドック受診者 205例を前述の日本内科学会関連 8学会合同診断基準に基づき 非メタボリック 'シンドローム群（173例）とメタボリック 'シンドローム群（32例）に分け、 それぞれの血液サンプルから、前述のアミノ酸分析法により血中アミノ酸濃度を測定 した。尚、 205例には高血圧、糖尿病などの疾患について治療中の者は含まれない 。図 25に、非メタボリック 'シンドロームとメタボリック 'シンドロームの 2群間のアミノ酸 変数の分布を箱ひげ図（横軸は、非メタボリック 'シンドローム群： 1、メタボリック 'シン ドローム群：2、図中の ABAは α— ABAを、また Cysは Cystineを表す）を示す。ま た、 2群間の判別を目的に 2群間の t検定を実施した。
[0302] 非メタボリック 'シンドローム群に比べてメタボリック 'シンドローム群では、 Val, Tyr, Trp, Glu, Ala, Aspが有意に増加し（有意差確率 P < 0· 05)、また Gly, Serが有 意に減少し、アミノ酸変数 Val, Tyr, Trp, Glu, Ala, Asp, Gly, Serが 2群間の判 別能を持つことが判明した。また、分岐鎖アミノ酸である Valは、 Leu, lieと各々 Pear son相関係数 r = 0. 867, 0. 797を持ち、また Leuと lieの間にも Pearson相関係数 r = 0. 869を持ち、 3変数 Val, Leu, lieは同等の 2群間の判別能を持つことが判明し た。また Thrは、下記の実施例 4, 5に示すように判別能に優れた表記の多変量判別 式において、頻度高く出現し（実施例 4では、 100/100回、また実施例 5では 95/ 100回出現する）多変量判別式中で貢献度の高い変数であることが判明した。
実施例 2
[0303] 実施例 1で用いたサンプルデータを用いた。本出願人による国際出願である国際 公開第 2004/052191号パンフレットに記載の方法を用いて、非メタボリック 'シンド ロームとメタボリック ·シンドロームの 2群間の判別性能を最大化する多変量判別式を 鋭意探索し、同等の性能を持つ指標式 1で記載される複数の多変量判別式 (具体的 には、指標式 1は、単一又は複数の分数式の和からなる多変量判別式であって、そ の分数式の分子には Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thr力、ら少なくとも 1個のアミノ酸変数を含み且つその分数式の分母には Gly, Serから少なくとも 1個の アミノ酸変数を含むもの）の中の 1例として、指標式 2 (Thr) / (Ser) + (Glu + Al a) / (Gly)が得られた。
[0304] 指標式 2による 2群間の診断性能を 2群判別に関して、 ROC曲線（図 26参照）の A UCによる評価を fiレヽ、 0. 824 ± 0. 0. 038 (950/0信頼区曰 ま 0. 751—0. 898)力 S 得られた。
実施例 3
[0305] 実施例 1で用いたサンプルデータを用いた。非メタボリック 'シンドロームとメタボリッ ク 'シンドロームの 2群判別性能を最大化する指標を、本出願人による国際出願であ る国際出願番号 PCT/JP2006/304398に記載の方法（多変量判別式の探索方 法)を用いて鋭意探索した。多変量判別式の探索方法としては、ロジスティック回帰、 線形判別、サポートベクターマシン、マハラノビス距離法などによる多変量判別式を 用いることが出来る。
[0306] 多変量判別式を鋭意探索し、ほぼ同等の判別能を持つ指標式 3で記載される複数 の多変量判別式（具体的には、指標式 3は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrから少なくとも 1個のアミノ酸変数を含むもの（例えば口ジスティ ック回帰、線形判別、サポートベクターマシン、マハラノビス距離法などの少なくとも 1 つ））の中の 1例として、 Glu, Gly, Ala, Thr, Serから構成される指標式 4 (例えば口 ジスティック回帰、線形判別、サポートベクターマシン、マハラノビス距離法などの少 なくとも 1つ）を得た。 1例としてロジスティック解析による場合、指標式 4として Glu, G1 y, Ala, Thr, Serから構成されるロジスティック回帰式（アミノ酸変数 Glu, Gly, Ala , Thr, Serの数係数と定数項は J噴に、 0. 020 ± 0. 013, —0. 028 ± 0. 009, 0. 0 11 ± 0. 004, 0. 023 ± 0. 012, —0. 029 ± 0. 017, —1. 043 ± 2. 283)カ得ら れ 。
[0307] 指標式 4による 2群の診断性能を 2群判別に関して、 ROC曲線（図 27参照）の AU Cによる評価を fiい、 0. 823 ± 0. 036 (95%信頼区間は 0. 753—0. 893)カ得ら れ診断性能が高く有用な指標であることが判明した。また指標式 4による 2群判別の カットオフ値（口ジスティック解析から得られる確率を口ジット変換した変数について力 ットオフ値を求めた）について、有症率を 0. 5とした場合、最適なカットオフ値を求め ると、カットオフ値が 1. 507となり、感度 81 %、特異度 75%、陽性適中率 76%、陰 性適中率 80%、効率 78%が得られ (図 28参照）、診断性能が高く有用な指標である ことが判明した。
[0308] また上記と同じデータを用い、 Glu, Gly, Ala, Thr, Serから構成される指標式 4 の他の例として、線形判別、サポートベクターマシン法、マハラノビス距離法による多 変量判別式を評価したところ順に、線形判別では ROC曲線の AUC = 0. 819 ± 0. 035 (95%信頼区間は 0. 750〜0. 889)、サポートベクターマシン法ではエラー率 = 15. 6%、マハラノビス距離法ではエラー率 = 24. 4%、が得られ同様に診断性能 が高く有用な指標であることが判明した。
実施例 4
[0309] 実施例 1で用いたサンプルデータを用いた。本出願人による国際出願である国際 公開第 2004/052191号パンフレットに記載の方法を用いて、非メタボリック 'シンド ロームとメタボリック ·シンドロームの 2群間の判別性能を最大化する指標を鋭意探索 し、同等の性能を持つ複数の指標式が得られた。指標式による 2群間の診断性能を 2群判別に関して、 ROC曲線の AUCの一覧を図 29および図 30に示す。
実施例 5
[0310] 実施例 1で用レ、たサンプルデータを用レ、た。非メタボリック ·シンドロームとメタボリッ ク 'シンドロームの 2群判別性能を最大化する指標を、本出願人による国際出願であ る国際出願番号 PCT/JP2006/304398に記載の方法（多変量判別式の探索方 法)を用いて、ロジスティック解析により探索し、同等の性能を持つ複数の指標式が得 られた。指標式による 2群間の診断性能を 2群判別に関して、 ROC曲泉の AUCの一 覧を図 31および図 32に示す。また、図 31および図 32における各ランクの指標式に ついて、その具体例を図 33および図 34に示す。
実施例 6
[0311] 実施例 1で用いたサンプルデータを用いた。非メタボリック 'シンドロームとメタボリッ ク 'シンドロームの 2群判別性能を最大化する指標を、本出願人による国際出願であ る国際出願番号 PCT/JP2006/304398に記載の方法（多変量判別式の探索方 法)を用いて、線形判別により探索し、同等の性能を持つ複数の指標式が得られた。 指標式による 2群間の診断性能を 2群判別に関して、エラー率（％)の一覧を図 35お よび図 36に示す。また、図 35および図 36における各ランクの指標式について、その 具体例を図 37および図 38に示す。
産業上の利用可能性
以上のように、本発明に力、かるメタボリック 'シンドロームの評価方法、メタボリック 'シ ンドローム評価装置、メタボリック 'シンドローム評価方法、メタボリック 'シンドローム評 価システム、メタボリック 'シンドローム評価プログラムおよび記録媒体、ならびにメタボ リック ·シンドロームの予防 ·改善物質の探索方法は、産業上の多くの分野、特に医薬 品や食品、医療などの分野で広く実施することができ、特に、病態予測や疾病リスク 予測やプロテオームやメタボローム解析などを行うバイオインフォマティクス分野にお いて極めて有用である。

Claims

請求の範囲
[1] 評価対象から採取した血液から、アミノ酸の濃度値に関するアミノ酸濃度データを 測定する測定ステップと、
前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データに基づいて 、前記評価対象につき、メタボリック 'シンドロームの状態を評価する濃度値基準評価 を実行することを特徴とするメタボリック 'シンドロームの評価方法。
[2] 前記濃度値基準評価ステップは、前記測定ステップで測定した前記評価対象の前 記アミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの前記濃度値に基づいて、前記評価対象につき、前 記メタボリック 'シンドロームの状態を評価すること
を特徴とする請求項 1に記載のメタボリック 'シンドロームの評価方法。
[3] 前記濃度値基準評価ステップは、前記測定ステップで測定した前記評価対象の前 記アミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの前記濃度値に基づいて、前記評価対象につき、前 記メタボリック 'シンドロームまたは非メタボリック 'シンドロームであるか否かを判別す る濃度値基準判別ステップをさらに含むこと
を特徴とする請求項 2に記載のメタボリック 'シンドロームの評価方法。
[4] 前記濃度値基準判別ステップは、前記測定ステップで測定した前記評価対象の前 記アミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの前記濃度値に基づいて、前記評価対象につき、前 記メタボリック 'シンドロームまたは前記非メタボリック 'シンドロームであるか否かを判 另リすること
を特徴とする請求項 3に記載のメタボリック 'シンドロームの評価方法。
[5] 前記濃度値基準評価ステップは、
前記測定ステップで測定した前記評価対象の前記アミノ酸濃度データおよび前記 アミノ酸の濃度を変数とする予め設定した多変量判別式に基づいて、当該多変量判 別式の値である判別値を算出する判別値算出ステップと、 前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき 、前記メタボリック 'シンドロームの状態を評価する判別値基準評価ステップと
をさらに含むことを特徴とする請求項 1に記載のメタボリック 'シンドロームの評価方 法。
[6] 前記多変量判別式は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Th rのうち少なくとも 1つを前記変数として含むものであり、
前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記ァ ミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの前記濃度値および前記多変量判別式に基づいて、前記 判別値を算出すること
を特徴とする請求項 5に記載のメタボリック 'シンドロームの評価方法。
[7] 前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値 に基づいて、前記評価対象につき、前記メタボリック 'シンドロームまたは非メタボリッ ク 'シンドロームであるか否かを判別する判別値基準判別ステップをさらに含むこと を特徴とする請求項 6に記載のメタボリック 'シンドロームの評価方法。
[8] 前記多変量判別式は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Th rのうち少なくとも 2つを前記変数として含むものであり、
前記判別値算出ステップは、前記測定ステップで測定した前記評価対象の前記ァ ミノ酸濃度データに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの前記濃度値および前記多変量判別式に基づいて、前記 判別値を算出すること
を特徴とする請求項 7に記載のメタボリック 'シンドロームの評価方法。
[9] 前記多変量判別式は、 1つの分数式または複数の前記分数式の和で表され、それ を構成する前記分数式の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrの うち少なくとも 1つを前記変数として含み且つそれを構成する前記分数式の分母に Gl y, Serのうち少なくとも 1つを前記変数として含む、またはそれを構成する前記分数 式の分子に Gly, Serのうち少なくとも 1つを前記変数として含み且つそれを構成する 前記分数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくと も 1つを前記変数として含むこと
を特徴とする請求項 8に記載のメタボリック 'シンドロームの評価方法。
[10] 前記多変量判別式は数式 1であること
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
を特徴とする請求項 9に記載のメタボリック 'シンドロームの評価方法。
[11] 前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートべ クタ一マシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で 作成された式、決定木で作成された式のいずれか 1つであること
を特徴とする請求項 8に記載のメタボリック 'シンドロームの評価方法。
[12] 前記多変量判別式は、 Glu, Gly, Ala, Thr, Serを前記変数とすること
を特徴とする請求項 11に記載のメタボリック 'シンドロームの評価方法。
[13] 制御手段と記憶手段とを備え評価対象につきメタボリック 'シンドロームの状態を評 価するメタボリック 'シンドローム評価装置であって、
前記制御手段は、
アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データおよび 前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて 、当該多変量判別式の値である判別値を算出する判別値算出手段と、
前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、 前記メタボリック 'シンドロームの状態を評価する判別値基準評価手段と
を備えたこと
を特徴とするメタボリック 'シンドローム評価装置。
[14] 前記多変量判別式は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Th rのうち少なくとも 1つを前記変数として含むものであり、
前記判別値算出手段は、予め取得した前記評価対象の前記アミノ酸濃度データに 含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 1つの前記濃度値および前記多変量判別式に基づレ、て、前記判別値を算出すること を特徴とする請求項 13に記載のメタボリック 'シンドローム評価装置。
[15] 前記判別値基準評価手段は、前記判別値算出手段で算出した前記判別値に基づ いて、前記評価対象につき、前記メタボリック 'シンドロームまたは非メタボリック 'シン ドロームであるか否力、を判別する判別値基準判別手段をさらに備えたこと
を特徴とする請求項 14に記載のメタボリック 'シンドローム評価装置。
[16] 前記多変量判別式は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Th rのうち少なくとも 2つを前記変数として含むものであり、
前記判別値算出手段は、予め取得した前記評価対象の前記アミノ酸濃度データに 含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少なくとも 2つの前記濃度値および前記多変量判別式に基づレ、て、前記判別値を算出すること を特徴とする請求項 15に記載のメタボリック 'シンドローム評価装置。
[17] 前記多変量判別式は、 1つの分数式または複数の前記分数式の和で表され、それ を構成する前記分数式の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrの うち少なくとも 1つを前記変数として含み且つそれを構成する前記分数式の分母に Gl y, Serのうち少なくとも 1つを前記変数として含む、またはそれを構成する前記分数 式の分子に Gly, Serのうち少なくとも 1つを前記変数として含み且つそれを構成する 前記分数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくと も 1つを前記変数として含むこと
を特徴とする請求項 16に記載のメタボリック ·シンドローム評価装置。
[18] 前記多変量判別式は数式 1であること
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
を特徴とする請求項 17に記載のメタボリック 'シンドローム評価装置。
[19] 前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートべ クタ一マシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で 作成された式、決定木で作成された式のいずれか 1つであること
を特徴とする請求項 16に記載のメタボリック ·シンドローム評価装置。
[20] 前記多変量判別式は、 Glu, Gly, Ala, Thr, Serを前記変数とすること
を特徴とする請求項 19に記載のメタボリック 'シンドローム評価装置。
[21] 前記制御手段は、
前記アミノ酸濃度データと前記メタボリック 'シンドロームの状態を表す指標に関す るメタボリック 'シンドローム状態指標データとを含む前記記憶手段で記憶したメタボリ ック 'シンドローム状態情報に基づいて、前記記憶手段で記憶する前記多変量判別 式を作成する多変量判別式作成手段
をさらに備え、
前記多変量判別式作成手段は、
前記メタボリック 'シンドローム状態情報から所定の式作成手法に基づいて、前記多 変量判別式の候補である候補多変量判別式を作成する候補多変量判別式作成手 段と、
前記候補多変量判別式作成手段で作成した前記候補多変量判別式を、所定の検 証手法に基づいて検証する候補多変量判別式検証手段と、
前記候補多変量判別式検証手段での検証結果から所定の変数選択手法に基づ V、て前記候補多変量判別式の変数を選択することで、前記候補多変量判別式を作 成する際に用いる前記メタボリック 'シンドローム状態情報に含まれる前記アミノ酸濃 度データの組み合わせを選択する変数選択手段と、
をさらに備え、前記候補多変量判別式作成手段、前記候補多変量判別式検証手 段および前記変数選択手段を繰り返し実行して蓄積した前記検証結果に基づいて、 複数の前記候補多変量判別式の中から前記多変量判別式として採用する前記候補 多変量判別式を選出することで、前記多変量判別式を作成すること
を特徴とする請求項 13から 20のいずれか 1つに記載のメタボリック 'シンドローム評 価装置。
制御手段と記憶手段とを備えた情報処理装置で実行する、評価対象につきメタボリ ック 'シンドロームの状態を評価するメタボリック 'シンドローム評価方法であって、 前記制御手段で、
アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データおよび 前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて 、当該多変量判別式の値である判別値を算出する判別値算出ステップと、
前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき 、前記メタボリック 'シンドロームの状態を評価する判別値基準評価ステップと を実行すること
を特徴とするメタボリック 'シンドローム評価方法。
[23] 前記多変量判別式は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Th rのうち少なくとも 1つを前記変数として含むものであり、
前記判別値算出ステップは、予め取得した前記評価対象の前記アミノ酸濃度デー タに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少な くとも 1つの前記濃度値および前記多変量判別式に基づいて、前記判別値を算出す ること
を特徴とする請求項 22に記載のメタボリック 'シンドローム評価方法。
[24] 前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値 に基づいて、前記評価対象につき、前記メタボリック 'シンドロームまたは非メタボリッ ク 'シンドロームであるか否かを判別する判別値基準判別ステップをさらに含むこと を特徴とする請求項 23に記載のメタボリック 'シンドローム評価方法。
[25] 前記多変量判別式は、 Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Th rのうち少なくとも 2つを前記変数として含むものであり、
前記判別値算出ステップは、予め取得した前記評価対象の前記アミノ酸濃度デー タに含まれる Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Gly, Ser, Thrのうち少な くとも 2つの前記濃度値および前記多変量判別式に基づいて、前記判別値を算出す ること
を特徴とする請求項 24に記載のメタボリック 'シンドローム評価方法。
[26] 前記多変量判別式は、 1つの分数式または複数の前記分数式の和で表され、それ を構成する前記分数式の分子に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrの うち少なくとも 1つを前記変数として含み且つそれを構成する前記分数式の分母に Gl y, Serのうち少なくとも 1つを前記変数として含む、またはそれを構成する前記分数 式の分子に Gly, Serのうち少なくとも 1つを前記変数として含み且つそれを構成する 前記分数式の分母に Val, Leu, lie, Tyr, Trp, Glu, Ala, Asp, Thrのうち少なくと も 1つを前記変数として含むこと
を特徴とする請求項 25に記載のメタボリック 'シンドローム評価方法。 [27] 前記多変量判別式は数式 1であること
Thr/Ser + (Glu + Ala) /Gly · · · (数式 1)
を特徴とする請求項 26に記載のメタボリック 'シンドローム評価方法。
[28] 前記多変量判別式は、ロジスティック回帰式、線形判別式、重回帰式、サポートべ クタ一マシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で 作成された式、決定木で作成された式のいずれか 1つであること
を特徴とする請求項 25に記載のメタボリック 'シンドローム評価方法。
[29] 前記多変量判別式は、 Glu, Gly, Ala, Thr, Serを前記変数とすること
を特徴とする請求項 28に記載のメタボリック 'シンドローム評価方法。
[30] 前記制御手段で、
前記アミノ酸濃度データと前記メタボリック 'シンドロームの状態を表す指標に関す るメタボリック 'シンドローム状態指標データとを含む前記記憶手段で記憶したメタボリ ック 'シンドローム状態情報に基づいて、前記記憶手段で記憶する前記多変量判別 式を作成する多変量判別式作成ステップ
をさらに実行し、
前記多変量判別式作成ステップは、
前記メタボリック 'シンドローム状態情報から所定の式作成手法に基づいて、前記多 変量判別式の候補である候補多変量判別式を作成する候補多変量判別式作成ステ 前記候補多変量判別式作成ステップで作成した前記候補多変量判別式を、所定 の検証手法に基づいて検証する候補多変量判別式検証ステップと、
前記候補多変量判別式検証ステップでの検証結果から所定の変数選択手法に基 づレ、て前記候補多変量判別式の変数を選択することで、前記候補多変量判別式を 作成する際に用いる前記メタボリック 'シンドローム状態情報に含まれる前記アミノ酸 濃度データの組み合わせを選択する変数選択ステップと、
をさらに含み、前記候補多変量判別式作成ステップ、前記候補多変量判別式検証 ステップおよび前記変数選択ステップを繰り返し実行して蓄積した前記検証結果に 基づいて、複数の前記候補多変量判別式の中から前記多変量判別式として採用す る前記候補多変量判別式を選出することで、前記多変量判別式を作成すること を特徴とする請求項 22から 29のいずれか 1つに記載のメタボリック 'シンドローム評 価方法。
[31] 制御手段と記憶手段とを備え評価対象につきメタボリック 'シンドロームの状態を評 価するメタボリック 'シンドローム評価装置と、アミノ酸の濃度値に関する前記評価対 象のアミノ酸濃度データを提供する情報通信端末装置とを、ネットワークを介して通 信可能に接続して構成されたメタボリック 'シンドローム評価システムであって、 前記情報通信端末装置は、
前記評価対象の前記アミノ酸濃度データを前記メタボリック 'シンドローム評価装置 へ送信するアミノ酸濃度データ送信手段と、
前記メタボリック ·シンドローム評価装置から送信された前記メタボリック ·シンドロー ムの状態に関する前記評価対象の評価結果を受信する評価結果受信手段と を備え、
前記メタボリック 'シンドローム評価装置の前記制御手段は、
前記情報通信端末装置から送信された前記評価対象の前記アミノ酸濃度データを 受信するアミノ酸濃度データ受信手段と、
前記アミノ酸濃度データ受信手段で受信した前記評価対象の前記アミノ酸濃度デ ータおよび前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式 に基づいて、当該多変量判別式の値である判別値を算出する判別値算出手段と、 前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、 前記メタボリック 'シンドロームの状態を評価する判別値基準評価手段と、
前記判別値基準評価手段での前記評価対象の前記評価結果を前記情報通信端 末装置へ送信する評価結果送信手段と、
を備えたこと
を特徴とするメタボリック 'シンドローム評価システム。
[32] 制御手段と記憶手段とを備えた情報処理装置に実行させる、評価対象につきメタ ボリック 'シンドロームの状態を評価するメタボリック 'シンドローム評価プログラムであ つて、 前記制御手段に、
アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データおよび 前記アミノ酸の濃度を変数とする前記記憶手段で記憶した多変量判別式に基づいて 、当該多変量判別式の値である判別値を算出する判別値算出ステップと、
前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき 、前記メタボリック 'シンドロームの状態を評価する判別値基準評価ステップと を実行させること
を特徴とするメタボリック 'シンドローム評価プログラム。
[33] 請求項 32に記載のメタボリック 'シンドローム評価プログラムを記録したこと
を特徴とするコンピュータ読み取り可能な記録媒体。
[34] メタボリック 'シンドロームを予防させる又は前記メタボリック 'シンドロームの状態を 改善させる 1つ又は複数の物質から成る物質群を探索するメタボリック 'シンドローム の予防 ·改善物質の探索方法であって、
所望の前記物質群が投与された評価対象から採取した血液から、アミノ酸の濃度 値に関するアミノ酸濃度データを測定する測定ステップと、
前記測定ステップで測定した前記アミノ酸濃度データに基づ!/、て、前記評価対象 にっき、前記メタボリック 'シンドロームの状態を評価する濃度値基準評価ステップと、 前記濃度値基準評価ステップでの評価結果に基づ!/、て、前記所望の前記物質群 ヽ前記メタボリック 'シンドロームを予防させる又は前記メタボリック 'シンドロームの 状態を改善させるものであるか否かを判定する判定ステップと、
を実行することを特徴とするメタボリック 'シンドロームの予防 ·改善物質の探索方法
PCT/JP2007/064462 2006-08-04 2007-07-23 procédé d'évaluation de syndrome métabolique, appareil D'ÉVALUATION DE SYNDROME MÉTABOLIQUE, système D'ÉVALUATION DE SYNDROME MÉTABOLIQUE, programme d'évaluation de syndrome métabolique et support d'enregistrement, et proc& Ceased WO2008015929A1 (fr)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2008527710A JPWO2008015929A1 (ja) 2006-08-04 2007-07-23 メタボリック・シンドロームの評価方法、メタボリック・シンドローム評価装置、メタボリック・シンドローム評価方法、メタボリック・シンドローム評価システム、メタボリック・シンドローム評価プログラムおよび記録媒体、ならびにメタボリック・シンドロームの予防・改善物質の探索方法
EP07791194A EP2053395A4 (en) 2006-08-04 2007-07-23 METABOLIC SYNDROME EVALUATION PROCEDURES, METABOLIC SYNDROME EVALUATION DEVICE, METABOLIC SYNDROME EVALUATION PROCEDURES, METABOLIC SYNDROME EVALUATION SYSTEM, METABOLIC SYNDROME EVALUATION PROGRAM AND RECORDING MEDIUM AND METHOD FOR SEARCHING FOR A PROPHYLACTIC / soothing SUBSTANCE FOR METABOLIC SYNDROME
US12/365,269 US20090253116A1 (en) 2006-08-04 2009-02-04 Metabolic syndrome evaluating apparatus, method, system, program, and recording medium therefor

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2006-213920 2006-08-04
JP2006213920 2006-08-04

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US12/365,269 Continuation US20090253116A1 (en) 2006-08-04 2009-02-04 Metabolic syndrome evaluating apparatus, method, system, program, and recording medium therefor

Publications (1)

Publication Number Publication Date
WO2008015929A1 true WO2008015929A1 (fr) 2008-02-07

Family

ID=38997109

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2007/064462 Ceased WO2008015929A1 (fr) 2006-08-04 2007-07-23 procédé d'évaluation de syndrome métabolique, appareil D'ÉVALUATION DE SYNDROME MÉTABOLIQUE, système D'ÉVALUATION DE SYNDROME MÉTABOLIQUE, programme d'évaluation de syndrome métabolique et support d'enregistrement, et proc&

Country Status (4)

Country Link
US (1) US20090253116A1 (ja)
EP (1) EP2053395A4 (ja)
JP (1) JPWO2008015929A1 (ja)
WO (1) WO2008015929A1 (ja)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2010103585A1 (ja) * 2009-03-08 2012-09-10 横田　充弘 メタボリック症候群又はその構成疾患の評価法
JP2013145204A (ja) * 2012-01-16 2013-07-25 Lion Corp メタボリックシンドロームの判定方法
WO2013115283A1 (ja) * 2012-01-31 2013-08-08 味の素株式会社 早期腎症の評価方法、早期腎症評価装置、早期腎症評価方法、早期腎症評価プログラム、早期腎症評価システムおよび情報通信端末装置
JP2013178238A (ja) * 2012-01-31 2013-09-09 Ajinomoto Co Inc 心血管イベントの評価方法、心血管イベント評価装置、心血管イベント評価方法、心血管イベント評価プログラム、心血管イベント評価システムおよび情報通信端末装置
WO2013146621A1 (ja) * 2012-03-30 2013-10-03 味の素株式会社 脳血管障害の評価方法、脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、脳血管障害評価システムおよび情報通信端末装置
US9182407B2 (en) 2007-06-25 2015-11-10 Ajinomoto Co., Inc. Method of evaluating visceral fat accumulation, visceral fat accumulation-evaluating apparatus, visceral fat accumulation-evaluating method, visceral fat accumulation-evaluating system, visceral fat accumulation-evaluating program, recording medium, and method of searching for prophylactic/ameliorating substance for visceral fat accumulation
KR20150140363A (ko) 2013-04-09 2015-12-15 아지노모토 가부시키가이샤 생활습관병 지표의 평가 방법, 생활습관병 지표 평가 장치, 생활습관병 지표 평가 방법, 생활습관병 지표 평가 프로그램 제품, 생활습관병 지표 평가 시스템, 및 정보통신 단말장치
JP2016075705A (ja) * 2009-03-10 2016-05-12 デューク ユニバーシティ 冠動脈疾患および心血管イベントのリスクの予測
KR20170066409A (ko) 2014-10-08 2017-06-14 아지노모토 가부시키가이샤 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
US9971866B2 (en) 2011-06-30 2018-05-15 Ajinomoto Co., Inc. Method of evaluating fatty liver related disease, fatty liver related disease-evaluating apparatus, fatty liver related disease-evaluating method, fatty liver related disease-evaluating program product, fatty liver related disease-evaluating system, information communication terminal apparatus, and method of searching for prophylactic/ameliorating substance for fatty liver related disease

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008016111A1 (fr) 2006-08-04 2008-02-07 Ajinomoto Co., Inc. Procédé permettant d'évaluer un cancer du poumon, dispositif d'évaluation d'un cancer du poumon, procédé d'évaluation d'un cancer du poumon, système d'évaluation d'un cancer du poumon, programme d'évaluation d'
JP5746811B2 (ja) 2006-12-21 2015-07-08 味の素株式会社 大腸癌の評価方法、ならびに大腸癌評価装置、大腸癌評価方法、大腸癌評価システム、大腸癌評価プログラムおよび記録媒体
WO2009054350A1 (ja) * 2007-10-25 2009-04-30 Ajinomoto Co., Inc. 耐糖能異常の評価方法
CN102057276B (zh) * 2008-06-20 2016-04-06 味之素株式会社 女性生殖器癌症的评价方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004052191A1 (ja) 2002-12-09 2004-06-24 Ajinomoto Co., Inc. 生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体
US20060099608A1 (en) 2004-03-29 2006-05-11 Medstar Research Institute Methods of diagnosing cardiovascular disease
WO2006098192A1 (ja) 2005-03-16 2006-09-21 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7329489B2 (en) * 2000-04-14 2008-02-12 Matabolon, Inc. Methods for drug discovery, disease treatment, and diagnosis using metabolomics
US20020009740A1 (en) * 2000-04-14 2002-01-24 Rima Kaddurah-Daouk Methods for drug discovery, disease treatment, and diagnosis using metabolomics
WO2008016101A1 (en) * 2006-08-04 2008-02-07 Ajinomoto Co., Inc. Method for evaluation of stress, stress evaluation apparatus, stress evaluation method, stress evaluation system, stress evaluation program, and recording medium
WO2009001862A1 (ja) * 2007-06-25 2008-12-31 Ajinomoto Co., Inc. 内臓脂肪蓄積の評価方法
CA2690541A1 (en) * 2007-07-17 2009-01-29 Metabolon, Inc. Biomarkers for pre-diabetes, cardiovascular diseases, and other metabolic-syndrome related disorders and methods using the same

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004052191A1 (ja) 2002-12-09 2004-06-24 Ajinomoto Co., Inc. 生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体
US20060099608A1 (en) 2004-03-29 2006-05-11 Medstar Research Institute Methods of diagnosing cardiovascular disease
WO2006098192A1 (ja) 2005-03-16 2006-09-21 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体

Non-Patent Citations (17)

* Cited by examiner, † Cited by third party
Title
"Executive summary of the Third Report of the National Cholesterol Education Program(NCEP) Expert Panel on Detection, Evaluation, and Treatment of High Blood Cholesterol in Adults (Adult Treatment Panel III)", JAMA, vol. 285, 2001, pages 2486
BONNET, F.; MARRE, M. ET AL., J HYPERTENS., vol. 24, 2006, pages 1157
CHOI, EY.; PARK, EH. ET AL., METABOLISM, vol. 55, 2006, pages 415
EVANS R.W. ET AL.: "Maternal and fetal amino acid concentrations and fetal outcomes during pre-eclampsia", REPRODUCTION, vol. 125, 2003, pages 785 - 790, XP003020527 *
FELIG, P.; MARLISS, E. ET AL., DIABETES, vol. 19, 1979, pages 727
FELIG, P.; MARLISS, E. ET AL., NEW ENGL. J. MED., vol. 281, 1969, pages 811
FROHLICH, M; IMHOF, A.; BERG, G. ET AL., DIABETEA CARE, vol. 23, 2000, pages 1835
GAZI, I.; TSIMIHODIMOS, V. ET AL., METABOLISM, vol. 55, 2006, pages 885
KARN, R. ET AL., DIABETES CARE, vol. 28, 2005, pages 2289
KAWAMOTO R ET AL., INTERN MED., vol. 45, 2006, pages 605
KAZUMI, T.; KAWAGUCHI, A., HORM METAB RES., vol. 38, 2006, pages 119 - 24
LANGENBERG, C.; BERGSTROM, J. ET AL., DIABETES CARE, vol. 29, 2006, pages 1363
MOJIMINIYI, OA.; ABDELLA, NA. ET AL., INT. J. OBESITY, 6 June 2006 (2006-06-06)
PIJL H. ET AL.: "Insulin-induced decline of plasma amino acid concentrations in obese subjects with and without non-insulin-dependent diabetes", METABOLISM: CLINICAL AND EXPERIMENTAL, vol. 43, no. 5, 1994, pages 640 - 646, XP003020528 *
See also references of EP2053395A4 *
THE JOURNAL OF JAPANESE SOCIETY OF INTERNAL MEDICINE, vol. 94, 2005, pages 794
WORLD HEALTH ORG., 1999

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9182407B2 (en) 2007-06-25 2015-11-10 Ajinomoto Co., Inc. Method of evaluating visceral fat accumulation, visceral fat accumulation-evaluating apparatus, visceral fat accumulation-evaluating method, visceral fat accumulation-evaluating system, visceral fat accumulation-evaluating program, recording medium, and method of searching for prophylactic/ameliorating substance for visceral fat accumulation
JPWO2010103585A1 (ja) * 2009-03-08 2012-09-10 横田　充弘 メタボリック症候群又はその構成疾患の評価法
JP2016075705A (ja) * 2009-03-10 2016-05-12 デューク ユニバーシティ 冠動脈疾患および心血管イベントのリスクの予測
US9971866B2 (en) 2011-06-30 2018-05-15 Ajinomoto Co., Inc. Method of evaluating fatty liver related disease, fatty liver related disease-evaluating apparatus, fatty liver related disease-evaluating method, fatty liver related disease-evaluating program product, fatty liver related disease-evaluating system, information communication terminal apparatus, and method of searching for prophylactic/ameliorating substance for fatty liver related disease
JP2013145204A (ja) * 2012-01-16 2013-07-25 Lion Corp メタボリックシンドロームの判定方法
WO2013115283A1 (ja) * 2012-01-31 2013-08-08 味の素株式会社 早期腎症の評価方法、早期腎症評価装置、早期腎症評価方法、早期腎症評価プログラム、早期腎症評価システムおよび情報通信端末装置
JP2013178238A (ja) * 2012-01-31 2013-09-09 Ajinomoto Co Inc 心血管イベントの評価方法、心血管イベント評価装置、心血管イベント評価方法、心血管イベント評価プログラム、心血管イベント評価システムおよび情報通信端末装置
JPWO2013146621A1 (ja) * 2012-03-30 2015-12-14 味の素株式会社 脳血管障害の評価方法、脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、脳血管障害評価システムおよび情報通信端末装置
WO2013146621A1 (ja) * 2012-03-30 2013-10-03 味の素株式会社 脳血管障害の評価方法、脳血管障害評価装置、脳血管障害評価方法、脳血管障害評価プログラム、脳血管障害評価システムおよび情報通信端末装置
KR20150140363A (ko) 2013-04-09 2015-12-15 아지노모토 가부시키가이샤 생활습관병 지표의 평가 방법, 생활습관병 지표 평가 장치, 생활습관병 지표 평가 방법, 생활습관병 지표 평가 프로그램 제품, 생활습관병 지표 평가 시스템, 및 정보통신 단말장치
KR20210007053A (ko) 2013-04-09 2021-01-19 아지노모토 가부시키가이샤 생활습관병 지표의 평가 방법, 생활습관병 지표 평가 장치, 생활습관병 지표 평가 방법, 생활습관병 지표 평가 프로그램, 생활습관병 지표 평가 시스템, 및 정보통신 단말장치
KR20170066409A (ko) 2014-10-08 2017-06-14 아지노모토 가부시키가이샤 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
KR20230028566A (ko) 2014-10-08 2023-02-28 아지노모토 가부시키가이샤 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치

Also Published As

Publication number Publication date
EP2053395A1 (en) 2009-04-29
JPWO2008015929A1 (ja) 2009-12-24
EP2053395A4 (en) 2010-04-21
US20090253116A1 (en) 2009-10-08

Similar Documents

Publication Publication Date Title
WO2008015929A1 (fr) procédé d&#39;évaluation de syndrome métabolique, appareil D&#39;ÉVALUATION DE SYNDROME MÉTABOLIQUE, système D&#39;ÉVALUATION DE SYNDROME MÉTABOLIQUE, programme d&#39;évaluation de syndrome métabolique et support d&#39;enregistrement, et proc&amp;
JP7347587B2 (ja) 取得方法、算出方法、糖尿病評価装置、算出装置、糖尿病評価プログラム、算出プログラム、糖尿病評価システム、および端末装置
US9182407B2 (en) Method of evaluating visceral fat accumulation, visceral fat accumulation-evaluating apparatus, visceral fat accumulation-evaluating method, visceral fat accumulation-evaluating system, visceral fat accumulation-evaluating program, recording medium, and method of searching for prophylactic/ameliorating substance for visceral fat accumulation
US9599618B2 (en) Method, apparatus, system, program, and computer-readable recording medium for evaluating colorectal cancer
JP7409530B2 (ja) 取得方法、評価装置、評価プログラムおよび評価システム
US9465031B2 (en) Method of evaluating prostatic disease
US9971866B2 (en) Method of evaluating fatty liver related disease, fatty liver related disease-evaluating apparatus, fatty liver related disease-evaluating method, fatty liver related disease-evaluating program product, fatty liver related disease-evaluating system, information communication terminal apparatus, and method of searching for prophylactic/ameliorating substance for fatty liver related disease
US20100280809A1 (en) Biological state-evaluating apparatus, biological state-evaluating method, biological state-evaluating system, biological state-evaluating program and recording medium
US8673647B2 (en) Stress evaluating apparatus, method, system and program and recording medium therefor
US9459255B2 (en) Method of evaluating breast cancer, breast cancer-evaluating apparatus, breast cancer-evaluating method, breast cancer-evaluating system, breast cancer-evaluating program and recording medium
US20210287802A1 (en) Method for evaluating pancreatic cancer, pancreatic cancer evaluating apparatus, pancreatic cancer evaluating method, pancreatic cancer evaluating program product, pancreatic cancer evaluating system and information communication terminal apparatus
JP6002117B2 (ja) 取得方法、評価装置、評価プログラム、記録媒体および評価システム
US20100261282A1 (en) Method of evaluating IGT, IGT-evaluating apparatus, IGT-evaluating method, IGT--evaluating system, IGT-evaluating program, recording medium, and method of searching for prophylactic/ameliorating substance for IGT
US20180017545A1 (en) Evaluating method, evaluating apparatus, evaluating program product, evaluating system, and terminal apparatus
JP6886241B2 (ja) 骨格筋面積の評価方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 07791194

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2008527710

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2007791194

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: RU