特開 2024-146777 組成物評価方法、組成物評価装置、組成物、及び組成物製造方法

(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】P2024146777

(43)【公開日】2024-10-15

(54)【発明の名称】組成物評価方法、組成物評価装置、組成物、及び組成物製造方法

(51)【国際特許分類】

   C12M 1/34 20060101AFI20241004BHJP

   G16C 20/70 20190101ALI20241004BHJP

   G16C 20/30 20190101ALI20241004BHJP

   A23L 33/17 20160101ALI20241004BHJP

   G06N 20/00 20190101ALI20241004BHJP

【ＦＩ】

C12M1/34 Z

G16C20/70

G16C20/30

A23L33/17

G06N20/00

【審査請求】未請求

【請求項の数】14

【出願形態】ＯＬ

(21)【出願番号】P 2024027851

(22)【出願日】2024-02-27

(31)【優先権主張番号】P 2023059314

(32)【優先日】2023-03-31

(33)【優先権主張国・地域又は機関】JP

(71)【出願人】

【識別番号】000006138

【氏名又は名称】株式会社明治

(74)【代理人】

【識別番号】110003421

【氏名又は名称】弁理士法人フィールズ国際特許事務所

(72)【発明者】

【氏名】山中 颯

(72)【発明者】

【氏名】中島 章裕

(72)【発明者】

【氏名】▲高▼橋 昌代

(72)【発明者】

【氏名】中山 魁

(72)【発明者】

【氏名】七海 慎太郎

【テーマコード（参考）】

4B018

4B029

【Ｆターム（参考）】

4B018LB03

4B018LB05

4B018LB06

4B018LB08

4B018LB09

4B018MD19

4B018MD20

4B018ME02

4B018ME03

4B018ME06

4B018ME11

4B029AA07

4B029BB15

4B029BB20

4B029FA12

4B029FA15

(57)【要約】

【課題】食品の有する機能の適正な評価を効率よく実施できる。
【解決手段】組成物に含まれる、または含まれると推定される複数の含有成分と前記複数の含有成分の成分量とを解析する解析部と、前記含有成分の化学構造に関する分子記述子を算出する分子記述子算出部と、前記分子記述子に基づき、前記含有成分の活性値を推定する活性値推定部と、前記含有成分の推定した活性値及び前記成分量から、前記複数の含有成分の総和活性スコアを算出するスコア算出部と、を有し、前記活性値推定部は、既知成分における前記分子記述子から選択した特徴量と対応する活性値を教師データとして学習した学習済みモデルを使用し、前記含有成分の活性値を推定する。
【選択図】図４

【特許請求の範囲】

【請求項1】

組成物に含まれる、または含まれると推定される複数の含有成分と前記複数の含有成分の成分量とを解析する解析部と、
前記含有成分の化学構造に関する分子記述子を算出する分子記述子算出部と、
前記分子記述子に基づき、前記含有成分の活性値を推定する活性値推定部と、
前記含有成分の推定した活性値及び前記成分量から、前記複数の含有成分の総和活性スコアを算出するスコア算出部と、を有し、
前記活性値推定部は、既知成分における前記分子記述子から選択した特徴量と対応する活性値を教師データとして学習した学習済みモデルを使用し、前記含有成分の活性値を推定する
組成物評価装置。

【請求項2】

前記学習済みモデルは、前記含有成分の化学構造と類似する化学構造の成分を、学習済みの成分から検出し、前記検出した成分の活性値を、前記含有成分の活性値として算出する
請求項１記載の組成物評価装置。

【請求項3】

前記総和活性スコアは、各含有成分の濃度を活性値で除した値の合算値の対数である
請求項１記載の組成物評価装置。

【請求項4】

前記総和活性スコアは、前記複数の含有成分それぞれの活性値に、前記複数の含有成分それぞれの成分量を乗じた数値を、合算した値である
請求項１記載の組成物評価装置。

【請求項5】

前記学習済みモデルは、成分の化学構造の前記特徴量及び前記活性値を用いて学習済みであって、
前記特徴量は、原子の表面積の和に関する特徴量を含む
請求項１記載の組成物評価装置。

【請求項6】

前記学習済みモデルは、成分の化学構造の前記特徴量及び前記活性値を用いて学習済みであって、
前記特徴量は、原子の電子分布の和に関する特徴量を含む
請求項１記載の組成物評価装置。

【請求項7】

前記学習済みモデルは、成分の化学構造の前記特徴量及び前記活性値を用いて学習済みであって、
前記特徴量は、原子ベースのLogP指標に関する特徴量を含む
請求項１記載の組成物評価装置。

【請求項8】

前記学習済みモデルは、成分の化学構造の前記特徴量及び前記活性値を用いて学習済みであって、
前記特徴量は、一つの化合物を構成する原子と原子間の結合を行列で表現し、対角成分を原子量とした場合の固有値に関する特徴量を含む
請求項１記載の組成物評価装置。

【請求項9】

前記学習済みモデルは、成分の化学構造の前記特徴量及び前記活性値を用いて学習済みであって、
前記特徴量は、水素結合ドナー数に関する特徴量を含む
請求項１記載の組成物評価装置。

【請求項10】

前記既知成分は、前記学習済みモデルを使用して推定した前記含有成分を含み、
前記対応する活性値は、前記学習済みモデルを使用して推定した、前記含有成分の活性値を含む
請求項１記載の組成物評価装置。

【請求項11】

前記含有成分は、ペプチドであって、
前記活性値は、ＡＣＥ（アンジオテンシンＩ変換酵素：Angiotensin－Ｉ Converting Enzyme）における半数阻害濃度であって、
前記既知成分は、活性値が既知であるペプチドであって、
前記スコア算出部は、前記算出したＡＣＥにおける半数阻害濃度に基づき、前記総和活性スコアを算出する
請求項１記載の組成物評価装置。

【請求項12】

組成物に含まれる、または含まれると推定される複数の含有成分と前記複数の含有成分の成分量とを解析する解析工程と、
前記含有成分の化学構造に関する分子記述子を算出する記述子算出工程と、
前記分子記述子に基づき、前記含有成分の活性値を推定する推定工程と、
前記含有成分の推定活性値及び前記成分量から、前記複数の含有成分の総和活性スコアを算出するスコア算出工程と、を有し、
前記推定工程において、既知成分における前記分子記述子から選択した特徴量と対応する活性値を教師データとして学習した学習済みモデルを使用し、前記含有成分の活性値を推定する
組成物評価方法。

【請求項13】

総和活性スコアによる評価に基づき製造する組成物であって、
前記総和活性スコアは、
前記組成物に含まれる、または含まれると推定される複数の含有成分と、前記複数の含有成分の成分量とを解析し、
前記含有成分の化学構造に関する分子記述子を算出し、
前記分子記述子に基づき、前記含有成分の活性値を推定し、
前記複数の含有成分それぞれの推定活性値及び前記成分量から算出される、
組成物。

【請求項14】

総和活性スコアによる評価に基づき、組成物を製造する製造方法であって、
前記総和活性スコアは、
前記組成物に含まれる、または含まれると推定される複数の含有成分と、前記複数の含有成分の成分量とを解析し、
前記含有成分の化学構造に関する分子記述子を算出し、
前記分子記述子に基づき、前記含有成分の活性値を推定し、
前記複数の含有成分それぞれの推定活性値及び前記成分量から算出される、
組成物製造方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、組成物評価方法、組成物評価装置、組成物、及び組成物製造方法に関する。

【背景技術】

【0002】

近年、組成物、例えば、食品が有する機能が注目されている。機能とは、例えば、栄養に係わる機能、嗜好に関する機能、及び生体調節に関する機能などがある。特に、栄養や生体調節に関する機能を有する食品は、健康維持、又は病気や怪我の治療の観点からも注目されている。

【0003】

ある機能を有する食品は、例えば、機能性食品と呼ばれる場合がある。機能性食品において、科学的根拠に基づいた機能性が事業者の責任において表示される食品として、機能性表示食品がある。機能性表示食品は、例えば、「食後の血糖値の上昇を抑える」や「おなかの調子を整える」など、その食品を摂取することにより期待される特定の保健の目的が、食品のパッケージなどに表示されている。顧客は、例えば、この表示を参照し、自身が求める特定の保健の目的（効果、機能）を有する食品を購買する。

【0004】

例えば、プラズマ乳酸菌を含む飲食物は、「ｐＤＣ（プラズマサイトイド樹状細胞）に働きかけ、健康な人の免疫機能の維持に役立つことが報告されています」と表示され、機能性表示食品として生産、販売されている。

【0005】

この機能性表示食品については、乳酸菌を有効成分として含むＩＦＮ産生を誘導し得るＩＦＮ誘導剤、該誘導剤を含む免疫増強剤あるいはウイルス感染防御剤、該誘導剤を含むＩＦＮ誘導活性、免疫増強活性若しくはウイルス感染防御活性を有する飲食品に関する技術として、以下に開示されている。

【先行技術文献】

【特許文献】

【0006】

【特許文献1】特開２０１７－２０１９８４号公報

【特許文献2】国際公開第２０１２／０９１０８１号

【発明の概要】

【発明が解決しようとする課題】

【0007】

このように、組成物に表示される機能は、その組成物中の特定の責任成分の含有量や摂取量などに基づいて検討されてきた。

【0008】

γ-アミノ酪酸（以下、ＧＡＢＡ）を多く含む食品は、例えば、「睡眠の質（寝つき、
眠りの深さ、すっきりとした目覚め）の向上に役立つ機能があることが報告されています」などと表示される。また、ガレート型カテキンを多く含む食品は、例えば、「体脂肪を減らす機能や、ＬＤＬコレステロールを減らす機能があることが報告されています」などと表示される。

【0009】

しかし、ＧＡＢＡを多く含む食品（機能関与成分を主たる成分とするサプリメントを除く）でも、「睡眠の質（寝つき、眠りの深さ、すっきりとした目覚め）の向上に役立つ」という機能を阻害する成分が含まれる場合がある。この場合、この食品を摂取しても、想定しているほど効果を得られない。

【0010】

また、ある食品は、例えば、ＧＡＢＡを含まないが、「睡眠の質（寝つき、眠りの深さ
、すっきりとした目覚め）の向上に役立つ」という機能を有する成分を複数種類含む場合がある。しかし、複数種類の成分のそれぞれが、ＧＡＢＡよりも「睡眠の質（寝つき、眠りの深さ、すっきりとした目覚め）の向上に役立つ」という効果が低い場合、ある食品は「睡眠の質（寝つき、眠りの深さ、すっきりとした目覚め）の向上に役立つ」という機能を有するにも関わらず、「睡眠の質（寝つき、眠りの深さ、すっきりとした目覚め）の向上に役立つ」食品として評価されない場合がある。

【0011】

このように、１つの責任成分を含むか否かで食品の機能を評価すると、その食品が有する機能を、的確に評価できない場合がある。よって、食品の機能を的確に評価するには、複数の成分の影響を考慮する必要がある。

【0012】

しかし、食品に含まれる全ての成分についての機能が解明されているわけではない。また、全ての成分を考慮して、その食品の有する機能を正確に評価することは、莫大な解析と計算が必要となり、時間的にもコスト的にも実現は困難である。

【0013】

そこで、一開示は、食品の有する機能の適正な評価を効率よく実施できる、組成物評価方法、組成物評価装置、組成物、及び組成物製造方法を提供する。

【課題を解決するための手段】

【0014】

本発明は、組成物に含まれる、または含まれると推定される複数の含有成分と前記複数の含有成分の成分量とを解析する解析部と、前記含有成分の化学構造に関する分子記述子を算出する分子記述子算出部と、前記分子記述子に基づき、前記含有成分の活性値を推定する活性値推定部と、前記含有成分の推定した活性値及び前記成分量から、前記複数の含有成分の総和活性スコアを算出するスコア算出部と、を有し、前記活性値推定部が、既知成分における前記分子記述子から選択した特徴量と対応する活性値を教師データとして学習した学習済みモデルを使用し、前記含有成分の活性値を推定する組成物評価装置、に関するものである。

【0015】

本発明は、前記学習済みモデルが、前記含有成分の化学構造と類似する化学構造の成分を、学習済みの成分から検出し、前記検出した成分の活性値を、前記含有成分の活性値として算出する組成物評価装置、に関するものである。

【0016】

本発明は、前記総和活性スコアが、各含有成分の濃度を活性値で除した値の合算値の対数である組成物評価装置、に関するものである。

【0017】

本発明は、前記総和活性スコアが、前記複数の含有成分それぞれの活性値に、前記複数の含有成分それぞれの成分量を乗じた数値を、合算した値である組成物評価装置、に関するものである。

【0018】

本発明は、前記学習済みモデルが、成分の化学構造の前記特徴量及び前記活性値を用いて学習済みであって、前記特徴量が、原子の表面積の和に関する特徴量を含む組成物評価装置、に関するものである。

【0019】

本発明は、前記学習済みモデルが、成分の化学構造の前記特徴量及び前記活性値を用いて学習済みであって、前記特徴量が、原子の電子分布の和に関する特徴量を含む組成物評価装置、に関するものである。

【0020】

本発明は、前記学習済みモデルが、成分の化学構造の前記特徴量及び前記活性値を用いて学習済みであって、前記特徴量が、原子ベースのLogP指標に関する特徴量を含む組成物評価装置、に関するものである。

【0021】

本発明は、前記学習済みモデルが、成分の化学構造の前記特徴量及び前記活性値を用いて学習済みであって、前記特徴量が、一つの化合物を構成する原子と原子間の結合を行列で表現し、対角成分を原子量とした場合の固有値に関する特徴量を含む組成物評価装置、に関するものである。

【0022】

本発明は、前記学習済みモデルが、成分の化学構造の前記特徴量及び前記活性値を用いて学習済みであって、前記特徴量が、水素結合ドナー数に関する特徴量を含む組成物評価装置、に関するものである。

【0023】

本発明は、前記既知成分が、前記学習済みモデルを使用して推定した前記含有成分を含み、 前記対応する活性値が、前記学習済みモデルを使用して推定した、前記含有成分の活性値を含む組成物評価装置、に関するものである。

【0024】

本発明は、前記含有成分が、ペプチドであって、前記活性値が、ＡＣＥ（アンジオテンシンＩ変換酵素：Angiotensin－Ｉ Converting Enzyme）における半数阻害濃度であって
、前記既知成分が、活性値が既知であるペプチドであって、前記スコア算出部が、前記算出したＡＣＥにおける半数阻害濃度に基づき、前記総和活性スコアを算出する組成物評価装置、に関するものである。

【0025】

本発明は、組成物に含まれる、または含まれると推定される複数の含有成分と前記複数の含有成分の成分量とを解析する解析工程と、前記含有成分の化学構造に関する分子記述子を算出する記述子算出工程と、前記分子記述子に基づき、前記含有成分の活性値を推定する推定工程と、前記含有成分の推定活性値及び前記成分量から、前記複数の含有成分の総和活性スコアを算出するスコア算出工程と、を有し、前記推定工程において、既知成分における前記分子記述子から選択した特徴量と対応する活性値を教師データとして学習した学習済みモデルを使用し、前記含有成分の活性値を推定する組成物評価方法、に関するものである。

【0026】

本発明は、総和活性スコアによる評価に基づき製造する組成物であって、前記総和活性スコアが、前記組成物に含まれる、または含まれると推定される複数の前記含有成分と、前記複数の含有成分の成分量とを解析し、前記含有成分の化学構造に関する分子記述子を算出し、前記分子記述子に基づき、前記含有成分の活性値を推定し、前記複数の含有成分それぞれの推定活性値及び前記成分量から算出される、組成物、に関するものである。

【0027】

本発明は、総和活性スコアによる評価に基づき、組成物を製造する製造方法であって、前記総和活性スコアが、前記組成物に含まれる、または含まれると推定される複数の前記含有成分と、前記複数の含有成分の成分量とを解析し、前記含有成分の化学構造に関する分子記述子を算出し、前記分子記述子に基づき、前記含有成分の活性値を推定し、前記複数の含有成分それぞれの推定活性値及び前記成分量から算出される、組成物製造方法、に関するものである。

【発明の効果】

【0028】

一開示は、組成物の有する機能の適正な評価を効率よく実施できることにある。

【図面の簡単な説明】

【0029】

【図1】図１は、食品評価システム１０の構成例を示す図である。

【図2】図２は、食品評価装置１００の構成例を表す図である。

【図3】図３は、総和活性スコアの概念の例を示す図である。

【図4】図４は、食品評価処理における、ソフトウェア構成の例を示す図である。

【図5】図５は、モデル学習処理における、ソフトウェア構成の例を示す図である。

【図6】図６は、食品評価処理Ｓ１００の処理フローチャートの例を示す図である。

【図7】図７は、成分解析処理Ｓ１０２の処理フローチャートの例を示す図である。

【図8】図８は、分子記述子算出処理Ｓ１０４の処理フローチャートの例を示す図である。

【図9】図９は、算出する特徴量の例を示す図である。

【図10】図１０は、推定活性値算出処理Ｓ１０５の処理フローチャートの例を示す図である。

【図11】図１１は、総和活性スコア算出処理Ｓ１０６の処理フローチャートの例を示す図である。

【図12】図１２は、総和活性スコアを算出する式の例を示す図である。

【図13】図１３は、モデル学習処理Ｓ２００の処理フローチャートの例を示す図である。

【図14】図１４は、食品Ａ及び食品Ｂの総和活性スコアの例を示す図である。

【発明を実施するための形態】

【0030】

［第１の実施の形態］
第１の実施の形態について説明する。

【0031】

以降で説明する食品評価は、組成物評価の一例であって、文中の「食品」は「組成物」と置き換えることができるものとする。また、組成物評価は、生薬評価も含み、文中の「組成物」や「食品」は、「生薬」と置き換えることができるものとする。さらに、組成物は、食品及び生薬に限られないものとする。

【0032】

＜食品評価システム１０の構成例＞
図１は、食品評価システム１０の構成例を示す図である。食品評価システム１０は、食品評価装置１００を有する。食品評価システム１０は、食品評価装置１００に評価の対象となる対象食品の成分の測定結果のデータＤ１を入力され、対象食品の総和活性スコアＲ１を出力する。また、食品評価システム１０は、既知成分の化学構造情報とそれに対応する活性値からなるデータ群Ｄ２を入力され、取得する。食品評価装置１００は、データ群Ｄ２を記憶し、前記既知成分の化学構造情報から、前記既知成分の特徴量を算出する。食品評価装置１００は、前記既知成分の特徴量とそれに対応する活性値を教師データとして用い、ＡＩ（Artificial Intelligence）である学習モデル（推定活性値算出モデル）に学習させ、学習済みモデルを構築する。

【0033】

化学構造情報は、化学構造に関する情報であって、例えば、アミノ酸の１文字表記、３文字表記、SMILES記法などの分子構造を特定できる表記に関する情報を含む。また、化学構造情報は、例えば、成分名や化学式など、化学構造を特定できる情報を含んでもよい。

【0034】

なお、データ群Ｄ２は、既知の複数の成分に対応する複数のデータを示すデータ群である。また、データ群Ｄ２は、既存の文献、公共データベース、実験結果などから抽出したデータ群を示す。

【0035】

食品評価装置１００は、データＤ１を取得し、対象食品の総和活性スコアＲ１を算出し、出力する。食品評価装置１００は、例えば、データをファイル化したり、画面上に表示したりすることで出力する。

【0036】

食品評価装置１００は、データＤ１に含まれる成分の化学構造を、記憶する成分の化学構造から探索する。そして、食品評価装置１００は、データＤ１に含まれる成分の化学構造と、データ群Ｄ２に含まれる活性値が判明している成分の化学構造とを比較し、化学構造の類似度合いからデータＤ１に含まれる成分の活性値を推定する。そして、食品評価装置１００は、データＤ１に含まれる各成分に対して推定した活性値から、対象食品の総和活性スコアを算出する。

【0037】

総和活性スコアは、対象食品に含まれる複数成分の活性値を考慮した数値であって、例えば、個別の成分ごとに成分量と活性値を乗じた数値の合算値となる。なお、各成分の活性値の推定は、学習済みの推定活性値算出モデルによって実行される。

【0038】

活性値とは、例えば、生体（例えばヒト）に与える効果や影響の度合い又は量を示す。効果や影響は、良好なもの、及び不良なものの両方を含むものとする。活性値は、例えば、ＩＣ５０（５０％阻害濃度）、ＥＣ５０（５０％有効濃度）、ｐＤ２（有効性の指標）、ｐＡ２（競合的拮抗剤の活性指標）、ｐＤ´２（非競合的拮抗剤の活性指標）、ＥＤ５０（半数有効量）、ＬＤ５０（半数致死量）、ＮＯＥＬ（無影響量）、ＮＯＡＥＬ（無毒性量）、ＬＯＡＥＬ（最小毒性量）、ＢＭＤＬ（Ｂｅｎｃｈｍａｒｋ Ｄｏｓｅ Ｌｏｗｅｒ Ｃｏｎｆｉｄｅｎｃｅ Ｌｉｍｉｔ）、ＡＤＩ（一日摂取許容量）、ＡＲｆＤ（急性参照用量）等を挙げることができる。また、活性値に寄与する物質（成分）は、例えば、生物活性物質と呼ばれることがある。生物活性物質には、例えば、人体の特定の生理機能を調節する物質のみならず、特定の機能を阻害する物質も含まれる。

【0039】

評価の対象となる組成物は、特に限定されるものではないが、例えば、食品や生薬が挙げられる。食品は、例えば、複数成分を含有する生鮮食品や加工食品が挙げられ、食品に添加して使用される食品添加物や調味料も含まれる。生薬は、例えば、複数成分を含有する動植物由来加工物が挙げられ、これらの抽出物も含まれる。

【0040】

＜食品評価装置１００の構成例＞
図２は、食品評価装置１００の構成例を表す図である。食品評価装置１００は、ＣＰＵ（Central Processing Unit）１１０、ストレージ１２０、メモリ１３０、及びディスプ
レイ１５０を有する。

【0041】

ストレージ１２０は、プログラムやデータを記憶する、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、又はＳＳＤ（Solid State Drive）などの補助記憶装置である。ストレージ１２０は、成分解析プログラム１２１、分子記述子算出プログラム１２２、推定活性値算出プログラム１２６、総和活性スコア算出プログラム１２４、及びモデル学習プログラム１２５を記憶する。

【0042】

メモリ１３０は、ストレージ１２０に記憶されているプログラムをロードする領域である。また、メモリ１３０は、プログラムがデータを記憶する領域としても使用されてもよい。

【0043】

ディスプレイ１５０は、総和活性スコアや入出力データなどを表示する画面であり、表示部である。ディスプレイ１５０は、例えば、一体型でもよいし、外部接続されるものであってもよい。

【0044】

ＣＰＵ１１０は、ストレージ１２０に記憶されているプログラムを、メモリ１３０にロードし、ロードしたプログラムを実行し、各部を構築し、各処理を実現するプロセッサである。

【0045】

ＣＰＵ１１０は、成分解析プログラム１２１を実行することで、成分解析部を構築し、成分解析処理を行う。成分解析処理は、対象食品の成分測定データから、対象食品に含まれる成分及びその成分の分量（割合）などを算出する処理である。また、成分解析処理は、例えば、対象食品の成分を特定し、特定した成分の化学構造を特定する。

【0046】

ＣＰＵ１１０は、分子記述子算出プログラム１２２を実行することで、分子記述子算出部を構築し、分子記述子算出処理を行う。分子記述子算出処理は、対象食品に含まれる成分の化学構造から、分子記述子を算出する。分子記述子は、例えば、化学構造情報から算出される化学構造の特徴であって、分子構造などから算出される物理化学情報である。分子記述子は、分子記述子算出処理において、例えば、約２０００種類が算出される。

【0047】

ＣＰＵ１１０は、総和活性スコア算出プログラム１２４を実行することで、総和活性スコア算出部（スコア算出部）を構築し、総和活性スコア算出処理を行う。総和活性スコア算出処理は、各成分の推定活性値から、対象食品の総和活性スコアを算出する処理である。

【0048】

ＣＰＵ１１０は、モデル学習プログラム１２５を実行することで、モデル学習部を構築し、モデル学習処理を行う。モデル学習処理は、推定活性値算出モデル１２３に教師データを入力し、学習させる処理である。

【0049】

ＣＰＵ１１０は、推定活性値算出プログラム１２６を実行することで、推定活性値算出部を構築し、推定活性値算出処理を行う。推定活性値算出処理は、成分の化学構造情報に基づき、当該成分の活性値を推定する処理である。推定活性値算出処理は、推定活性値算出モデル１２３を使用し、成分の推定活性値を算出する。

【0050】

推定活性値算出モデル１２３は、例えば、ＡＩであり、入力された成分の活性値を推定する。推定活性値算出モデル１２３は、例えば、ＣＰＵ１１０に特定のプログラムが実行されることで構築される。推定活性値算出モデル１２３は、入力された成分の化学構造と、学習済みの成分の化学構造を比較し、類似性を判定する。そして、推定活性値算出モデル１２３は、類似性に応じて、入力された成分の活性値を推定する。

【0051】

また、推定活性値算出モデル１２３は、入力された成分の化学構造と類似する化学構造を有する学習済みの成分を検出（探索）し、検出した成分の活性値を、入力された成分の活性値として算出してもよい。

【0052】

また、推定活性値算出モデル１２３は、活性値が既知である成分の化学構造情報及び活性値を学習し、学習済みモデルとなる。推定活性値算出モデル１２３は、例えば、化学構造に関する特徴量（又は分子記述子）と活性値を教師データとし、学習を行う。

【0053】

＜総和活性スコアについて＞
総和活性スコアについて説明する。総和活性スコアは、１つの責任成分による食品の評価値ではなく、食品に含まれる複数の成分による総合的な評価値である。

【0054】

図３は、総和活性スコアの概念の例を示す図である。成分群Ｇ１に含まれる栄養成分や機能性成分は、既知の成分であり、責任成分の１つとして食品の評価に用いられる。成分群Ｇ１に含まれる成分としては、例えば、ＧＡＢＡがあり、睡眠の質（寝つき、眠りの深さ、すっきりとした目覚め）の向上に役立つ作用を有する成分として知られている。１つの責任成分による食品の評価としては、食品のＧＡＢＡの含有量がある一定量以上であることをもって、睡眠の質（寝つき、眠りの深さ、すっきりとした目覚め）の向上に役立つ作用を発揮する食品と評価される。

【0055】

しかし、この評価方法では、責任成分以外の成分が有する活性値（体に与える効果）を評価していないため、食品を適正に評価できない場合がある。そこで、食品評価システム１０は、複数の成分（好ましくは全ての成分）を考慮した、総和活性スコアによる食品の
評価を行う。

【0056】

総和活性スコアは、成分群Ｇ１に加え、成分群Ｇ２～Ｇ４も考慮した値である。例えば、「病気Ｘの予防効果」の総和活性スコアの例について説明する。例えば、ある食品Ｑは、成分群Ｇ１の成分ａ、成分群Ｇ２の成分ｂ、成分群Ｇ３の成分ｃ、成分群Ｇ４の成分ｄを少なくとも有するものとする。

【0057】

例えば、成分群Ｇ１の成分ａは、病気Ｘの予防に対する効果が認められない成分とする。この場合、１つの責任成分による評価であれば、食品は病気Ｘの予防効果がないと評価される。

【0058】

しかし、成分ｂ、成分ｃ、成分ｄそれぞれが、病気Ｘの発症を抑制する効果を、少ないながらも有する場合がある。１つ１つの成分では少ない効果であるが、３つの成分の合計量が多くなれば、効果も大きくなる。よって、総和活性スコアを用いた評価では、成分ｂ、成分ｃ、成分ｄの合計量によっては、食品Ｑは病気Ｘの予防効果があると評価される。

【0059】

また、病気Ｘの原因は、１つではなく複数の要素の組み合わせであることが多い。例えば、認知症は、アルツハイマー型や脳血管性認知症など、複数の病気の総称である。脳血管性認知症の原因としては、例えば、動脈硬化や脳血流の低下などがある。さらに、動脈硬化の原因としては、例えば、高血圧症や糖尿病などがある。

【0060】

認知症を予防するためには、例えば、動脈硬化を予防することが効果的である。一方で、動脈硬化の原因である高血圧症を予防することも、間接的ではあるが、認知症の予防効果がある。

【0061】

そこで、食品評価システム１０は、総和活性スコアの算出において、間接的な効果（活性値）も考慮する場合がある。例えば、成分ａは病気Ｘの直接的な予防効果を有し、成分ｂ、成分ｃ、及び成分ｄが病気Ｘの間接的な予防効果を有する場合がある。この場合、総和活性スコアは、成分ａの活性値に加え、成分ｂ、成分ｃ、及び成分ｄの活性値も加算した値となる。また、総和活性スコアは、係数を使用し、直接的な効果を有する成分ａと、間接的な効果を有する成分ｂ、成分ｃ、及び成分ｄとの重みを変更してもよい。例えば、総和活性スコアが、各成分の活性値の合計であるとき、成分ｂ、成分ｃ、及び成分ｄに、成分ａよりも低い係数を乗じて加算する。

【0062】

なお、例えば、成分ｄが、動脈硬化を予防する成分の活性を阻害するなど、病気Ｘに対して逆効果である場合がある。この場合、総和活性スコアの算出において、成分ｄはマイナスの値として計算される。

【0063】

上述したように、総和活性スコアは、食品に含まれる複数の成分の活性値を、総合的に評価した値であって、人体おける効果の度合いを示す値である。総和活性スコアは、例えば、値が大きいほど、効果が大きい。

【0064】

総和活性スコアは、食品に含まれる各成分単独では機能性（効果）が弱い場合でも、複数成分を総合的に評価することで、食品の有する効果をより適正に評価することができる。

【0065】

また、総和活性スコアは、例えば、複数の病気それぞれの予防効果の度合いを示すことが可能である。例えば、医療従事者や食品会社は、複数の病気を予防したいユーザや患者に対して、総和活性スコアを考慮した食品の組み合わせを提案したり、総和活性スコアを考慮した食品を企画・製造したりすることで、ユーザや患者の要望に適切に応えることが
できる。

【0066】

なお、解析対象となる食品に含まれる成分は特に限定されるものではないが、例えば、タンパク質、ペプチド、アミノ酸、有機酸、脂質、多糖、オリゴ糖、糖類、ビタミン、ミネラル、ポリフェノール、アルカロイド、カロテノイド、テルペン、代謝産物、香気成分、呈味成分等のカテゴリーに属する成分が挙げられる。

【0067】

＜食品評価装置１００のソフトウェア構成例＞
食品評価装置１００は、成分解析部２０、分子記述子算出部２１、推定活性値算出部２２、総和活性スコア算出部２３、及びモデル学習部２４を有する。以下、食品評価処理及びモデル学習処理における、各部及びモデルの処理概要について説明する。

【0068】

＜１．食品評価処理におけるソフトウェア構成＞
図４は、食品評価処理における、ソフトウェア構成の例を示す図である。食品評価処理は、対象食品の総和活性スコアを出力する処理である。

【0069】

成分解析部２０は、対象食品の成分測定結果Ｄ１０を取得する（Ｓ１０）。成分測定結果Ｄ１０は、例えば、化学構造や成分量を算出できる生データ（例えば、ＬＣ－ＭＳ/Ｍ
Ｓのデータなど）や、成分名や化学構造に関するデータを含む加工済みデータ（例えば、アミノ酸配列情報など）を含む。また、成分解析部２０は、成分測定結果Ｄ１０から、対象食品に含まれる成分名、化学構造を解析し、各成分の分量（以降、成分量と呼ぶ場合がある）を取得、または算出（推定）する。そして、成分解析部２０は、化学構造リスト（成分名とその化学構造を示す一覧）Ｄ１１を、分子記述子算出部２１に出力する（Ｓ１１）。また、成分解析部２０は、成分名とその成分量を含む成分量リストＤ１２を、総和活性スコア算出部２３に出力する（Ｓ１２）。

【0070】

分子記述子算出部２１は、化学構造リストＤ１１を取得し（Ｓ１１）、化学構造リストＤ１１に含まれる各成分の化学構造から分子記述子を算出する。分子記述子算出部２１は、例えば、成分とその成分の分子記述子を対応づけて記憶する記憶情報から、当該成分を検索し、分子記述子として算出する。また、分子記述子算出部２１は、成分ごとに、化学構造に関する分子記述子を算出する。そして、分子記述子算出部２１は、成分の分子記述子のデータ群Ｄ１３を、推定活性値算出部２２に出力する（Ｓ１３）。

【0071】

推定活性値算出部２２は、データ群Ｄ１３を取得すると（Ｓ１３）、各成分の推定活性値を算出する。推定活性値算出部２２は、例えば、化学構造が類似した成分は類似した生物活性を有すると仮定し、各成分の活性値を推定する。推定活性値算出部２２は、成分の推定活性値のデータ群Ｄ１４を、総和活性スコア算出部２３に出力する（Ｓ１４）。なお、推定活性値算出部２２は、学習済みのモデル（推定活性値算出モデル）を使用し、推定活性値を算出する。

【0072】

なお、推定活性値算出部２２は、例えば、学習に使用した特徴量と同種の分子記述子を抽出し、活性値の推定に使用してもよい。また、推定活性値算出部２２は、学習に使用した特徴量と同種の分子記述子と、それ以外の分子記述子（例えば、全ての分子記述子）を、活性値の推定に使用してもよい。

【0073】

総和活性スコア算出部２３は、データ群Ｄ１４を取得すると（Ｓ１４）、データ群Ｄ１４の各成分の活性値と、成分解析部２０から取得した成分の成分量リストＤ１２とに基づき、対象食品の総和活性スコアを算出する。そして、総和活性スコア算出部２３は、算出した総和活性スコアＲ１０を、画面やファイルなどに出力する（Ｓ１５）。

【0074】

＜２．モデル学習処理におけるソフトウェア構成＞
図５は、モデル学習処理における、ソフトウェア構成の例を示す図である。モデル学習処理は、推定活性値算出部２２の有する推定活性値算出モデル１２３を学習させる処理である。

【0075】

モデル学習部２４は、成分（活性値が既知である成分）の化学構造情報及びその活性値のデータ群Ｄ２０を取得する（Ｓ２０）。モデル学習部２４は、データ群Ｄ２０から、成分の化学構造を取り出す。そして、モデル学習部２４は、成分の化学構造から、分子記述子を算出する。

【0076】

モデル学習部２４は、算出した分子記述子から、学習に使用する分子記述子を、特徴量として選択する。そして、モデル学習部２４は、成分の特徴量及び対応する活性値を教師データとし、教師データ群Ｄ２１を、推定活性値算出モデル１２３を有する推定活性値算出部２２に出力する（Ｓ２３）。

【0077】

推定活性値算出部２２の有する推定活性値算出モデル１２３は、教師データ群Ｄ２１を入力され（Ｓ２３）、化学構造の特徴量及び活性値を成分ごとに学習し、学習済みモデルとなる。

【0078】

＜各処理の詳細＞
各処理の詳細及び例について説明する。

【0079】

＜１．食品評価処理＞
図６は、食品評価処理Ｓ１００の処理フローチャートの例を示す図である。食品評価装置１００は、対象食品の成分測定結果を取得する（Ｓ１０１）。

【0080】

食品評価装置１００は、成分解析処理を行う（Ｓ１０２）。

【0081】

図７は、成分解析処理Ｓ１０２の処理フローチャートの例を示す図である。食品評価装置１００は、対象食品の成分測定結果を取得する（Ｓ１０２－１）。

【0082】

食品評価装置１００は、対象食品の成分測定結果を解析する（Ｓ１０２－２）。解析は、成分の種類（化学構造）及び成分量を算出（推定）する処理である。

【0083】

食品評価装置１００は、解析の結果、含まれる成分（化学構造）を抽出し（Ｓ１０２－３）、さらに含まれる成分の成分量を算出し（Ｓ１０２－４）、処理を終了する。

【0084】

例えば、ＡＣＥ（アンジオテンシンＩ変換酵素：Angiotensin－Ｉ Converting Enzyme
）における半数阻害濃度ＩＣ５０（ＡＣＥの働きの５０％を阻害する濃度）の総和活性スコアを算出する例（以降、この例を、ＡＣＥ阻害活性例と呼ぶ場合がある）について説明する。また、ＡＣＥ阻害活性例においては、対象成分をペプチドとし、その他の成分については考慮しないものとする。ＡＣＥ阻害活性例における成分解析は、ペプチドーム解析を含む。ペプチドーム解析を行うことで、含有されると推定されるペプチドの種類、及びそれぞれのペプチドの推定成分量が算出される。成分量は、例えば、ＬＣ－ＭＳ/ＭＳに
よるＸＩＣ（抽出イオンクロマトグラム）のピーク面積やＴＩＣ（トータルイオンクロマトグラム）のピーク総面積など用いて算出される。

【0085】

図６の処理フローチャートに戻り、食品評価装置１００は、抽出された全ての成分に対して（Ｓ１０３のＹｅｓ）、分子記述子算出処理を行い（Ｓ１０４）、さらに推定活性値算出処理を行う（Ｓ１０５）。

【0086】

図８は、分子記述子算出処理Ｓ１０４の処理フローチャートの例を示す図である。食品評価装置１００は、分子記述子を算出する対象の成分の化学構造を取得する（Ｓ１０４－１）。

【0087】

食品評価装置１００は、取得した化学構造から、成分の分子記述子を算出し（Ｓ１０４－２）、処理を終了する。

【0088】

図１０は、推定活性値算出処理Ｓ１０５の処理フローチャートの例を示す図である。食品評価装置１００は、成分の分子記述子を取得する（Ｓ１０５－１）。

【0089】

食品評価装置１００は、成分の分子記述子を推定活性値算出モデル（学習済みモデル）に入力し、推定活性値算出モデルに成分の推定活性値を算出させ（Ｓ１０５－２）、処理を終了する。推定活性値算出モデルは、学習済みであり、成分の分子記述子から、推定活性値を算出することができる。

【0090】

ＡＣＥ阻害活性例において、推定活性値算出モデルは、ペプチドの種類に応じた推定活性値を算出する。この推定活性値は、ＡＣＥ阻害活性を有するペプチドや他の成分を教師データとした学習済みモデルによって、推定された活性値である。なお、教師データに使用する特徴量については、以降で説明する。

【0091】

図６の処理フローチャートに戻り、全ての成分について推定活性値の算出が完了すると（Ｓ１０３のＮｏ）、総和活性スコア算出処理を行い（Ｓ１０６）、処理を終了する。

【0092】

図１１は、総和活性スコア算出処理Ｓ１０６の処理フローチャートの例を示す図である。食品評価装置１００は、成分ごとの推定活性値及び成分量を取得する（Ｓ１０６－１）。食品評価装置１００は、取得した成分ごとの推定活性値と成分量より、対象食品の総和活性スコアを算出し（Ｓ１０６－２）、処理を終了する。

【0093】

ＡＣＥ阻害活性例における、総和活性スコアの例について説明する。図１２は、総和活性スコアを算出する式の例を示す図である。

【0094】

式（１）は、環境毒性学の分野における混合物の毒性評価モデルの式の例である。Ｐｉは、成分ｉの割合（濃度）を示す。ＥＣｘは、ｘ％における効果濃度を示す。式（１）は、各成分の濃度を毒性値で除した値の総和（合算値）である。

【0095】

総和活性スコアの式（２）は、毒性の発生とＡＣＥ阻害活性が、同様のメカニズムで発生していると仮定し、式（１）の濃度加算の概念を利用し、式（１）を変形したものである。ＩＣ５０は、各成分のＡＣＥ阻害活性における半数阻害濃度を示す。式（２）は、各成分の濃度を各半数阻害濃度で除した値の総和（合算値）の対数（常用対数、自然対数など）である。

【0096】

なお、ＡＣＥ阻害活性例における総和活性スコアは、食品の実測によるＡＣＥ阻害濃度と比較しても、相関関係を示す決定係数Ｒ２が、およそ０．５程度となり、強い相関関係が認められ、総和活性スコアによる評価の正当性が高いと言える。

【0097】

また、総和活性スコアは、例えば、病気Ｘの予防効果のスコア、及び病気Ｙの予防効果のスコアなど、複数種類が算出されてもよい。例えば、ＤＰＰ－４阻害、抗酸化活性、ＳＧＬＴ１活性阻害、ＧＬＵＴ２活性阻害、ＦＯＸＯ１活性阻害などを組み合わせて病気Ｘ、病気Ｙの予防スコアなどを算出することができる。

【0098】

総和活性スコアの例について説明する。図１４は、食品Ａ及び食品Ｂの総和活性スコアの例を示す図である。図１４の表１は、食品の成分含有量及びある酵素の半数阻害濃度を示す表であり、食品Ａ及び食品Ｂに含まれる成分１～５の含有量（ミリグラム）及び、各成分の半数阻害濃度が示される。図１４の表２は、食品評価装置１００が算出した食品Ａ及び食品Ｂの総和活性スコアの表である。

【0099】

食品評価装置１００は、例えば、表１の値を図１２の式（２）に代入すると、以下のようになる。

食品Ａの総和活性スコア ＝Log10(0.1/10+1/0.1+10/0.01+0/100+1/100)
＝3.004・・・

食品Ｂの総和活性スコア ＝Log10(10/10+0.01/0.1+0.1/0.01+1/100+10/100)
＝1.049・・・

【0100】

食品評価装置１００は、例えば、小数点第３位を四捨五入し、食品Ａの総和活性スコアを３．００、食品Ｂの総和活性スコアを１．０５と算出する。これにより、食品Ａの総和活性スコアの方が食品Ｂの総和活性スコアよりも高くなり、食品Ａの方がある酵素の阻害活性の度合いが強い食品であると評価することができる。

【0101】

＜２．モデル学習処理＞
図１３は、モデル学習処理Ｓ２００の処理フローチャートの例を示す図である。食品評価装置１００は、活性成分（以下、成分と呼ぶ場合がある）の化学構造情報及び活性値を取得する（Ｓ２００－１）。ここで、取得する成分の化学構造情報及び活性値は、例えば、文献データである。

【0102】

食品評価装置１００は、成分の化学構造情報から、成分の分子記述子を算出し、特徴量を選出する（Ｓ２００－２）。ここで、食品評価装置１００は、例えば、成分の活性値に関連が深いと推測される分子記述子を、特徴量として選出する。また、食品評価装置１００は、例えば、顕著に特徴が表れている分子記述子を、特徴量として選出してもよい。特徴量は、分子記述子から選出された値である。すなわち、特徴量は、約２０００種類が算出される分子記述子の一種である。

【0103】

食品評価装置１００は、算出された成分の特徴量と活性値を用いて、教師データを生成する（Ｓ２００－２）。そして、食品評価装置１００は、教師データを、推定活性値算出部２２に入力し、推定活性値算出部２２に学習を実行させ（Ｓ２００－３）、処理を終了する。

【0104】

ＡＣＥ阻害活性例において算出する特徴量について説明する。図９は、算出する特徴量の例を示す図である。ＡＣＥ阻害活性例において算出される特徴量は、例えば、１０種類である。１０種類の特徴量は、対象成分であるペプチドの化学構造の特徴（傾向）を捉えるのに適した特徴量である。ＡＣＥ阻害活性例においては、図９に示すように、対象成分であるペプチドの化学構造の特徴を捉えるのに適した分子記述子を、特徴量として選択する。

【0105】

なお、図９に記載された数値は、あくまで例であって、異なる数値を使用した特徴量も含み得る。また、食品評価装置１００は、図９に示された特徴量以外の特徴量を算出してもよい。ここで算出される特徴量は、例えば、モデル学習において使用された特徴量に応じたものであることが好ましい。モデル学習において使用された特徴量に応じたものとは、同じ特徴量以外に、特徴量の算出における数値を変更したものなどを含む。また、モデル学習において使用された特徴量に応じたものとは、化学構造における類似した傾向を示す特徴量を含む。モデル学習処理では、文献データから教師データを生成することで、膨大なデータ量となる。しかし、算出する特徴量を限定することで、教師データの生成における手間や時間が抑制できる。

【0106】

また、教師データは、文献データ以外に、学習モデルを使用して推定した活性値を用いてもよい。例えば、食品評価装置１００は、未知の（文献データにない）成分について、学習モデルを使用して活性値を推定する。食品評価装置１００は、この推定した活性値と、未知の成分の特徴量を教師データとしてもよい。これにより、教師データの種別を増加させることができ、学習モデルに対して、より深く学習させることが可能となる。

【0107】

［その他の実施の形態］
総和活性スコアは、ヒト以外の動物に対する値であってもよい。総和活性スコアは、例えば、ペットや家畜の餌などの評価に用いられてもよい。

【0108】

また、総和活性スコアは、単位量あたり（例えば１グラムあたりなど）の値であってもよいし、対象食品の量に応じた値であってもよい。

【0109】

また、食品評価装置１００は、１つの食品に対して、複数の総和活性スコアを算出してもよい。複数の総和活性スコアは、例えば、Ａ（Ａは病名）予防に関する総和活性スコア
と、Ｂ（Ｂは病名）予防に関する総和活性スコアと、Ｃ（Ｃは病名）予防に関する総和活性スコアなど、複数の病気や怪我の種別ごとに算出される。このように複数の総和活性スコアを算出することで、ある食品は、例えば、「Ａ、Ｂの予防効果は大きいが、Ｃの予防効果は小さい」など、どの病気や怪我に効果が大きいかが明確となる。ユーザは、この複数の総和活性スコアを参照し、食品を選択することができる。例えば、あるユーザは、ＡとＢの予防効果には関心があるが、Ｃの予防効果には関心がない場合がある。この場合、あるユーザは、ＡとＢの予防効果に関する総和活性スコアを主に参照し、食品を選択すればよい。

【0110】

また、あるユーザは、食品を設計、生産するにあたり、総和活性スコアによる評価がある数値以上になることが好ましければ、総和活性スコアによる評価がある数値以上になるように、成分を調整して製造する組成物であって、前記組成物に含まれる、または含まれると推定される複数の前記含有成分と、前記複数の含有成分の成分量とを解析し、前記含有成分の化学構造に関する分子記述子を算出し、前記分子記述子に基づき、前記含有成分の活性値を推定し、前記複数の含有成分それぞれの推定活性値及び前記成分量から算出される、組成物、とすることができる。

【0111】

また、総和活性スコアによる評価がある数値未満（あるいは以下）になることが好ましければ、総和活性スコアによる評価がある数値未満（あるいは以下）になるように、成分を調整して製造する組成物であって、前記組成物に含まれる、または含まれると推定される複数の前記含有成分と、前記複数の含有成分の成分量とを解析し、前記含有成分の化学構造に関する分子記述子を算出し、前記分子記述子に基づき、前記含有成分の活性値を推定し、前記複数の含有成分それぞれの推定活性値及び前記成分量から算出される、組成物、とすることができる。

【0112】

さらに、総和活性スコアによる評価がある数値と同等になるように、成分を調整して製造する組成物であって、前記組成物に含まれる、または含まれると推定される複数の前記含有成分と、前記複数の含有成分の成分量とを解析し、前記含有成分の化学構造に関する分子記述子を算出し、前記分子記述子に基づき、前記含有成分の活性値を推定し、前記複数の含有成分それぞれの推定活性値及び前記成分量から算出される、組成物、とすることができる。

【符号の説明】

【0113】

１０ ：食品評価システム
１４ ：データ群
２０ ：成分解析部
２１ ：分子記述子算出部
２２ ：推定活性値算出部
２３ ：総和活性スコア算出部
２４ ：モデル学習部
１００ ：食品評価装置
１１０ ：ＣＰＵ
１２０ ：ストレージ
１２１ ：成分解析プログラム
１２２ ：特徴量算出プログラム
１２３ ：推定活性値算出モデル
１２４ ：総和活性スコア算出プログラム
１２５ ：モデル学習プログラム
１２６ ：推定活性値算出プログラム
１３０ ：メモリ
１５０ ：ディスプレイ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】