特許 7411191 予測方法、予測装置および予測プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-12-27

(45)【発行日】2024-01-11

(54)【発明の名称】予測方法、予測装置および予測プログラム

(51)【国際特許分類】

   C12Q 1/06 20060101AFI20231228BHJP

   C12M 1/34 20060101ALI20231228BHJP

   G01N 33/569 20060101ALI20231228BHJP

   G01N 33/68 20060101ALI20231228BHJP

   C12Q 1/6869 20180101ALN20231228BHJP

【ＦＩ】

C12Q1/06

C12M1/34 D

G01N33/569 F

G01N33/68

C12Q1/6869 Z

【請求項の数】 10

(21)【出願番号】P 2021526176

(86)(22)【出願日】2020-06-08

(86)【国際出願番号】 JP2020023317

(87)【国際公開番号】W WO2020251051

(87)【国際公開日】2020-12-17

【審査請求日】2023-06-08

(31)【優先権主張番号】P 2019109060

(32)【優先日】2019-06-11

(33)【優先権主張国・地域又は機関】JP

【早期審査対象出願】

(73)【特許権者】

【識別番号】515163313

【氏名又は名称】株式会社メタジェン

(73)【特許権者】

【識別番号】000191755

【氏名又は名称】森下仁丹株式会社

(74)【代理人】

【識別番号】110002790

【氏名又は名称】Ｏｎｅ ｉｐ弁理士法人

(72)【発明者】

【氏名】山田 拓司

(72)【発明者】

【氏名】中村 祐哉

(72)【発明者】

【氏名】鈴木 真也

(72)【発明者】

【氏名】西本 悠一郎

(72)【発明者】

【氏名】福田 真嗣

【審査官】坂崎 恵美子

(56)【参考文献】

【文献】特表２０１９－５００９０５（ＪＰ，Ａ）

【文献】化学と生物，2018年，Vol.56, No.10，p.692-696

【文献】生物工学，2018年，Vol.96, No.9，p.524-528

【文献】Microbiology and Immunology，1992年，Vol.36, No.7，p.683-694

【文献】腸内細菌学雑誌，1998年，Vol.11，p.117-122

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｃ１２Ｑ １／０６

Ｇ０１Ｎ ３３／５６９

Ｃ１２Ｑ １／６８６９

ＪＳＴＰｌｕｓ／ＪＭＥＤＰｌｕｓ／ＪＳＴ７５８０（ＪＤｒｅａｍＩＩＩ）

ＣＡｐｌｕｓ／ＭＥＤＬＩＮＥ／ＥＭＢＡＳＥ／ＢＩＯＳＩＳ（ＳＴＮ）

(57)【特許請求の範囲】

【請求項1】

予測対象から採取された便検体中のユーバクテリウム・レクタル、クリステンセネラ属に属する細菌、セリモナス属に属する細菌、パラバクテロイデス属に属する細菌、エリスピロトリクス属に属する細菌、クロストリジウムXIII AD3011 属に属する細菌、ラクノスピラ UCG-001属に属する細菌、ラクノスピラ UCG-003属に属する細菌、ファエカリタレア属に属する細菌、アリスティペス属に属する細菌、アナエロスティペス属に属する細菌、ルミノコッカス１属に属する細菌およびルミノコッカス２属に属する細菌のうちの少なくとも一つの細菌の、前記便検体中に含まれる全ての細菌における相対存在比ならびに前記便検体中のN,N－ジメチルグリシン、酪酸、アスパラギンおよび3-ヒドロキシ酪酸のうちの少なくとも一つの代謝物質の所定量の前記便検体中における含量のうちの少なくとも一つに基づいて、前記予測対象について、ビフィドバクテリウム・ロンガム摂取による腸内環境の改善効果または便状態の改善効果についての予測を行う予測ステップを含むこと、
を特徴とする予測方法。

【請求項2】

前記予測ステップでは、少なくとも前記相対存在比に基づいて、前記予測対象について、前記ビフィドバクテリウム・ロンガム摂取による前記腸内環境の改善効果または前記便状態の改善効果についての予測を行うこと、
を特徴とする請求項１に記載の予測方法。

【請求項3】

前記予測ステップでは、前記相対存在比および前記含量に基づいて、前記予測対象について、前記ビフィドバクテリウム・ロンガム摂取による前記腸内環境の改善効果または前記便状態の改善効果についての予測を行うこと、
を特徴とする請求項１または２に記載の予測方法。

【請求項4】

前記予測ステップでは、前記改善効果があるか否かを予測すること、
を特徴とする請求項１から３のいずれか１つに記載の予測方法。

【請求項5】

前記便状態の改善が、便通の改善であること、
を特徴とする請求項１から４のいずれか１つに記載の予測方法。

【請求項6】

前記便通の改善が、便頻度の増加であること、
を特徴とする請求項５に記載の予測方法。

【請求項7】

前記予測ステップは、制御部を備える情報処理装置の前記制御部において実行されること、
を特徴とする請求項１から６のいずれか１つに記載の予測方法。

【請求項8】

制御部を備える予測装置であって、
前記制御部は、
予測対象から採取された便検体中のユーバクテリウム・レクタル、クリステンセネラ属に属する細菌、セリモナス属に属する細菌、パラバクテロイデス属に属する細菌、エリスピロトリクス属に属する細菌、クロストリジウムXIII AD3011 属に属する細菌、ラクノスピラ UCG-001属に属する細菌、ラクノスピラ UCG-003属に属する細菌、ファエカリタレア属に属する細菌、アリスティペス属に属する細菌、アナエロスティペス属に属する細菌、ルミノコッカス１属に属する細菌およびルミノコッカス２属に属する細菌のうちの少なくとも一つの細菌、前記便検体中に含まれる全ての細菌における相対存在比ならびに前記便検体中のN,N－ジメチルグリシン、酪酸、アスパラギンおよび3-ヒドロキシ酪酸のうちの少なくとも一つの代謝物質の所定量の前記便検体中における含量のうちの少なくとも一つに基づいて、前記予測対象について、ビフィドバクテリウム・ロンガム摂取による腸内環境の改善効果または便状態の改善効果についての予測を行う予測手段
を備えること、
を特徴とする予測装置。

【請求項9】

制御部を備える情報処理装置において実行させるための予測プログラムであって、
前記制御部に実行させるための、
予測対象から採取された便検体中のユーバクテリウム・レクタル、クリステンセネラ属に属する細菌、セリモナス属に属する細菌、パラバクテロイデス属に属する細菌、エリスピロトリクス属に属する細菌、クロストリジウムXIII AD3011 属に属する細菌、ラクノスピラ UCG-001属に属する細菌、ラクノスピラ UCG-003属に属する細菌、ファエカリタレア属に属する細菌、アリスティペス属に属する細菌、アナエロスティペス属に属する細菌、ルミノコッカス１属に属する細菌およびルミノコッカス２属に属する細菌のうちの少なくとも一つの細菌、前記便検体中に含まれる全ての細菌における相対存在比ならびに前記便検体中のN,N－ジメチルグリシン、酪酸、アスパラギンおよび3-ヒドロキシ酪酸のうちの少なくとも一つの代謝物質の所定量の前記便検体中における含量のうちの少なくとも一つに基づいて、前記予測対象について、ビフィドバクテリウム・ロンガム摂取による腸内環境の改善効果または便状態の改善効果についての予測を行う予測ステップ
を含むこと、
を特徴とする予測プログラム。

【請求項10】

請求項９に記載の予測プログラムが格納されていること、
を特徴とする記録媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、予測方法、予測装置および予測プログラムに関する。

【背景技術】

【0002】

オミクス解析をベースとした、腸内細菌叢の研究が近年盛んに行われている。特に消化管常在細菌は食事と密接に結びつき、その組成が再現性を持って変動することが明らかになっている（非特許文献１）。このような常在細菌を介した消化管に対する食事の影響は、負にも正にも現れる。

【0003】

負の影響の例としては、人工甘味料の過剰摂取により引き起こされる腸内細菌の変動を原因とした耐糖能代謝異常の発生（非特許文献２）や、乳化剤の過剰摂取による炎症作用（非特許文献３）等が挙げられる。

【0004】

正の影響の例としては、一部の微生物の服用を通して腸内細菌叢を改善させることが可能であり、古くからプロバイオティクスとして利用されている（非特許文献４）。例えば、ビフィドバクテリウム（Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ）は、有効な整腸作用と人体への無害性から、頻繁に利用される代表的なプロバイオティクスである（非特許文献５）。また、ビフィドバクテリウム（Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ）は、疾病の治療および予防の双方へ用いられ、近年では分子メカニズムの解明も進んでいる（非特許文献６～８）。

【0005】

ここで、従来のビフィドバクテリウム（Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ）の有効試験としては、特に整腸効果による便秘状態の改善が評価されてきた（非特許文献９）。培養法に基づいた便秘患者の便の細菌解析でも、ビフィドバクテリウム（Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ）は増減することが確認されており、特に注目される微生物である（非特許文献１０および１１）。しかしながら、便秘に対するビフィドバクテリウム（Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ）の作用機序の網羅的な解析は、これまで進められてこなかった。

【0006】

また、投与物の効用が一部の被検者で強く現れる現象が報告されており、様々な薬でメカニズムの解明が進んでいる。消化管系に作用する物質に対しては、この原因を腸内細菌叢へ求める動きがあり、とりわけセカンドミール効果（初めに食べた食事が、次の食事に対して影響を及ぼすという考え方）の機構は盛んに研究されている（非特許文献１２）。そして、大麦食に対する血糖値の変化と腸内細菌叢中のＰｒｅｖｏｔｅｌｌａ属の関係性がメタゲノム解析を通した臨床試験において示唆されており、マウスを使った耐糖能改善効果が実験的に検証されている（非特許文献１３）。更に、血液のメタボローム解析も併せて実施され、腸内細菌叢により食事に対するインスリン反応が変化することが報告された（非特許文献１４）。

【0007】

このようなメカニズムの解析は、ヒトの腸内細菌に対しても進められ、大麦食と小麦食に対する血糖値上昇に個人差が存在し、その傾向が腸内細菌のオミクス情報から一定の精度で予測できることが示唆された（非特許文献１５および１６）。腸内細菌を標的にした個人差の解析は抗がん剤に対しても行われ、ＰＤ－１／ＰＤ－Ｌ１を標的とした免疫チェックポイント阻害剤の効果にＢｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｌｏｎｇｕｍ、Ｃｏｌｌｉｎｓｅｌｌａ ａｅｒｏｆａｃｉｅｎｓ、Ｅｎｔｅｒｏｃｏｃｃｕｓ ｆａｅｃｉｕｍまたはＡｋｋｅｒｍａｎｓｉａ ｍｕｃｉｎｉｐｈｉｌａが関連し、ＣＴＬＡ－４に対する阻害効果にＢａｃｔｅｒｏｉｄｅｓが関連することが示唆された（非特許文献１７～１９）。

【0008】

以上を例とした、外部からの介入に対する腸内環境ダイナミクスのパターンをオミクスデータを用いて明らかにすることでは、作用メカニズムの解明をより高精度かつ高速に進展させ得る。実際にＨＩＶ治療薬の例では、膣内の細菌叢に存在する一部の嫌気性細菌へ着目して、薬剤の効果が低下することを実験的に明らかにした（非特許文献２０）。

【先行技術文献】

【非特許文献】

【0009】

【文献】Ｄａｖｉｄ ＬＡ ｅｔ ａｌ．，Ｄｉｅｔ ｒａｐｉｄｌｙ ａｎｄ ｒｅｐｒｏｄｕｃｉｂｌｙ ａｌｔｅｒｓ ｔｈｅ ｈｕｍａｎ ｇｕｔ ｍｉｃｒｏｂｉｏｍｅ，Ｎａｔｕｒｅ，２０１４，５０５，７４８４，ｐ５５９－５６３

【文献】Ｓｕｅｚ Ｊ ｅｔ ａｌ．，Ａｒｔｉｆｉｃｉａｌ ｓｗｅｅｔｅｎｅｒｓ ｉｎｄｕｃｅ ｇｌｕｃｏｓｅ ｉｎｔｏｌｅｒａｎｃｅ ｂｙ ａｌｔｅｒｉｎｇ ｔｈｅ ｇｕｔ ｍｉｃｒｏｂｉｏｔａ，Ｎａｔｕｒｅ，２０１４，５１４，７５２１，ｐ１８１－１８６

【文献】Ｃｈａｓｓａｉｎｇ Ｂ ｅｔ ａｌ．，Ｄｉｅｔａｒｙ ｅｍｕｌｓｉｆｉｅｒｓ ｉｍｐａｃｔ ｔｈｅ ｍｏｕｓｅ ｇｕｔ ｍｉｃｒｏｂｉｏｔａ ｐｒｏｍｏｔｉｎｇ ｃｏｌｉｔｉｓ ａｎｄ ｍｅｔａｂｏｌｉｃ ｓｙｎｄｒｏｍｅ，Ｎａｔｕｒｅ，２０１５，５１９，７５４１，ｐ９２－９６

【文献】Ｍｏａｙｙｅｄｉ Ｐ ｅｔ ａｌ．，Ｔｈｅ ｅｆｆｉｃａｃｙ ｏｆ ｐｒｏｂｉｏｔｉｃｓ ｉｎ ｔｈｅ ｔｒｅａｔｍｅｎｔ ｏｆ ｉｒｒｉｔａｂｌｅ ｂｏｗｅｌ ｓｙｎｄｒｏｍｅ：ａ ｓｙｓｔｅｍａｔｉｃ ｒｅｖｉｅｗ，Ｇｕｔ，２０１０，５９，３，ｐ３２５－３３２

【文献】Ｓｉｍｒｅｎ Ｍ ｅｔ ａｌ．，Ｉｎｔｅｓｔｉｎａｌ ｍｉｃｒｏｂｉｏｔａ ｉｎ ｆｕｎｃｔｉｏｎａｌ ｂｏｗｅｌ ｄｉｓｏｒｄｅｒｓ：ａ Ｒｏｍｅ ｆｏｕｎｄａｔｉｏｎ ｒｅｐｏｒｔ，Ｇｕｔ，２０１３，６２，１，ｐ１５９－１７６

【文献】Ｕｒｉｔａ Ｙ ｅｔ ａｌ．，Ｃｏｎｔｉｎｕｏｕｓ ｃｏｎｓｕｍｐｔｉｏｎ ｏｆ ｆｅｒｍｅｎｔｅｄ ｍｉｌｋ ｃｏｎｔａｉｎｉｎｇ Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｂｉｆｉｄｕｍ ＹＩＴ １０３４７ ｉｍｐｒｏｖｅｓ ｇａｓｔｒｏｉｎｔｅｓｔｉｎａｌ ａｎｄ ｐｓｙｃｈｏｌｏｇｉｃａｌ ｓｙｍｐｔｏｍｓ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ｆｕｎｃｔｉｏｎａｌ ｇａｓｔｒｏｉｎｔｅｓｔｉｎａｌ ｄｉｓｏｒｄｅｒｓ，Ｂｉｏｓｃｉｅｎｃｅ ｏｆ Ｍｉｃｒｏｂｉｏｔａ，Ｆｏｏｄ ａｎｄ Ｈｅａｌｔｈ，２０１５，３４，２，ｐ３７－４４

【文献】Ｇｕｇｌｉｅｌｍｅｔｔｉ Ｓ ｅｔ ａｌ．，Ｒａｎｄｏｍｉｓｅｄ ｃｌｉｎｉｃａｌ ｔｒｉａｌ：Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｂｉｆｉｄｕｍ ＭＩＭＢｂ７５ ｓｉｇｎｉｆｉｃａｎｔｌｙ ａｌｌｅｖｉａｔｅｓ ｉｒｒｉｔａｂｌｅ ｂｏｗｅｌ ｓｙｎｄｒｏｍｅ ａｎｄ ｉｍｐｒｏｖｅｓ ｑｕａｌｉｔｙ ｏｆ ｌｉｆｅ－－ａ ｄｏｕｂｌｅ－ｂｌｉｎｄ，ｐｌａｃｅｂｏ－ｃｏｎｔｒｏｌｌｅｄ ｓｔｕｄｙ，Ａｌｉｍｅｎｔａｒｙ Ｐｈａｒｍａｃｏｌｏｇｙ ＆ Ｔｈｅｒａｐｅｕｔｉｃｓ，２０１１，３３，１０，ｐ１１２３－１１３２

【文献】Ｆｕｋｕｄａ Ｓ ｅｔ ａｌ．，Ｂｉｆｉｄｏｂａｃｔｅｒｉａ ｃａｎ ｐｒｏｔｅｃｔ ｆｒｏｍ ｅｎｔｅｒｏｐａｔｈｏｇｅｎｉｃ ｉｎｆｅｃｔｉｏｎ ｔｈｒｏｕｇｈ ｐｒｏｄｕｃｔｉｏｎ ｏｆ ａｃｅｔａｔｅ，Ｎａｔｕｒｅ，２０１１，４６９，７３３１，ｐ５４３－５４７

【文献】Ｘｉａｏ ＪＺ ｅｔ ａｌ．，Ｅｆｆｅｃｔ ｏｆ ｙｏｇｕｒｔ ｃｏｎｔａｉｎｉｎｇ Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｌｏｎｇｕｍ ＢＢ ５３６ ｏｎ ｔｈｅ ｄｅｆｅｃａｔｉｏｎ ｆｒｅｑｕｅｎｃｙ ａｎｄ ｆｅｃａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｈｅａｌｔｈｙ ａｄｕｌｔｓ：Ａ ｄｏｕｂｌｅ－ｂｌｉｎｄ ｃｒｏｓｓ ｏｖｅｒ ｓｔｕｄｙ，Ｊａｐａｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｌａｃｔｉｃ Ａｃｉｄ Ｂａｃｔｅｒｉａ，２００７，１８，１，ｐ３１－３６

【文献】Ｋｈａｌｉｆ ＩＬ ｅｔ ａｌ．，Ａｌｔｅｒａｔｉｏｎｓ ｉｎ ｔｈｅ ｃｏｌｏｎｉｃ ｆｌｏｒａ ａｎｄ ｉｎｔｅｓｔｉｎａｌ ｐｅｒｍｅａｂｉｌｉｔｙ ａｎｄ ｅｖｉｄｅｎｃｅ ｏｆ ｉｍｍｕｎｅ ａｃｔｉｖａｔｉｏｎ ｉｎ ｃｈｒｏｎｉｃ ｃｏｎｓｔｉｐａｔｉｏｎ，Ｄｉｇｅｓｔｉｖｅ ａｎｄ Ｌｉｖｅｒ Ｄｉｓｅａｓｅ：Ｏｆｆｉｃｉａｌ Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｉｔａｌｉａｎ Ｓｏｃｉｅｔｙ ｏｆ Ｇａｓｔｒｏｅｎｔｅｒｏｌｏｇｙ ａｎｄ ｔｈｅ Ｉｔａｌｉａｎ Ａｓｓｏｃｉａｔｉｏｎ ｆｏｒ ｔｈｅ Ｓｔｕｄｙ ｏｆ ｔｈｅ Ｌｉｖｅｒ，２００５，３７，１１，ｐ８３８－８４９

【文献】Ｚｏｐｐｉ Ｇ ｅｔ ａｌ．，Ｔｈｅ ｉｎｔｅｓｔｉｎａｌ ｅｃｏｓｙｓｔｅｍ ｉｎ ｃｈｒｏｎｉｃ ｆｕｎｃｔｉｏｎａｌ ｃｏｎｓｔｉｐａｔｉｏｎ，Ａｃｔａ Ｐａｅｄｉａｔｒｉｃａ，１９９８，８７，８，ｐ８３６－８４１

【文献】Ｎｉｌｓｓｏｎ ＡＣ ｅｔ ａｌ．，Ｅｆｆｅｃｔ ｏｆ ｃｅｒｅａｌ ｔｅｓｔ ｂｒｅａｋｆａｓｔ ｄｉｆｆｅｒｉｎｇ ｉｎ ｇｌｙｃｅｍｉｃ ｉｎｄｅｘ ａｎｄ ｃｏｎｔｅｎｔ ｏｆ ｉｎｄｉｇｅｓｔｉｂｌｅ ｃａｒｂｏｈｙｄｒａｔｅｓ ｏｎ ｄａｙｌｏｎｇ ｇｌｕｃｏｓｅ ｔｏｌｅｒａｎｃｅ ｉｎ ｈｅａｌｔｈｙ ｓｕｂｊｅｃｔｓ，Ｔｈｅ Ａｍｅｒｉｃａｎ Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｎｉｃａｌ Ｎｕｔｒｉｔｉｏｎ，２００８，８７，３，ｐ６４５－６５４

【文献】Ｋｏｖａｔｃｈｅｖａ－Ｄａｔｃｈａｒｙ Ｐ ｅｔ ａｌ．，Ｄｉｅｔａｒｙ Ｆｉｂｅｒ－Ｉｎｄｕｃｅｄ Ｉｍｐｒｏｖｅｍｅｎｔ ｉｎ Ｇｌｕｃｏｓｅ Ｍｅｔａｂｏｌｉｓｍ Ｉｓ Ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ Ｉｎｃｒｅａｓｅｄ Ａｂｕｎｄａｎｃｅ ｏｆ Ｐｒｅｖｏｔｅｌｌａ，Ｃｅｌｌ Ｍｅｔａｂｏｌｉｓｍ，２０１５，２２，６，ｐ９７１－９８２

【文献】Ｐｅｄｅｒｓｅｎ ＨＫ ｅｔ ａｌ．，Ｈｕｍａｎ ｇｕｔ ｍｉｃｒｏｂｅｓ ｉｍｐａｃｔ ｈｏｓｔ ｓｅｒｕｍ ｍｅｔａｂｏｌｏｍｅ ａｎｄ ｉｎｓｕｌｉｎ ｓｅｎｓｉｔｉｖｉｔｙ，Ｎａｔｕｒｅ，２０１６，５３５，７６１２，ｐ３７６－３８１

【文献】Ｚｅｅｖｉ Ｄ ｅｔ ａｌ．，Ｐｅｒｓｏｎａｌｉｚｅｄ Ｎｕｔｒｉｔｉｏｎ ｂｙ Ｐｒｅｄｉｃｔｉｏｎ ｏｆ Ｇｌｙｃｅｍｉｃ Ｒｅｓｐｏｎｓｅｓ，Ｃｅｌｌ，２０１５，１６３，５，ｐ１０７９－１０９４

【文献】Ｋｏｒｅｍ Ｔ ｅｔ ａｌ．，Ｂｒｅａｄ Ａｆｆｅｃｔｓ Ｃｌｉｎｉｃａｌ Ｐａｒａｍｅｔｅｒｓ ａｎｄ Ｉｎｄｕｃｅｓ Ｇｕｔ Ｍｉｃｒｏｂｉｏｍｅ－Ａｓｓｏｃｉａｔｅｄ Ｐｅｒｓｏｎａｌ Ｇｌｙｃｅｍｉｃ Ｒｅｓｐｏｎｓｅｓ，Ｃｅｌｌ Ｍｅｔａｂｏｌｉｓｍ，２０１７，２５，６，ｐ１２４３－１２５３．ｅ５

【文献】Ｍａｔｓｏｎ Ｖ ｅｔ ａｌ．，Ｔｈｅ ｃｏｍｍｅｎｓａｌ ｍｉｃｒｏｂｉｏｍｅ ｉｓ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ａｎｔｉ－ＰＤ－１ ｅｆｆｉｃａｃｙ ｉｎ ｍｅｔａｓｔａｔｉｃ ｍｅｌａｎｏｍａ ｐａｔｉｅｎｔｓ，Ｓｃｉｅｎｃｅ，２０１８，３５９，６３７１，ｐ１０４－１０８

【文献】Ｒｏｕｔｙ Ｂ ｅｔ ａｌ．，Ｇｕｔ ｍｉｃｒｏｂｉｏｍｅ ｉｎｆｌｕｅｎｃｅｓ ｅｆｆｉｃａｃｙ ｏｆ ＰＤ－１－ｂａｓｅｄ ｉｍｍｕｎｏｔｈｅｒａｐｙ ａｇａｉｎｓｔ ｅｐｉｔｈｅｌｉａｌ ｔｕｍｏｒｓ，Ｓｃｉｅｎｃｅ，２０１７，３５９，６３７１，ｐ９１－９７

【文献】Ｖｅｔｉｚｏｕ Ｍ ｅｔ ａｌ．，Ａｎｔｉｃａｎｃｅｒ ｉｍｍｕｎｏｔｈｅｒａｐｙ ｂｙ ＣＴＬＡ－４ ｂｌｏｃｋａｄｅ ｒｅｌｉｅｓ ｏｎ ｔｈｅ ｇｕｔ ｍｉｃｒｏｂｉｏｔａ，Ｓｃｉｅｎｃｅ，２０１５，３５０，６２６４，ｐ１０７９－１０８４

【文献】Ｋｌａｔｔ ＮＲ ｅｔ ａｌ．，Ｖａｇｉｎａｌ ｂａｃｔｅｒｉａ ｍｏｄｉｆｙ ＨＩＶ ｔｅｎｏｆｏｖｉｒ ｍｉｃｒｏｂｉｃｉｄｅ ｅｆｆｉｃａｃｙ ｉｎ Ａｆｒｉｃａｎ ｗｏｍｅｎ，Ｓｃｉｅｎｃｅ，２０１７，３５６，６３４１，ｐ９３８－９４５

【発明の概要】

【発明が解決しようとする課題】

【0010】

このように、薬および機能性食品により生じる影響を、腸内環境の状態より予測することが可能であれば、その都度に応じた精密な処方が可能となる。すなわち、腸内環境に基づくコンパニオン診断の実現を通して、医療コストを削減し個別化ヘルスケアを達成することが出来る。例えば、前述したように、整腸作用があることが知られているＢｉｆｉｄｏｂａｃｔｅｒｉｕｍ（例えば、ビフィドバクテリウム・ロンガム）摂取による腸内環境の改善効果または便状態の改善効果を予測することができれば、前記精密な処方や前記個別化ヘルスケア等を行うことができるものの、このような予測をすることは、従来できなかった。

【0011】

本発明は、上記に鑑みてなされたもので、ビフィドバクテリウム・ロンガム摂取による腸内環境の改善効果または便状態の改善効果を予測することができる予測方法、予測装置および予測プログラムを提供することを目的とする。

【課題を解決するための手段】

【0012】

上述した課題を解決し、目的を達成するために、本発明に係る予測方法は、予測対象から採取された便検体中のユーバクテリウム・レクタル、クリステンセネラ属に属する細菌、セリモナス属に属する細菌、パラバクテロイデス属に属する細菌、エリスピロトリクス属に属する細菌、クロストリジウムＸＩＩＩ ＡＤ３０１１ 属に属する細菌、ラクノスピラ ＵＣＧ－００１属に属する細菌、ラクノスピラ ＵＣＧ－００３属に属する細菌、ファエカリタレア属に属する細菌、アリスティペス属に属する細菌、アナエロスティペス属に属する細菌、ルミノコッカス１属に属する細菌およびルミノコッカス２属に属する細菌のうちの少なくとも一つの細菌の前記便検体中における相対存在比ならびに前記便検体中のＮ，Ｎ－ジメチルグリシン、酪酸、アスパラギンおよび３－ヒドロキシ酪酸のうちの少なくとも一つの代謝物質の所定量の前記便検体中における含量のうちの少なくとも一つに基づいて、前記予測対象について、ビフィドバクテリウム・ロンガム摂取による腸内環境の改善効果または便状態の改善効果についての予測を行う予測ステップを含むこと、を特徴とする。

【0013】

また、本発明に係る予測方法は、前記予測ステップでは、前記相対存在比および前記含量に基づいて、前記予測対象について、前記ビフィドバクテリウム・ロンガム摂取による前記腸内環境の改善効果または前記便状態の改善効果についての予測を行うこと、を特徴とする。

【0014】

また、本発明に係る予測方法は、前記予測ステップでは、前記改善効果があるか否かを予測すること、を特徴とする。

【0015】

また、本発明に係る予測方法は、前記便状態の改善が、便通の改善であること、を特徴とする。

【0016】

また、本発明に係る予測方法は、前記便通の改善が、便頻度の増加であること、を特徴とする。

【0017】

また、本発明に係る予測方法は、前記予測ステップは、制御部を備える情報処理装置の前記制御部において実行されること、を特徴とする。

【0018】

また、本発明に係る予測装置は、制御部を備える予測装置であって、前記制御部は、予測対象から採取された便検体中のユーバクテリウム・レクタル、クリステンセネラ属に属する細菌、セリモナス属に属する細菌、パラバクテロイデス属に属する細菌、エリスピロトリクス属に属する細菌、クロストリジウムＸＩＩＩ ＡＤ３０１１ 属に属する細菌、ラクノスピラ ＵＣＧ－００１属に属する細菌、ラクノスピラ ＵＣＧ－００３属に属する細菌、ファエカリタレア属に属する細菌、アリスティペス属に属する細菌、アナエロスティペス属に属する細菌、ルミノコッカス１属に属する細菌およびルミノコッカス２属に属する細菌のうちの少なくとも一つの細菌の前記便検体中における相対存在比ならびに前記便検体中のＮ，Ｎ－ジメチルグリシン、酪酸、アスパラギンおよび３－ヒドロキシ酪酸のうちの少なくとも一つの代謝物質の所定量の前記便検体中における含量のうちの少なくとも一つに基づいて、前記予測対象について、ビフィドバクテリウム・ロンガム摂取による腸内環境の改善効果または便状態の改善効果についての予測を行う予測手段を備えること、を特徴とする。

【0019】

また、本発明に係る予測プログラムは、制御部を備える情報処理装置において実行させるための予測プログラムであって、前記制御部に実行させるための、予測対象から採取された便検体中のユーバクテリウム・レクタル、クリステンセネラ属に属する細菌、セリモナス属に属する細菌、パラバクテロイデス属に属する細菌、エリスピロトリクス属に属する細菌、クロストリジウムＸＩＩＩ ＡＤ３０１１ 属に属する細菌、ラクノスピラ ＵＣＧ－００１属に属する細菌、ラクノスピラ ＵＣＧ－００３属に属する細菌、ファエカリタレア属に属する細菌、アリスティペス属に属する細菌、アナエロスティペス属に属する細菌、ルミノコッカス１属に属する細菌およびルミノコッカス２属に属する細菌のうちの少なくとも一つの細菌の前記便検体中における相対存在比ならびに前記便検体中のＮ，Ｎ－ジメチルグリシン、酪酸、アスパラギンおよび３－ヒドロキシ酪酸のうちの少なくとも一つの代謝物質の所定量の前記便検体中における含量のうちの少なくとも一つに基づいて、前記予測対象について、ビフィドバクテリウム・ロンガム摂取による腸内環境の改善効果または便状態の改善効果についての予測を行う予測ステップを含むこと、を特徴とする。

【発明の効果】

【0020】

本発明によれば、ビフィドバクテリウム・ロンガム摂取による腸内環境の改善効果または便状態の改善効果を予測することができるという効果を奏する。

【図面の簡単な説明】

【0021】

【図1】図１は、本実施形態の基本原理を示す原理構成図である。

【図2】図２は、予測装置１００の構成の一例を示す図である。

【図3】図３は、実施例１のコホートデザインを示す図である。

【図4】図４は、実施例１において、解析対象へ選抜された２０人の内訳の詳細を示す図である。

【図5】図５は、実施例１の試験デザインを示す図である。

【図6】図６は、実施例１における被験者２０人（ＭＯ０１～ＭＯ０６、ＭＯ０８～ＭＯ１３、ＭＯ１５～ＭＯ１９およびＭＯ２２～ＭＯ２４）の１日あたりの排便回数を示す棒グラフである。

【図7】図７は、実施例１において、情報量基準（ＷＡＩＣ）によるモデル比較をした結果を示す表である。

【図8】図８は、実施例１において、最良のＷＡＩＣが得られた５番のモデルを用いて、摂取効果の事後分布から事後平均値とベイズ信用区間を計算した結果を示す表である。

【図9】図９は、実施例１において、試験食摂取による効果を、事後平均値を用いたワイブル分布の確率密度関数と、実際の排便時間のヒストグラムから確認した結果を示すグラフである。

【図10】図１０は、実施例１において、便検体採取のタイムポイントごとにおける各被験者の腸内細菌の相対存在比ｔｏｐ５０属のヒートマップを示す図である。

【図11】図１１は、実施例１において、被験者ごとかつ前記タイムポイントごとの腸内細菌の相対存在比を示す図である。

【図12】図１２は、実施例１において、被験者ごとかつ前記タイムポイントごとの腸内細菌の相対存在比を示す図である。

【図13】図１３は、実施例１において、腸内細菌叢組成に対して計算されたｂｅｔａ多様性を用いた多次元尺度構成法によるプロット（被験者ごとに同一の色を使用）を示す図である。

【図14】図１４は、実施例１において、腸内細菌叢組成に対して計算されたｂｅｔａ多様性を用いた多次元尺度構成法によるプロット（タイムポイントごとに同一の色を使用）を示す図である。

【図15】図１５は、実施例１において、試験食摂取群、対照食摂取群および平常群の群間における腸内細菌叢の変化を、Ｗｉｌｃｏｘｏｎ－Ｍａｎｎ－Ｗｈｉｔｎｅｙ Ｔｅｓｔを用いて比較した結果を示す表である。

【図16】図１６は、実施例１において、前記タイムポイントごとにおける被験者全体でのビフィドバクテリウム・ロンガムの相対存在比を示す箱ひげ図、および、被験者ごとのビフィドバクテリウム・ロンガムの相対存在比を示す折れ線グラフである。

【図17】図１７は、実施例１において、便検体採取のタイムポイントごとにおける各被験者の代謝物質の便含量ｔｏｐ５０属のヒートマップを示す図である。

【図18】図１８は、実施例１において、代謝物質組成に対して計算されたｂｅｔａ多様性を用いた多次元尺度構成法によるプロット（被験者ごとに同一の色を使用）を示す図である。

【図19】図１９は、実施例１において、代謝物質組成に対して計算されたｂｅｔａ多様性を用いた多次元尺度構成法によるプロット（タイムポイントごとに同一の色を使用）を示す図である。

【図20】図２０は、実施例１における、腸内細菌および代謝物質についてのノンレスポンダーに対するレスポンダーのＦｏｌｄ Ｃｈａｎｇｅの散布図である。

【図21】図２１は、実施例１において、ルミノコッカス２属、Ｅｒｙｓｉｐｅｌｏｔｒｉｃｈａｃｅａｅ＿ＵＣＧ－００３およびユーバクテリウム・レクタルについての各群ごとの相対存在比を示すグラフである。

【図22】図２２は、実施例１において、３－ヒドロキシ酪酸、アスパラギンおよびＮ，Ｎ－ジメチルグリシンについての各群ごとの便含量を示すグラフである。

【図23】図２３は、実施例２における機械学習法によるレスポンダー予測の流れを示すフローチャートである。

【図24】図２４は、実施例２において、機械学習法によりレスポンダー予測をした際の結果を示すＲＯＣ ｃｕｒｖｅである。

【図25】図２５は、実施例２において、機械学習法によりレスポンダー予測をした際の結果を示す表である。

【図26】図２６は、実施例２において、レスポンダー予測に寄与している特徴量を抽出した結果を示すグラフである。

【発明を実施するための形態】

【0022】

以下に、予測方法、予測装置および予測プログラムの実施形態を、図面に基づいて詳細に説明する。なお、本実施形態により本発明が限定されるものではない。

【0023】

実施形態の概要
ここでは、本実施形態の概要について図１を参照して説明する。図１は、本実施形態の基本原理を示す原理構成図である。

【0024】

まず、予測対象（例えば、動物や人等の個体）から採取された便検体中の細菌の前記便検体中における相対存在比および前記便検体中の代謝物質の所定量の前記便検体中における含量（＝便含量）のうちの少なくとも一つを取得する（図１のステップＳＡ１：取得ステップ）。

【0025】

ステップＳＡ１において、前記予測対象は、人である場合、例えば、腸内環境が悪いまたは良くない人が好ましい。前記腸内環境が悪いまたは良くない人とは、例えば、便秘気味の人である。前記便秘気味の人とは、例えば、排便回数が週あたり３～５回程度の人である。ただし、前記予測対象は、本段落の例示には限定されず、例えば、腸内環境が悪くない人または良い人であってもよい。

【0026】

ステップＳＡ１において、前記細菌は、例えば、セリモナス（Ｓｅｌｌｉｍｏｎａｓ）属に属する細菌、Ｔｙｚｚｅｒｅｌｌａ ３属に属する細菌、ルミノコッカス２（Ｒｕｍｉｎｏｃｏｃｃｕｓ ２）属に属する細菌、ペプトニフィラス（Ｐｅｐｔｏｎｉｐｈｉｌｕｓ）属に属する細菌、ｕｎｃｕｌｔｕｒｅｄ＿Ａｃｔｉｎｏｍｙｃｅｔａｃｅａｅ属に属する細菌、ファエカリタレア（Ｆａｅｃａｌｉｔａｌｅａ）属に属する細菌、コプロバチルス（Ｃｏｐｒｏｂａｃｉｌｌｕｓ）属に属する細菌、ｕｎｃｕｌｔｕｒｅｄ＿Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ属に属する細菌、ユーバクテリウム・レクタル（［Ｅｕｂａｃｔｅｒｉｕｍ］ ｒｅｃｔａｌｅ ｇｒｏｕｐ）、Ｆａｍｉｌｙ＿ＸＩＩＩ＿ＵＣＧ－００１属に属する細菌、クロストリジウムＸＩＩＩ ＡＤ３０１１（Ｆａｍｉｌｙ＿ＸＩＩＩ＿ＡＤ３０１１＿ｇｒｏｕｐ）属に属する細菌、エリスピロトリクス（Ｅｒｙｓｉｐｅｌｏｔｒｉｃｈａｃｅａｅ＿ＵＣＧ－００３）属に属する細菌、ラクノスピラＵＣＧ－００１（Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ＿ＵＣＧ－００１）属に属する細菌、ラクノスピラＵＣＧ－００３（Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ＿ＵＣＧ－００３属に属する細菌、パラサテレラ（Ｐａｒａｓｕｔｔｅｒｅｌｌａ）属に属する細菌、アリスティペス（Ａｌｉｓｔｉｐｅｓ）属に属する細菌、パラバクテロイデス（Ｐａｒａｂａｃｔｅｒｏｉｄｅｓ）属に属する細菌、ルミノコッカス１（Ｒｕｍｉｎｏｃｏｃｃｕｓ １）属に属する細菌、アナエロスティペス（Ａｎａｅｒｏｓｔｉｐｅｓ）属に属する細菌およびクリステンセネラ Ｒ－７ グループ（Ｃｈｒｉｓｔｅｎｓｅｎｅｌｌａｃｅａｅ－Ｔ７＿ｇｒｏｕｐ）のうちの少なくとも一つの細菌である。

【0027】

ステップＳＡ１において、前記相対存在比は、例えば、前記便検体から抽出したＤＮＡ（Ｄｅｏｘｙｒｉｂｏ Ｎｕｃｌｅｉｃ ａｃｉｄ）の１６ＳｒＲＮＡ遺伝子領域をＰＣＲ（Ｐｏｌｙｍｅｒａｓｅ Ｃｈａｉｎ Ｒｅａｃｔｉｏｎ）増幅し、次世代シーケンサーによって配列解読を実施することにより算出することができる。例えば、前記配列解読の結果、全ＤＮＡ量が４であり、クリステンセネラ属のＤＮＡ量が３であり、アナエロスティペス属のＤＮＡ量が１である場合、クリステンセネラ属の相対存在比は０．７５となり、アナエロスティペス属の相対存在比は０．２５となる。

【0028】

ステップＳＡ１において、前記含量は、例えば、前記便検体から、ＣＥ－ＴＯＦＭＳ（キャピラリー電気泳動－飛行時間型質量分析計）を用いてメタボローム解析を実施することにより算出することができる。例えば、前記メタボローム解析の結果、前記便検体３００ｇ中に３０００ｎｍｏｌのＮ，Ｎ－ジメチルグリシンが含まれる場合、Ｎ，Ｎ－ジメチルグリシンの便含量は、１０ｎｍｏｌ／ｇとなる。

【0029】

前記代謝物質は、例えば、Ｎ，Ｎ－ジメチルグリシン（Ｎ，Ｎ－Ｄｉｍｅｔｙｌｇｌｙｃｉｎｅ）、酪酸（Ｂｕｔｙｒｉｃ＿ａｃｉｄ）、アスパラギン（Ａｓｎ）および３－ヒドロキシ酪酸（３－Ｈｙｄｒｏｘｙｂｕｔｙｒｉｃ＿ａｃｉｄ）のうちの少なくとも一つの代謝物質である。

【0030】

次に、ステップＳＡ１で取得した前記相対存在比および前記含量のうちの少なくとも一つに基づいて、前記予測対象について、ビフィドバクテリウム・ロンガム摂取による腸内環境の改善効果または便状態の改善効果についての予測を行うことにより（図１のステップＳＡ２：予測ステップ）、予測結果を得ることができる。

【0031】

ステップＳＡ２において、前記改善とは、例えば、前記予測対象がビフィドバクテリウム・ロンガムを摂取することにより、前記予測対象の腸内環境または便状態が良い方に変化することである。つまり、前記改善とは、腸内環境または便状態が悪いまたは良くない人の腸内環境または便状態が良くなることであってもよいし、あるいは、腸内環境または便状態が悪くない人または良い人の腸内環境または便状態が更に良くなることであってもよい。

【0032】

ステップＳＡ２における予測ステップでは、前記改善効果を数値化して予測してもよいし、あるいは、前記改善効果があるか否かを予測してもよい。後者の予測としては、前記改善効果の程度に応じた多段階的な予測であってもよいし、前記改善効果があるかないかの二者択一の予測であってもよい。

【0033】

ステップＳＡ２において、前記腸内環境とは、例えば、腸内に存在する細菌の相対存在比および化合物の含有量のことである。特定の細菌や特定の代謝物質が人体に有害な影響を及ぼすことが知られている。このため、ステップＳＡ２において、前記腸内環境の改善効果についての予測とは、ビフィドバクテリウム・ロンガムを摂取することによる前記予測対象の腸内における特定の細菌および特定の代謝物質の挙動の予測であってもよい。

【0034】

ステップＳＡ２において、前記便状態の改善は、例えば、便通の改善や便そのものの状態の改善等である。前記便通の改善は、便頻度の増加であってもよいし、便の回数の増加であってもよい。便頻度の増加の予測の具体例として、前記多段階的な予測により便頻度の増加を予測する場合は、前記予測対象がビフィドバクテリウム・ロンガムを摂取することにより、便頻度が顕著に増加するのか、便頻度が増加するが顕著ではないのか、あるいは、便頻度が増加しないのか、を予測するという方法が挙げられる。また、便頻度の増加の予測の別の具体例として、前記二者択一の予測により便頻度の増加を予測する場合は、前記予測対象がビフィドバクテリウム・ロンガムを摂取することにより、便頻度が顕著であろうがなかろうが増加するのか、あるいは、便頻度が増加しないのか、を予測するという方法が挙げられる。

【0035】

ここで、腸内細菌叢の研究を行う分野においては、便秘患者について、便状態の改善（例えば、便頻度の増加）が起こっているならば、腸内環境が改善していることが知られている（Ｃｕｍｍｉｎｇｓ ＪＨ ｅｔ ａｌ，ＰＡＳＳＣＬＡＩＭ－－ｇｕｔ ｈｅａｌｔｈ ａｎｄ ｉｍｍｕｎｉｔｙ，Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｎｕｔｒｉｔｉｏｎ，２００４，４３，ｐ１１８－１７３）。このため、例えば、ある便秘患者について便頻度の増加が観察された場合、当該便秘患者の腸内環境が改善したと予測してもよい。

【0036】

ステップＳＡ２において、前記予測は、前記相対存在比および前記含量に基づいて行うことが好ましい。これにより、例えば、より精度の高い予測を行うことができる。

【0037】

ステップＳＡ２の前記予測ステップは、制御部を備える情報処理装置の前記制御部において実行されてもよい。

【0038】

以下、便頻度の増加を予測する場合を例にとって、予測の際に用いる閾値（カットオフ値）について説明する。

【0039】

前記カットオフ値は、例えば、ビフィドバクテリウム・ロンガムの摂取により、便頻度が増加する群と増加しない群とを判別するための前記相対存在比または前記便含量であってもよい。前記カットオフ値は、例えば、感度と偽陽性率（１－特異度）の関係を、ＲＯＣ分析することにより求めることができる。前記感度とは、例えば、真の状態が前記増加する群である前記予測対象を正しく前記増加する群であると予測している割合である。前記特異度とは、真の状態が前記増加しない群である前記予測対象を正しく前記増加しない群であると予測している割合である。前記ＲＯＣ分析においては、まず、前記カットオフ値を連続的に変化させたときの、前記感度と前記偽陽性率の値を求める。そして、縦軸（Ｙ軸）を前記感度とし、横軸（Ｘ軸）を前記偽陽性率とするグラフ上に、前記求めた感度および偽陽性率の値をプロットし、当該プロットした点の中から、（１－感度）^２＋偽陽性率^２が最小になるような前記感度および前記特異度の組合せを決定する。このように決定した前記感度および前記特異度の組合せに対応するカットオフ値を、最終的なカットオフ値として設定することができる。なお、前記感度および前記特異度の組合せの決定の仕方は、前述した（１－感度）^２＋偽陽性率^２が最小になるような組合せに決定するという方法に限定されず、例えば、前記感度と前記特異度の積が最大になるような組合せに決定するという方法であってもよいし、（前記感度＋前記特異度）÷２が最大になるような組合せに決定するという方法であってもよい。

【0040】

前記カットオフ値は、例えば、ビフィドバクテリウム・ロンガムの摂取により、便頻度が顕著に増加する群と顕著ではないが増加する群と増加しない群とを判別するための前記相対存在比または前記便含量であってもよい。すなわち、前記カットオフ値が２つ存在していてもよい。この場合、当該２つのカットオフ値の設定の仕方としては、例えば、前段落で述べた方法により求めたカットオフ値をより厳しくしたものを、前記顕著に増加する群と前記顕著ではないが増加する群とを判別するためのカットオフ値とし、一方で、前段落で述べた方法により求めたカットオフ値をより緩くしたものを、前記顕著ではないが増加する群と前記増加しない群とを判別するカットオフ値とするという方法であってもよい。

【0041】

腸内細菌の相対存在比のみを用いて前記二者択一の予測をする場合、例えば以下のようにして便頻度の増加を予測することができる。便頻度が増加する群と便頻度が増加しない群とを分ける相対存在比に関するカットオフ値がＸ％であるとする。この場合、前記予測対象がＸ％を満たす場合には前記予測対象は前記便頻度が増加する群に属すると予測し、逆に、前記予測対象がＸ％を満たさない場合には前記予測対象は前記便頻度が増加しない群に属すると予測することができる。

【0042】

腸内細菌の相対存在比のみを用いて前記多段階的な予測をする場合、例えば以下のようにして便頻度の増加を予測することができる。便頻度が顕著に増加する群と便頻度が顕著ではないが増加する群とを分ける相対存在比に関するカットオフ値がＸ１％であり、便頻度が顕著ではないが増加する群と便頻度が増加しない群とを分ける相対存在比に関するカットオフ値がＸ２％であるとする。この場合、前記予測対象がＸ１％を満たす場合には前記予測対象は前記便頻度が顕著に増加する群に属すると予測し、前記予測対象がＸ１％を満たさないがＸ２％を満たす場合には前記予測対象は前記便頻度が顕著ではないが増加する群に属すると予測し、前記予測対象がＸ２％を満たさない場合には前記予測対象は前記便頻度が増加しない群に属すると予測することができる。

【0043】

前記代謝物質の便含量のみを用いて前記二者択一の予測をする場合、例えば以下のようにして便頻度の増加を予測することができる。便頻度が増加する群と便頻度が増加しない群とを分ける便含量に関するカットオフ値がＹｎｍｏｌ／ｇであるとする。この場合、前記予測対象がＹｎｍｏｌ／ｇを満たす場合には前記予測対象は前記便頻度が増加する群に属すると予測し、逆に、前記予測対象がＹｎｍｏｌ／ｇを満たさない場合には前記予測対象は前記便頻度が増加しない群に属すると予測することができる。

【0044】

前記代謝物質の便含量のみを用いて前記多段階的な予測をする場合、例えば以下のようにして便頻度の増加を予測することができる。便頻度が顕著に増加する群と便頻度が顕著ではないが増加する群とを分ける便含量に関するカットオフ値がＹ１ｎｍｏｌ／ｇであり、便頻度が顕著ではないが増加する群と便頻度が増加しない群とを分ける便含量に関するカットオフ値がＹ２ｎｍｏｌ／ｇであるとする。この場合、前記予測対象がＹ１ｎｍｏｌ／ｇを満たす場合には前記予測対象は前記便頻度が顕著に増加する群に属すると予測し、前記予測対象がＹ１ｎｍｏｌ／ｇを満たさないがＹ２ｎｍｏｌ／ｇを満たす場合には前記予測対象は前記便頻度が顕著ではないが増加する群に属すると予測し、前記予測対象がＹ２ｎｍｏｌ／ｇを満たさない場合には前記予測対象は前記便頻度が増加しない群に属すると予測することができる。

【0045】

腸内細菌の相対存在比と前記代謝物質の便含量の両方を用いて前記二者択一の予測をする場合、例えば以下のようにして便頻度の増加を予測することができる。前記予測対象がＸ％を満たし且つＹｎｍｏｌ／ｇも満たす場合には前記予測対象は前記便頻度が増加する群に属すると予測し、前記予測対象がＸ％を満たさず且つＹｎｍｏｌ／ｇも満たさない場合には前記予測対象は前記便頻度が増加しない群に属すると予測することができる。

【0046】

腸内細菌の相対存在比と前記代謝物質の便含量の両方を用いて前記多段階的な予測をする場合、例えば以下のようにして便頻度の増加を予測することができる。前記予測対象がＸ１％を満たし且つＹ１ｎｍｏｌ／ｇも満たす場合には前記予測対象は前記便頻度が顕著に増加する群に属すると予測し、前記予測対象がＸ１％を満たさないがＸ２％を満たし且つＹ１ｎｍｏｌ／ｇを満たさないがＹ２ｎｍｏｌ／ｇを満たす場合には前記予測対象は前記便頻度が顕著ではないが増加する群に属すると予測し、前記予測対象がＸ２％を満たさず且つＹ２ｎｍｏｌ／ｇも満たさない場合には前記予測対象は前記便頻度が増加しない群に属すると予測することができる。

【0047】

［実施形態の構成］
次に、本実施形態に係る予測装置１００の構成の一例について、図２を参照して説明する。図２は、予測装置１００の構成の一例を示すブロック図である。

【0048】

予測装置１００は、市販のデスクトップ型パーソナルコンピュータである。なお、予測装置１００は、デスクトップ型パーソナルコンピュータのような据置型情報処理装置に限らず、市販されているノート型パーソナルコンピュータ、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔｓ）、スマートフォン、タブレット型パーソナルコンピュータなどの携帯型情報処理装置であってもよい。

【0049】

予測装置１００は、制御部１０２と通信インターフェース部１０４と記憶部１０６と入出力インターフェース部１０８と、を備えている。予測装置１００が備えている各部は、任意の通信路を介して通信可能に接続されている。

【0050】

通信インターフェース部１０４は、ルータ等の通信装置および専用線等の有線または無線の通信回線を介して、予測装置１００をネットワーク３００に通信可能に接続する。通信インターフェース部１０４は、他の装置と通信回線を介してデータを通信する機能を有する。ここで、ネットワーク３００は、予測装置１００とサーバ装置２００とを相互に通信可能に接続する機能を有し、例えばインターネットやＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等である。

【0051】

入出力インターフェース部１０８には、入力装置１１２および出力装置１１４が接続されている。出力装置１１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる。入力装置１１２には、キーボード、マウス、及びマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。なお、以下では、出力装置１１４をモニタ１１４とし、入力装置１１２をキーボード１１２またはマウス１１２として記載する場合がある。

【0052】

記憶部１０６には、各種のデータベース、テーブルおよびファイルなどが格納される。記憶部１０６には、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）と協働してＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）に命令を与えて各種処理を行うためのコンピュータプログラムが記録される。記憶部１０６として、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）・ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等のメモリ装置、ハードディスクのような固定ディスク装置、フレキシブルディスク、および光ディスク等を用いることができる。

【0053】

記憶部１０６は、例えば、相対存在比データ１０６ａと、含量データ１０６ｂと、を備えている。なお、相対存在比データ１０６ａと含量データ１０６ｂは、サーバ装置２００に格納されてもよい。

【0054】

相対存在比データ１０６ａは、ステップＳＡ１で取得された前記相対存在比を格納する。含量データ１０６ｂは、ステップＳＡ１で取得された前記含量を格納する。

【0055】

制御部１０２は、予測装置１００を統括的に制御するＣＰＵ等である。制御部１０２は、ＯＳ等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、格納されているこれらのプログラムに基づいて種々の情報処理を実行する。

【0056】

制御部１０２は、機能概念的に、例えば、予測対象から採取された便検体中のユーバクテリウム・レクタル、クリステンセネラ属に属する細菌、セリモナス属に属する細菌、パラバクテロイデス属に属する細菌、エリスピロトリクス属に属する細菌、クロストリジウムＸＩＩＩ ＡＤ３０１１ 属に属する細菌、ラクノスピラ ＵＣＧ－００１属に属する細菌、ラクノスピラ ＵＣＧ－００３属に属する細菌、ファエカリタレア属に属する細菌、アリスティペス属に属する細菌、アナエロスティペス属に属する細菌、ルミノコッカス１属に属する細菌およびルミノコッカス２属に属する細菌のうちの少なくとも一つの細菌の前記便検体中における相対存在比ならびに前記便検体中のＮ，Ｎ－ジメチルグリシン、酪酸、アスパラギンおよび３－ヒドロキシ酪酸のうちの少なくとも一つの代謝物質の所定量の前記便検体中における含量のうちの少なくとも一つに基づいて、前記予測対象について、ビフィドバクテリウム・ロンガム摂取による腸内環境の改善効果または便状態の改善効果についての予測を行う予測手段としての予測部１０２ａを備えている。

【0057】

他の実施形態
本発明は、上述した実施形態以外にも、特許請求の範囲に記載した技術的思想の範囲内において種々の異なる実施形態にて実施されてよいものである。

【0058】

例えば、実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。

【0059】

また、本明細書中や図面中で示した処理手順、制御手順、具体的名称、各処理の登録データや検索条件等のパラメータを含む情報、画面例、データベース構成については、特記する場合を除いて任意に変更することができる。

【0060】

また、予測装置１００に関して、図示の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。

【0061】

例えば、予測装置１００が備える処理機能、特に制御部にて行われる各処理機能については、その全部または任意の一部を、ＣＰＵおよび当該ＣＰＵにて解釈実行されるプログラムにて実現してもよく、また、ワイヤードロジックによるハードウェアとして実現してもよい。尚、プログラムは、本実施形態で説明した処理を情報処理装置に実行させるためのプログラム化された命令を含む一時的でないコンピュータ読み取り可能な記録媒体に記録されており、必要に応じて予測装置１００に機械的に読み取られる。すなわち、ＲＯＭまたはＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの記憶部などには、ＯＳと協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。このコンピュータプログラムは、ＲＡＭにロードされることによって実行され、ＣＰＵと協働して制御部を構成する。

【0062】

また、このコンピュータプログラムは、予測装置１００に対して任意のネットワークを介して接続されたアプリケーションプログラムサーバに記憶されていてもよく、必要に応じてその全部または一部をダウンロードすることも可能である。

【0063】

また、本実施形態で説明した処理を実行するためのプログラムを、一時的でないコンピュータ読み取り可能な記録媒体に格納してもよく、また、プログラム製品として構成することもできる。ここで、この「記録媒体」とは、メモリーカード、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ、ＳＤ（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ）カード、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（登録商標）（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ ａｎｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＭＯ（Ｍａｇｎｅｔｏ－Ｏｐｔｉｃａｌ ｄｉｓｋ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、および、Ｂｌｕ－ｒａｙ（登録商標） Ｄｉｓｃ等の任意の「可搬用の物理媒体」を含むものとする。

【0064】

また、「プログラム」とは、任意の言語または記述方法にて記述されたデータ処理方法であり、ソースコードまたはバイナリコード等の形式を問わない。なお、「プログラム」は必ずしも単一的に構成されるものに限られず、複数のモジュールやライブラリとして分散構成されるものや、ＯＳに代表される別個のプログラムと協働してその機能を達成するものをも含む。なお、実施形態に示した各装置において記録媒体を読み取るための具体的な構成および読み取り手順ならびに読み取り後のインストール手順等については、周知の構成や手順を用いることができる。

【0065】

記憶部に格納される各種のデータベース等は、ＲＡＭ、ＲＯＭ等のメモリ装置、ハードディスク等の固定ディスク装置、フレキシブルディスク、および、光ディスク等のストレージ手段であり、各種処理やウェブサイト提供に用いる各種のプログラム、テーブル、データベース、および、ウェブページ用ファイル等を格納する。

【0066】

また、予測装置１００は、既知のパーソナルコンピュータまたはワークステーション等の情報処理装置として構成してもよく、また、任意の周辺装置が接続された当該情報処理装置として構成してもよい。また、予測装置１００は、当該装置に本実施形態で説明した処理を実現させるソフトウェア（プログラムまたはデータ等を含む）を実装することにより実現してもよい。

【0067】

更に、装置の分散・統合の具体的形態は図示するものに限られず、その全部または一部を、各種の付加等に応じてまたは機能負荷に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。すなわち、上述した実施形態を任意に組み合わせて実施してもよく、実施形態を選択的に実施してもよい。

【実施例】

【0068】

以下、本発明の実施例について説明するが、本発明は、以下の実施例１および２に限定されない。なお、以下の実施例１および２においては、統計解析は、次段落で説明する方法で行った。

【0069】

全ての統計解析は、Ｐｙｔｈｏｎを用いて実行した。ａｌｐｈａ多様性には、Ｓｈａｎｏｎｎ Ｄｉｖｅｒｓｉｔｙ Ｉｎｄｅｘを使用し、ｂｅｔａ多様性には、Ｓｐｅａｒｍａｎ Ｃｏｒｒｅｌａｔｉｏｎ Ｃｏｅｆｆｉｃｉｅｎｔを用いた。多次元尺度構成法（ＭＤＳ）計算には、ｂｅｔａ多様性を用いた。２群間比較検定にはＷｉｌｃｏｘｏｎ－Ｍａｎｎ－Ｗｈｉｔｎｅｙ Ｔｅｓｔを用い、グループ間のトレンド検定にはＪｏｎｃｋｈｅｅｒｅ－Ｔｅｒｐｓｔｒａ検定を用いた。多重検定補正にはＦａｌｓｅ Ｄｉｓｃｏｖｅｒｙ Ｒａｔｅ（ＦＤＲ）、およびＢｏｎｆｅｒｏｎｉ法を用い、ＦＤＲにはＢＨ法を使用した。腸内細菌叢解析においては、Ｇｅｎｕｓ、Ｓｐｅｃｉｅｓ、ＯＴＵレベルの系統組成データを使用した。この内、ＯＴＵレベル系統組成データは、ａｌｐｈａ多様性の計算にのみ使用した。その他の統計解析には、Ｇｅｎｕｓレベル系統組成データを使用した。Ｓｐｅｃｉｅｓレベル系統組成データは、レスポンダー予測にのみ使用した。代謝物質解析においては、Ｒｅｌａｔｉｖｅ ａｒｅａおよびＣｏｎｔｅｎｔのデータを使用した。Ｒｅｌａｔｉｖｅ ａｒｅａのデータは、ａｌｐｈａ多様性の計算のみに使用した。Ｃｏｎｔｅｎｔのデータは、その他の統計解析に使用した。

【0070】

［実施例１］相対存在比と便含量の確認
実施例１では、以下の（７）で説明するように、ビフィドバクテリウム・ロンガム摂取による腸内環境の改善効果が大きい被験者においては、ルミノコッカス２属およびセリモナス属等の相対存在比が大きいことを確認し、逆に、ユーバクテリウム・レクタル等の相対存在比およびＮ，Ｎ－ジメチルグリシン等の便含量が小さいことを確認した。以下、実施例１で行った処理について詳細に説明する。

【0071】

（１）被験者および食事情報
（１－１）被験者情報
実施例１のコホートデザインを、図３に沿って説明する。まず、実施例１のコホートは５０人の日本人から構成された。コホートに参加した５０人の参加者から、試験直前の排便状況、年齢および男女比を考慮した選抜基準および選抜除外基準を満たす２４人（ＭＯ０１～ＭＯ２４）が本試験へ選抜された（当該２４人は、図３において、Ａｓｓｅｓｓｅｄ ｆｏｒ ｅｌｉｇｉｂｉｌｉｔｙ（ｎ＝５０）からＥｘｃｌｕｄｅｄ（ｎ＝２６）を差し引いた値であるＲａｎｄｏｍｉｚｅｄ（Ｎ＝２４）に対応する）。特に試験食が便秘に対して与える影響を調べるために、便秘の傾向がある参加者が優先的に選抜された。本試験の完了後、解析除外基準へ違反しなかった被験者２０人（ＭＯ０１～ＭＯ０６、ＭＯ０８～ＭＯ１３、ＭＯ１５～ＭＯ１９およびＭＯ２２～ＭＯ２４）が解析対象へ選抜された（当該２０人は、図３において、Ａｎａｌｙｚｅｄ（ｎ＝１１）とＡｎａｌｙｚｅｄ（ｎ＝９）とを足した値に対応する）。なお、解析対象へ選抜された当該２０人の内訳の詳細については、図４に示す。また、前記選抜基準、前記選抜除外基準および前記解析除外基準の詳細については、それぞれ、以下の（２－１）、（２－２）および（２－３）に示す。

【0072】

（１－２）試験食情報
試験食としては、ビフィドバクテリウム・ロンガム（Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｌｏｎｇｕｍ） ＢＢ５３６株が１食あたりおよそ５．０×１０^９個封入されたカプセルを用いた。１食あたりの重量は０．５３ｇであった。前記カプセルは直径が約２．４ｍｍの球状であり、耐酸性ｐＨ依存崩壊能を付与した皮膜（外皮膜）と、胃酸などの通過に対するバリアー機能を向上する保護層（内皮膜）の二つの皮膜により構成されている。前記カプセルに封入されたＢ．ｌｏｎｇｕｍ ＢＢ５３６株の、ｐＨ １．２へ調整された人工的な胃液中における２時間生存率は約９０％程度となることが報告されている（Ｋｏｈｎｏ Ｍ，ｅｔ ａｌ．，Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｅｎｔｅｒｉｃ ｓｅａｍｌｅｓｓ ｃａｐｓｕｌｅｓ ｃｏｎｔａｉｎｉｎｇ Ｂｉｆｉｄｏｂａｃｔｅｒｉｕｍ ｌｏｎｇｕｍ ｔｏ ｆｕｎｃｔｉｏｎａｌ ｆｏｏｄｓ．Ｎｉｈｏｎ Ｙａｋｕｒｉｇａｋｕ Ｚａｓｓｈｉ Ｆｏｌｉａ Ｐｈａｒｍａｃｏｌ Ｊｐｎ ２０１６；１４８：３１０－４．）。胃を通過したカプセルは、小腸においてｐＨが中性となることで最外層である耐酸性ｐＨ依存崩壊膜が崩壊する。続けて胆汁酸の界面活性作用とリパーゼによる消化作用、腸管運動による物理刺激などにより、中間層である硬化油脂層が溶解あるいは崩壊し、内部の菌粉末が放出される。放出された菌粉末は腸内の水分により復水することで、増殖し活発に作用することが報告されている（Ａｓａｄａ Ｍ ｅｔ ａｌ．，Ｓｅａｍｌｅｓｓ Ｃａｐｓｕｌｅ Ｅｎｔｒａｐｐｅｄ Ｌｉｖｉｎｇ Ｍｉｃｒｏｏｒｇａｎｉｓｍｓ，Ｓｅｉｂｕｔｕ－ｋｏｕｇａｋｕ ｋａｉｓｈｉ，２００９，８７，３，ｐ１２３－１２８）。

【0073】

（１－３）対照食情報
対照食としては、澱粉粉末のみが封入された同一のカプセルを用いた。なお、前記試験食と前記対照食のエネルギー、タンパク質、脂質、炭水化物量およびナトリウム量は、等価となるように調整された。

【0074】

（２）補足情報：被験者の特徴および除外基準
実施例１の実施は、倫理委員会の承認を得た後に、株式会社ＣＰＣＣへ依頼した。試験の内容を十分に説明した上で、被験者からは書面にて自由意志による試験への参加の同意を得た。前記選抜基準、前記選抜除外基準および前記解析除外基準の詳細は、以下のとおりである。

【0075】

（２－１）選抜基準
以下の選抜基準１～２のいずれも満たす者が、被験者として選抜された。
１．前記同意取得時に４０歳以上６０歳未満の成人である者
２．排便回数が週辺り３～５回、あるいは、週７回以上である者

【0076】

（２－２）選抜除外基準
また、（２－１）で選抜された者のうち、以下の選抜除外基準１～１０のいずれかに該当する者は、被験者から除外された。
１．試験開始半年以内に開腹手術をした者
２．試験開始半年以内に抗生物質を一週間以上服用した者
３．試験食品へアレルギーを有する者
４．試験期間中に大幅に生活スタイルが変わる予定のある者
５．慢性的に下痢をし易い体質の者
６．顕著な肝機能障害、胃機能障害および心血管系疾患等の既往歴を有する者
７．慢性あるいは急性の感染症の疑いのある者
８．妊娠中、授乳中、または妊娠している可能性のある者
９．過去一ヶ月以内のその他の治験へ参加した者
１０．その他の試験責任医師が不適当と判断した者

【0077】

このように選抜された被験者２４人（ＭＯ０１～ＭＯ２４）は、試験開始直前の２週間にわたって排便動態の観察を受け、排便回数が週辺り３～５回、あるいは週７回以上であることを確認された。

【0078】

（２－３）解析除外基準
本試験を終了した被験者２４人（ＭＯ０１～ＭＯ２４）のうち、以下の解析除外基準１～６のいずれかに該当する者は、解析対象から除外された。
１．前記選抜除外基準に抵触すると判断された者
２．試験食品の接種率が８０％未満の者
３．食事記録の内容変動が大きい者、または、記録から変動がないことが確認できない者
４．生活日誌の内容変動が大きい者、または、記録から変動がないことが確認できない者
５．本試験に影響を及ぼす可能性があるとして禁止した医薬品、特定保健用食品、機能性表示食品、サプリメントまたはダイエット食品等を継続または繰り返し摂取した者
６．その他の理由により、試験責任医師が解析対象者として不適当と判断した者
そして、除外後の被験者２０人（ＭＯ０１～ＭＯ０６、ＭＯ０８～ＭＯ１３、ＭＯ１５～ＭＯ１９およびＭＯ２２～ＭＯ２４）が解析対象へ選抜された。

【0079】

（３）試験デザインおよびサンプル回収
（３－１）試験デザイン
本試験は、ランダム化二重盲検クロスオーバー試験に基づいて、図５に示すスケジュールで実施された。具体的には、まず、前記選抜基準および前記選抜除外基準を通過した２４人の被験者が、無作為に２群（１２人ずつ）に分けられた。そして、一方の群の被験者は、初めに前記試験食（図５では、Ｔｅｓｔ ｆｏｏｄ）を経口摂取し、ウォッシュアウト期間（図５では、Ｗａｓｈｏｕｔ）を挟んで、続いて前記対照食（図５では、Ｐｌａｃｅｂｏ ｆｏｏｄ）を経口摂取した。もう一方の群の被験者は、その逆の順番で摂取した。被験者の摂取期間は、図５に示すように、前記試験食と前記対照食ともに２週間であり、洗浄期間は４週間であった。

【0080】

各被験者は１日１食の前記試験食または前記対照食を、水とともに自由なタイミングで摂取した。摂取されるまでに、前記試験食または前記対照食は各被験者により常温で保存された。被検者の試験期間中の活動は、個人毎に１日１回のアンケートへ記載された。アンケートには、生活状態、食事および排便状態が記載された。なお、被検者には、以下の１～６を通達した。
１．乳酸菌やビフィズス菌を多く含む飲料または食品の摂取を禁止すること
２．食物繊維やオリゴ糖を多く含む飲料または食品の摂取を禁止すること
３．サプリメントの摂取を禁止すること
４．機能性ヨーグルトの摂取を禁止すること
５．納豆の摂取を避けること、摂取した場合には前記アンケートに記載すること
６．健康食品の摂取を避けること、摂取した場合には前記アンケートに記載すること

【0081】

（３－２）サンプル回収
各被検者からは、前記試験食または前記対照食の摂取前１日から６日の間、摂取開始後７日から１３日の間および摂取終了後１日から７日の間に、便検体が採集された。つまり、図５においてＰｌａｃｅｂｏｆｏｏｄ→Ｔｅｓｔｆｏｏｄの順番の群（上の群）の場合、図５にＰ→Ｔで示すように、左から順に、Ｐ１、Ｐ２、Ｐ３、Ｔ１、Ｔ２およびＴ３の６点で便検体を採取した。一方で、図５においてＴｅｓｔｆｏｏｄ→Ｐｌａｃｅｂｏｆｏｏｄの順番の群（下の群）の場合、図５にＴ→Ｐで示すように、左から順に、Ｔ１、Ｔ２、Ｔ３、Ｐ１、Ｐ２およびＰ３の６点で便検体を採取した。前記採取した便検体は、被験者個人により、採便シート「ナガセール」（オザックス社製）を便器内に敷き、採便チューブ「Ｆａｅｃｅｓ ｃｏｎｔａｉｎｅｒ ５４ ｘ ２８ ｍｍ」（ザルスタット社製）を用いて自宅で採集された。採取後は速やかに家庭用冷凍庫に保管され、採取された便は冷凍輸送により回収された。

【0082】

（４）排便レスポンダーの決定
被験者ごとに記録された経時的なアンケート情報に基づいて、前記試験食により排便活動の向上が確認された被験者（レスポンダー）を推定した。前記試験食の効果は、主に排便時間隔が短縮したことを基準に判断したが、その他（排便回数および排便確率等）についても統計モデルを用いて評価した。排便時間隔の短縮に基づく判断の仕方の詳細は、以下の（４－１）で説明し、排便回数および排便確率に基づく判断の仕方の詳細は、以下の（４－２）で説明し、排便レスポンダーの決定は、以下の（４－３）で説明する。

【0083】

（４－１）排便時間隔の短縮に基づく判断の仕方の詳細
排便時間の短縮を確認するために、統計モデルを構築した。このモデルでは、排便活動が時間の経過と共に発生しやすくなることに着目し、個人毎の排便時間隔をワイブル分布でモデル化した。ワイブル分布は、生存時間に対する薬の影響を調べるために広く使われている分布で、形状パラメータと尺度パラメータを持つ。服食の効果は、比例ハザードモデルを基に推定した（Ｍｕｄｈｏｌｋａｒ ＧＳ ｅｔ ａｌ．，Ａ Ｇｅｎｅｒａｌｉｚａｔｉｏｎ ｏｆ ｔｈｅ Ｗｅｉｂｕｌｌ Ｄｉｓｔｒｉｂｕｔｉｏｎ ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｔｈｅ Ａｎａｌｙｓｉｓ ｏｆ Ｓｕｒｖｉｖａｌ Ｄａｔａ，Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｍｅｒｉｃａｎ Ｓｔａｔｉｓｔｉｃａｌ Ａｓｓｏｃｉａｔｉｏｎ，１９９６，９１，４３６，ｐ１５７５－１５８３）。このモデルでは、時間ｔにおける共変量の影響が基準状態におけるハザード関数へ積として発生することを仮定する。以下に数式１を示す。

【0084】

【数1】

【0085】

ここで、ハザード関数とは、ある時刻ｔを起点に微小時間Δｔだけ経過した後に事象が発生する確率を表す関数である。すなわち、本試験においては、前記試験食の摂取の影響といった排便時間に付随する共変量の効果が、通常状態におけるハザード関数に対する積として発生し、排便活動の発生確率が変化すると仮定した。この仮定は、観測期間を通してハザード関数が服食以外から変化しないことと等価である。今回のコホートのような食品摂取が厳密に制限されている状態では、腸内の状態が安定であるという経験則により裏付けられる。実際にはモデル中のワイブル分布におけるパラメータや服食の効果は未知である。このような数値は、観測されたデータから推定した。今回得られた排便の記録は時間データではなく、一日あたりの排便回数のデータであった。そのため２４時間をその排便回数で割ることにより、各排便活動の推定時間隔を計算した。この不正確性をモデルに組み込むことで、より正確な推定が可能となるが、今回は、説明を簡便にするために省略した。特記すべき事項として、１人の被験者は全観測期間８５日間を通して排便が常に１日１回発生したため、値が常に２４時間／回となってしまった。この値はモデルの推定に不適当であり、明らかに排便レスポンダーでは無かったため解析対象から除外した。更に観測されたデータからは、モデル中のパラメータへ個人差があるのか全体で共通なのか明らかでは無かったため、Ｗｉｄｅｌｙ ａｐｐｌｉｃａｂｌｅ ｉｎｆｏｒｍａｔｉｏｎ ｃｒｉｔｅｒｉｏｎ（ＷＡＩＣ）を用いてモデルを比較した（Ｗａｔａｎａｂｅ Ｓ．，Ａｓｙｍｐｔｏｔｉｃ Ｅｑｕｉｖａｌｅｎｃｅ ｏｆ Ｂａｙｅｓ Ｃｒｏｓｓ Ｖａｌｉｄａｔｉｏｎ ａｎｄ Ｗｉｄｅｌｙ Ａｐｐｌｉｃａｂｌｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ ｉｎ Ｓｉｎｇｕｌａｒ Ｌｅａｒｎｉｎｇ Ｔｈｅｏｒｙ，Ｊｏｕｒｎａｌ ｏｆ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ Ｒｅｓｅａｒｃｈ，２０１０，１１，ｐ３５７１－３５９４）。ＷＡＩＣはＡＩＣ等の先行指標と比較が可能となるように、汎化損失の２ｎ倍を使って計算された（Ｇｅｌｍａｎ Ａ ｅｔ ａｌ．，Ｕｎｄｅｒｓｔａｎｄｉｎｇ ｐｒｅｄｉｃｔｉｖｅ ｉｎｆｏｒｍａｔｉｏｎ ｃｒｉｔｅｒｉａ ｆｏｒ Ｂａｙｅｓｉａｎ ｍｏｄｅｌｓ，Ｓｔａｔｉｓｔｉｃｓ ａｎｄ Ｃｏｍｐｕｔｉｎｇ，２０１３，２４，６，ｐ９９７－１０１６）。ＷＡＩＣやＡＩＣはモデルの未知データに対する予測の誤差（汎化誤差）を近似するものであり、特にＷＡＩＣはパラメータの事後分布が正規分布で近似できないような特異モデルに対しても利用することが可能である。データに対するパラメータの推定は、ＰｙｔｈｏｎとＳｔａｎを用いたＮＵＴＳアルゴリズムによるマルコフ連鎖モンテカルロ法（ＭＣＭＣ法）により達成した（Ｃａｒｐｅｎｔｅｒ Ｂ ｅｔ ａｌ．，Ｓｔａｎ：Ａ Ｐｒｏｂａｂｉｌｉｓｔｉｃ Ｐｒｏｇｒａｍｍｉｎｇ Ｌａｎｇｕａｇｅ，Ｊｏｕｒｎａｌ ｏｆ Ｓｔａｔｉｓｔｉｃａｌ Ｓｏｆｔｗａｒｅ，２０１７，７６，１，ｈｔｔｐｓ：／／ｄｏｉ．ｏｒｇ／１０．１８６３７／ｊｓｓ．ｖ０７６．ｉ０１）。ＭＣＭＣ法によるワイブル分布の一般化線形モデルには先行研究による報告がある（Ｄｅｌｌａｐｏｒｔａｓ Ｐ ｅｔ ａｌ．，Ｂａｙｅｓｉａｎ Ｉｎｆｅｒｅｎｃｅ ｆｏｒ Ｇｅｎｅｒａｌｉｚｅｄ Ｌｉｎｅａｒ ａｎｄ Ｐｒｏｐｏｒｔｉｏｎａｌ Ｈａｚａｒｄｓ Ｍｏｄｅｌｓ ｖｉａ Ｇｉｂｂｓ Ｓａｍｐｌｉｎｇ，Ａｐｐｌｉｅｄ Ｓｔａｔｉｓｔｉｃｓ，１９９３，４２，３，ｐ４４３－４５９）。Ｐｙｔｈｏｎの実装にはｍｉｎｉｃｏｎｄａを用いて、バージョンは４．３．１（Ｐｙｔｈｏｎのバージョンは３．６．１）であった。ＳｔａｎのインターフェイスであるＰｙＳｔａｎのバージョンは２．１６．０を利用した。ＭＣＭＣの繰り返しステップ数は３０００回で、ｃｈａｉｎ数は８とし、繰り返しの最初１０００回はｗａｒｍｕｐとして計算から除外した。ＭＣＭＣの収束は、先行研究に従い、潜在的尺度縮小因子（ｐｏｔｅｎｔｉａｌ ｓｃａｌｅ ｒｅｄｕｃｔｉｏｎ ｆａｃｔｏｒ；ＰＳＲＦ ｏｒ Ｒｈａｔ）が全ての推定値で１．１以下であることから確認した（Ｂｒｏｏｋｓ ＳＰ ｅｔ ａｌ．，Ｇｅｎｅｒａｌ Ｍｅｔｈｏｄｓ ｆｏｒ Ｍｏｎｉｔｏｒｉｎｇ Ｃｏｎｖｅｒｇｅｎｃｅ ｏｆ Ｉｔｅｒａｔｉｖｅ Ｓｉｍｕｌａｔｉｏｎｓ，Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔａｔｉｏｎａｌ ａｎｄ Ｇｒａｐｈｉｃａｌ Ｓｔａｔｉｓｔｉｃｓ：Ａ Ｊｏｉｎｔ Ｐｕｂｌｉｃａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａｎ Ｓｔａｔｉｓｔｉｃａｌ Ａｓｓｏｃｉａｔｉｏｎ，Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｍａｔｈｅｍａｔｉｃａｌ Ｓｔａｔｉｓｔｉｃｓ，Ｉｎｔｅｒｆａｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｎｏｒｔｈ Ａｍｅｒｉｃａ，１９９８，７，４，ｐ４３４－４５５）。Ｒｈａｔは複数のＭＣＭＣ鎖の分散を元にして計算され、推定の収束判定へ使われる。その他のパラメータには初期値を用いた。

【0086】

（４－２）排便回数および排便確率に基づく判断の仕方の詳細
排便動態を、排便回数および排便確率の基準について、以下のモデルで解析した。

【0087】

排便回数については、ルールベースの方法と確率モデルベースの方法を用いた。ルールベースの方法では、平均排便回数に基づいてレスポンダーと非レスポンダーが推定出来ると仮定した。レスポンダーの定義は、次の２つの基準を両方満たすことであった。１つ目の基準は、前記試験食または前記対照食摂取期間中の平均排便回数を、１）試験食摂取期間直前の７日間、２）摂取前事前観察期間最後の１週間、３）前観察期間中および休止期間の平均排便回数とそれぞれ比較し、試験食摂取期間中の平均排便回数が何れの期間と比較しても増加していることであった。２つ目の基準は、１から３の何れの期間における比較でも、対照食の摂取時より試験食の平均排便回数の増加量が大きいことであった。確率モデルベースの方法では、個人毎の一日あたりの排便回数がポアソン分布でモデル化出来ると仮定した。ポアソン分布は回数のデータのモデル化をする時に利用される分布で、比率パラメータをただ一つだけ持つ。服食の効果は、摂取に応じて比率パラメータが変化すると仮定して推定した。以上の２つの手法に対しては、各被検者から得られたアンケートベースの排便回数を利用して、推定を行った。

【0088】

排便確率については、確率モデルベースの方法のみを用いた。この方法では、個人毎の一日毎の排便の発生がベルヌーイ分布でモデル化出来ると仮定した。ベルヌーイ分布はコインの裏表のような二者択一の選択肢の発生確率を表現する際に利用される分布で、確率パラメータをただ一つだけ持つ。服食の効果は、ロジスティック関数を通して摂取に応じて確率パラメータが変化すると仮定して推定した。この手法に対しては、排便回数のデータから、排便があれば１、無ければ０と一日毎の排便の有無のデータへ変換した。

【0089】

（４－３）排便レスポンダーの決定
そして、摂取状況と対応した排便回数の変動傾向を調べた。この結果を図６に示す。図６は、被験者２０人（ＭＯ０１～ＭＯ０６、ＭＯ０８～ＭＯ１３、ＭＯ１５～ＭＯ１９およびＭＯ２２～ＭＯ２４）の１日あたりの排便回数を示す棒グラフである。図６において、縦軸は、１日あたりの排便回数を示し、横軸は、２０人の被験者（ＭＯ０１～ＭＯ０６、ＭＯ０８～ＭＯ１３、ＭＯ１５～ＭＯ１９およびＭＯ２２～ＭＯ２４）および全体平均（ａｌｌ）を示す。また、図６において、紫色の棒グラフは、試験食摂取期間（Ｔｅｓｔ）を示し、緑色の棒グラフは、対照食摂取期間（Ｐｌａｃｅｂｏ）を示し、赤色の棒グラフは、前記試験食摂取期間および前記対照食摂取期間以外の期間である平常期間（Ｎｏｎｅ）を示し、青色の棒グラフは、前記平常期間（Ｎｏｎｅ）および前記対照食摂取期間（Ｐｌａｃｅｂｏ）を示す。また、図６においては、試験食非摂取期間（Ｎｏｎｅ；平常期間、Ｐｌａｃｅｂｏ；対照食摂取期間、Ｎｏｎｅ ∪ Ｐｌａｃｅｂｏ；平常期間または対照食摂取期間）対、試験食摂取期開（Ｔｅｓｔ）でＷｉｌｃｏｘｏｎ－Ｍａｎｎ－Ｗｈｉｔｎｅｙ Ｔｅｓｔ（片側検定）を行った。

【0090】

図６に示すように、被験者全体としては、Ｎｏｎｅ、および Ｎｏｎｅ ∪ Ｐｌａｃｅｂｏ に対してＴｅｓｔ において有意に排便回数が増加した（ｐｖａｌｕｅ Ｎｏｎｅ：０．０１５３，Ｎｏｎｅ ＆ Ｐｌａｃｅｂｏ：０．０２５９）。また、図６に示すように、個人ごとには、ＭＯ０４、ＭＯ１０およびＭＯ１１において Ｎｏｎｅに対して Ｔｅｓｔ において有意に排便回数が増加した。そして、図６に示すように、ＭＯ０４およびＭＯ１０については、Ｎｏｎｅ ＆ Ｐｌａｃｅｂｏ に対しても Ｔｅｓｔ において有意に排便回数が増加していたが、ＭＯ１１については、Ｎｏｎｅ に対してＰｌａｃｅｂｏ においても有意に排便回数が増加していた。

【0091】

つまり、図６に示す結果を一言でいうならば、全体としては前記試験食の摂取時に有意に排便回数が増加していたが、個人ではその強度に差が存在した。我々はこの原因として、前記試験食の服用効果自体に個人差があり、特に効果が強く現れる被験者（レスポンダー）が存在することを仮説立てた。効果を定量化して仮説を検証するために、我々は前記試験食の主効果である便秘状態の改善に着目して、計測された排便頻度から個人毎の摂取効果を推定した。数理モデルは精密な効果の強度を推定するため、プラシーボ効果と前記試験食そのものの効果を織り交ぜて立式された。これらの値を確認することで、統計的に効果を確認することが可能である。続けて、構築されたモデルに、排便回数を元に計算した排便時間隔をベイズ統計的に当てはめ、パラメータを推定した。

【0092】

まず、個人差が存在することの妥当性を、情報量基準によるモデル比較で評価した。この結果を図７の表に示す。なお、情報量基準にはＷｉｄｅｌｙ Ａｃｃｅｐｔａｂｌｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉａ（ＷＡＩＣ）を用いた（Ｗａｔａｎａｂｅ Ｓ．，Ａｓｙｍｐｔｏｔｉｃ Ｅｑｕｉｖａｌｅｎｃｅ ｏｆ Ｂａｙｅｓ Ｃｒｏｓｓ Ｖａｌｉｄａｔｉｏｎ ａｎｄ Ｗｉｄｅｌｙ Ａｐｐｌｉｃａｂｌｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ ｉｎ Ｓｉｎｇｕｌａｒ Ｌｅａｒｎｉｎｇ Ｔｈｅｏｒｙ，Ｊｏｕｒｎａｌ ｏｆ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ Ｒｅｓｅａｒｃｈ，２０１０，１１，ｐ３５７１－３５９４）。ＷＡＩＣは未知データに対する予測力の良さ（汎化誤差）の程度を示す指数であり、低い値が得られるほど予測力が高いモデルであると考えられる。

【0093】

図７の表にハッチングで示すように、最も小さいＷＡＩＣを示したのは、個人毎に服食の効果、試験食の効果が異なる事を仮定した５番のモデルであった。これにより、服食により生じる効果や前記試験食により生じる効果が、個人毎に異なるという仮説が支持された。

【0094】

続いて、最良のＷＡＩＣが得られた５番のモデルを用いて、摂取効果の事後分布から事後平均値とベイズ信用区間を計算した。この結果を図８の表に示す。図８には、事後平均値と９５％信用区間を記した。また、図８において、ワイブル分布のパラメータについては両側、摂取効果については片側区間である。

【0095】

図８の表に線状のハッチングで示すように、ＭＯ０４、ＭＯ０５、およびＭＯ１０の被検者では、前記試験食の効果の予測分布において、９５％ベイズ信用区間内に無効果を意味する０が含まれておらず、特に強く作用していることが示唆された。このため、ＭＯ０４、ＭＯ０５、およびＭＯ１０の３人の被検者を、試験食の効果が特に強く現れた（前記試験食摂取による排便時間の短縮が強く起こった）排便レスポンダー（Ｓｔｒｏｎｇ Ｒｅｓｐｏｎｄｅｒ；ＳＲ）と定義した。一方で、図８の表にドット状のハッチングで示すように、その他の被験者において推定された事後平均値を確認した場合でも、値が０を上回る者がそれ以外に９人（ＭＯ０１、ＭＯ０２、ＭＯ０８、Ｍ００９、ＭＯ１１、ＭＯ１３、ＭＯ１７、ＭＯ２２およびＭＯ２４）存在したため、当該９人を、試験食の効果が現れた（前記試験食摂取による排便時間の短縮が起こった）排便レスポンダー（Ｗｅａｋ Ｒｅｓｐｏｎｄｅｒ；ＷＲ）と定義した。そして、これら以外の被験者７人（ＭＯ０６、ＭＯ１２、ＭＯ１５、Ｍ０１６、ＭＯ１８、ＭＯ１９およびＭＯ２３）を、ノンレスポンダー（Ｎｏｎ Ｒｅｓｐｏｎｄｅｒ；ＮＲ）と定義した。

【0096】

最後に、前記試験食摂取による効果を、事後平均値を用いたワイブル分布の確率密度関数と、実際の排便時間のヒストグラムから確認した。この結果を図９に示す。図９において、左の縦軸が確率密度関数の値を示し、右の縦軸がヒストグラムの回数を示す。また、図９において、青色の棒グラフは通常時、緑色の棒グラフは対照食の摂取時、橙色の棒グラフは試験食の摂取時に対応する。そして、図９において、事後分布を確認して、Ｓｔｒｏｎｇ Ｒｅｓｐｏｎｄｅｒ；ＳＲと定義した被験者は橙色の文字、Ｗｅａｋ Ｒｅｓｐｏｎｄｅｒ；ＷＲと定義した被験者は黄色の文字、Ｎｏｎ－Ｒｅｓｐｏｎｄｅｒ；ＮＲと定義した被験者は黒色の文字で示した。なお、ＭＯ０３は常に排便時間が２４時間となり解析へ不適当だったため、また、ＭＯ０７、ＭＯ０１４、ＭＯ０２０およびＭＯ０２１は解析対象の基準から外れたため、解析対象から除外された。

【0097】

（５）腸内細菌の相対存在比の組成における傾向
次に、解析対象者であるＭＯ０１～ＭＯ０６、ＭＯ０８～ＭＯ１３、ＭＯ１５～ＭＯ１９およびＭＯ２２～ＭＯ２４について、（３－２）で採取した便検体からＤＮＡを抽出し、当該抽出したＤＮＡの１６ｓＲＮＡ遺伝子領域をＰＣＲ増幅した。これにより、腸内細菌の存在比の組成における傾向に影響を与えるのは、各被験者の個人差であることがわかった。

【0098】

具体的には、便からのＤＮＡ抽出は、論文（Ｍｕｒａｋａｍｉ Ｓ ｅｔ ａｌ．，Ｔｈｅ Ｃｏｎｓｕｍｐｔｉｏｎ ｏｆ Ｂｉｃａｒｂｏｎａｔｅ－Ｒｉｃｈ Ｍｉｎｅｒａｌ Ｗａｔｅｒ Ｉｍｐｒｏｖｅｓ Ｇｌｙｃｅｍｉｃ Ｃｏｎｔｒｏｌ，Ｅｖｉｄｅｎｃｅ－Ｂａｓｅｄ Ｃｏｍｐｌｅｍｅｎｔａｒｙ ａｎｄ Ａｌｔｅｒｎａｔｉｖｅ Ｍｅｄｉｃｉｎｅ：ｅＣＡＭ，２０１５，Ａｒｔｉｃｌｅ ＩＤ：８２４３９５）の手法を用いて行われた。抽出されたＤＮＡに対し、バクテリア１６ＳｒＲＮＡ遺伝子のＶ１－Ｖ２領域に対するユニバーサルプライマーである２７Ｆｍｏｄおよび３３８Ｒ（Ｋｉｍ ＳＷ ｅｔ ａｌ．，Ｒｏｂｕｓｔｎｅｓｓ ｏｆ Ｇｕｔ Ｍｉｃｒｏｂｉｏｔａ ｏｆ Ｈｅａｌｔｈｙ Ａｄｕｌｔｓ ｉｎ Ｒｅｓｐｏｎｓｅ ｔｏ Ｐｒｏｂｉｏｔｉｃ Ｉｎｔｅｒｖｅｎｔｉｏｎ Ｒｅｖｅａｌｅｄ ｂｙ Ｈｉｇｈ－Ｔｈｒｏｕｇｈｐｕｔ Ｐｙｒｏｓｅｑｕｅｎｃｉｎｇ，ＤＮＡ Ｒｅｓｅａｒｃｈ：Ａｎ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｆｏｒ Ｒａｐｉｄ Ｐｕｂｌｉｃａｔｉｏｎ ｏｆ Ｒｅｐｏｒｔｓ ｏｎ Ｇｅｎｅｓ ａｎｄ Ｇｅｎｏｍｅｓ，２０１３，２０，３，ｐ２４１－２５３）を用いて増幅した。アンプリコンＤＮＡの配列解読にはＩｌｌｕｍｉｎａ ＭｉＳｅｑを用い、ｐａｉｒｅｄ－ｅｎｄ モード、６００ ｃｙｃｌｅの条件で実施した。得られた１６Ｓ ｒＲＮＡ遺伝子配列はＤＤＢＪのＤＲＡで利用可能である（ＤＲＡ ａｃｃｅｓｉｓｏｎ ｎｕｍｂｅｒ：ＤＲＡ００６８７４）。得られたＤＮＡ配列は、ｖｓｅａｒｃｈ ｖｅｒｓｉｏｎ １．９．３（Ｏｐｔｉｏｎ：－－ｆａｓｔｑ＿ｍａｘｅｅ ９．０ －－ｆａｓｔｑ＿ｔｒｕｎｃｑｕａｌ ７－－ｆａｓｔｑ＿ｍａｘｄｉｆｆｓ ３００－－ｆａｓｔｑ＿ｍａｘｍｅｒｇｅｌｅｎ ３３０――ｆａｓｔｑ＿ｍｉｎｍｅｒｇｅｌｅｎ ２８０）（Ｒｏｇｎｅｓ Ｔ ａｌ．，ＶＳＥＡＲＣＨ：ａ ｖｅｒｓａｔｉｌｅ ｏｐｅｎ ｓｏｕｒｃｅ ｔｏｏｌ ｆｏｒ ｍｅｔａｇｅｎｏｍｉｃｓ，ＰｅｅｒＪ，２０１６，ｅ２５８４）を用いて、Ｆ、Ｒ側リードをマージした。続いて、平均クオリティ ＜２５ のフラグメントを除去した。全フラグメントをＢｏｗｔｉｅ２ ｖｅｒｓｉｏｎ ２．２．９（Ｏｐｔｉｏｎ：－－ｎｏ－ｈｄ－－ｎｏ－ｓｑ－－ｎｏ－ｕｎａｌ－Ｉ ２８０－Ｘ ４００－－ｆｒ－－ｎｏ－ｄｉｓｃｏｒｄａｎｔ－－ｐｈｒｅｄ３３－Ｄ１５－Ｒ １０－Ｎ ０－Ｌ ２２－ｉ Ｓ，１，１．１５－ｑ）（Ｌａｎｇｍｅａｄ Ｂ ｅｔ ａｌ．，Ｆａｓｔ ｇａｐｐｅｄ－ｒｅａｄ ａｌｉｇｎｍｅｎｔ ｗｉｔｈ Ｂｏｗｔｉｅ ２，Ｎａｔｕｒｅ Ｍｅｔｈｏｄｓ，２０１２，９，４，ｐ３５７－３５９）を用いて、ＳＩＬＶＡ ＳＳＵ ＮＲ データベース ｖｅｒｓｉｏｎ１２８（Ｑｕａｓｔ Ｃ ｅｔ ａｌ．，Ｔｈｅ ＳＩＬＶＡ ｒｉｂｏｓｏｍａｌ ＲＮＡ ｇｅｎｅ ｄａｔａｂａｓｅ ｐｒｏｊｅｃｔ：ｉｍｐｒｏｖｅｄ ｄａｔａ ｐｒｏｃｅｓｓｉｎｇ ａｎｄ ｗｅｂ－ｂａｓｅｄ ｔｏｏｌｓ，Ｎｕｃｌｅｉｃ Ａｃｉｄｓ Ｒｅｓｅａｒｃｈ，２０１３，４１，１０，Ｄ５９０－５９６）にマッピングし、編集距離３％以内でマップされたフラグメントのみを採用した。残ったフラグメント（２９１３８±４２５７）から、２０，０００フラグメントをサブサンプリングし解析に使用した。

【0099】

そして、得られたＰＣＲ産物について、次世代シーケンサーによって配列解読を実施した。この配列データから、腸内細菌叢の属および種レベルの相対存在比、ａｌｐｈａ多様性およびｂｅｔａ多様性を計算した。この結果を図１０～図１３に示す。図１０は、便検体採取のタイムポイント（Ｐ１、Ｐ２、Ｐ３、Ｔ１、Ｔ２およびＴ３）ごとにおける、各被験者の腸内細菌の相対存在比ｔｏｐ５０属のヒートマップを示す。図１１および図１２は、被験者ごとかつ前記タイムポイントごとの腸内細菌の相対存在比を示す。図１１および図１２において、横棒の長さは腸内細菌の相対存在比（割合）を示し、また、同一の腸内細菌の種類（属）ごとに同一の色を使用している。図１３および図１４は、腸内細菌叢組成に対して計算されたｂｅｔａ多様性（Ｓｐｅａｒｍａｎ Ｃｏｒｅｌａｔｉｏｎ Ｃｏｅｆｆｉｃｉｅｎｔ）を用いた多次元尺度構成法（Ｍｕｌｔｉ Ｄｅｍｅｎｔｉｏｎａｌ Ｓｃａｌｉｎｇ；ＭＤＳ）によるプロットを示し、図１３では被験者ごとに同一の色を使用し、図１４では前記タイムポイントごとに同一の色を使用した。

【0100】

図１０、図１１、図１２および図１４に示すように、被験者の摂取物または前記タイムポイントにおける、群間の全体的な傾向は観察されなかった。これに対して、図１３に示すように、同一の色の点（同一の被験者を示す）は近くに集まってプロットされ、同一個人の細菌群集が類似することが観察された。以上より、腸内細菌の存在比の組成における傾向に影響を与えるのは、前記試験食の摂取よりも、むしろ、各被験者の個人差であることが示唆された。

【0101】

続いて、試験食摂取群（Ｔ２およびＴ３）、対照食摂取群（Ｐ２およびＰ３）ならびに平常群（Ｔ１およびＰ１）の群間における腸内細菌叢の変化を詳細に比較するために、Ｗｉｌｃｏｘｏｎ－Ｍａｎｎ－Ｗｈｉｔｎｅｙ Ｔｅｓｔを用いた。この結果を図１５の表に示す。

【0102】

図１５の表に示すように、一部の細菌属が試験食摂取群で他の群と比べて変化していたが（ｐ－ｖａｌｕｅ＜ ０．０５ ｎｏｔ ｃｏｒｒｅｃｔｅｄ）、Ｆａｌｓｅ Ｄｉｓｃｏｖｅｒｙ Ｒａｔｅ（ＦＤＲ）補正を行うとすべて有意差なしと判定された。ａｌｐｈａ多様性についても有意な変動は検出されなかった（ｐｖａｌｕｅ Ｎｏｎｅ ｖｓ Ｔｅｓｔ：０．２４６，Ｐｌａｃｅｂｏ ｖｓ Ｔｅｓｔ：０．２５８）。

【0103】

また、前記タイムポイントごとにおける被験者全体でのビフィドバクテリウム・ロンガムの相対存在比を、図１６の箱ひげ図として示す。そして、被験者ごとのビフィドバクテリウム・ロンガムの相対存在比を、図１６の折れ線グラフとして示す。

【0104】

図１６に示すように、箱ひげ図と折れ線グラフともに、前記試験食を摂取した時点のタイムポイントＴ１～Ｔ３における値と前記対照食を摂取した時点のタイムポイントＰ１～３における値との間に、有意差は観察されなかった。すなわち、前記試験食の摂取によるビフィドバクテリウム・ロンガムの相対存在比の有意な変化は観察されなかった。

【0105】

（６）代謝物質の便含量の組成における傾向
次に、解析対象者であるＭＯ０１～ＭＯ０６、ＭＯ０８～ＭＯ１３、ＭＯ１５～ＭＯ１９およびＭＯ２２～ＭＯ２４について、（３－２）で採取した便検体から代謝物を抽出し、当該抽出した代謝物について、ＣＥ－ＴＯＳＭＳによりメタボローム解析を行った。これにより、代謝物質の便含量の組成における傾向に影響を与えるのは、各被験者の個人差であることがわかった。

【0106】

具体的には、便検体から代謝物を抽出するために、便検体サンプルはまず、凍結乾燥機 ＶＤ－８００Ｒ（タイテック社製）を用いて、少なくとも２４時間凍結乾燥された。凍結乾燥された便検体は、多検体細胞破砕装置 シェイクマスターネオ Ｖｅｒ１．０（バイオメディカルサイエンス社製）を用いて、３．０ｍｍのジルコニアビーズにより、１，５００ｒｐｍ、１０分間の条件で破砕された。内部標準（メチルスルホンとＤ－カンファー－１０－スルホン酸（ＣＳＡ）が各２０μＭ）を含む５００μｌのメタノールが、前記破砕された便検体１０ｍｇに添加された。更に、当該便検体は、前記シェイクマスターネオを用いて、０．１ｍｍのジルコニア／シリカビーズにより、１，５００ｒｐｍ、５分間の条件で破砕された。続けて、超純水２００μｌとクロロホルム５００μｌが添加され、当該添加物を４，６００ｇ、１５分間、２０℃の条件で遠心分離に供した。更に続けて、タンパク質と脂質分子を取り除くために、１５０μｌの水層が、遠心式ろ過フィルターユニット ＵｌｔｒａｆｒｅｅＭＣ－ＰＬＨＣＣ ２５０／ｐｋ ｆｏｒ Ｍｅｔａｂｏｌｏｍｅ Ａｎａｌｙｓｉｓ（ヒューマン・メタボローム・テクノロジーズ社製）に移された。そして、ろ過液は、ＣＥ－ＴＯＦＭＳ分析を行う直前に、遠心濃縮されて超純水５０μｌに溶解された。

【0107】

ＣＥ－ＴＯＦＭＳ分析を行って、各代謝物質のａｌｐｈａ多様性およびｂｅｔａ多様性を計算した。この結果を図１７～図１９に示す。図１７は、便検体採取のタイムポイント（Ｐ１、Ｐ２、Ｐ３、Ｔ１、Ｔ２およびＴ３）ごとにおける、各被験者の代謝物質の便含量ｔｏｐ５０属のヒートマップを示す。図１８および図１９は、代謝物質組成に対して計算されたｂｅｔａ多様性を用いた多次元尺度構成法によるプロットを示し、図１８では被験者ごとに同一の色を使用し、図１９では前記便検体採取のタイムポイントごとに同一の色を使用した。

【0108】

図１７および図１９に示すように、被験者の摂取物または前記タイムポイントにおける、群間の全体的な傾向は観察されなかった。これに対して、図１８に示すように、同一の色の点（同一の被験者を示す）は近くに集まってプロットされ、同一個人の代謝物質組成が類似することが観察された。以上より、代謝物質の便含量の組成における傾向に影響を与えるのは、前記試験食の摂取よりも、むしろ、各被験者の個人差であることが示唆された。

【0109】

続いて、試験食摂取群（Ｔ２およびＴ３）、対照食摂取群（Ｐ２およびＰ３）ならびに平常群（Ｔ１およびＰ１）の群間における代謝物質の変化を詳細に比較するために、Ｗｉｌｃｏｘｏｎ－Ｍａｎｎ－Ｗｈｉｔｎｅｙ Ｔｅｓｔを用いた。その結果、試験食摂取群において他の群と比べて有意に差があった代謝物質は存在しなかった（ｐｖａｌｕｅ ＜ ０．０５ ｎｏｔ ｃｏｒｒｅｃｔｅｄ）。ａｌｐｈａ多様性についても有意な変動は検出されなかった（ｐｖａｌｕｅ Ｎｏｎｅ ｖｓ Ｔｅｓｔ：０．９７３，Ｐｌａｃｅｂｏ ｖｓ Ｔｅｓｔ：０．４５６）。

【0110】

（７）レスポンダーとノンレスポンダー間での相違
排便レスポンダー（ＳＲおよびＷＲ）と排便ノンレスポンダー（ＮＲ）とを比較し、相対存在比が有意に変化した腸内細菌および便含量が有意に変化した代謝物質を測定するために、以下の数式２を用いて、腸内細菌または代謝物質ごとに、ＳＲのＮＲに対するＦｏｌｄ Ｃｈａｎｇｅ（ＦＣ_Ｓ）およびＷＲのＮＲに対するＦｏｌｄ Ｃｈａｎｇｅ（ＦＣ_Ｗ）を計算した。

【0111】

【数2】

【0112】

前記数式２において、Ａｖｅｒａｇｅ ａｂｕｎｄａｎｃｅ _{ｆ，ｓｔｒｏｎｇ ｒｅｓｐｏｎｄｅｒ}は、ＳＲであるＭＯ０４、ＭＯ０５、およびＭＯ１０の３人の各タイムポイント（Ｐ１、Ｐ２、Ｐ３、Ｔ１、Ｔ２およびＴ３）における腸内細菌の相対存在比または代謝物の便含量を平均した数値であり、Ａｖｅｒａｇｅ ａｂｕｎｄａｎｃｅ _{ｆ，ｗｅａｋ ｒｅｓｐｏｎｄｅｒ}は、ＷＲであるＭＯ０１、ＭＯ０２、ＭＯ０８、Ｍ００９、ＭＯ１１、ＭＯ１３、ＭＯ１７、ＭＯ２２およびＭＯ２４の９人の前記各タイムポイントにおける腸内細菌の相対存在比または代謝物の便含量を平均した数値であり、Ａｖｅｒａｇｅ ａｂｕｎｄａｎｃｅ _{ｆ，ｎｏｎ ｒｅｓｐｏｎｄｅｒ ｒ}は、ＮＲであるＭＯ０６、ＭＯ１２、ＭＯ１５、Ｍ０１６、ＭＯ１８、ＭＯ１９およびＭＯ２３の７人の前記各タイムポイントにおける腸内細菌の相対存在比または代謝物の便含量を平均した数値である。

【0113】

前記試験食の効果が強いほど腸内細菌の相対存在比または代謝物の便含量が大きい特徴量を探索するために、ＦＣ_Ｓ＞ＦＣ_Ｗ＞０となる腸内細菌および代謝物を探索し、また、前記試験食の効果が強いほど腸内細菌の相対存在比または代謝物の便含量が小さい特徴量を探索するために、ＦＣ_Ｓ＜ＦＣ_Ｗ＜０となる腸内細菌および代謝物を探索した。この結果を、図２０に示す。

【0114】

図２０は、腸内細菌および代謝物質における、ノンレスポンダーに対するレスポンダーのＦｏｌｄ Ｃｈａｎｇｅの散布図である。図２０において、縦軸は、ＮＲに対するＳＲのＦｏｌｄ Ｃｈａｎｇｅ（ＦＣ_Ｓ）のｌｏｇ２を取った値を示し、横軸は、ＮＲに対するＷＲのＦｏｌｄ Ｃｈａｎｇｅ（ＦＣ_Ｗ）のｌｏｇ２を取った値を示す。図２０において、暖色系のプロットが腸内細菌叢に対応し、その大きさが相対存在比を表す。図２０において、赤色のプロットで示される細菌属（例えば、セリモナス（Ｓｅｌｌｉｍｏｎａｓ）属、Ｔｙｚｚｅｒｅｌｌａ ３属、ルミノコッカス２（Ｒｕｍｉｎｏｃｏｃｃｕｓ ２）属、ペプトニフィラス（Ｐｅｐｔｏｎｉｐｈｉｌｕｓ）属、ｕｎｃｕｌｔｕｒｅｄ＿Ａｃｔｉｎｏｍｙｃｅｔａｃｅａｅ属、ファエカリタレア（Ｆａｅｃａｌｉｔａｌｅａ）属、コプロバチルス（Ｃｏｐｒｏｂａｃｉｌｌｕｓ）属、ｕｎｃｕｌｔｕｒｅｄ＿Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ属、ユーバクテリウム・レクタル（［Ｅｕｂａｃｔｅｒｉｕｍ］ ｒｅｃｔａｌｅ ｇｒｏｕｐ）、Ｆａｍｉｌｙ＿ＸＩＩＩ＿ＵＣＧ－００１属、クロストリジウムＸＩＩＩ ＡＤ３０１１（Ｆａｍｉｌｙ＿ＸＩＩＩ＿ＡＤ３０１１＿ｇｒｏｕｐ）属、エリスピロトリクス（Ｅｒｙｓｉｐｅｌｏｔｒｉｃｈａｃｅａｅ＿ＵＣＧ－００３）属、ラクノスピラ ＵＣＧ－００１（Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ＿ＵＣＧ－００１）属、ラクノスピラ ＵＣＧ－００３（Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ＿ＵＣＧ－００３）属およびパラサテレラ（Ｐａｒａｓｕｔｔｅｒｅｌｌａ）属等）は、ＮＲ、ＷＲおよびＳＲ間におけるグループ間比較検定（Ｊｏｎｃｋｈｅｅｒｅ－Ｔａｒｐｓｔｒａ）でｐｖａｌｕｅ＜０．０５であった細菌属である。図２０において、寒色系のプロットが代謝物質に対応し、その大きさが濃度を表す。図２０において、青色のプロットで示される代謝物質（例えば、３－ヒドロキシ酪酸（３－Ｈｙｄｒｏｘｙｂｕｔｙｒｉｃ＿ａｃｉｄ）、アスパラギン（Ａｓｎ）およびＮ，Ｎ－ジメチルグリシン（Ｎ，Ｎ－Ｄｉｍｅｔｙｌｇｌｙｃｉｎｅ）等）は、ＮＲ、ＷＲおよびＳＲ間におけるグループ間比較検定（Ｊｏｎｃｋｈｅｅｒｅ－Ｔａｒｐｓｔｒａ）でｐｖａｌｕｅ＜０．０５であった代謝物質を表す。図２０において、背景の薄い橙色の部分が、ＦＣ_Ｗ＜ＦＣ_Ｓ、つまり、ＮＲ＜ＷＲ＜ＳＲであることを示し、背景の薄い青色の部分が、ＦＣ_Ｗ＞ＦＣ_Ｓ、つまり、ＮＲ＞ＷＲ＞ＳＲであることを表す。

【0115】

図２０に示すように、セリモナス（Ｓｅｌｌｉｍｏｎａｓ）属、Ｔｙｚｚｅｒｅｌｌａ ３属、ルミノコッカス２（Ｒｕｍｉｎｏｃｏｃｃｕｓ ２）属およびペプトニフィラス（Ｐｅｐｔｏｎｉｐｈｉｌｕｓ）属は、背景の薄い橙色の部分に属していたため、相対存在比がＮＲ＜ＷＲ＜ＳＲであること、つまり、レスポンダーにおいて相対存在比が大きいことがわかった。同様に、図２０に示すように、３－ヒドロキシ酪酸（３－Ｈｙｄｒｏｘｙｂｕｔｙｒｉｃ＿ａｃｉｄ）も、背景の薄い橙色の部分に属していたため、相対存在比がＮＲ＜ＷＲ＜ＳＲであること、つまり、レスポンダーにおいて相対存在比が大きいことがわかった。これに対して、図２０に示すように、ｕｎｃｕｌｔｕｒｅｄ＿Ａｃｔｉｎｏｍｙｃｅｔａｃｅａｅ属、ファエカリタレア（Ｆａｅｃａｌｉｔａｌｅａ）属、コプロバチルス（Ｃｏｐｒｏｂａｃｉｌｌｕｓ）属、ｕｎｃｕｌｔｕｒｅｄ＿Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ属、ユーバクテリウム・レクタル（［Ｅｕｂａｃｔｅｒｉｕｍ］ ｒｅｃｔａｌｅ ｇｒｏｕｐ）、Ｆａｍｉｌｙ＿ＸＩＩＩ＿ＵＣＧ－００１属、クロストリジウムＸＩＩＩ ＡＤ３０１１（Ｆａｍｉｌｙ＿ＸＩＩＩ＿ＡＤ３０１１＿ｇｒｏｕｐ）属、エリスピロトリクス（Ｅｒｙｓｉｐｅｌｏｔｒｉｃｈａｃｅａｅ＿ＵＣＧ－００３）属、ラクノスピラ ＵＣＧ－００１（Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ＿ＵＣＧ－００１）属、ラクノスピラ ＵＣＧ－００３（Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ＿ＵＣＧ－００３）属およびパラサテレラ（Ｐａｒａｓｕｔｔｅｒｅｌｌａ）属は、背景の薄い青色の部分に属していたため、相対存在比がＮＲ＞ＷＲ＞ＳＲであること、つまり、レスポンダーにおいて相対存在比が小さいことがわかった。同様に、図２０に示すように、アスパラギン（Ａｓｎ）およびＮ，Ｎ－ジメチルグリシン（Ｎ，Ｎ－Ｄｉｍｅｔｙｌｇｌｙｃｉｎｅ）は、背景の薄い青色の部分に属していたため、相対存在比がＮＲ＞ＷＲ＞ＳＲであること、つまり、レスポンダーにおいて相対存在比が小さいことがわかった。

【0116】

続けて、ルミノコッカス２属、エリスピロトリクスＵＣＧ－００３属およびユーバクテリウム・レクタルについて、ＳＲ、ＷＲおよびＮＲごとに、前記各タイムポイントでの相対存在比を平均した値（Ｒｅｌａｔｉｖｅ Ａｂｕｎｄａｎｃｅ）を算出した。この結果を図２１に示す。図２１において、横軸は、Ｒｅｌａｔｉｖｅ ａｂｕｎｄａｎｃｅを示し、白色のグラフはＮＲに対応し、橙色のグラフはＷＲに対応し、赤色のグラフはＳＲに対応する。また、３－ヒドロキシ酪酸、アスパラギンおよびＮ，Ｎ－ジメチルグリシンについて、ＳＲ、ＷＲおよびＮＲごとに、前記各タイムポイントでの便含量を平均した値（Ｃｏｎｔｅｎｔ Ａｂｕｎｄａｎｃｅ［ｎｍｏｌ／ｇ］）を算出した。この結果を図２２に示す。図２２において、横軸は、Ｃｏｎｔｅｎｔ Ａｂｕｎｄａｎｃｅを示し、白色のグラフはＮＲに対応し、橙色のグラフはＷＲに対応し、赤色のグラフはＳＲに対応する。なお、図２１および図２２において、＊は、Ｗｉｌｌｃｏｘｏｎ－Ｍａｎｎ－Ｗｈｉｔｎｅｙ ｔｅｓｔによるｐ－ｖａｌｕｅ ＜ ０．０５を表し、＊＊は、Ｂｏｎｆｅｒｒｏｎｉ ｃｏｒｒｅｃｔｅｄ ｑｖａｌｕｅ ＜ ０．０５を表す。

【0117】

図２１に示すように、ルミノコッカス２属については、相対存在比がＮＲ＜ＷＲ＜ＳＲであること、つまり、レスポンダーにおいて相対存在比が大きいことがわかった。同様に、図２２に示すように、３－ヒドロキシ酪酸についても、便含量がＮＲ＜ＷＲ＜ＳＲであること、つまり、レスポンダーにおいて便含量が多いことがわかった。これに対して、これに対して、図２１に示すように、エリスピロトリクスＵＣＧ－００３属およびユーバクテリウム・レクタルについては、相対存在比がＮＲ＞ＷＲ＞ＳＲであること、つまり、レスポンダーにおいて相対存在比が小さいことがわかった。同様に、図２２に示すように、アスパラギンおよびＮ，Ｎ－ジメチルグリシンについても、便含量がＮＲ＞ＷＲ＞ＳＲであること、つまり、レスポンダーにおいて便含量が少ないことがわかった。

【0118】

［実施例２］機械学習による特徴量の抽出
実施例２では、試験食摂取直前の腸内マルチオミクスデータから、試験食摂取によって排便回数が増加する排便レスポンダーであるかをＬａｓｓｏ回帰及びＬｏｇｉｓｔｉｃ回帰を組み合わせた機械学習法により予測した。また、当該予測に寄与している特徴量を抽出することにより、ルミノコッカス１属、アナエロスティペス属、ルミノコッカス２属およびクリステンセネラＲ－７ グループの相対存在比ならびに酪酸の便含量が大きいほど、レスポンダーの予測に寄与していることを確認し、逆に、ユーバクテリウム・レクタルアリスティペス属、ｕｎｃｕｌｔｕｒｅｄ＿Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ属およびパラサテレラ属の相対存在比が小さいほどレスポンダーの予測に寄与していることを確認した。以下、実施例２で行った処理について詳細に説明する。

【0119】

（１）機械学習法によるレスポンダーの予測
具体的には、ＭＯ０３を除く１９名の被験者（ＭＯ０１～ＭＯ０２、ＭＯ０４～ＭＯ０６、ＭＯ０８～ＭＯ１３、ＭＯ１５～ＭＯ１９およびＭＯ２２～ＭＯ２４）の試験食摂取直前（Ｔ１）の細菌種または細菌属の相対存在比、代謝物質の便含量を用い、これらの内、相対存在比および便含量がそれぞれある閾値以上のもののみを特徴量として使用した。閾値についてはグリッドサーチを行い、予測精度が最大となるものを探索した（図２３のステップＳＢ１）。続いて、腸内細菌の相対存在比と代謝物質の便含量とでは取りうる値の範囲が異なる可能性や、取りうる値の範囲が大きい特徴量が予測に大きな影響を与える可能性や、腸内細菌叢と代謝物質の寄与の大きさを直接的に比較できない問題を考慮し、ｚ ｓｃｏｒｅを用いて各特徴量の標準化を行った（図２３のステップＳＢ２）。

【0120】

続いて、１９名の被験者を２通りのレスポンダーおよびノンレスポンダーの２グループ（すなわち、ＳＲ ｖｓ ＷＲ、ＮＲ または ＳＲ、ＷＲ ｖｓ ＮＲ）に分け（図２３のステップＳＢ３）、それぞれのグループから１人ずつ含むテストデータと残りの１８人のトレーニングデータに分割した（図２３のステップＳＢ４およびＳＢ５）。続いて、前記トレーニングデータを用いて統計モデルにより推定された個人ごとの試験食の効果の平均値に対してＬａｓｓｏ回帰を行い、試験食の効果に対して寄与の大きい特徴量のみを抽出した（図２３のステップＳＢ６）。Ｌａｓｓｏ回帰のパラメータはグリッドサーチを行い、予測精度が最大となるものを探索した。続いて、抽出された特徴量を用いてロジスティック回帰アルゴリズムによるトレーニングデータの学習を行い（図２３のステップＳＢ７）、テストデータの予測を行った（図２３のステップＳＢ８）。ロジスティック回帰のパラメータには初期値を使用した。これを、全レスポンダーと全ノンレスポンダーの組み合わせ（６０－７８通り）に対して実行し、Ｃｒｏｓｓ Ｖａｌｉｄａｔｉｏｎとした。

【0121】

テストデータの予測結果を、図２４および図２５に示す。前記抽出した寄与の大きい特徴量のうち、細菌属（Ｇｅｎｕｓ）、細菌種（Ｓｐｅｃｉｅｓ）、代謝物質（Ｍｅｔａｂｏｌｉｔｅ）、細菌属（Ｇｅｎｕｓ）＆代謝物質（Ｍｅｔａｂｏｌｉｔｅ）、および、細菌種（Ｓｐｅｃｉｅｓ）＆代謝物質（Ｍｅｔａｂｏｌｉｔｅ）の５通りのパラメータごとに、「ＳＲとＷＲ」の予測を行った際におけるＲｅｃｅｉｖｅｒ ｏｐｅｒａｔｉｎｇ ｃｈａｒａｃｔｅｒｉｓｔｉｃ （ＲＯＣ） ｃｕｒｖｅが図２４であり、表が図２５である。なお、図２４および図２５において、ＡＵＲＯＣ（ＡＵＣ）、ＡｃｃｕｒａｃｙおよびＦ－ｍｅａｓｕｒｅは、予測精度の評価指数である。

【0122】

図示はしないが、ＳＲに関しては、細菌種（Ｓｐｅｃｉｅｓ）と代謝物質（Ｍｅｔａｂｏｌｉｔｅ）の両者を組み合わせて使用した場合に、最も高い精度（ＡＵＣ＝０．８７５）で予測可能であった。また、図２４および図２５に示すように、ＳＲとＷＲ（すなわち排便レスポンダー全体）に関しては、細菌属（Ｇｅｎｕｓ）と代謝物質（Ｍｅｔａｂｏｌｉｔｅ）の両者を組み合わせて使用した場合に、最も高い精度（ＡＵＣ＝０．８５７）で予測可能であった。

【0123】

（２）レスポンダーの予測に寄与している特徴量の抽出
続いて、Ｃｒｏｓｓ Ｖａｌｉｄａｔｉｏｎにおいて、最も予測精度の高かった条件である試験食摂取直前の細菌属の相対存在比が０．０１以上、代謝物質の便含量が１０００以上のｚ ｓｃｏｒｅによる標準化された特徴量を用い、レスポンダースコアに対してＬａｓｓｏ回帰（ａｌｐｈａ＝０．１）を行った。これにより各細菌属、代謝物質の回帰係数を計算し、レスポンダー判定（予測）に寄与している特徴量を抽出した。この結果を、図２６に示す。

【0124】

図２６は、試験食摂取直前の細菌属および代謝物質のデータを用い、Ｃｒｏｓｓ ｖａｌｉｄａｔｉｏｎにおいて最高精度であったパラメータにおけるレスポンダースコアに対するＬａｓｓｏ回帰の回帰係数を示す。細菌属名に隣接している黄色の円の大きさが、相対存在比の平均値を示す。また、代謝物質名に隣接している水色の大きさが、便含量の平均値を示す。

【0125】

図２６に示すように、酪酸については、その便含量が多いほど、また、ルミノコッカス１属、アナエロスティペス属、クリステンセネラ Ｒ－７ グループおよびルミノコッカス２属については、その相対存在比が大きいほど、レスポンダーの予測に寄与していた。これに対して、ユーバクテリウム・レクタル、アリスティペス属、ｕｎｃｕｌｔｕｒｅｄ＿Ｌａｃｈｎｏｓｐｉｒａｃｅａｅ属およびパラバクテロイデス属については、その相対存在比が小さいほど、レスポンダーの予測に寄与していた。

【産業上の利用可能性】

【0126】

以上のように、本発明は、産業上の多くの分野（食品、医薬品および医療等）で広く実施することができ、特に、腸内環境の改善効果についての予測等を行うバイオインフォマティクス分野において極めて有用である。

【符号の説明】

【0127】

１００ 予測装置
１０２ 制御部
１０２ａ 予測部
１０４ 通信インターフェース部
１０６ 記憶部
１０６ａ 相対存在比データ
１０６ｂ 含量データ
１０８ 入出力インターフェース部
１１２ 入力装置
１１４ 出力装置
２００ サーバ
３００ ネットワーク

【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】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【図23】

【図24】

【図25】

【図26】