JP2002005827A - 被検体の情報を得る方法 - Google Patents
被検体の情報を得る方法Info
- Publication number
- JP2002005827A JP2002005827A JP2000183427A JP2000183427A JP2002005827A JP 2002005827 A JP2002005827 A JP 2002005827A JP 2000183427 A JP2000183427 A JP 2000183427A JP 2000183427 A JP2000183427 A JP 2000183427A JP 2002005827 A JP2002005827 A JP 2002005827A
- Authority
- JP
- Japan
- Prior art keywords
- subject
- products
- peaks
- spectrum
- processed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
(57)【要約】
【課題】 近赤外スペクトルを用いた、非破壊状態で、
より高い精度で、被検体の情報を得るための新規な方法
を提供する。 【解決手段】 （ａ）被検体に、４００ｎｍから２５０
０ｎｍまでのまたはその一部の領域の連続波長光を照射
して、被検体のスペクトルを得る工程、および、（ｂ）
得られたスペクトル中のピークを、分光学的手法により
要素ピークに分解する工程、を含む、被検体の情報を得
る方法。具体的には、未知の被検体が属する群を判別す
る方法、未知の被検体を同定する方法、および被検体の
経時変化をリアルタイムでモニターする方法である。当
該方法によれば、水分子の要素ピークを通して、非破壊
状態で、比較的簡単な装置を用いて、より高い精度で迅
速、低コストで、被検体の情報を得ることができる。
より高い精度で、被検体の情報を得るための新規な方法
を提供する。 【解決手段】 （ａ）被検体に、４００ｎｍから２５０
０ｎｍまでのまたはその一部の領域の連続波長光を照射
して、被検体のスペクトルを得る工程、および、（ｂ）
得られたスペクトル中のピークを、分光学的手法により
要素ピークに分解する工程、を含む、被検体の情報を得
る方法。具体的には、未知の被検体が属する群を判別す
る方法、未知の被検体を同定する方法、および被検体の
経時変化をリアルタイムでモニターする方法である。当
該方法によれば、水分子の要素ピークを通して、非破壊
状態で、比較的簡単な装置を用いて、より高い精度で迅
速、低コストで、被検体の情報を得ることができる。
Description
【０００１】
【発明の属する技術分野】本発明は、可視−近赤外線を
用いた被検体の情報を得る方法、具体的には、未知の被
検体が属する群を判別する方法、未知の被検体を同定す
る方法、および被検体における経時変化をリアルタイム
でモニターする方法に関する。
用いた被検体の情報を得る方法、具体的には、未知の被
検体が属する群を判別する方法、未知の被検体を同定す
る方法、および被検体における経時変化をリアルタイム
でモニターする方法に関する。
【０００２】
【従来の技術】近年、種々の分野で近赤外線を用いた分
析が行われている。例えば、近赤外線を被検体に照射
し、特定成分を定量分析することに用いられている。
析が行われている。例えば、近赤外線を被検体に照射
し、特定成分を定量分析することに用いられている。
【０００３】一般に、近赤外線は、物質の吸光係数が非
常に小さく、散乱を受けにくいので、分厚い物体に対し
高い透過性を有する。従って、非破壊状態で被検体の分
析が可能である。また、近赤外線は、エネルギーの低い
電磁波であるので、被検体を殆ど損傷することがない。
常に小さく、散乱を受けにくいので、分厚い物体に対し
高い透過性を有する。従って、非破壊状態で被検体の分
析が可能である。また、近赤外線は、エネルギーの低い
電磁波であるので、被検体を殆ど損傷することがない。
【０００４】上述の近赤外線を用いた特定成分の定量分
析、例えば、メロン、スイカなどの果実類の糖度の分析
には、近赤外スペクトル中の限定されたピークから得ら
れたデータと、予め求めた糖度の検量線より、糖度を算
出していた。このような定量分析は、農業、食品分野で
利用されている。
析、例えば、メロン、スイカなどの果実類の糖度の分析
には、近赤外スペクトル中の限定されたピークから得ら
れたデータと、予め求めた糖度の検量線より、糖度を算
出していた。このような定量分析は、農業、食品分野で
利用されている。
【０００５】しかし、上記のような分析では特定成分の
定量分析しか行えず、定性分析、例えば、炎症等を起こ
した異常な被検体と正常な被検体との判別（例えば、ガ
ン化したマウスと正常なマウスの判別）、類似した種類
の被検体間の判別（例えば、黒豚由来の肉とその他の豚
由来の肉の判別）、個々の被検体の同定（例えば、個々
の牛の同定）等を行うことができなかった。これらの分
析は、ＤＮＡ分析のように高価な分析機器が必要であっ
たり、分析手順が煩雑であったり、高度の熟練を必要と
したり、分析に長時間必要としたりする等の問題があっ
た。
定量分析しか行えず、定性分析、例えば、炎症等を起こ
した異常な被検体と正常な被検体との判別（例えば、ガ
ン化したマウスと正常なマウスの判別）、類似した種類
の被検体間の判別（例えば、黒豚由来の肉とその他の豚
由来の肉の判別）、個々の被検体の同定（例えば、個々
の牛の同定）等を行うことができなかった。これらの分
析は、ＤＮＡ分析のように高価な分析機器が必要であっ
たり、分析手順が煩雑であったり、高度の熟練を必要と
したり、分析に長時間必要としたりする等の問題があっ
た。
【０００６】
【発明が解決しようとする課題】本発明の目的は、近赤
外スペクトルを用いた、非破壊状態で、より高い精度
で、被検体の情報を得るための新規な方法を提供するこ
とにある。
外スペクトルを用いた、非破壊状態で、より高い精度
で、被検体の情報を得るための新規な方法を提供するこ
とにある。
【０００７】
【課題を解決するための手段】本発明者は、被検体中に
存在する水分子と他の構成成分との水素結合状態に着目
した。そして、被検体の可視−近赤外スペクトル中のピ
ークを、分光学的手法により要素ピークに分解し、その
中の水分子の要素ピークと、上記の水素結合状態との関
係について研究したところ、この水分子の要素ピーク
が、水分子と他の構成成分との相互作用（水素結合状態
の変化）によって、シフトしたり吸光度が変化したりす
るとの知見を得た。そして、この水分子の要素ピークを
通して、より高い精度で、被検体の情報を得ることが可
能となることがわかった。このような、被検体の可視−
近赤外スペクトル中の水分子の要素ピークを通して、被
検体の情報を得るという方法は、本発明者により初めて
行われたものである。
存在する水分子と他の構成成分との水素結合状態に着目
した。そして、被検体の可視−近赤外スペクトル中のピ
ークを、分光学的手法により要素ピークに分解し、その
中の水分子の要素ピークと、上記の水素結合状態との関
係について研究したところ、この水分子の要素ピーク
が、水分子と他の構成成分との相互作用（水素結合状態
の変化）によって、シフトしたり吸光度が変化したりす
るとの知見を得た。そして、この水分子の要素ピークを
通して、より高い精度で、被検体の情報を得ることが可
能となることがわかった。このような、被検体の可視−
近赤外スペクトル中の水分子の要素ピークを通して、被
検体の情報を得るという方法は、本発明者により初めて
行われたものである。
【０００８】即ち、本発明は、以下のとおりである。 (1) （ａ）被検体に、４００ｎｍから２５００ｎｍま
でのまたはその一部の領域の連続波長光を照射して、被
検体のスペクトルを得る工程、および、（ｂ）得られた
スペクトル中のピークを、分光学的手法により要素ピー
クに分解する工程、を含む、被検体の情報を得る方法。 (2) 被検体が、天然物、人工物およびそれらの加工品
から選ばれる、上記(1)記載の方法。 (3) 被検体が、生体（ヒトを除く）、農産物およびそ
の加工品、畜産物およびその加工品、並びに海産物およ
びその加工品から選ばれる、上記(1)記載の方法。 (4) 分光学的手法が２次微分処理である、上記(1)記載
の方法。 (5) （ａ）複数の被検体からなる特定の群に属する各
被検体に、４００ｎｍから２５００ｎｍまでのまたはそ
の一部の領域の連続波長光を照射して、各被検体のスペ
クトルを得る工程、（ｂ）得られた各スペクトル中のピ
ークを、分光学的手法により要素ピークに分解し、その
中の水分子の要素ピークを多変量解析して、その群の解
析モデルを作成する工程、および、（ｃ）未知の被検体
を、上記工程（ａ）の光の照射および上記工程（ｂ）の
分光学的手法に供して、その水分子の要素ピークのスペ
クトルパターンから、未知の被検体の属する群を判別す
る工程、を含む、方法。 (6) 被検体が、天然物、人工物およびそれらの加工品
から選ばれる、上記(5)記載の方法。 (7) 被検体が、生体（ヒトを除く）、農産物およびそ
の加工品、畜産物およびその加工品、並びに海産物およ
びその加工品から選ばれる、上記(5)記載の方法。 (8) 多変量解析が主成分分析である、上記(5)記載の方
法。 (9) 分光学的手法が２次微分処理である、上記(5)記載
の方法。 (10) 被検体の正常または異常を判別する方法である、
上記(5)記載の方法。 (11) （ａ）被検体に、４００ｎｍから２５００ｎｍま
でのまたはその一部の領域の連続波長光を照射して、被
検体のスペクトルを得る工程、（ｂ）得られた各スペク
トル中のピークを、分光学的手法により要素ピークに分
解し、その中の水分子の要素ピークを多変量解析して、
被検体の解析モデルを作成する工程、および、（ｃ）未
知の被検体を、上記工程（ａ）の光の照射および上記工
程（ｂ）の分光学的手法に供して、その水分子の要素ピ
ークのスペクトルパターンから、未知の被検体を同定す
る工程、を含む、方法。 (12) 被検体が、天然物、人工物およびそれらの加工品
から選ばれる、上記(11)記載の方法。 (13) 被検体が、生体（ヒトを除く）、農産物およびそ
の加工品、畜産物およびその加工品、並びに海産物およ
びその加工品から選ばれる、上記(11)記載の方法。 (14) 多変量解析が主成分分析である、上記(11)記載の
方法。 (15) 分光学的手法が２次微分処理である、上記(11)記
載の方法。 (16) （ａ）被検体に、定期的に、４００ｎｍから２５
００ｎｍまでのまたはその一部の領域の連続波長光を照
射して、被検体の複数のスペクトルを得る工程、（ｂ）
得られた各スペクトル中のピークを、分光学的手法によ
り要素ピークに分解する工程、および、（ｃ）それらの
水分子の要素ピークのスペクトルパターンから、当該被
検体における経時変化をリアルタイムでモニターする工
程、を含む、方法。 (17) 被検体が、天然物、人工物およびそれらの加工品
から選ばれる、上記(16)記載の方法。 (18) 被検体が、生体（ヒトを除く）、農産物およびそ
の加工品、畜産物およびその加工品、並びに海産物およ
びその加工品から選ばれる、上記(16)記載の方法。 (19) 分光学的手法が２次微分処理である、上記(16)記
載の方法。
でのまたはその一部の領域の連続波長光を照射して、被
検体のスペクトルを得る工程、および、（ｂ）得られた
スペクトル中のピークを、分光学的手法により要素ピー
クに分解する工程、を含む、被検体の情報を得る方法。 (2) 被検体が、天然物、人工物およびそれらの加工品
から選ばれる、上記(1)記載の方法。 (3) 被検体が、生体（ヒトを除く）、農産物およびそ
の加工品、畜産物およびその加工品、並びに海産物およ
びその加工品から選ばれる、上記(1)記載の方法。 (4) 分光学的手法が２次微分処理である、上記(1)記載
の方法。 (5) （ａ）複数の被検体からなる特定の群に属する各
被検体に、４００ｎｍから２５００ｎｍまでのまたはそ
の一部の領域の連続波長光を照射して、各被検体のスペ
クトルを得る工程、（ｂ）得られた各スペクトル中のピ
ークを、分光学的手法により要素ピークに分解し、その
中の水分子の要素ピークを多変量解析して、その群の解
析モデルを作成する工程、および、（ｃ）未知の被検体
を、上記工程（ａ）の光の照射および上記工程（ｂ）の
分光学的手法に供して、その水分子の要素ピークのスペ
クトルパターンから、未知の被検体の属する群を判別す
る工程、を含む、方法。 (6) 被検体が、天然物、人工物およびそれらの加工品
から選ばれる、上記(5)記載の方法。 (7) 被検体が、生体（ヒトを除く）、農産物およびそ
の加工品、畜産物およびその加工品、並びに海産物およ
びその加工品から選ばれる、上記(5)記載の方法。 (8) 多変量解析が主成分分析である、上記(5)記載の方
法。 (9) 分光学的手法が２次微分処理である、上記(5)記載
の方法。 (10) 被検体の正常または異常を判別する方法である、
上記(5)記載の方法。 (11) （ａ）被検体に、４００ｎｍから２５００ｎｍま
でのまたはその一部の領域の連続波長光を照射して、被
検体のスペクトルを得る工程、（ｂ）得られた各スペク
トル中のピークを、分光学的手法により要素ピークに分
解し、その中の水分子の要素ピークを多変量解析して、
被検体の解析モデルを作成する工程、および、（ｃ）未
知の被検体を、上記工程（ａ）の光の照射および上記工
程（ｂ）の分光学的手法に供して、その水分子の要素ピ
ークのスペクトルパターンから、未知の被検体を同定す
る工程、を含む、方法。 (12) 被検体が、天然物、人工物およびそれらの加工品
から選ばれる、上記(11)記載の方法。 (13) 被検体が、生体（ヒトを除く）、農産物およびそ
の加工品、畜産物およびその加工品、並びに海産物およ
びその加工品から選ばれる、上記(11)記載の方法。 (14) 多変量解析が主成分分析である、上記(11)記載の
方法。 (15) 分光学的手法が２次微分処理である、上記(11)記
載の方法。 (16) （ａ）被検体に、定期的に、４００ｎｍから２５
００ｎｍまでのまたはその一部の領域の連続波長光を照
射して、被検体の複数のスペクトルを得る工程、（ｂ）
得られた各スペクトル中のピークを、分光学的手法によ
り要素ピークに分解する工程、および、（ｃ）それらの
水分子の要素ピークのスペクトルパターンから、当該被
検体における経時変化をリアルタイムでモニターする工
程、を含む、方法。 (17) 被検体が、天然物、人工物およびそれらの加工品
から選ばれる、上記(16)記載の方法。 (18) 被検体が、生体（ヒトを除く）、農産物およびそ
の加工品、畜産物およびその加工品、並びに海産物およ
びその加工品から選ばれる、上記(16)記載の方法。 (19) 分光学的手法が２次微分処理である、上記(16)記
載の方法。
【０００９】
【発明の実施の形態】以下、本発明を詳細に説明する。
本発明においては、まず、被検体に、４００ｎｍから２
５００ｎｍまでのまたはその一部の領域の連続波長光を
照射して、被検体のスペクトルを得る。
本発明においては、まず、被検体に、４００ｎｍから２
５００ｎｍまでのまたはその一部の領域の連続波長光を
照射して、被検体のスペクトルを得る。
【００１０】本発明において、「４００ｎｍから２５０
０ｎｍまでのまたはその一部の領域の連続波長光」と
は、４００ｎｍ〜２５００ｎｍの範囲またはその一部の
範囲（例えば６００〜１０００ｎｍ）の、その範囲全体
にわたって連続的に波長を変化させた光をいい、例え
ば、６００ｎｍから１０００ｎｍまで１ｎｍずつ波長を
連続的に変化させた光である。
０ｎｍまでのまたはその一部の領域の連続波長光」と
は、４００ｎｍ〜２５００ｎｍの範囲またはその一部の
範囲（例えば６００〜１０００ｎｍ）の、その範囲全体
にわたって連続的に波長を変化させた光をいい、例え
ば、６００ｎｍから１０００ｎｍまで１ｎｍずつ波長を
連続的に変化させた光である。
【００１１】本発明で用いられる近赤外線分光光度計と
しては、特に制限なく、公知の近赤外線分光光度計が使
用できる。
しては、特に制限なく、公知の近赤外線分光光度計が使
用できる。
【００１２】次いで、得られたスペクトル中のピーク
を、分光学的手法により要素ピークに分解する。本発明
において、要素ピークに分解する分光学的手法として
は、例えば、２次微分処理、フーリエ変換、ウェブレッ
ト変換、ニューラルネットワーク法等が例示されるが、
本発明はこれらには限定されず、公知の分光学的手法お
よび本発明以降の新たな分光学的手法も全て本発明に含
まれる。また、被検体情報の分析に必要とされる分光学
的手法が選択して用いられる。
を、分光学的手法により要素ピークに分解する。本発明
において、要素ピークに分解する分光学的手法として
は、例えば、２次微分処理、フーリエ変換、ウェブレッ
ト変換、ニューラルネットワーク法等が例示されるが、
本発明はこれらには限定されず、公知の分光学的手法お
よび本発明以降の新たな分光学的手法も全て本発明に含
まれる。また、被検体情報の分析に必要とされる分光学
的手法が選択して用いられる。
【００１３】モデルを作成する場合には、次に、上記要
素ピーク中の水分子の要素ピークを多変量解析する。本
発明で使用できる多変量解析としては、主成分分析、因
子分析、クラスター分析、ＳＩＭＣＡ（soft independe
nt modeling of class analogy）等が例示されるが、本
発明はこれらには限定されず、公知の多変量解析法およ
び本発明以降の新たな多変量解析法も全て本発明に含ま
れる。また、被検体情報の分析に必要とされる多変量解
析法が選択して用いられる。
素ピーク中の水分子の要素ピークを多変量解析する。本
発明で使用できる多変量解析としては、主成分分析、因
子分析、クラスター分析、ＳＩＭＣＡ（soft independe
nt modeling of class analogy）等が例示されるが、本
発明はこれらには限定されず、公知の多変量解析法およ
び本発明以降の新たな多変量解析法も全て本発明に含ま
れる。また、被検体情報の分析に必要とされる多変量解
析法が選択して用いられる。
【００１４】上記の中でも、より現実的な予測機能があ
る点で、ＳＩＭＣＡを用いることが好ましい。ＳＩＭＣ
Ａは群毎の主成分分析であり、未知の被検体が、どのク
ラスに属するかあるいは属さないかを判別できる。
る点で、ＳＩＭＣＡを用いることが好ましい。ＳＩＭＣ
Ａは群毎の主成分分析であり、未知の被検体が、どのク
ラスに属するかあるいは属さないかを判別できる。
【００１５】具体的には、群毎に被検体の水分子の要素
ピークを主成分分析して、互いに無相関な複数の主成分
に情報を要約し、これらの主成分スコアの分布に基づい
て、群毎に主成分モデルを作成する。そして、未知の被
検体がどの群に属するかあるいは属さないかを、ＳＩＭ
ＣＡにより判別する。
ピークを主成分分析して、互いに無相関な複数の主成分
に情報を要約し、これらの主成分スコアの分布に基づい
て、群毎に主成分モデルを作成する。そして、未知の被
検体がどの群に属するかあるいは属さないかを、ＳＩＭ
ＣＡにより判別する。
【００１６】水は、その物理化学的特性が極めて特異的
であり、これは、水分子の水素結合状態によるものと考
えられている。水分子の水素結合状態は９種類あること
が知られており、それらは５種に分類されることも知ら
れている。また、９７０ｎｍ近傍の水分子のピークは、
水素結合状態が異なる５種の水分子の要素ピークに分解
されることも知られている。
であり、これは、水分子の水素結合状態によるものと考
えられている。水分子の水素結合状態は９種類あること
が知られており、それらは５種に分類されることも知ら
れている。また、９７０ｎｍ近傍の水分子のピークは、
水素結合状態が異なる５種の水分子の要素ピークに分解
されることも知られている。
【００１７】水においては、水分子同士が水素結合して
いる。ここに他の成分が加わると、水分子間の水素結合
に切断が生じたり、水分子と他の成分との間で新たな水
素結合が形成される等、水素結合状態は変化する。被検
体はたいていの場合、多量の水を含有し、かつ水以外の
他の構成成分も含有する。
いる。ここに他の成分が加わると、水分子間の水素結合
に切断が生じたり、水分子と他の成分との間で新たな水
素結合が形成される等、水素結合状態は変化する。被検
体はたいていの場合、多量の水を含有し、かつ水以外の
他の構成成分も含有する。
【００１８】本発明者は、可視−近赤外スペクトル中の
ピークを分光学的手法により要素ピークに分解し、その
中の水分子の要素ピークと、水分子と他の成分との水素
結合状態との関係を鋭意研究した結果、水分子と他の成
分との相互作用（水素結合状態の変化）により、水分子
の要素ピークがシフトしたり、強度が変化するという知
見を得た。
ピークを分光学的手法により要素ピークに分解し、その
中の水分子の要素ピークと、水分子と他の成分との水素
結合状態との関係を鋭意研究した結果、水分子と他の成
分との相互作用（水素結合状態の変化）により、水分子
の要素ピークがシフトしたり、強度が変化するという知
見を得た。
【００１９】本発明者は、水と、水にラクトース、Ｎａ
Ｃｌまたはアルブミンを添加したものについて、それぞ
れ、６００〜１０００ｎｍの近赤外線を照射し、スペク
トル中のピークを分光学的手法により要素ピークに分解
し、その中の水分子の要素ピークを主成分分析した。そ
のときの第１および第２主成分ローディングを図１〜４
に示す。また、このローディングで示される水分子の要
素ピークを表１に示す。ここでは、５．２６ｇ／ｍｌの
ラクトース水溶液、１．２７ｇ／ｍｌのＮａＣｌ水溶
液、２．５６ｇ／ｍｌのアルブミン水溶液について上記
の方法でそれぞれスペクトルを得、その後これらの溶液
を２倍希釈して、同様にそれぞれスペクトルを得、さら
に２倍希釈して、同様にそれぞれスペクトルを得る、と
いうように繰り返して、ラクトース水溶液、ＮａＣｌ水
溶液、アルブミン水溶液について、それぞれ１５のスペ
クトルを得、これらを上記方法で要素ピークに分解し、
その中の水分子の要素ピークを主成分分析した。
Ｃｌまたはアルブミンを添加したものについて、それぞ
れ、６００〜１０００ｎｍの近赤外線を照射し、スペク
トル中のピークを分光学的手法により要素ピークに分解
し、その中の水分子の要素ピークを主成分分析した。そ
のときの第１および第２主成分ローディングを図１〜４
に示す。また、このローディングで示される水分子の要
素ピークを表１に示す。ここでは、５．２６ｇ／ｍｌの
ラクトース水溶液、１．２７ｇ／ｍｌのＮａＣｌ水溶
液、２．５６ｇ／ｍｌのアルブミン水溶液について上記
の方法でそれぞれスペクトルを得、その後これらの溶液
を２倍希釈して、同様にそれぞれスペクトルを得、さら
に２倍希釈して、同様にそれぞれスペクトルを得る、と
いうように繰り返して、ラクトース水溶液、ＮａＣｌ水
溶液、アルブミン水溶液について、それぞれ１５のスペ
クトルを得、これらを上記方法で要素ピークに分解し、
その中の水分子の要素ピークを主成分分析した。
【００２０】なお、近赤外スペクトルの測定には、近赤
外分光光度計（Fantoc社（株）製、FRUIT TESTER20、
セル長１ｍｍ）を使用して、６００〜１０００ｎｍの近
赤外線を照射（６００ｎｍから１０００ｎｍまで１ｎｍ
間隔で）した。得られたスペクトルＴを吸光度スペクト
ルに変換するためにｌｏｇ（１／Ｔ）を計算し、次いで
スムージング処理した。次いで、スペクトル中のピーク
を２次微分処理して要素ピークに分解し、その中の水分
子の要素ピークを主成分分析した。これらの一連の処理
には、データ処理ソフトとして、Pirouette2.6（GＬサ
イエンス社（株）製）を使用した。
外分光光度計（Fantoc社（株）製、FRUIT TESTER20、
セル長１ｍｍ）を使用して、６００〜１０００ｎｍの近
赤外線を照射（６００ｎｍから１０００ｎｍまで１ｎｍ
間隔で）した。得られたスペクトルＴを吸光度スペクト
ルに変換するためにｌｏｇ（１／Ｔ）を計算し、次いで
スムージング処理した。次いで、スペクトル中のピーク
を２次微分処理して要素ピークに分解し、その中の水分
子の要素ピークを主成分分析した。これらの一連の処理
には、データ処理ソフトとして、Pirouette2.6（GＬサ
イエンス社（株）製）を使用した。
【００２１】
【表１】
【００２２】表１より、水にラクトース、ＮａＣｌまた
はアルブミンを添加したものにおいては、それらの水分
子の要素ピークが、水単独における水分子の要素ピーク
と比べてシフトしていることがわかる。
はアルブミンを添加したものにおいては、それらの水分
子の要素ピークが、水単独における水分子の要素ピーク
と比べてシフトしていることがわかる。
【００２３】例えば、代表的には、水単独における水分
子の要素ピーク６５２ｎｍ、７２４ｎｍ、７４０ｎｍ、
７８２ｎｍ、７９４ｎｍ、８４２ｎｍ、８７２ｎｍ、９
３４ｎｍ、９６４ｎｍは、水にラクトースを添加したも
のにおいては、それぞれ６５６ｎｍ、７３０ｎｍ、７４
４ｎｍ、７８０ｎｍ、７９６ｎｍ、８３８ｎｍ、８７８
ｎｍ、９３２ｎｍ、９６２ｎｍにシフトしていることが
わかる。
子の要素ピーク６５２ｎｍ、７２４ｎｍ、７４０ｎｍ、
７８２ｎｍ、７９４ｎｍ、８４２ｎｍ、８７２ｎｍ、９
３４ｎｍ、９６４ｎｍは、水にラクトースを添加したも
のにおいては、それぞれ６５６ｎｍ、７３０ｎｍ、７４
４ｎｍ、７８０ｎｍ、７９６ｎｍ、８３８ｎｍ、８７８
ｎｍ、９３２ｎｍ、９６２ｎｍにシフトしていることが
わかる。
【００２４】また、代表的には、水単独における水分子
の要素ピーク６２４ｎｍ、６２８ｎｍ、６５２ｎｍ、６
６２ｎｍ、７０４ｎｍ、７２４ｎｍ、７６０ｎｍ、７８
２ｎｍ、７９４ｎｍ、８３０ｎｍ、８４２ｎｍ、８７２
ｎｍ、８８６ｎｍ、９３４ｎｍ、９６４ｎｍは、水にＮ
ａＣｌを添加したものにおいては、それぞれ６２２ｎ
ｍ、６３０ｎｍ、６５４ｎｍ、６６４ｎｍ、７０８ｎ
ｍ、７３０ｎｍ、７６２ｎｍ、７８０ｎｍ、７９８ｎ
ｍ、８２８ｎｍ、８４６ｎｍ、８７６ｎｍ、８９０ｎ
ｍ、９３２ｎｍ、９６８ｎｍにシフトしていることがわ
かる。
の要素ピーク６２４ｎｍ、６２８ｎｍ、６５２ｎｍ、６
６２ｎｍ、７０４ｎｍ、７２４ｎｍ、７６０ｎｍ、７８
２ｎｍ、７９４ｎｍ、８３０ｎｍ、８４２ｎｍ、８７２
ｎｍ、８８６ｎｍ、９３４ｎｍ、９６４ｎｍは、水にＮ
ａＣｌを添加したものにおいては、それぞれ６２２ｎ
ｍ、６３０ｎｍ、６５４ｎｍ、６６４ｎｍ、７０８ｎ
ｍ、７３０ｎｍ、７６２ｎｍ、７８０ｎｍ、７９８ｎ
ｍ、８２８ｎｍ、８４６ｎｍ、８７６ｎｍ、８９０ｎ
ｍ、９３２ｎｍ、９６８ｎｍにシフトしていることがわ
かる。
【００２５】さらに、代表的には、水単独における水分
子の要素ピーク６５２ｎｍ、６９０ｎｍ、７２４ｎｍ、
７６０ｎｍ、７８２ｎｍ、７９４ｎｍ、８１４ｎｍ、８
３０ｎｍ、８７４ｎｍ、９３４ｎｍ、９６４ｎｍは、水
にアルブミンを添加したものにおいては、それぞれ６５
４ｎｍ、６９４ｎｍ、７２８ｎｍ、７６２ｎｍ、７７８
ｎｍ、７９６ｎｍ、８１６ｎｍ、８３４ｎｍ、８７６ｎ
ｍ、９３２ｎｍ、９６８ｎｍにシフトしていることがわ
かる。
子の要素ピーク６５２ｎｍ、６９０ｎｍ、７２４ｎｍ、
７６０ｎｍ、７８２ｎｍ、７９４ｎｍ、８１４ｎｍ、８
３０ｎｍ、８７４ｎｍ、９３４ｎｍ、９６４ｎｍは、水
にアルブミンを添加したものにおいては、それぞれ６５
４ｎｍ、６９４ｎｍ、７２８ｎｍ、７６２ｎｍ、７７８
ｎｍ、７９６ｎｍ、８１６ｎｍ、８３４ｎｍ、８７６ｎ
ｍ、９３２ｎｍ、９６８ｎｍにシフトしていることがわ
かる。
【００２６】このように、他の成分の添加（存在）によ
り水素結合状態が変化すると、スペクトル中の水分子の
要素ピークはシフトする（または強度が変化する）。被
検体中に存在する水以外の他の構成成分（被検体中の水
以外の全成分をいう）の種類および量は個々の被検体に
より異なり、よって、被検体中の水分子と他の構成成分
との水素結合状態は被検体に固有である。従って、被検
体中の水と他の構成成分との水素結合状態により変化し
得る（シフトし得るまたは強度が変化し得る）この水分
子の要素ピークを、被検体に固有の水分子の要素ピーク
としてとらえることができる。このような固有の水分子
の要素ピークを通して、より高い精度で簡単に被検体の
情報を得ることが可能となる。
り水素結合状態が変化すると、スペクトル中の水分子の
要素ピークはシフトする（または強度が変化する）。被
検体中に存在する水以外の他の構成成分（被検体中の水
以外の全成分をいう）の種類および量は個々の被検体に
より異なり、よって、被検体中の水分子と他の構成成分
との水素結合状態は被検体に固有である。従って、被検
体中の水と他の構成成分との水素結合状態により変化し
得る（シフトし得るまたは強度が変化し得る）この水分
子の要素ピークを、被検体に固有の水分子の要素ピーク
としてとらえることができる。このような固有の水分子
の要素ピークを通して、より高い精度で簡単に被検体の
情報を得ることが可能となる。
【００２７】具体的には、より精度の高い解析モデルを
作成でき、この解析モデルから、より高い精度で、未知
の被検体が属する群の判別や未知の被検体の同定が可能
となる。また、水分子の要素ピークのスペクトルパター
ンから、被検体における情報の経時変化をリアルタイム
でモニターすることも可能となる。
作成でき、この解析モデルから、より高い精度で、未知
の被検体が属する群の判別や未知の被検体の同定が可能
となる。また、水分子の要素ピークのスペクトルパター
ンから、被検体における情報の経時変化をリアルタイム
でモニターすることも可能となる。
【００２８】本発明における被検体としては、特に制限
はないが、好ましくは非破壊分析を必要とするものであ
り、天然物、人工物およびそれらの加工品のいずれでも
よい。具体的には、生体（ヒトを除く、牛、マウス等の
哺乳動物、魚類、植物等）、農産物（穀類、野菜、豆
類、種子類等）またはそれらの加工品、畜産物（牛乳、
肉類等）またはそれらの加工品、海産物またはそれらの
加工品、土壌、木材、医薬品等が挙げられる。
はないが、好ましくは非破壊分析を必要とするものであ
り、天然物、人工物およびそれらの加工品のいずれでも
よい。具体的には、生体（ヒトを除く、牛、マウス等の
哺乳動物、魚類、植物等）、農産物（穀類、野菜、豆
類、種子類等）またはそれらの加工品、畜産物（牛乳、
肉類等）またはそれらの加工品、海産物またはそれらの
加工品、土壌、木材、医薬品等が挙げられる。
【００２９】本発明における定性的な情報としては、例
えば、以下のものが挙げられる。 １．被検体がどのグループに属するかを判別する。例え
ば、被検体の正常・異常を判別する。具体的には、例え
ば、生体（ヒトを除く）が異常（例えばガン、炎症等の
疾病）か正常かを判別する。また、被検体の産地を判別
する。具体的には、香料、大豆、小麦等の産地を判別す
る。さらに、類縁種間の被検体を判別する。具体的に
は、黒豚由来の肉かその他の豚由来の肉かを判別する。
さらに、被検体の等級を判別する。具体的には、水産
物、農産物の鮮度により等級を判別する。さらに、被検
体があるレベルの品質を有するかどうかを判別する。具
体的には、食品加工時にたんぱく質が受けた加熱変性の
度合いにより、品質を判別する。
えば、以下のものが挙げられる。 １．被検体がどのグループに属するかを判別する。例え
ば、被検体の正常・異常を判別する。具体的には、例え
ば、生体（ヒトを除く）が異常（例えばガン、炎症等の
疾病）か正常かを判別する。また、被検体の産地を判別
する。具体的には、香料、大豆、小麦等の産地を判別す
る。さらに、類縁種間の被検体を判別する。具体的に
は、黒豚由来の肉かその他の豚由来の肉かを判別する。
さらに、被検体の等級を判別する。具体的には、水産
物、農産物の鮮度により等級を判別する。さらに、被検
体があるレベルの品質を有するかどうかを判別する。具
体的には、食品加工時にたんぱく質が受けた加熱変性の
度合いにより、品質を判別する。
【００３０】具体的な判別方法は、次の手順により行わ
れる。まず、複数の被検体からなる特定の群（例えば、
正常・異常別、産地別、種別、等級別、品質別）に属す
る各被検体に、４００ｎｍから２５００ｎｍまでのまた
はその一部の領域の連続波長光を照射して、各被検体の
スペクトルを得る。
れる。まず、複数の被検体からなる特定の群（例えば、
正常・異常別、産地別、種別、等級別、品質別）に属す
る各被検体に、４００ｎｍから２５００ｎｍまでのまた
はその一部の領域の連続波長光を照射して、各被検体の
スペクトルを得る。
【００３１】次いで、得られた各スペクトル中のピーク
を、分光学的手法（例えば、２次微分処理）により要素
ピークに分解し、その中の水分子の要素ピークを多変量
解析（例えば、主成分分析）し、そしてそれらの群の解
析モデル（例えば、主成分モデル）を作成する。
を、分光学的手法（例えば、２次微分処理）により要素
ピークに分解し、その中の水分子の要素ピークを多変量
解析（例えば、主成分分析）し、そしてそれらの群の解
析モデル（例えば、主成分モデル）を作成する。
【００３２】次いで、未知の被検体を、上記と同様の光
の照射と分光学的手法に供して、その水分子の要素ピー
クのスペクトルパターンから、未知の被検体が属する群
を判別する。具体的には、その水分子の要素ピークのス
ペクトルパターンと各群のモデルとの距離から、ＳＩＭ
ＣＡにより判別する。このようにして、例えば、産地、
種、等級、品質、個体、正常・異常を識別できる。
の照射と分光学的手法に供して、その水分子の要素ピー
クのスペクトルパターンから、未知の被検体が属する群
を判別する。具体的には、その水分子の要素ピークのス
ペクトルパターンと各群のモデルとの距離から、ＳＩＭ
ＣＡにより判別する。このようにして、例えば、産地、
種、等級、品質、個体、正常・異常を識別できる。
【００３３】２．個体（個々の被検体）を同定する。例
えば、個々の生体（例えば牛）を同定する。この方法で
は、人間における指紋のような、個々の生体に固有の情
報により、例えば個々の牛にいちいち札をつけることな
く管理できる。また、個々の被検体の由来も同定でき
る。例えば、個々の牛肉、牛乳等の畜産物を同定すれ
ば、それが、それぞれどの牛に由来するものであるかも
同定できる。
えば、個々の生体（例えば牛）を同定する。この方法で
は、人間における指紋のような、個々の生体に固有の情
報により、例えば個々の牛にいちいち札をつけることな
く管理できる。また、個々の被検体の由来も同定でき
る。例えば、個々の牛肉、牛乳等の畜産物を同定すれ
ば、それが、それぞれどの牛に由来するものであるかも
同定できる。
【００３４】具体的な同定方法は、次の手順により行わ
れる。まず、被検体に、４００ｎｍから２５００ｎｍま
でのまたはその一部の領域の連続波長光を照射して、被
検体のスペクトルを得る。
れる。まず、被検体に、４００ｎｍから２５００ｎｍま
でのまたはその一部の領域の連続波長光を照射して、被
検体のスペクトルを得る。
【００３５】次いで、得られたスペクトル中のピーク
を、分光学的手法（例えば、２次微分処理）により要素
ピークに分解する。被検体への照射が２回以上である場
合、その中の水分子の要素ピークを多変量解析（例え
ば、主成分分析）して、そして被検体の解析モデル（例
えば、主成分モデル）を作成する。被検体への照射が１
回のみである場合、水分子の要素ピークのスペクトルパ
ターンを被検体に固有のスペクトルパターンとする。
を、分光学的手法（例えば、２次微分処理）により要素
ピークに分解する。被検体への照射が２回以上である場
合、その中の水分子の要素ピークを多変量解析（例え
ば、主成分分析）して、そして被検体の解析モデル（例
えば、主成分モデル）を作成する。被検体への照射が１
回のみである場合、水分子の要素ピークのスペクトルパ
ターンを被検体に固有のスペクトルパターンとする。
【００３６】次いで、未知の被検体を、上記と同様の光
の照射と分光学的手法に供して、その水分子の要素ピー
クのスペクトルパターンから、未知の被検体を同定す
る。具体的には、その水分子の要素ピークのスペクトル
パターンと、被検体のモデルとの距離から、ＳＩＭＣＡ
により同定する。または、その水分子の要素ピークのス
ペクトルパターンと、予め得た被検体に固有のスペクト
ルパターンを比較することにより同定する。
の照射と分光学的手法に供して、その水分子の要素ピー
クのスペクトルパターンから、未知の被検体を同定す
る。具体的には、その水分子の要素ピークのスペクトル
パターンと、被検体のモデルとの距離から、ＳＩＭＣＡ
により同定する。または、その水分子の要素ピークのス
ペクトルパターンと、予め得た被検体に固有のスペクト
ルパターンを比較することにより同定する。
【００３７】３．被検体の経時変化をリアルタイムでモ
ニターする。具体的なモニター方法は、次の手順で行わ
れる。まず、被検体に、定期的に、４００ｎｍから２５
００ｎｍまでのまたはその一部の領域の連続波長光を照
射して、被検体のスペクトルを得る。
ニターする。具体的なモニター方法は、次の手順で行わ
れる。まず、被検体に、定期的に、４００ｎｍから２５
００ｎｍまでのまたはその一部の領域の連続波長光を照
射して、被検体のスペクトルを得る。
【００３８】次いで、得られた各スペクトル中のピーク
を、分光学的手法（例えば、２次微分処理）により要素
ピークに分解する。そして、それらの水分子の要素ピー
クのスペクトルパターンから、当該被検体における経時
変化をリアルタイムでモニターする。具体的には、各ス
ペクトルパターンを比較し、水分子のどの要素ピークで
経時変化が生じた（ピーク強度の変化、ピークの有無
等）かを判断する。ここで、１つの要素ピークでの経時
変化を見てもよいし、複数の要素ピークでの経時変化を
見てもよい。また、上記の全てのスペクトルの水分子の
要素ピークを多変量解析（例えば、主成分分析）する
と、どの要素ピークに経時変化が生じているか知ること
もできる（例えば主成分ローディングから）。このよう
な水分子の要素ピークの経時変化から、被検体に具体的
にどのような経時変化が生じているのかを予測すること
もできる。
を、分光学的手法（例えば、２次微分処理）により要素
ピークに分解する。そして、それらの水分子の要素ピー
クのスペクトルパターンから、当該被検体における経時
変化をリアルタイムでモニターする。具体的には、各ス
ペクトルパターンを比較し、水分子のどの要素ピークで
経時変化が生じた（ピーク強度の変化、ピークの有無
等）かを判断する。ここで、１つの要素ピークでの経時
変化を見てもよいし、複数の要素ピークでの経時変化を
見てもよい。また、上記の全てのスペクトルの水分子の
要素ピークを多変量解析（例えば、主成分分析）する
と、どの要素ピークに経時変化が生じているか知ること
もできる（例えば主成分ローディングから）。このよう
な水分子の要素ピークの経時変化から、被検体に具体的
にどのような経時変化が生じているのかを予測すること
もできる。
【００３９】
【実施例】以下、実施例を挙げて、本発明を具体的に説
明するが、本発明はこれらの実施例に限定されるもので
はない。
明するが、本発明はこれらの実施例に限定されるもので
はない。
【００４０】実施例１：マウスの正常または異常（ガン
化）の判別 ＜使用動物＞マウス（ＣＤＦ１、雄マウス、日本ＳＬＣ
より入手、７週齢）に、発ガン性物質であるベンツピレ
ンを添加した飼料（ベンツピレン投与量：０．５ｍｇ／
ｋｇ／ｄａｙ）と無添加の飼料とをそれぞれ与えて、温
度２５±２℃、湿度６０±３％の条件下で６ヶ月間飼育
して、異常マウス群（ベンツピレン投与群、ガン化した
マウス群）と正常マウス群（ベンツピレン非投与群）を
得、これらを供試した。正常群と異常群（ガン化）の各
群を７匹とした。
化）の判別 ＜使用動物＞マウス（ＣＤＦ１、雄マウス、日本ＳＬＣ
より入手、７週齢）に、発ガン性物質であるベンツピレ
ンを添加した飼料（ベンツピレン投与量：０．５ｍｇ／
ｋｇ／ｄａｙ）と無添加の飼料とをそれぞれ与えて、温
度２５±２℃、湿度６０±３％の条件下で６ヶ月間飼育
して、異常マウス群（ベンツピレン投与群、ガン化した
マウス群）と正常マウス群（ベンツピレン非投与群）を
得、これらを供試した。正常群と異常群（ガン化）の各
群を７匹とした。
【００４１】＜スペクトルの測定＞可視−近赤外スペク
トルの測定には近赤外分光光度計（Fantoc社（株）製、
FRUIT TESTER20）を使用し、正常群および異常群の各
マウスについて、マウス全体に、６００〜１０００ｎｍ
の近赤外線を照射（６００ｎｍから１０００ｎｍまで１
ｎｍ間隔で）した。得られた各スペクトルＴを吸光度ス
ペクトルに変換するために、ｌｏｇ（１／Ｔ）を計算
し、そしてスムージング処理した。これらの処理にはデ
ータ処理ソフトとして、Pirouette2.6（GＬサイエンス
社（株）製）を使用した。
トルの測定には近赤外分光光度計（Fantoc社（株）製、
FRUIT TESTER20）を使用し、正常群および異常群の各
マウスについて、マウス全体に、６００〜１０００ｎｍ
の近赤外線を照射（６００ｎｍから１０００ｎｍまで１
ｎｍ間隔で）した。得られた各スペクトルＴを吸光度ス
ペクトルに変換するために、ｌｏｇ（１／Ｔ）を計算
し、そしてスムージング処理した。これらの処理にはデ
ータ処理ソフトとして、Pirouette2.6（GＬサイエンス
社（株）製）を使用した。
【００４２】＜主成分モデルの作成とマウスの異常の識
別＞スムージング処理を行った後、得られた各スペクト
ル中のピークを、２次微分処理により要素ピークに分解
した。次いで、その中の水分子の要素ピークを主成分分
析し、抽出した主成分スコアの分布に基づき、各群の主
成分モデルを作成した。各群の主成分スコアに基づく分
布（第１〜３主成分のみ）を図５に示す。図５より、正
常群と異常群はそれぞれ１つの群を形成していることが
わかる。また、ＳＩＭＣＡにより計算された各群の距離
（クラス間距離）を表２に示す。表２より、正常群と異
常群の間の距離は１．１５６８であることがわかる。な
お、吸光度スペクトルの変換、２次微分処理、主成分分
析およびＳＩＭＣＡには、データ処理ソフトとして、Pi
rouette2.6（GＬサイエンス社（株）製）を使用した。
別＞スムージング処理を行った後、得られた各スペクト
ル中のピークを、２次微分処理により要素ピークに分解
した。次いで、その中の水分子の要素ピークを主成分分
析し、抽出した主成分スコアの分布に基づき、各群の主
成分モデルを作成した。各群の主成分スコアに基づく分
布（第１〜３主成分のみ）を図５に示す。図５より、正
常群と異常群はそれぞれ１つの群を形成していることが
わかる。また、ＳＩＭＣＡにより計算された各群の距離
（クラス間距離）を表２に示す。表２より、正常群と異
常群の間の距離は１．１５６８であることがわかる。な
お、吸光度スペクトルの変換、２次微分処理、主成分分
析およびＳＩＭＣＡには、データ処理ソフトとして、Pi
rouette2.6（GＬサイエンス社（株）製）を使用した。
【００４３】
【表２】
【００４４】上述のマウスのうちの供試しなかったマウ
スについて、上記と同様の方法により近赤外線照射およ
び２次微分処理を行い、その水分子の要素ピークのスペ
クトルパターンと各群のモデルとの距離から、ＳＩＭＣ
Ａにより、どの群に属するか、あるいは属さないかを判
別した。９０％以上の確率で判別することができた。
スについて、上記と同様の方法により近赤外線照射およ
び２次微分処理を行い、その水分子の要素ピークのスペ
クトルパターンと各群のモデルとの距離から、ＳＩＭＣ
Ａにより、どの群に属するか、あるいは属さないかを判
別した。９０％以上の確率で判別することができた。
【００４５】実施例２：牛乳の同定（牛乳の由来の同
定） ＜使用牛乳＞兵庫県立淡路農業技術センターのホルスタ
イン種牛４匹（ＣＯＷＮｏ．１０５８、ＣＯＷＮｏ．１
０６５、ＣＯＷＮｏ．１０６６およびＣＯＷＮｏ．１０
７６）由来の牛乳を供試した。各牛乳８〜１２サンプル
とした。
定） ＜使用牛乳＞兵庫県立淡路農業技術センターのホルスタ
イン種牛４匹（ＣＯＷＮｏ．１０５８、ＣＯＷＮｏ．１
０６５、ＣＯＷＮｏ．１０６６およびＣＯＷＮｏ．１０
７６）由来の牛乳を供試した。各牛乳８〜１２サンプル
とした。
【００４６】＜スペクトルの測定＞実施例１と同様の方
法により、各牛乳について、牛乳に近赤外線を照射して
スペクトルを測定し（但し、セル長１ｍｍ）、吸光度ス
ペクトルに変換し、スムージング処理した。
法により、各牛乳について、牛乳に近赤外線を照射して
スペクトルを測定し（但し、セル長１ｍｍ）、吸光度ス
ペクトルに変換し、スムージング処理した。
【００４７】＜主成分モデルの作成と牛乳の由来の識別
＞スムージング処理を行った後、得られた各スペクトル
中のピークを、２次微分処理により要素ピークに分解し
た。次いで、その中の水分子の要素ピークを主成分分析
し、抽出した主成分スコアの分布に基づき、各牛乳の主
成分モデルを作成した。各牛乳の主成分スコアに基づく
分布（第１主成分および第２主成分のみ）を図６に示
す。図６より、各牛乳はそれぞれ１つの群を形成してい
ることがわかる。また、ＳＩＭＣＡにより計算された各
牛乳間の距離（クラス間距離）を表３に示す。表３よ
り、各牛乳間の距離は２．９０以上であることがわか
る。なお、吸光度スペクトルの変換、スムージング処
理、２次微分処理、主成分分析およびＳＩＭＣＡには実
施例１と同様のソフトを使用した。
＞スムージング処理を行った後、得られた各スペクトル
中のピークを、２次微分処理により要素ピークに分解し
た。次いで、その中の水分子の要素ピークを主成分分析
し、抽出した主成分スコアの分布に基づき、各牛乳の主
成分モデルを作成した。各牛乳の主成分スコアに基づく
分布（第１主成分および第２主成分のみ）を図６に示
す。図６より、各牛乳はそれぞれ１つの群を形成してい
ることがわかる。また、ＳＩＭＣＡにより計算された各
牛乳間の距離（クラス間距離）を表３に示す。表３よ
り、各牛乳間の距離は２．９０以上であることがわか
る。なお、吸光度スペクトルの変換、スムージング処
理、２次微分処理、主成分分析およびＳＩＭＣＡには実
施例１と同様のソフトを使用した。
【００４８】
【表３】
【００４９】上記の牛乳中の供試しなかった牛乳につい
て、上記と同様の方法により近赤外線照射および２次微
分処理を行い、その水分子の要素ピークのスペクトルパ
ターンと各牛乳のモデルとの距離から、ＳＩＭＣＡによ
り、どの牛乳であるかを同定した。９０％以上の確率で
同定することができた。これにより、その牛乳がどの牛
に由来するのか判別することもできた。
て、上記と同様の方法により近赤外線照射および２次微
分処理を行い、その水分子の要素ピークのスペクトルパ
ターンと各牛乳のモデルとの距離から、ＳＩＭＣＡによ
り、どの牛乳であるかを同定した。９０％以上の確率で
同定することができた。これにより、その牛乳がどの牛
に由来するのか判別することもできた。
【００５０】実施例３：牛の同定 ＜使用試料＞兵庫県立淡路農業技術センターのホルスタ
イン種牛１１匹（ＣＯＷＮｏ．５、ＣＯＷＮｏ．８、Ｃ
ＯＷＮｏ．１１、ＣＯＷＮｏ．１２、ＣＯＷＮｏ．１
３、ＣＯＷＮｏ．１４、ＣＯＷＮｏ．１５、ＣＯＷＮ
ｏ．２２、ＣＯＷＮｏ．２３、ＣＯＷＮｏ．２４および
ＣＯＷＮｏ．７９）を使用し、測定部位は乳房とした。
各牛の同じ乳房について３〜４回測定した。
イン種牛１１匹（ＣＯＷＮｏ．５、ＣＯＷＮｏ．８、Ｃ
ＯＷＮｏ．１１、ＣＯＷＮｏ．１２、ＣＯＷＮｏ．１
３、ＣＯＷＮｏ．１４、ＣＯＷＮｏ．１５、ＣＯＷＮ
ｏ．２２、ＣＯＷＮｏ．２３、ＣＯＷＮｏ．２４および
ＣＯＷＮｏ．７９）を使用し、測定部位は乳房とした。
各牛の同じ乳房について３〜４回測定した。
【００５１】＜スペクトルの測定＞実施例１と同様の方
法により、各牛ごとに、牛の乳房に近赤外線を照射して
スペクトルを測定し、吸光度スペクトルに変換し、スム
ージング処理した。
法により、各牛ごとに、牛の乳房に近赤外線を照射して
スペクトルを測定し、吸光度スペクトルに変換し、スム
ージング処理した。
【００５２】＜主成分モデルの作成と牛の同定＞スムー
ジング処理を行った後、得られた各スペクトル中のピー
クを、２次微分処理により要素ピークに分解した。次い
で、その中の水分子の要素ピークを主成分分析し、抽出
した主成分スコアの分布に基づき、各牛の主成分モデル
を作成した。各牛の主成分スコアに基づく分布（第１主
成分および第２主成分のみ）を図７に示す。図７より、
各牛の主成分モデルはそれぞれ１つの群を形成している
ことがわかる。また、ＳＩＭＣＡにより計算された各牛
間の距離（クラス間距離）を表４に示す。表４より、各
牛間の距離は０．９５０７０７以上であることがわか
る。なお、吸光度スペクトルの変換、スムージング処
理、２次微分処理、主成分分析およびＳＩＭＣＡには実
施例１と同様のソフトを使用した。
ジング処理を行った後、得られた各スペクトル中のピー
クを、２次微分処理により要素ピークに分解した。次い
で、その中の水分子の要素ピークを主成分分析し、抽出
した主成分スコアの分布に基づき、各牛の主成分モデル
を作成した。各牛の主成分スコアに基づく分布（第１主
成分および第２主成分のみ）を図７に示す。図７より、
各牛の主成分モデルはそれぞれ１つの群を形成している
ことがわかる。また、ＳＩＭＣＡにより計算された各牛
間の距離（クラス間距離）を表４に示す。表４より、各
牛間の距離は０．９５０７０７以上であることがわか
る。なお、吸光度スペクトルの変換、スムージング処
理、２次微分処理、主成分分析およびＳＩＭＣＡには実
施例１と同様のソフトを使用した。
【００５３】
【表４】
【００５４】上記の１１匹中のある牛について、上記と
同様の方法により近赤外線照射および２次微分処理を行
い、その水分子の要素ピークのスペクトルパターンと各
牛のモデルとの距離から、ＳＩＭＣＡにより、どの牛で
あるかを同定した。９０％以上の確率で同定することが
できた。
同様の方法により近赤外線照射および２次微分処理を行
い、その水分子の要素ピークのスペクトルパターンと各
牛のモデルとの距離から、ＳＩＭＣＡにより、どの牛で
あるかを同定した。９０％以上の確率で同定することが
できた。
【００５５】実施例４：牛のモニタリング ＜使用試料＞兵庫県立淡路農業技術センターのホルスタ
イン種牛を使用した。測定部位を乳房とした。
イン種牛を使用した。測定部位を乳房とした。
【００５６】実施例１と同様の方法により、搾乳時、３
０秒毎に、牛の乳房に近赤外線を照射してスペクトルを
測定し、吸光度スペクトルに変換し、スムージング処理
した。
０秒毎に、牛の乳房に近赤外線を照射してスペクトルを
測定し、吸光度スペクトルに変換し、スムージング処理
した。
【００５７】＜スペクトルパターンの作成と牛のモニタ
リング＞スムージング処理を行った後、得られた各スペ
クトル中のピークを、２次微分処理により要素ピークに
分解した。なお、吸光度スペクトルの変換、スムージン
グ処理および２次微分処理には実施例１と同様のソフト
を使用した。水分子の要素ピークのスペクトルパターン
中の、水分子の要素ピーク８４０ｎｍにおける吸光度を
図８に示す。図８より、８４０ｎｍにおいて経時変化が
生じていることがわかる。
リング＞スムージング処理を行った後、得られた各スペ
クトル中のピークを、２次微分処理により要素ピークに
分解した。なお、吸光度スペクトルの変換、スムージン
グ処理および２次微分処理には実施例１と同様のソフト
を使用した。水分子の要素ピークのスペクトルパターン
中の、水分子の要素ピーク８４０ｎｍにおける吸光度を
図８に示す。図８より、８４０ｎｍにおいて経時変化が
生じていることがわかる。
【００５８】
【発明の効果】本発明によれば、可視−近赤外スペクト
ル中のピークを、分光学的手法により要素ピークに分解
し、その中の水分子の要素ピークを通して、非破壊状態
で、比較的簡単な装置を用いて、より高い精度で迅速、
低コストで、被検体の情報を得ることができる。
ル中のピークを、分光学的手法により要素ピークに分解
し、その中の水分子の要素ピークを通して、非破壊状態
で、比較的簡単な装置を用いて、より高い精度で迅速、
低コストで、被検体の情報を得ることができる。
【図１】 水のスペクトルの要素ピークを主成分分析し
た時の第１および第２主成分のローディングを示す図で
ある。
た時の第１および第２主成分のローディングを示す図で
ある。
【図２】 水にラクトースを添加したもののスペクトル
の要素ピークを主成分分析した時の第１および第２主成
分のローディングを示す図である。
の要素ピークを主成分分析した時の第１および第２主成
分のローディングを示す図である。
【図３】 水にＮａＣｌを添加したもののスペクトルの
要素ピークを主成分分析した時の第１および第２主成分
のローディングを示す図である。
要素ピークを主成分分析した時の第１および第２主成分
のローディングを示す図である。
【図４】 水にアルブミンを添加したもののスペクトル
の要素ピークを主成分分析した時の第１および第２主成
分のローディングを示す図である。
の要素ピークを主成分分析した時の第１および第２主成
分のローディングを示す図である。
【図５】 正常マウス群と異常マウス群のスペクトルの
要素ピークを主成分分析した時の、主成分スコアに基づ
く分布を示す図である。
要素ピークを主成分分析した時の、主成分スコアに基づ
く分布を示す図である。
【図６】 由来の異なる牛乳のスペクトルの要素ピーク
を主成分分析した時の、主成分スコアに基づく分布を示
す図である。
を主成分分析した時の、主成分スコアに基づく分布を示
す図である。
【図７】 個々の牛のスペクトルの要素ピークを主成分
分析した時の、主成分スコアに基づく分布を示す図であ
る。
分析した時の、主成分スコアに基づく分布を示す図であ
る。
【図８】 牛の乳房のスペクトルを２次微分処理し、そ
の中の水分子の要素ピーク８４０ｎｍにおける吸光度の
経時変化を示す図である。
の中の水分子の要素ピーク８４０ｎｍにおける吸光度の
経時変化を示す図である。
───────────────────────────────────────────────────── フロントページの続き (71)出願人 000153328 株式会社日本食品開発研究所 京都府京都市北区大将軍一条町83番地 (72)発明者 ツェンコヴァ ルミアナ 兵庫県神戸市東灘区住吉山手７−１−331 Ｆターム(参考） 2G059 AA01 AA05 BB11 CC09 EE01 EE12 FF10 HH01 HH02 HH06 MM01 MM02 MM04 MM20
Claims (19)
- 【請求項１】 （ａ）被検体に、４００ｎｍから２５０
０ｎｍまでのまたはその一部の領域の連続波長光を照射
して、被検体のスペクトルを得る工程、および、（ｂ）
得られたスペクトル中のピークを、分光学的手法により
要素ピークに分解する工程、を含む、被検体の情報を得
る方法。 - 【請求項２】 被検体が、天然物、人工物およびそれら
の加工品から選ばれる、請求項１記載の方法。 - 【請求項３】 被検体が、生体（ヒトを除く）、農産物
およびその加工品、畜産物およびその加工品、並びに海
産物およびその加工品から選ばれる、請求項１記載の方
法。 - 【請求項４】 分光学的手法が２次微分処理である、請
求項１記載の方法。 - 【請求項５】 （ａ）複数の被検体からなる特定の群に
属する各被検体に、４００ｎｍから２５００ｎｍまでの
またはその一部の領域の連続波長光を照射して、各被検
体のスペクトルを得る工程、（ｂ）得られた各スペクト
ル中のピークを、分光学的手法により要素ピークに分解
し、その中の水分子の要素ピークを多変量解析して、そ
の群の解析モデルを作成する工程、および、（ｃ）未知
の被検体を、上記工程（ａ）の光の照射および上記工程
（ｂ）の分光学的手法に供して、その水分子の要素ピー
クのスペクトルパターンから、未知の被検体の属する群
を判別する工程、を含む、方法。 - 【請求項６】 被検体が、天然物、人工物およびそれら
の加工品から選ばれる、請求項５記載の方法。 - 【請求項７】 被検体が、生体（ヒトを除く）、農産物
およびその加工品、畜産物およびその加工品、並びに海
産物およびその加工品から選ばれる、請求項５記載の方
法。 - 【請求項８】 多変量解析が主成分分析である、請求項
５記載の方法。 - 【請求項９】 分光学的手法が２次微分処理である、請
求項５記載の方法。 - 【請求項１０】 被検体の正常または異常を判別する方
法である、請求項５記載の方法。 - 【請求項１１】 （ａ）被検体に、４００ｎｍから２５
００ｎｍまでのまたはその一部の領域の連続波長光を照
射して、被検体のスペクトルを得る工程、（ｂ）得られ
た各スペクトル中のピークを、分光学的手法により要素
ピークに分解し、その中の水分子の要素ピークを多変量
解析して、被検体の解析モデルを作成する工程、およ
び、（ｃ）未知の被検体を、上記工程（ａ）の光の照射
および上記工程（ｂ）の分光学的手法に供して、その水
分子の要素ピークのスペクトルパターンから、未知の被
検体を同定する工程、を含む、方法。 - 【請求項１２】 被検体が、天然物、人工物およびそれ
らの加工品から選ばれる、請求項１１記載の方法。 - 【請求項１３】 被検体が、生体（ヒトを除く）、農産
物およびその加工品、畜産物およびその加工品、並びに
海産物およびその加工品から選ばれる、請求項１１記載
の方法。 - 【請求項１４】 多変量解析が主成分分析である、請求
項１１記載の方法。 - 【請求項１５】 分光学的手法が２次微分処理である、
請求項１１記載の方法。 - 【請求項１６】 （ａ）被検体に、定期的に、４００ｎ
ｍから２５００ｎｍまでのまたはその一部の領域の連続
波長光を照射して、被検体の複数のスペクトルを得る工
程、（ｂ）得られた各スペクトル中のピークを、分光学
的手法により要素ピークに分解する工程、および、
（ｃ）それらの水分子の要素ピークのスペクトルパター
ンから、当該被検体における経時変化をリアルタイムで
モニターする工程、を含む、方法。 - 【請求項１７】 被検体が、天然物、人工物およびそれ
らの加工品から選ばれる、請求項１６記載の方法。 - 【請求項１８】 被検体が、生体（ヒトを除く）、農産
物およびその加工品、畜産物およびその加工品、並びに
海産物およびその加工品から選ばれる、請求項１６記載
の方法。 - 【請求項１９】 分光学的手法が２次微分処理である、
請求項１６記載の方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000183427A JP2002005827A (ja) | 2000-06-19 | 2000-06-19 | 被検体の情報を得る方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000183427A JP2002005827A (ja) | 2000-06-19 | 2000-06-19 | 被検体の情報を得る方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002005827A true JP2002005827A (ja) | 2002-01-09 |
Family
ID=18684015
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000183427A Pending JP2002005827A (ja) | 2000-06-19 | 2000-06-19 | 被検体の情報を得る方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002005827A (ja) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005050176A1 (ja) * | 2003-11-10 | 2005-06-02 | Zaidanhozin Sinsangyosozokenkyukiko | 可視光・近赤外分光分析方法及びその装置 |
| WO2005111583A1 (ja) * | 2004-05-17 | 2005-11-24 | The New Industry Research Organization | 近赤外線分光法による野菜等の成分の非破壊検査法、及び同装置 |
| WO2006051847A1 (ja) * | 2004-11-12 | 2006-05-18 | The New Industry Research Organization | Ｈｉｖ等のウイルス感染の有無、又はプリオン感染の有無を近赤外線分光法により検査・判定する方法、及び同方法に使用する装置 |
| WO2007066589A1 (ja) | 2005-12-06 | 2007-06-14 | Fatigue Science Laboratory Inc. | 近赤外分光を用いた生活習慣病に関する検査・診断法および装置 |
| JP2008064681A (ja) * | 2006-09-08 | 2008-03-21 | Iwate Univ | 受粉蕾の検出方法及び装置 |
| US8233960B2 (en) | 2005-05-18 | 2012-07-31 | Fatigue Science Laboratory Inc. | Method and device for diagnosing chronic fatigue syndrome (CFS) by using near infrared spectrum |
| WO2014034668A1 (ja) * | 2012-08-31 | 2014-03-06 | 築野食品工業株式会社 | 近赤外光分光法を用いたγ－オリザノールの定量方法 |
| WO2014050339A1 (ja) * | 2012-09-25 | 2014-04-03 | 住友電気工業株式会社 | 木質材料の分類方法及び判定方法 |
| JP2017138105A (ja) * | 2016-02-01 | 2017-08-10 | 株式会社明治 | 包装食品の密封状態判定方法及び密封包装食品の製造方法 |
| WO2020111262A1 (ja) * | 2018-11-29 | 2020-06-04 | キユーピー株式会社 | 殻付き鶏卵の選別方法、殻付き鶏卵の評価方法及びゆで卵の製造方法 |
| WO2021187503A1 (ja) * | 2020-03-18 | 2021-09-23 | 国立大学法人 神戸大学 | 近赤外分光法による汚染検査方法及び検出装置 |
-
2000
- 2000-06-19 JP JP2000183427A patent/JP2002005827A/ja active Pending
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005050176A1 (ja) * | 2003-11-10 | 2005-06-02 | Zaidanhozin Sinsangyosozokenkyukiko | 可視光・近赤外分光分析方法及びその装置 |
| JPWO2005050176A1 (ja) * | 2003-11-10 | 2007-06-07 | 財団法人新産業創造研究機構 | 可視光・近赤外分光分析方法及びその装置 |
| US7570357B2 (en) | 2003-11-10 | 2009-08-04 | Kyokko Denki Kabushiki Kaisha | Visible/near-infrared spectrometry and its device |
| JP4710012B2 (ja) * | 2003-11-10 | 2011-06-29 | 公益財団法人新産業創造研究機構 | 可視光・近赤外分光分析方法及びその装置 |
| WO2005111583A1 (ja) * | 2004-05-17 | 2005-11-24 | The New Industry Research Organization | 近赤外線分光法による野菜等の成分の非破壊検査法、及び同装置 |
| WO2006051847A1 (ja) * | 2004-11-12 | 2006-05-18 | The New Industry Research Organization | Ｈｉｖ等のウイルス感染の有無、又はプリオン感染の有無を近赤外線分光法により検査・判定する方法、及び同方法に使用する装置 |
| JPWO2006051847A1 (ja) * | 2004-11-12 | 2008-05-29 | 財団法人新産業創造研究機構 | Ｈｉｖ等のウイルス感染の有無、又はプリオン感染の有無を近赤外線分光法により検査・判定する方法、及び同方法に使用する装置 |
| US8233960B2 (en) | 2005-05-18 | 2012-07-31 | Fatigue Science Laboratory Inc. | Method and device for diagnosing chronic fatigue syndrome (CFS) by using near infrared spectrum |
| WO2007066589A1 (ja) | 2005-12-06 | 2007-06-14 | Fatigue Science Laboratory Inc. | 近赤外分光を用いた生活習慣病に関する検査・診断法および装置 |
| JP2008064681A (ja) * | 2006-09-08 | 2008-03-21 | Iwate Univ | 受粉蕾の検出方法及び装置 |
| WO2014034668A1 (ja) * | 2012-08-31 | 2014-03-06 | 築野食品工業株式会社 | 近赤外光分光法を用いたγ－オリザノールの定量方法 |
| JPWO2014034668A1 (ja) * | 2012-08-31 | 2016-08-08 | 築野食品工業株式会社 | 近赤外光分光法を用いたγ−オリザノールの定量方法 |
| WO2014050339A1 (ja) * | 2012-09-25 | 2014-04-03 | 住友電気工業株式会社 | 木質材料の分類方法及び判定方法 |
| JP2014066578A (ja) * | 2012-09-25 | 2014-04-17 | Sumitomo Electric Ind Ltd | 木質材料の分類方法及び判定方法 |
| CN103930764A (zh) * | 2012-09-25 | 2014-07-16 | 住友电气工业株式会社 | 木质材料的分类方法及判定方法 |
| US9164029B2 (en) | 2012-09-25 | 2015-10-20 | Sumitomo Electric Industries, Ltd. | Method of classifying and discerning wooden materials |
| JP2017138105A (ja) * | 2016-02-01 | 2017-08-10 | 株式会社明治 | 包装食品の密封状態判定方法及び密封包装食品の製造方法 |
| WO2020111262A1 (ja) * | 2018-11-29 | 2020-06-04 | キユーピー株式会社 | 殻付き鶏卵の選別方法、殻付き鶏卵の評価方法及びゆで卵の製造方法 |
| JP2020095008A (ja) * | 2018-11-29 | 2020-06-18 | キユーピー株式会社 | 殻付き鶏卵の選別方法、殻付き鶏卵の評価方法及びゆで卵の製造方法 |
| WO2021187503A1 (ja) * | 2020-03-18 | 2021-09-23 | 国立大学法人 神戸大学 | 近赤外分光法による汚染検査方法及び検出装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xia et al. | Recent advances in emerging techniques for non-destructive detection of seed viability: A review | |
| Prieto et al. | A review of the principles and applications of near-infrared spectroscopy to characterize meat, fat, and meat products | |
| Kademi et al. | Applications of miniaturized and portable near infrared spectroscopy (NIRS) for inspection and control of meat and meat products | |
| Chandrasekaran et al. | Potential of near-infrared (NIR) spectroscopy and hyperspectral imaging for quality and safety assessment of fruits: An overview | |
| Pu et al. | Selection of feature wavelengths for developing multispectral imaging systems for quality, safety and authenticity of muscle foods-a review | |
| Kamruzzaman et al. | Non-destructive prediction and visualization of chemical composition in lamb meat using NIR hyperspectral imaging and multivariate regression | |
| Shackelford et al. | On-line classification of US Select beef carcasses for longissimus tenderness using visible and near-infrared reflectance spectroscopy | |
| Bisutti et al. | Multivariate and machine learning approaches for honey botanical origin authentication using near infrared spectroscopy | |
| Cozzolino et al. | Visible/near infrared reflectance spectroscopy for predicting composition and tracing system of production of beef muscle | |
| Liu et al. | Non-destructive determination of chemical and microbial spoilage indicators of beef for freshness evaluation using front-face synchronous fluorescence spectroscopy | |
| Xiaobo et al. | Non-invasive sensing for food reassurance | |
| Afseth et al. | A novel approach for subsurface through-skin analysis of salmon using spatially offset Raman spectroscopy (SORS) | |
| Iqbal et al. | An overview on principle, techniques and application of hyperspectral imaging with special reference to ham quality evaluation and control | |
| Arboleda | Discrimination of civet coffee using near infrared spectroscopy and artificial neural network | |
| Logan et al. | Authenticating common Australian beef production systems using Raman spectroscopy | |
| Tsenkova et al. | Near infrared spectra of cows' milk for milk quality evaluation: disease diagnosis and pathogen identification | |
| Patel et al. | Performance of different portable and hand-held near-infrared spectrometers for predicting beef composition and quality characteristics in the abattoir without meat sampling | |
| Bittante et al. | Invited review: A comprehensive review of visible and near-infrared spectroscopy for predicting the chemical composition of cheese | |
| ElMasry et al. | Meat quality assessment using a hyperspectral imaging system | |
| Fowler et al. | Preliminary investigation for the prediction of intramuscular fat content of lamb in-situ using a hand-held NIR spectroscopic device | |
| JP2002005827A (ja) | 被検体の情報を得る方法 | |
| Canaza-Cayo et al. | A feasibility study of the classification of Alpaca (Lama pacos) wool samples from different ages, sex and color by means of visible and near infrared reflectance spectroscopy | |
| Liu et al. | Feasibility of boar taint classification using a portable Raman device | |
| Berzaghi et al. | Near infrared spectroscopy in animal science production: principles and applications | |
| Kombolo-Ngah et al. | Across countries implementation of handheld near-infrared spectrometer for the on-line prediction of beef marbling in slaughterhouse |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070514 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090629 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090707 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090904 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091006 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100216 |