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】P2024006200
(43)【公開日】2024-01-17
(54)【発明の名称】免疫機能活性の予測方法
(51)【国際特許分類】
G16H 10/40 20180101AFI20240110BHJP
【ＦＩ】
G16H10/40
【審査請求】未請求
【請求項の数】15
【出願形態】ＯＬ
(21)【出願番号】P 2022106873
(22)【出願日】2022-07-01
(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】110003339
【氏名又は名称】弁理士法人南青山国際特許事務所
(72)【発明者】
【氏名】大里 直樹
【テーマコード（参考）】
5L099
【Ｆターム（参考）】
5L099AA03
(57)【要約】
【課題】特定の食品成分の摂取による対象者の免疫機能活性を予測することが可能な免疫機能活性の予測方法、並びにそれを実行可能な情報処理装置及びプログラムに関する。
【解決手段】本発明の一形態に係る免疫機能活性の予測方法は、対象者の特定の食品成分の摂取による免疫機能活性を予測する方法であって、前記特定の食品成分の摂取による免疫機能活性と負に相関する第１の腸内細菌の存在に関する第１細菌情報と、前記特定の食品成分の摂取による免疫機能活性と正に相関する第２の腸内細菌の存在に関する第２細菌情報と、を含む、前記対象者の腸内細菌叢に関する情報を取得するステップと、取得された前記対象者の前記第１細菌情報及び前記第２細菌情報に基づいて、前記特定の食品成分の摂取による前記対象者の免疫機能活性を予測するステップと、を含む。
【選択図】図４
【解決手段】本発明の一形態に係る免疫機能活性の予測方法は、対象者の特定の食品成分の摂取による免疫機能活性を予測する方法であって、前記特定の食品成分の摂取による免疫機能活性と負に相関する第１の腸内細菌の存在に関する第１細菌情報と、前記特定の食品成分の摂取による免疫機能活性と正に相関する第２の腸内細菌の存在に関する第２細菌情報と、を含む、前記対象者の腸内細菌叢に関する情報を取得するステップと、取得された前記対象者の前記第１細菌情報及び前記第２細菌情報に基づいて、前記特定の食品成分の摂取による前記対象者の免疫機能活性を予測するステップと、を含む。
【選択図】図４
【特許請求の範囲】
【請求項1】
対象者の特定の食品成分の摂取による免疫機能活性を予測する方法であって、
前記特定の食品成分の摂取による免疫機能活性と負に相関する第１の腸内細菌の存在に関する第１細菌情報と、前記特定の食品成分の摂取による免疫機能活性と正に相関する第２の腸内細菌の存在に関する第２細菌情報と、を含む、前記対象者の腸内細菌叢に関する情報を取得し、
取得された前記対象者の前記第１細菌情報及び前記第２細菌情報に基づいて、前記特定の食品成分の摂取による前記対象者の免疫機能活性を予測する
免疫機能活性の予測方法。
前記特定の食品成分の摂取による免疫機能活性と負に相関する第１の腸内細菌の存在に関する第１細菌情報と、前記特定の食品成分の摂取による免疫機能活性と正に相関する第２の腸内細菌の存在に関する第２細菌情報と、を含む、前記対象者の腸内細菌叢に関する情報を取得し、
取得された前記対象者の前記第１細菌情報及び前記第２細菌情報に基づいて、前記特定の食品成分の摂取による前記対象者の免疫機能活性を予測する
免疫機能活性の予測方法。
【請求項2】
前記第１腸内細菌が存在する、又は前記第１腸内細菌の菌量を示す値が第１の基準値よりも大きい場合に、前記特定の食品成分の摂取により前記対象者の免疫機能が活性化しないと予測する
請求項１に記載の免疫機能活性の予測方法。
請求項１に記載の免疫機能活性の予測方法。
【請求項3】
前記第１腸内細菌が存在しない、又は前記第１腸内細菌の菌量を示す値が前記第１の基準値以下であり、かつ、前記第２腸内細菌が存在する、又は前記第２腸内細菌の菌量を示す値が第２の基準値以上である場合に、前記特定の食品成分の摂取により前記対象者の免疫機能が活性化すると予測する
請求項１又は２に記載の免疫機能活性の予測方法。
請求項１又は２に記載の免疫機能活性の予測方法。
【請求項4】
取得された前記対象者の前記第１細菌情報及び前記第２細菌情報に基づいて、前記特定の食品成分の摂取による対象者の免疫機能の活性度を予測する
請求項１から３のいずれか一項に記載の免疫機能活性の予測方法。
請求項１から３のいずれか一項に記載の免疫機能活性の予測方法。
【請求項5】
取得された前記対象者の前記第１細菌情報及び前記第２細菌情報に基づいて、前記特定の食品成分の摂取による対象者の免疫機能の活性値を予測する
請求項１から３のいずれか一項に記載の免疫機能活性の予測方法。
請求項１から３のいずれか一項に記載の免疫機能活性の予測方法。
【請求項6】
前記特定の食品成分が、腸内細菌によってＥＧＣ－Ｍ５に代謝される食品成分を含む
請求項１から５のいずれか一項に記載の免疫機能活性の予測方法。
請求項１から５のいずれか一項に記載の免疫機能活性の予測方法。
【請求項7】
前記特定の食品成分が、カテキンを含む
請求項６に記載の免疫機能活性の予測方法。
請求項６に記載の免疫機能活性の予測方法。
【請求項8】
前記第１の腸内細菌が、Ａｎａｅｒｏｓｐｏｒｏｂａｃｔｅｒ属、Ｂａｒｉａｔｒｉｃｕｓ属、Ｋｌｅｂｓｉｅｌｌａ属、Ｋｏｃｕｒｉａ属、Ｍａｓｓｉｌｉｐｒｅｖｏｔｅｌｌａ属、Ｍｅｇａｓｐｈａｅｒａ属、Ｍｏｒｇａｎｅｌｌａ属、Ｐｅｔｒｏｃｌｏｓｔｒｉｄｉｕｍ属、及びＷｅｉｓｓｅｌｌａ属から選択された少なくとも一つに属する腸内細菌を含む
請求項６又は７に記載の免疫機能活性の予測方法。
請求項６又は７に記載の免疫機能活性の予測方法。
【請求項9】
前記第１の腸内細菌が、Ａｎａｅｒｏｓｐｏｒｏｂａｃｔｅｒ属に属する腸内細菌を含む
請求項８に記載の免疫機能活性の予測方法。
請求項８に記載の免疫機能活性の予測方法。
【請求項10】
前記第２腸内細菌が、Ａｌｉｓｔｉｐｅｓ属、Ｃａｔａｂａｃｔｅｒ属、Ｅｎｔｅｒｏｃｌｏｓｔｅｒ属、及びＰｏｒｐｈｙｒｏｍｏｎａｓ属から選択された少なくとも一つに属する細菌を含む
請求項６から９のいずれか一項に記載の免疫機能活性の予測方法。
請求項６から９のいずれか一項に記載の免疫機能活性の予測方法。
【請求項11】
前記第２腸内細菌が、Ａｌｉｓｔｉｐｅｓ属に属する細菌を含む
請求項１０に記載の免疫機能活性の予測方法。
請求項１０に記載の免疫機能活性の予測方法。
【請求項12】
前記予測部は、前記特定の食品成分の摂取による前記対象者の免疫機能活性として、免疫細胞の活性を予測する
請求項１から１１のいずれか一項に記載の免疫機能活性の予測方法。
請求項１から１１のいずれか一項に記載の免疫機能活性の予測方法。
【請求項13】
前記免疫細胞がＮＫ細胞を含む
請求項１２に記載の免疫機能活性の予測方法。
請求項１２に記載の免疫機能活性の予測方法。
【請求項14】
対象者の特定の食品成分の摂取による免疫機能活性を予測する情報処理装置であって、
前記特定の食品成分の摂取による免疫機能活性と負に相関する第１の腸内細菌の存在に関する第１細菌情報と、前記特定の食品成分の摂取による免疫機能活性と正に相関する第２の腸内細菌の存在に関する第２細菌情報と、を含む、前記対象者の腸内細菌叢に関する情報を取得する取得部と、
取得された前記対象者の前記第１細菌情報及び前記第２細菌情報に基づいて、前記特定の食品成分の摂取による前記対象者の免疫機能活性を予測する予測部と、
を具備する情報処理装置。
前記特定の食品成分の摂取による免疫機能活性と負に相関する第１の腸内細菌の存在に関する第１細菌情報と、前記特定の食品成分の摂取による免疫機能活性と正に相関する第２の腸内細菌の存在に関する第２細菌情報と、を含む、前記対象者の腸内細菌叢に関する情報を取得する取得部と、
取得された前記対象者の前記第１細菌情報及び前記第２細菌情報に基づいて、前記特定の食品成分の摂取による前記対象者の免疫機能活性を予測する予測部と、
を具備する情報処理装置。
【請求項15】
対象者の特定の食品成分の摂取による免疫機能活性を予測するためのプログラムであって、情報処理装置に、
前記特定の食品成分の摂取による免疫機能活性と負に相関する第１の腸内細菌の存在に関する第１細菌情報と、前記特定の食品成分の摂取による免疫機能活性と正に相関する第２の腸内細菌の存在に関する第２細菌情報と、を含む、前記対象者の腸内細菌叢に関する情報を取得するステップと、
取得された前記対象者の前記第１細菌情報及び前記第２細菌情報に基づいて、前記特定の食品成分の摂取による前記対象者の免疫機能活性を予測するステップと、
を実行させるプログラム。
前記特定の食品成分の摂取による免疫機能活性と負に相関する第１の腸内細菌の存在に関する第１細菌情報と、前記特定の食品成分の摂取による免疫機能活性と正に相関する第２の腸内細菌の存在に関する第２細菌情報と、を含む、前記対象者の腸内細菌叢に関する情報を取得するステップと、
取得された前記対象者の前記第１細菌情報及び前記第２細菌情報に基づいて、前記特定の食品成分の摂取による前記対象者の免疫機能活性を予測するステップと、
を実行させるプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、対象者の特定の食品成分の摂取による免疫機能活性の予測方法、並びにそれを実行可能な情報処理装置及びプログラムに関する。
【背景技術】
【0002】
健康を維持する観点から、特定の食品成分を摂取した際の免疫機能への影響が着目されている。例えば、非特許文献１には、茶カテキンの摂取により、ＮＫ細胞の活性が高まることが開示されている。また非特許文献２には、カテキンの代謝物であるＥＧＣ－Ｍ５により、ＮＫ細胞の活性が高まることが開示されている。
【先行技術文献】
【非特許文献】
【0003】
【非特許文献1】Ｒｙｏ Ｉｋｅｔａｎｉら、Ｊａｐａｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｎｉｃａｌ Ｐｈａｒｍａｃｏｌｏｇｙ ａｎｄ Ｔｈｅｒａｐｅｕｔｉｃｓ、２０１９年、第５０巻，ｐ．１３９－１４５
【非特許文献2】Ｙｏｏｎ Ｈｅｅ Ｋｉｍら、Ｊｏｕｒｎａｌ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ ａｎｄ Ｆｏｏｄ Ｃｈｅｍｉｓｔｒｙ、２０１６年、第１８巻、ｐ．３５９１－３５９７
【発明の概要】
【発明が解決しようとする課題】
【0004】
一方で、腸内細菌叢を構成する腸内細菌の種類及び比率は、個人差があることが知られている。このことから、免疫機能への有効性が知られている食品成分であっても、保有している腸内細菌叢によっては、当該食品成分を代謝できず、免疫機能に作用できない可能性がある。このため、特定の食品成分の継続的な摂取にあたっては、対象者毎に、特定の食品成分が免疫機能に作用しやすい体質であるか否か、予測できることが好ましい。
【0005】
本発明は、特定の食品成分の摂取による対象者の免疫機能活性を予測することが可能な免疫機能活性の予測方法、並びにそれを実行可能な情報処理装置及びプログラムに関する。
【課題を解決するための手段】
【0006】
本発明の一形態に係る免疫機能活性の予測方法は、対象者の特定の食品成分の摂取による免疫機能活性を予測する方法であって、
前記特定の食品成分の摂取による免疫機能活性と負に相関する第１の腸内細菌の存在に関する第１細菌情報と、前記特定の食品成分の摂取による免疫機能活性と正に相関する第２の腸内細菌の存在に関する第２細菌情報と、を含む、前記対象者の腸内細菌叢に関する情報を取得するステップと、
取得された前記対象者の前記第１細菌情報及び前記第２細菌情報に基づいて、前記特定の食品成分の摂取による前記対象者の免疫機能活性を予測するステップと、を含む。
前記特定の食品成分の摂取による免疫機能活性と負に相関する第１の腸内細菌の存在に関する第１細菌情報と、前記特定の食品成分の摂取による免疫機能活性と正に相関する第２の腸内細菌の存在に関する第２細菌情報と、を含む、前記対象者の腸内細菌叢に関する情報を取得するステップと、
取得された前記対象者の前記第１細菌情報及び前記第２細菌情報に基づいて、前記特定の食品成分の摂取による前記対象者の免疫機能活性を予測するステップと、を含む。
【発明の効果】
【0007】
本発明の免疫機能活性の予測方法によれば、特定の食品成分の摂取による対象者の免疫機能活性を予測することが可能である。
【図面の簡単な説明】
【0008】
【図1】本発明の一実施形態に係る、特定の食品成分の摂取による免疫機能活性の予測方法を実現可能な情報処理装置を備えたシステムの構成例を示した図である。
【図2】上記情報処理装置のハードウェア構成を示した図である。
【図3】上記情報処理装置の機能的構成を示した図である。
【図4】上記情報処理装置による、免疫機能活性の予測処理の流れを示したフローチャートである。
【図5】本発明の予測方法に用いられる、第１及び第２腸内細菌と免疫機能活性との関係を示すデータを得るための試験例の結果を示す図である。（Ａ）は、５８人の被験者を、Ａｎａｅｒｏｓｐｏｒｏｂａｃｔｅｒ属に属する細菌（以下、「Ａｎ菌」）の非保菌者（５０名）と、保菌者（８名）とに分類して、各グループにおけるΔＮＫ細胞活性の平均値を算出したグラフである。（Ｂ）は、横軸をＡｎ菌の菌数の割合（存在率）、縦軸をΔＮＫ細胞活性の値として、上述の５８人の被験者のΔＮＫ細胞活性のデータをプロットしたグラフであり、Ａｎ菌の保菌者（８名）に対応するプロットはグレー、Ａｎ菌の非保菌者（５０名）に対応するプロットは黒で示している。
【図6】上記試験例の結果を示す図である。（Ａ）は、横軸をＡｌｉｓｔｉｐｅｓ属に属する細菌（以下、「Ａｌ菌」）の菌数の割合（存在率）、縦軸をΔＮＫ細胞活性の値として、Ａｎ菌の非保菌者（５０名）のΔＮＫ細胞活性のデータをプロットしたグラフである。さらに同図では、Ａｌ菌の菌数の割合を基にＡｎ菌の非保菌者を３分割し、そのうちのＡｌ菌の菌数の割合が多いグループＩと当該割合が少ないグループＩＩとを示している。（Ｂ）は、グループＩ及びＩＩの各々におけるΔＮＫ細胞活性の平均値を示したグラフである。
【図7】上記試験例の結果を示す図である。（Ａ）は、グループＩとグループＩＩの被験者におけるＥＧＣ－Ｍ５の変化量（ΔＥＧＣ－Ｍ５）を示すグラフである。（Ｂ）は、グループＩとグループＩＩの被験者におけるＥＧＣの変化量（ΔＥＧＣ）を示すグラフである。
【図8】上記試験例の結果から、腸内細菌叢におけるＡｎ菌の存在の有無と、Ａｌ菌の菌量とに基づいて、カテキン摂取によって予測されるＮＫ細胞の活性が３群に分類できることを説明する図であり、横軸はＡｎ菌の存在の有無、縦軸はＡｌ菌の菌量を示す。
【図9】本発明の他の実施形態に係る情報処理装置の機能的構成を示した図である。
【発明を実施するための形態】
【0009】
以下、図面を参照しながら、本発明の実施形態を説明する。
【0010】
［システムの概要］
本発明に係る情報処理装置は、本発明に係る免疫機能活性の予測方法を実現可能に構成され、一例として、以下のようなインターネット５０を介したシステムを構成する。
図１に示す例において、本発明の一実施形態に係るシステムは、インターネット５０上のサーバ１００と、複数のユーザ端末２００とを含んでいる。
本発明に係る情報処理装置は、本発明に係る免疫機能活性の予測方法を実現可能に構成され、一例として、以下のようなインターネット５０を介したシステムを構成する。
図１に示す例において、本発明の一実施形態に係るシステムは、インターネット５０上のサーバ１００と、複数のユーザ端末２００とを含んでいる。
【0011】
サーバ１００は、例えば、特定の食品成分の摂取による免疫機能予測サービスを提供可能なウェブサイトの運営者によって運営されるウェブサーバ（情報処理装置）とすることができる。サーバ１００は、例えば、複数のユーザ端末２００とインターネット５０を介して接続されている。
【0012】
ユーザ端末２００（２００Ａ，２００Ｂ，２００Ｃ...）は、免疫機能予測サービスのユーザである対象者により使用される端末とすることができ、例えばスマートフォン、携帯電話、タブレットＰＣ（Personal Computer）、ノートブックＰＣ、デスクトップＰＣ等である。ユーザ端末２００は、例えば、サーバ１００へアクセスし、サーバ１００により生成されたウェブページ等を受信してブラウザ等により画面に表示する。
【0013】
本実施形態では、サーバ１００は、ユーザ端末２００を使用する対象者から提供された腸内細菌情報を基に、各対象者における特定の食品成分の摂取による免疫機能活性を予測する。さらに、本実施形態において、サーバ１００は、予測された特定の食品成分の摂取による免疫機能活性に関する情報を、ユーザ端末２００に提供することができる。
【0014】
免疫機能予測サービスの運営者は、例えば、各対象者に腸内細菌叢の検査キットを送付し、対象者が当該キットにより採取したサンプルを運営者又は運営者に委託を受けた者へ返送する。本実施形態において、採取サンプルは、便、血液、尿、唾液等であり、腸内細菌叢に含まれる腸内細菌をより精度よく検出する観点から、便であることが好ましい。
【0015】
サーバ１００には、採取サンプルから測定されたデータが入力され、サーバ１００は、当該データを基に、特定の食品成分の摂取による免疫機能活性の予測データを生成する。免疫機能活性の予測処理については、後述する。
【0016】
本発明における食品成分は、喫食可能な成分であり、飲料に含まれる成分も含むものとする。本発明における食品成分は、免疫機能に対して作用し得る食品成分であり、例えば、ポリフェノール（カテキン、アントシアニン、ルチン、クロロゲン酸、セサミン等）、乳酸菌類、ビタミンＥ、ビタミンＣ、ビタミンＡ、カロテノイド（βカロテン、リコペン、ルテイン、アスタキサンチン等）、オメガ３系脂肪酸等から選択された１又は複数種の食品成分を含む。
本実施形態においては、食品成分としてカテキンの例を挙げる。カテキンは、エピガロカテキン（ＥＧＣ）、エピガロカテキンガラート（ＥＧＣｇ）等として茶などの食品中に存在する。ＥＧＣの代謝物であるＥＧＣ－Ｍ５は、ＮＫ細胞を活性化することが知られている（非特許文献２参照）。
また、特定の食品の「摂取」は、所定の期間（例えば２週間以上）における継続的な摂取であることが好ましい。
本実施形態においては、食品成分としてカテキンの例を挙げる。カテキンは、エピガロカテキン（ＥＧＣ）、エピガロカテキンガラート（ＥＧＣｇ）等として茶などの食品中に存在する。ＥＧＣの代謝物であるＥＧＣ－Ｍ５は、ＮＫ細胞を活性化することが知られている（非特許文献２参照）。
また、特定の食品の「摂取」は、所定の期間（例えば２週間以上）における継続的な摂取であることが好ましい。
【0017】
後述するＮＫ細胞活性化のためのカテキンの摂取は、所定の期間（例えば２週間以上）における継続的な摂取であることが好ましい。カテキンは、カテキンを含有する一種類の食品から摂取されてもよいし、カテキンを含有する複数の食品を組み合わせて摂取されてもよい。また、カテキンが非重合体カテキン類である場合、ＮＫ細胞活性化のための１日当たりの摂取量は、好ましくは１００ｍｇ以上、より好ましくは２００ｍｇ以上、さらに好ましくは３００ｍｇ以上、より一層好ましくは４００ｍｇ以上である。
【0018】
本発明において予測される「特定の食品成分の摂取による免疫機能活性」とは、特定の食品成分を摂取した前後における、免疫機能の活性の変化を意味する。
つまり、本発明において、「特定の食品成分の摂取により免疫機能が活性化する」とは、特定の食品成分の摂取前よりも摂取後で、免疫機能の活性を示す値が増加することを意味する。また、「特定の食品成分の摂取により免疫機能が活性化しない」とは、特定の食品成分の摂取前後で免疫機能の活性を示す値が変化しない、又は摂取前よりも摂取後で免疫機能の活性を示す値が減少することを意味する。
免疫機能の活性を示す値は、公知の方法（一例として、Ｍｅｄｉｃａｌ Ｔｅｃｈｎｏｌｏｇｙ，１９９３年、２１巻７号、ｐ．５７４～５８０に開示の方法）で測定された値であり得る。
本発明における免疫機能活性とは、免疫細胞又は免疫反応に関わる分子の活性を意味する。
本発明における免疫細胞は、自然免疫に関する免疫細胞でも、獲得免疫に関する免疫細胞でも特に限定されない。例えば、本発明における免疫細胞は、好酸球、好中球、好塩基球、マクロファージ、樹状細胞、ナチュラルキラー（ＮＫ）細胞、Ｂ細胞、ヘルパーＴ細胞、キラーＴ細胞、制御性Ｔ細胞、リンパ球等から選択された１又は複数種の免疫細胞を含む。
免疫反応に関わる分子は、例えば、サイトカイン又は抗体から選択された１又は複数種の分子を含む。サイトカインとしては、インターロイキン、インターフェロン（ＩＦＮ－α，ＩＦＮ－β，ＩＦＮ－γ等）、腫瘍壊死因子（ＴＮＦ－α，ＴＮＦ－β等）、ケモカイン、造血性コロニー刺激因子（ＣＳＦ）、形質転換増殖因子（ＴＧＦ）等が挙げられる。抗体としては、ＩｇＭ、ＩｇＧ、ＩｇＡ、ＩｇＤ、ＩｇＥ等が挙げられる。
本実施形態においては、特定の食品成分の摂取による免疫機能活性が、例えば、カテキン摂取によるＮＫ細胞活性であることが好ましい。
なお、本発明に係る免疫機能活性の予測方法は、疾病の治療又は診断に関するものではない。
つまり、本発明において、「特定の食品成分の摂取により免疫機能が活性化する」とは、特定の食品成分の摂取前よりも摂取後で、免疫機能の活性を示す値が増加することを意味する。また、「特定の食品成分の摂取により免疫機能が活性化しない」とは、特定の食品成分の摂取前後で免疫機能の活性を示す値が変化しない、又は摂取前よりも摂取後で免疫機能の活性を示す値が減少することを意味する。
免疫機能の活性を示す値は、公知の方法（一例として、Ｍｅｄｉｃａｌ Ｔｅｃｈｎｏｌｏｇｙ，１９９３年、２１巻７号、ｐ．５７４～５８０に開示の方法）で測定された値であり得る。
本発明における免疫機能活性とは、免疫細胞又は免疫反応に関わる分子の活性を意味する。
本発明における免疫細胞は、自然免疫に関する免疫細胞でも、獲得免疫に関する免疫細胞でも特に限定されない。例えば、本発明における免疫細胞は、好酸球、好中球、好塩基球、マクロファージ、樹状細胞、ナチュラルキラー（ＮＫ）細胞、Ｂ細胞、ヘルパーＴ細胞、キラーＴ細胞、制御性Ｔ細胞、リンパ球等から選択された１又は複数種の免疫細胞を含む。
免疫反応に関わる分子は、例えば、サイトカイン又は抗体から選択された１又は複数種の分子を含む。サイトカインとしては、インターロイキン、インターフェロン（ＩＦＮ－α，ＩＦＮ－β，ＩＦＮ－γ等）、腫瘍壊死因子（ＴＮＦ－α，ＴＮＦ－β等）、ケモカイン、造血性コロニー刺激因子（ＣＳＦ）、形質転換増殖因子（ＴＧＦ）等が挙げられる。抗体としては、ＩｇＭ、ＩｇＧ、ＩｇＡ、ＩｇＤ、ＩｇＥ等が挙げられる。
本実施形態においては、特定の食品成分の摂取による免疫機能活性が、例えば、カテキン摂取によるＮＫ細胞活性であることが好ましい。
なお、本発明に係る免疫機能活性の予測方法は、疾病の治療又は診断に関するものではない。
【0019】
［情報処理装置のハードウェア構成］
図２に示すように、サーバ１００は、例えば、ＣＰＵ（Central Processing Unit）１１、ＲＯＭ（Read Only Memory）１２、ＲＡＭ（Random Access Memory）１３、入出力インタフェース１５、及び、これらを互いに接続するバス１４を備える。
図２に示すように、サーバ１００は、例えば、ＣＰＵ（Central Processing Unit）１１、ＲＯＭ（Read Only Memory）１２、ＲＡＭ（Random Access Memory）１３、入出力インタフェース１５、及び、これらを互いに接続するバス１４を備える。
【0020】
ＣＰＵ１１は、必要に応じてＲＡＭ１３等に適宜アクセスし、各種演算処理を行いながらサーバ１００の各ブロック全体を統括的に制御する。ＲＯＭ１２は、ＣＰＵ１１に実行させるＯＳ、プログラムや各種パラメータ等のファームウェアが固定的に記憶されている不揮発性のメモリである。ＲＡＭ１３は、ＣＰＵ１１の作業用領域等として用いられ、ＯＳ、実行中の各種アプリケーション、処理中の各種データを一時的に保持する。
【0021】
入出力インタフェース１５には、表示部１６、操作受付部１７、記憶部１８、通信部１９等が接続される。
【0022】
表示部１６は、例えばＬＣＤ（Liquid Crystal Display）、ＯＥＬＤ（Organic ElectroLuminescence Display）、ＣＲＴ（Cathode Ray Tube）等を用いた表示デバイスである。
【0023】
操作受付部１７は、例えばマウス等のポインティングデバイス、キーボード、タッチパネル、その他の入力装置である。操作受付部１７がタッチパネルである場合、そのタッチパネルは表示部１６と一体となり得る。
【0024】
記憶部１８は、例えばＨＤＤ（Hard Disk Drive）や、フラッシュメモリ（ＳＳＤ；Solid State Drive）、その他の固体メモリ等の不揮発性メモリである。当該記憶部１８には、上記ＯＳや各種アプリケーション、各種データが記憶される。
【0025】
本実施形態において、記憶部１８は、後述する免疫機能活性の予測処理に必要なアプリケーション等のプログラムの他、対象者情報データベース等のデータベースを有していてもよい。対象者情報データベースは、免疫機能活性の予測処理において、必要に応じて参照されて用いられる。
対象者情報データベースは、採取サンプルを提供した対象者の属性情報を対象者毎に記憶している。対象者の属性情報としては、特に限定されないが、例えば、氏名（ニックネーム）、対象者を識別するための対象者ＩＤ、年齢（年代）、職業、住所（居住エリア）、性別、メールアドレス、といった一般的な情報の他、食物繊維摂取量、飲酒量、喫煙習慣、運動習慣等の生活習慣に関する情報を含んでいる。また、対象者情報データベースは、対象者ＩＤ毎に、取得された腸内細菌叢の情報、又はそれを用いて生成された特定の食品成分の摂取による免疫機能活性の予測データの少なくとも一方を記憶していてもよい。
なお、対象者情報データベース等のデータベースは、記憶部１８ではなくサーバ１００に外部接続された記憶装置やサーバに記憶されていてもよい。
対象者情報データベースは、採取サンプルを提供した対象者の属性情報を対象者毎に記憶している。対象者の属性情報としては、特に限定されないが、例えば、氏名（ニックネーム）、対象者を識別するための対象者ＩＤ、年齢（年代）、職業、住所（居住エリア）、性別、メールアドレス、といった一般的な情報の他、食物繊維摂取量、飲酒量、喫煙習慣、運動習慣等の生活習慣に関する情報を含んでいる。また、対象者情報データベースは、対象者ＩＤ毎に、取得された腸内細菌叢の情報、又はそれを用いて生成された特定の食品成分の摂取による免疫機能活性の予測データの少なくとも一方を記憶していてもよい。
なお、対象者情報データベース等のデータベースは、記憶部１８ではなくサーバ１００に外部接続された記憶装置やサーバに記憶されていてもよい。
【0026】
通信部１９は、例えばEthernet用のＮＩＣ（Network Interface Card）や無線ＬＡＮ等の無線通信用の各種モジュールであり、上記ユーザ端末２００との間の通信処理を担う。
【0027】
なお、図示しないが、ユーザ端末２００の基本的なハードウェア構成も上記サーバ１００のハードウェア構成と略同様であり得る。
【0028】
［サーバの機能的構成］
図３に示すように、本実施形態に係るサーバ１００は、上記ハードウェア構成によって実現される機能的構成として、取得部１０１と、予測部１０２と、情報出力部１０３と、を有する。
図３に示すように、本実施形態に係るサーバ１００は、上記ハードウェア構成によって実現される機能的構成として、取得部１０１と、予測部１０２と、情報出力部１０３と、を有する。
【0029】
取得部１０１、予測部１０２、及び情報出力部１０３の各構成については、ＲＯＭ１２が記憶する情報処理プログラムをＲＡＭ１３にロードしてＣＰＵ１１が実行することにより構成される。これらの各部の機能については、後述するサーバ１００の動作例において詳細に説明する。
【0030】
［サーバの動作］
次に、以上のように構成されたサーバ１００の動作について説明する。当該動作は、サーバ１００のＣＰＵ１１及び通信部１９等のハードウェアと、記憶部１８に記憶されたソフトウェアとの協働により実行される。
次に、以上のように構成されたサーバ１００の動作について説明する。当該動作は、サーバ１００のＣＰＵ１１及び通信部１９等のハードウェアと、記憶部１８に記憶されたソフトウェアとの協働により実行される。
【0031】
（取得ステップ（ＳＴ３１））
図４に示すように、まず取得部１０１が、対象者の腸内細菌叢に関する情報を取得する（ＳＴ３１）。具体的に、本ステップでは、対象者の腸内細菌叢に関する情報として、第１腸内細菌の存在に関する第１細菌情報と、第２腸内細菌の存在に関する第２細菌情報と、を取得する。第１細菌情報及び第２細菌情報は、採取サンプルから測定された対象者の腸内細菌叢のデータから、サーバ１００によって生成された情報であってもよいし、他の情報処理装置によって生成された情報でもよい。
図４に示すように、まず取得部１０１が、対象者の腸内細菌叢に関する情報を取得する（ＳＴ３１）。具体的に、本ステップでは、対象者の腸内細菌叢に関する情報として、第１腸内細菌の存在に関する第１細菌情報と、第２腸内細菌の存在に関する第２細菌情報と、を取得する。第１細菌情報及び第２細菌情報は、採取サンプルから測定された対象者の腸内細菌叢のデータから、サーバ１００によって生成された情報であってもよいし、他の情報処理装置によって生成された情報でもよい。
【0032】
第１腸内細菌は、特定の食品成分の摂取による免疫機能活性と負に相関する腸内細菌である。つまり、第１腸内細菌は、腸内細菌叢に存在しない又は菌量が少ない方が、特定の食品成分の摂取後における免疫機能活性が高まるというデータが得られている菌である。
特定の食品成分がカテキンの場合、第１腸内細菌は、好ましくはＡｎａｅｒｏｓｐｏｒｏｂａｃｔｅｒ属、Ｂａｒｉａｔｒｉｃｕｓ属、Ｋｌｅｂｓｉｅｌｌａ属、Ｋｏｃｕｒｉａ属、Ｍａｓｓｉｌｉｐｒｅｖｏｔｅｌｌａ属、Ｍｅｇａｓｐｈａｅｒａ属、Ｍｏｒｇａｎｅｌｌａ属、Ｐｅｔｒｏｃｌｏｓｔｒｉｄｉｕｍ属、及びＷｅｉｓｓｅｌｌａ属から選択された少なくとも一つの属に属する細菌を含み、より好ましくはＡｎａｅｒｏｓｐｏｒｏｂａｃｔｅｒ属に属する細菌（以下、「Ａｎ菌」）を含む。
特定の食品成分がカテキンの場合、第１腸内細菌は、好ましくはＡｎａｅｒｏｓｐｏｒｏｂａｃｔｅｒ属、Ｂａｒｉａｔｒｉｃｕｓ属、Ｋｌｅｂｓｉｅｌｌａ属、Ｋｏｃｕｒｉａ属、Ｍａｓｓｉｌｉｐｒｅｖｏｔｅｌｌａ属、Ｍｅｇａｓｐｈａｅｒａ属、Ｍｏｒｇａｎｅｌｌａ属、Ｐｅｔｒｏｃｌｏｓｔｒｉｄｉｕｍ属、及びＷｅｉｓｓｅｌｌａ属から選択された少なくとも一つの属に属する細菌を含み、より好ましくはＡｎａｅｒｏｓｐｏｒｏｂａｃｔｅｒ属に属する細菌（以下、「Ａｎ菌」）を含む。
【0033】
第２腸内細菌は、特定の食品成分の摂取による免疫機能活性と正に相関する腸内細菌である。つまり、第２腸内細菌は、腸内細菌叢に存在する又は菌量が多い方が、特定の食品成分の摂取後における免疫機能活性が高まるというデータが得られている菌である。
特定の食品成分がカテキンの場合、第２腸内細菌は、好ましくはＡｌｉｓｔｉｐｅｓ属、Ｃａｔａｂａｃｔｅｒ属、Ｅｎｔｅｒｏｃｌｏｓｔｅｒ属、及びＰｏｒｐｈｙｒｏｍｏｎａｓ属から選択された少なくとも一つの属に属する細菌を含み、より好ましくはＡｌｉｓｔｉｐｅｓ属に属する細菌（以下、「Ａｌ菌」）を含む。
特定の食品成分がカテキンの場合、第２腸内細菌は、好ましくはＡｌｉｓｔｉｐｅｓ属、Ｃａｔａｂａｃｔｅｒ属、Ｅｎｔｅｒｏｃｌｏｓｔｅｒ属、及びＰｏｒｐｈｙｒｏｍｏｎａｓ属から選択された少なくとも一つの属に属する細菌を含み、より好ましくはＡｌｉｓｔｉｐｅｓ属に属する細菌（以下、「Ａｌ菌」）を含む。
【0034】
第１細菌情報及び第２細菌情報は、各腸内細菌の存在に関する情報として、各腸内細菌の存在の有無を示す情報、又は菌量を示す値についての情報を含んでいてもよい。
腸内細菌の存在の有無を示す情報は、当該腸内細菌の存在の有無を直接示す情報であってもよいし、当該腸内細菌の存在の有無と相関を有する指標についての情報であってもよい。
腸内細菌の存在の有無と相関を有する指標は、当該腸内細菌の存在を予測可能な指標であって、例えば、他の腸内細菌の存在又は菌量、対象者の属性情報若しくは生活習慣に関する指標、又は、採取サンプルから得られた特定の生体成分から導出された指標等であり得る。
腸内細菌の存在の有無を示す情報は、当該腸内細菌の存在の有無を直接示す情報であってもよいし、当該腸内細菌の存在の有無と相関を有する指標についての情報であってもよい。
腸内細菌の存在の有無と相関を有する指標は、当該腸内細菌の存在を予測可能な指標であって、例えば、他の腸内細菌の存在又は菌量、対象者の属性情報若しくは生活習慣に関する指標、又は、採取サンプルから得られた特定の生体成分から導出された指標等であり得る。
【0035】
腸内細菌の菌量を示す値についての情報は、例えば、腸内細菌叢における当該腸内細菌の菌数の割合、便等の採取サンプル中における絶対的な菌量、その他の当該腸内細菌の菌量と相関を有する指標についての情報から選択された１又は複数の情報を含む。腸内細菌の菌量を示す値についての情報を用いることで、予測処理における予測精度を高めることができる。
当該腸内細菌の菌量と相関を有する指標は、当該腸内細菌の菌量を予測可能な指標であって、例えば、他の腸内細菌の菌量、対象者の属性情報若しくは生活習慣に関する指標、又は、採取サンプルから得られた特定の成分等から導出された指標等であり得る。
当該腸内細菌の菌量と相関を有する指標は、当該腸内細菌の菌量を予測可能な指標であって、例えば、他の腸内細菌の菌量、対象者の属性情報若しくは生活習慣に関する指標、又は、採取サンプルから得られた特定の成分等から導出された指標等であり得る。
【0036】
腸内細菌の菌量を示す値についての情報は、各対象者の保有する腸内細菌量の多少にかかわらず、腸内細菌叢における各腸内細菌の占める割合を把握できることから、腸内細菌の菌数の割合についての情報を含んでいることが好ましい。
腸内細菌の菌数の割合とは、腸内細菌叢における全ての腸内細菌の菌数に占める、当該腸内細菌の菌数の割合を意味する。腸内細菌の菌数の割合は、例えば、対象者の便などを検体として腸内細菌の核酸を抽出し、リアルタイムＰＣＲ、シークエンス等の定量的な分析を行うことで、比較的容易に算出することができる。
腸内細菌の菌数の割合とは、腸内細菌叢における全ての腸内細菌の菌数に占める、当該腸内細菌の菌数の割合を意味する。腸内細菌の菌数の割合は、例えば、対象者の便などを検体として腸内細菌の核酸を抽出し、リアルタイムＰＣＲ、シークエンス等の定量的な分析を行うことで、比較的容易に算出することができる。
【0037】
（予測ステップ（ＳＴ３２））
続いて、図４に示すように、予測部１０２が、取得された対象者の第１細菌情報及び第２細菌情報に基づいて、対象者の特定の食品成分の摂取による免疫機能活性を予測する（ＳＴ３２）。
本発明者は、特定の食品成分の摂取による免疫機能活性に対して、正に相関する腸内細菌（例えば第２腸内細菌）だけでなく、負に相関する腸内細菌（例えば第１腸内細菌）も存在することを見出した。さらに、本発明者は、正に相関する腸内細菌（第２腸内細菌）が存在する場合でも、負に相関する腸内細菌（第１腸内細菌）の存在により、特定の食品成分の摂取による免疫機能活性が得られなくなる場合があることを見出した。
したがって、本実施形態においては、これらの双方の情報を用いて、特定の食品成分の摂取による免疫機能活性を予測することで、食品成分の摂取による対象者の免疫機能活性を精度よく予測できる。なお、本実施形態におけるプログラムは、コンピュータに図４に示すステップを実行させるプログラムであれば良く、図４に示すステップ以外のステップを含むプログラムであっても良い。
続いて、図４に示すように、予測部１０２が、取得された対象者の第１細菌情報及び第２細菌情報に基づいて、対象者の特定の食品成分の摂取による免疫機能活性を予測する（ＳＴ３２）。
本発明者は、特定の食品成分の摂取による免疫機能活性に対して、正に相関する腸内細菌（例えば第２腸内細菌）だけでなく、負に相関する腸内細菌（例えば第１腸内細菌）も存在することを見出した。さらに、本発明者は、正に相関する腸内細菌（第２腸内細菌）が存在する場合でも、負に相関する腸内細菌（第１腸内細菌）の存在により、特定の食品成分の摂取による免疫機能活性が得られなくなる場合があることを見出した。
したがって、本実施形態においては、これらの双方の情報を用いて、特定の食品成分の摂取による免疫機能活性を予測することで、食品成分の摂取による対象者の免疫機能活性を精度よく予測できる。なお、本実施形態におけるプログラムは、コンピュータに図４に示すステップを実行させるプログラムであれば良く、図４に示すステップ以外のステップを含むプログラムであっても良い。
【0038】
本実施形態において、予測部１０２は、例えば、第１腸内細菌が存在する、又は第１腸内細菌の菌量を示す値が第１の基準値よりも大きい場合に、特定の食品成分の摂取により対象者の免疫機能が活性化しないと予測することができる。
これに加えて、あるいはこれに替えて、予測部１０２は、例えば、第１腸内細菌が存在しない、又は第１腸内細菌の菌量を示す値が第１の基準値以下であり、かつ、第２腸内細菌が存在する、又は第２腸内細菌の菌量を示す値が第２の基準値以上である場合に、特定の食品成分の摂取により対象者の免疫機能が活性化すると予測することができる。
一例として、予測部１０２は、Ａｎ菌が存在する場合に、カテキンの摂取により対象者のＮＫ細胞が活性化しないと予測することができる。また、予測部１０２は、Ａｎ菌が存在せず、Ａｌ菌の菌数の割合が０より大きい所定の値以上である場合に、カテキンの摂取により対象者のＮＫ細胞が活性化すると予測することができる。
これに加えて、あるいはこれに替えて、予測部１０２は、例えば、第１腸内細菌が存在しない、又は第１腸内細菌の菌量を示す値が第１の基準値以下であり、かつ、第２腸内細菌が存在する、又は第２腸内細菌の菌量を示す値が第２の基準値以上である場合に、特定の食品成分の摂取により対象者の免疫機能が活性化すると予測することができる。
一例として、予測部１０２は、Ａｎ菌が存在する場合に、カテキンの摂取により対象者のＮＫ細胞が活性化しないと予測することができる。また、予測部１０２は、Ａｎ菌が存在せず、Ａｌ菌の菌数の割合が０より大きい所定の値以上である場合に、カテキンの摂取により対象者のＮＫ細胞が活性化すると予測することができる。
【0039】
具体例として、特定の食品成分がカテキンの場合、予測部１０２は、以下のような基準値を用いて予測処理を行うことができる。
例えば、Ａｎ菌の腸内細菌叢における菌数の割合としての第１の基準値は、ＮＫ細胞活性が高い対象者を精度よく予測する観点から、好ましくは０．２％、より好ましくは０．０５％、更に好ましくは０％である。
例えば、Ａｎ菌の腸内細菌叢における菌数の割合としての第１の基準値は、ＮＫ細胞活性が高い対象者を精度よく予測する観点から、好ましくは０．２％、より好ましくは０．０５％、更に好ましくは０％である。
【0040】
予測部１０２は、例えば、Ａｎ菌の菌数の割合が上記第１基準値以下であった場合、対象者の免疫機能が活性化し得ると予測することができる。
例えば、Ａｌ菌の腸内細菌叢における菌数の割合としての第２の基準値は、ＮＫ細胞活性が高い対象者を精度よく予測する観点から、好ましくは０．５％、より好ましくは０．９％、更に好ましくは１．６％である。
予測部１０２は、例えば、Ａｌ菌の菌数の割合が上記第２基準値以上であった場合、対象者の免疫機能が活性化すると予測することができる。なお、上記基準値の数値は、被験者集団から得られたデータ等に基づいて、適宜変更して用いてよい。
例えば、Ａｌ菌の腸内細菌叢における菌数の割合としての第２の基準値は、ＮＫ細胞活性が高い対象者を精度よく予測する観点から、好ましくは０．５％、より好ましくは０．９％、更に好ましくは１．６％である。
予測部１０２は、例えば、Ａｌ菌の菌数の割合が上記第２基準値以上であった場合、対象者の免疫機能が活性化すると予測することができる。なお、上記基準値の数値は、被験者集団から得られたデータ等に基づいて、適宜変更して用いてよい。
【0041】
さらに、予測部１０２は、特定の食品成分の摂取による対象者の免疫機能の活性を段階的に予測してもよい。具体的に、予測部１０２は、特定の食品成分の摂取による対象者の免疫機能の活性度を予測してもよい。
ここでいう活性度とは、特定の食品成分の摂取による免疫機能の活性を段階的に示す指標を意味する。
例えば、予測部１０２は、第１腸内細菌の存在の有無、及び第２の腸内細菌の菌量を示す値に基づいて、活性度を予測することができる。
具体例として、予測部１０２は、第１腸内細菌が存在する場合に、特定の食品成分の摂取による対象者の免疫機能の活性度が第１の活性度であると予測することができる。そして、予測部１０２は、第１腸内細菌が存在せず、かつ、第２腸内細菌が第２の基準値未満である場合に、当該活性度が、第１の活性度よりも高い第２の活性度であると予測することができる。そして、予測部１０２は、第１腸内細菌が存在せず、かつ、第２腸内細菌の菌量を示す値が第２の基準値以上第３の基準値未満である場合に、当該活性度が、第２の活性度よりも高い第３の活性度であると予測することができる。さらに、予測部１０２は、第１腸内細菌が存在せず、かつ、第２腸内細菌の菌量を示す値が第３の基準値以上である場合に、当該活性度が、第３の活性度よりも高い第４の活性度であると予測することができる。
ここでいう活性度とは、特定の食品成分の摂取による免疫機能の活性を段階的に示す指標を意味する。
例えば、予測部１０２は、第１腸内細菌の存在の有無、及び第２の腸内細菌の菌量を示す値に基づいて、活性度を予測することができる。
具体例として、予測部１０２は、第１腸内細菌が存在する場合に、特定の食品成分の摂取による対象者の免疫機能の活性度が第１の活性度であると予測することができる。そして、予測部１０２は、第１腸内細菌が存在せず、かつ、第２腸内細菌が第２の基準値未満である場合に、当該活性度が、第１の活性度よりも高い第２の活性度であると予測することができる。そして、予測部１０２は、第１腸内細菌が存在せず、かつ、第２腸内細菌の菌量を示す値が第２の基準値以上第３の基準値未満である場合に、当該活性度が、第２の活性度よりも高い第３の活性度であると予測することができる。さらに、予測部１０２は、第１腸内細菌が存在せず、かつ、第２腸内細菌の菌量を示す値が第３の基準値以上である場合に、当該活性度が、第３の活性度よりも高い第４の活性度であると予測することができる。
【0042】
予測部１０２による予測処理に用いられる判定基準は、例えば、予め被験者集団から得られた、第１細菌情報及び第２細菌情報と、特定の食品成分の摂取による免疫機能の活性化との関係を示すデータに基づいて定めることができる。
これらの関係を示すデータを得るためには、例えば、以下のような試験を行う。
まず、特定の食品成分を摂取した被験者集団から、摂取前後の免疫機能活性のデータと、腸内細菌叢のデータと、を取得する。取得したデータを統計学的に処理によって、免疫機能活性と正及び負に相関する腸内細菌を抽出する。さらに、統計学的な処理によって、抽出された腸内細菌と免疫機能活性との関係を示すデータを生成する。
本実施形態における、上記データを得るための具体的な試験例については、後述する。
これらの関係を示すデータを得るためには、例えば、以下のような試験を行う。
まず、特定の食品成分を摂取した被験者集団から、摂取前後の免疫機能活性のデータと、腸内細菌叢のデータと、を取得する。取得したデータを統計学的に処理によって、免疫機能活性と正及び負に相関する腸内細菌を抽出する。さらに、統計学的な処理によって、抽出された腸内細菌と免疫機能活性との関係を示すデータを生成する。
本実施形態における、上記データを得るための具体的な試験例については、後述する。
【0043】
さらに、予測部１０２による予測処理は、上記判定基準を用いて定性的な予測結果を得る方法に限定されず、予測部１０２が、特定の食品成分の摂取による対象者の免疫機能の活性を示す数値を算出してもよい。
つまり、予測部１０２は、特定の食品成分の摂取による対象者の免疫機能の活性値を予測してもよい。ここでいう特定の食品成分の摂取による対象者の免疫機能の活性値とは、特定の食品成分の摂取前後の免疫機能の活性値の変化量を意味する。
つまり、予測部１０２は、特定の食品成分の摂取による対象者の免疫機能の活性値を予測してもよい。ここでいう特定の食品成分の摂取による対象者の免疫機能の活性値とは、特定の食品成分の摂取前後の免疫機能の活性値の変化量を意味する。
【0044】
予測部１０２による免疫機能の活性値の予測処理は、例えば、上述のような被験者集団から得られた、腸内細菌と免疫機能活性との関係を示すデータから、機械学習の手法を用いた予測モデルを生成し、これに基づいて予測部１０２が活性値の予測処理を行うことができる。
具体的に、予測部１０２は、複数の被験者における、第１腸内細菌の菌量に関するデータと、第２腸内細菌の菌量に関するデータと、特定の食品成分の摂取による免疫機能の活性値に関するデータと、を含む学習データにより生成された予測モデルに対して、対象者における第１細菌情報及び第２細菌情報を適用し、特定の食品成分の摂取による免疫機能の活性値を予測することができる。なお、ここで用いる各腸内細菌の菌量に関するデータは、各腸内細菌の菌量の値を示すデータが好ましいが、当該菌量の値を推定可能なデータであってもよく、例えば当該菌量と有意に相関を有することが確認されている指標を用いることや、菌量の数値の単位等の表現を変更して表現されてもよい。
予測部１０２による予測処理に用いられる予測モデルは、予め被験者集団から得られたデータに加えて、予測処理において各対象者から得られたデータを用いて生成されたものでもよい。つまり、対象者に対する予測処理によって、予測モデルが更新されるように構成されてもよい。
予測処理に用いられる機械学習の手法としては、例えば、重回帰分析又はロジスティック回帰分析等の回帰分析、多層パーセプトロン、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）及びＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）などのニューラルネットワーク、ガウシアンカーネル等の任意のカーネル関数を用いるサポートベクターマシーン、回帰木としてモデル化したランダムフォレスト、隠れマルコフモデルなどを利用したモデル等から選択された１又は複数の手法を選択することができる。
なお、上述のような予測モデルを用いた予測処理は、免疫機能の活性値の予測だけでなく、例えば、免疫機能の活性度の予測にも適用することもできる。
具体的に、予測部１０２は、複数の被験者における、第１腸内細菌の菌量に関するデータと、第２腸内細菌の菌量に関するデータと、特定の食品成分の摂取による免疫機能の活性値に関するデータと、を含む学習データにより生成された予測モデルに対して、対象者における第１細菌情報及び第２細菌情報を適用し、特定の食品成分の摂取による免疫機能の活性値を予測することができる。なお、ここで用いる各腸内細菌の菌量に関するデータは、各腸内細菌の菌量の値を示すデータが好ましいが、当該菌量の値を推定可能なデータであってもよく、例えば当該菌量と有意に相関を有することが確認されている指標を用いることや、菌量の数値の単位等の表現を変更して表現されてもよい。
予測部１０２による予測処理に用いられる予測モデルは、予め被験者集団から得られたデータに加えて、予測処理において各対象者から得られたデータを用いて生成されたものでもよい。つまり、対象者に対する予測処理によって、予測モデルが更新されるように構成されてもよい。
予測処理に用いられる機械学習の手法としては、例えば、重回帰分析又はロジスティック回帰分析等の回帰分析、多層パーセプトロン、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）及びＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）などのニューラルネットワーク、ガウシアンカーネル等の任意のカーネル関数を用いるサポートベクターマシーン、回帰木としてモデル化したランダムフォレスト、隠れマルコフモデルなどを利用したモデル等から選択された１又は複数の手法を選択することができる。
なお、上述のような予測モデルを用いた予測処理は、免疫機能の活性値の予測だけでなく、例えば、免疫機能の活性度の予測にも適用することもできる。
【0045】
（情報出力ステップ（ＳＴ３３））
続いて、図４に示すように、情報出力部１０３が、特定の食品成分の摂取による対象者の免疫機能活性の予測結果に関する情報を出力する（ＳＴ３３）。情報出力部１０３は、本ステップにより得られた情報を、摂取情報の提供元の対象者に対して提供しても良い。
具体的な動作として、情報出力部１０３は、例えば、各採取サンプルの提供元の各ユーザ端末２００へ上記情報を送信しても良い。情報の提供方法は、例えば電子メールや各種メッセンジャーアプリケーション、又は上記免疫機能予測サービスを提供するウェブサイト上の通知機能等を用いて行うことができる。
本ステップでは、採取サンプルの提供元の対象者に対して、興味の対象である免疫機能活性の予測結果に関する情報を提供することによって、対象者の満足度を高めることができる。
続いて、図４に示すように、情報出力部１０３が、特定の食品成分の摂取による対象者の免疫機能活性の予測結果に関する情報を出力する（ＳＴ３３）。情報出力部１０３は、本ステップにより得られた情報を、摂取情報の提供元の対象者に対して提供しても良い。
具体的な動作として、情報出力部１０３は、例えば、各採取サンプルの提供元の各ユーザ端末２００へ上記情報を送信しても良い。情報の提供方法は、例えば電子メールや各種メッセンジャーアプリケーション、又は上記免疫機能予測サービスを提供するウェブサイト上の通知機能等を用いて行うことができる。
本ステップでは、採取サンプルの提供元の対象者に対して、興味の対象である免疫機能活性の予測結果に関する情報を提供することによって、対象者の満足度を高めることができる。
【0046】
情報出力部１０３により出力される情報は、免疫機能活性の予測結果に関する情報であれば特に限定されない。例えば、当該情報は、予測部１０２による予測結果を示す情報であってもよく、予測結果に関連する情報であってもよい。
情報出力部１０３により出力される情報は、上述の１又は複数の情報を含んでいてもよく、また、これらの情報を表示するウェブページへのアクセス情報を含んでいてもよい。
情報出力部１０３により出力される情報は、上述の１又は複数の情報を含んでいてもよく、また、これらの情報を表示するウェブページへのアクセス情報を含んでいてもよい。
【0047】
予測結果を示す情報としては、各対象者において、特定の食品成分が免疫機能に作用しやすいか否かを伝える情報が、一例として挙げられる。
予測結果に関連する情報としては、例えば、特定の食品成分の摂取に関する情報、特定の食品成分を含有する食品（以下、「特定成分含有食品」）に関する情報、特定成分含有食品に関するサービスについての情報等が挙げられる。以下、具体例について説明する。なお、情報出力部１０３により出力される情報が特定の食品成分、製品及び／又はこれらに関するサービス等の情報を含む場合には、対象者により選択可能な複数の選択肢を含むことが好ましい。
予測結果に関連する情報としては、例えば、特定の食品成分の摂取に関する情報、特定の食品成分を含有する食品（以下、「特定成分含有食品」）に関する情報、特定成分含有食品に関するサービスについての情報等が挙げられる。以下、具体例について説明する。なお、情報出力部１０３により出力される情報が特定の食品成分、製品及び／又はこれらに関するサービス等の情報を含む場合には、対象者により選択可能な複数の選択肢を含むことが好ましい。
【0048】
特定の食品成分の摂取に関する情報は、例えば、特定の食品成分の摂取量及び／又は摂取方法についての情報を含んでいてもよい。
特定成分含有食品に関する情報は、例えば、特定成分含有食品の種類、具体的な製品についての情報、及び／又はそれらを推奨する情報等を含んでいてもよい。
特定成分含有食品に関するサービスは、特定成分含有食品の摂取プログラム、特定成分含有食品である製品についてのキャンペーン等についての情報を含んでいてもよい。
なお、情報出力部１０３は、これらの情報を免疫機能と関係の無い食品の摂取プログラムや、生活改善提案と併せて対象者に提供してもよい。
特定成分含有食品に関する情報は、例えば、特定成分含有食品の種類、具体的な製品についての情報、及び／又はそれらを推奨する情報等を含んでいてもよい。
特定成分含有食品に関するサービスは、特定成分含有食品の摂取プログラム、特定成分含有食品である製品についてのキャンペーン等についての情報を含んでいてもよい。
なお、情報出力部１０３は、これらの情報を免疫機能と関係の無い食品の摂取プログラムや、生活改善提案と併せて対象者に提供してもよい。
【0049】
さらに、情報出力部１０３は、特定の食品成分の摂取により免疫機能が活性化しない、又は活性度（活性値）が低いと予測された対象者に対して、腸内細菌叢を改善する食品や方法に関する情報を提供することもできる。これにより、ネガティブな予測結果であった対象者に対しても、ポジティブな情報を提供することができ、対象者の満足度を高めることができる。
【0050】
このように本実施形態によれば、サーバ１００は、対象者の腸内細菌叢における第１細菌情報と第２腸内細菌情報に基づいて、対象者毎に、特定の食品成分の摂取による免疫機能活性を客観的に予測することができる。これにより、例えば対象者に対し、特定の食品成分の摂取やその継続を判断するための情報を提供することができる。
【0051】
さらに、本実施形態によれば、予測部１０２が、特定の食品成分の摂取による免疫機能活性と正に相関する第２の腸内細菌に関する情報だけでなく、当該免疫機能活性と負に相関する第１の腸内細菌に関する情報を参照する。これにより、免疫機能活性の予測精度を高めることができる。
【0052】
［第１及び第２腸内細菌と免疫機能活性との関係を示すデータを得るための試験例］
以下、本発明の予測処理に用いられる、第１及び第２腸内細菌と免疫機能活性との関係を示すデータを得るための試験例について説明する。本試験例において、特定の食品成分はカテキン、免疫細胞はＮＫ細胞とする。
以下、本発明の予測処理に用いられる、第１及び第２腸内細菌と免疫機能活性との関係を示すデータを得るための試験例について説明する。本試験例において、特定の食品成分はカテキン、免疫細胞はＮＫ細胞とする。
【0053】
本試験例では、カテキン含有飲料の継続的な摂取が免疫機能に及ぼす影響を検証するため、二重盲検ランダム化交差比較試験を行った。
被験者集団は、５５歳以上６５歳未満の健常な男女６０名とした。
試験は、被験者集団を２群に分けて行われた。２群のうち、一方の群の被験者は、カテキン含有飲料を２週間継続的に摂取した後、カテキン非含有飲料を２週間継続的に摂取した。他方の群の被験者は、カテキン非含有飲料を２週間継続的に摂取した後、カテキン含有飲料を２週間継続的に摂取した。
なお、カテキン含有飲料は、４９０ｍｇのカテキンと７５ｍｇのカフェインを含み、カテキン非含有飲料は、カテキンを含まず７５ｍｇのカフェインを含むものとした。これらの飲料のカテキン以外の成分は、実質的に同一とした。
被験者は、各飲料を１日１本（３５０ｍｇ）、２週間毎日摂取した。
被験者集団は、５５歳以上６５歳未満の健常な男女６０名とした。
試験は、被験者集団を２群に分けて行われた。２群のうち、一方の群の被験者は、カテキン含有飲料を２週間継続的に摂取した後、カテキン非含有飲料を２週間継続的に摂取した。他方の群の被験者は、カテキン非含有飲料を２週間継続的に摂取した後、カテキン含有飲料を２週間継続的に摂取した。
なお、カテキン含有飲料は、４９０ｍｇのカテキンと７５ｍｇのカフェインを含み、カテキン非含有飲料は、カテキンを含まず７５ｍｇのカフェインを含むものとした。これらの飲料のカテキン以外の成分は、実質的に同一とした。
被験者は、各飲料を１日１本（３５０ｍｇ）、２週間毎日摂取した。
【0054】
試験期間の前後と試験期間中の所定のタイミングにおいて、各被験者から、便、血液（血漿、血清及び抹消単核球分離）等のサンプルを採取し、採取されたサンプルを分析した。
分析項目は、便の腸内細菌叢、ＮＫ細胞活性、ＩＦＮ－γ、ＴＮＦ－α等を含むものとした。
試験後のＮＫ細胞活性値から試験前のＮＫ細胞活性値を減じた値を、ΔＮＫ細胞活性とした。なお、ＮＫ細胞活性値は、抹消単核球分離サンプルから公知の手法により測定された。
分析項目は、便の腸内細菌叢、ＮＫ細胞活性、ＩＦＮ－γ、ＴＮＦ－α等を含むものとした。
試験後のＮＫ細胞活性値から試験前のＮＫ細胞活性値を減じた値を、ΔＮＫ細胞活性とした。なお、ＮＫ細胞活性値は、抹消単核球分離サンプルから公知の手法により測定された。
【0055】
便サンプルの分析は、株式会社テクノスルガ・ラボに委託して行われた。一例として、以下のような手順で分析を行った。採便容器（例えば株式会社テクノスルガ・ラボ製）を用いて便サンプルを採取した。そして、この採取した便サンプルからＤＮＡ抽出を行い、次世代シーケンサーＭｉＳｅｑ（Ｉｌｌｕｍｉｎａ社製）を用いて菌叢解析を行った。具体的には、被験者が採取した便サンプルを冷凍保存（－８０℃）で株式会社テクノスルガ・ラボへ輸送し、ＤＮＡ抽出を委託した。
そして、ＫＡＰＡ ＨｉＦｉ Ｈｏｔ Ｓｔａｒｔ Ｒｅａｄｙ Ｍｉｘ （ＫａｐａＢｉｏｓｙｓｔｅｍｓ社製）を使用してＰＣＲを行い、１６Ｓ ｒＲＮＡの遺伝子断片を増幅した。この増幅した１６ｓ ｒＲＮＡの遺伝子断片を鋳型として、ＮｅｘｔｅｒａＸＴ ｉｎｄｅｘ ｋｉｔ（Ｉｌｌｕｍｉｎａ社製）を用いて次世代シーケンサー用のＤＮＡライブラリーを調製した。
さらに、この調製したＤＮＡライブラリーを用いて、次世代シーケンサーＭｉＳｅｑ（
Ｉｌｌｕｍｉｎａ社製）により解析を行い、各腸内細菌の菌数の割合を算出した。
そして、ＫＡＰＡ ＨｉＦｉ Ｈｏｔ Ｓｔａｒｔ Ｒｅａｄｙ Ｍｉｘ （ＫａｐａＢｉｏｓｙｓｔｅｍｓ社製）を使用してＰＣＲを行い、１６Ｓ ｒＲＮＡの遺伝子断片を増幅した。この増幅した１６ｓ ｒＲＮＡの遺伝子断片を鋳型として、ＮｅｘｔｅｒａＸＴ ｉｎｄｅｘ ｋｉｔ（Ｉｌｌｕｍｉｎａ社製）を用いて次世代シーケンサー用のＤＮＡライブラリーを調製した。
さらに、この調製したＤＮＡライブラリーを用いて、次世代シーケンサーＭｉＳｅｑ（
Ｉｌｌｕｍｉｎａ社製）により解析を行い、各腸内細菌の菌数の割合を算出した。
【0056】
そして、１６Ｓ ｒＲＮＡ菌叢解析を用いて、腸内細菌叢に一般的に含まれる腸内細菌（３０７属）から、ΔＮＫ細胞活性と相関する腸内細菌を網羅的に探索した。その結果、ΔＮＫ細胞活性と負に相関する因子として、Ａｎａｅｒｏｓｐｏｒｏｂａｃｔｅｒ属、Ｂａｒｉａｔｒｉｃｕｓ属、Ｋｌｅｂｓｉｅｌｌａ属、Ｋｏｃｕｒｉａ属、Ｍａｓｓｉｌｉｐｒｅｖｏｔｅｌｌａ属、Ｍｅｇａｓｐｈａｅｒａ属、Ｍｏｒｇａｎｅｌｌａ属、Ｐｅｔｒｏｃｌｏｓｔｒｉｄｉｕｍ属、及びＷｅｉｓｓｅｌｌａ属に属する細菌が抽出された。ΔＮＫ細胞活性と正に相関する因子として、Ａｌｉｓｔｉｐｅｓ属、Ｃａｔａｂａｃｔｅｒ属、Ｅｎｔｅｒｏｃｌｏｓｔｅｒ属、及びＰｏｒｐｈｙｒｏｍｏｎａｓ属に属する細菌が抽出された。
【0057】
そして、被験者を、ΔＮＫ細胞活性を４つのグループ（Ｑ１～Ｑ４）に分類した。なお、これらのグループは、Ｑ１、Ｑ２、Ｑ３、Ｑ４の順に、ΔＮＫ細胞活性が高くなるように設定された。
これらのグループ毎に、ΔＮＫ細胞活性と正又は負に相関する因子として抽出された腸内細菌の菌数の割合の平均値を算出した。そして、年齢、性別等の交絡因子を調整し、各グループのΔＮＫ細胞活性の値と、各腸内細菌の菌数の割合とに対して傾向検定（Jonckheere-Terpstra trend test）を行った。この結果の一部を、表１に示す。なお、表１において、Ａｎａｅｒｏｓｐｏｒｏｂａｃｔｅｒ、Ｂａｒｉａｔｒｉｃｕｓ、ＭｅｇａｓｐｈａｅｒａはΔＮＫ細胞活性と負に相関する因子、ＣａｔａｂａｃｔｅｒはΔＮＫ細胞活性と正に相関する因子である。
これらのグループ毎に、ΔＮＫ細胞活性と正又は負に相関する因子として抽出された腸内細菌の菌数の割合の平均値を算出した。そして、年齢、性別等の交絡因子を調整し、各グループのΔＮＫ細胞活性の値と、各腸内細菌の菌数の割合とに対して傾向検定（Jonckheere-Terpstra trend test）を行った。この結果の一部を、表１に示す。なお、表１において、Ａｎａｅｒｏｓｐｏｒｏｂａｃｔｅｒ、Ｂａｒｉａｔｒｉｃｕｓ、ＭｅｇａｓｐｈａｅｒａはΔＮＫ細胞活性と負に相関する因子、ＣａｔａｂａｃｔｅｒはΔＮＫ細胞活性と正に相関する因子である。
【0058】
【表1】
【0059】
表１に示すように、最もΔＮＫ細胞活性の高いＱ４群に属する被験者は、全員Ａｎ菌を保菌していなかった。このため、次に、Ａｎ菌に着目した解析を行った。
【0060】
図５（Ａ）に示すように、Ｑ１～Ｑ４に属する５８人の被験者を、Ａｎ菌の非保菌者（５０名）と、保菌者（８名）とに分類して、各グループにおけるΔＮＫ細胞活性の平均値を算出した。
同図に示すように、非保菌者は、保菌者よりも、ΔＮＫ細胞活性の平均値が高かった。
同図に示すように、非保菌者は、保菌者よりも、ΔＮＫ細胞活性の平均値が高かった。
【0061】
また、図５（Ｂ）に示すように、横軸をＡｎ菌の菌数の割合（存在率）、縦軸をΔＮＫ細胞活性の値として、上述の５８人の被験者のΔＮＫ細胞活性のデータをプロットした。なお、Ａｎ菌の保菌者（８名）に対応するプロットはグレー、Ａｎ菌の非保菌者（５８名）に対応するプロットは黒で示している。また、Ａｎ菌の保菌者（８名）に対応するプロットを破線で囲み、これらのプロットの近似直線を破線の直線で示している。
この結果、Ａｎ菌の保菌者（８名）における菌数の割合（存在率）は、ΔＮＫ細胞活性の値と負の相関を有していた。
一方で、Ａｎの非保菌者（５０名）では、ΔＮＫ細胞活性に差が見られた。
この結果、Ａｎ菌の保菌者（８名）における菌数の割合（存在率）は、ΔＮＫ細胞活性の値と負の相関を有していた。
一方で、Ａｎの非保菌者（５０名）では、ΔＮＫ細胞活性に差が見られた。
【0062】
これらの結果から、Ａｎ菌の保菌の有無がΔＮＫ細胞活性に大きく影響していることがわかった。但し、Ａｎ菌の保菌者内でもΔＮＫ細胞活性に差があることから、ΔＮＫ細胞活性には、Ａｎ菌の有無に加えて、他の因子が関わっているものと考えられた。
【0063】
次に、Ａｎ菌の非保菌者においてΔＮＫ細胞活性に関わる重要因子を探索するため、当該非保菌者（５０名）を上述の方法でＱ１～Ｑ４の４つのグループに分類し、正又は負に相関する因子として抽出された腸内細菌の菌数の割合の平均値を算出した。そして、年齢、性別等の交絡因子を調整し、各グループのΔＮＫ細胞活性の値と、各腸内細菌の菌数の割合とに対して傾向検定（Jonckheere-Terpstra trend test）を行った。
そして、表２に示すように、Ａｎ菌の非保菌者における重要な因子として、Ａｌ菌を抽出した。
そして、表２に示すように、Ａｎ菌の非保菌者における重要な因子として、Ａｌ菌を抽出した。
【0064】
【表2】
【0065】
さらに、図６（Ａ）に示すように、横軸をＡｌ菌の菌数の割合（存在率）、縦軸をΔＮＫ細胞活性の値として、上述のＡｎ菌の非保菌者（５０名）のΔＮＫ細胞活性のデータをプロットした。そして、Ａｎ菌の非保菌者を、Ａｌ菌の菌数の割合（存在率）に基づいて略同数ずつ３グループに分類し、Ａｌ菌の菌数の割合の高いグループ、当該菌数の割合が中程度のグループ、当該菌数の割合の低いグループ、の３グループに分類した。Ａｌ菌の菌数の割合の高いグループをグループＩ、Ａｌ菌の菌数の割合の低いグループをグループＩＩとし、以下の解析を行った。
【0066】
図６（Ｂ）に示すように、年齢、性別等の交絡因子を調整し、グループＩ及びＩＩの各々におけるΔＮＫ細胞活性の平均値を算出した。
同図に示すように、グループＩの被験者は、グループＩＩの被験者よりも、ΔＮＫ細胞活性の平均値が大きかった。この結果から、Ａｌ菌の保菌量が多いグループＩの被験者は、Ａｌ菌の保菌量が少ないグループＩＩの被験者よりも、カテキンによるＮＫ細胞の活性化作用が高いことがわかった。
同図に示すように、グループＩの被験者は、グループＩＩの被験者よりも、ΔＮＫ細胞活性の平均値が大きかった。この結果から、Ａｌ菌の保菌量が多いグループＩの被験者は、Ａｌ菌の保菌量が少ないグループＩＩの被験者よりも、カテキンによるＮＫ細胞の活性化作用が高いことがわかった。
【0067】
さらに、Ａｌ菌のカテキン及びその代謝物への影響を調べるため、グループＩとグループＩＩの被験者の便サンプルから検出された、試験の前後における、エピガロカテキン（ＥＧＣ）と、その代謝物であるＥＧＣ－Ｍ５の変化量について解析した。なお、解析には、試験後の各物質の検出量から、試験前の各物質の検出量を減じた値を用いた。
【0068】
図７（Ａ）に示すように、グループＩの被験者におけるＥＧＣ－Ｍ５の変化量（ΔＥＧＣ－Ｍ５）は、グループＩＩの被験者における当該変化量の約２．０倍に増加していた。
一方で、図７（Ｂ）に示すように、グループＩの被験者におけるＥＧＣの変化量（ΔＥＧＣ）は、グループＩＩの被験者における当該変化量と、ほぼ同等であった。
この結果から、Ａｎ菌を保菌しておらず、Ａｌ菌の保菌量が多い被験者は、ＥＧＣ－Ｍ５の代謝活性が高いことがわかった。
つまり、Ａｎ菌を保菌しておらず、Ａｌ菌の保菌量が多い場合には、ＥＧＣ－Ｍ５の代謝活性が高くなることで、ΔＮＫ細胞活性が高まると考えられる。
一方で、図７（Ｂ）に示すように、グループＩの被験者におけるＥＧＣの変化量（ΔＥＧＣ）は、グループＩＩの被験者における当該変化量と、ほぼ同等であった。
この結果から、Ａｎ菌を保菌しておらず、Ａｌ菌の保菌量が多い被験者は、ＥＧＣ－Ｍ５の代謝活性が高いことがわかった。
つまり、Ａｎ菌を保菌しておらず、Ａｌ菌の保菌量が多い場合には、ＥＧＣ－Ｍ５の代謝活性が高くなることで、ΔＮＫ細胞活性が高まると考えられる。
【0069】
図８に示すように、本試験例の結果から、カテキン摂取によるＮＫ細胞の活性については、腸内細菌叢におけるＡｎ菌の存在の有無と、Ａｌ菌の菌量とに基づいて、被験者を３群に分類できることがわかった。
具体的に、Ａｎ菌が存在している被験者は、ＥＧＣ－Ｍ５を産生できず、カテキン摂取によってＮＫ細胞を活性化できないＮｏｎ－Ｒｅｓｐｏｎｄｅｒ群に分類できる。Ａｎ菌が存在しておらず、かつ、Ａｌ菌の菌量が少ない被験者は、ＥＧＣ－Ｍ５の産生量が少なく、カテキン摂取によってＮＫ細胞を少し活性化できるＳｅｍｉ Ｎｏｎ－Ｒｅｓｐｏｎｄｅｒ群に分類できる。Ａｎ菌が存在しておらず、かつ、Ａｌ菌の菌量が多い被験者は、ＥＧＣ－Ｍ５の産生量が多く、カテキン摂取によってＮＫ細胞を活性化できるＲｅｓｐｏｎｄｅｒ群に分類できる。
具体的に、Ａｎ菌が存在している被験者は、ＥＧＣ－Ｍ５を産生できず、カテキン摂取によってＮＫ細胞を活性化できないＮｏｎ－Ｒｅｓｐｏｎｄｅｒ群に分類できる。Ａｎ菌が存在しておらず、かつ、Ａｌ菌の菌量が少ない被験者は、ＥＧＣ－Ｍ５の産生量が少なく、カテキン摂取によってＮＫ細胞を少し活性化できるＳｅｍｉ Ｎｏｎ－Ｒｅｓｐｏｎｄｅｒ群に分類できる。Ａｎ菌が存在しておらず、かつ、Ａｌ菌の菌量が多い被験者は、ＥＧＣ－Ｍ５の産生量が多く、カテキン摂取によってＮＫ細胞を活性化できるＲｅｓｐｏｎｄｅｒ群に分類できる。
【0070】
この結果から、情報処理装置がカテキン摂取による対象者のＮＫ細胞活性を予測する場合には、例えば、Ａｎ菌の存在の有無と、Ａｌ菌の存在の有無又は菌量と、を基準として、カテキン摂取によるＮＫ細胞活性の予測処理を実行することができる。あるいは、被験者集団から得られた上記データを基に、統計学的手法及び／又は機械学習の手法を用いて、Ａｎ菌及びＡｌ菌の菌量からΔＮＫ細胞活性を導出するプログラムを生成し、ＮＫ細胞活性の予測処理を実行することもできる。
【0071】
［他の実施形態］
以上、本発明の実施形態について説明したが、本発明は上述の実施形態にのみ限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変更を加え得ることは勿論である。
以上、本発明の実施形態について説明したが、本発明は上述の実施形態にのみ限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変更を加え得ることは勿論である。
【0072】
上述の実施形態では、サーバ１００がインターネット５０を介して直接ユーザ端末２００に接続されるシステムの例を示したが、これに限定されない。
例えば、サーバ１００は、他の情報処理装置を介して間接的にユーザ端末２００と接続されていてもよい。
例えば、当該他の情報処理装置は、エンドユーザである対象者向けのサービスの運営者の使用する情報処理装置（サーバ）とすることができ、本発明のサーバ１００は、この運営者に対して免疫機能活性の予測サービスを提供する者の使用するサーバとすることができる。この場合、上記運営者のサーバが、対象者から採取された生体サンプルのデータを取得し、サーバ１００にそのデータを送信する。これにより、サーバ１００が、特定の食品成分の摂取による対象者の免疫機能活性を予測し、予測結果のデータを上記運営者のサーバに提供することができる。
この例において、図９に示すように、サーバ１００は、取得部１０１と、予測部１０２と、を備え、対象者に対して情報を提供する情報出力部１０３を有していなくてもよい。
例えば、サーバ１００は、他の情報処理装置を介して間接的にユーザ端末２００と接続されていてもよい。
例えば、当該他の情報処理装置は、エンドユーザである対象者向けのサービスの運営者の使用する情報処理装置（サーバ）とすることができ、本発明のサーバ１００は、この運営者に対して免疫機能活性の予測サービスを提供する者の使用するサーバとすることができる。この場合、上記運営者のサーバが、対象者から採取された生体サンプルのデータを取得し、サーバ１００にそのデータを送信する。これにより、サーバ１００が、特定の食品成分の摂取による対象者の免疫機能活性を予測し、予測結果のデータを上記運営者のサーバに提供することができる。
この例において、図９に示すように、サーバ１００は、取得部１０１と、予測部１０２と、を備え、対象者に対して情報を提供する情報出力部１０３を有していなくてもよい。
【0073】
さらに、上述の実施形態において、予測処理の対象者は、ユーザ端末２００の使用者であったが、これに限定されない。例えば、当該対象者は、ユーザ端末２００を使用しない、乳幼児、ヒト以外の動物（イヌ、ネコ等の愛玩動物、牛、馬、豚等の家畜等）であってもよい。この場合には、例えば、ユーザ端末２００の使用者が、対象者から生体サンプルを採取し、これを免疫機能予測サービスの運営者に送付する。この採取サンプルから得られた腸内細菌叢の情報に基づいて、サーバ１００が、特定の食品成分の摂取による対象者の免疫機能活性を予測することができる。
【0074】
上述の実施形態では、上記サーバ１００は１台のみ示したが、上記サーバ１００が実行する処理は、複数のサーバで分散して実行されても構わない。例えば、免疫機能活性の予測処理と情報提供処理とが別個のサーバで実行されても構わない。
【0075】
本願の特許請求の範囲に記載された発明のうち、「免疫機能活性の予測方法」と記載された発明は、その各ステップを、ソフトウェアによる情報処理によりコンピュータ等の少なくとも１つの装置が自動的に行うものであり、人間がコンピュータ等の装置を用いて行うものではない。すなわち、当該「免疫機能活性の予測方法」は、コンピュータ・ソフトウェアによる免疫機能活性の予測方法であって、コンピュータという計算道具を人間が操作する方法ではない。
【符号の説明】
【0076】
１００ 情報処理装置
１０１ 取得部
１０２ 予測部
１０３ 情報出力部
２００ ユーザ端末
１０１ 取得部
１０２ 予測部
１０３ 情報出力部
２００ ユーザ端末
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】