JP2021124481A - 光合成サンプルの評価システム、方法およびプログラム - Google Patents

Abstract

【課題】光合成サンプルが発する遅延発光の経時変化を適切に評価する。【解決手段】一実施形態に係る光合成サンプルの評価システムは、環境要因により曝露された曝露試料と、環境要因により曝露されていない対照試料とのそれぞれについて、光合成サンプルが発する遅延発光の経時変化を示す測定データを受け付け、主成分分析により得られる評価モデルと、測定データとに基づいて、曝露試料と、対照試料とのそれぞれについて複数の主成分のスコアを算出し、曝露試料の複数の主成分のスコアと、対照試料の複数の主成分のスコアとのスコア差を算出するように構成された少なくとも一つのプロセッサを備える。【選択図】図６

Description

本開示の一側面は、光合成サンプルの評価システム、方法およびプログラムに関する。

環境要因の生物への影響を評価するバイオアッセイの一つとして、従来から、藻類などの光合成サンプルが発する遅延発光の経時変化を評価する手法が知られている。特許文献１には、関数フィッティングを用いることにより、光合成サンプルを評価する技術が開示されている。

特許第６５９９１７３号公報

従来とは異なる手法により、光合成サンプルが発する遅延発光の経時変化を適切に評価することを目的とする。

本開示の一側面に係る光合成サンプルの評価システムは、環境要因により曝露された曝露試料と、環境要因により曝露されていない対照試料とのそれぞれについて、光合成サンプルが発する遅延発光の経時変化を示す測定データを受け付け、主成分分析により得られる評価モデルと、測定データとに基づいて、曝露試料と、対照試料とのそれぞれについて複数の主成分のスコアを算出し、曝露試料の複数の主成分のスコアと、対照試料の複数の主成分のスコアとのスコア差を算出するように構成された少なくとも一つのプロセッサを備える。

本開示の一側面に係る光合成サンプルの評価方法は、コンピュータによって実施され、環境要因により曝露された曝露試料と、環境要因により曝露されていない対照試料とのそれぞれについて、光合成サンプルが発する遅延発光の経時変化を示す測定データを受け付けるステップと、主成分分析により得られる評価モデルと、測定データとに基づいて、曝露試料と、対照試料とのそれぞれについて複数の主成分のスコアを算出するステップと、曝露試料の複数の主成分のスコアと、対照試料の複数の主成分のスコアとのスコア差を算出するステップとを含む。

本開示の一側面に係る光合成サンプルの評価プログラムは、環境要因により曝露された曝露試料と、環境要因により曝露されていない対照試料とのそれぞれについて、光合成サンプルが発する遅延発光の経時変化を示す測定データを受け付けるステップと、主成分分析により得られる評価モデルと、測定データとに基づいて、曝露試料と、対照試料とのそれぞれについて複数の主成分のスコアを算出するステップと、曝露試料の複数の主成分のスコアと、対照試料の複数の主成分のスコアとのスコア差を算出するステップとをコンピュータに実行させる。

このような側面においては、評価モデルと、光合成サンプルが発する遅延発光の経時変化を示す測定データとを用いることにより、曝露試料と対照試料とのそれぞれについて複数の主成分のスコアが得られる。そして、曝露試料のスコアと対照試料のスコアとの差分を算出することによって、曝露によるスコアの変化量が得られる。スコアの変化量は、曝露試料に含有される環境要因による影響を反映するので、この変化量を用いることで、光合成サンプルが発する遅延発光の経時変化を適切に評価することができる。

本開示の一側面によれば、光合成サンプルが発する遅延発光の経時変化を適切に評価することができる。

光合成サンプルの遅延発光の減衰の一例を示すグラフである。 遅延発光のメカニズムを示す図である。 評価システムの適用の一例を示す図である。 計測装置の構成の一例を示す図である。 評価システムに関連するハードウェア構成の一例を示す図である。 評価システムに関連する機能構成の一例を示す図である。 評価システムの動作の一例を示すフローチャートである。 評価システムの動作の一例を示すフローチャートである。 実施例１における化学物質の減衰曲線を示す図である。 実施例１における固有ベクトルを示す図である。 実施例１における減衰曲線の主成分毎のスコアを示す図である。 実施例１における曝露によるスコアの変化量を示す図である。 実施例１におけるクラスター分析の結果を示す図である。 実施例２における化学物質の減衰曲線を示す図である。 実施例２における曝露によるスコアの変化量を示す図である。 実施例２におけるクラスター分析の結果を示す図である。

以下、添付図面を参照しながら本開示での実施形態を詳細に説明する。図面の説明において同一または同等の要素には同一の符号を付し、重複する説明を省略する。

［システムの概要］
実施形態に係る光合成サンプルの評価システム（本開示では単に「評価システム」ともいう）１は、光合成サンプルが発する遅延発光の経時変化を示す測定データ（減衰曲線）を用いて該光合成サンプルを評価するための仕組みである。本明細書における「光合成サンプルを評価する」とは、その測定データに対する演算を実行することで客観的な結果を得ることである。

評価システム１は様々な目的で利用できる。例えば、評価システム１は、光合成サンプルに対する環境要因の影響の調査、光合成サンプルの生育診断、化学物質の解析または開発、光合成の研究、環境要因の調査、栽培品種の開発などの目的で利用されてもよい。本開示において、環境要因とは、光合成サンプルの光合成機能に何らかの影響を及ぼし得る要素のことをいう。環境要因の例として化学物質、水、温度、空気が挙げられるが、環境要因はこれらに限定されない。

光合成サンプルとは、光合成機能を有し、遅延発光を発することができる物体のことをいう。評価に用いられる光合成サンプルは何ら限定されない。例えば、光合成サンプルは藻類、植物性プランクトン、シアノバクテリア、光合成細菌、植物の葉もしくはその細片、カルスなどの植物性培養細胞、植物から抽出された光合成小器官またはチラコイド膜、または、人工的に合成された光合成様機能を持つ膜もしくはタンパク複合体であってもよい。

図１は光合成サンプルの遅延発光の減衰の一例を示すグラフである。図１に示すように、測定データで示される遅延発光の減衰は、発光量（信号強度）の軸と時間の軸という二つの軸で捉えた場合に、非指数型の裾の重い分布（Heavy-tailed distribution）で示される。図１のグラフの縦軸は発光量（信号強度）を示し、横軸は励起後時間である。励起後時間とは、励起光の照射を終了させた時点からの経過時間である。

図２は遅延発光のメカニズムを示す図である。図２を用いて、本開示に係る光合成サンプルの評価方法の理論的背景である光合成電子伝達について説明する。

一般に、光合成機能を有する光合成サンプルは、光エネルギーを多く吸収すると、光合成電子伝達系の個々の反応で律速が生じるため、光合成電子伝達が円滑に進まなくなる。言い換えれば、光合成サンプルの酸化還元状態が通常とは異なる状態になる。このような状態は、光合成サンプルに与える光条件を変更することで得られる。光条件とは、例えば、光合成サンプルに与える光の光量、波長、パルス幅および照射時間である。本明細書では、光合成電子伝達が円滑に進まない状態（光合成サンプルの酸化還元状態が通常と異なる状態）を光合成電子伝達系の「飽和」という。

図２に示すように、光合成サンプルの光合成反応は、主として、葉緑体チラコイド膜に存在する光化学系ＩＩ複合体（ＰＳＩＩ）、シトクロムｂ６ｆ複合体（ｃｙｔｂ_６ｆ）、光化学系Ｉ複合体（ＰＳＩ）、およびＡＴＰ合成酵素（ＡＴＰｓｙｎｔｈａｓｅ）により生産させる還元物質（ＮＡＤＰＨ）と、ＡＴＰ合成酵素を利用した二酸化炭素固定反応とにより行われる。

まず、ＰＳＩＩおよびＰＳＩが光を吸収し電子伝達反応を行う。具体的には、光が照射されるとＰＳＩＩにおいて水分子（Ｈ_２Ｏ）が分解され、電子（ｅ⁻）が取り出される。この電子は、ＰＳＩＩ反応中心（Ｐ６８０）からＱ_Ａ電子受容体（Ｑ_Ａ）を経て、Ｑ_Ｂ電子受容体（Ｑ_Ｂ）部位に結合している酸化型プラストキノン（ｐＱ_ＯＸ）に伝達される。そして、これにより還元型プラストキノン（ｐＱ_ｒｅｄ）が生じる。

還元型プラストキノンは、Ｑ_Ｂ部位から遊離してプラストキノンプール（ｐＱｐｏｏｌ）に移動した後、ｃｙｔｂ_６ｆにより再酸化され、酸化型プラストキノンに戻る。この際、ｃｙｔｂ_６ｆを介して水素イオン（Ｈ^＋）がチラコイド膜内に流入し、プロトン勾配を形成する。プロトン勾配を形成した水素イオンは、ＡＴＰ合成酵素によるＡＴＰ合成に利用される。一方、還元型プラストキノンの再酸化の際に抜き取られた電子は、ＰＳＩ反応中心（Ｐ７００）へ伝達される。この電子は、ＰＳＩ内でＰ７００からフェレドキシン（Ｆｄ）に伝達され、ＮＡＤＰＨの生産に寄与する。ＰＳＩ以降の過剰な電子（還元力）は、循環型電子伝達によりＦｄを介してｃｙｔｂ_６ｆに伝えられ、酸化型プラストキノンを還元する。この結果、還元型プラストキノンが生じる（循環的電子伝達）。

遅延発光は、上記の光合成電子伝達反応の逆反応の結果、主にＰＳＩＩの反応中心クロロフィルが化学的に再励起されることで起こる発光であるとされているが、ＰＳＩも同様に発光に関与しているとする報告もある。また、ＰＳＩＩ内部、ｐＱｐｏｏｌ、ＰＳＩ以降のそれぞれに分布する電子がクロロフィルの再励起に寄与する主要な成分であると理解されている。したがって、上記の光合成電子伝達反応が環境要因（例えば有害物質）の影響により変化すると、遅延発光に変化が現れる。

一般的に、ｐＱｐｏｏｌ、ｃｙｔｂ_６ｆ、およびＰＳＩのそれぞれの電子伝達能力は、ＰＳＩＩの電子伝達能力に比べて低い。そのため、光照射によりＰＳＩＩが過剰に還元されると、ＰＳＩＩからの電子伝達によりｐＱｐｏｏｌが過剰に還元されるので、ＰＳＩＩから電子を受け取る酸化型プラストキノンが減少し、ＰＳＩＩからの光合成電子伝達の効率が低下することが知られている。このような現象は、光合成電子伝達の飽和の一つである。より具体的には、ＰＳＩＩが過剰に光吸収を行った場合、まず始めにｃｙｔｂ_６ｆによる還元型プラストキノンの再酸化が律速となり、ＰＳＩＩから電子を受け取ることができる酸化型プラストキノンが不足する。そのため、ＰＳＩＩからｃｙｔｂ_６ｆへの電子伝達が停滞する。その結果、ＰＳＩＩ内に過剰に電子が蓄積し、ＰＳＩＩの反応中心が破壊されるなど、光合成反応に種々の影響を及ぼす。このような影響を光阻害という。

このような光阻害を回避するために、本来ＰＳＩＩに電子を供給するための集光性色素タンパク複合体（ＬＨＣ２）がＰＳＩに移動する（ステート遷移）など、種々の代謝変化を引き起こすことが知られている。このような光阻害により引き起こされる代謝変化は、過剰な光照射を停止することで徐々に回復する。

［システムの構成］
図３は実施形態に係る評価システムの適用の一例を示す図である。本実施形態では、評価システム１はサーバ１０を備える。サーバ１０は、光合成サンプルが発する遅延発光の経時変化を示す測定データを評価するコンピュータである。サーバ１０は通信ネットワークＮを介して少なくとも一つの端末２０と接続する。図３は２台の端末２０を示すが、端末２０の台数は何ら限定されない。さらに、サーバ１０は通信ネットワークＮを介してデータベース３０と接続してもよい。通信ネットワークＮの構成は限定されない。例えば、通信ネットワークＮはインターネットを含んで構成されてもよいし、イントラネットを含んで構成されてもよい。

端末２０は、環境要因の生物への影響を評価するバイオアッセイを用いた作業（例えば、試験、研究、開発、評価等）を行うユーザによって用いられるコンピュータである。端末２０は、光合成サンプルが発する遅延発光の経時変化を示す測定データをサーバ１０に送信する機能を有する。端末２０は、測定データを取得するための計測装置を備えてもよいし、計測装置を備えずに他のコンピュータ等から測定データを取得してもよい。端末２０の種類および構成は限定されない。例えば、端末２０は高機能携帯電話機（スマートフォン）、タブレット端末、ウェアラブル端末（例えば、ヘッドマウントディスプレイ（ＨＭＤ）、スマートグラスなど）、ラップトップ型パーソナルコンピュータ、携帯電話機などの携帯端末でもよい。あるいは、端末２０はデスクトップ型パーソナルコンピュータなどの据置型端末でもよい。

図４は、計測装置の構成の一例を示す図である。計測装置２００は制御ユニット２１０、通信ユニット２２０、および計測ユニット２３０を備える。制御ユニット２１０と通信ユニット２２０とは有線または無線により接続され、互いにデータを送受信することができる。通信ユニット２２０と計測ユニット２３０とは有線または無線により接続され、互いにデータを送受信することができる。制御ユニット２１０と計測ユニット２３０とは通信ユニット２２０を介して互いにデータを送受信することができる。

制御ユニット２１０は、少なくとも一つのプロセッサ（例えばＣＰＵ：Central Processing Unit）、メモリなどのハードウェアを備え、計測ユニット２３０に制御信号を送信することで計測ユニット２３０を制御する装置である。制御ユニット２１０はさらに通信ユニット２２０を制御してもよい。

計測ユニット２３０は、光合成サンプルの遅延発光の発光量を測定する装置である。計測ユニット２３０は、所定の時間間隔で遅延発光の発光量を測定し、発光量を示すデータをその度に通信ユニット２２０に出力する。

図４はまた、計測ユニット２３０の断面を示す。計測ユニット２３０は筐体２３１と、その筐体２３１内に配置される設置部２３２、光源２３３、光検出器２３４、フィルタ２３５、集光光学系２３６、およびシャッタ２３７とを備える。

筐体２３１は、内部に光が入り込まないように、それ自体が光を遮断する遮光部材で形成されるか、光を遮断する塗料を塗布した部材で形成される。筐体２３１は、その一端に導入口２３８が形成された本体部２３１ａと、当該導入口２３８を閉塞することが可能な蓋部２３１ｂとから成る。蓋部２３１ｂの開閉は制御ユニット２１０により監視および制御される。シャッタ２３７が開いた状態では、筐体２３１の外部からの光が光センサ２３４ａに入射しないように蓋部２３１ｂがロックされる。

設置部２３２は、測定する光合成サンプルを入れた容器を置くための部分である。容器には、光合成サンプルに加えて環境要因が入れられてもよい。例えば、容器には、光合成サンプルと化学物質とを含む溶液が入れられる。設置部２３２は、導入口２３８から容器を設置することができる位置に設けられる。設置部２３２は容器を固定するための固定爪を有してもよい。

光源２３３は、遅延発光を発生させるために、設置部２３２に設置された容器中の光合成サンプルに所定波長（例えば２８０ｎｍ〜８００ｎｍ）の光を照射する装置である。光源２３３から発せられる光が励起光である。光源２３３は、単色光源であっても、複数の光源を組み合わせたものであってもよい。光源２３３からの照射は、所定時間における連続照射であってもよいし、任意のパターンでのパルス点灯であってもよい。また、同一または異なる波長特性を有する複数の光源を順番に発光させたり、複数の光源を同時に発光させたりしてもよい。光源２３３からの照射は制御ユニット２１０により制御される。

光検出器２３４は、光源２３３から光が照射されたことにより光合成サンプルから発生する遅延発光の発光量を検出する装置である。光検出器２３４は、遅延発光を検知する光センサ２３４ａと、光センサ２３４ａが出力する信号に基づいて遅延発光の発光量を算出する算出部２３４ｂとを有する。具体的には、光検出器２３４は光電子増倍管やフォトンカウンタなどにより構成される。光検出器２３４は、算出された発光量を示すデータを通信ユニット２２０に出力する。光検出器２３４は、遅延発光の検出と発光量の算出および出力とを所定の時間間隔で（例えば０．１秒間隔で）実行する。

設置部２３２から光検出器２３４へと至る領域には、フィルタ２３５、集光光学系２３６、およびシャッタ２３７がこの順番に設けられる。フィルタ２３５は遅延発光を透過させる部材である。集光光学系２３６は、微弱な遅延発光を集光、反射および透過させて光検出器２３４に入力させる器具である。シャッタ２３７は、必要な時のみ遅延発光が光検出器２３４で検出されるように開閉自在に構成される。シャッタ２３７が閉じている時には遅延発光が遮断される。シャッタ２３７の開閉は制御ユニット２１０により制御される。

通信ユニット２２０は、計測ユニット２３０から入力される測定データの入力を受け付け、その測定データを端末２０に送信する装置である。通信ユニット２２０は、励起光を光合成サンプルに照射することで該光合成サンプルから発生する遅延発光の経時変化を示す測定データを受け付ける。計測ユニット２３０の光検出器２３４は所定の時間間隔で発光量のデータを出力するので、通信ユニット２２０はそのデータを逐次受け付ける。遅延発光の経時変化を示す測定データは、通信ユニット２２０が所定時間（例えば６０秒間）の間に受け付けた複数のデータから成る集合である。通信ユニット２２０はその測定データを端末２０に送信する。計測装置２００と端末２０とが一体に形成されている場合、通信ユニット２２０は測定データをサーバ１０に送信するように構成されてもよい。

図３に戻り、データベース３０は、評価システム１に入力されるデータと、評価システム１からの出力データとの少なくとも一つを格納することができる装置である。データベース３０の設置場所は限定されない。例えば、データベース３０は、評価システム１とは別のコンピュータシステム内に設けられてもよいし、評価システム１の構成要素であってもよい。

図５は、評価システム１に関連するハードウェア構成の一例を示す図であり、具体的には、サーバ１０として機能するサーバコンピュータ１００を示す。

サーバコンピュータ１００は、ハードウェア構成要素の一例として、プロセッサ１０１、主記憶部１０２、補助記憶部１０３、および通信部１０４を備える。

プロセッサ１０１は、オペレーティングシステムおよびアプリケーションプログラムを実行する演算装置である。プロセッサの例としてＣＰＵ（Central Processing Unit）およびＧＰＵ（GraphicsProcessing Unit）が挙げられるが、プロセッサ１０１の種類はこれらに限定されない。例えば、プロセッサ１０１はセンサおよび専用回路の組合せでもよい。専用回路はＦＰＧＡ（Field-Programmable Gate Array）のようなプログラム可能な回路でもよいし、他の種類の回路でもよい。

主記憶部１０２は、サーバ１０を実現するためのプログラム、プロセッサ１０１から出力された演算結果などを記憶する装置である。主記憶部１０２は例えばＲＯＭ（Read Only Memory）およびＲＡＭ（Random AccessMemory）のうちの少なくとも一つにより構成される。

補助記憶部１０３は、一般に主記憶部１０２よりも大量のデータを記憶することが可能な装置である。補助記憶部１０３は例えばハードディスク、フラッシュメモリなどの不揮発性記憶媒体によって構成される。補助記憶部１０３は、サーバコンピュータ１００をサーバ１０として機能させるためのサーバプログラムＰ１と各種のデータとを記憶する。例えば、補助記憶部１０３はデータベース３０に記憶されるデータのうちの少なくとも一つに関するデータを記憶してもよい。本実施形態では、評価プログラムはサーバプログラムＰ１として実装される。

通信部１０４は、通信ネットワークＮを介して他のコンピュータとの間でデータ通信を実行する装置である。通信部１０４は例えばネットワークカードまたは無線通信モジュールにより構成される。

サーバ１０の各機能要素は、プロセッサ１０１または主記憶部１０２の上にサーバプログラムＰ１を読み込ませて、プロセッサ１０１にそのプログラムを実行させることで実現される。サーバプログラムＰ１は、サーバ１０の各機能要素を実現するためのコードを含む。プロセッサ１０１はサーバプログラムＰ１に従って通信部１０４を動作させ、主記憶部１０２または補助記憶部１０３におけるデータの読み出しおよび書き込みを実行する。このような処理によりサーバ１０の各機能要素が実現される。

サーバ１０は一つまたは複数のコンピュータにより構成され得る。複数のコンピュータが用いられる場合には、通信ネットワークを介してこれらのコンピュータが互いに接続されることで、論理的に一つのサーバ１０が構成される。

サーバプログラムＰ１は、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリなどの非一時的な記録媒体に固定的に記録された上で提供されてもよい。あるいは、サーバプログラムＰ１は、搬送波に重畳されたデータ信号として通信ネットワークを介して提供されてもよい。

図６は評価システム１に関連する機能構成の一例を示す図である。サーバ１０は、機能的構成要素として受付部１１、評価部１２、標準化部１３、変化量算出部１４、および類似性判定部１５を備える。

受付部１１は、光合成サンプルが発する遅延発光の経時変化を示す測定データを受け付ける機能要素である。一例では、測定データは曝露試料の測定データと、対照試料の測定データとの少なくとも一つを含み得る。曝露試料とは、環境要因により曝露された試料（光合成サンプル）のことをいう。対照試料とは、曝露試料との比較のために用いられる試料であり、より具体的には、環境要因により曝露されていない試料（光合成サンプル）のことをいう。曝露試料の測定データは、環境要因の曝露の度合いに応じて測定されたデータセットでもよい。一例では、このデータセットは、複数の曝露濃度のそれぞれについて得られたデータの集合である。

評価部１２は、測定データから評価モデルを構築する機能要素である。評価モデルとは、遅延発光の経時変化を評価するために用いられる数理モデルのことをいう。一例では、評価モデルは、測定データに対し主成分分析を行うことにより得られる。評価部１２はまた、評価モデルと測定データとに基づいて、複数の主成分のスコアを算出する機能要素である。主成分分析とは多数の変数をより少ない変数（この変数を「主成分」という）に要約する統計的なデータ解析手法のことをいう。複数の主成分のスコアとは、評価モデルと測定データ（減衰曲線）とに基づいて、複数の主成分のそれぞれについて算出されるスコアのことをいう。

標準化部１３は、評価部１２によって算出された複数の主成分のスコアを標準化する機能要素である。標準化とは複数の主成分の間でスコアの尺度を合わせる処理のことをいう。この標準化によって複数の主成分を同じ尺度で評価することが可能になる。

変化量算出部１４は、曝露によるスコアの変化量を算出する機能要素である。変化量算出部１４は、曝露試料の複数の主成分のスコアと、該曝露試料に対応する対照試料の複数の主成分のスコアとのスコア差を算出する。当該スコア差が曝露によるスコアの変化量である。

類似性判定部１５は、環境要因が既知である曝露試料（本開示ではこれを「既知の曝露試料」ともいう）と、環境要因が未知である曝露試料（本開示ではこれを「未知の曝露試料」ともいう）との間の類似性を判定する機能要素である。本開示において、類似性とは、未知の曝露試料が既知の曝露試料にどれくらい似ているかを示す度合いのことをいい、言い換えると、未知の環境要因が既知の環境要因にどれくらい似ているかを示す度合いのことをいう。類似性判定部１５は、既知の曝露試料に関するスコア差と、未知の曝露試料に関するスコア差とを比較して類似性を判定する。類似性判定部１５はまた、未知の曝露試料がどの既知の曝露試料との間で高い類似度を有するかに基づいて、環境要因の影響の度合いと環境要因の種類とのうちの少なくとも一つを評価することができる。

［システムの動作］
図７を参照しながら、評価システム１の動作を説明するとともに、本実施形態に係る光合成サンプルの評価方法について説明する。図７は、評価システム１の動作の一例を示すフローチャートである。

ステップＳ１１：受付部１１は、環境要因により曝露された曝露試料と環境要因により曝露されていない対照試料とのそれぞれについて、光合成サンプルが発する遅延発光の経時変化を示す測定データを受け付ける。受付部１１は、端末２０（または計測装置２００）から測定データを受信してもよいし、端末２０がデータベース３０に格納した測定データを取得してもよい。

ステップＳ１２：評価部１２は評価モデルに関する処理を選択する。具体的には、評価部１２は測定データから評価モデルを構築するか（ステップＳ１２において「構築」）、または評価モデルと測定データとに基づいて複数の主成分のスコアを算出するか（ステップＳ１２において「評価」）に応じて処理を振り分ける。評価部１２は、評価モデルが構築済みであるか否かに基づいて処理を振り分けてもよい。具体的には、評価部１２は評価モデルが未だ構築されていない場合には評価モデルの構築を選択し、評価モデルが構築済みである場合にはスコアの算出を選択する。あるいは、評価部１２は、新たな測定データによって評価モデルを更新する場合に評価モデルの構築を選択してもよい。

ステップＳ１３（ステップＳ１２において「構築」）：評価部１２は、曝露試料の測定データと、対照試料の測定データとのそれぞれに対して主成分分析を行う。それぞれの試料の測定データは、所定の時間間隔で得られた複数の測定値を含む。一例では、１以上の曝露試料と１以上の対照試料との群についての測定データは、それぞれの試料の測定値の個数をｉ、測定対象の試料の個数をαとすると、ｉ×αの分散共分散行列Ｙとして表すことができる。一例では、評価部１２は当該分散共分散行列Ｙに対して主成分分析を行うことにより複数の主成分を抽出し、固有ベクトル行列Ｆと、スコア行列Ｚとを得る。抽出される主成分の個数をｋとすると、固有ベクトル行列Ｆはｉ×ｋの行列であり、ｉ×ｋ個の固有ベクトルｆ_ｉｋにより構成される。スコア行列Ｚはα×ｋの行列であり、α×ｋ個のスコアｚ_αｋにより構成される。スコアｚ_αｋは重み付けの係数であるということができ、減衰曲線の特徴を表現する評価値であるともいうことができる。また、測定データにより示される各減衰曲線の特徴は、スコア行列Ｚと、固有ベクトル行列Ｆの転置行列Ｆ^Ｔ（ｋ×ｉの行列）とを用いて、ＺＦ^Ｔにより表される。具体的には、各減衰曲線の時点ｉでの遅延発光量の平均値Ｍ_ｉ（言い換えると、ｉ個目に位置するα個の遅延発光量の平均値）との差は、スコアｚ_αｋと転置行列Ｆ^Ｔの固有ベクトルｆ_ｋｉとを用いて、次の式（１）により表される。ここで、ｘ＾_αｉは試料αの時点ｉにおける遅延発光量の特徴（該遅延発光量と平均値との差）を表す。

一例では、分散共分散行列Ｙでは、時点ｉでの個々の遅延発光量から、該時点でｉでの遅延発光量の平均値Ｍ_ｉが減算されている。したがって、固有ベクトル行列Ｆとスコア行列Ｚから分散共分散行列Ｙを算出する場合、個々の時点ｉにおいて平均値Ｍ_ｉを加算する必要がある。この例では、分散共分散行列Ｙと、固有ベクトル行列Ｆ（転置行列Ｆ^Ｔ）と、スコア行列Ｚと、各時点の平均値Ｍ_ｉを示す行列Ｍとの関係は、Ｙ＝Ｍ＋ＺＦ^Ｔと表すことができる。

ステップＳ１４：評価部１２は、主成分分析により得られた固有ベクトル行列Ｆを評価モデルとして構築する。評価部１２はこの評価モデル（固有ベクトル行列Ｆ）を所定の記憶部に格納する。評価システム１は、ステップＳ１１〜Ｓ１４により、予め評価モデルを構築することが可能である。

ステップＳ１５：評価部１２は、評価モデルと測定データとに基づいて、複数の主成分のスコアを算出する。例えば、評価部１２は、未知のスコア行列Ｚ（複数の主成分のスコア）について、分散共分散行列Ｙ（測定データ）と、固有ベクトル行列Ｆ（評価モデル）とを用いて、Ｚ＝ＹＦにより算出することができる。評価部１２は少なくとも一つの曝露試料のそれぞれについて、評価モデルと該曝露試料の測定データとに基づいて、該曝露試料の複数の主成分のスコアと対照試料の複数の主成分のスコアとを算出する。それぞれの試料の測定値の個数を３００個とすると、各主成分のスコアは、例えば次の式（２）により算出される。

ここで、ｘ_ｉは減衰曲線のｉ個目の発光量であり、Ｍ_ｉは、測定対象のα個の試料についての、減衰曲線のｉ個目の発光量の平均値である。

ステップＳ１６：標準化部１３は、評価部１２によって算出された複数の主成分のスコアを標準化する。一例では、標準化部１３は、評価モデルに適用した全ての測定データの各主成分のスコアについて平均値を０、標準偏差を１に統一することで、該スコアを標準化する。複数の主成分のスコアを標準化することによって、各主成分のスコアを均一に評価することができる。標準化部１３は、例えば次の式（３）により複数の主成分のスコアを標準化することができる。

ここで、μ_ｋは減衰曲線の第ｋ主成分のスコアｚ_ｋの平均値であり、σは減衰曲線の第ｋ主成分のスコアｚ_ｋの標準偏差である。ｚ´_ｋは標準化されたスコアである。

ステップＳ１７：変化量算出部１４は、曝露によるスコアの変化量を算出する。一例では、変化量算出部１４は１以上の曝露試料のそれぞれについて、該曝露試料の複数の主成分についての標準化されたスコアと、対照試料の複数の主成分についての標準化されたスコアとのスコア差を算出する。例えば主成分の数を３とすると、変化量算出部１４は、次の式（４）によりスコア差Δｚ´_ｋを算出することができる。

ここで、ｚ´_ｋｅは曝露試料ｅの第ｋ主成分のスコア、ｚ´_ｋｃは対照試料ｃの第ｋ主成分のスコアである。

次に、図８を参照しながら、評価システム１の動作を説明するとともに、本実施形態に係る光合成サンプルの評価方法の応用例について説明する。図８は、評価システム１の動作の一例を示すフローチャートである。図８において、評価モデルは予め構築されているものとする。

ステップＳ２１ａ，Ｓ２１ｂ：受付部１１は、既知の曝露試料と対照試料とのそれぞれについて、測定データを受け付ける（ステップＳ２１ａ）。受付部１１はまた、未知の曝露試料と対照試料とのそれぞれについて、測定データを受け付ける（ステップＳ２１ｂ）。測定データの取得方法はステップＳ２１ａとステップＳ２１ｂとの間で同じでもよいし異なってもよい。

ステップＳ２２ａ，Ｓ２２ｂ：評価部１２は、評価モデルと測定データとに基づいて、複数の主成分のスコアを算出する。評価部１２は、評価モデルと、既知の曝露試料の測定データと、対照試料の測定データとに基づいて、既知の曝露試料の複数の主成分のスコアと対照試料の複数の主成分のスコアとを算出する（ステップＳ２２ａ）。評価部１２は、評価モデルと、未知の曝露試料の測定データと、対照試料の測定データとに基づいて、未知の曝露試料の複数の主成分のスコアと対照試料の複数の主成分のスコアとを算出する（ステップＳ２２ｂ）。

ステップＳ２３ａ，Ｓ２３ｂ：標準化部１３は、評価部１２によって算出された複数の主成分のスコアを標準化する。標準化部１３は、既知の曝露試料と対照試料とについて、各主成分のスコアを標準化する（ステップＳ２３ａ）。標準化部１３は、未知の曝露試料と対照試料とについて、各主成分のスコアを標準化する（ステップＳ２３ｂ）。

ステップＳ２４ａ，Ｓ２４ｂ：変化量算出部１４は、曝露によるスコアの変化量を算出する。変化量算出部１４は、既知の曝露試料の複数の主成分のスコアと対照試料の複数の主成分のスコアとのスコア差を算出する（ステップＳ２４ａ）。変化量算出部１４はまた、未知の曝露試料の複数の主成分のスコアと対照試料の複数の主成分のスコアとのスコア差を算出する（ステップＳ２４ｂ）。

ステップＳ２１ａ〜Ｓ２４ａと、ステップＳ２１ｂ〜Ｓ２４ｂとはそれぞれ独立した処理であるため、並列に実行されてもよいし、順番に実行されてもよい。また、ステップＳ２１ａ〜Ｓ２４ａが予め実行され、既知の曝露試料に関するスコア差が用意されたうえで、例えば別の日等にステップＳ２１ｂ〜Ｓ２４ｂが実行されてもよい。図８において、評価モデルは予め構築されているものと仮定したが、評価部１２は、ステップＳ２１ａで得られる測定データを基に、評価モデルを構築してもよい。

ステップＳ２５：類似性判定部１５は、既知の曝露試料と、未知の曝露試料との間の類似性を判定する。類似性判定部１５は、既知の曝露試料に関するスコア差と、未知の曝露試料に関するスコア差とに基づいて、類似性を判定する。一例では、類似性判定部１５は、各曝露試料のスコア差の類似度が高いかどうかを、クラスター分析を行うことにより判定できる。クラスター分析は、例えば階層的クラスター分析としてもよい。クラスター間の距離の算出手法は、群平均法、最短距離法、最長距離法、ウォード法、可変法等としてもよい。クラスター分析に用いる類似係数は、両スコア差のコサイン係数（コサイン類似度）としてもよい。コサイン係数は２本のベクトル同士の成す角度の近さを表し、コサイン係数が１に近いほど２本のベクトルの類似度が高いと判定することができる。類似性判定部１５は、クラスター分析によって、未知の環境要因を既知の環境要因のクラスターに分類することができる。

ステップＳ２６：類似性判定部１５は、未知の曝露試料がどの既知の曝露試料との間で高い類似度を有するかに基づいて、未知の環境要因の影響の度合いと、未知の環境要因の種類とのうちの少なくとも一つを評価する。一例では、クラスター分析によって未知の環境要因が既知の環境要因のクラスターに分類された場合、類似性判定部１５は、該未知の環境要因が該既知の環境要因と同じかまたは近い種類に属すると評価する。類似性判定部１５はまた、例えば同じクラスターに属する未知の環境要因と既知の環境要因との曝露濃度を比較して、未知の環境要因の影響の度合いを評価する。一例では、類似性判定部１５は曝露による各スコア変化の大小を評価することができる。このように、類似性判定部１５は、類似性の判定結果に基づいて未知の環境要因の作用機序を推定することができる。また、クラスター分析に用いられるベクトルの長さは作用の大きさを表す。ベクトルの長さは、毒性のない環境要因、または作用の小さい環境要因により曝露された試料の場合、短くなることが想定される。しかしながら、例えば測定時の温度変化等によって減衰曲線が変化すると、ベクトルの長さも変化する場合があり得る。そこで、類似性判定部１５はベクトルの長さに基づいて環境要因の毒性を判定することで、未知の環境要因の作用機序を推定してもよい。例えば、類似性判定部１５は、ベクトルの長さが所定の閾値を超える場合には環境要因が毒性を有すると判定し、ベクトルの長さが該閾値を超えない場合には環境要因が毒性を有しないと判定してもよい。所定の閾値は、例えば曝露濃度、環境要因の種類等に応じて異なってもよい。

以下、実施例を具体的に説明するが、本開示はそれらに何ら限定されるものではない。

（実施例１）
［測定準備］
光合成サンプルとして緑藻(Raphidocelissubcapitata)を用いた。化学物質（環境要因）として、作用機序の異なる４種類の光合成阻害剤（3-(3,4-dichlorophenyl)-1,1-dimethyl urea (DCMU)、2,5-dibromo- 3-methyl-6-isopropyl-p-benzoquinone (DBMIB)、Antimycin A (Ant-A)、およびcarbonyl cyanide m-chlorophenylhydrazone (CCCP)）を用いた。凍結藻類について１時間の前培養を行うことにより、指数増殖期の藻類懸濁液を光合成サンプルとして準備した。

４種類の化学物質のそれぞれを３段階の濃度（低、中、高）で調製した曝露区の１２個の溶液と、化学物質を添加しない非曝露区の１個の溶液とを検体溶液として準備した。曝露区の検体溶液を作製する際には助剤としてＤＭＳＯ（Dimethyl sulfoxide）を用いた。実施例１では曝露区に関して、予め４種類の化学物質について曝露濃度と曝露による遅延発光量の変化量（ΔＤＦ）との関係を調べ、ΔＤＦが４種類の化学物質で同程度になるように曝露濃度を決定した。ΔＤＦは次の式（５）を用いて算出した。式（５）は３０秒間の遅延発光の計測データからΔＤＦが算出されることを示す。

ここで、ｃ_１は非曝露区の励起後０．１〜１秒（１秒）の遅延発光量、ｔ_ｉは曝露区の励起後ｉ秒での遅延発光量、ｃ_ｉは非曝露区の励起後ｉ秒での遅延発光量を示す。式（５）を用いて、４種類の化学物質のそれぞれについて、ΔＤＦ≒１、ΔＤＦ≒１．５、ΔＤＦ≒２となる曝露濃度をそれぞれ低濃度、中濃度、高濃度とした。曝露濃度の一例を次の表１に示す。

１３個の検体溶液のそれぞれに藻類懸濁液２ｍＬを混合することで、細胞密度が２０×１０４ｃｅｌｌｓ／ｍＬであり全量が１０ｍＬである１３個の測定試料（１２個の曝露試料および１個の対照試料）を調製した。試料調製をランダムな順で行い、培養を開始した。それぞれの試料を、２４±１℃で、且つ蛍光灯（５０μｍｏｌ／ｍ^２／ｓ）により１時間連続で照射した状況下でのオービタルシェーキングにより１時間培養した。

［計測］
光合成サンプルに対する光照射による励起で生じる遅延発光を計測した。計測時間は、０．１秒間隔で積算した遅延発光量の減衰変化が明瞭な３０秒間とした。１３個の測定試料のそれぞれについて、該測定試料を暗所に６０秒間置き、白色ＬＥＤ光（５００μｍｏｌ／ｍ^２／ｓ）で該測定試料を３０秒間照射し、該測定試料を暗所に５秒間置いた後、７００ｎｍのＬＥＤ光（２０μｍｏｌ／ｍ^２／ｓ）を該測定試料に１秒照射して遅延発光を測定した。相対的な遅延発光量は励起光をオフした後０．１秒から３０秒の間に０．１秒間隔で記録した。別の日に同じ手順で測定を行い（２反復）、合計で２６本の減衰曲線を測定データとして得た。

０．１秒間隔で積算した３０秒間のデータを有する２６本の減衰曲線が得られたため、測定データはｉ（３００）×α（２６）の分散共分散行列Ｙとして表すことができる。実施例１では、分散共分散行列Ｙの主成分分析により第１主成分から第３主成分までが抽出され、固有ベクトル行列Ｆ（３００×３）とスコア行列Ｚ（２６×３）とが得られた。固有ベクトル行列Ｆは、固有ベクトルｆ_ｉｋ（ｉ=１，２，…，３００；ｋ=１，２，３）により構成される。スコア行列Ｚは、スコアｚ_αｋ（α=１，２，…，２６；ｋ=１，２，３）により構成される。実施例１では、主成分分析により得られた固有ベクトル行列Ｆを評価モデルとして構築した。

それぞれの試料について、評価モデルと測定データ（減衰曲線）とに基づいて３個の主成分のスコア（ｚ_１，ｚ_２，ｚ_３）を、上述した式（２）により算出した。

実施例１では、３個の主成分のスコア（ｚ_１，ｚ_２，ｚ_３）を均一に評価するため、各主成分のスコアの平均値を０、標準偏差を１に統一した。具体的には、上述した式（３）によりスコア（ｚ_１，ｚ_２，ｚ_３）を標準化することで（ｚ´_１，ｚ´_２，ｚ´_３）に変換した。

各減衰曲線について曝露によるｚ´_ｋの変化量に注目するため、上述した式（４）により、各曝露区のｚ´_ｋと、対応する非曝露区のｚ´_ｋとのスコア差Δｚ´_ｋを算出した。

［類似性判定］
２４個の曝露試料間でのΔｚ´_ｋの類似性を評価するため、各曝露試料のΔｚ´_ｋ（Δｚ´_１，Δｚ´_２，Δｚ´_３）について階層的クラスター分析を行った。クラスター分析に用いる類似係数には、解析対象となるΔｚ´_ｋ（Δｚ´_１，Δｚ´_２，Δｚ´_３）の空間分布を考慮して、２つのベクトル間の角度を示すコサイン係数を選択した。実施例１では、類似係数行列とコーフェン行列との相関係数が最大であった群平均法を推定に用いた。

［結果］
図９〜１３を参照しながら、実施例１に係る光合成サンプルの評価結果について説明する。

図９は、実施例１における化学物質の減衰曲線を示す図である。図９のグラフ（ａ）〜（ｄ）のいずれにおいても、縦軸が発光量を示し、横軸が励起後時間を示す。グラフ（ａ）〜（ｄ）はいずれも、非曝露区、低濃度曝露区、中濃度曝露区および高濃度曝露区のそれぞれについて、２反復の平均値を示す。全ての試料において、遅延発光量は励起直後に最大となり、その後減衰した。減衰曲線は曝露濃度の増加に伴って変化し、化学物質毎に該変化の傾向が異なった。ＤＣＭＵおよびＤＢＭＩＢでは、励起直後の発光量がＡｎｔ−ＡおよびＣＣＣＰに比べて大きく増加した。ＤＢＭＩＢの曝露による遅延発光量は、ＤＣＭＵの曝露による遅延発光量と比べて緩やかに減衰した。Ａｎｔ−Ａの曝露による遅延発光量は、ＤＣＭＵ、ＤＢＭＩＢほど励起直後に大きく増加せず、励起後１０秒以降の減衰が早くなった。ＣＣＣＰの曝露による遅延発光量は、全ての時間域で減少した。また、ＤＣＭＵ、ＤＢＭＩＢおよびＡｎｔ−Ａでは、４本の減衰曲線が交差する点（以下、この点を「クロスポイント」という。）が見られた。ＤＣＭＵでは、クロスポイントが励起後１秒付近で観察された。ＤＢＭＩＢでは、クロスポイントが励起後５秒付近で観察された。Ａｎｔ−Ａでは、クロスポイントが励起後５秒付近で観察された。

図１０は、実施例１における固有ベクトルを示す図である。図１０のグラフ（ａ）〜（ｃ）のいずれにおいても、縦軸が固有ベクトルを示し、横軸が励起後時間を示す。グラフ（ａ），（ｂ），（ｃ）はそれぞれ、第１主成分（ＰＣ１）、第２主成分（ＰＣ２）、第３主成分（ＰＣ３）を示す。第１主成分（ＰＣ１）、第２主成分（ＰＣ２）、第３主成分（ＰＣ３）の固有値の寄与率はそれぞれ９６．６％、２．１％、０．８％であった。ＰＣ１〜ＰＣ３の累積寄与率は９９．５％であった。ＰＣ１の固有ベクトルは、励起直後から１秒にかけて急激に減少した。ＰＣ２の固有ベクトルは、励起直後はマイナスであり、そこから増加して０．４秒でプラスに転じ、０．８秒で極大となりその後減少した。ＰＣ３の固有ベクトルは、励起直後に減少しマイナスに転じ、１．１秒で極小になり、そこから増加してプラスに転じ、１３．５秒で極大になり再び緩やかに減少した。

図１１は、実施例１における減衰曲線の主成分毎のスコアを示す図である。図１１のグラフ（ａ），（ｂ），（ｃ）はそれぞれ、第１主成分（ＰＣ１）、第２主成分（ＰＣ２）、第３主成分（ＰＣ３）を示す。いずれのグラフも、４種類の化学物質ごとの非曝露区（Ｎ）、低濃度曝露区（Ｌ）、中濃度曝露区（Ｍ）、高濃度曝露区（Ｈ）について、それぞれ２反復の平均値を示す。エラーバーはスチューデントＬＳＤ（最小有意差）を示す。ＰＣ１では、曝露濃度の増加に伴ってＤＣＭＵ、ＤＢＭＩＢおよびＡｎｔ−Ａのスコアが増加し、ＤＢＭＩＢのスコア増加が最も大きくなった。一方でＣＣＣＰのスコアのみが減少した。ＰＣ２では、曝露濃度の増加に伴って４種類の化学物質のスコアが減少し、ＣＣＣＰのスコア減少が最も大きくなった。ＰＣ３では、曝露濃度の増加に伴って４種類の化学物質のスコアが減少し、Ａｎｔ−Ａのスコア減少が最も大きくなった。

図１２は、実施例１における曝露によるスコアの変化量を示す図である。具体的には、図１２は、非曝露区を原点とし、３個の主成分に対応する３個の座標軸を有するグラフであり、４種類の化学物質の曝露区のスコアの変化量について、２反復の平均値を示す。図１２はまた、分散分析結果に基づき、各化学物質の曝露区の濃度毎の９５％信頼区間を筒状の領域で示す。４種類の化学物質のスコアの変化量は、曝露濃度の増加に伴って、原点から化学物質毎に異なる方向へ分布した。

図１３は、実施例１におけるクラスター分析の結果を示す図である。図１３のデンドログラムは、４種類の化学物質のスコア変化量（２反復の平均値）について階層的クラスター分析した結果を示す。各化学物質名の「＿Ｌ」、「＿Ｍ」、「＿Ｈ」は、それぞれ低濃度曝露区、中濃度曝露区、高濃度曝露区を示す。類似度が０．９００である付近でクラスターを分割すると、４種類の化学物質はそれぞれ４個のクラスターに明瞭に分類された。

（実施例２）
実施例２では、未知の化学物質ＡおよびＢのそれぞれを２段階の濃度（低、高）で調製した曝露区の４個の溶液と、非曝露区の１個の溶液とを検体溶液として準備し、実施例１で示した手法を用いて２反復の曝露試験を行い、合計で１０本の減衰曲線を得た。実施例２では、実施例１で構築した評価モデルを用いて減衰曲線を評価した。評価は、化学物質Ａ、Ｂのそれぞれの減衰曲線について、上述した式（２）〜式（４）を用いて変化量を求め、実施例１で示した既知の４種類の化学物質の変化量と比較した。また、化学物質Ａ、Ｂの変化量に対しクラスター分析を行うことにより、未知の化学物質を推定することが可能かどうか解析した。

図１４〜１６を参照しながら、実施例２に係る光合成サンプルの評価結果について説明する。

図１４は、実施例２における化学物質の減衰曲線を示す図である。図１４のグラフ（ａ），（ｂ）のいずれにおいても、縦軸が発光量を示し、横軸が励起後時間を示す。グラフ（ａ），（ｂ）はいずれも、非曝露区、低濃度曝露区、高濃度曝露区についてそれぞれ２反復の平均値を示す。化学物質Ａでは、励起直後の遅延発光量が増加し、クロスポイントが励起後１秒付近で観察され、励起後１０秒付近で遅延発光量が減少した。化学物質Ｂでは、励起直後に遅延発光量がやや増加し、励起後１秒以前にクロスポイントが観察され、その後の時間域では遅延発光量が減少した。化学物質Ａ、Ｂの曝露による減衰曲線の変化の特徴は、図９に示す４種類の化学物質のうちＤＣＭＵ、ＣＣＣＰの特徴とそれぞれ類似していた。

図１５は、実施例２における曝露によるスコアの変化量を示す図である。具体的には、図１５は、非曝露区を原点とし、３個の主成分に対応する３個の座標軸を有するグラフであり、化学物質Ａ、Ｂそれぞれの曝露試料のスコアの変化量と、既知の４種類の化学物質の曝露区のスコアの変化量とについて、２反復の平均値を示す。図１５はまた、分散分析結果に基づき、各化学物質の曝露区の濃度毎の９５％信頼区間を筒状の領域で示す。また、化学物質Ａの低濃度曝露区を白四角、化学物質Ａの高濃度曝露区を白三角、化学物質Ｂの低濃度曝露区を黒四角、化学物質Ｂの高濃度曝露区を黒三角で示す。化学物質Ａの低濃度曝露区（白四角）はＤＣＭＵ曝露区の近くにプロットされた。一方、化学物質Ａの高濃度曝露区（白三角）はＤＣＭＵ曝露区の分布する方向に対してΔｚ´_１が大きくなる位置にプロットされた。化学物質Ｂの低濃度曝露区（黒四角）はＣＣＣＰ曝露区の近くにプロットされた。一方、化学物質Ｂの高濃度曝露区（黒三角）はＣＣＣＰ曝露区の分布する方向に対してΔｚ´_３が大きくなる位置にプロットされた。

図１６は、実施例２におけるクラスター分析の結果を示す図である。図１６のデンドログラム（ａ），（ｂ）は、既知の４種類の化学物質と、化学物質Ａ、Ｂの低濃度曝露区または高濃度曝露区のスコアの変化量Δｚ´_ｋ（ｋ=１，２，３）の２反復の平均値（１４個の試料）についてクラスター分析して得られた結果を示す。図１６のデンドログラム（ａ），（ｂ）には、それぞれ１４試料間のスコアの変化量の類似度が表される。図１６のデンドログラム（ａ）は、化学物質Ａ、Ｂの低濃度曝露区の分類を示し、図１６のデンドログラム（ｂ）は、化学物質Ａ、Ｂの高濃度曝露区の分類を示す。各化学物質名の「＿Ｌ」、「＿Ｍ」、「＿Ｈ」は、それぞれ低濃度曝露区、中濃度曝露区、高濃度曝露区を示す。

図１６のデンドログラム（ａ）に示すクラスターは、類似度が０．９００である付近で４個に分割された。化学物質Ａの低濃度曝露区（Ａ＿Ｌ）はＤＣＭＵのクラスターの中に分類された。化学物質Ｂの低濃度曝露区（Ｂ＿Ｌ）はＣＣＣＰのクラスターの中に分類された。図１６のデンドログラム（ｂ）に示すクラスターは、類似度が０．９００である付近で５個に分割された。化学物質Ａの高濃度曝露区（Ａ＿Ｈ）はＤＣＭＵのクラスターの中に分類された。化学物質Ｂの高濃度曝露区（Ｂ＿Ｈ）はＣＣＣＰのクラスターの外に分類されたが、４種類の化学物質の中ではＣＣＣＰと最も類似度が高くなった。

実際の化学物質Ａはトリアジン系除草剤のシメトリン（０,０．０２３,０．０９４μｍｏｌ／Ｌ）であり、ウレア系除草剤のＤＣＭＵと同じ作用を示す。すなわち、化学物質Ａは４種類の化学物質の中で、作用機序の同じＤＣＭＵとスコアの変化量の類似度が最も高いことが統計的に判定された。また、実際の化学物質Ｂは3,5-dichlorophenol（０, ２,３７μｍｏｌ／Ｌ）であり、ＣＣＣＰほど強い作用を持たないが同じ脱共役剤である。すなわち、化学物質Ｂは４種類の化学物質の中で、作用機序の同じＣＣＣＰとスコアの変化量の類似度が最も高いことが統計的に判定された。

以上の結果から、曝露試料の複数の主成分のスコアと、対照試料の複数の主成分のスコアとのスコア差（スコアの変化量）を用いることで、光合成サンプルが発する遅延発光の経時変化を適切に評価することができる。また、既知の曝露試料に関するスコア差と、未知の曝露試料に関するスコア差との類似性の判定結果により、未知の環境要因の作用機序を推定することができる。

本開示の技術は排水管理、農薬開発、育種など様々な分野で利用することができる。例えば排水に異常が起きた場合、排水試料を本開示の技術を用いて評価することにより原因物質の種類（作用機序）を推定することができる。また、例えばある作用機序を持つ既知の除草剤を基に新しい除草剤を開発する場合、新しい除草剤と既知の除草剤との間で作用機序がどの程度同じかまたは違うかを判断することができる。

本開示の技術はまた、評価モデルを予め構築することにより、環境要因の生物への影響を評価するバイオアッセイを用いた作業（例えば、試験、研究、開発、評価等）を行うユーザに対して解析サービスを提供するシステムとすることができる。解析サービスを提供するシステムは、任意のネットワークを介して測定データを受け付けてその測定データを処理するので、ユーザ側の解析負担が軽減される。また、評価モデルは新たな測定データにより更新可能であるため、スタンドアローン型の解析サービスよりも柔軟でかつ充実した評価モデルを構築することができる。

［効果］
以上説明したように、本開示の一側面に係る光合成サンプルの評価システムは、環境要因により曝露された曝露試料と、環境要因により曝露されていない対照試料とのそれぞれについて、光合成サンプルが発する遅延発光の経時変化を示す測定データを受け付け、主成分分析により得られる評価モデルと、測定データとに基づいて、曝露試料と、対照試料とのそれぞれについて複数の主成分のスコアを算出し、曝露試料の複数の主成分のスコアと、対照試料の複数の主成分のスコアとのスコア差を算出するように構成された少なくとも一つのプロセッサを備える。

本開示の一側面に係る光合成サンプルの評価方法は、コンピュータによって実施され、環境要因により曝露された曝露試料と、環境要因により曝露されていない対照試料とのそれぞれについて、光合成サンプルが発する遅延発光の経時変化を示す測定データを受け付けるステップと、主成分分析により得られる評価モデルと、測定データとに基づいて、曝露試料と、対照試料とのそれぞれについて複数の主成分のスコアを算出するステップと、曝露試料の複数の主成分のスコアと、対照試料の複数の主成分のスコアとのスコア差を算出するステップとを含む。

本開示の一側面に係る光合成サンプルの評価プログラムは、環境要因により曝露された曝露試料と、環境要因により曝露されていない対照試料とのそれぞれについて、光合成サンプルが発する遅延発光の経時変化を示す測定データを受け付けるステップと、主成分分析により得られる評価モデルと、測定データとに基づいて、曝露試料と、対照試料とのそれぞれについて複数の主成分のスコアを算出するステップと、曝露試料の複数の主成分のスコアと、対照試料の複数の主成分のスコアとのスコア差を算出するステップとをコンピュータに実行させる。

このような側面においては、評価モデルと、光合成サンプルが発する遅延発光の経時変化を示す測定データとを用いることにより、曝露試料と対照試料とのそれぞれについて複数の主成分のスコアが得られる。そして、曝露試料のスコアと対照試料のスコアとの差分を算出することによって、曝露によるスコアの変化量が得られる。スコアの変化量は、曝露試料に含有される環境要因による影響を反映するので、この変化量を用いることで、光合成サンプルが発する遅延発光の経時変化を適切に評価することができる。

他の側面に係る光合成サンプルの評価システムでは、少なくとも一つのプロセッサが、曝露試料の複数の主成分のスコアと、対照試料の複数の主成分のスコアとを標準化するようにさらに構成されてもよい。

この場合には、曝露試料の複数の主成分のスコアと、対照試料の複数の主成分のスコアとの間で尺度が合わせられるので、各主成分のスコアを均一に評価することができる。

他の側面に係る光合成サンプルの評価システムでは、曝露試料が、既知の曝露試料と、未知の曝露試料とを含み、少なくとも一つのプロセッサが、未知の曝露試料のスコア差と、既知の曝露試料のスコア差との間の類似性を判定するようにさらに構成されてもよい。

この場合には、既知の曝露試料に関するスコア差と、未知の曝露試料に関するスコア差とを用いることにより、両者の類似度が得られる。したがって、未知の曝露試料がどの既知の曝露試料に類似しているかを判定することができる。

他の側面に係る光合成サンプルの評価システムでは、少なくとも一つのプロセッサが、未知の曝露試料のスコア差と、既知の曝露試料のスコア差との間の類似度の高さに基づいて、未知の環境要因の影響の度合いと、未知の環境要因の種類とのうちの少なくとも一つを評価するようにさらに構成されてもよい。

未知の曝露試料のスコア差と既知の曝露試料のスコア差との類似度が高い場合、両者の遅延発光のメカニズムに対する影響も類似していると言える。したがって、未知の曝露試料に含有される環境要因の作用機序を推定することができる。

他の側面に係る光合成サンプルの評価システムでは、類似性を判定することが、未知の曝露試料のスコア差と、既知の曝露試料のスコア差との間のコサイン係数を用いた階層的クラスター分析によって、類似性を判定することでもよい。

この場合には、コサイン係数と階層的クラスター分析との組み合わせにより、より明瞭に類似性を判定することができる。

他の側面に係る光合成サンプルの評価システムでは、評価モデルが、固有ベクトルによって表されてもよい。

この場合には、測定データに対する主成分分析により得られる固有ベクトルから評価モデルを構築することができるため、評価モデルの構築が容易となる。

［変形例］
以上、本開示の実施形態に基づいて詳細に説明した。しかし、本開示は上記実施形態に限定されるものではない。本開示は、その要旨を逸脱しない範囲で様々な変形が可能である。

サーバ１０は、標準化部１３および類似性判定部１５の少なくとも一つを備えずに構成されてもよい。すなわち、評価部１２によって算出された複数の主成分のスコアは、標準化部１３によって標準化されてもよいし、標準化されなくてもよい。未知の曝露試料のスコア差と、既知の曝露試料のスコア差との間の類似性を判定する処理は、実行されなくてもよい。

「少なくとも一つのプロセッサが、第１の処理を実行し、第２の処理を実行し、…第ｎの処理を実行する。」との表現、またはこれに対応する表現は、第１の処理から第ｎの処理までのｎ個の処理の実行主体（すなわちプロセッサ）が途中で変わる場合を含む概念である。すなわち、この表現は、ｎ個の処理のすべてが同じプロセッサで実行される場合と、ｎ個の処理においてプロセッサが任意の方針で変わる場合との双方を含む概念である。

少なくとも一つのプロセッサにより実行される方法の処理手順は上記実施形態での例に限定されない。例えば、上述したステップ（処理）の一部が省略されてもよいし、別の順序で各ステップが実行されてもよい。また、上述したステップのうちの任意の２以上のステップが組み合わされてもよいし、ステップの一部が修正または削除されてもよい。あるいは、上記の各ステップに加えて他のステップが実行されてもよい。また、各ステップの一部または全部は他の装置またはコンピュータシステムによって実行されてもよい。

１…評価システム、１０…サーバ、１１…受付部、１２…評価部、１３…標準化部、１４…変化量算出部、１５…類似性判定部、２０…端末、３０…データベース、１００…サーバコンピュータ、１０１…プロセッサ、１０２…主記憶部、１０３…補助記憶部、１０４…通信部、２００…計測装置、２１０…制御ユニット、２２０…通信ユニット、２３０…計測ユニット、２３１…筐体、２３１ａ…本体部、２３１ｂ…蓋部、２３２…設置部、２３３…光源、２３４…光検出器、２３４ａ…光センサ、２３４ｂ…算出部、２３５…フィルタ、２３６…集光光学系、２３７…シャッタ、２３８…導入口、Ｐ１…サーバプログラム。

Claims (8)

1. 環境要因により曝露された曝露試料と、環境要因により曝露されていない対照試料とのそれぞれについて、光合成サンプルが発する遅延発光の経時変化を示す測定データを受け付け、
   主成分分析により得られる評価モデルと、前記測定データとに基づいて、前記曝露試料と、前記対照試料とのそれぞれについて複数の主成分のスコアを算出し、
   前記曝露試料の前記複数の主成分のスコアと、前記対照試料の前記複数の主成分のスコアとのスコア差を算出する
   ように構成された少なくとも一つのプロセッサを備える、光合成サンプルの評価システム。
2. 前記少なくとも一つのプロセッサが、前記曝露試料の前記複数の主成分のスコアと、前記対照試料の前記複数の主成分のスコアとを標準化するようにさらに構成された、請求項１に記載の光合成サンプルの評価システム。
3. 前記曝露試料が、既知の曝露試料と、未知の曝露試料とを含み、
   前記少なくとも一つのプロセッサが、前記未知の曝露試料のスコア差と、前記既知の曝露試料のスコア差との間の類似性を判定するようにさらに構成された、
   請求項１または２に記載の光合成サンプルの評価システム。
4. 前記少なくとも一つのプロセッサが、前記未知の曝露試料のスコア差と、前記既知の曝露試料のスコア差との間の類似度の高さに基づいて、未知の環境要因の影響の度合いと、前記未知の環境要因の種類とのうちの少なくとも一つを評価するようにさらに構成された、請求項３に記載の光合成サンプルの評価システム。
5. 前記類似性を判定することが、前記未知の曝露試料のスコア差と、前記既知の曝露試料のスコア差との間のコサイン係数を用いた階層的クラスター分析によって、類似性を判定することである、請求項３または４に記載の光合成サンプルの評価システム。
6. 前記評価モデルが、固有ベクトルによって表される、請求項１−５のいずれか一項に記載の光合成サンプルの評価システム。
7. コンピュータによって実施される光合成サンプルの評価方法であって、
   環境要因により曝露された曝露試料と、環境要因により曝露されていない対照試料とのそれぞれについて、光合成サンプルが発する遅延発光の経時変化を示す測定データを受け付けるステップと、
   主成分分析により得られる評価モデルと、前記測定データとに基づいて、前記曝露試料と、前記対照試料とのそれぞれについて複数の主成分のスコアを算出するステップと、
   前記曝露試料の前記複数の主成分のスコアと、前記対照試料の前記複数の主成分のスコアとのスコア差を算出するステップと
   を含む、光合成サンプルの評価方法。
8. 環境要因により曝露された曝露試料と、環境要因により曝露されていない対照試料とのそれぞれについて、光合成サンプルが発する遅延発光の経時変化を示す測定データを受け付けるステップと、
   主成分分析により得られる評価モデルと、前記測定データとに基づいて、前記曝露試料と、前記対照試料とのそれぞれについて複数の主成分のスコアを算出するステップと、
   前記曝露試料の前記複数の主成分のスコアと、前記対照試料の前記複数の主成分のスコアとのスコア差を算出するステップと
   をコンピュータに実行させる、光合成サンプルの評価プログラム。

Images