知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023159312
(43)【公開日】2023-10-31
(54)【発明の名称】アトピー性皮膚炎検出用タンパク質マーカーの調製方法
(51)【国際特許分類】
G01N 33/68 20060101AFI20231024BHJP
【ＦＩ】
G01N33/68
【審査請求】有
【請求項の数】13
【出願形態】ＯＬ
(21)【出願番号】P 2023134732
(22)【出願日】2023-08-22
(62)【分割の表示】P 2020081470の分割
【原出願日】2020-05-01
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＴＲＩＴＯＮ
２．ＴＷＥＥＮ
(71)【出願人】
【識別番号】000000918
【氏名又は名称】花王株式会社
(74)【代理人】
【識別番号】110000084
【氏名又は名称】弁理士法人アルガ特許事務所
(72)【発明者】
【氏名】深川 聡子
(72)【発明者】
【氏名】志摩 恭子
(72)【発明者】
【氏名】高田 直人
(72)【発明者】
【氏名】井上 高良
(72)【発明者】
【氏名】石川 准子
(57)【要約】
【課題】低侵襲又は非侵襲的なアトピー性皮膚炎の検出方法の提供。
【解決手段】被験体から採取した皮膚表上脂質からのアトピー性皮膚炎検出用タンパク質
マーカーの回収。該タンパク質マーカーを用いたアトピー性皮膚炎の検出。
【選択図】なし
【解決手段】被験体から採取した皮膚表上脂質からのアトピー性皮膚炎検出用タンパク質
マーカーの回収。該タンパク質マーカーを用いたアトピー性皮膚炎の検出。
【選択図】なし
【特許請求の範囲】
【請求項1】
被験体から採取した皮膚表上脂質から、下記表１に示すタンパク質からなる群より選択
される少なくとも１種のタンパク質を回収することを含む、アトピー性皮膚炎検出用タン
パク質マーカーの調製方法。
される少なくとも１種のタンパク質を回収することを含む、アトピー性皮膚炎検出用タン
パク質マーカーの調製方法。
【表1】
【請求項2】
被験体から採取した皮膚表上脂質から、下記表２に示すタンパク質からなる群より選択
される少なくとも１種のタンパク質を検出することを含む、被験体におけるアトピー性皮
膚炎の検出方法。
される少なくとも１種のタンパク質を検出することを含む、被験体におけるアトピー性皮
膚炎の検出方法。
【表2】
【請求項3】
前記少なくとも１種のタンパク質が下記表３に示すタンパク質からなる群より選択され
る少なくとも１種のタンパク質である、請求項１又は２記載の方法。
る少なくとも１種のタンパク質である、請求項１又は２記載の方法。
【表3】
【請求項4】
前記少なくとも１種のタンパク質が下記表４に示すタンパク質からなる群より選択され
る少なくとも１種のタンパク質である、請求項１又は２記載の方法。
る少なくとも１種のタンパク質である、請求項１又は２記載の方法。
【表4】
【請求項5】
前記被験体が乳幼児であり、前記少なくとも１種のタンパク質が下記表５－１及び表５
－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質である、請
求項１又は２記載の方法。
－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質である、請
求項１又は２記載の方法。
【表5-1】
【表5-2】
【請求項6】
前記被験体が成人であり、前記少なくとも１種のタンパク質が下記表６－１及び６－２
に示すタンパク質からなる群より選択される少なくとも１種のタンパク質である、請求項
１又は２記載の方法。
に示すタンパク質からなる群より選択される少なくとも１種のタンパク質である、請求項
１又は２記載の方法。
【表6-1】
【表6-2】
【請求項7】
前記少なくとも１種のタンパク質が、表５－１に示すタンパク質からなる群より選択さ
れる少なくとも１種のタンパク質であり、
前記方法が、前記少なくとも１種のタンパク質の濃度が健常群と比較して増加していた
場合に、該被験体をアトピー性皮膚炎と検出することを含む、
請求項５記載の方法。
れる少なくとも１種のタンパク質であり、
前記方法が、前記少なくとも１種のタンパク質の濃度が健常群と比較して増加していた
場合に、該被験体をアトピー性皮膚炎と検出することを含む、
請求項５記載の方法。
【請求項8】
前記少なくとも１種のタンパク質が、表５－２に示すタンパク質からなる群より選択さ
れる少なくとも１種のタンパク質であり、
前記方法が、前記少なくとも１種のタンパク質の濃度が健常群と比較して低下していた
場合に、該被験体をアトピー性皮膚炎と検出することを含む、
請求項５記載の方法。
れる少なくとも１種のタンパク質であり、
前記方法が、前記少なくとも１種のタンパク質の濃度が健常群と比較して低下していた
場合に、該被験体をアトピー性皮膚炎と検出することを含む、
請求項５記載の方法。
【請求項9】
前記少なくとも１種のタンパク質が、表６－１に示すタンパク質からなる群より選択さ
れる少なくとも１種のタンパク質であり、
前記方法が、前記少なくとも１種のタンパク質の濃度が健常群と比較して増加していた
場合に、該被験体をアトピー性皮膚炎と検出することを含む、
請求項６記載の方法。
れる少なくとも１種のタンパク質であり、
前記方法が、前記少なくとも１種のタンパク質の濃度が健常群と比較して増加していた
場合に、該被験体をアトピー性皮膚炎と検出することを含む、
請求項６記載の方法。
【請求項10】
前記少なくとも１種のタンパク質が、表６－２に示すタンパク質からなる群より選択さ
れる少なくとも１種のタンパク質であり、
前記方法が、前記少なくとも１種のタンパク質の濃度が健常群と比較して低下していた
場合に、該被験体をアトピー性皮膚炎と検出することを含む、
請求項６記載の方法。
れる少なくとも１種のタンパク質であり、
前記方法が、前記少なくとも１種のタンパク質の濃度が健常群と比較して低下していた
場合に、該被験体をアトピー性皮膚炎と検出することを含む、
請求項６記載の方法。
【請求項11】
前記少なくとも１種のタンパク質の濃度を説明変数とし、ＡＤの有無を目的変数として
、構築された予測モデルに基づいてＡＤを検出することを含む、請求項２～６のいずれか
１項記載の方法。
、構築された予測モデルに基づいてＡＤを検出することを含む、請求項２～６のいずれか
１項記載の方法。
【請求項12】
前記被験体から皮膚表上脂質を採取することをさらに含む、請求項１～１１のいずれか
１項記載の方法。
１項記載の方法。
【請求項13】
下記表７に示すタンパク質からなる群より選択される少なくとも１種のタンパク質を含
む、アトピー性皮膚炎検出用タンパク質マーカー。
む、アトピー性皮膚炎検出用タンパク質マーカー。
【表7】
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、アトピー性皮膚炎検出用タンパク質マーカーの調製方法、及び当該タンパク
質マーカーを用いたアトピー性皮膚炎の検出方法に関する。
質マーカーを用いたアトピー性皮膚炎の検出方法に関する。
【背景技術】
【0002】
アトピー性皮膚炎（Ａｔｏｐｉｃ Ｄｅｒｍａｔｉｔｉｓ、以下「ＡＤ」とも称する。
）は、アトピー素因を有する者に主に発症する湿疹性皮膚疾患である。ＡＤの典型的な症
状は、左右対側性に発生する、慢性及び反復性の痒み、皮疹、紅斑等、ならびに角化不全
、バリア能低下、乾燥肌などである。ＡＤの多くは乳幼児に発症し、成長と共に軽快傾向
を示すが、近年では成人型や難治性のＡＤも増加している。
）は、アトピー素因を有する者に主に発症する湿疹性皮膚疾患である。ＡＤの典型的な症
状は、左右対側性に発生する、慢性及び反復性の痒み、皮疹、紅斑等、ならびに角化不全
、バリア能低下、乾燥肌などである。ＡＤの多くは乳幼児に発症し、成長と共に軽快傾向
を示すが、近年では成人型や難治性のＡＤも増加している。
【0003】
アレルギーやアトピーになりやすい遺伝的素因を持っている新生児又は乳児は、乳児湿
疹、アトピー性皮膚炎、食物アレルギー、さらには気管支喘息、アレルギー性鼻炎など、
年齢とともに様々なアレルギー疾患を発症すること（アレルギーマーチ）が報告されてい
る。このようにアレルギー疾患は、１つの疾患を発症すると別のアレルギー疾患に罹患す
る可能性が高くなり、その治療も長期にわたることが多い。したがって、乳幼児の段階で
アレルギー疾患の発症を抑えることが必要とされている。
疹、アトピー性皮膚炎、食物アレルギー、さらには気管支喘息、アレルギー性鼻炎など、
年齢とともに様々なアレルギー疾患を発症すること（アレルギーマーチ）が報告されてい
る。このようにアレルギー疾患は、１つの疾患を発症すると別のアレルギー疾患に罹患す
る可能性が高くなり、その治療も長期にわたることが多い。したがって、乳幼児の段階で
アレルギー疾患の発症を抑えることが必要とされている。
【0004】
ＡＤの病態の評価については、従来さまざまな評価方法が臨床現場で用いられている。
皮膚科医による評価項目として、Ｓｅｖｅｒｉｔｙ Ｓｃｏｒｉｎｇ ｏｆ Ａｔｏｐｉ
ｃ Ｄｅｒｍａｔｉｔｉｓ（ＳＣＯＲＡＤ）やＥｃｚｅｍａ Ａｒｅａ ａｎｄ Ｓｅｖ
ｅｒｉｔｙ Ｉｎｄｅｘ（ＥＡＳＩ）がよく用いられる。しかし、これらの評価方法は、
評価者の主観によるところが大きいことから、より客観的なバイオマーカーと併用される
ことが多い。ＡＤの血清学的な評価項目として、血液中の総ＩｇＥ値、末梢血好酸球数、
血清Ｌａｃｔａｔｅ ｄｅｈｙｄｒｏｇｅｎａｓｅ（ＬＤＨ）値、血清ｔｈｙｍｕｓ ａ
ｎｄ ａｃｔｉｖａｔｉｏｎ－ｒｅｇｕｌａｔｅｄ ｃｈｅｍｏｋｉｎｅ（ＴＡＲＣ）値
などが一般的に使用されている。しかし、血清学的な評価は採血を伴うことから侵襲的で
あり、また、必ずしも十分な精度で診断が可能であるとは云えない。
皮膚科医による評価項目として、Ｓｅｖｅｒｉｔｙ Ｓｃｏｒｉｎｇ ｏｆ Ａｔｏｐｉ
ｃ Ｄｅｒｍａｔｉｔｉｓ（ＳＣＯＲＡＤ）やＥｃｚｅｍａ Ａｒｅａ ａｎｄ Ｓｅｖ
ｅｒｉｔｙ Ｉｎｄｅｘ（ＥＡＳＩ）がよく用いられる。しかし、これらの評価方法は、
評価者の主観によるところが大きいことから、より客観的なバイオマーカーと併用される
ことが多い。ＡＤの血清学的な評価項目として、血液中の総ＩｇＥ値、末梢血好酸球数、
血清Ｌａｃｔａｔｅ ｄｅｈｙｄｒｏｇｅｎａｓｅ（ＬＤＨ）値、血清ｔｈｙｍｕｓ ａ
ｎｄ ａｃｔｉｖａｔｉｏｎ－ｒｅｇｕｌａｔｅｄ ｃｈｅｍｏｋｉｎｅ（ＴＡＲＣ）値
などが一般的に使用されている。しかし、血清学的な評価は採血を伴うことから侵襲的で
あり、また、必ずしも十分な精度で診断が可能であるとは云えない。
【0005】
皮膚は、外界と接していることから、低侵襲的に生体試料を採取できる組織である。従
来、バイオプシで採取した皮膚組織やテープ剥離した角層などの皮膚サンプルから各種の
核酸又はタンパク質マーカーが単離されている。非特許文献１～６及び特許文献１には、
粘着性の弱い接着テープを皮膚に貼付することで皮膚表面から非侵襲的にインターロイキ
ン類（ＩＬｓ）、ＴＮＦ－α、ＩＮＦ－γ、ヒトβディフェンシン（ｈＢＤ２）などのペ
プチドマーカーを採取し、採取したマーカーを用いて皮膚の疾患や状態を調べたことが記
載されている。特許文献２には、皮膚表上脂質から被験体の皮膚細胞に由来するＲＮＡ等
の核酸を分離し、生体の解析用の試料として用いることが記載されている。
来、バイオプシで採取した皮膚組織やテープ剥離した角層などの皮膚サンプルから各種の
核酸又はタンパク質マーカーが単離されている。非特許文献１～６及び特許文献１には、
粘着性の弱い接着テープを皮膚に貼付することで皮膚表面から非侵襲的にインターロイキ
ン類（ＩＬｓ）、ＴＮＦ－α、ＩＮＦ－γ、ヒトβディフェンシン（ｈＢＤ２）などのペ
プチドマーカーを採取し、採取したマーカーを用いて皮膚の疾患や状態を調べたことが記
載されている。特許文献２には、皮膚表上脂質から被験体の皮膚細胞に由来するＲＮＡ等
の核酸を分離し、生体の解析用の試料として用いることが記載されている。
【先行技術文献】
【特許文献】
【0006】
【特許文献1】国際公開公報第２０１４／１４４２８９号
【特許文献2】国際公開公報第２０１８／００８３１９号
【非特許文献】
【0007】
【非特許文献1】Skin Res Technol, 2001, 7(4):227-37
【非特許文献2】Skin Res Technol, 2002, 8(3):187-93
【非特許文献3】Med Devices (Auckl), 2016, 9:409-417
【非特許文献4】Med Devices (Auckl), 2018, 11:87-94
【非特許文献5】J Tissue Viability, 2019, 28(1):1-6
【非特許文献6】J Diabetes Res, doi/10.1155/2019/1973704
【発明の概要】
【発明が解決しようとする課題】
【0008】
本発明は、被験体から低侵襲又は非侵襲的にアトピー性皮膚炎検出用タンパク質マーカ
ーを調製する方法、及び当該タンパク質マーカーを用いたアトピー性皮膚炎の検出方法に
関する。
ーを調製する方法、及び当該タンパク質マーカーを用いたアトピー性皮膚炎の検出方法に
関する。
【課題を解決するための手段】
【0009】
一態様において、本発明は、被験体から採取した皮膚表上脂質から、下記表１－１～１
－１３に示すタンパク質からなる群より選択される少なくとも１種のタンパク質を回収す
ることを含む、アトピー性皮膚炎検出用タンパク質マーカーの調製方法を提供する。
別の一態様において、本発明は、被験体から採取した皮膚表上脂質から、下記表１－１
～１－１３に示すタンパク質からなる群より選択される少なくとも１種のタンパク質を検
出することを含む、被験体におけるアトピー性皮膚炎の検出方法を提供する。
さらに別の一態様において、本発明は、下記表２－１～２－５に示すタンパク質からな
る群より選択される少なくとも１種のタンパク質を含む、アトピー性皮膚炎検出用タンパ
ク質マーカーを提供する。
－１３に示すタンパク質からなる群より選択される少なくとも１種のタンパク質を回収す
ることを含む、アトピー性皮膚炎検出用タンパク質マーカーの調製方法を提供する。
別の一態様において、本発明は、被験体から採取した皮膚表上脂質から、下記表１－１
～１－１３に示すタンパク質からなる群より選択される少なくとも１種のタンパク質を検
出することを含む、被験体におけるアトピー性皮膚炎の検出方法を提供する。
さらに別の一態様において、本発明は、下記表２－１～２－５に示すタンパク質からな
る群より選択される少なくとも１種のタンパク質を含む、アトピー性皮膚炎検出用タンパ
ク質マーカーを提供する。
【発明の効果】
【0010】
本発明によれば、簡便、かつ低侵襲又は非侵襲的な手法で、被験体からアトピー性皮膚
炎検出用のタンパク質マーカーを回収し、又は該マーカーを用いてアトピー性皮膚炎を検
出することができる。したがって、本発明は、侵襲的な生体サンプル採取が容易でなかっ
た乳幼児を含む様々な被験体におけるアトピー性皮膚炎診断を可能にする。また本発明の
方法は、乳幼児及び成人のアトピー性皮膚炎の早期診断及び治療に貢献し得る。
炎検出用のタンパク質マーカーを回収し、又は該マーカーを用いてアトピー性皮膚炎を検
出することができる。したがって、本発明は、侵襲的な生体サンプル採取が容易でなかっ
た乳幼児を含む様々な被験体におけるアトピー性皮膚炎診断を可能にする。また本発明の
方法は、乳幼児及び成人のアトピー性皮膚炎の早期診断及び治療に貢献し得る。
【発明を実施するための形態】
【0011】
本明細書中で引用された全ての特許文献、非特許文献、及びその他の刊行物は、その全
体が本明細書中において参考として援用される。
体が本明細書中において参考として援用される。
【0012】
本明細書中に開示されるタンパク質の名称は、ＵｎｉＰｒｏｔ（[https://www.uniprot
.org/]）に記載のあるＧｅｎｅ Ｎａｍｅ或いはＰｒｏｔｅｉｎ Ｎａｍｅに従う。
.org/]）に記載のあるＧｅｎｅ Ｎａｍｅ或いはＰｒｏｔｅｉｎ Ｎａｍｅに従う。
【0013】
本明細書において、「乳幼児」とは、０歳から学童に入るまでの年齢、具体的には０歳
から５歳までの人を指す。本明細書において、「成人」とは、広義には「乳幼児」に該当
しない人を指すが、好ましくは第２次性徴が終了した人を指し、具体的には１６歳以上の
人が好ましく、２０歳以上の人がより好ましい。
から５歳までの人を指す。本明細書において、「成人」とは、広義には「乳幼児」に該当
しない人を指すが、好ましくは第２次性徴が終了した人を指し、具体的には１６歳以上の
人が好ましく、２０歳以上の人がより好ましい。
【0014】
本明細書において、「皮膚表上脂質（ｓｋｉｎ ｓｕｒｆａｃｅ ｌｉｐｉｄｓ；ＳＳ
Ｌ）」とは、皮膚の表上に存在する脂溶性画分をいい、皮脂と呼ばれることもある。一般
に、ＳＳＬは、皮膚にある皮脂腺等の外分泌腺から分泌された分泌物を主に含み、皮膚表
面を覆う薄い層の形で皮膚表上に存在している。
Ｌ）」とは、皮膚の表上に存在する脂溶性画分をいい、皮脂と呼ばれることもある。一般
に、ＳＳＬは、皮膚にある皮脂腺等の外分泌腺から分泌された分泌物を主に含み、皮膚表
面を覆う薄い層の形で皮膚表上に存在している。
【0015】
本明細書において、「皮膚」とは、特に限定しない限り、体表の表皮、真皮、毛包、な
らびに汗腺、皮脂腺及びその他の腺などの組織を含む領域の総称である。
らびに汗腺、皮脂腺及びその他の腺などの組織を含む領域の総称である。
【0016】
本発明において、アトピー性皮膚炎の「検出」とは、ＳＳＬを採取した被験体における
アトピー性皮膚炎の存在又は不存在を明らかにする意味であり、検査、測定、判定、評価
又は評価支援という用語で言い換えることもできる。なお、本明細書において「判定」又
は「評価」という用語は、医師による判定や評価を含むものではない。
アトピー性皮膚炎の存在又は不存在を明らかにする意味であり、検査、測定、判定、評価
又は評価支援という用語で言い換えることもできる。なお、本明細書において「判定」又
は「評価」という用語は、医師による判定や評価を含むものではない。
【0017】
本明細書において、「特徴量」とは機械学習における「説明変数」と同義である。本明
細書において、アトピー性皮膚炎検出用タンパク質マーカーから選択される機械学習に使
用するタンパク質を「特徴量タンパク質」と称することもある。
細書において、アトピー性皮膚炎検出用タンパク質マーカーから選択される機械学習に使
用するタンパク質を「特徴量タンパク質」と称することもある。
【0018】
本発明者は、ＳＳＬ中に、アトピー性皮膚炎（ＡＤ）の検出に有用なタンパク質が含ま
れていることを見出した。これらのタンパク質は、ＡＤ検出用タンパク質マーカーとして
使用することができる。したがって、被験体の皮膚表面からＳＳＬを採集するという簡便
かつ低侵襲又は非侵襲的な手法で、被験体のＡＤの検出のための生体サンプル及びそれに
含まれるタンパク質マーカーを回収することができる。
れていることを見出した。これらのタンパク質は、ＡＤ検出用タンパク質マーカーとして
使用することができる。したがって、被験体の皮膚表面からＳＳＬを採集するという簡便
かつ低侵襲又は非侵襲的な手法で、被験体のＡＤの検出のための生体サンプル及びそれに
含まれるタンパク質マーカーを回収することができる。
【0019】
したがって、一態様において、本発明はＡＤ検出用タンパク質マーカーを提供する。別
の一実施形態において、本発明はＡＤ検出用タンパク質マーカーの調製方法を提供する。
当該方法は、被験体から採取したＳＳＬから標的であるＡＤ検出用タンパク質マーカーを
回収することを含む。別の一実施形態において、本発明はＡＤ検出方法を提供する。当該
方法は、被験体から採取したＳＳＬから該ＡＤ検出用タンパク質マーカーを検出すること
を含む。
の一実施形態において、本発明はＡＤ検出用タンパク質マーカーの調製方法を提供する。
当該方法は、被験体から採取したＳＳＬから標的であるＡＤ検出用タンパク質マーカーを
回収することを含む。別の一実施形態において、本発明はＡＤ検出方法を提供する。当該
方法は、被験体から採取したＳＳＬから該ＡＤ検出用タンパク質マーカーを検出すること
を含む。
【0020】
本発明によるＡＤ検出用タンパク質マーカーの調製方法及びＡＤ検出方法（以下、まと
めて本発明の方法ともいう）において、被験体は、皮膚上にＳＳＬを有する生物であれば
よい。被験体の例としては、ヒト及び非ヒト哺乳動物を含む哺乳動物が挙げられ、好まし
くはヒトである。該被験体は、性別及び年齢は限定されず、乳児から成人までを含み得る
。好ましくは、該被験体は、ＡＤの検出を必要とするか又は希望する哺乳動物（好ましく
はヒト）である。例えば、該被験体は、ＡＤの発症が疑われる哺乳動物（好ましくはヒト
）である。
めて本発明の方法ともいう）において、被験体は、皮膚上にＳＳＬを有する生物であれば
よい。被験体の例としては、ヒト及び非ヒト哺乳動物を含む哺乳動物が挙げられ、好まし
くはヒトである。該被験体は、性別及び年齢は限定されず、乳児から成人までを含み得る
。好ましくは、該被験体は、ＡＤの検出を必要とするか又は希望する哺乳動物（好ましく
はヒト）である。例えば、該被験体は、ＡＤの発症が疑われる哺乳動物（好ましくはヒト
）である。
【0021】
一実施形態において、本発明の方法は、被験体のＳＳＬを採取することをさらに含んで
いてもよい。ＳＳＬが採取される皮膚の部位としては、頭、顔、首、体幹、手足等の身体
の任意の部位の皮膚が挙げられ、好ましくはＡＤ様の湿疹や乾燥等の症状を有する部位の
皮膚が挙げられる。
いてもよい。ＳＳＬが採取される皮膚の部位としては、頭、顔、首、体幹、手足等の身体
の任意の部位の皮膚が挙げられ、好ましくはＡＤ様の湿疹や乾燥等の症状を有する部位の
皮膚が挙げられる。
【0022】
被験体の皮膚からのＳＳＬの採取には、皮膚からのＳＳＬの回収又は除去に用いられて
いるあらゆる手段を採用することができる。好ましくは、後述するＳＳＬ吸収性素材、Ｓ
ＳＬ接着性素材、又は皮膚からＳＳＬをこすり落とす器具を使用することができる。ＳＳ
Ｌ吸収性素材又はＳＳＬ接着性素材としては、ＳＳＬに親和性を有する素材であれば特に
限定されず、例えばポリプロピレン、パルプ等が挙げられる。皮膚からのＳＳＬの採取手
順のより詳細な例としては、あぶら取り紙、あぶら取りフィルム等のシート状素材へＳＳ
Ｌを吸収させる方法、ガラス板、テープ等へＳＳＬを接着させる方法、スパーテル、スク
レイパー等によりＳＳＬをこすり落として回収する方法、などが挙げられる。ＳＳＬの吸
着性を向上させるため、脂溶性の高い溶媒を予め含ませたＳＳＬ吸収性素材を用いてもよ
い。一方、ＳＳＬ吸収性素材は、水溶性の高い溶媒や水分を含んでいるとＳＳＬの吸着が
阻害されるため、水溶性の高い溶媒や水分の含有量が少ないことが好ましい。ＳＳＬ吸収
性素材は、乾燥した状態で用いることが好ましい。
いるあらゆる手段を採用することができる。好ましくは、後述するＳＳＬ吸収性素材、Ｓ
ＳＬ接着性素材、又は皮膚からＳＳＬをこすり落とす器具を使用することができる。ＳＳ
Ｌ吸収性素材又はＳＳＬ接着性素材としては、ＳＳＬに親和性を有する素材であれば特に
限定されず、例えばポリプロピレン、パルプ等が挙げられる。皮膚からのＳＳＬの採取手
順のより詳細な例としては、あぶら取り紙、あぶら取りフィルム等のシート状素材へＳＳ
Ｌを吸収させる方法、ガラス板、テープ等へＳＳＬを接着させる方法、スパーテル、スク
レイパー等によりＳＳＬをこすり落として回収する方法、などが挙げられる。ＳＳＬの吸
着性を向上させるため、脂溶性の高い溶媒を予め含ませたＳＳＬ吸収性素材を用いてもよ
い。一方、ＳＳＬ吸収性素材は、水溶性の高い溶媒や水分を含んでいるとＳＳＬの吸着が
阻害されるため、水溶性の高い溶媒や水分の含有量が少ないことが好ましい。ＳＳＬ吸収
性素材は、乾燥した状態で用いることが好ましい。
【0023】
採取されたＳＳＬは、直ちに後述のタンパク質抽出工程に用いられてもよいが、該タン
パク質抽出工程に用いるまで保存されてもよい。保存する場合、ＳＳＬは採取後できるだ
け速やかに低温条件で保存することが好ましい。ＳＳＬの保存の温度条件は、０℃以下で
あればよく、好ましくは－２０±２０℃～－８０±２０℃、より好ましくは－２０±１０
℃～－８０±１０℃、さらに好ましくは－２０±２０℃～－４０±２０℃、さらに好まし
くは－２０±１０℃～－４０±１０℃、さらに好ましくは－２０±１０℃、さらに好まし
くは－２０±５℃である。ＳＳＬの保存の期間は、特に限定されないが、好ましくは１２
か月以下、例えば６時間以上１２ヶ月以下、より好ましくは６ヶ月以下、例えば１日間以
上６ヶ月以下、さらに好ましくは３ヶ月以下、例えば３日間以上３ヶ月以下である。
パク質抽出工程に用いるまで保存されてもよい。保存する場合、ＳＳＬは採取後できるだ
け速やかに低温条件で保存することが好ましい。ＳＳＬの保存の温度条件は、０℃以下で
あればよく、好ましくは－２０±２０℃～－８０±２０℃、より好ましくは－２０±１０
℃～－８０±１０℃、さらに好ましくは－２０±２０℃～－４０±２０℃、さらに好まし
くは－２０±１０℃～－４０±１０℃、さらに好ましくは－２０±１０℃、さらに好まし
くは－２０±５℃である。ＳＳＬの保存の期間は、特に限定されないが、好ましくは１２
か月以下、例えば６時間以上１２ヶ月以下、より好ましくは６ヶ月以下、例えば１日間以
上６ヶ月以下、さらに好ましくは３ヶ月以下、例えば３日間以上３ヶ月以下である。
【0024】
採取したＳＳＬからのタンパク質の抽出には、生体試料からのタンパク質の抽出又は精
製に通常使用される方法、例えば水、ｐｈｏｓｐｈａｔｅ－ｂｕｆｆｅｒｅｄ ｓａｌｉ
ｎｅ溶液、又は界面活性剤としてＴｒｉｔｏｎ Ｘ－１００、Ｔｗｅｅｎ２０等を含む溶
液による抽出方法、あるいはＭ－ＰＥＲ ｂｕｆｆｅｒ（Ｔｈｅｒｍｏ Ｆｉｓｈｅｒ
Ｓｃｉｅｎｔｉｆｉｃ）、ＭＰＥＸ ＰＴＳ Ｒｅａｇｅｎｔ（ＧＬ ｓｃｉｅｎｃｅ）
、ＱＩＡｚｏｌ Ｌｙｓｉｓ Ｒｅａｇｅｎｔ（Ｑｉａｇｅｎ）、ＥａｓｙＰｅｐTM Ｍ
ｉｎｉ ＭＳ Ｓａｍｐｌｅ Ｐｒｅｐ Ｋｉｔ（ＴｈｅｒｍｏＦｉｓｈｅｒ Ｓｃｉｅ
ｎｔｉｆｉｃ）等の市販のタンパク質抽出試薬やキットによる抽出方法を用いることがで
きる。
製に通常使用される方法、例えば水、ｐｈｏｓｐｈａｔｅ－ｂｕｆｆｅｒｅｄ ｓａｌｉ
ｎｅ溶液、又は界面活性剤としてＴｒｉｔｏｎ Ｘ－１００、Ｔｗｅｅｎ２０等を含む溶
液による抽出方法、あるいはＭ－ＰＥＲ ｂｕｆｆｅｒ（Ｔｈｅｒｍｏ Ｆｉｓｈｅｒ
Ｓｃｉｅｎｔｉｆｉｃ）、ＭＰＥＸ ＰＴＳ Ｒｅａｇｅｎｔ（ＧＬ ｓｃｉｅｎｃｅ）
、ＱＩＡｚｏｌ Ｌｙｓｉｓ Ｒｅａｇｅｎｔ（Ｑｉａｇｅｎ）、ＥａｓｙＰｅｐTM Ｍ
ｉｎｉ ＭＳ Ｓａｍｐｌｅ Ｐｒｅｐ Ｋｉｔ（ＴｈｅｒｍｏＦｉｓｈｅｒ Ｓｃｉｅ
ｎｔｉｆｉｃ）等の市販のタンパク質抽出試薬やキットによる抽出方法を用いることがで
きる。
【0025】
抽出されたＳＳＬ由来タンパク質には、後述するＡＤ検出用タンパク質マーカーが１種
以上含まれ得る。該ＳＳＬ由来タンパク質は、直ちに後述のＡＤ検出に用いられてもよい
が、該ＡＤ検出に用いるまでタンパク質の通常の保存条件下で保存されてもよい。
以上含まれ得る。該ＳＳＬ由来タンパク質は、直ちに後述のＡＤ検出に用いられてもよい
が、該ＡＤ検出に用いるまでタンパク質の通常の保存条件下で保存されてもよい。
【0026】
後述の実施例に示すとおり、表１－１～１－１３に示す４１８種のＳＳＬ由来タンパク
質は、健常者と比べて、ＡＤ患者でＳＳＬ中の存在量が有意に変動するタンパク質である
。また、これらのタンパク質のＳＳＬ中の存在量を特徴量として用いた機械学習により構
築した予測モデルによってＡＤの予測が可能である。したがって、表１－１～１－１３に
示すＳＳＬ由来タンパク質は、ＡＤ検出用タンパク質マーカーとして使用することができ
る。表１－１～１－１３に示すタンパク質のうち、表２－１～２－５に示す１４７種のタ
ンパク質は、後述の実施例で示すように、これまでＡＤとの関連が報告されていない、新
規のＡＤ検出用タンパク質マーカーである。さらに、表３－１～３－２に示す６５種のタ
ンパク質は、後述する表４－１～４－６に示す２００種のタンパク質と、表５－１～５－
９に示す２８３種のタンパク質に共通するタンパク質であり、ＡＤ検出用タンパク質マー
カーとして好ましく使用することができる。
質は、健常者と比べて、ＡＤ患者でＳＳＬ中の存在量が有意に変動するタンパク質である
。また、これらのタンパク質のＳＳＬ中の存在量を特徴量として用いた機械学習により構
築した予測モデルによってＡＤの予測が可能である。したがって、表１－１～１－１３に
示すＳＳＬ由来タンパク質は、ＡＤ検出用タンパク質マーカーとして使用することができ
る。表１－１～１－１３に示すタンパク質のうち、表２－１～２－５に示す１４７種のタ
ンパク質は、後述の実施例で示すように、これまでＡＤとの関連が報告されていない、新
規のＡＤ検出用タンパク質マーカーである。さらに、表３－１～３－２に示す６５種のタ
ンパク質は、後述する表４－１～４－６に示す２００種のタンパク質と、表５－１～５－
９に示す２８３種のタンパク質に共通するタンパク質であり、ＡＤ検出用タンパク質マー
カーとして好ましく使用することができる。
【0027】
【表1-1】
【0028】
【表1-2】
【0029】
【表1-3】
【0030】
【表1-4】
【0031】
【表1-5】
【0032】
【表1-6】
【0033】
【表1-7】
【0034】
【表1-8】
【0035】
【表1-9】
【0036】
【表1-10】
【0037】
【表1-11】
【0038】
【表1-12】
【0039】
【表1-13】
【0040】
【表2-1】
【0041】
【表2-2】
【0042】
【表2-3】
【0043】
【表2-4】
【0044】
【表2-5】
【0045】
【表3-1】
【0046】
【表3-2】
【0047】
より詳細には、表１－１～１－１３に示すＳＳＬ由来タンパク質は、下記表４－１～４
－６及び表５－１～５－９に示すタンパク質を含み、表４－１～４－６に示すタンパク質
は、下記表７－１～７－４、表８、表１１－１～１１－４、表１２－１～１２－４及び表
１３に示すタンパク質を含み、表５－１～５－９に示すタンパク質は、下記表９－１～９
－７、表１０－１～１０－２、表１４－１～１４－７、表１５－１～１５－４及び表１６
に示すタンパク質を含む。
－６及び表５－１～５－９に示すタンパク質を含み、表４－１～４－６に示すタンパク質
は、下記表７－１～７－４、表８、表１１－１～１１－４、表１２－１～１２－４及び表
１３に示すタンパク質を含み、表５－１～５－９に示すタンパク質は、下記表９－１～９
－７、表１０－１～１０－２、表１４－１～１４－７、表１５－１～１５－４及び表１６
に示すタンパク質を含む。
【0048】
後述する実施例に示すように、健常児及びＡＤ罹患児のＳＳＬから抽出され、健常児又
はＡＤ罹患児いずれかの群の７５％以上の被験体で定量値が得られたタンパク質の定量値
を解析した。その結果、健常児と比較してＡＤ罹患児で存在比が１．５倍以上（ｐ≦０．
０５）に上昇した１１６種のタンパク質（表７－１～７－４）、及び０．７５倍以下（ｐ
≦０．０５）に減少した１２種のタンパク質（表８）が同定された。同様に、成人健常者
及び成人ＡＤ患者２のＳＳＬから抽出され、健者又はＡＤ患者いずれかの群の７５％以上
の被験体で定量値が得られたタンパク質の定量値を解析した。その結果、健常者と比較し
てＡＤ患者で存在比が１．５倍以上（ｐ≦０．０５）に上昇した２０５種のタンパク質（
表９－１～９－７）、及び０．７５倍以下（ｐ≦０．０５）に減少した３７種のタンパク
質（表１０－１～１０－２）が同定された。
はＡＤ罹患児いずれかの群の７５％以上の被験体で定量値が得られたタンパク質の定量値
を解析した。その結果、健常児と比較してＡＤ罹患児で存在比が１．５倍以上（ｐ≦０．
０５）に上昇した１１６種のタンパク質（表７－１～７－４）、及び０．７５倍以下（ｐ
≦０．０５）に減少した１２種のタンパク質（表８）が同定された。同様に、成人健常者
及び成人ＡＤ患者２のＳＳＬから抽出され、健者又はＡＤ患者いずれかの群の７５％以上
の被験体で定量値が得られたタンパク質の定量値を解析した。その結果、健常者と比較し
てＡＤ患者で存在比が１．５倍以上（ｐ≦０．０５）に上昇した２０５種のタンパク質（
表９－１～９－７）、及び０．７５倍以下（ｐ≦０．０５）に減少した３７種のタンパク
質（表１０－１～１０－２）が同定された。
【0049】
したがって、一実施形態において、本発明のＡＤ検出方法は、被験体のＳＳＬにおける
該ＡＤ検出用タンパク質マーカーの量（例えばＳＳＬ中マーカー濃度）に基づいてＡＤを
検出することを含む。
該ＡＤ検出用タンパク質マーカーの量（例えばＳＳＬ中マーカー濃度）に基づいてＡＤを
検出することを含む。
【0050】
例えば、被験体ＳＳＬ中における表７－１～７－４、表８、表９－１～９－７及び表１
０－１～１０－２に示す１種以上のタンパク質マーカーの濃度を基準に、該ＳＳＬが由来
する被験体がＡＤであるか否か（言い換えると、該ＳＳＬがＡＤである被験体に由来する
か否か）を検出することができる。本発明のＡＤ検出方法においては、表７－１～７－４
、表８、表９－１～９－７及び表１０－１～１０－２に示すタンパク質は、いずれか１種
、又はいずれか２種以上を組み合わせて、ＡＤ検出用タンパク質マーカーとして使用する
ことができる。例えば、被験体のＳＳＬ中における該１種以上のマーカー（標的マーカー
）の濃度を測定し、測定したマーカーの濃度を健常群と比較することによって、該被験体
がＡＤであるか否かを検出することができる。
０－１～１０－２に示す１種以上のタンパク質マーカーの濃度を基準に、該ＳＳＬが由来
する被験体がＡＤであるか否か（言い換えると、該ＳＳＬがＡＤである被験体に由来する
か否か）を検出することができる。本発明のＡＤ検出方法においては、表７－１～７－４
、表８、表９－１～９－７及び表１０－１～１０－２に示すタンパク質は、いずれか１種
、又はいずれか２種以上を組み合わせて、ＡＤ検出用タンパク質マーカーとして使用する
ことができる。例えば、被験体のＳＳＬ中における該１種以上のマーカー（標的マーカー
）の濃度を測定し、測定したマーカーの濃度を健常群と比較することによって、該被験体
がＡＤであるか否かを検出することができる。
【0051】
標的マーカーが表７－１～７－４及び表９－１～９－７に示すタンパク質からなる群よ
り選択される少なくとも１種である場合、被験体における該標的マーカーの濃度が健常群
と比べて高ければ、該被験体はＡＤと検出され得る。例えば、被験体における該標的マー
カーの濃度が健常群と比べて統計学的に有意に高ければ、該被験体はＡＤと検出され得る
。また例えば、被験体における該標的マーカーの濃度が健常群に対して、好ましくは１１
０％以上、より好ましくは１２０％以上、さらに好ましくは１５０％以上であれば、該被
験体はＡＤと検出され得る。標的マーカーとして２つ以上のＡＤ検出用タンパク質マーカ
ーを用いる場合には、標的マーカーの一定割合、例えば５０％以上、好ましくは７０％以
上、より好ましくは９０％以上、さらに好ましくは１００％が上述の基準を満たすか否か
に基づいて、被験体のＡＤを検出することができる。
り選択される少なくとも１種である場合、被験体における該標的マーカーの濃度が健常群
と比べて高ければ、該被験体はＡＤと検出され得る。例えば、被験体における該標的マー
カーの濃度が健常群と比べて統計学的に有意に高ければ、該被験体はＡＤと検出され得る
。また例えば、被験体における該標的マーカーの濃度が健常群に対して、好ましくは１１
０％以上、より好ましくは１２０％以上、さらに好ましくは１５０％以上であれば、該被
験体はＡＤと検出され得る。標的マーカーとして２つ以上のＡＤ検出用タンパク質マーカ
ーを用いる場合には、標的マーカーの一定割合、例えば５０％以上、好ましくは７０％以
上、より好ましくは９０％以上、さらに好ましくは１００％が上述の基準を満たすか否か
に基づいて、被験体のＡＤを検出することができる。
【0052】
標的マーカーが表８及び表１０－１～１０－２に示すタンパク質からなる群より選択さ
れる少なくとも１種である場合、被験体における該標的マーカーの濃度が健常群と比べて
低ければ、該被験体はＡＤと検出され得る。例えば、被験体における該標的マーカーの濃
度が健常群と比べて統計学的に有意に低ければ、該被験体はＡＤと検出され得る。また例
えば、被験体における該標的マーカーの濃度が健常群に対して、好ましくは９０％以下、
より好ましくは８０％以下、さらに好ましくは７５％以下であれば、該被験体はＡＤと検
出され得る。標的マーカーとして２つ以上のＡＤ検出用タンパク質マーカーを用いる場合
には、標的マーカーの一定割合、例えば５０％以上、好ましくは７０％以上、より好まし
くは９０％以上、さらに好ましくは１００％が上述の基準を満たすか否かに基づいて、被
験体のＡＤを検出することができる。
れる少なくとも１種である場合、被験体における該標的マーカーの濃度が健常群と比べて
低ければ、該被験体はＡＤと検出され得る。例えば、被験体における該標的マーカーの濃
度が健常群と比べて統計学的に有意に低ければ、該被験体はＡＤと検出され得る。また例
えば、被験体における該標的マーカーの濃度が健常群に対して、好ましくは９０％以下、
より好ましくは８０％以下、さらに好ましくは７５％以下であれば、該被験体はＡＤと検
出され得る。標的マーカーとして２つ以上のＡＤ検出用タンパク質マーカーを用いる場合
には、標的マーカーの一定割合、例えば５０％以上、好ましくは７０％以上、より好まし
くは９０％以上、さらに好ましくは１００％が上述の基準を満たすか否かに基づいて、被
験体のＡＤを検出することができる。
【0053】
ＡＤ検出用タンパク質マーカーのＳＳＬ中濃度は、ＥＬＩＳＡ、免疫染色、蛍光法、電
気泳動、クロマトグラフィー、質量分析などの、通常のタンパク質の検出又は定量法を用
いて測定することができる。このうち、ＬＣ－ＭＳ／ＭＳなどの質量分析法が好ましい。
濃度測定では、上記ＳＳＬ由来タンパク質をサンプルとして、通常の手順に従って、標的
とする１種以上のタンパク質マーカーの検出又は定量を実施すればよい。算出される該標
的マーカーの濃度は、ＳＳＬ中の該標的マーカーの絶対量に基づく濃度であっても、ＳＳ
Ｌ中の他の標準物質や総タンパク質に対する相対濃度であってもよい。
気泳動、クロマトグラフィー、質量分析などの、通常のタンパク質の検出又は定量法を用
いて測定することができる。このうち、ＬＣ－ＭＳ／ＭＳなどの質量分析法が好ましい。
濃度測定では、上記ＳＳＬ由来タンパク質をサンプルとして、通常の手順に従って、標的
とする１種以上のタンパク質マーカーの検出又は定量を実施すればよい。算出される該標
的マーカーの濃度は、ＳＳＬ中の該標的マーカーの絶対量に基づく濃度であっても、ＳＳ
Ｌ中の他の標準物質や総タンパク質に対する相対濃度であってもよい。
【0054】
該健常群は、ＡＤに罹患していない集団であり得る。該健常群は、被験体と同種の生物
の集団であればよい。必要に応じて、被験体の性状に合わせて健常群を構成する集団を選
択してもよい。例えば、被験体が乳幼児である場合に健常な乳幼児集団を健常群として用
いたり、又は、被験体が成人である場合に健常な成人集団を健常群として用いたりするこ
とができる。該健常群における該ＡＤ検出用タンパク質マーカーの濃度は、前述の手順で
測定することができる。好ましくは、健常群における該マーカーの濃度は予め測定されて
いる。より好ましくは、健常群における表７－１～７－４、表８、表９－１～９－７及び
表１０－１～１０－２に示すマーカーの全ての濃度が予め測定されている。
の集団であればよい。必要に応じて、被験体の性状に合わせて健常群を構成する集団を選
択してもよい。例えば、被験体が乳幼児である場合に健常な乳幼児集団を健常群として用
いたり、又は、被験体が成人である場合に健常な成人集団を健常群として用いたりするこ
とができる。該健常群における該ＡＤ検出用タンパク質マーカーの濃度は、前述の手順で
測定することができる。好ましくは、健常群における該マーカーの濃度は予め測定されて
いる。より好ましくは、健常群における表７－１～７－４、表８、表９－１～９－７及び
表１０－１～１０－２に示すマーカーの全ての濃度が予め測定されている。
【0055】
あるいは、表７－１～７－４及び表９－１～９－７に示すタンパク質からなる群より選
択される少なくとも１種と、表８及び表１０－１～１０－２に示すタンパク質からなる群
より選択される少なくとも１種とを組み合わせて標的マーカーとして用いてもよい。ＡＤ
検出の基準は上記と同様である。
択される少なくとも１種と、表８及び表１０－１～１０－２に示すタンパク質からなる群
より選択される少なくとも１種とを組み合わせて標的マーカーとして用いてもよい。ＡＤ
検出の基準は上記と同様である。
【0056】
本発明のＡＤ検出方法の一実施形態において、被験体が乳幼児の場合、標的マーカーは
表７－１～７－４及び表８に示されたＡＤ検出用タンパク質マーカーから選択される少な
くとも１種が好ましく、被験体が成人の場合、標的マーカーは表９－１～９－７及び表１
０－１～１０－２に示されたＡＤ検出用タンパク質マーカーから選択される少なくとも１
種が好ましい。
表７－１～７－４及び表８に示されたＡＤ検出用タンパク質マーカーから選択される少な
くとも１種が好ましく、被験体が成人の場合、標的マーカーは表９－１～９－７及び表１
０－１～１０－２に示されたＡＤ検出用タンパク質マーカーから選択される少なくとも１
種が好ましい。
【0057】
乳幼児用のＡＤ検出用タンパク質マーカーの別の好ましい例としては、下記表１１－１
～１１－４に示す１２７種のタンパク質が挙げられる。表１１－１～１１－４に示すタン
パク質は、健常児及びＡＤ罹患児のＳＳＬから抽出され、全被験体の７５％以上で定量値
が得られたタンパク質のうち、健常児と比較してＡＤ罹患児で存在比が１．５倍以上（ｐ
≦０．０５）に上昇又は０．７５倍以下（ｐ≦０．０５）に減少したタンパク質である。
成人用のＡＤ検出用タンパク質マーカーの別の好ましい例としては、下記表１４－１～１
４－７に示す２２０種のタンパク質が好ましい例として挙げられる。表１４－１～１４－
７に示すタンパク質は、成人健常者及び成人ＡＤ患者のＳＳＬから抽出され、全被験体の
７５％以上で定量値が得られたタンパク質のうち、健常者と比較してＡＤ患者で存在比が
１．５倍以上（ｐ≦０．０５）に上昇又は０．７５倍以下（ｐ≦０．０５）に減少したタ
ンパク質である。
～１１－４に示す１２７種のタンパク質が挙げられる。表１１－１～１１－４に示すタン
パク質は、健常児及びＡＤ罹患児のＳＳＬから抽出され、全被験体の７５％以上で定量値
が得られたタンパク質のうち、健常児と比較してＡＤ罹患児で存在比が１．５倍以上（ｐ
≦０．０５）に上昇又は０．７５倍以下（ｐ≦０．０５）に減少したタンパク質である。
成人用のＡＤ検出用タンパク質マーカーの別の好ましい例としては、下記表１４－１～１
４－７に示す２２０種のタンパク質が好ましい例として挙げられる。表１４－１～１４－
７に示すタンパク質は、成人健常者及び成人ＡＤ患者のＳＳＬから抽出され、全被験体の
７５％以上で定量値が得られたタンパク質のうち、健常者と比較してＡＤ患者で存在比が
１．５倍以上（ｐ≦０．０５）に上昇又は０．７５倍以下（ｐ≦０．０５）に減少したタ
ンパク質である。
【0058】
したがって、本発明のＡＤ検出方法の別の一実施形態において、被験体が乳幼児の場合
、標的マーカーは表１１－１～１１－４に示されたＡＤ検出用タンパク質マーカーから選
択される少なくとも１種が好ましく、被験体が成人の場合、標的マーカーは表１４－１～
１４－７に示されたＡＤ検出用タンパク質マーカーから選択される少なくとも１種が好ま
しい。あるいは、被験体に乳幼児と成人の両方が含まれる場合は、表１１－１～１１－４
に示すタンパク質からなる群より選択される少なくとも１種と、表１４－１～１４－７に
示すタンパク質からなる群より選択される少なくとも１種とを組み合わせて標的マーカー
として用いてもよい。
、標的マーカーは表１１－１～１１－４に示されたＡＤ検出用タンパク質マーカーから選
択される少なくとも１種が好ましく、被験体が成人の場合、標的マーカーは表１４－１～
１４－７に示されたＡＤ検出用タンパク質マーカーから選択される少なくとも１種が好ま
しい。あるいは、被験体に乳幼児と成人の両方が含まれる場合は、表１１－１～１１－４
に示すタンパク質からなる群より選択される少なくとも１種と、表１４－１～１４－７に
示すタンパク質からなる群より選択される少なくとも１種とを組み合わせて標的マーカー
として用いてもよい。
【0059】
さらなる実施形態において、本発明のＡＤ検出方法は、被験体のＳＳＬにおける該ＡＤ
検出用タンパク質マーカーの量（例えばＳＳＬ中マーカー濃度）を利用して構築された予
測モデルに基づいてＡＤを検出することを含む。例えば、該ＡＤ検出用タンパク質マーカ
ーの量を説明変数とし、ＡＤか否かを目的変数として、機械学習アルゴリズムによりＡＤ
患者と健常者とを分ける判別式（予測モデル）を構築する。当該判別式を利用して、ＡＤ
を検出することができる。該マーカーの量（濃度）は、絶対値であっても相対値であって
もよくあるいは正規化処理されていてもよい。
検出用タンパク質マーカーの量（例えばＳＳＬ中マーカー濃度）を利用して構築された予
測モデルに基づいてＡＤを検出することを含む。例えば、該ＡＤ検出用タンパク質マーカ
ーの量を説明変数とし、ＡＤか否かを目的変数として、機械学習アルゴリズムによりＡＤ
患者と健常者とを分ける判別式（予測モデル）を構築する。当該判別式を利用して、ＡＤ
を検出することができる。該マーカーの量（濃度）は、絶対値であっても相対値であって
もよくあるいは正規化処理されていてもよい。
【0060】
一実施形態においては、ＡＤ患者ＳＳＬ由来の標的マーカーの定量値と、健常者ＳＳＬ
由来の標的マーカーの定量値を教師サンプルとして、ＡＤ患者と健常人を分ける判別式（
予測モデル）を構築し、当該判別式に基づいてアトピー性皮膚炎患者と健常者を判別する
カットオフ値（参照値）を求める。次いで被験体から採取されたＳＳＬから標的マーカー
の量を測定し、得られた測定値を当該判別式に代入し、当該判別式から得られた結果を参
照値と比較することによって、被検体におけるＡＤの存在又は不存在を検出できる。
由来の標的マーカーの定量値を教師サンプルとして、ＡＤ患者と健常人を分ける判別式（
予測モデル）を構築し、当該判別式に基づいてアトピー性皮膚炎患者と健常者を判別する
カットオフ値（参照値）を求める。次いで被験体から採取されたＳＳＬから標的マーカー
の量を測定し、得られた測定値を当該判別式に代入し、当該判別式から得られた結果を参
照値と比較することによって、被検体におけるＡＤの存在又は不存在を検出できる。
【0061】
判別式の構築に用いる変数には説明変数と目的変数がある。説明変数としては、例えば
、下記の方法で選択したＡＤ検出用タンパク質マーカーの発現レベル（例えばＳＳＬ中濃
度）を用いることができる。目的変数としては、例えば、そのサンプルが健常人由来かＡ
Ｄ患者由来か（ＡＤの有無）、を用いることができる。
、下記の方法で選択したＡＤ検出用タンパク質マーカーの発現レベル（例えばＳＳＬ中濃
度）を用いることができる。目的変数としては、例えば、そのサンプルが健常人由来かＡ
Ｄ患者由来か（ＡＤの有無）、を用いることができる。
【0062】
特徴量には、判別する２群間の統計学的に有意な差異、例えば、発現レベルが２群間で
有意に変動するタンパク質（発現変動タンパク質）を特徴量タンパク質とし、その発現レ
ベルを用いることができる。また特徴量タンパク質は、機械学習アルゴリズムなどの公知
のアルゴリズムを利用して抽出することができる。例えば、下記に示すランダムフォレス
トにおける変数重要度の高いタンパク質の発現レベルを用いたり、Ｒ言語の“Ｂｏｒｕｔ
ａ”パッケージなどを用いて特徴量タンパク質を抽出したりすることができる。
有意に変動するタンパク質（発現変動タンパク質）を特徴量タンパク質とし、その発現レ
ベルを用いることができる。また特徴量タンパク質は、機械学習アルゴリズムなどの公知
のアルゴリズムを利用して抽出することができる。例えば、下記に示すランダムフォレス
トにおける変数重要度の高いタンパク質の発現レベルを用いたり、Ｒ言語の“Ｂｏｒｕｔ
ａ”パッケージなどを用いて特徴量タンパク質を抽出したりすることができる。
【0063】
判別式の構築におけるアルゴリズムとしては、機械学習に用いるアルゴリズムなどの公
知のものを利用することができる。機械学習アルゴリズムの例としては、ランダムフォレ
スト（Ｒａｎｄｏｍ ｆｏｒｅｓｔ）、線形カーネルのサポートベクターマシン（ＳＶＭ
ｌｉｎｅａｒ）、ｒｂｆカーネルのサポートベクターマシン（ＳＶＭ ｒｂｆ）ニュー
ラルネットワーク（Ｎｅｒｕｒａｌ ｎｅｔ）、一般線形モデル（Ｇｅｎｅｒａｌｉｚｅ
ｄ ｌｉｎｅａｒ ｍｏｄｅｌ）、正則化線形判別分析（Ｒｅｇｕｌａｒｉｚｅｄ ｌｉ
ｎｅａｒ ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ）、正則化ロジスティック回帰
（Ｒｅｇｕｌａｒｉｚｅｄ ｌｏｇｉｓｔｉｃ ｒｅｇｒｅｓｓｉｏｎ）などが挙げられ
る。構築した予測モデルに検証用のデータを入力して予測値を算出し、該予測値が実測値
と最も適合するモデル、例えば正解率（Ａｃｃｕｒａｃｙ）が最も大きいモデルを最適な
予測モデルとして選抜することができる。また、予測値と実測値から検出率（Ｒｅｃａｌ
ｌ）、精度（Ｐｒｅｃｉｓｉｏｎ）、及びそれらの調和平均であるＦ値を計算し、そのＦ
値が最も大きいモデルを最適な予測モデルとして選抜することができる。
知のものを利用することができる。機械学習アルゴリズムの例としては、ランダムフォレ
スト（Ｒａｎｄｏｍ ｆｏｒｅｓｔ）、線形カーネルのサポートベクターマシン（ＳＶＭ
ｌｉｎｅａｒ）、ｒｂｆカーネルのサポートベクターマシン（ＳＶＭ ｒｂｆ）ニュー
ラルネットワーク（Ｎｅｒｕｒａｌ ｎｅｔ）、一般線形モデル（Ｇｅｎｅｒａｌｉｚｅ
ｄ ｌｉｎｅａｒ ｍｏｄｅｌ）、正則化線形判別分析（Ｒｅｇｕｌａｒｉｚｅｄ ｌｉ
ｎｅａｒ ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ）、正則化ロジスティック回帰
（Ｒｅｇｕｌａｒｉｚｅｄ ｌｏｇｉｓｔｉｃ ｒｅｇｒｅｓｓｉｏｎ）などが挙げられ
る。構築した予測モデルに検証用のデータを入力して予測値を算出し、該予測値が実測値
と最も適合するモデル、例えば正解率（Ａｃｃｕｒａｃｙ）が最も大きいモデルを最適な
予測モデルとして選抜することができる。また、予測値と実測値から検出率（Ｒｅｃａｌ
ｌ）、精度（Ｐｒｅｃｉｓｉｏｎ）、及びそれらの調和平均であるＦ値を計算し、そのＦ
値が最も大きいモデルを最適な予測モデルとして選抜することができる。
【0064】
判別式の構築においてランダムフォレストのアルゴリズムを使用する場合、予測モデル
の精度の指標として、未知データに対する推定の誤答率（ＯＯＢ ｅｒｒｏｒ ｒａｔｅ
）を算出することができる（Breiman L. Machine Learning (2001) 45;5-32）。ランダム
フォレストにおいては、ブートストラップ法という手法に従い、全サンプル中から重複を
許して、サンプル数の約３分の２のサンプルをランダムに抽出し、決定木と呼ばれる分類
器を作成する。このとき、抽出されなかったサンプルはＯｕｔ ｏｆ ｂｕｇ（ＯＯＢ）と
呼ばれる。１本の決定木を用いてＯＯＢの目的変数の予測を行い、正解ラベルと比較する
ことで、その誤答率を算出することができる（決定木におけるＯＯＢ ｅｒｒｏｒ ｒａ
ｔｅ）。同様の作業を５００回繰り返し行い、５００本の決定木におけるＯＯＢ ｅｒｒ
ｏｒ ｒａｔｅの平均値をとった値を、該ランダムフォレストのモデルのＯＯＢ ｅｒｒ
ｏｒ ｒａｔｅとすることができる。
の精度の指標として、未知データに対する推定の誤答率（ＯＯＢ ｅｒｒｏｒ ｒａｔｅ
）を算出することができる（Breiman L. Machine Learning (2001) 45;5-32）。ランダム
フォレストにおいては、ブートストラップ法という手法に従い、全サンプル中から重複を
許して、サンプル数の約３分の２のサンプルをランダムに抽出し、決定木と呼ばれる分類
器を作成する。このとき、抽出されなかったサンプルはＯｕｔ ｏｆ ｂｕｇ（ＯＯＢ）と
呼ばれる。１本の決定木を用いてＯＯＢの目的変数の予測を行い、正解ラベルと比較する
ことで、その誤答率を算出することができる（決定木におけるＯＯＢ ｅｒｒｏｒ ｒａ
ｔｅ）。同様の作業を５００回繰り返し行い、５００本の決定木におけるＯＯＢ ｅｒｒ
ｏｒ ｒａｔｅの平均値をとった値を、該ランダムフォレストのモデルのＯＯＢ ｅｒｒ
ｏｒ ｒａｔｅとすることができる。
【0065】
なお、ランダムフォレストのモデルを構築する決定木の数（ｎｔｒｅｅ値）は、デフォ
ルトでは５００本であるが、必要に応じて任意の本数に変更することができる。さらに、
１つの決定木においてサンプルの判別式の作成に用いる変数の数（ｍｔｒｙ値）は、デフ
ォルトでは説明変数の数の平方根をとった値であるが、必要に応じて１つから全説明変数
の数までの値のいずれかに変更することができる。ｍｔｒｙ値の決定にはＲ言語の“ｃａ
ｒｅｔ”パッケージを用いることができる。“ｃａｒｅｔ”パッケージのメソッドにラン
ダムフォレストを指定し、８通りのｍｔｒｙ値を試行し、例えばＡｃｃｕｒａｃｙが最大
となるｍｔｒｙ値を最適なｍｔｒｙ値として選択することができる。なお、ｍｔｒｙ値の
試行回数は、必要に応じて任意の試行回数に変更することができる。
ルトでは５００本であるが、必要に応じて任意の本数に変更することができる。さらに、
１つの決定木においてサンプルの判別式の作成に用いる変数の数（ｍｔｒｙ値）は、デフ
ォルトでは説明変数の数の平方根をとった値であるが、必要に応じて１つから全説明変数
の数までの値のいずれかに変更することができる。ｍｔｒｙ値の決定にはＲ言語の“ｃａ
ｒｅｔ”パッケージを用いることができる。“ｃａｒｅｔ”パッケージのメソッドにラン
ダムフォレストを指定し、８通りのｍｔｒｙ値を試行し、例えばＡｃｃｕｒａｃｙが最大
となるｍｔｒｙ値を最適なｍｔｒｙ値として選択することができる。なお、ｍｔｒｙ値の
試行回数は、必要に応じて任意の試行回数に変更することができる。
【0066】
判別式の構築においてランダムフォレストのアルゴリズムを使用する場合、モデルの構
築に用いた説明変数の重要度を数値（変数重要度）化することができる。変数重要度の値
には、例えば、ジニ係数の減少量（Ｍｅａｎ Ｄｅｃｒｅａｓｅ Ｇｉｎｉ）を用いるこ
とができる。
築に用いた説明変数の重要度を数値（変数重要度）化することができる。変数重要度の値
には、例えば、ジニ係数の減少量（Ｍｅａｎ Ｄｅｃｒｅａｓｅ Ｇｉｎｉ）を用いるこ
とができる。
【0067】
カットオフ値（参照値）の決定方法は特に制限されず、公知の手法に従って決定するこ
とができる。例えば、判別式を使用して作成されたＲＯＣ（Ｒｅｃｅｉｖｅｒ Ｏｐｅｒ
ａｔｉｎｇ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ Ｃｕｒｖｅ）曲線より求めることができる
。ＲＯＣ曲線では、縦軸に陽性患者において陽性の結果がでる確率（感度）と、横軸に陰
性患者において陰性の結果がでる確率（特異度）を１から減算した値（偽陽性率）がプロ
ットされる。ＲＯＣ曲線に示される「真陽性（感度）」及び「偽陽性（１－特異度）」に
関し、「真陽性（感度）」－「偽陽性（１－特異度）」が最大となる値（Ｙｏｕｄｅｎ
ｉｎｄｅｘ）をカットオフ値（参照値）とすることができる。
とができる。例えば、判別式を使用して作成されたＲＯＣ（Ｒｅｃｅｉｖｅｒ Ｏｐｅｒ
ａｔｉｎｇ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ Ｃｕｒｖｅ）曲線より求めることができる
。ＲＯＣ曲線では、縦軸に陽性患者において陽性の結果がでる確率（感度）と、横軸に陰
性患者において陰性の結果がでる確率（特異度）を１から減算した値（偽陽性率）がプロ
ットされる。ＲＯＣ曲線に示される「真陽性（感度）」及び「偽陽性（１－特異度）」に
関し、「真陽性（感度）」－「偽陽性（１－特異度）」が最大となる値（Ｙｏｕｄｅｎ
ｉｎｄｅｘ）をカットオフ値（参照値）とすることができる。
【0068】
予測モデルの構築に多数のタンパク質のデータを使用する場合は、必要に応じて、主成
分分析（ＰＣＡ）によってデータを圧縮してから予測モデルの構築を行ってもよい。例え
ば、タンパク質の定量値の主成分分析により次元圧縮を行ない、主要な主成分を予測モデ
ルの構築のための説明変数とすることができる。
分分析（ＰＣＡ）によってデータを圧縮してから予測モデルの構築を行ってもよい。例え
ば、タンパク質の定量値の主成分分析により次元圧縮を行ない、主要な主成分を予測モデ
ルの構築のための説明変数とすることができる。
【0069】
後述の実施例に示すように、健常児とＡＤ罹患児で発現変動が見られた表１１－１～１
１－４のタンパク質を特徴量タンパク質とし、その定量データ（Ｌｏｇ2（Ａｂｕｎｄａ
ｎｃｅ＋１）値）を説明変数とし、健常児とＡＤ罹患児を目的変数とし、機械学習アルゴ
リズムとしてランダムフォレスト（Breiman L. Machine Learning (2001) 45;5-32）を用
いて検出モデルの構築を試みた。構築された予測モデルにより乳幼児ＡＤの予測が可能で
あることが示された。また後述の実施例に示すように、成人健常者と成人ＡＤ患者で発現
変動が見られた表１４－１～１４－７のタンパク質についても、同様に構築された予測モ
デルにより成人ＡＤの予測が可能であることが示された。よって、本発明のＡＤ検出方法
の一実施形態においては、被験体は乳幼児であり、標的マーカーは表１１－１～１１－４
に示す１２７種のタンパク質である。本発明のＡＤ検出方法の別の一実施形態においては
、被験体は成人であり、標的マーカーは表１４－１～１４－７に示す２２０種のタンパク
質である。
１－４のタンパク質を特徴量タンパク質とし、その定量データ（Ｌｏｇ2（Ａｂｕｎｄａ
ｎｃｅ＋１）値）を説明変数とし、健常児とＡＤ罹患児を目的変数とし、機械学習アルゴ
リズムとしてランダムフォレスト（Breiman L. Machine Learning (2001) 45;5-32）を用
いて検出モデルの構築を試みた。構築された予測モデルにより乳幼児ＡＤの予測が可能で
あることが示された。また後述の実施例に示すように、成人健常者と成人ＡＤ患者で発現
変動が見られた表１４－１～１４－７のタンパク質についても、同様に構築された予測モ
デルにより成人ＡＤの予測が可能であることが示された。よって、本発明のＡＤ検出方法
の一実施形態においては、被験体は乳幼児であり、標的マーカーは表１１－１～１１－４
に示す１２７種のタンパク質である。本発明のＡＤ検出方法の別の一実施形態においては
、被験体は成人であり、標的マーカーは表１４－１～１４－７に示す２２０種のタンパク
質である。
【0070】
後述する実施例に示すように、健常児とＡＤ罹患児を被験者とし、被験者からのＳＳＬ
由来タンパク質の定量データ（Ｌｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値）を説明変数とし
、健常児とＡＤ罹患児を目的変数とし、機械学習アルゴリズムとしてランダムフォレスト
を用いて特徴量タンパク質の抽出及び予測モデルの構築を試みた。モデル構築の過程で算
出されたジニ係数に基づいて変数重要度の上位１４０種のタンパク質（表１２－１～１２
－４）を特徴量タンパク質として選択し、これを用いて予測モデルを構築した。構築され
た予測モデルにより乳幼児ＡＤの予測が可能であることが示された。また後述の実施例に
示すように、健常者（成人）とＡＤ患者（成人）を被験者とし、被験者からのＳＳＬ由来
タンパク質の定量データ（Ｌｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値）を用いて、同様に特
徴量タンパク質の抽出及び予測モデルの構築を試みた。ジニ係数に基づく変数重要度の上
位１１０種のタンパク質（表１５－１～１５－４）を特徴量タンパク質として選択し、こ
れを用いて予測モデルを構築した。構築された予測モデルにより成人ＡＤの予測が可能で
あることが示された。よって、本発明のＡＤ検出方法の一実施形態においては、被験体は
乳幼児であり、標的マーカーは表１２－１～１２－４に示す１４０種のタンパク質である
。本発明のＡＤ検出方法の別の一実施形態においては、被験体は成人であり、標的マーカ
ーは表１５－１～１５－４に示す１１０種のタンパク質である。
由来タンパク質の定量データ（Ｌｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値）を説明変数とし
、健常児とＡＤ罹患児を目的変数とし、機械学習アルゴリズムとしてランダムフォレスト
を用いて特徴量タンパク質の抽出及び予測モデルの構築を試みた。モデル構築の過程で算
出されたジニ係数に基づいて変数重要度の上位１４０種のタンパク質（表１２－１～１２
－４）を特徴量タンパク質として選択し、これを用いて予測モデルを構築した。構築され
た予測モデルにより乳幼児ＡＤの予測が可能であることが示された。また後述の実施例に
示すように、健常者（成人）とＡＤ患者（成人）を被験者とし、被験者からのＳＳＬ由来
タンパク質の定量データ（Ｌｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値）を用いて、同様に特
徴量タンパク質の抽出及び予測モデルの構築を試みた。ジニ係数に基づく変数重要度の上
位１１０種のタンパク質（表１５－１～１５－４）を特徴量タンパク質として選択し、こ
れを用いて予測モデルを構築した。構築された予測モデルにより成人ＡＤの予測が可能で
あることが示された。よって、本発明のＡＤ検出方法の一実施形態においては、被験体は
乳幼児であり、標的マーカーは表１２－１～１２－４に示す１４０種のタンパク質である
。本発明のＡＤ検出方法の別の一実施形態においては、被験体は成人であり、標的マーカ
ーは表１５－１～１５－４に示す１１０種のタンパク質である。
【0071】
後述の実施例で示すように、健常児とＡＤ罹患児を被験者とし、被験者からのＳＳＬ由
来タンパク質の定量データ（Ｌｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値）を説明変数とし、
健常児とＡＤ罹患児を目的変数とし、機械学習アルゴリズムとしてＢｏｒｕｔａ法（Kurs
a et al. Fundamental Informaticae (2010) 101;271-286）を用いて特徴量タンパク質の
抽出（最大試行回数１０００回、ｐ値０．０１未満）を行った。３５種のタンパク質（表
１３）が特徴量タンパク質として抽出された。これらのタンパク質の定量データを特徴量
に用いたランダムフォレストにより構築した予測モデルで乳幼児ＡＤの予測が可能である
ことが示された。また後述の実施例で示すように、健常者（成人）とＡＤ患者（成人）を
被験者とし、被験者からのＳＳＬ由来タンパク質の定量データ（Ｌｏｇ２（Ａｂｕｎｄａ
ｎｃｅ＋１）値）を説明変数に使用して同様に特徴量タンパク質の抽出を行った。２４種
のタンパク質（表１６）が特徴量タンパク質として抽出された。これを用いて同様にラン
ダムフォレストにより構築した予測モデルで成人ＡＤの予測が可能であることが示された
。よって、よって、本発明のＡＤ検出方法の別の一実施形態においては、被験体は乳幼児
であり、ＡＤ検出用タンパク質マーカーは表１３に示す３５種のタンパク質である。本発
明のＡＤ検出方法の別の一実施形態においては、被験体は成人であり、ＡＤ検出用タンパ
ク質マーカーは表１６に示す２４種のタンパク質である。
来タンパク質の定量データ（Ｌｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値）を説明変数とし、
健常児とＡＤ罹患児を目的変数とし、機械学習アルゴリズムとしてＢｏｒｕｔａ法（Kurs
a et al. Fundamental Informaticae (2010) 101;271-286）を用いて特徴量タンパク質の
抽出（最大試行回数１０００回、ｐ値０．０１未満）を行った。３５種のタンパク質（表
１３）が特徴量タンパク質として抽出された。これらのタンパク質の定量データを特徴量
に用いたランダムフォレストにより構築した予測モデルで乳幼児ＡＤの予測が可能である
ことが示された。また後述の実施例で示すように、健常者（成人）とＡＤ患者（成人）を
被験者とし、被験者からのＳＳＬ由来タンパク質の定量データ（Ｌｏｇ２（Ａｂｕｎｄａ
ｎｃｅ＋１）値）を説明変数に使用して同様に特徴量タンパク質の抽出を行った。２４種
のタンパク質（表１６）が特徴量タンパク質として抽出された。これを用いて同様にラン
ダムフォレストにより構築した予測モデルで成人ＡＤの予測が可能であることが示された
。よって、よって、本発明のＡＤ検出方法の別の一実施形態においては、被験体は乳幼児
であり、ＡＤ検出用タンパク質マーカーは表１３に示す３５種のタンパク質である。本発
明のＡＤ検出方法の別の一実施形態においては、被験体は成人であり、ＡＤ検出用タンパ
ク質マーカーは表１６に示す２４種のタンパク質である。
【0072】
上述のＡＤ検出用タンパク質マーカーのうち、発現変動解析で抽出された表７－１～７
－４、表８及び表１１－１～１１－４いずれかに含まれる１３０種タンパク質（Ａ）と、
ランダムフォレストによるにより特徴量タンパク質として選択された表１２－１～１２－
４に示す１４０種のタンパク質（Ｂ）と、Ｂｏｒｕｔａ法により特徴量タンパク質として
選択された表１３に示す３５種のタンパク質（Ｃ）の和集合（Ａ∪Ｂ∪Ｃ）が、表４－１
～４－６に示す２００種のタンパク質である。表４－１～４－６に示すタンパク質からな
る群より選択される少なくとも１種のタンパク質は、本発明において好ましい乳幼児ＡＤ
検出用マーカーとして使用される。該少なくとも１種のタンパク質の量を被験体と健常群
との間で比較することで、乳幼児ＡＤを検出することができる。あるいは、該少なくとも
１種のタンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデルに基づい
て乳幼児ＡＤを検出することができる。
－４、表８及び表１１－１～１１－４いずれかに含まれる１３０種タンパク質（Ａ）と、
ランダムフォレストによるにより特徴量タンパク質として選択された表１２－１～１２－
４に示す１４０種のタンパク質（Ｂ）と、Ｂｏｒｕｔａ法により特徴量タンパク質として
選択された表１３に示す３５種のタンパク質（Ｃ）の和集合（Ａ∪Ｂ∪Ｃ）が、表４－１
～４－６に示す２００種のタンパク質である。表４－１～４－６に示すタンパク質からな
る群より選択される少なくとも１種のタンパク質は、本発明において好ましい乳幼児ＡＤ
検出用マーカーとして使用される。該少なくとも１種のタンパク質の量を被験体と健常群
との間で比較することで、乳幼児ＡＤを検出することができる。あるいは、該少なくとも
１種のタンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデルに基づい
て乳幼児ＡＤを検出することができる。
【0073】
【表4-1】
【0074】
【表4-2】
【0075】
【表4-3】
【0076】
【表4-4】
【0077】
【表4-5】
【0078】
【表4-6】
【0079】
上述の表４－１～４－６に示すタンパク質のうち、POF1B（Protein POF1B）、MNDA（My
eloid cell nuclear differentiation antigen）、SERPINB4（Serpin B4）、CLEC3B（Tet
ranectin）、PLEC（Plectin）、LGALS7（Galectin-7）、H2AC4（Histone H2A type 1-B/E
）、SERPINB3（Serpin B3）、AMBP（Protein AMBP）、PFN1（Profilin-1）、DSC3（Desmo
collin-3）、IGHG1（Immunoglobulin heavy constant gamma 1）、ORM1（Alpha-1-acid g
lycoprotein 1）、RECQL（ATP-dependent DNA helicase Q1）、RPL26（60S ribosomal pr
otein L26）、KLK13（Kallikrein-13）、RPL22（60S ribosomal protein L22）、APOA2（
Apolipoprotein A-II）、SERPINB5（Serpin B5）、LCN15（Lipocalin-15）、IGHG3（Immu
noglobulin heavy constant gamma 3）、CAP1（Adenylyl cyclase-associated protein 1
）及びSPRR2F（Small proline-rich protein 2F）からなる２３種のタンパク質は、上記
のタンパク質（Ａ）、（Ｂ）及び（Ｃ）に共通するタンパク質である。これらの２３種の
タンパク質からなる群より選択される少なくとも１種のタンパク質は、本発明においてよ
り好ましい乳幼児ＡＤ検出用マーカーとして使用される。該少なくとも１種のタンパク質
の量を被験体と健常群との間で比較することで、乳幼児ＡＤを検出することができる。あ
るいは、該少なくとも１種のタンパク質を特徴量タンパク質として予測モデルを構築し、
該予測モデルに基づいて乳幼児ＡＤを検出することができる。
eloid cell nuclear differentiation antigen）、SERPINB4（Serpin B4）、CLEC3B（Tet
ranectin）、PLEC（Plectin）、LGALS7（Galectin-7）、H2AC4（Histone H2A type 1-B/E
）、SERPINB3（Serpin B3）、AMBP（Protein AMBP）、PFN1（Profilin-1）、DSC3（Desmo
collin-3）、IGHG1（Immunoglobulin heavy constant gamma 1）、ORM1（Alpha-1-acid g
lycoprotein 1）、RECQL（ATP-dependent DNA helicase Q1）、RPL26（60S ribosomal pr
otein L26）、KLK13（Kallikrein-13）、RPL22（60S ribosomal protein L22）、APOA2（
Apolipoprotein A-II）、SERPINB5（Serpin B5）、LCN15（Lipocalin-15）、IGHG3（Immu
noglobulin heavy constant gamma 3）、CAP1（Adenylyl cyclase-associated protein 1
）及びSPRR2F（Small proline-rich protein 2F）からなる２３種のタンパク質は、上記
のタンパク質（Ａ）、（Ｂ）及び（Ｃ）に共通するタンパク質である。これらの２３種の
タンパク質からなる群より選択される少なくとも１種のタンパク質は、本発明においてよ
り好ましい乳幼児ＡＤ検出用マーカーとして使用される。該少なくとも１種のタンパク質
の量を被験体と健常群との間で比較することで、乳幼児ＡＤを検出することができる。あ
るいは、該少なくとも１種のタンパク質を特徴量タンパク質として予測モデルを構築し、
該予測モデルに基づいて乳幼児ＡＤを検出することができる。
【0080】
本発明の好ましい実施形態においては、乳幼児被験体から採取したＳＳＬから、前記２
３種のタンパク質からなる群より選択される少なくとも１種、好ましくは２種以上、より
好ましくは５種以上、さらに好ましくは１０種以上、さらに好ましくは全てのタンパク質
を定量する。また、本発明では、前記２３種のタンパク質からなる群より選択される少な
くとも１種のタンパク質に加えて、下記表４－１～４－６に示される２００種のタンパク
質（前記２３種のタンパク質を除く）からなる群より選択される１種以上のタンパク質を
定量してもよい。例えば、前記２３種のタンパク質からなる群より選択される少なくとも
１種のタンパク質に加えて、表１１－１～１１－４に示される１２７種のタンパク質（前
記２３種のタンパク質を除く）からなる群より選択される少なくとも１種、表１２－１～
１２－４に示される１４０種のタンパク質（前記２３種のタンパク質を除く）からなる群
より選択される少なくとも１種、及び／又は表１３に示される３５種のタンパク質（前記
２３種のタンパク質を除く）からなる群より選択される少なくとも１種を定量してもよい
。このとき、表１１－１～１１－４からタンパク質を選択する場合は、発現変動の有意性
がより高い（例えばｐ値がより小さい）ものから優先的に選択してもよい。また、表１２
－１～１２－４のタンパク質を選択する場合は、変数重要度がより上位のタンパク質から
優先的に選択したり、変数重要度が上位から５０位、好ましくは３０位までのタンパク質
群から選択してもよい。上記のような少なくとも１種のタンパク質の量を被験体と健常群
との間で比較することで、乳幼児ＡＤを検出することができる。あるいは、上記のような
少なくとも１種のタンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデ
ルに基づいて乳幼児ＡＤを検出することができる。
３種のタンパク質からなる群より選択される少なくとも１種、好ましくは２種以上、より
好ましくは５種以上、さらに好ましくは１０種以上、さらに好ましくは全てのタンパク質
を定量する。また、本発明では、前記２３種のタンパク質からなる群より選択される少な
くとも１種のタンパク質に加えて、下記表４－１～４－６に示される２００種のタンパク
質（前記２３種のタンパク質を除く）からなる群より選択される１種以上のタンパク質を
定量してもよい。例えば、前記２３種のタンパク質からなる群より選択される少なくとも
１種のタンパク質に加えて、表１１－１～１１－４に示される１２７種のタンパク質（前
記２３種のタンパク質を除く）からなる群より選択される少なくとも１種、表１２－１～
１２－４に示される１４０種のタンパク質（前記２３種のタンパク質を除く）からなる群
より選択される少なくとも１種、及び／又は表１３に示される３５種のタンパク質（前記
２３種のタンパク質を除く）からなる群より選択される少なくとも１種を定量してもよい
。このとき、表１１－１～１１－４からタンパク質を選択する場合は、発現変動の有意性
がより高い（例えばｐ値がより小さい）ものから優先的に選択してもよい。また、表１２
－１～１２－４のタンパク質を選択する場合は、変数重要度がより上位のタンパク質から
優先的に選択したり、変数重要度が上位から５０位、好ましくは３０位までのタンパク質
群から選択してもよい。上記のような少なくとも１種のタンパク質の量を被験体と健常群
との間で比較することで、乳幼児ＡＤを検出することができる。あるいは、上記のような
少なくとも１種のタンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデ
ルに基づいて乳幼児ＡＤを検出することができる。
【0081】
上述のＡＤ検出用タンパク質マーカーのうち、発現変動解析で抽出された表９－１～９
－７、表１０－１～１０－２及び表１４－１～１４－７に示す２４２種のタンパク質（Ｄ
）と、ランダムフォレストにより特徴量タンパク質として選択された表１５－１～１５－
４に示す１１０種のタンパク質（Ｅ）と、Ｂｏｒｕｔａ法により特徴量タンパク質として
選択された表１６に示す２４種のタンパク質（Ｆ）の和集合（Ｄ∪Ｅ∪Ｆ）が、表５－１
～５－９に示す２８３種のタンパク質である。表５－１～５－９に示すタンパク質からな
る群より選択される少なくとも１種のタンパク質は、本発明において好ましい成人ＡＤ検
出用のタンパク質マーカーとして使用される。該少なくとも１種のタンパク質の量を被験
体と健常群との間で比較することで、成人ＡＤを検出することができる。あるいは、該少
なくとも１種のタンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデル
に基づいて成人ＡＤを検出することができる。
－７、表１０－１～１０－２及び表１４－１～１４－７に示す２４２種のタンパク質（Ｄ
）と、ランダムフォレストにより特徴量タンパク質として選択された表１５－１～１５－
４に示す１１０種のタンパク質（Ｅ）と、Ｂｏｒｕｔａ法により特徴量タンパク質として
選択された表１６に示す２４種のタンパク質（Ｆ）の和集合（Ｄ∪Ｅ∪Ｆ）が、表５－１
～５－９に示す２８３種のタンパク質である。表５－１～５－９に示すタンパク質からな
る群より選択される少なくとも１種のタンパク質は、本発明において好ましい成人ＡＤ検
出用のタンパク質マーカーとして使用される。該少なくとも１種のタンパク質の量を被験
体と健常群との間で比較することで、成人ＡＤを検出することができる。あるいは、該少
なくとも１種のタンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデル
に基づいて成人ＡＤを検出することができる。
【0082】
【表5-1】
【0083】
【表5-2】
【0084】
【表5-3】
【0085】
【表5-4】
【0086】
【表5-5】
【0087】
【表5-6】
【0088】
【表5-7】
【0089】
【表5-8】
【0090】
【表5-9】
【0091】
上述の表５－１～５－９に示すタンパク質のうち、SERPINB1（Leukocyte elastase inh
ibitor）、TTR（Transthyretin）、DHX36（ATP-dependent DNA/RNA helicase DHX36）、I
TIH4（Inter-alpha-trypsin inhibitor heavy chain H4）、GC（Vitamin D-binding prot
ein）、ALB（Serum albumin）、SERPING1（Plasma protease C1 inhibitor）、DDX55（AT
P-dependent RNA helicase DDX55）、IGHV1-46（Immunoglobulin heavy variable 1-46）
、EZR（Ezrin）、VTN（Vitronectin）、AHSG（Alpha-2-HS-glycoprotein）、HPX（Hemope
xin）、PPIA（Peptidyl-prolyl cis-trans isomerase A）、KNG1（Kininogen-1）、FN1（
Fibronectin）、PLG（Plasminogen）、PRDX6（Peroxiredoxin-6）及びFLG2（Filaggrin-2
）からなる１９種のタンパク質は、上記のタンパク質（Ｄ）、（Ｅ）及び（Ｆ）に共通す
るタンパク質である。これら１９種のタンパク質から選択される少なくとも１種のタンパ
ク質は、本発明においてより好ましい成人ＡＤ検出用マーカーとして使用される。該少な
くとも１種のタンパク質の量を被験体と健常群との間で比較することで、成人ＡＤを検出
することができる。あるいは、該少なくとも１種のタンパク質を特徴量タンパク質として
予測モデルを構築し、該予測モデルに基づいて成人ＡＤを検出することができる。
ibitor）、TTR（Transthyretin）、DHX36（ATP-dependent DNA/RNA helicase DHX36）、I
TIH4（Inter-alpha-trypsin inhibitor heavy chain H4）、GC（Vitamin D-binding prot
ein）、ALB（Serum albumin）、SERPING1（Plasma protease C1 inhibitor）、DDX55（AT
P-dependent RNA helicase DDX55）、IGHV1-46（Immunoglobulin heavy variable 1-46）
、EZR（Ezrin）、VTN（Vitronectin）、AHSG（Alpha-2-HS-glycoprotein）、HPX（Hemope
xin）、PPIA（Peptidyl-prolyl cis-trans isomerase A）、KNG1（Kininogen-1）、FN1（
Fibronectin）、PLG（Plasminogen）、PRDX6（Peroxiredoxin-6）及びFLG2（Filaggrin-2
）からなる１９種のタンパク質は、上記のタンパク質（Ｄ）、（Ｅ）及び（Ｆ）に共通す
るタンパク質である。これら１９種のタンパク質から選択される少なくとも１種のタンパ
ク質は、本発明においてより好ましい成人ＡＤ検出用マーカーとして使用される。該少な
くとも１種のタンパク質の量を被験体と健常群との間で比較することで、成人ＡＤを検出
することができる。あるいは、該少なくとも１種のタンパク質を特徴量タンパク質として
予測モデルを構築し、該予測モデルに基づいて成人ＡＤを検出することができる。
【0092】
本発明の好ましい実施形態においては、成人被験体から採取したＳＳＬから、前記１９
種のタンパク質からなる群より選択される少なくとも１種、好ましくは２種以上、より好
ましくは５種以上、さらに好ましくは１０種以上、さらに好ましくは全てのタンパク質を
定量する。また、本発明では、前記１９種のタンパク質からなる群より選択される少なく
とも１種のタンパク質に加えて、下記表５－１～５－９に示される２８３種のタンパク質
（前記１９種のタンパク質を除く）からなる群より選択される少なくとも１種のタンパク
質を定量してもよい。例えば、前記１９種のタンパク質からなる群より選択される少なく
とも１種のタンパク質に加えて、表１４－１～１４－７に示される２２０種のタンパク質
（前記１９種のタンパク質を除く）からなる群より選択される少なくとも１種、表１５－
１～１５－４に示される１１０種のタンパク質（前記１９種のタンパク質を除く）からな
る群より選択される少なくとも１種、及び／又は表１６に示される２４種のタンパク質（
前記１９種のタンパク質を除く）からなる群より選択される少なくとも１種を定量しても
よい。このとき、表１４－１～１４－７からタンパク質を選択する場合は、発現変動の有
意性がより高い（例えばｐ値がより小さい）ものから優先的に選択してもよい。また、表
１５－１～１５－４のタンパク質を選択する場合は、変数重要度がより上位のタンパク質
から優先的に選択したり、変数重要度が上位から５０位、好ましくは３０位までのタンパ
ク質群から選択してもよい。該少なくとも１種のタンパク質の量を被験体と健常群との間
で比較することで、成人ＡＤを検出することができる。あるいは、該少なくとも１種のタ
ンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデルに基づいて成人Ａ
Ｄを検出することができる。
種のタンパク質からなる群より選択される少なくとも１種、好ましくは２種以上、より好
ましくは５種以上、さらに好ましくは１０種以上、さらに好ましくは全てのタンパク質を
定量する。また、本発明では、前記１９種のタンパク質からなる群より選択される少なく
とも１種のタンパク質に加えて、下記表５－１～５－９に示される２８３種のタンパク質
（前記１９種のタンパク質を除く）からなる群より選択される少なくとも１種のタンパク
質を定量してもよい。例えば、前記１９種のタンパク質からなる群より選択される少なく
とも１種のタンパク質に加えて、表１４－１～１４－７に示される２２０種のタンパク質
（前記１９種のタンパク質を除く）からなる群より選択される少なくとも１種、表１５－
１～１５－４に示される１１０種のタンパク質（前記１９種のタンパク質を除く）からな
る群より選択される少なくとも１種、及び／又は表１６に示される２４種のタンパク質（
前記１９種のタンパク質を除く）からなる群より選択される少なくとも１種を定量しても
よい。このとき、表１４－１～１４－７からタンパク質を選択する場合は、発現変動の有
意性がより高い（例えばｐ値がより小さい）ものから優先的に選択してもよい。また、表
１５－１～１５－４のタンパク質を選択する場合は、変数重要度がより上位のタンパク質
から優先的に選択したり、変数重要度が上位から５０位、好ましくは３０位までのタンパ
ク質群から選択してもよい。該少なくとも１種のタンパク質の量を被験体と健常群との間
で比較することで、成人ＡＤを検出することができる。あるいは、該少なくとも１種のタ
ンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデルに基づいて成人Ａ
Ｄを検出することができる。
【0093】
本発明の例示的実施形態として、以下の物質、製造方法、用途、方法等をさらに本明細
書に開示する。但し、本発明はこれらの実施形態に限定されない。
書に開示する。但し、本発明はこれらの実施形態に限定されない。
【0094】
〔１〕被験体から採取した皮膚表上脂質から、上記表１－１～１－１３に示すタンパク質
からなる群より選択される少なくとも１種のタンパク質を回収することを含む、アトピー
性皮膚炎検出用タンパク質マーカーの調製方法。
〔２〕被験体から採取した皮膚表上脂質から、上記表１－１～１－１３に示すタンパク質
からなる群より選択される少なくとも１種のタンパク質を検出することを含む、被験体に
おけるアトピー性皮膚炎の検出方法。
〔３〕好ましくは、前記少なくとも１種のタンパク質が、
表２－１～２－５に示すタンパク質からなる群より選択される少なくとも１種のタンパ
ク質であるか、
表３－１～３－２に示すタンパク質からなる群より選択される少なくとも１種のタンパ
ク質である、
〔１〕又は〔２〕記載の方法。
〔４〕前記被験体が好ましくは乳幼児であり、
前記少なくとも１種のタンパク質が、
好ましくは、表４－１～４－６に示すタンパク質からなる群より選択される少なくと
も１種のタンパク質であり、
より好ましくは、表７－１～７－４及び表８に示すタンパク質からなる群より選択さ
れる少なくとも１種のタンパク質であり、
さらに好ましくは、表１１－１～１１－４に示すタンパク質からなる群より選択され
る少なくとも１種のタンパク質であるか、又は表１２－１～１２－４に示すタンパク質か
らなる群より選択される少なくとも１種のタンパク質であるか、又は表１３に示すタンパ
ク質からなる群より選択される少なくとも１種のタンパク質であり、
さらに好ましくは、POF1B、MNDA、SERPINB4、CLEC3B、PLEC、LGALS7、H2AC4、SERPIN
B3、AMBP、PFN1、DSC3、IGHG1、ORM1、RECQL、RPL26、KLK13、RPL22、APOA2、SERPINB5、
LCN15、IGHG3、CAP1及びSPRR2Fからなる群より選択される少なくとも１種のタンパク質を
含み、
さらに好ましくは、POF1B、MNDA、SERPINB4、CLEC3B、PLEC、LGALS7、H2AC4、SERPIN
B3、AMBP、PFN1、DSC3、IGHG1、ORM1、RECQL、RPL26、KLK13、RPL22、APOA2、SERPINB5、
LCN15、IGHG3、CAP1及びSPRR2Fからなる群より選択される少なくとも１種のタンパク質と
、表１１－１～１１－４、表１２－１～１２－４及び表１３に示すタンパク質からなる群
より選択される少なくとも１種の別のタンパク質との組み合わせである、
〔１〕又は〔２〕記載の方法。
〔５〕前記被験体が好ましくは成人であり、
前記少なくとも１種のタンパク質が、
好ましくは、表５－１～５－９に示すタンパク質からなる群より選択される少なくと
も１種のタンパク質であり、
より好ましくは、表９－１～９－７及び表１０－１～１０－２に示すタンパク質から
なる群より選択される少なくとも１種のタンパク質であり、
さらに好ましくは、表１４－１～１４－７に示すタンパク質からなる群より選択され
る少なくとも１種のタンパク質であるか、又は表１５－１～１５－４に示すタンパク質か
らなる群より選択される少なくとも１種のタンパク質であるか、又は表１６に示すタンパ
ク質からなる群より選択される少なくとも１種のタンパク質であり、
さらに好ましくは、SERPINB1、TTR、DHX36、ITIH4、GC、ALB、SERPING1、DDX55、IGH
V1-46、EZR、VTN、AHSG、HPX、PPIA、KNG1、FN1、PLG、PRDX6及びFLG2からなる群より選
択される少なくとも１種のタンパク質を含み、
さらに好ましくは、SERPINB1、TTR、DHX36、ITIH4、GC、ALB、SERPING1、DDX55、IGH
V1-46、EZR、VTN、AHSG、HPX、PPIA、KNG1、FN1、PLG、PRDX6及びFLG2からなる群より選
択される少なくとも１種のタンパク質と、表１４－１～１４－７、表１５－１～１５－４
及び表１６に示すタンパク質からなる群より選択される少なくとも１種の別のタンパク質
との組み合わせである、
〔１〕又は〔２〕記載の方法。
〔６〕前記被験体が、好ましくは乳幼児であり、
前記少なくとも１種のタンパク質が、好ましくは表７－１～７－４に示すタンパク質か
らなる群より選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して増加
していた場合に、該被験体をアトピー性皮膚炎と検出することを含む、
〔２〕記載の方法。
〔７〕前記被験体が、好ましくは乳幼児であり、
前記少なくとも１種のタンパク質が、好ましくは表８に示すタンパク質からなる群より
選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して低下
していた場合に、該被験体をアトピー性皮膚炎と検出することを含む、
〔２〕記載の方法。
〔８〕前記被験体が、好ましくは成人であり、
前記少なくとも１種のタンパク質が、好ましくは表９－１～９－７に示すタンパク質か
らなる群より選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して増加
していた場合に、該被験体をアトピー性皮膚炎と検出することを含む、
〔２〕記載の方法。
〔９〕前記被験体が、好ましくは成人であり、
前記少なくとも１種のタンパク質が、好ましくは表１０－１～１０－２に示すタンパク
質からなる群より選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して低下
していた場合に、該被験体をアトピー性皮膚炎と検出することを含む、
〔２〕記載の方法。
〔１０〕前記方法が、
好ましくは、前記少なくとも１種のタンパク質の濃度を説明変数とし、ＡＤの有無を目
的変数として構築された予測モデルに基づいてＡＤを検出することを含み、
より好ましくは、アトピー性皮膚炎患者と健常者を判別するカットオフ値に基づいてＡ
Ｄを検出することを含み、該カットオフ値が、アトピー性皮膚炎患者由来の前記少なくと
も１種のタンパク質の濃度と、健常者由来の該タンパク質の濃度を教師サンプルとして構
築された、アトピー性皮膚炎患者と健常者を分ける判別式から算出され、前記被験体の皮
膚表上脂質から得られた該少なくとも１種のタンパク質の濃度を該判別式に代入し、得ら
れた結果を該カットオフ値と比較することによって、該被験体におけるアトピー性皮膚炎
の有無を評価する、
〔２〕～〔５〕のいずれか１項記載の方法。
〔１１〕好ましくは、アトピー性皮膚炎を有する又はその発症が疑われる被験体由来の皮
膚表上脂質を検出する、〔２〕～〔１０〕のいずれか１項記載の方法。
〔１２〕前記被験体が、好ましくは乳幼児であり、
前記少なくとも１種のタンパク質が、好ましくは表７－１～７－４に示すタンパク質か
らなる群より選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して増加
していた場合に、前記皮膚表上脂質をアトピー性皮膚炎を有する又はその発症が疑われる
被験体由来のものとして検出することを含む、
〔１１〕記載の方法。
〔１３〕前記被験体が、好ましくは乳幼児であり、
前記少なくとも１種のタンパク質が、好ましくは表８に示すタンパク質からなる群より
選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して低下
していた場合に、前記皮膚表上脂質をアトピー性皮膚炎を有する又はその発症が疑われる
被験体由来のものとして検出することを含む、
〔１１〕記載の方法。
〔１４〕前記被験体が、好ましくは成人であり、
前記少なくとも１種のタンパク質が、好ましくは表９－１～９－７に示すタンパク質か
らなる群より選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して増加
していた場合に、前記皮膚表上脂質をアトピー性皮膚炎を有する又はその発症が疑われる
被験体由来のものとして検出することを含む、
〔１１〕記載の方法。
〔１５〕前記被験体が、好ましくは成人であり、
前記少なくとも１種のタンパク質が、好ましくは表１０－１～１０－２に示すタンパク
質からなる群より選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して低下
していた場合に、前記皮膚表上脂質をアトピー性皮膚炎を有する又はその発症が疑われる
被験体由来のものとして検出することを含む、
〔１１〕記載の方法。
〔１６〕好ましくは、前記被験体から皮膚表上脂質を採取することをさらに含む、〔１〕
～〔１５〕のいずれか１項記載の方法。
からなる群より選択される少なくとも１種のタンパク質を回収することを含む、アトピー
性皮膚炎検出用タンパク質マーカーの調製方法。
〔２〕被験体から採取した皮膚表上脂質から、上記表１－１～１－１３に示すタンパク質
からなる群より選択される少なくとも１種のタンパク質を検出することを含む、被験体に
おけるアトピー性皮膚炎の検出方法。
〔３〕好ましくは、前記少なくとも１種のタンパク質が、
表２－１～２－５に示すタンパク質からなる群より選択される少なくとも１種のタンパ
ク質であるか、
表３－１～３－２に示すタンパク質からなる群より選択される少なくとも１種のタンパ
ク質である、
〔１〕又は〔２〕記載の方法。
〔４〕前記被験体が好ましくは乳幼児であり、
前記少なくとも１種のタンパク質が、
好ましくは、表４－１～４－６に示すタンパク質からなる群より選択される少なくと
も１種のタンパク質であり、
より好ましくは、表７－１～７－４及び表８に示すタンパク質からなる群より選択さ
れる少なくとも１種のタンパク質であり、
さらに好ましくは、表１１－１～１１－４に示すタンパク質からなる群より選択され
る少なくとも１種のタンパク質であるか、又は表１２－１～１２－４に示すタンパク質か
らなる群より選択される少なくとも１種のタンパク質であるか、又は表１３に示すタンパ
ク質からなる群より選択される少なくとも１種のタンパク質であり、
さらに好ましくは、POF1B、MNDA、SERPINB4、CLEC3B、PLEC、LGALS7、H2AC4、SERPIN
B3、AMBP、PFN1、DSC3、IGHG1、ORM1、RECQL、RPL26、KLK13、RPL22、APOA2、SERPINB5、
LCN15、IGHG3、CAP1及びSPRR2Fからなる群より選択される少なくとも１種のタンパク質を
含み、
さらに好ましくは、POF1B、MNDA、SERPINB4、CLEC3B、PLEC、LGALS7、H2AC4、SERPIN
B3、AMBP、PFN1、DSC3、IGHG1、ORM1、RECQL、RPL26、KLK13、RPL22、APOA2、SERPINB5、
LCN15、IGHG3、CAP1及びSPRR2Fからなる群より選択される少なくとも１種のタンパク質と
、表１１－１～１１－４、表１２－１～１２－４及び表１３に示すタンパク質からなる群
より選択される少なくとも１種の別のタンパク質との組み合わせである、
〔１〕又は〔２〕記載の方法。
〔５〕前記被験体が好ましくは成人であり、
前記少なくとも１種のタンパク質が、
好ましくは、表５－１～５－９に示すタンパク質からなる群より選択される少なくと
も１種のタンパク質であり、
より好ましくは、表９－１～９－７及び表１０－１～１０－２に示すタンパク質から
なる群より選択される少なくとも１種のタンパク質であり、
さらに好ましくは、表１４－１～１４－７に示すタンパク質からなる群より選択され
る少なくとも１種のタンパク質であるか、又は表１５－１～１５－４に示すタンパク質か
らなる群より選択される少なくとも１種のタンパク質であるか、又は表１６に示すタンパ
ク質からなる群より選択される少なくとも１種のタンパク質であり、
さらに好ましくは、SERPINB1、TTR、DHX36、ITIH4、GC、ALB、SERPING1、DDX55、IGH
V1-46、EZR、VTN、AHSG、HPX、PPIA、KNG1、FN1、PLG、PRDX6及びFLG2からなる群より選
択される少なくとも１種のタンパク質を含み、
さらに好ましくは、SERPINB1、TTR、DHX36、ITIH4、GC、ALB、SERPING1、DDX55、IGH
V1-46、EZR、VTN、AHSG、HPX、PPIA、KNG1、FN1、PLG、PRDX6及びFLG2からなる群より選
択される少なくとも１種のタンパク質と、表１４－１～１４－７、表１５－１～１５－４
及び表１６に示すタンパク質からなる群より選択される少なくとも１種の別のタンパク質
との組み合わせである、
〔１〕又は〔２〕記載の方法。
〔６〕前記被験体が、好ましくは乳幼児であり、
前記少なくとも１種のタンパク質が、好ましくは表７－１～７－４に示すタンパク質か
らなる群より選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して増加
していた場合に、該被験体をアトピー性皮膚炎と検出することを含む、
〔２〕記載の方法。
〔７〕前記被験体が、好ましくは乳幼児であり、
前記少なくとも１種のタンパク質が、好ましくは表８に示すタンパク質からなる群より
選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して低下
していた場合に、該被験体をアトピー性皮膚炎と検出することを含む、
〔２〕記載の方法。
〔８〕前記被験体が、好ましくは成人であり、
前記少なくとも１種のタンパク質が、好ましくは表９－１～９－７に示すタンパク質か
らなる群より選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して増加
していた場合に、該被験体をアトピー性皮膚炎と検出することを含む、
〔２〕記載の方法。
〔９〕前記被験体が、好ましくは成人であり、
前記少なくとも１種のタンパク質が、好ましくは表１０－１～１０－２に示すタンパク
質からなる群より選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して低下
していた場合に、該被験体をアトピー性皮膚炎と検出することを含む、
〔２〕記載の方法。
〔１０〕前記方法が、
好ましくは、前記少なくとも１種のタンパク質の濃度を説明変数とし、ＡＤの有無を目
的変数として構築された予測モデルに基づいてＡＤを検出することを含み、
より好ましくは、アトピー性皮膚炎患者と健常者を判別するカットオフ値に基づいてＡ
Ｄを検出することを含み、該カットオフ値が、アトピー性皮膚炎患者由来の前記少なくと
も１種のタンパク質の濃度と、健常者由来の該タンパク質の濃度を教師サンプルとして構
築された、アトピー性皮膚炎患者と健常者を分ける判別式から算出され、前記被験体の皮
膚表上脂質から得られた該少なくとも１種のタンパク質の濃度を該判別式に代入し、得ら
れた結果を該カットオフ値と比較することによって、該被験体におけるアトピー性皮膚炎
の有無を評価する、
〔２〕～〔５〕のいずれか１項記載の方法。
〔１１〕好ましくは、アトピー性皮膚炎を有する又はその発症が疑われる被験体由来の皮
膚表上脂質を検出する、〔２〕～〔１０〕のいずれか１項記載の方法。
〔１２〕前記被験体が、好ましくは乳幼児であり、
前記少なくとも１種のタンパク質が、好ましくは表７－１～７－４に示すタンパク質か
らなる群より選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して増加
していた場合に、前記皮膚表上脂質をアトピー性皮膚炎を有する又はその発症が疑われる
被験体由来のものとして検出することを含む、
〔１１〕記載の方法。
〔１３〕前記被験体が、好ましくは乳幼児であり、
前記少なくとも１種のタンパク質が、好ましくは表８に示すタンパク質からなる群より
選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して低下
していた場合に、前記皮膚表上脂質をアトピー性皮膚炎を有する又はその発症が疑われる
被験体由来のものとして検出することを含む、
〔１１〕記載の方法。
〔１４〕前記被験体が、好ましくは成人であり、
前記少なくとも１種のタンパク質が、好ましくは表９－１～９－７に示すタンパク質か
らなる群より選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して増加
していた場合に、前記皮膚表上脂質をアトピー性皮膚炎を有する又はその発症が疑われる
被験体由来のものとして検出することを含む、
〔１１〕記載の方法。
〔１５〕前記被験体が、好ましくは成人であり、
前記少なくとも１種のタンパク質が、好ましくは表１０－１～１０－２に示すタンパク
質からなる群より選択される少なくとも１種のタンパク質であり、
前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が健常群と比較して低下
していた場合に、前記皮膚表上脂質をアトピー性皮膚炎を有する又はその発症が疑われる
被験体由来のものとして検出することを含む、
〔１１〕記載の方法。
〔１６〕好ましくは、前記被験体から皮膚表上脂質を採取することをさらに含む、〔１〕
～〔１５〕のいずれか１項記載の方法。
【0095】
〔１７〕上記上記表１－１～１－１３に示すタンパク質からなる群より選択される少なく
とも１種を含む、アトピー性皮膚炎検出用タンパク質マーカー。
〔１８〕好ましくは、前記少なくとも１種のタンパク質が、
表２－１～２－５に示すタンパク質からなる群より選択される少なくとも１種のタンパ
ク質であるか、
表３－１～３－２に示すタンパク質からなる群より選択される少なくとも１種のタンパ
ク質である、
〔１７〕記載のマーカー。
〔１９〕前記マーカーが好ましくは乳幼児アトピー性皮膚炎検出用マーカーであり、
前記少なくとも１種のタンパク質が、
好ましくは、表７－１～７－４及び表８に示すタンパク質からなる群より選択される
少なくとも１種のタンパク質であり、
より好ましくは、表１１－１～１１－４に示すタンパク質からなる群より選択される
少なくとも１種のタンパク質であり、
さらに好ましくは、表４－１～４－６に示すタンパク質からなる群より選択される少
なくとも１種のタンパク質であり、
さらに好ましくは、POF1B、MNDA、SERPINB4、CLEC3B、PLEC、LGALS7、H2AC4、SERPIN
B3、AMBP、PFN1、DSC3、IGHG1、ORM1、RECQL、RPL26、KLK13、RPL22、APOA2、SERPINB5、
LCN15、IGHG3、CAP1及びSPRR2Fからなる群より選択される少なくとも１種のタンパク質で
ある、
〔１７〕記載のマーカー。
〔２０〕前記被験体が好ましくは前記マーカーが好ましくは成人アトピー性皮膚炎検出用
マーカーであり、
前記少なくとも１種のタンパク質が、
好ましくは、表９－１～９－７及び表１０－１～１０－２に示すタンパク質からなる
群より選択される少なくとも１種のタンパク質であり、
より好ましくは、表１４－１～１４－７に示すタンパク質からなる群より選択される
少なくとも１種のタンパク質であり、
さらに好ましくは、表５－１～５－９に示すタンパク質からなる群より選択される少
なくとも１種のタンパク質であり、
さらに好ましくは、SERPINB1、TTR、DHX36、ITIH4、GC、ALB、SERPING1、DDX55、IGH
V1-46、EZR、VTN、AHSG、HPX、PPIA、KNG1、FN1、PLG、PRDX6及びFLG2からなる群より選
択される少なくとも１種のタンパク質である、
〔１７〕記載のマーカー。
とも１種を含む、アトピー性皮膚炎検出用タンパク質マーカー。
〔１８〕好ましくは、前記少なくとも１種のタンパク質が、
表２－１～２－５に示すタンパク質からなる群より選択される少なくとも１種のタンパ
ク質であるか、
表３－１～３－２に示すタンパク質からなる群より選択される少なくとも１種のタンパ
ク質である、
〔１７〕記載のマーカー。
〔１９〕前記マーカーが好ましくは乳幼児アトピー性皮膚炎検出用マーカーであり、
前記少なくとも１種のタンパク質が、
好ましくは、表７－１～７－４及び表８に示すタンパク質からなる群より選択される
少なくとも１種のタンパク質であり、
より好ましくは、表１１－１～１１－４に示すタンパク質からなる群より選択される
少なくとも１種のタンパク質であり、
さらに好ましくは、表４－１～４－６に示すタンパク質からなる群より選択される少
なくとも１種のタンパク質であり、
さらに好ましくは、POF1B、MNDA、SERPINB4、CLEC3B、PLEC、LGALS7、H2AC4、SERPIN
B3、AMBP、PFN1、DSC3、IGHG1、ORM1、RECQL、RPL26、KLK13、RPL22、APOA2、SERPINB5、
LCN15、IGHG3、CAP1及びSPRR2Fからなる群より選択される少なくとも１種のタンパク質で
ある、
〔１７〕記載のマーカー。
〔２０〕前記被験体が好ましくは前記マーカーが好ましくは成人アトピー性皮膚炎検出用
マーカーであり、
前記少なくとも１種のタンパク質が、
好ましくは、表９－１～９－７及び表１０－１～１０－２に示すタンパク質からなる
群より選択される少なくとも１種のタンパク質であり、
より好ましくは、表１４－１～１４－７に示すタンパク質からなる群より選択される
少なくとも１種のタンパク質であり、
さらに好ましくは、表５－１～５－９に示すタンパク質からなる群より選択される少
なくとも１種のタンパク質であり、
さらに好ましくは、SERPINB1、TTR、DHX36、ITIH4、GC、ALB、SERPING1、DDX55、IGH
V1-46、EZR、VTN、AHSG、HPX、PPIA、KNG1、FN1、PLG、PRDX6及びFLG2からなる群より選
択される少なくとも１種のタンパク質である、
〔１７〕記載のマーカー。
【0096】
〔２１〕上記表１－１～１－１３に示すタンパク質からなる群より選択される少なくとも
１種のタンパク質の、アトピー性皮膚炎検出用マーカーとしての使用。
〔２２〕上記表１－１～１－１３に示すタンパク質からなる群より選択される少なくとも
１種のタンパク質の、アトピー性皮膚炎検出用タンパク質マーカーの製造における使用。
〔２３〕好ましくは、前記少なくとも１種のタンパク質が、
表２－１～２－５に示すタンパク質からなる群より選択される少なくとも１種のタンパ
ク質であるか、
表３－１～３－２に示すタンパク質からなる群より選択される少なくとも１種のタンパ
ク質である、
〔２１〕又は〔２２〕記載の使用。
〔２４〕前記マーカーが好ましくは乳幼児アトピー性皮膚炎検出用マーカーであり、
前記少なくとも１種のタンパク質が、
好ましくは、表７－１～７－４及び表８に示すタンパク質からなる群より選択される
少なくとも１種のタンパク質であり、
より好ましくは、表１１－１～１１－４に示すタンパク質からなる群より選択される
少なくとも１種のタンパク質であり、
さらに好ましくは、表４－１～４－６に示すタンパク質からなる群より選択される少
なくとも１種のタンパク質であり、
さらに好ましくは、POF1B、MNDA、SERPINB4、CLEC3B、PLEC、LGALS7、H2AC4、SERPIN
B3、AMBP、PFN1、DSC3、IGHG1、ORM1、RECQL、RPL26、KLK13、RPL22、APOA2、SERPINB5、
LCN15、IGHG3、CAP1及びSPRR2Fからなる群より選択される少なくとも１種のタンパク質で
ある、
〔２１〕又は〔２２〕記載の使用。
〔２５〕前記被験体が好ましくは前記マーカーが好ましくは成人アトピー性皮膚炎検出用
マーカーであり、
前記少なくとも１種のタンパク質が、
好ましくは、表９－１～９－７及び表１０－１～１０－２に示すタンパク質からなる
群より選択される少なくとも１種のタンパク質であり、
より好ましくは、表１４－１～１４－７に示すタンパク質からなる群より選択される
少なくとも１種のタンパク質であり、
さらに好ましくは、表５－１～５－９に示すタンパク質からなる群より選択される少
なくとも１種のタンパク質であり、
さらに好ましくは、SERPINB1、TTR、DHX36、ITIH4、GC、ALB、SERPING1、DDX55、IGH
V1-46、EZR、VTN、AHSG、HPX、PPIA、KNG1、FN1、PLG、PRDX6及びFLG2からなる群より選
択される少なくとも１種のタンパク質である、
〔２１〕又は〔２２〕記載の使用。
１種のタンパク質の、アトピー性皮膚炎検出用マーカーとしての使用。
〔２２〕上記表１－１～１－１３に示すタンパク質からなる群より選択される少なくとも
１種のタンパク質の、アトピー性皮膚炎検出用タンパク質マーカーの製造における使用。
〔２３〕好ましくは、前記少なくとも１種のタンパク質が、
表２－１～２－５に示すタンパク質からなる群より選択される少なくとも１種のタンパ
ク質であるか、
表３－１～３－２に示すタンパク質からなる群より選択される少なくとも１種のタンパ
ク質である、
〔２１〕又は〔２２〕記載の使用。
〔２４〕前記マーカーが好ましくは乳幼児アトピー性皮膚炎検出用マーカーであり、
前記少なくとも１種のタンパク質が、
好ましくは、表７－１～７－４及び表８に示すタンパク質からなる群より選択される
少なくとも１種のタンパク質であり、
より好ましくは、表１１－１～１１－４に示すタンパク質からなる群より選択される
少なくとも１種のタンパク質であり、
さらに好ましくは、表４－１～４－６に示すタンパク質からなる群より選択される少
なくとも１種のタンパク質であり、
さらに好ましくは、POF1B、MNDA、SERPINB4、CLEC3B、PLEC、LGALS7、H2AC4、SERPIN
B3、AMBP、PFN1、DSC3、IGHG1、ORM1、RECQL、RPL26、KLK13、RPL22、APOA2、SERPINB5、
LCN15、IGHG3、CAP1及びSPRR2Fからなる群より選択される少なくとも１種のタンパク質で
ある、
〔２１〕又は〔２２〕記載の使用。
〔２５〕前記被験体が好ましくは前記マーカーが好ましくは成人アトピー性皮膚炎検出用
マーカーであり、
前記少なくとも１種のタンパク質が、
好ましくは、表９－１～９－７及び表１０－１～１０－２に示すタンパク質からなる
群より選択される少なくとも１種のタンパク質であり、
より好ましくは、表１４－１～１４－７に示すタンパク質からなる群より選択される
少なくとも１種のタンパク質であり、
さらに好ましくは、表５－１～５－９に示すタンパク質からなる群より選択される少
なくとも１種のタンパク質であり、
さらに好ましくは、SERPINB1、TTR、DHX36、ITIH4、GC、ALB、SERPING1、DDX55、IGH
V1-46、EZR、VTN、AHSG、HPX、PPIA、KNG1、FN1、PLG、PRDX6及びFLG2からなる群より選
択される少なくとも１種のタンパク質である、
〔２１〕又は〔２２〕記載の使用。
【実施例0097】
以下、実施例に基づき本発明をさらに詳細に説明するが、本発明はこれに限定されるも
のではない。
のではない。
【0098】
実施例１ 乳幼児ＳＳＬ由来タンパク質を用いた、アトピー性皮膚炎関連の発現変動タン
パク質の同定
１）被験者及びＳＳＬ採取
健常児（６ヵ月～５歳男女）２３名（健常群）、及びアトピー性皮膚炎罹患児（ＡＤ罹
患児）（６ヵ月～５歳男女）１６名（ＡＤ群）を被験者とした。ＡＤ罹患児のリクルート
では、保護者による判定でＵＫＷＰ基準を満たしたＡＤ罹患児を集め、インフォームドコ
ンセントにより保護者の同意の得られた患者を選抜した。選抜したＡＤ罹患児について、
皮膚科医が全身の皮膚の観察・及び問診をし、アトピー性皮膚炎診療ガイドラインに基づ
きＡＤの診断をした。ＡＤと診断されたＡＤ罹患児のなかから、アトピー性皮膚炎診療ガ
イドラインに記載の重症度評価基準に基づき、顔に軽症度以上のＡＤ様の湿疹や乾燥等の
症状を呈する乳幼児を選定し、被験者とした。各被験者の全顔（ＡＤ罹患児は皮疹部を含
む）からあぶら取りフィルム（５×８ｃｍ、ポリプロピレン製、３Ｍ社）を用いて皮脂を
回収した。該あぶら取りフィルムをガラスバイアルに移し、タンパク質抽出に使用するま
で－８０℃で約１ヶ月間保存した。
パク質の同定
１）被験者及びＳＳＬ採取
健常児（６ヵ月～５歳男女）２３名（健常群）、及びアトピー性皮膚炎罹患児（ＡＤ罹
患児）（６ヵ月～５歳男女）１６名（ＡＤ群）を被験者とした。ＡＤ罹患児のリクルート
では、保護者による判定でＵＫＷＰ基準を満たしたＡＤ罹患児を集め、インフォームドコ
ンセントにより保護者の同意の得られた患者を選抜した。選抜したＡＤ罹患児について、
皮膚科医が全身の皮膚の観察・及び問診をし、アトピー性皮膚炎診療ガイドラインに基づ
きＡＤの診断をした。ＡＤと診断されたＡＤ罹患児のなかから、アトピー性皮膚炎診療ガ
イドラインに記載の重症度評価基準に基づき、顔に軽症度以上のＡＤ様の湿疹や乾燥等の
症状を呈する乳幼児を選定し、被験者とした。各被験者の全顔（ＡＤ罹患児は皮疹部を含
む）からあぶら取りフィルム（５×８ｃｍ、ポリプロピレン製、３Ｍ社）を用いて皮脂を
回収した。該あぶら取りフィルムをガラスバイアルに移し、タンパク質抽出に使用するま
で－８０℃で約１ヶ月間保存した。
【0099】
２）タンパク質調製
上記１）のあぶら取りフィルムを適当な大きさに切断し、ＱＩＡｚｏｌ Ｌｙｓｉｓ
Ｒｅａｇｅｎｔ（Ｑｉａｇｅｎ）を用いて、付属のプロトコルに準じてタンパク質沈殿物
を得た。得られたタンパク質沈殿物より、ＭＰＥＸ ＰＴＳ Ｒｅａｇｅｎｔ（ＧＬ ｓ
ｃｉｅｎｃｅ）を用いて、付属のプロトコルに準じてタンパク質を可溶化液で溶解後、ト
リプシン消化をして、ペプチド溶液を得た。得られたペプチド溶液を減圧乾燥（３５℃）
した後、０．１％ ｆｏｒｍｉｃ ａｃｉｄ、２％ ａｃｅｔｏｎｉｔｒｉｌｅを含む水
溶液にて溶解させた。ＰｉｅｒｃｅTM Ｑｕａｎｔｉｔａｔｉｖｅ Ｆｌｕｏｒｏｍｅｔ
ｒｉｃ Ｐｅｐｔｉｄｅ Ａｓｓａｙ（ＴｈｅｒｍｏＦｉｓｈｅｒ Ｓｃｉｅｎｔｉｆｉ
ｃ）のプロトコルに従い、マイクロプレートリーダー（Ｃｏｒｏｎａ Ｅｌｅｃｔｒｉｃ
）を用いて溶液中のペプチド濃度を測定した。必要なペプチド量が得られなかったＡＤ罹
患児１名からのペプチド溶液は、以下の分析のサンプルから除外した。ＬＣ－ＭＳ／ＭＳ
分析に当たっては、ＭＳ装置に供するペプチド濃度を一定にして分析し、タンパク定量値
を算出した。
上記１）のあぶら取りフィルムを適当な大きさに切断し、ＱＩＡｚｏｌ Ｌｙｓｉｓ
Ｒｅａｇｅｎｔ（Ｑｉａｇｅｎ）を用いて、付属のプロトコルに準じてタンパク質沈殿物
を得た。得られたタンパク質沈殿物より、ＭＰＥＸ ＰＴＳ Ｒｅａｇｅｎｔ（ＧＬ ｓ
ｃｉｅｎｃｅ）を用いて、付属のプロトコルに準じてタンパク質を可溶化液で溶解後、ト
リプシン消化をして、ペプチド溶液を得た。得られたペプチド溶液を減圧乾燥（３５℃）
した後、０．１％ ｆｏｒｍｉｃ ａｃｉｄ、２％ ａｃｅｔｏｎｉｔｒｉｌｅを含む水
溶液にて溶解させた。ＰｉｅｒｃｅTM Ｑｕａｎｔｉｔａｔｉｖｅ Ｆｌｕｏｒｏｍｅｔ
ｒｉｃ Ｐｅｐｔｉｄｅ Ａｓｓａｙ（ＴｈｅｒｍｏＦｉｓｈｅｒ Ｓｃｉｅｎｔｉｆｉ
ｃ）のプロトコルに従い、マイクロプレートリーダー（Ｃｏｒｏｎａ Ｅｌｅｃｔｒｉｃ
）を用いて溶液中のペプチド濃度を測定した。必要なペプチド量が得られなかったＡＤ罹
患児１名からのペプチド溶液は、以下の分析のサンプルから除外した。ＬＣ－ＭＳ／ＭＳ
分析に当たっては、ＭＳ装置に供するペプチド濃度を一定にして分析し、タンパク定量値
を算出した。
【0100】
３）ＬＣ－ＭＳ／ＭＳ分析及びデータ解析
上記２）で得られたサンプルペプチド溶液を下記表６の条件にてＬＣ－ＭＳ／ＭＳ分析
に供した。
上記２）で得られたサンプルペプチド溶液を下記表６の条件にてＬＣ－ＭＳ／ＭＳ分析
に供した。
【0101】
【表6】
【0102】
ＬＣ－ＭＳ／ＭＳ分析にて得られたスペクトルデータの解析には、Ｐｒｏｔｅｏｍｅ
Ｄｉｓｃｏｖｅｒｅｒ ｖｅｒ．２．２（ＴｈｅｒｍｏＦｉｓｈｅｒ Ｓｃｉｅｎｔｉｆ
ｉｃ）を用いた。タンパク質同定には参照データベースをＳｗｉｓｓ Ｐｒｏｔ、Ｔａｘ
ｏｎｏｍｙをＨｏｍｏ ｓａｐｉｅｎｓと設定し、Ｍａｓｃｏｔ ｄａｔａｂａｓｅ ｓ
ｅａｒｃｈ（Ｍａｔｒｉｘ Ｓｃｉｅｎｃｅ）を用いて検索した。検索では、Ｅｎｚｙｍ
ｅをＴｒｙｐｓｉｎとし、Ｍｉｓｓｅｄ ｃｌｅａｖａｇｅを２、Ｄｙｎａｍｉｃ ｍｏ
ｄｉｆｉｃａｔｉｏｎｓをＯｘｉｄａｔｉｏｎ（Ｍ）、Ａｃｅｔｙｌ（Ｎ－ｔｅｒｍ）、
Ａｃｅｔｙｌ（Ｐｒｏｔｅｉｎ Ｎ－ｔｅｒｍ）、Ｓｔａｔｉｃ Ｍｏｄｉｆｉｃａｔｉ
ｏｎｓを Ｃａｒｂａｍｉｄｏｍｅｔｈｙｌ（Ｃ）に設定した。Ｆａｌｓｅ ｄｉｓｃｏ
ｖｅｒｙ ｒａｔｅ（ＦＤＲ）ｐ＜０．０１を満たすペプチドを検索の対象とした。同定
したタンパク質についてプリカーサーイオンをベースとしたラベルフリー定量解析（ＬＦ
Ｑ，Ｌａｂｅｌ Ｆｒｅｅ Ｑｕａｎｔｉｆｉｃａｔｉｏｎ）を行った。ペプチド由来の
プリカーサーイオンのピーク強度によりタンパク質定量値が算出され、ピーク強度が検出
限界以下であれば欠損値とされた。タンパク質存在比の算出には、Ｓｕｍｍｅｄ Ａｂｕ
ｎｄａｎｃｅ Ｂａｓｅｄ法を用いた。群間の存在差異の有意性を示すｐ値の算出には、
ＡＮＯＶＡ（Ｉｎｄｉｖｉｄｕａｌ Ｂａｓｅｄ，ｔ検定）を用いた。
Ｄｉｓｃｏｖｅｒｅｒ ｖｅｒ．２．２（ＴｈｅｒｍｏＦｉｓｈｅｒ Ｓｃｉｅｎｔｉｆ
ｉｃ）を用いた。タンパク質同定には参照データベースをＳｗｉｓｓ Ｐｒｏｔ、Ｔａｘ
ｏｎｏｍｙをＨｏｍｏ ｓａｐｉｅｎｓと設定し、Ｍａｓｃｏｔ ｄａｔａｂａｓｅ ｓ
ｅａｒｃｈ（Ｍａｔｒｉｘ Ｓｃｉｅｎｃｅ）を用いて検索した。検索では、Ｅｎｚｙｍ
ｅをＴｒｙｐｓｉｎとし、Ｍｉｓｓｅｄ ｃｌｅａｖａｇｅを２、Ｄｙｎａｍｉｃ ｍｏ
ｄｉｆｉｃａｔｉｏｎｓをＯｘｉｄａｔｉｏｎ（Ｍ）、Ａｃｅｔｙｌ（Ｎ－ｔｅｒｍ）、
Ａｃｅｔｙｌ（Ｐｒｏｔｅｉｎ Ｎ－ｔｅｒｍ）、Ｓｔａｔｉｃ Ｍｏｄｉｆｉｃａｔｉ
ｏｎｓを Ｃａｒｂａｍｉｄｏｍｅｔｈｙｌ（Ｃ）に設定した。Ｆａｌｓｅ ｄｉｓｃｏ
ｖｅｒｙ ｒａｔｅ（ＦＤＲ）ｐ＜０．０１を満たすペプチドを検索の対象とした。同定
したタンパク質についてプリカーサーイオンをベースとしたラベルフリー定量解析（ＬＦ
Ｑ，Ｌａｂｅｌ Ｆｒｅｅ Ｑｕａｎｔｉｆｉｃａｔｉｏｎ）を行った。ペプチド由来の
プリカーサーイオンのピーク強度によりタンパク質定量値が算出され、ピーク強度が検出
限界以下であれば欠損値とされた。タンパク質存在比の算出には、Ｓｕｍｍｅｄ Ａｂｕ
ｎｄａｎｃｅ Ｂａｓｅｄ法を用いた。群間の存在差異の有意性を示すｐ値の算出には、
ＡＮＯＶＡ（Ｉｎｄｉｖｉｄｕａｌ Ｂａｓｅｄ，ｔ検定）を用いた。
【0103】
４）結果
同定されたタンパク質のうち、Ｆａｌｓｅ ｄｉｓｃｏｖｅｒｙ ｒａｔｅ（ＦＤＲ）
が０．１以上であるタンパク質は、解析対象から除外した。健常群及びＡＤ群のいずれか
で被験者の７５％以上で欠損値でないタンパク質定量値が算出された、５３３種類のタン
パク質を解析対象として抽出した。健常群と比較してＡＤ群で存在比が１．５倍以上（ｐ
≦０．０５）に上昇した１１６種のタンパク質（表７－１～７－４）、及び０．７５倍以
下（ｐ≦０．０５）に減少した１２種のタンパク質（表８）を同定した。
同定されたタンパク質のうち、Ｆａｌｓｅ ｄｉｓｃｏｖｅｒｙ ｒａｔｅ（ＦＤＲ）
が０．１以上であるタンパク質は、解析対象から除外した。健常群及びＡＤ群のいずれか
で被験者の７５％以上で欠損値でないタンパク質定量値が算出された、５３３種類のタン
パク質を解析対象として抽出した。健常群と比較してＡＤ群で存在比が１．５倍以上（ｐ
≦０．０５）に上昇した１１６種のタンパク質（表７－１～７－４）、及び０．７５倍以
下（ｐ≦０．０５）に減少した１２種のタンパク質（表８）を同定した。
【0104】
【表7-1】
【0105】
【表7-2】
【0106】
【表7-3】
【0107】
【表7-4】
【0108】
【表8】
【0109】
実施例２ 成人ＳＳＬ由来タンパク質を用いた、アトピー性皮膚炎関連の発現変動タンパ
ク質の同定
１）被験者及びＳＳＬ採取
健常者（２０～５９歳、男性）１８名（健常群）、及びアトピー性皮膚炎患者（ＡＤ患
者）（２０～５９歳、男性）２６名（ＡＤ群）を被験者とした。被験者には、インフォー
ムドコンセントにより同意を取得した。ＡＤ群の被験者は、皮膚科専門医により重症度が
軽症又は中等症のアトピー性皮膚炎の診断を受けており、顔に軽症度以上のＡＤ様の湿疹
や乾燥等の症状を呈する者を選定した。各被験者の全顔（ＡＤ患者は皮疹部を含む）から
あぶら取りフィルム（５×８ｃｍ、ポリプロピレン製、３Ｍ社）を用いて皮脂を回収した
。該あぶら取りフィルムをバイアルに移し、タンパク質抽出に使用するまで－８０℃で、
約１ヶ月間保存した。
ク質の同定
１）被験者及びＳＳＬ採取
健常者（２０～５９歳、男性）１８名（健常群）、及びアトピー性皮膚炎患者（ＡＤ患
者）（２０～５９歳、男性）２６名（ＡＤ群）を被験者とした。被験者には、インフォー
ムドコンセントにより同意を取得した。ＡＤ群の被験者は、皮膚科専門医により重症度が
軽症又は中等症のアトピー性皮膚炎の診断を受けており、顔に軽症度以上のＡＤ様の湿疹
や乾燥等の症状を呈する者を選定した。各被験者の全顔（ＡＤ患者は皮疹部を含む）から
あぶら取りフィルム（５×８ｃｍ、ポリプロピレン製、３Ｍ社）を用いて皮脂を回収した
。該あぶら取りフィルムをバイアルに移し、タンパク質抽出に使用するまで－８０℃で、
約１ヶ月間保存した。
【0110】
２）タンパク質調製
ＭＰＥＸ ＰＴＳ Ｒｅａｇｅｎｔ（ＧＬ ｓｃｉｅｎｃｅ）に替え、ＥａｓｙＰｅｐ
TM Ｍｉｎｉ ＭＳ Ｓａｍｐｌｅ Ｐｒｅｐ Ｋｉｔ（ＴｈｅｒｍｏＦｉｓｈｅｒ Ｓ
ｃｉｅｎｔｉｆｉｃ）を用いて、付属のプロトコルに準じてペプチド溶液を得たほかは、
実施例１と同様の手順にてペプチド濃度を測定した。
ＭＰＥＸ ＰＴＳ Ｒｅａｇｅｎｔ（ＧＬ ｓｃｉｅｎｃｅ）に替え、ＥａｓｙＰｅｐ
TM Ｍｉｎｉ ＭＳ Ｓａｍｐｌｅ Ｐｒｅｐ Ｋｉｔ（ＴｈｅｒｍｏＦｉｓｈｅｒ Ｓ
ｃｉｅｎｔｉｆｉｃ）を用いて、付属のプロトコルに準じてペプチド溶液を得たほかは、
実施例１と同様の手順にてペプチド濃度を測定した。
【0111】
３）ＬＣ－ＭＳ／ＭＳ分析及びデータ解析
実施例１と同様の条件及び手順にてタンパク質の分析とデータ解析を行った。
実施例１と同様の条件及び手順にてタンパク質の分析とデータ解析を行った。
【0112】
４）結果
同定されたタンパク質のうち、Ｆａｌｓｅ ｄｉｓｃｏｖｅｒｙ ｒａｔｅ（ＦＤＲ）
が０．１以上であるタンパク質は、解析対象から除外した。健常群及びＡＤ群いずれかで
被験者の７５％以上で欠損値でないタンパク質定量値が算出された、１０７５種類のタン
パク質を解析対象として抽出した。なお、タンパク質定量値に欠損値が多く認められたＡ
Ｄ患者１名は、解析から除外した。健常群と比較してＡＤ群で存在比が１．５倍以上（ｐ
≦０．０５）に上昇した２０５種のタンパク質（表９－１～９－７）、及び０．７５倍以
下（ｐ≦０．０５）に減少した３７種のタンパク質（表１０－１～１０－２）を同定した
。
同定されたタンパク質のうち、Ｆａｌｓｅ ｄｉｓｃｏｖｅｒｙ ｒａｔｅ（ＦＤＲ）
が０．１以上であるタンパク質は、解析対象から除外した。健常群及びＡＤ群いずれかで
被験者の７５％以上で欠損値でないタンパク質定量値が算出された、１０７５種類のタン
パク質を解析対象として抽出した。なお、タンパク質定量値に欠損値が多く認められたＡ
Ｄ患者１名は、解析から除外した。健常群と比較してＡＤ群で存在比が１．５倍以上（ｐ
≦０．０５）に上昇した２０５種のタンパク質（表９－１～９－７）、及び０．７５倍以
下（ｐ≦０．０５）に減少した３７種のタンパク質（表１０－１～１０－２）を同定した
。
【0113】
【表9-1】
【0114】
【表9-2】
【0115】
【表9-3】
【0116】
【表9-4】
【0117】
【表9-5】
【0118】
【表9-6】
【0119】
【表9-7】
【0120】
【表10-1】
【0121】
【表10-2】
【0122】
実施例３ 乳幼児アトピー性皮膚炎検出のための判別モデルの構築
（使用データ）
実施例１において得られたタンパク質の定量データを正規分布に近似するため、ノーマ
ライズ前のピーク強度をタンパク質定量値とし、各タンパク質定量値を全検出タンパク質
定量値の総和で除した値について底２の対数値に変換したＬｏｇ2（Ａｂｕｎｄａｎｃｅ
＋１）値を算出した。得られたＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を機械学習モデル
の構築に用いた。実施例１と同様の方法で、全被験者の７５％以上（２９名以上）で欠損
値でないタンパク質定量値が算出された、４７５種類のタンパク質を抽出し、解析対象と
した。
（使用データ）
実施例１において得られたタンパク質の定量データを正規分布に近似するため、ノーマ
ライズ前のピーク強度をタンパク質定量値とし、各タンパク質定量値を全検出タンパク質
定量値の総和で除した値について底２の対数値に変換したＬｏｇ2（Ａｂｕｎｄａｎｃｅ
＋１）値を算出した。得られたＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を機械学習モデル
の構築に用いた。実施例１と同様の方法で、全被験者の７５％以上（２９名以上）で欠損
値でないタンパク質定量値が算出された、４７５種類のタンパク質を抽出し、解析対象と
した。
【0123】
３－１ 発現変動タンパク質を用いた判別モデルの構築
１）特徴量タンパク質の選択
上記４７５種類のタンパク質の中から健常児と比較してＡＤ罹患児で統計学的に有意に
発現が変動していた１２７種のタンパク質（表１１－１～１１－４）を同定した。これら
のタンパク質を特徴量タンパク質として選択し、その定量データを特徴量とした。
２）モデル構築
上記１２７種のタンパク質のＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、
健常児とＡＤ罹患児（ＡＤの有無）を目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”パ
ッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決
定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニング
によって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、Ｏ
ＯＢ ｅｒｒｏｒ ｒａｔｅを算出した。その結果、１２７種のタンパク質を特徴量タン
パク質として用いた場合のモデルでは、エラー率が１８．４２％であった。
１）特徴量タンパク質の選択
上記４７５種類のタンパク質の中から健常児と比較してＡＤ罹患児で統計学的に有意に
発現が変動していた１２７種のタンパク質（表１１－１～１１－４）を同定した。これら
のタンパク質を特徴量タンパク質として選択し、その定量データを特徴量とした。
２）モデル構築
上記１２７種のタンパク質のＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、
健常児とＡＤ罹患児（ＡＤの有無）を目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”パ
ッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決
定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニング
によって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、Ｏ
ＯＢ ｅｒｒｏｒ ｒａｔｅを算出した。その結果、１２７種のタンパク質を特徴量タン
パク質として用いた場合のモデルでは、エラー率が１８．４２％であった。
【0124】
【表11-1】
【0125】
【表11-2】
【0126】
【表11-3】
【0127】
【表11-4】
【0128】
３－２ ランダムフォレストの変数重要度の高いタンパク質を用いた判別モデルの構築
１）特徴量タンパク質の選択
上記４７５種類のタンパク質のＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし
、健常児とＡＤ罹患児（ＡＤの有無）を目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”
パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の
決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニン
グによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、
ジニ係数に基づく変数重要度の上位１４０タンパク質を算出した（表１２－１～１２－４
）。これら１４０種のタンパク質、及び特徴量タンパク質の選択に使用した全４７５種の
タンパク質を特徴量タンパク質とし、それらの定量データを特徴量とした。
２）モデル構築
上記１４０種のタンパク質又は全４７５種のタンパク質のＬｏｇ2（Ａｂｕｎｄａｎｃ
ｅ＋１）値を説明変数とし、健常児とＡＤ罹患児（ＡＤの有無）を目的変数として用いた
。Ｒ言語の“ｃａｒｅｔ”パッケージにおいてランダムフォレストのアルゴリズムをメソ
ッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチュ
ーニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレスト
のアルゴリズムを実行し、推定誤答率（ＯＯＢ ｅｒｒｏｒ ｒａｔｅ）を算出した。そ
の結果、全４７５タンパク質を特徴量タンパク質に用いた場合のエラー率は２８．９５％
であったのに対し、変数重要度が上位１４０のタンパク質を特徴量タンパク質に用いた場
合のエラー率は７．８９％であった。
１）特徴量タンパク質の選択
上記４７５種類のタンパク質のＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし
、健常児とＡＤ罹患児（ＡＤの有無）を目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”
パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の
決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニン
グによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、
ジニ係数に基づく変数重要度の上位１４０タンパク質を算出した（表１２－１～１２－４
）。これら１４０種のタンパク質、及び特徴量タンパク質の選択に使用した全４７５種の
タンパク質を特徴量タンパク質とし、それらの定量データを特徴量とした。
２）モデル構築
上記１４０種のタンパク質又は全４７５種のタンパク質のＬｏｇ2（Ａｂｕｎｄａｎｃ
ｅ＋１）値を説明変数とし、健常児とＡＤ罹患児（ＡＤの有無）を目的変数として用いた
。Ｒ言語の“ｃａｒｅｔ”パッケージにおいてランダムフォレストのアルゴリズムをメソ
ッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチュ
ーニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレスト
のアルゴリズムを実行し、推定誤答率（ＯＯＢ ｅｒｒｏｒ ｒａｔｅ）を算出した。そ
の結果、全４７５タンパク質を特徴量タンパク質に用いた場合のエラー率は２８．９５％
であったのに対し、変数重要度が上位１４０のタンパク質を特徴量タンパク質に用いた場
合のエラー率は７．８９％であった。
【0129】
【表12-1】
【0130】
【表12-2】
【0131】
【表12-3】
【0132】
【表12-4】
【0133】
３－３ Ｂｏｒｕｔａ法により抽出した特徴量タンパク質を用いた判別モデルの構築
１）特徴量タンパク質の選択
上記４７５種類のタンパク質のＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし
、健常児とＡＤ罹患児（ＡＤの有無）を目的変数として用い、Ｒ言語の“Ｂｏｒｕｔａ”
パッケージのアルゴリズムを実行した。最大試行回数を１０００回とし、ｐ値が０．０１
未満である３５種のタンパク質を抽出し（表１３）、特徴量タンパク質として選択した。
それらのタンパク質の定量データを特徴量とした。
２）モデル構築
上記３５種のタンパク質のＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健
常児とＡＤ罹患児（ＡＤの有無）を目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”パッ
ケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定
木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングに
よって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯ
Ｂ ｅｒｒｏｒ ｒａｔｅを算出した。その結果、３５種のタンパク質を特徴量タンパク
質として用いた場合のモデルではエラー率が１０．５３％であった。
１）特徴量タンパク質の選択
上記４７５種類のタンパク質のＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし
、健常児とＡＤ罹患児（ＡＤの有無）を目的変数として用い、Ｒ言語の“Ｂｏｒｕｔａ”
パッケージのアルゴリズムを実行した。最大試行回数を１０００回とし、ｐ値が０．０１
未満である３５種のタンパク質を抽出し（表１３）、特徴量タンパク質として選択した。
それらのタンパク質の定量データを特徴量とした。
２）モデル構築
上記３５種のタンパク質のＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健
常児とＡＤ罹患児（ＡＤの有無）を目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”パッ
ケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定
木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングに
よって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯ
Ｂ ｅｒｒｏｒ ｒａｔｅを算出した。その結果、３５種のタンパク質を特徴量タンパク
質として用いた場合のモデルではエラー率が１０．５３％であった。
【0134】
【表13】
【0135】
実施例４ 成人アトピー性皮膚炎検出のための判別モデルの構築
（使用データ）
実施例２において得られたタンパク質の定量データを正規分布に近似するため、ノーマ
ライズ前のピーク強度をタンパク質定量値とし、各タンパク質定量値を全検出タンパク質
定量値の総和で除した値について底２の対数値に変換したＬｏｇ2（Ａｂｕｎｄａｎｃｅ
＋１）値を算出した。得られたＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を機械学習モデル
の構築に用いた。実施例２と同様の方法で、全被験者（但し、タンパク質の定量データが
正規分布に従わない３名を除外）の７５％以上（３１名以上）で欠損値でないタンパク質
定量値が算出された、９８５種類のタンパク質を抽出し、解析対象とした。
（使用データ）
実施例２において得られたタンパク質の定量データを正規分布に近似するため、ノーマ
ライズ前のピーク強度をタンパク質定量値とし、各タンパク質定量値を全検出タンパク質
定量値の総和で除した値について底２の対数値に変換したＬｏｇ2（Ａｂｕｎｄａｎｃｅ
＋１）値を算出した。得られたＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を機械学習モデル
の構築に用いた。実施例２と同様の方法で、全被験者（但し、タンパク質の定量データが
正規分布に従わない３名を除外）の７５％以上（３１名以上）で欠損値でないタンパク質
定量値が算出された、９８５種類のタンパク質を抽出し、解析対象とした。
【0136】
４－１ 発現変動タンパク質を用いた判別モデルの構築
１）特徴量タンパク質の選択
上記９８５種類のタンパク質の中から健常者と比較してＡＤ患者で有意に発現が変動し
ていた２２０種のタンパク質（表１４－１～１４－７）を同定し、これらを特徴量タンパ
ク質として選択し、その定量データを特徴量とした。
２）モデル構築
上記２２０種のタンパク質のＬｏｇ２（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、
健常者とＡＤ患者（ＡＤの有無）を目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”パッ
ケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定
木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングに
よって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯ
Ｂ ｅｒｒｏｒ ｒａｔｅを算出した。その結果、２２０種のタンパク質を特徴量タンパク
質として用いた場合のモデルではエラー率が２４．３９％であった。
１）特徴量タンパク質の選択
上記９８５種類のタンパク質の中から健常者と比較してＡＤ患者で有意に発現が変動し
ていた２２０種のタンパク質（表１４－１～１４－７）を同定し、これらを特徴量タンパ
ク質として選択し、その定量データを特徴量とした。
２）モデル構築
上記２２０種のタンパク質のＬｏｇ２（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、
健常者とＡＤ患者（ＡＤの有無）を目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”パッ
ケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定
木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングに
よって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯ
Ｂ ｅｒｒｏｒ ｒａｔｅを算出した。その結果、２２０種のタンパク質を特徴量タンパク
質として用いた場合のモデルではエラー率が２４．３９％であった。
【0137】
【表14-1】
【0138】
【表14-2】
【0139】
【表14-3】
【0140】
【表14-4】
【0141】
【表14-5】
【0142】
【表14-6】
【0143】
【表14-7】
【0144】
４－２ ランダムフォレストの変数重要度の高いタンパク質を用いた判別モデルの構築
１）特徴量タンパク質の選択
上記９８５種類のタンパク質のＬｏｇ２（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし
、健常者とＡＤ患者（ＡＤの有無）を目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”パ
ッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決
定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニング
によって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ジ
ニ係数に基づく変数重要度の上位１１０タンパク質を算出した（表１５－１～１５－４）
。これら１１０種のタンパク質、及び特徴量タンパク質の選択に使用した全９８５種のタ
ンパク質を特徴量タンパク質とし、その定量データを特徴量とした。
２）モデル構築
上記１１０種のタンパク質又は全９８５種のタンパク質のＬｏｇ２（Ａｂｕｎｄａｎｃ
ｅ＋１）値を説明変数とし、健常者とＡＤ患者（ＡＤの有無）を目的変数として用いた。
Ｒ言語の“ｃａｒｅｔ”パッケージにおいてランダムフォレストのアルゴリズムをメソッ
ドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチュー
ニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストの
アルゴリズムを実行し、推定誤答率（ＯＯＢ ｅｒｒｏｒ ｒａｔｅ）を算出した。その結
果、全９８５タンパク質を特徴量タンパク質に用いた場合のエラー率は２９．２７％であ
ったのに対し、変数重要度が上位１１０のタンパク質を特徴量タンパク質に用いた場合の
エラー率は１２．２０％であった。
１）特徴量タンパク質の選択
上記９８５種類のタンパク質のＬｏｇ２（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし
、健常者とＡＤ患者（ＡＤの有無）を目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”パ
ッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決
定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニング
によって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ジ
ニ係数に基づく変数重要度の上位１１０タンパク質を算出した（表１５－１～１５－４）
。これら１１０種のタンパク質、及び特徴量タンパク質の選択に使用した全９８５種のタ
ンパク質を特徴量タンパク質とし、その定量データを特徴量とした。
２）モデル構築
上記１１０種のタンパク質又は全９８５種のタンパク質のＬｏｇ２（Ａｂｕｎｄａｎｃ
ｅ＋１）値を説明変数とし、健常者とＡＤ患者（ＡＤの有無）を目的変数として用いた。
Ｒ言語の“ｃａｒｅｔ”パッケージにおいてランダムフォレストのアルゴリズムをメソッ
ドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチュー
ニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストの
アルゴリズムを実行し、推定誤答率（ＯＯＢ ｅｒｒｏｒ ｒａｔｅ）を算出した。その結
果、全９８５タンパク質を特徴量タンパク質に用いた場合のエラー率は２９．２７％であ
ったのに対し、変数重要度が上位１１０のタンパク質を特徴量タンパク質に用いた場合の
エラー率は１２．２０％であった。
【0145】
【表15-1】
【0146】
【表15-2】
【0147】
【表15-3】
【0148】
【表15-4】
【0149】
４－３ Ｂｏｒｕｔａ法により抽出した特徴量を用いた判別モデルの構築
１）特徴量の選択
上記９８５種類のタンパク質のＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし
、健常者とＡＤ患者（ＡＤの有無）を目的変数として用い、Ｒ言語の“Ｂｏｒｕｔａ”パ
ッケージのアルゴリズムを実行した。最大試行回数を１０００回とし、ｐ値が０．０１未
満である２４種のタンパク質を抽出し（表１６）、特徴量タンパク質として選択した。そ
れらのタンパク質の定量データを特徴量とした。
２）モデル構築
上記２４種のタンパク質のＬｏｇ２（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健
常者とＡＤ患者（ＡＤの有無）を目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”パッケ
ージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木
の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによ
って決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯＢ
ｅｒｒｏｒ ｒａｔｅを算出した。その結果、２４種のタンパク質を特徴量タンパク質
として用いた場合のモデルではエラー率が１９．５１％であった。
１）特徴量の選択
上記９８５種類のタンパク質のＬｏｇ2（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし
、健常者とＡＤ患者（ＡＤの有無）を目的変数として用い、Ｒ言語の“Ｂｏｒｕｔａ”パ
ッケージのアルゴリズムを実行した。最大試行回数を１０００回とし、ｐ値が０．０１未
満である２４種のタンパク質を抽出し（表１６）、特徴量タンパク質として選択した。そ
れらのタンパク質の定量データを特徴量とした。
２）モデル構築
上記２４種のタンパク質のＬｏｇ２（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健
常者とＡＤ患者（ＡＤの有無）を目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”パッケ
ージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木
の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによ
って決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯＢ
ｅｒｒｏｒ ｒａｔｅを算出した。その結果、２４種のタンパク質を特徴量タンパク質
として用いた場合のモデルではエラー率が１９．５１％であった。
【0150】
【表16】
【0151】
以上の実施例の解析で得られた合計４１８種類のタンパク質（前記表１－１～１－１３
）について、テキストマイニング（エルゼビア）にてＡＤとの関連が報告されている論文
数を調査した。検索によりＡＤと関連する報告が４報以下で、且つＡＤとの関連が記載さ
れていないことが確認されたタンパク質は１４７種であった（前記表２－１～２－５）。
これら１４７種のタンパク質は、新規なＡＤ検出用マーカーである。
）について、テキストマイニング（エルゼビア）にてＡＤとの関連が報告されている論文
数を調査した。検索によりＡＤと関連する報告が４報以下で、且つＡＤとの関連が記載さ
れていないことが確認されたタンパク質は１４７種であった（前記表２－１～２－５）。
これら１４７種のタンパク質は、新規なＡＤ検出用マーカーである。