DE112021006832T5

DE112021006832T5 - Analysevorrichtung und Analyseverfahren

Info

Publication number: DE112021006832T5
Application number: DE112021006832.6T
Authority: DE
Inventors: Tomomi IIDA; Yukio Ueda; Takafumi Hamaoka
Original assignee: Hamamatsu Photonics KK; Tokyo Medical University
Current assignee: Hamamatsu Photonics KK; Tokyo Medical University
Priority date: 2021-01-18
Filing date: 2021-12-16
Publication date: 2023-11-16
Also published as: US20240099586A1; WO2022153781A1; JPWO2022153781A1; GB2616155A; GB202307944D0

Abstract

Eine Analyseapparatur 1 umfasst eine Lichtemissionseinheit 11, die so konfiguriert ist, dass sie Messlicht I, das Licht in einem 900-nm-Wellenlängenband enthält, zu einer Probe S emittiert, eine Lichtdetektionseinheit 12, die so konfiguriert ist, dass sie Spektraldaten von reflektiertem Licht R in der Probe S detektiert, eine Datenverarbeitungseinheit 21, die so konfiguriert ist, dass sie einen Rauschentfernungsprozess an den Spektraldaten durchführt, eine erste Bestimmungseinheit 22, die so konfiguriert ist, dass sie ein PLS-Regressionsmodell speichert, das mit der Vorhersage einer Menge an Triglycerid in der Probe S assoziiert ist, und dass sie eine Menge an Triglycerid in der Probe S bestimmt, indem sie die Spektraldaten, die dem Rauschentfernungsprozess unterzogen wurden, auf das PLS-Regressionsmodell anwendet, und eine zweite Bestimmungseinheit 23, die konfiguriert ist, um Daten zu speichern, die eine Korrelation mit einer Menge an Triglycerid in der Probe S angeben, und um eine Menge an braunem Fettgewebe oder beigem Fett in der Probe S auf Basis der Daten und der Menge an Triglycerid, die durch die erste Bestimmungseinheit 22 bestimmt wurde, zu bestimmen.

Description

Technisches Gebiet
Die vorliegende Offenbarung bezieht sich auf eine Analysevorrichtung und ein Analyseverfahren.
Stand der Technik
Braunes Fettgewebe (BAT) ist Fettgewebe und zeichnet sich dadurch aus, dass es Fett verbrennt und Energie durch spezifisches Uncoupling Protein 1 (UCP1) abbaut. In neueren Studien wurde berichtet, dass braunes Fettgewebe den Glukose- und Fettstoffwechsel des gesamten Körpers sowie die Insulinempfindlichkeit beeinflusst. Es wurde auch berichtet, dass das braune Fettgewebe über verschiedene aus dem braunen Fettgewebe stammende Transmitter und Nerven mit der Steuerung des Ganzkörperstoffwechsels verbunden ist und eine Rolle als endokrines Organ spielt. Wenn die Menge oder die Aktivität des braunen Fettgewebes kontrolliert werden kann, ist eine Vorbeugung oder Verbesserung von Stoffwechselkrankheiten wie dem metabolischen Syndrom zu erwarten.
Als Mittel zur Messung des braunen Fettgewebes beim Menschen ist bisher die ¹⁸F-Fluordesoxyglucose-Positronenemissionstomographie (FDG-PET) weit verbreitet. So ist beispielsweise ein in der Patentliteratur 1 beschriebenes Messverfahren als nichtinvasives Verfahren zur Messung des braunen Fettgewebes beim Menschen bekannt. Bei diesem Verfahren wird das braune Fettgewebe anhand der Gesamthämoglobinkonzentration im Messbereich mittels zeitaufgelöster Nahinfrarotspektroskopie (TRS) bewertet.
In jüngster Zeit hat sich gezeigt, dass das braune Fettgewebe des Menschen zu einem großen Teil aus beigen Adipozyten besteht. Beige Adipozyten sind weiße Adipozyten, in denen UCP1 vorkommt, wodurch sie beige werden und ähnliche Eigenschaften wie braunes Fettgewebe aufweisen. Die in der Nichtpatentliteratur 1 und 2 beschriebenen Verfahren sind beispielsweise als ein nichtinvasives Verfahren zur Messung von beigem Fett bekannt. Diese Methoden beruhen beide auf einem Reflexionsspektrum einer Messregion.
In der Nichtpatentliteratur 1 wird offenbart, dass die Beigefärbung von weißem Fettgewebe (WAT) auf der Grundlage eines Reflexionsintensitätsverhältnisses bei den Wellenlängen 550 nm und 680 nm und einer Steigung eines Spektrums bei Wellenlängen von 570 nmbis 630 nm erkannt wird. In der Nichtpatentliteratur 2 wird beschrieben, dass Volumenanteile von Lipid und Wasser so bestimmt werden, dass die Differenz zwischen einem gemessenen diffusen Reflexionsspektrum, das in einem Wellenlängenbereich von 1050 nm bis 1350 nm aufgenommen wurde, und einem Reflexionsspektrum, das aus einer auf einer Monte-Carlo-Simulation basierenden Nachschlagetabelle modelliert wurde, minimiert wird, und dass die Beigefärbung des weißen Fettgewebes anhand der Volumenanteile erkannt wird.
Zitateliste
Patentliteratur

[Patentliteratur 1] Japanisches Patent Nr. JP 6224464 B
[Nichtpatentliteratur 1] „Diffuse optical spektroscopy and imaging to detect and quantify zur adipose tissue browning“ U.S Dinish et al., Scientific Reports, Bd. 7, 41357 (2017)
[Nichtpatentliteratur 2] „Quantitative in vivo detection of adipose tissue browning using diffuse reflectance spectroscopy in nearinfrared II window“ Kapil Dev et al., Journal of Biophotonics, Bd. 11, Ausgabe 12e201800135, Dec (2018)

Zusammenfassung der Erfindung
Technisches Problem
Um die Erforschung des menschlichen braunen Fettgewebes und klinische Anwendungen wie die Behandlung und Vorbeugung von Krankheiten unter Verwendung von braunem Fettgewebe zu fördern, besteht ein Bedarf an Methoden zur Analyse von braunem Fettgewebe und beigem Fett. Wenn zum Beispiel eine quantitative Bewertung des braunen Fettgewebes oder des beigen Fettes sowie eine relative Bewertung des braunen Fettgewebes oder des beigen Fettes durchgeführt werden könnte, wird angenommen, dass dies der Eckpfeiler für die Untersuchung und Anwendung des braunen Fettgewebes in der Zukunft werden würde.
Die vorliegende Offenbarung wurde erfunden, um die oben genannten Probleme zu lösen, und ein Ziel davon ist es, eine Analysevorrichtung und ein Analyseverfahren bereitzustellen, die eine quantitative Bewertung von braunem Fettgewebe oder beigem Fett ermöglichen.
Lösung des Problems
Der Anmelder der vorliegenden Offenbarung achtete auf die spektralen Eigenschaften von braunem Fettgewebe und beigem Fett, während er wiederholt ernsthafte Untersuchungen zu den oben genannten Problemen durchführte, und stellte fest, dass braunes Fettgewebe und beiges Fett optische Absorptionseigenschaften aufweisen, die bei weißem Fett nicht beobachtet wurden. Wenn auf braunes Fettgewebe und beiges Fett kalte Stimulierung angewendet wurde, änderten sich die optischen Absorptionseigenschaften des braunen Fettgewebes und des beigen Fetts mit der Kältestimulation. Es wurde auch festgestellt, dass es eine vorbestimmte Korrelation zwischen dem Ausmaß der Änderung der optischen Absorptionseigenschaften und dem Ausmaß der Änderung der Triglyceride gibt, die aus dem biochemischen Test erhalten wurden. Daher erlangte der Anmelder der vorliegenden Offenbarung die Erkenntnis, dass die quantitative Evaluierung von braunem Fettgewebe oder beigem Fett einfach durch die Kombination der Analyse einer Triglyceridmenge auf der Grundlage von Spektraldaten einer Probe und eines Regressionsmodells, das mit der Vorhersage einer Triglyceridmenge in der Probe verbunden ist, durchgeführt werden kann, und vervollständigte als Ergebnis die Einzelheiten der vorliegenden Offenbarung.
Eine Analyseapparatur gemäß einem Aspekt der vorliegenden Offenbarung beinhaltet: eine Lichtemissionseinheit, die so konfiguriert ist, dass sie Messlicht, das Licht in einem 900-nm-Wellenlängenband enthält, zu einer Probe emittiert; eine Lichtdetektionseinheit, die so konfiguriert ist, dass sie von der Probe reflektiertes Licht erfasst und Spektraldaten des reflektierten Lichts in der Probe detektiert; eine Datenverarbeitungseinheit, die so konfiguriert ist, dass sie einen Rauschentfernungsprozess an den von der Lichtdetektionseinheit detektierten Spektraldaten durchführt; eine erste Bestimmungseinheit, die konfiguriert ist, um ein PLS (Partial Least Square)-Regressionsmodell zu speichernt, das mit der Vorhersage einer Triglyceridmenge in einer Probe verbunden ist, und eine Triglyceridmenge in der Probe zu bestimmen, indem sie die Spektraldaten, die dem Rauschentfernungsprozess unterzogen wurden, auf das PLS-Regressionsmodell anwendet; und eine zweite Bestimmungseinheit, die konfiguriert ist, um Daten zu speichern, die eine Korrelation mit einer Menge an Triglycerid in einer Probe anzeigen, und um eine Menge an braunem Fettgewebe oder beigem Fett in der Probe auf der Grundlage der Daten und der Menge an Triglycerid, die durch die erste Bestimmungseinheit bestimmt wurde, zu bestimmen.
In dieser Analyseapparatur werden Spektraldaten des von einer Probe reflektierten Lichts erfasst und ein Rauschentfernungsprozess wird an den erfassten Spektraldaten durchgeführt. In den Spektraldaten, die dem Rauschentfernungsprozess unterzogen werden, variieren die Absorptionscharakteristika von Licht in einem 900 nm Wellenlängenband, je nachdem, ob braunes Fettgewebe, beiges Fett und weißes Fett in der Probe vorhanden sind. Dementsprechend ist es durch Anwendung der Spektraldaten, die dem Rauschentfernungsprozess unterzogen wurden, auf das im Voraus erstellte PLS-Regressionsmodell möglich, eine Menge an Triglycerid in der Probe zu bestimmen. Durch Vergleich des Ergebnisses der Bestimmung der Triglyceridmenge mit Daten, die eine Korrelation mit der Triglyceridmenge in der Probe anzeigen, ist es möglich, einen absoluten Wert der Menge an braunem Fettgewebe oder beigem Fett in der Probe zu bestimmen.
Das PLS-Regressionsmodell kann ein Modell sein, das auf der Intensität des Lipidabsorptionspeaks in den Spektraldaten basiert, die dem Rauschentfernungsprozess unterzogen wurden. Es ist möglich, die Bestimmungsgenauigkeit der Triglyceridmenge in der Probe durch Verwendung des PLS-Regressionsmodells auf der Grundlage der Intensität des Lipidabsorptionspeaks zu verbessern.
Die erste Bestimmungseinheit kann bestimmen, ob braunes Fettgewebe, beiges Fett und weißes Fett in der Probe vorhanden sind, basierend darauf, ob es einen Wasserabsorptionspeak in einem 900-nm-Wellenlängenband in den Spektraldaten gibt, die dem Rauschentfernungsprozess unterzogen wurden. In braunem Fettgewebe und beigem Fett ist es wahrscheinlich, dass ein Wasserabsorptionspeak im 900-nm-Wellenlängenbereich auftritt. Bei weißem Fett ist es unwahrscheinlich, dass ein Wasserabsorptionspeak im 900-nm-Wellenlängenbereich auftritt. Durch die Bestimmung, ob braunes Fettgewebe, beiges Fett und weißes Fett in der Probe vorhanden sind, basierend darauf, ob es einen Wasserabsorptionspeak im 900-nm-Wellenlängenband gibt, ist es möglich, die Menge der durch die Analyse gewonnenen Informationen weiter zu erhöhen.
Die zweite Bestimmungseinheit kann Daten speichern, die eine Korrelation mit einer Menge an Triglycerid in einer stimulierten Probe anzeigen, und eine Menge an braunem Fettgewebe oder beigem Fett in der stimulierten Probe auf der Grundlage der Daten und der von der ersten Bestimmungseinheit bestimmten Menge an Triglycerid bestimmen. In diesem Fall ist es möglich, die Menge des braunen Fettgewebes oder des beigen Fettes in der stimulierten Probe genau zu bestimmen. Da die Veränderung der Menge an braunem Fettgewebe oder beigem Fett in der Probe vor und nach der Stimulation zuverlässig bestimmt werden kann, ist es möglich, die Anwendungsmöglichkeiten der Analyse zu erweitern.
Ein Analyseverfahren gemäß einem anderen Aspekt der vorliegenden Offenbarung beinhaltet: einen Lichtemissionsschritt des Emittierens von Messlicht, das Licht in einem 900-nm-Wellenlängenband enthält, zu einer Probe; einen Lichterfassungsschritt des Erfassens von von der Probe reflektiertem Licht und des Erfassens von Spektraldaten des reflektierten Lichts in der Probe; einen Datenverarbeitungsschritt des Durchführens eines Rauschentfernungsprozesses an den im Lichterfassungsschritt erfassten Spektraldaten; einen ersten Bestimmungsschritt des Verwendens eines PLS-Regressionsmodells, das mit der Vorhersage einer Menge an Triglycerid verbunden ist, und des Bestimmens einer Menge an Triglycerid in der Probe durch Anwenden der Spektraldaten, die dem Rauschentfernungsprozess unterzogen wurden, auf das PLS-Regressionsmodell; und einen zweiten Bestimmungsschritt des Verwendens von Daten, die eine Korrelation mit einer Menge an Triglycerid in einer Probe anzeigen, und des Bestimmens einer Menge an braunem Fettgewebe oder beigem Fett in der Probe auf der Grundlage der Daten und der Menge an Triglycerid, die im ersten Bestimmungsschritt bestimmt wurde.
Bei dieser Analysemethode werden Spektraldaten des von einer Probe reflektierten Lichts erfasst und ein Rauschentfernungsprozess an den erfassten Spektraldaten durchgeführt. In den Spektraldaten, die dem Rauschentfernungsprozess unterzogen werden, variieren die Absorptionscharakteristika des Lichts in einem 900-nm-Wellenlängenband je nachdem, ob braunes Fettgewebe, beiges Fett und weißes Fett in der Probe vorhanden sind. Dementsprechend ist es durch Anwendung der Spektraldaten, die dem Rauschentfernungsprozess unterzogen wurden, auf das im Voraus erstellte PLS-Regressionsmodell möglich, eine Menge an Triglycerid in der Probe zu bestimmen. Durch Vergleich des Ergebnisses der Bestimmung der Triglyceridmenge mit Daten, die eine Korrelation mit der Triglyceridmenge in der Probe anzeigen, ist es möglich, einen absoluten Wert der Menge an braunem Fettgewebe oder beigem Fett in der Probe zu bestimmen.
Das PLS-Regressionsmodell kann ein Modell sein, das auf der Intensität des Lipidabsorptionspeaks in den Spektraldaten basiert, die dem Rauschentfernungsprozess unterzogen wurden. Es ist möglich, die Bestimmungsgenauigkeit der Triglyceridmenge in der Probe durch Verwendung des PLS-Regressionsmodells auf Basis der Intensität des Lipidabsorptionspeaks zu verbessern.
Der erste Bestimmungsschritt kann die Bestimmung beinhalten, ob braunes Fettgewebe, beiges Fett und weißes Fett in der Probe vorhanden sind, basierend darauf, ob ein Wasserabsorptionspeak in einem 900-nm-Wellenlängenband in den Spektraldaten vorhanden ist, die dem Rauschentfernungsprozess unterzogen wurden. In braunem Fettgewebe und beigem Fett ist es wahrscheinlich, dass ein Wasserabsorptionspeak im 900-nm-Wellenlängenbereich auftritt. Bei weißem Fett ist es unwahrscheinlich, dass ein Wasserabsorptionspeak im 900-nm-Wellenlängenbereich auftritt. Durch die Bestimmung, ob braunes Fettgewebe, beiges Fett und weißes Fett in der Probe vorhanden sind, basierend darauf, ob es einen Wasserabsorptionspeak im 900-nm-Wellenlängenband gibt, ist es möglich, die Menge der durch die Analyse gewonnenen Informationen weiter zu erhöhen.
Der zweite Bestimmungsschritt kann die Verwendung von Daten umfassen, die eine Korrelation mit einer Menge an Triglycerid in einer stimulierten Probe anzeigen, und die Bestimmung einer Menge an braunem Fettgewebe oder beigem Fett in der stimulierten Probe auf der Grundlage der Daten und der im ersten Bestimmungsschritt bestimmten Menge an Triglycerid. In diesem Fall ist es möglich, die Menge des braunen Fettgewebes oder des beigen Fettes in der stimulierten Probe genau zu bestimmen. Da die Veränderung der Menge an braunem Fettgewebe oder beigem Fett in der Probe vor und nach der Stimulation zuverlässig bestimmt werden kann, ist es möglich, die Anwendungsmöglichkeiten der Analyse zu erweitern.
Vorteilhafte Wirkungen der Erfindung
Gemäß der vorliegenden Offenbarung ist es möglich, eine quantitative Bewertung von braunem Fettgewebe oder beigem Fett zu ermöglichen.
Kurze Beschreibung der Zeichnungen

1 ist ein Blockdiagramm, das die Konfiguration einer Analyseapparatur gemäß einer Ausführungsform der vorliegenden Offenbarung illustriert.
2 ist ein Diagramm, das Beispiele für reflektiertes Licht in Kontrollgruppen illustriert.
3 ist ein Diagramm, das Beispiele für reflektiertes Licht in stimulierten Gruppen illustriert.
4 ist ein Diagramm, das Beispiele für vorhergesagte Werte der Triglyceridmengen im braunen Fettgewebe aus dem PLS-Regressionsmodell zeigt.
5 ist ein Diagramm, das Beispiele für vorhergesagte Werte von Triglyceridmengen in beigem Fett aus dem PLS-Regressionsmodell illustriert.
6 ist ein Diagramm, das die Korrelation zwischen der Menge an Triglyceriden und der Menge an braunem Fettgewebe in der Kontrollgruppe illustriert.
7 ist ein Diagramm, das die Korrelation zwischen den Triglyceridmengen und den Mengen an beigem Fett in der Kontrollgruppe illustriert.
8 ist ein Diagramm, das die Korrelation zwischen der Menge an Triglyceriden und der Menge an braunem Fettgewebe in der stimulierten Gruppe illustriert.
9 ist ein Diagramm, das die Korrelation zwischen den Mengen an Triglyceriden und den Mengen an beigem Fett in der stimulierten Gruppe illustriert.
10 ist ein Flussdiagramm, das ein Analyseverfahren gemäß einer Ausführungsform der vorliegenden Offenbarung illustriert.
11 (a) ist ein Diagramm, das die zeitlichen Veränderungen der Lipidabsorptionsspitze im braunen Fettgewebe in Kontrollgruppen und stimulierten Gruppen illustriert, und
11 (b) ist ein Diagramm, das die zeitlichen Veränderungen der Triglyceridmengen im braunen Fettgewebe in Kontrollgruppen und stimulierten Gruppen illustriert.
12 (a) ist ein Diagramm, das die zeitlichen Veränderungen der Lipidabsorptionsspitze im beigen Fett in Kontrollgruppen und stimulierten Gruppen illustriert, und 12 (b) ist ein Diagramm, das die zeitlichen Veränderungen der Triglyceridmengen im beigen Fett in Kontrollgruppen und stimulierten Gruppen veranschaulicht.

Beschreibung der Ausführungsformen
Nachfolgend werden beispielhafte Ausführungsformen einer Analyseapparatur und eines Analyseverfahrens gemäß einem Aspekt der vorliegenden Offenbarung unter Bezugnahme auf die beigefügten Zeichnungen detailliert beschrieben.
1 ist ein Blockdiagramm, das eine Konfiguration einer Analyseapparatur gemäß einer Ausführungsform der vorliegenden Offenbarung zeigt. Die in 1 dargestellte Analyseapparatur 1 ist als eine Vorrichtung konfiguriert, die einen absoluten Wert einer Menge an braunem Fettgewebe oder einen absoluten Wert einer Menge an beigem Fett in einer Probe S misst. Die Analyseapparatur 1 dient dazu, die Bestimmung von braunem Fettgewebe und beigem Fett und weißem Fett zu ermöglichen, was unter Verwendung von Positronen-Emissions-Tomographie (PET)-Inspektion, Thermographie oder ähnlichem gemäß dem verwandten Stand der Technik schwierig war, und einfach eine quantitative Bewertung von braunem Fettgewebe oder beigem Fett durchzuführen. Bei der Probe S handelt es sich zum Beispiel um biologisches Gewebe von Menschen oder Tieren. Bei der Probe S kann es sich um Gewebe in vivo oder um exzidiertes Gewebe handeln.
Braunes Fettgewebe ist Fettgewebe und hat auch die Eigenschaft, Fett zu verbrennen und Energie durch spezifisches Uncoupling Protein 1 (UCP1) abzubauen. Sein Zellursprung ist ein dermomyotomaler Vorläufer. Zu den morphologischen Merkmalen gehören multilokuläre Lipidtröpfchen und reichlich Mitochondrien. Braunes Fettgewebe ist beim Menschen vor allem in der Interskapularregion bei Kleinkindern und in der Perirenalregion bei Erwachsenen zu finden. Beigefarbenes Fett entsteht durch die Induktion von UCP1 in weißem Fett und weist die gleichen Merkmale wie braunes Fettgewebe auf. Beiges Fett ist beim Menschen hauptsächlich in der supraklavikulären und paravertebralen Region zu finden. Der Ursprung der Zellen ist eine präadipöse Zelle. Zu den morphologischen Merkmalen gehören multilokuläre Lipidtröpfchen und reichlich Mitochondrien, ähnlich wie beim braunen Fettgewebe. Das weiße Fettgewebe dient hauptsächlich der Speicherung und Abgabe von Energie als physiologische Funktion. Weißes Fettgewebe ist beim Menschen hauptsächlich subkutan oder um innere Organe herum vorhanden. Seine Ursprungszelle ist eine präadipöse Zelle. Zu seinen morphologischen Merkmalen gehören unilokulare Lipidtröpfchen. Ein Hauptbestandteil des weißen Fettgewebes ist Triglycerid.
Die Analyseapparatur 1 kann z.B. im Bereich der Medizin oder im Sportbereich eingesetzt werden. Im Bereich der Medizin ist eine Anwendung zur Behandlung und Vorbeugung eines Diabetes oder einer Fettstoffwechselstörung denkbar. Es ist bekannt, dass das braune Fettgewebe in hohem Maße mit der Insulinempfindlichkeit oder dem Fettstoffwechsel zusammenhängt. Durch Vergleich der Menge an braunem Fettgewebe oder beigem Fett eines Diabetikers oder eines Patienten mit einer Fettstoffwechselstörung mit der Menge an braunem Fettgewebe oder beigem Fett eines gesunden Menschen und Erhöhen Menge an braunem Fettgewebe oder beigem Fett, ist eine medikamentenunabhängige Behandlung und Prävention zu erwarten.
Die Vorbeugung oder Linderung von Stoffwechselkrankheiten wie dem metabolischen Syndrom wird durch die Messung der Menge des braunen Fettgewebes oder des beigen Fettes erreicht. Durch Hinzufügen von Daten über die Menge an braunem Fettgewebe oder beigem Fett zu Untersuchungen, die in Schulen oder dergleichen durchgeführt werden, wird die Prävention von Krankheiten oder die Gewichtskontrolle bei jungen Menschen möglich. Durch die Untersuchung des Zusammenhangs zwischen der Zunahme des viszeralen Fettgewebes und der Menge an braunem Fettgewebe oder beigem Fett im mittleren Lebensalter können Fortschritte in der Altersforschung erwartet werden. Es wurde berichtet, dass eine Maus mit einer verstärkten Funktion des braunen Fettgewebes länger lebt. Es ist auch denkbar, dass die vorliegende Offenbarung bei der Entwicklung von Nahrungsergänzungsmitteln oder ähnlichem zur Förderung einer Zunahme oder Aktivierung des braunen Fettgewebes oder des beigen Fettes zur Bewertung herangezogen wird.
Im Sportbereich wird beispielsweise die Bewertung eines Trainingsprogramms oder die Bereitstellung eines neuen Abnehmprogramms durch die Messung der Menge des braunen Fettgewebes oder des beigen Fetts vor und nach dem Training möglich. Wenn eine Gewichtskontrolle notwendig ist, um nur Fett zu reduzieren, ohne Muskelmasse zu verlieren, ist ein Ansatz, der auf einer Erhöhung der Menge an braunem Fettgewebe oder beigem Fett basiert, als dritte Option zusätzlich zu Diät und Training denkbar. Es wird erwartet, dass die Überwachung der Menge an braunem Fettgewebe oder beigem Fett zur Gewichtskontrolle beiträgt.
Im Folgenden wird eine Konfiguration der Analyseapparatur 1 beschrieben. Wie in 1 dargestellt, umfasst die Analyseapparatur 1 eine Sonde 2 und eine Recheneinheit 3. Die Analyseapparatur 1 ist kommunikativ mit einer Anzeigevorrichtung 4 verbunden. Bei der Anzeigevorrichtung 4 handelt es sich beispielsweise um einen Monitor oder ein Touchpanel-Display. Die Anzeigevorrichtung 4 empfängt Analyseergebnisinformationen aus der Analyseapparatur 1 und zeigt die empfangenen Informationen an.
Die Sonde 2 umfasst eine Lichtemissionseinheit 11 und eine Lichtdetektionseinheit 12. Die Sonde 2 ist kommunikativ mit der Recheneinheit 3 verbunden. Die Sonde 2 kann eine handliche Sonde sein, bei der die Lichtemissionseinheit 11 und die Lichtdetektionseinheit 12 in einem kleinen Gehäuse untergebracht sind. Die Sonde 2 kann eine drahtlose Sonde sein, die drahtlos mit der Recheneinheit 3 kommunizieren kann. In diesem Fall ist es möglich, die Flexibilität einer Messhaltung in der Analyseapparatur 1 zu erhöhen. Indem die drahtlose Sonde beispielsweise an einem Körperteil befestigt wird, ist eine Messung während des Essens oder Trainings möglich, und die Erfassung von Daten über die zeitliche Veränderung eines Tages wird ebenfalls erleichtert.
Die Lichtemissionseinheit 11 ist eine Einheit, die Messlicht I, das Licht in einem Wellenlängenband von 900 nm einschließt, an eine Probe S emittiert. Als Lichtquelle der Lichtemissionseinheit 11 kann beispielsweise eine Halogenlichtquelle, eine LD, eine LED oder eine SLD verwendet werden. Das Wellenlängenband des Messlichts I reicht beispielsweise von 900 nm bis 1000 nm. Dieses Wellenlängenband umfasst 920 nm bis 930 nm, in dem ein Lipidabsorptionspeak auftritt, und 960 nm bis 970 nm, in dem ein Wasserabsorptionspeak auftritt.
Die Lichtdetektionseinheit 12 ist eine Einheit, die von der Probe S reflektiertes Licht R detektiert und Spektraldaten des reflektierten Lichts R in der Probe S erfasst. Als Detektionselement der Lichtdetektionseinheit 12 kann zum Beispiel ein CCD-Array, ein CMOS-Array oder ein PD-Array verwendet werden. Die Lichtdetektionseinheit 12 gibt Informationen, die ein Erfassungsergebnis anzeigen, an die Recheneinheit 3 aus. Die Lichtdetektionseinheit 12 kann eine Ulbricht-Kugel enthalten. In diesem Fall kann die Lichtdetektionseinheit 12 einheitliche diffuse Reflexionsspektraldaten des reflektierten Lichts R erfassen, indem das von der Probe S reflektierte Licht R gestreut und in der Ulbricht-Kugel reflektiert wird.
Die Recheneinheit 3 ist eine Einheit, die verschiedene Arten von Berechnungen auf der Grundlage von Informationen von der Lichtdetektionseinheit 12 durchführt. Die Recheneinheit 3 ist physisch ein Computersystem, das einen Speicher wie einen RAM oder einen ROM, einen Prozessor (eine Betriebsschaltung) wie eine CPU, eine Kommunikationsschnittstelle und eine Speichereinheit wie eine Festplatte umfasst. Beispiele für das Computersystem sind ein Personalcomputer, ein Cloud-Server, ein intelligentes Gerät (wie ein Smartphone oder ein Tischterminal) . Die Recheneinheit 3 dient als Steuereinheit der Analyseapparatur 1, indem sie die CPU des Computersystems veranlasst, ein im Speicher gespeichertes Programm auszuführen.
Die Recheneinheit 3 umfasst eine Datenverarbeitungseinheit 21, eine erste Bestimmungseinheit 22 und eine zweite Bestimmungseinheit 23 als Funktionselemente. Die Datenverarbeitungseinheit 21 ist eine Einheit, die einen Rauschentfernungsprozess an den von der Lichtdetektionseinheit 12 erfassten Spektraldaten durchführt. Ein Beispiel für den Rauschentfernungsprozess ist die Ableitung zweiter Ordnung wie die Savitzky-Golay-Glättung. Die Datenverarbeitungseinheit 21 gibt die dem Rauschentfernungsprozess unterzogenen Spektraldaten an die erste Bestimmungseinheit 22 aus.
Die erste Bestimmungseinheit 22 ist eine Einheit, die eine Menge an Triglycerid in der Probe S bestimmt. Wenn die Spektraldaten, die dem Rauschentfernungsprozess unterzogen wurden, von der Datenverarbeitungseinheit 21 empfangen werden, bestimmt die erste Bestimmungseinheit 22, ob braunes Fettgewebe, beiges Fett und weißes Fett in der Probe S vorhanden sind, basierend darauf, ob ein Wasserabsorptionspeak im 900-nm-Wellenlängenband in den Spektraldaten vorhanden ist.
2 und 3 sind Diagramme, die Beispiele von Reflexionsspektren zeigen. 2 zeigt die Spektren der zweiten Ableitung in nicht stimulierten Probengruppen (Kontrollgruppen). 3 zeigt die Spektren der zweiten Ableitung in stimulierten Probengruppen (stimulierte Gruppen) . Bei der Stimulation handelt es sich hier um eine Kältestimulation. In der Kontrollgruppe wurden fünf Ratten vorbereitet, die 28 Tage lang bei einer Raumtemperatur von 24° C gehalten wurden. In der stimulierten Gruppe wurden fünf Ratten vorbereitet, die 28 Tage lang bei einer Raumtemperatur von 4° C gehalten wurden.
Aus den in 2 und 3 dargestellten Ergebnissen ist ersichtlich, dass Wasserabsorptionspeaks (Peaks mit negativem Wert) P1 bei der Wellenlänge von 960 nm bis 970 nm im braunen Fettgewebe und im beigen Fett unabhängig von der Stimulation vorhanden sind. Aus den in den 2 und 3 dargestellten Ergebnissen geht hervor, dass Wasserabsorptionsspitzen (Spitzen mit negativem Wert) P1 bei der Wellenlänge von 960 nm bis 970 nm im weißen Fett unabhängig von der Stimulation nicht vorhanden sind. Aus diesen Ergebnissen ist ersichtlich, dass die Anwesenheit von braunem Fettgewebe, beigem Fett und weißem Fett in der Probe S anhand des Vorhandenseins von Wasserabsorptionspeaks im Wellenlängenbereich von 900 nm in den Spektraldaten bestimmt werden kann.
Die erste Bestimmungseinheit 22 speichert bei der Bestimmung der Triglyceridmenge in der Probe S ein PLS-Regressionsmodell, das mit der Vorhersage einer Triglyceridmenge in der Probe S verbunden ist. Das PLS-Regressionsmodell ist ein Modell, das auf einer Intensität eines Lipidabsorptionspeaks in den Spektraldaten basiert, die dem Rauschentfernungsprozess unterzogen wurden. Wenn die Spektraldaten, die dem Rauschentfernungsprozess unterzogen wurden, von der Datenverarbeitungseinheit 21 empfangen werden, bestimmt die erste Bestimmungseinheit 22 die Menge an Triglycerid in der Probe S durch Anwendung der Spektraldaten auf das PLS-Regressionsmodell. Die erste Bestimmungseinheit 22 erzeugt Informationen, die das Bestimmungsergebnis der Triglyceridmenge in der Probe S anzeigen, und gibt die erzeugten Informationen an die zweite Bestimmungseinheit 23 aus.
4 ist ein Diagramm, das Beispiele für vorhergesagte Werte von Triglyceridmengen im braunen Fettgewebe aus dem PLS-Regressionsmodell illustriert. In der Zeichnung stellt die horizontale Achse den gemessenen Wert der Triglyceridmenge dar, und die vertikale Achse repräsentiert den vorhergesagten Wert der Triglyceridmenge dar. Eine Beziehung zwischen der durch die PLS-Regression vorhergesagten Triglyceridmenge im braunen Fettgewebe und der tatsächlichen Triglyceridmenge im braunen Fettgewebe kann anhand des in 4 illustrierten Ergebnisses festgestellt werden. In 4 beträgt ein Bestimmungskoeffizient für die Kalibrierung (Modellvorbereitungsdaten) R² =0,75 und ein Bestimmungskoeffizient für die Validierung (Verifikationsdaten) R² =0,73.
5 ist ein Diagramm, das Beispiele für vorhergesagte Werte von Triglyceridmengen in beigem Fett aus dem PLS-Regressionsmodell illustriert. In der Zeichnung repräsentiert die horizontale Achse den gemessenen Wert der Triglyceridmenge, und die vertikale Achse repräsentiert den vorhergesagten Wert der Triglyceridmenge. Eine Beziehung zwischen der durch PLS-Regression vorhergesagten Triglyceridmenge in beigem Fett und der tatsächlichen Triglyceridmenge in beigem Fett kann anhand des in 5 illustrierten Ergebnisses festgestellt werden. In 5 beträgt der Bestimmungskoeffizient für die Kalibrierung (Modellvorbereitungsdaten) R² =0,73, und der Bestimmungskoeffizient für die Validierung (Verifizierungsdaten) beträgt R² =0,53.
Die zweite Bestimmungseinheit 23 ist eine Einheit, die eine Menge an braunem Fettgewebe oder beigem Fett in der Probe S bestimmt. Die zweite Bestimmungseinheit 23 speichert Daten, die eine Korrelation mit einer Menge an Triglycerid in einer Probe S bei der Bestimmung der Menge an braunem Fettgewebe oder beigem Fett in der Probe S anzeigen. Wenn die Information, die das Bestimmungsergebnis der Triglyceridmenge in der Probe S anzeigt, von der ersten Bestimmungseinheit 22 empfangen wird, bestimmt die zweite Bestimmungseinheit 23 die Menge an braunem Fettgewebe oder beigem Fett in der Probe S auf der Grundlage der Daten und der von der ersten Bestimmungseinheit 22 bestimmten Triglyceridmenge. Die zweite Bestimmungseinheit 23 erzeugt eine Information, die das Ergebnis der Bestimmung der Menge an braunem Fettgewebe oder beigem Fett in der Probe S angibt, und gibt die erzeugte Information an die Anzeigevorrichtung 4 aus.
6 ist ein Diagramm, das die Korrelation zwischen der Menge an Triglyceriden und der Menge an braunem Fettgewebe in der Kontrollgruppe zeigt. In der Zeichnung stellt die horizontale Achse die Triglyceridmenge und die vertikale Achse die Menge des braunen Fettgewebes dar. Aus dem in 6 dargestellten Ergebnis ist ersichtlich, dass die vorgegebene Korrelation zwischen der Menge an Triglyceriden und der Menge an braunem Fettgewebe in der Kontrollgruppe besteht. Ein Bestimmungskoeffizient für die Korrelation in der Zeichnung ist R² =0, 72. Ein absoluter Wert der Menge an braunem Fettgewebe kann auf Basis der von der ersten Bestimmungseinheit 22 bestimmten Triglyceridmenge unter Bezugnahme auf die Korrelation bestimmt werden.
7 ist ein Diagramm, das die Korrelation zwischen der Menge an Triglyceriden und der Menge an beigem Fett in der Kontrollgruppe illustriert. In der Zeichnung stellt die horizontale Achse die Menge an Triglycerid und die vertikale Achse die Menge an beigefarbenem Fett dar. Aus dem in 7 dargestellten Ergebnis ist ersichtlich, dass die vorgegebene Korrelation zwischen der Menge an Triglycerid und der Menge an beigem Fett in der Kontrollgruppe besteht. Der Bestimmungskoeffizient für die Korrelation in der Zeichnung ist R² =0,57. Ein absoluter Wert der Menge an beigem Fett kann auf Basis der von der ersten Bestimmungseinheit 22 bestimmten Triglyceridmenge unter Bezugnahme auf die Korrelation bestimmt werden.
Die zweite Bestimmungseinheit 23 kann Daten speichern, die eine Korrelation mit Triglycerid in einer stimulierten Probe S anzeigen. In diesem Fall bestimmt die zweite Bestimmungseinheit 23 die Menge an braunem Fettgewebe oder beigem Fett in der stimulierten Probe S auf der Grundlage der Daten und der von der ersten Bestimmungseinheit 22 bestimmten Menge an Triglycerid. Die zweite Bestimmungseinheit 23 erzeugt eine Information, die das Ergebnis der Bestimmung der Menge an braunem Fettgewebe oder beigem Fett in der stimulierten Probe S angibt, und gibt die erzeugte Information an die Anzeigevorrichtung 4 aus. Die zweite Bestimmungseinheit 23 kann sowohl die Menge des braunen Fettgewebes als auch die Menge des beigen Fettes in der Probe S bestimmen, oder kann nur eines davon bestimmen.
8 ist ein Diagramm, das die Korrelation zwischen der Menge an Triglyceriden und der Menge an braunem Fettgewebe in der stimulierten Gruppe illustriert. In der Zeichnung stellt die horizontale Achse die Menge an Triglycerid und die vertikale Achse die Menge an braunem Fettgewebe dar. Aus dem in 8 illustrierten Ergebnis ist ersichtlich, dass es die vorgegebene Korrelation zwischen der Triglyceridmenge und der Menge an braunem Fettgewebe in der stimulierten Gruppe gibt. Der Bestimmungskoeffizient für die Korrelation in der Zeichnung ist R² =0, 9. Ein absoluter Wert der Menge an braunem Fettgewebe kann auf Basis der von der ersten Bestimmungseinheit 22 bestimmten Triglyceridmenge unter Bezugnahme auf die Korrelation bestimmt werden.
9 ist ein Diagramm, das die Korrelation zwischen der Menge an Triglyceriden und der Menge an beigem Fett in der stimulierten Gruppe illustriert. In der Zeichnung repräsentiert die horizontale Achse die Menge an Triglycerid und repräsentiert die vertikale Achse die Menge an beigefarbenem Fett. Aus dem in 9 illustrierten Ergebnis ist ersichtlich, dass es die vorgegebene Korrelation zwischen der Menge an Triglycerid und der Menge an beigem Fett in der stimulierten Gruppe gibt. Ein Bestimmungskoeffizient für die Korrelation in der Zeichnung ist R² =0,73. Ein absoluter Wert der Menge an beigem Fett kann auf der Grundlage der von der ersten Bestimmungseinheit 22 bestimmten Triglyceridmenge unter Bezugnahme auf die Korrelation bestimmt werden.
Im Folgenden wird ein Analyseverfahren gemäß einer Ausführungsform der vorliegenden Offenbarung beschrieben.
10 ist ein Flussdiagramm, das das Analyseverfahren gemäß dieser Ausführungsform illustriert. In dieser Ausführungsform wird zum Beispiel das Analyseverfahren unter Verwendung der Analyseapparatur 1 durchgeführt. Wie in 10 illustriert, enthält das Analyseverfahren einen Lichtemissionsschritt (Schritt S01), einen Lichterfassungsschritt (Schritt S02), einen Datenverarbeitungsschritt (Schritt S03), einen ersten Bestimmungsschritt (Schritt S04) und einen zweiten Bestimmungsschritt (Schritt S05) .
Im Schritt der Lichtemission wird die Sonde 2 der Analyseapparatur 1 in eine Probe S gesetzt, Messlicht I, das Licht im Wellenlängenbereich von 900 nm enthält, wird von der Lichtemissionseinheit 11 der Sonde 2 auf die Probe S emittiert. Das auf die Probe S emittierte Messlicht I wird von der Probe S reflektiert und wird zu reflektiertem Licht R. Im Schritt der Lichterfassung wird das von der Probe S reflektierte Licht R von der Lichtdetektionseinheit 12 der Sonde 2 erfasst und Spektraldaten des reflektierten Lichts R in der Probe S werden erfasst. Wenn die Lichtdetektionseinheit 12 die Ulbricht-Kugel enthält, sind die von der Lichtdetektionseinheit 12 erfassten Spektraldaten einheitliche diffuse Reflexionsspektraldaten des reflektierten Lichts R.
Im Datenverarbeitungsschritt wird der Prozess der Rauschentfernung an den von der Lichtdetektionseinheit 12 erfassten Spektraldaten durchgeführt. Hier wird als Rauschentfernungsprozess eine differentielle Verarbeitung wie eine Ableitung zweiter Ordnung oder eine Savitzky-Golay-Glättung an den von der Lichtdetektionseinheit 12 erfassten Spektraldaten durchgeführt.
Im ersten Bestimmungsschritt wird bestimmt, ob braunes Fettgewebe, beiges Fett und weißes Fett in der Probe S vorhanden sind, basierend darauf, ob es einen Wasserabsorptionspeak im 900-nm-Wellenlängenband in den Spektraldaten gibt, die dem Rauschentfernungsprozess unterzogen wurden. Im ersten Bestimmungsschritt wird durch Verwendung des PLS-Regressionsmodells, das mit der Vorhersage einer Triglyceridmenge verbunden ist, und durch Anwendung der Spektraldaten, die dem Rauschentfernungsprozess unterzogen wurden, auf das PLS-Regressionsmodell die Triglyceridmenge in der Probe S bestimmt. Als PLS-Regressionsmodell wird ein Modell verwendet, das auf der Intensität des Lipidabsorptionspeaks P2 in den Spektraldaten basiert, die dem Rauschentfernungsprozess unterzogen wurden.
Im zweiten Bestimmungsschritt werden Daten verwendet, die eine Korrelation mit der Triglyceridmenge in der Probe S anzeigen, und die Menge an braunem Fettgewebe oder beigem Fett in der Probe S wird auf der Grundlage der Daten und der im ersten Bestimmungsschritt bestimmten Triglyceridmenge bestimmt. Wenn eine Probe S, auf die eine Stimulation, wie z.B. eine Kältestimulation, angewendet wird, analysiert werden soll, werden im zweiten Bestimmungsschritt Daten verwendet, die eine Korrelation mit der Menge an Triglycerid in der stimulierten Probe S angeben. In dem zweiten Bestimmungsschritt wird die Menge an braunem Fettgewebe oder beigem Fett in der stimulierten Probe S auf der Grundlage der Daten und der von der ersten Bestimmungseinheit 22 bestimmten Triglyceridmenge bestimmt.
Wie oben beschrieben, werden mit der Analyseapparatur 1 und der Analysemethode Spektraldaten des reflektierten Lichts R in der Probe S erfasst, und der Rauschentfernungsprozess wird an den erfassten Spektraldaten durchgeführt. In den Spektraldaten, die dem Rauschentfernungsprozess unterzogen wurden, variieren die Absorptionscharakteristika des Lichts im 900 nm Wellenlängenband in Abhängigkeit davon, ob braunes Fettgewebe, beiges Fett und weißes Fett in der Probe S vorhanden sind. Dementsprechend kann durch Anwendung der Spektraldaten, die dem Rauschentfernungsprozess unterzogen wurden, auf ein vorbereitetes PLS-Regressionsmodell die Menge an Triglycerid in der Probe S bestimmt werden. Durch Vergleich des Bestimmungsergebnisses der Triglyceridmenge mit den Daten, die die Korrelation mit der Triglyceridmenge in der Probe S anzeigen, kann der absolute Wert der Menge an braunem Fettgewebe oder beigem Fett in der Probe S bestimmt werden.
In dieser Ausführungsform ist das PLS-Regressionsmodell ein Modell, das auf der Intensität des Lipidabsorptionspeaks in den Spektraldaten basiert, die dem Rauschentfernungsprozess unterzogen wurden. Durch die Verwendung des PLS-Regressionsmodells, das auf der Intensität des Lipidabsorptionspeaks P2 basiert, ist es möglich, die Bestimmungsgenauigkeit der Triglyceridmenge in der Probe S zu verbessern.
In dieser Ausführungsform bestimmt die erste Bestimmungseinheit 22, ob braunes Fettgewebe, beiges Fett und weißes Fett in der Probe S vorhanden sind, basierend darauf, ob der Wasserabsorptionspeak P1 im 900-nm-Wellenlängenband in den Spektraldaten vorhanden ist, die dem Rauschentfernungsprozess unterzogen wurden. In braunem Fettgewebe und beigem Fett ist es wahrscheinlich, dass der Wasserabsorptionspeak P1 im 900-nm-Wellenlängenbereich auftritt. Bei weißem Fett ist es unwahrscheinlich, dass der Wasserabsorptionspeak P1 im 900-nm-Wellenlängenbereich auftritt (siehe 2 und 3) . Durch die Bestimmung, ob braunes Fettgewebe, beiges Fett und weißes Fett in der Probe S vorhanden sind, basierend darauf, ob der Wasserabsorptionspeak im 900-nm-Wellenlängenband auftritt, ist es möglich, ein Analyseergebnis zu erhalten, das damit verbunden ist, ob braunes Fettgewebe, beiges Fett und weißes Fett zusätzlich zum absoluten Wert der Menge an braunem Fettgewebe oder beigem Fett vorhanden sind. Dementsprechend ist es möglich, den Umfang der durch die Analyse gewonnenen Informationen weiter zu erhöhen. Indem beispielsweise der Prozess der Bestimmung des absoluten Wertes der Menge an braunem Fettgewebe oder beigem Fett nicht durchgeführt wird, wenn festgestellt wird, dass kein braunes Fettgewebe oder beiges Fett vorhanden ist, ist es möglich, die Verarbeitungszeit zu reduzieren.
In dieser Ausführungsform speichert die zweite Bestimmungseinheit 23 Daten, die eine Korrelation mit der Menge an Triglycerid in der stimulierten Probe S anzeigen, und bestimmt die Menge an braunem Fettgewebe oder beigem Fett in der stimulierten Probe S auf der Grundlage der Daten und der von der ersten Bestimmungseinheit 22 bestimmten Menge an Triglycerid. In diesem Fall ist es möglich, die Menge des braunen Fettgewebes oder des beigen Fettes in der stimulierten Probe S genau zu bestimmen. Da die Veränderung der Menge des braunen Fettgewebes oder des beigen Fettes in der Probe S vor und nach der Stimulation zuverlässig bestimmt werden kann, ist es möglich, die Anwendungen der Analyse weiter zu erweitern.
Die vorliegende Offenbarung ist nicht auf die vorgenannte Ausführungsform beschränkt. Zum Beispiel kann die Analyseapparatur 1 eine Bestimmungseinheit enthalten, die so konfiguriert ist, dass sie den Umfang der Veränderung des braunen Fettgewebes oder des beigen Fettes auf Basis der Veränderung der Intensität des Lipidabsorptionspeaks P2 (siehe 2 und 3) in den Spektraldaten bestimmt, die dem Rauschentfernungsprozess unterzogen wurden.
11 (a) ist ein Diagramm, das die zeitlichen Veränderungen der Intensität des Lipidabsorptionspeaks im braunen Fettgewebe in den Kontrollgruppen und den stimulierten Gruppen illustriert. 11(b) ist ein Diagramm, das den zeitlichen Verlauf der Veränderungen der Triglyceridmenge im braunen Fettgewebe der Kontrollgruppen und der stimulierten Gruppen illustriert. Die in den Zeichnungen dargestellten Ergebnisse wurden auf Basis biochemischer Untersuchungen gewonnen. Der Lipidabsorptionspeak im braunen Fettgewebe liegt bei einer Wellenlänge von 924 nm vor.
Aus dem in 11(a) illustrierten Ergebnis wurde festgestellt, dass der Lipidabsorptionspeak aufgrund der kontinuierlichen Kältestimulation in den 14- und 28-Tage-Daten signifikant abnimmt. Aus dem in 11(b) illustrierten Ergebnis wurde festgestellt, dass die Menge an Triglycerid im braunen Fettgewebe in den stimulierten Gruppen in allen Zeiträumen geringer ist als die Menge an Triglycerid im braunen Fettgewebe in den Kontrollgruppen. Dementsprechend wurde festgestellt, dass die Abnahme des Lipidabsorptionspeaks einen ähnlichen Trend aufweist wie die Abnahme der Triglyceride, die durch den biochemischen Test ermittelt wurde.
12 (a) ist ein Diagramm, das die zeitlichen Veränderungen der Intensität des Lipidabsorptionspeaks in beigem Fett in den Kontrollgruppen und den stimulierten Gruppen illustriert. 12(b) ist ein Diagramm, das den zeitlichen Verlauf der Veränderungen der Triglyceridmenge im beigen Fett in den Kontrollgruppen und den stimulierten Gruppen illustriert. Die in den Zeichnungen illustrierten Ergebnisse wurden auf der Grundlage biochemischer Untersuchungen gewonnen. Der Lipidabsorptionspeak in beigem Fett liegt bei einer Wellenlänge von 926 nm.
Aus dem in 12(a) illustrierten Ergebnis wurde festgestellt, dass der Lipidabsorptionspeak aufgrund der kontinuierlichen Kältestimulation in allen Daten mit Ausnahme der 7-Tage-Daten deutlich abnimmt. Aus dem in 12(b) illustrierten Ergebnis wurde festgestellt, dass die Menge an Triglyceriden im beigen Fett in den stimulierten Gruppen geringer ist als die Menge an Triglyceriden im beigen Fett in den Kontrollgruppen in den drei Daten von 7 Tagen, 14 Tagen und 28 Tagen, obwohl der Umfang der Abnahme geringer ist als der im braunen Fettgewebe. Dementsprechend wurde festgestellt, dass die Abnahme des Lipidabsorptionspeaks einen ähnlichen Trend aufweist wie die Abnahme der Triglyceride, die durch die biochemische Untersuchung ermittelt wurde.
Referenz-Zeichenliste

1: Analyseapparatur
11: Lichtemissionseinheit
12: Lichtdetektionseinheit
21: Datenverarbeitungseinheit
22: Erste Bestimmungseinheit
23: Zweite Bestimmungseinheit
L: Messlicht
R: Reflektiertes Licht
S: Muster
P1: Wasserabsorptionspeak
P2: Lipidabsorptionspeak

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

JP 6224464 B [0005]

Zitierte Nicht-Patentliteratur

Dinish et al., Scientific Reports, Bd. 7, 41357 [0005]

Claims

Analyseapparatur, umfassend: eine Lichtemissionseinheit, die so konfiguriert ist, dass sie Messlicht, das Licht in einem Wellenlängenbereich von 900 nm enthält, an eine Probe emittiert; eine Lichtdetektionseinheit, die so konfiguriert ist, dass sie von der Probe reflektiertes Licht detektiert und Spektraldaten des reflektierten Lichts in der Probe sammelt; eine Datenverarbeitungseinheit, die so konfiguriert ist, dass sie einen Rauschentfernungsprozess an den von der Lichtdetektionseinheit erfassten Spektraldaten durchführt; eine erste Bestimmungseinheit, die so konfiguriert ist, dass sie ein PLS-Regressionsmodell speichert, das mit der Vorhersage einer Triglyceridmenge in einer Probe assoziiert ist, und dass sie eine Triglyceridmenge in der Probe bestimmt, indem sie die Spektraldaten, die dem Rauschentfernungsprozess unterzogen wurden, auf das PLS-Regressionsmodell anwendet; und eine zweite Bestimmungseinheit, die so konfiguriert ist, dass sie Daten speichert, die eine Korrelation mit einer Triglyceridmenge in einer Probe angeben, und dass sie eine Menge an braunem Fettgewebe oder beigem Fett in der Probe auf der Grundlage der Daten und der von der ersten Bestimmungseinheit bestimmten Triglyceridmenge bestimmt.
Analyseapparatur gemäß Anspruch 1, wobei das PLS-Regressionsmodell ein Modell ist, das auf der Intensität des Lipidabsorptionspeaks in den Spektraldaten basiert, die dem Rauschentfernungsprozess unterzogen wurden.
Analyseapparatur gemäß Anspruch 1 oder 2, wobei die erste Bestimmungseinheit bestimmt, ob braunes Fettgewebe, beiges Fett und weißes Fett in der Probe vorhanden sind, basierend darauf, ob ein Wasserabsorptionspeak in einem 900 nm-Wellenlängenband in den Spektraldaten vorhanden ist, die dem Rauschentfernungsprozess unterzogen wurden.
Analyseapparatur gemäß einem der Ansprüche 1 bis 3, wobei die zweite Bestimmungseinheit Daten speichert, die eine Korrelation mit einer Menge an Triglycerid in einer stimulierten Probe anzeigen, und eine Menge an braunem Fettgewebe oder beigem Fett in der stimulierten Probe auf der Grundlage der Daten und der von der ersten Bestimmungseinheit bestimmten Menge an Triglycerid bestimmt.
Analyseverfahren, umfassend: einen Lichtemissionsschritt, bei dem Messlicht, das Licht in einem Wellenlängenbereich von 900 nm enthält, auf eine Probe emittiert wird; einen Lichtdetektionsschritt zum Detektieren von, von der Probe reflektierten Lichts und zum Erfassen von Spektraldaten des reflektierten Lichts in der Probe; einen Datenverarbeitungsschritt zur Durchführung eines Rauschentfernungsprozesses an den im Lichterfassungsschritt erfassten Spektraldaten; einen ersten Bestimmungsschritt des Verwendens eines PLS-Regressionsmodells, das mit der Vorhersage einer Triglyceridmenge assoziiert ist, und des Bestimmens einer Triglyceridmenge in der Probe durch Anwenden der Spektraldaten, die dem Rauschentfernungsprozess unterzogen wurden, auf das PLS-Regressionsmodell; und einen zweiten Bestimmungsschritt des Verwendens von Daten, die eine Korrelation mit einer Menge an Triglycerid in einer Probe angeben, und des Bestimmens einer Menge an braunem Fettgewebe oder beigem Fett in der Probe auf Basis der Daten und der im ersten Bestimmungsschritt bestimmten Menge an Triglycerid.
Analyseverfahren gemäß Anspruch 5, wobei das PLS-Regressionsmodell ein Modell ist, das auf der Intensität des Lipidabsorptionspeaks in den Spektraldaten basiert, die dem Rauschentfernungsprozess unterzogen wurden.
Analyseverfahren gemäß Anspruch 5 oder 6, wobei der erste Bestimmungsschritt die Bestimmung einschließt, ob braunes Fettgewebe, beiges Fett und weißes Fett in der Probe vorhanden sind, basierend darauf, ob ein Wasserabsorptionspeak in einem 900 nm-Wellenlängenband in den Spektraldaten vorhanden ist, die dem Rauschentfernungsprozess unterzogen wurden.
Analyseverfahren gemäß einem der Ansprüche 5 bis 7, wobei der zweite Bestimmungsschritt die Verwendung von Daten, die eine Korrelation mit einer Triglyceridmenge in einer stimulierten Probe anzeigen, und die Bestimmung einer Menge an braunem Fettgewebe oder beigem Fett in der stimulierten Probe auf der Grundlage der Daten und der im ersten Bestimmungsschritt bestimmten Triglyceridmenge umfasst.