JP2023157965A

JP2023157965A - アトピー性皮膚炎の検出方法

Info

Publication number: JP2023157965A
Application number: JP2023134734A
Authority: JP
Inventors: 直人高田; Naoto Takada; 高良井上; Takayoshi Inoue; 哲矢桑野; Tetsuya Kuwano
Original assignee: Kao Corp
Current assignee: Kao Corp
Priority date: 2020-05-01
Filing date: 2023-08-22
Publication date: 2023-10-26
Also published as: JP2021175381A

Abstract

【課題】アトピー性皮膚炎を検出するためのマーカー、及び該マーカーを用いたアトピー性皮膚炎の検出方法を提供する。【解決手段】被験者から採取された生体試料について、ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルを測定する工程を含む、当該被験者におけるアトピー性皮膚炎の検出方法。【選択図】なし

Description

本発明は、アトピー性皮膚炎マーカーを用いたアトピー性皮膚炎の検出方法に関する。

アトピー性皮膚炎（以下、「ＡＤ」とも称する）は、アトピー素因を有する者に主に発
症する湿疹性皮膚疾患である。アトピー性皮膚炎の典型的な症状は、左右対側性に発生す
る、慢性及び反復性の痒み、皮疹、紅斑等、ならびに角化不全、バリア能低下、乾燥肌な
どである。アトピー性皮膚炎の多くは乳幼児に発症し、成長と共に軽快傾向を示すが、近
年では成人型や難治性のアトピー性皮膚炎も増加している。

アトピー性皮膚炎の症度の判断は、肉眼による所見を頼りに行われているのが現状であ
る。所見項目としては、乾燥症状、紅斑、鱗屑、丘疹、掻破痕、浮腫、痂疲の付着、小水
疱、びらん、痒診結節など様々が存在するが、いずれも主観的要素が入り込むため、医師
の技量により判断に差が生じる可能性を含んでいる。斯様に、アトピー性皮膚炎の症度の
判断は客観性に乏しいという問題がある。

近年、バイオマーカーを用いてアトピー性皮膚炎を検出する方法として、血液の末梢血
好酸球数、血清総ＩｇＥ値、ＬＤＨ（乳酸デヒドロゲナーゼ）値、血清中のＴｈｙｍｕｓ
ａｎｄＡｃｔｉｖａｔｉｏｎ－ＲｅｇｕｌａｔｅｄＣｈｅｍｏｋｉｎｅ（ＴＡＲＣ
）やＳｑｕａｍｏｕｓｃｅｌｌｃａｒｃｉｎｏｍａａｎｔｉｇｅｎ２（ＳＣＣＡ２）
を検出すること（非特許文献１、２、３）や、皮膚細菌叢における黄色ブドウ球菌のａｇ
ｒＣ変異依存性のＲＮＡＩＩＩ遺伝子発現量を検出すること（特許文献１）等が提案され
ているが、必ずしも十分な精度で診断が可能であるとは云えない。

一方、生体試料中のＤＮＡやＲＮＡ等の核酸の解析によりヒトの生体内の現在さらには
将来の生理状態を調べる技術が開発されている。核酸を用いた解析は、網羅的な解析方法
が確立されており一度の解析で豊富な情報を得られる、及び一塩基多形やＲＮＡ機能等に
関する多くの研究報告に基づいて解析結果の機能的な紐付けが容易であるといった利点を
有する。生体由来の核酸は、血液等の体液、分泌物、組織等から抽出することができるが
、最近、皮膚表上脂質（ｓｋｉｎｓｕｒｆａｃｅｌｉｐｉｄｓ；ＳＳＬ）に含まれる
ＲＮＡを生体の解析用の試料として用いること、ＳＳＬから表皮、汗腺、毛包及び皮脂腺
のマーカー遺伝子が検出できることが報告されている（特許文献２）。

特開２０１９－３０２７２号公報国際公開公報第２０１８／００８３１９号

Sugawara et al., Allergy (2002) 57:180-181 Ohta et al., Ann Clin Biochem.(2012) 49:277-84 加藤ら、日皮会誌（2018）128: 2431-2502

本発明は、アトピー性皮膚炎を検出するためのマーカー、及び該マーカーを用いたアト
ピー性皮膚炎の検出方法を提供することに関する。

本発明者らは、成人のアトピー性皮膚炎患者と健常人からＳＳＬを採取し、ＳＳＬ中に
含まれるＲＮＡの発現状態をシーケンス情報として網羅的に解析した結果、特定の遺伝子
の発現レベルが両者の間で有意に異なり、これを指標としてアトピー性皮膚炎を検出でき
ることを見出した。

すなわち、本発明は、以下の１）～３）に係るものである。
１）被験者から採取された生体試料について、ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ
４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ
６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、Ｄ
ＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子群より選択される
少なくとも１つの遺伝子又はその発現産物の発現レベルを測定する工程を含む、当該被験
者におけるアトピー性皮膚炎の検出方法。
２）前記遺伝子と特異的にハイブリダイズするオリゴヌクレオチド、又は前記遺伝子の
発現産物を認識する抗体を含有する、１）の方法に用いられるアトピー性皮膚炎を検出す
るための検査用キット。
３）後記表Ｂに示される２１０種の遺伝子群より選択される少なくとも１つの遺伝子又
はその発現産物からなる、アトピー性皮膚炎の検出マーカー。

本発明によれば、簡便且つ非侵襲的に、アトピー性皮膚炎を早期に、高い精度、感度及
び特異度で検出することが可能となる。

本明細書中で引用された全ての特許文献、非特許文献、及びその他の刊行物は、その全
体が本明細書中において参考として援用される。

本発明において、「核酸」又は「ポリヌクレオチド」と云う用語は、ＤＮＡ又はＲＮＡ
を意味する。ＤＮＡには、ｃＤＮＡ、ゲノムＤＮＡ、及び合成ＤＮＡのいずれもが含まれ
、「ＲＮＡ」には、ｔｏｔａｌＲＮＡ、ｍＲＮＡ、ｒＲＮＡ、ｔＲＮＡ、ｎｏｎ-ｃｏ
ｄｉｎｇＲＮＡ及び合成のＲＮＡのいずれもが含まれる。

本発明において「遺伝子」とは、ヒトゲノムＤＮＡを含む２本鎖ＤＮＡの他、ｃＤＮＡ
を含む１本鎖ＤＮＡ（正鎖）、当該正鎖と相補的な配列を有する１本鎖ＤＮＡ（相補鎖）
、及びこれらの断片を包含するものであって、ＤＮＡを構成する塩基の配列情報の中に、
何らかの生物学的情報が含まれているものを意味する。
また、当該「遺伝子」は特定の塩基配列で表される「遺伝子」だけではなく、これらの
同族体（すなわち、ホモログもしくはオーソログ）、遺伝子多型等の変異体、及び誘導体
をコードする核酸が包含される。
本明細書中に開示される遺伝子の名称は、ＮＣＢＩ（[www.ncbi.nlm.nih.gov/]）に記
載のあるＯｆｆｉｃｉａｌＳｙｍｂｏｌに従う。一方で遺伝子オントロジー（ＧＯ）に
関しては、Ｓｔｒｉｎｇ（[string-db.org/]）に記載のあるＰａｔｈｗａｙＩＤ．に従
う。

本発明において、遺伝子の「発現産物」とは、遺伝子の転写産物及び翻訳産物を包含す
る概念である。「転写産物」とは、遺伝子（ＤＮＡ）から転写されて生じるＲＮＡであり
、「翻訳産物」とは、ＲＮＡに基づき翻訳合成される、遺伝子にコードされたタンパク質
を意味する。

本発明において、「アトピー性皮膚炎」とは、増悪・寛解を繰り返す、そう痒のある湿
疹を主病原とする疾患を指し、その患者の多くは、アトピー素因を持つとされている。ア
トピー素因としては、ｉ）家族歴・既往歴（気管支喘息，アレルギー性鼻炎・結膜炎，ア
トピー性皮膚炎のうちいずれか，あるいは複数の疾患）、又はｉｉ）ＩｇＥ抗体を産生
し易い素因が挙げられる。

本発明において、アトピー性皮膚炎の「検出」とは、アトピー性皮膚炎の存在又は不存
在を明らかにする意味であり、検査、測定、判定、評価又は評価支援という用語で言い換
えることもできる。なお、本明細書において「判定」又は「評価」という用語は、医師に
よる判定や評価を含むものではない。

本明細書において、「特徴量」とは機械学習における「説明変数」と同義であり、アト
ピー性皮膚炎検出マーカーから選択される機械学習に使用する遺伝子又はその発現産物を
合わせて「特徴量遺伝子」と称する。

後述する実施例に示すように、成人の健常者１４名及びアトピー性皮膚炎患者２９名の
ＳＳＬから抽出されたＲＮＡの発現量のデータ（リードカウント値）について、ＤＥＳｅ
ｑ２（Love MI et al. Genome Biol. 2014）を用いて補正されたカウント値（Ｎｏｒｍａ
ｌｉｚｅｄｃｏｕｎｔ値）を用いて、健常者と比較してアトピー性皮膚炎患者における
尤度比検定によるｐ値の補正値（ＦＤＲ）が０．０５未満となるＲＮＡを抽出することに
より、発現上昇遺伝子４８種、発現低下遺伝子７５種（計１２３遺伝子（表１－１～１－
３）が同定された。表中、「ＵＰ」で示される遺伝子は、アトピー性皮膚炎患者で発現レ
ベルが上がる遺伝子であり、「ＤＯＷＮ」で示される遺伝子は、アトピー性皮膚炎患者で
発現レベルが下がる遺伝子である。
したがって、斯かる１２３種の遺伝子群より選択される遺伝子又はその発現産物は、ア
トピー性皮膚炎を検出するためのアトピー性皮膚炎マーカーとなり得る。当該遺伝子群の
うち１０７遺伝子（表１－１～１－３において＊を付し太字で表示）は、これまでにアト
ピー性皮膚炎との関係が報告されていない遺伝子である。

また、被験者からの全てのＳＳＬ由来ＲＮＡの発現量のデータ（７４２９遺伝子のＬｏ
ｇ_２（ＲＰＭ＋１）値）を説明変数とし、健常者とアトピー性皮膚炎患者を目的変数とし
、機械学習アルゴリズムとしてランダムフォレスト（Breiman L. Machine Learning (200
1) 45;5-32）を用いて特徴量遺伝子の抽出及び予測モデルの構築を試みた。後述する実施
例に示すように、ジニ係数に基づく変数重要度の上位１５０遺伝子（表３－１～３－４）
を特徴量遺伝子として選択し、これを用いて予測モデルを構築したところ、アトピー性皮
膚炎の予測が可能であることが示された。
したがって、斯かる１５０種の遺伝子群より選択される遺伝子又はその発現産物は、ア
トピー性皮膚炎を検出するための好適なアトピー性皮膚炎マーカーとなり得る。そして、
このうち１２７遺伝子（表３－１～３－４において＊を付し太字で表示）は、これまでに
アトピー性皮膚炎との関係が報告されていない新規なアトピー性皮膚炎マーカーである。
後述する実施例に示すように、これら新規のアトピー性皮膚炎マーカーを用いた予測モデ
ルでもアトピー性皮膚炎の予測が可能である。

また、健常者とアトピー性皮膚炎患者で発現変動が見られた上記の１２３遺伝子又はそ
のうちの１０７遺伝子の発現量のデータ（Ｌｏｇ_２（ＲＰＭ＋１）値）を用いて、同様に
ランダムフォレストを用いて予測モデルの構築を試みたところ、いずれにおいてもアトピ
ー性皮膚炎の予測が可能であることが示された。

また、機械学習アルゴリズムとしてＢｏｒｕｔａ法（Kursa et al. Fundamental Infor
maticae (2010) 101;271-286）を用いて特徴量遺伝子の抽出（最大試行回数１０００回、
ｐ値０．０１未満）を行ったところ、４５遺伝子（表４）が特徴量遺伝子として抽出され
、後述の実施例で示すように、これを用いたランダムフォレストによる予測モデルでアト
ピー性皮膚炎の予測が可能であることが示された。
したがって、斯かる４５種の遺伝子群より選択される遺伝子又はその発現産物は、アト
ピー性皮膚炎を検出するための好適なアトピー性皮膚炎マーカーとなり得る。そして、こ
のうち３９遺伝子（表４において＊を付し太字で表示）は、これまでにアトピー性皮膚炎
との関係が報告されていない新規なアトピー性皮膚炎マーカーである。後述する実施例に
示すように、これら新規のアトピー性皮膚炎マーカーを用いた予測モデルでもアトピー性
皮膚炎の予測が可能である。

上述した発現変動解析で抽出された表１－１～１－３で示される１２３種の遺伝子群（
Ａ）と、ランダムフォレストにより特徴量遺伝子として選択された表３－１～３－４で示
される１５０種の遺伝子群（Ｂ）と、Ｂｏｒｕｔａ法により特徴量遺伝子として選択され
た表４で示される４５種の遺伝子群（Ｃ）の和（Ａ∪Ｂ∪Ｃ）である２４５遺伝子（表Ａ
）はアトピー性皮膚炎マーカーとなり、そのうち２１０遺伝子（表Ｂ）は新規なアトピー
性皮膚炎マーカーである。

本発明のＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮ
Ｆ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５
、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮ
Ｋ１Ｇ２からなる１７種の遺伝子は、上述した発現変動解析で抽出された表１－１～１－
３で示される１２３種の遺伝子群（Ａ）と、ランダムフォレストにより特徴量遺伝子とし
て選択された表３－１～３－４で示される１５０種の遺伝子群（Ｂ）と、Ｂｏｒｕｔａ法
により特徴量遺伝子として選択された表４で示される４５種の遺伝子群（Ｃ）に共通する
遺伝子（Ａ∩Ｂ∩Ｃ）であって、従来アトピー性皮膚炎と関連付けられていない遺伝子で
ある（各表において＊を付し太字で表示）。したがって、これらの遺伝子群より選択され
る少なくとも１つの遺伝子又はその発現産物は、アトピー性皮膚炎を検出するための、新
規なアトピー性皮膚炎マーカーとして特に有用である。
斯かる１７種の遺伝子はそれぞれ単独でアトピー性皮膚炎マーカーとなり得るが、２種
以上、好ましくは５種以上、より好ましくは１０種以上を組み合わせて用いることが好ま
しく、１７種全てを用いるのがよりさらに好ましい。

なお、上記のアトピー性皮膚炎マーカーとなり得る遺伝子（以下、「標的遺伝子」とも
称す）には、アトピー性皮膚炎を検出するためのバイオマーカーとなり得る限り、当該遺
伝子を構成するＤＮＡの塩基配列と実質的に同一の塩基配列を有する遺伝子も包含される
。ここで、実質的に同一の塩基配列とは、例えば、相同性計算アルゴリズムNCBI BLASTを
用い、期待値＝１０；ギャップを許す；フィルタリング＝ＯＮ；マッチスコア＝１；ミス
マッチスコア＝－３の条件にて検索をした場合、当該遺伝子を構成するＤＮＡの塩基配列
と９０％以上、好ましくは９５％以上、さらにより好ましく９８％以上の同一性があるこ
とを意味する。

本発明のアトピー性皮膚炎の検出方法は、被験者から採取された生体試料について、標
的遺伝子、一態様として、ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、Ｆ
ＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１
、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮ
Ｂ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子群より選択される少なくとも１つの遺伝
子又はその発現産物の発現レベルを測定する工程を含む。

本発明において用いられる生体試料としては、アトピー性皮膚炎の発症、進行に伴い本
発明の遺伝子が発現変化する組織及び生体材料であればよい。具体的には臓器、皮膚、血
液、尿、唾液、汗、皮膚表上脂質（ＳＳＬ）、組織浸出液等の体液、血液から調製された
血清、血漿、その他、便、毛髪等が挙げられ、好ましくは皮膚または皮膚表上脂質（ＳＳ
Ｌ）、より好ましくは皮膚表上脂質（ＳＳＬ）が挙げられる。
また、生体試料を採取する被験体は、アトピー性皮膚炎の検出を必要とする人又はアト
ピー性皮膚炎の発症が疑われる人が好ましく、性別及び年齢は限定されないが、好ましく
は成人であり、具体的には１６歳以上の人であり、好ましくは２０歳以上の人である。

ここで、「皮膚表上脂質（ＳＳＬ）」とは、皮膚の表上に存在する脂溶性画分をいい、
皮脂と呼ばれることもある。一般に、ＳＳＬは、皮膚にある皮脂腺等の外分泌腺から分泌
された分泌物を主に含み、皮膚表面を覆う薄い層の形で皮膚表上に存在している。ＳＳＬ
は、皮膚細胞で発現したＲＮＡを含む。（前記特許文献３参照）。また本明細書において
、「皮膚」とは、特に限定しない限り、体表の表皮、真皮、毛包、ならびに汗腺、皮脂腺
及びその他の腺等の組織を含む領域の総称である。

被験者の皮膚からのＳＳＬの採取には、皮膚からのＳＳＬの回収又は除去に用いられて
いるあらゆる手段を採用することができる。好ましくは、後述するＳＳＬ吸収性素材、Ｓ
ＳＬ接着性素材、又は皮膚からＳＳＬをこすり落とす器具を使用することができる。ＳＳ
Ｌ吸収性素材又はＳＳＬ接着性素材としては、ＳＳＬに親和性を有する素材であれば特に
限定されず、例えばポリプロピレン、パルプ等が挙げられる。皮膚からのＳＳＬの採取手
順のより詳細な例としては、あぶら取り紙、あぶら取りフィルム等のシート状素材へＳＳ
Ｌを吸収させる方法、ガラス板、テープ等へＳＳＬを接着させる方法、スパーテル、スク
レイパー等によりＳＳＬをこすり落として回収する方法、等が挙げられる。ＳＳＬの吸着
性を向上させるため、脂溶性の高い溶媒を予め含ませたＳＳＬ吸収性素材を用いてもよい
。一方、ＳＳＬ吸収性素材は、水溶性の高い溶媒や水分を含んでいるとＳＳＬの吸着が阻
害されるため、水溶性の高い溶媒や水分の含有量が少ないことが好ましい。ＳＳＬ吸収性
素材は、乾燥した状態で用いることが好ましい。ＳＳＬが採取される皮膚の部位としては
、特に限定されず、頭、顔、首、体幹、手足等の身体の任意の部位の皮膚が挙げられ、皮
脂の分泌が多い部位、例えば顔の皮膚が好ましい。

被験者から採取されたＲＮＡ含有ＳＳＬは一定期間保存されてもよい。採取されたＳＳ
Ｌは、含有するＲＮＡの分解を極力抑えるために、採取後できるだけ速やかに低温条件で
保存することが好ましい。本発明における該ＲＮＡ含有ＳＳＬの保存の温度条件は、０℃
以下であればよく、好ましくは－２０±２０℃～－８０±２０℃、より好ましくは－２０
±１０℃～－８０±１０℃、さらに好ましくは－２０±２０℃～－４０±２０℃、さらに
好ましくは－２０±１０℃～－４０±１０℃、さらに好ましくは－２０±１０℃、さらに
好ましくは－２０±５℃である。該ＲＮＡ含有ＳＳＬの該低温条件での保存の期間は、特
に限定されないが、好ましくは１２か月以下、例えば６時間以上１２ヶ月以下、より好ま
しくは６ヶ月以下、例えば１日間以上６ヶ月以下、さらに好ましくは３ヶ月以下、例えば
３日間以上３ヶ月以下である。

本発明において、標的遺伝子又はその発現産物の発現レベルの測定対象としては、ＲＮ
Ａから人工的に合成されたｃＤＮＡ、そのＲＮＡをエンコードするＤＮＡ、そのＲＮＡに
コードされるタンパク質、該タンパク質と相互作用をする分子、そのＲＮＡと相互作用す
る分子、又はそのＤＮＡと相互作用する分子等が挙げられる。ここで、ＲＮＡ、ＤＮＡ又
はタンパク質と相互作用する分子としては、ＤＮＡ、ＲＮＡ、タンパク質、多糖、オリゴ
糖、単糖、脂質、脂肪酸、及びこれらのリン酸化物、アルキル化物、糖付加物等、及び上
記いずれかの複合体が挙げられる。また、発現レベルとは、当該遺伝子又は発現産物の発
現量や活性を包括的に意味する。

本発明の方法においては、好ましい態様として、生体試料としてＳＳＬが用いられるが
、この場合にはＳＳＬに含まれるＲＮＡの発現レベルが解析され、具体的にはＲＮＡを逆
転写によりｃＤＮＡに変換した後、該ｃＤＮＡ又はその増幅産物が測定される。
ＳＳＬからのＲＮＡの抽出には、生体試料からのＲＮＡの抽出又は精製に通常使用され
る方法、例えば、フェノール/クロロホルム法、ＡＧＰＣ（ａｃｉｄｇｕａｎｉｄｉｎ
ｉｕｍｔｈｉｏｃｙａｎａｔｅ－ｐｈｅｎｏｌ－ｃｈｌｏｒｏｆｏｒｍｅｘｔｒａｃ
ｔｉｏｎ）法、又はＴＲＩｚｏｌ（登録商標）、ＲＮｅａｓｙ（登録商標）、ＱＩＡｚｏ
ｌ（登録商標）等のカラムを用いた方法、シリカをコーティングした特殊な磁性体粒子を
用いる方法、ＳｏｌｉｄＰｈａｓｅＲｅｖｅｒｓｉｂｌｅＩｍｍｏｂｉｌｉｚａｔ
ｉｏｎ磁性体粒子を用いる方法、ＩＳＯＧＥＮ等の市販のＲＮＡ抽出試薬による抽出等を
用いることができる。

該逆転写には、解析したい特定のＲＮＡを標的としたプライマーを用いてもよいが、よ
り包括的な核酸の保存及び解析のためにはランダムプライマーを用いることが好ましい。
該逆転写には、一般的な逆転写酵素又は逆転写試薬キットを使用することができる。好適
には、正確性及び効率性の高い逆転写酵素又は逆転写試薬キットが用いられ、その例とし
ては、Ｍ－ＭＬＶＲｅｖｅｒｓｅＴｒａｎｓｃｒｉｐｔａｓｅ及びその改変体、ある
いは市販の逆転写酵素又は逆転写試薬キット、例えばＰｒｉｍｅＳｃｒｉｐｔ（登録商標
）ＲｅｖｅｒｓｅＴｒａｎｓｃｒｉｐｔａｓｅシリーズ（タカラバイオ社）、Ｓｕｐｅ
ｒＳｃｒｉｐｔ（登録商標）ＲｅｖｅｒｓｅＴｒａｎｓｃｒｉｐｔａｓｅシリーズ（Ｔ
ｈｅｒｍｏＳｃｉｅｎｔｉｆｉｃ社）等が挙げられる。ＳｕｐｅｒＳｃｒｉｐｔ（登録
商標）III ＲｅｖｅｒｓｅＴｒａｎｓｃｒｉｐｔａｓｅ、ＳｕｐｅｒＳｃｒｉｐｔ（
登録商標）ＶＩＬＯｃＤＮＡＳｙｎｔｈｅｓｉｓｋｉｔ（いずれもＴｈｅｒｍｏ
Ｓｃｉｅｎｔｉｆｉｃ社）等が好ましく用いられる。
該逆転写における伸長反応は、温度を好ましくは４２℃±１℃、より好ましくは４２℃
±０．５℃、さらに好ましくは４２℃±０．２５℃に調整し、一方、反応時間を好ましく
は６０分間以上、より好ましくは８０～１２０分間に調整するのが好ましい。

発現レベルを測定する方法は、ＲＮＡ、ｃＤＮＡ又はＤＮＡを対象とする場合、これら
にハイブリダイズするＤＮＡをプライマーとしたＰＣＲ法、リアルタイムＲＴ－ＰＣＲ法
、マルチプレックスＰＣＲ、ＳｍａｒｔＡｍｐ法、ＬＡＭＰ法等に代表される核酸増幅法
、これらにハイブリダイズする核酸をプローブとして用いるハイブリダイゼーション法（
ＤＮＡチップ、ＤＮＡマイクロアレイ、ドットブロットハイブリダイゼーション、スロッ
トブロットハイブリダイゼーション、ノーザンブロットハイブリダイゼーション等）、塩
基配列を決定する方法（シーケンシング）、又はこれらを組み合わせた方法から選ぶこと
ができる。

ＰＣＲでは、解析したい特定のＤＮＡを標的としたプライマーペアを用いて該特定の1
種のＤＮＡのみを増幅してもよいが、複数のプライマーペアを用いて同時に複数の特定の
ＤＮＡを増幅してもよい。好ましくは、該ＰＣＲはマルチプレックスＰＣＲである。マル
チプレックスＰＣＲは、ＰＣＲ反応系に複数のプライマー対を同時に使用することで、複
数の遺伝子領域を同時に増幅する方法である。マルチプレックスＰＣＲは、市販のキット
（例えば、ＩｏｎＡｍｐｌｉＳｅｑＴｒａｎｓｃｒｉｐｔｏｍｅＨｕｍａｎＧｅｎ
ｅＥｘｐｒｅｓｓｉｏｎＫｉｔ；ライフテクノロジーズジャパン株式会社等）を用い
て実施することができる。
該ＰＣＲにおけるアニーリング及び伸長反応の温度は、使用するプライマーに依存する
ため一概には言えないが、上記のマルチプレックスＰＣＲキットは用いる場合、好ましく
は６２℃±１℃、より好ましくは６２℃±０．５℃、さらに好ましくは６２℃±０．２５
℃である。したがって、該ＰＣＲでは、好ましくはアニーリング及び伸長反応が１ステッ
プで行われる。該アニーリング及び伸長反応のステップの時間は、増幅すべきＤＮＡのサ
イズ等に依存して調整され得るが、好ましくは１４～１８分間である。該ＰＣＲにおける
変性反応の条件は、増幅すべきＤＮＡに依存して調整され得るが、好ましくは９５～９９
℃で１０～６０秒間である。上記のような温度及び時間での逆転写及びＰＣＲは、一般的
にＰＣＲに使用されるサーマルサイクラーを用いて実行することができる。

当該ＰＣＲで得られた反応産物の精製は、反応産物のサイズ分離によって行われること
が好ましい。サイズ分離により、目的のＰＣＲ反応産物を、ＰＣＲ反応液中に含まれるプ
ライマーやその他の不純物から分離することができる。ＤＮＡのサイズ分離は、例えば、
サイズ分離カラムや、サイズ分離チップ、サイズ分離に利用可能な磁気ビーズ等によって
行うことができる。サイズ分離に利用可能な磁気ビーズの好ましい例としては、Ａｍｐｕ
ｒｅＸＰ等のＳｏｌｉｄＰｈａｓｅＲｅｖｅｒｓｉｂｌｅＩｍｍｏｂｉｌｉｚａ
ｔｉｏｎ（ＳＰＲＩ）磁性ビーズが挙げられる。

精製したＰＣＲ反応産物に対して、その後の定量解析を行うために必要なさらなる処理
を施してもよい。例えば、ＤＮＡのシーケンシングのために、精製したＰＣＲ反応産物を
、適切なバッファー溶液へと調製したり、ＰＣＲ増幅されたＤＮＡに含まれるＰＣＲプラ
イマー領域を切断したり、増幅されたＤＮＡにアダプター配列をさらに付加したりしても
よい。例えば、精製したＰＣＲ反応産物をバッファー溶液へと調製し、増幅ＤＮＡに対し
てＰＣＲプライマー配列の除去及びアダプターライゲーションを行い、得られた反応産物
を、必要に応じて増幅して、定量解析のためのライブラリーを調製することができる。こ
れらの操作は、例えば、ＳｕｐｅｒＳｃｒｉｐｔ（登録商標）ＶＩＬＯｃＤＮＡＳｙ
ｎｔｈｅｓｉｓｋｉｔ（ライフテクノロジーズジャパン株式会社）に付属している５×
ＶＩＬＯＲＴＲｅａｃｔｉｏｎＭｉｘ、及びＩｏｎＡｍｐｌｉＳｅｑＴｒａｎ
ｓｃｒｉｐｔｏｍｅＨｕｍａｎＧｅｎｅＥｘｐｒｅｓｓｉｏｎＫｉｔ（ライフテ
クノロジーズジャパン株式会社）に付属している５×ＩｏｎＡｍｐｌｉＳｅｑＨｉＦ
ｉＭｉｘ、及びＩｏｎＡｍｐｌｉＳｅｑＴｒａｎｓｃｒｉｐｔｏｍｅＨｕｍａｎ
ＧｅｎｅＥｘｐｒｅｓｓｉｏｎＣｏｒｅＰａｎｅｌを用いて、各キット付属のプ
ロトコルに従って行うことができる。

ノーザンブロットハイブリダイゼーション法を利用して標的遺伝子又はそれに由来する
核酸の発現量を測定する場合は、例えば、まずプローブＤＮＡを放射性同位元素、蛍光物
質等で標識し、次いで、得られた標識ＤＮＡを、常法に従ってナイロンメンブレン等にト
ランスファーした生体試料由来のＲＮＡとハイブリダイズさせる。その後、形成された標
識ＤＮＡとＲＮＡとの二重鎖を、標識物に由来するシグナルを検出することにより測定す
る方法が挙げられる。

ＲＴ－ＰＣＲ法を用いて標的遺伝子又はそれに由来する核酸の発現量を測定する場合は
、例えば、まず生体試料由来のＲＮＡから常法に従ってｃＤＮＡを調製し、これを鋳型と
して本発明の標的遺伝子が増幅できるように調製した一対のプライマー（上記ｃＤＮＡ（
－鎖）に結合する正鎖、＋鎖に結合する逆鎖）をこれとハイブリダイズさせる。その後、
常法に従ってＰＣＲ法を行い、得られた増幅二本鎖ＤＮＡを検出する。増幅された二本鎖
ＤＮＡの検出には、予めＲＩ、蛍光物質等で標識しておいたプライマーを用いて上記ＰＣ
Ｒを行うことによって産生される標識二本鎖ＤＮＡを検出する方法等を用いることができ
る。

ＤＮＡマイクロアレイを用いて標的遺伝子又はそれに由来する核酸の発現量を測定する
場合は、例えば、支持体に本発明の標的遺伝子由来の核酸（ｃＤＮＡ又はＤＮＡ）の少な
くとも１種を固定化したアレイを用い、ｍＲＮＡから調製した標識化ｃＤＮＡ又はｃＲＮ
Ａをマイクロアレイ上に結合させ、マイクロアレイ上の標識を検出することによって、ｍ
ＲＮＡの発現量を測定することができる。
前記アレイに固定化される核酸としては、ストリンジェントな条件下に特異的（すなわ
ち、実質的に目的の核酸のみに）にハイブリダイズする核酸であればよく、例えば、本発
明の標的遺伝子の全配列を有する核酸であってもよく、部分配列からなる核酸であっても
よい。ここで、「部分配列」とは、少なくとも１５～２５塩基からなる核酸が挙げられる
。ここでストリンジェントな条件は、通常「１×ＳＳＣ、０．１％ＳＤＳ、３７℃」程度
の洗浄条件を挙げることができ、より厳しいハイブリダイズ条件としては「０．５×ＳＳ
Ｃ、０．１％ＳＤＳ、４２℃」程度、さらに厳しいハイブリダイズ条件としては「０．１
×ＳＳＣ、０．１％ＳＤＳ、６５℃」程度の条件を挙げることができる。ハイブリダイズ
条件は、J. Sambrook et al., Molecular Cloning: A Laboratory Manual, Thrd Edition
, Cold Spring Harbor Laboratory Press (2001)等に記載されている。

シーケンシングによって標的遺伝子又はそれに由来する核酸の発現量を測定する場合は
、例えば、次世代シーケンサー（例えばＩｏｎＳ５／ＸＬシステム、ライフテクノロジ
ーズジャパン株式会社）が用いて解析することが挙げられる。シーケンシングで作成され
たリードの数（リードカウント）に基づいて、ＲＮＡ発現を定量することができる。

上記の測定に用いられるプローブ又はプライマー、すなわち、本発明の標的遺伝子又は
それに由来する核酸を特異的に認識し増幅するためのプライマー、又は該ＲＮＡ又はそれ
に由来する核酸を特異的に検出するためのプローブがこれに該当するが、これらは、当該
標的遺伝子を構成する塩基配列に基づいて設計することができる。ここで「特異的に認識
する」とは、例えばノーザンブロット法において、実質的に本発明の標的遺伝子又はそれ
に由来する核酸のみを検出できること、また例えばＲＴ－ＰＣＲ法において、実質的に当
該核酸のみが増幅される如く、当該検出物又は生成物が当該遺伝子又はそれに由来する核
酸であると判断できることを意味する。
具体的には、本発明の標的遺伝子を構成する塩基配列からなるＤＮＡ又はその相補鎖に
相補的な一定数のヌクレオチドを含むオリゴヌクレオチドを利用することができる。ここ
で「相補鎖」とは、Ａ：Ｔ（ＲＮＡの場合はＵ）、Ｇ：Ｃの塩基対からなる２本鎖ＤＮＡ
の一方の鎖に対する他方の鎖を指す。また、「相補的」とは、当該一定数の連続したヌク
レオチド領域で完全に相補配列である場合に限られず、好ましくは８０％以上、より好ま
しくは９０％以上、さらに好ましくは９５％以上の塩基配列上の同一性を有すればよい。
塩基配列の同一性は、前記ＢＬＡＳＴ等のアルゴリズムにより決定することができる。
斯かるオリゴヌクレオチドは、プライマーとして用いる場合には、特異的なアニーリン
グ及び鎖伸長ができればよく、通常、例えば１０塩基以上、好ましくは１５塩基以上、よ
り好ましくは２０塩基以上、かつ例えば１００塩基以下、好ましくは５０塩基以下、より
好ましくは３５塩基以下の鎖長を有するものが挙げられる。また、プローブとして用いる
場合には、特異的なハイブリダイゼーションができればよく、本発明の標的遺伝子を構成
する塩基配列からなるＤＮＡ（又はその相補鎖）の少なくとも一部若しくは全部の配列を
有し、例えば１０塩基以上、好ましくは１５塩基以上、かつ例えば１００塩基以下、好ま
しくは５０塩基以下、より好ましくは２５塩基以下の鎖長のものが用いられる。
なお、ここで、「オリゴヌクレオチド」は、ＤＮＡあるいはＲＮＡであることができ、
合成されたものでも天然のものでもよい。又はイブリダイゼーションに用いるプローブは
、通常標識したものが用いられる。

また、本発明の標的遺伝子の翻訳産物（タンパク質）、当該タンパク質と相互作用する
分子、ＲＮＡと相互作用する分子、又はＤＮＡと相互作用する分子を測定する場合は、プ
ロテインチップ解析、免疫測定法（例えば、ＥＬＩＳＡ等）、質量分析（例えば、ＬＣ－
ＭＳ／ＭＳ、ＭＡＬＤＩ－ＴＯＦ／ＭＳ）、１－ハイブリッド法（PNAS 100, 12271-1227
6(2003)）や２－ハイブリッド法（Biol. Reprod. 58, 302-311 (1998)）のような方法を
用いることができ、対象に応じて適宜選択できる。
例えば、測定対象としてタンパク質が用いられる場合は、本発明の発現産物に対する抗
体を生体試料と接触させ、当該抗体に結合した試料中のタンパク質を検出し、そのレベル
を測定することによって実施される。例えば、ウェスタンブロット法によれば、一次抗体
として上記の抗体を用いた後、二次抗体として放射性同位元素、蛍光物質又は酵素等で標
識した一次抗体に結合する抗体を用いて、その一次抗体を標識し、これら標識物質由来の
シグナルを放射線測定器、蛍光検出器等で測定することが行われる。
尚、上記翻訳産物に対する抗体は、ポリクローナル抗体であっても、モノクローナル抗
体であってもよい。これらの抗体は、公知の方法に従って製造することができる。具体的
には、ポリクローナル抗体は、常法に従って大腸菌等で発現し精製したタンパク質を用い
て、あるいは常法に従って当該タンパク質の部分ポリペプチドを合成して、家兎等の非ヒ
ト動物に免疫し、該免疫動物の血清から常法に従って得ることが可能である。
一方、モノクローナル抗体は、常法に従って大腸菌等で発現し精製したタンパク質又は
該タンパク質の部分ポリペプチドをマウス等の非ヒト動物に免疫し、得られた脾臓細胞と
骨髄腫細胞とを細胞融合させて調製したハイブリドーマ細胞から得ることができる。また
、モノクローナル抗体は、ファージディスプレイを用いて作製してもよい（Griffiths, A
.D.; Duncan, A.R., Current Opinion in Biotechnology, Volume 9, Number 1, Februar
y 1998 , pp. 102-108(7)）。

斯くして、被験者から採取された生体試料中の本発明の標的遺伝子又はその発現産物の
発現レベルが測定され、当該発現レベルに基づいてアトピー性皮膚炎が検出される。検出
は、具体的には、測定された本発明の標的遺伝子又はその発現産物の発現レベルを対照レ
ベルと比較することによって行われる。
シーケンシングにより複数の標的遺伝子の発現レベルの解析を行う場合は、上記したよ
うに、発現量のデータであるリードカウント値、該リードカウント値をサンプル間の総リ
ード数の違いを補正したＲＰＭ値、当該ＲＰＭ値を底２の対数値に変換した値（Ｌｏｇ_２
ＲＰＭ値）又は整数１を加算した底２の対数値（Ｌｏｇ_２（ＲＰＭ＋１）値）、あるいは
ＤＥＳｅｑ２を用いて補正されたカウント値（Ｎｏｒｍａｌｉｚｅｄｃｏｕｎｔ値）又
は整数１を加算した底２の対数値（Ｌｏｇ_２（ｃｏｕｎｔ＋１）値）を指標として用いる
のが好ましい。また、ＲＮＡ－ｓｅｑの定量値として一般的な、ｆｒａｇｍｅｎｔｓｐ
ｅｒｋｉｌｏｂａｓｅｏｆｅｘｏｎｐｅｒｍｉｌｌｉｏｎｒｅａｄｓｍａ
ｐｐｅｄ（ＦＰＫＭ）、ｒｅａｄｓｐｅｒｋｉｌｏｂａｓｅｏｆｅｘｏｎｐ
ｅｒｍｉｌｌｉｏｎｒｅａｄｓｍａｐｐｅｄ（ＲＰＫＭ）、ｔｒａｎｓｃｒｉｐ
ｔｓｐｅｒｍｉｌｌｉｏｎ（ＴＰＭ）などによって算出される値であってもよい。
また、マイクロアレイ法によって得られるシグナル値、及びその補正値であってもよい。
また、ＲＴ－ＰＣＲなどにより特定の標的遺伝子のみ発現レベルの解析を行う場合には、
対象遺伝子の発現量をハウスキーピング遺伝子の発現量を基準とする相対的な発現量に変
換（相対定量）して解析する方法、又は標的遺伝子の領域を含むプラスミドを用いて絶対
的なコピー数を定量（絶対定量）して解析する方法が好ましい。デジタルＰＣＲ法によっ
て得られるコピー数であってもよい。
ここで、「対照レベル」とは、例えば、健常人における当該標的遺伝子又はその発現産
物の発現レベルが挙げられる。健常人の発現レベルは、健常人集団から測定した当該遺伝
子又はその発現産物の発現レベルの統計値（例えば平均値等）であってもよい。標的遺伝
子が複数の場合は、各々の遺伝子又はその発現産物について基準発現レベルを求めること
が好ましい。

また、本発明におけるアトピー性皮膚炎の検出は、本発明の標的遺伝子又はその発現産
物の発現レベルの上昇／減少により行うこともできる。この場合は、被験者由来の生体試
料における標的遺伝子又はその発現産物の発現レベルが、各遺伝子又はその発現産物のカ
ットオフ値（参照値）と比較される。カットオフ値は、予め健常者における当該標的遺伝
子又はその発現産物の発現レベルを基準データとして取得しておき、それに基づく発現レ
ベルの平均値や標準偏差等の統計的数値に基づき、適宜決定すれば良い。

さらに、アトピー性皮膚炎患者由来の標的遺伝子又はその発現産物の発現レベルと、健
常人由来の標的遺伝子又はその発現産物の発現レベルの測定値を利用して、アトピー性皮
膚炎患者と健常人とを分ける判別式（予測モデル）を構築し、当該判別式を利用して、ア
トピー性皮膚炎を検出することができる。すなわち、アトピー性皮膚炎患者由来の標的遺
伝子又はその発現産物の発現レベルと、健常者由来の標的遺伝子又はその発現産物の発現
レベルの測定値を教師サンプルとして、アトピー性皮膚炎患者と健常人を分ける判別式（
予測モデル）を構築し、当該判別式に基づいてアトピー性皮膚炎患者と健常人を判別する
カットオフ値（参照値）を求める。なお、判別式の作成においては、主成分分析（ＰＣＡ
）により次元圧縮を行ない、主要成分を説明変数とすることができる。
そして、被験者から採取された生体試料から標的遺伝子又はその発現産物のレベルを同
様に測定し、得られた測定値を当該判別式に代入し、当該判別式から得られた結果を参照
値と比較することによって、被検者におけるアトピー性皮膚炎の存在又は不存在を評価で
きる。

判別式の構築に用いる変数には説明変数と目的変数がある。説明変数としては、例えば
、下記の方法で選択した標的遺伝子又はその発現産物の発現レベルを用いることができる
。目的変数としては、例えば、そのサンプルが健常人由来かアトピー性皮膚炎患者由来か
、を用いることができる。

特徴量の選択には、判別する２群間の統計学的に有意な差異、例えば、発現レベルが２
群間で有意に変動する遺伝子（発現変動遺伝子）またはその発現産物の発現レベルを用い
ることができる。また、機械学習に用いるアルゴリズムなどの公知のものを利用して特徴
量遺伝子を抽出し、その発現レベルを用いたりすることができる。例えば、下記に示すラ
ンダムフォレストにおける変数重要度の高い遺伝子またはその発現産物の発現レベルを用
いたり、Ｒ言語の“Ｂｏｒｕｔａ”パッケージなどを用いて特徴量遺伝子を抽出し、その
発現レベルを用いたりすることができる。

判別式の構築におけるアルゴリズムとしては、機械学習に用いるアルゴリズムなどの公
知のものを利用することができる。機械学習アルゴリズムの例としては、ランダムフォレ
スト（Ｒａｎｄｏｍｆｏｒｅｓｔ）、線形カーネルのサポートベクターマシン（ＳＶＭ
ｌｉｎｅａｒ）、ｒｂｆカーネルのサポートベクターマシン（ＳＶＭｒｂｆ）ニュー
ラルネットワーク（Ｎｅｒｕｒａｌｎｅｔ）、一般線形モデル（Ｇｅｎｅｒａｌｉｚｅ
ｄｌｉｎｅａｒｍｏｄｅｌ）、正則化線形判別分析（Ｒｅｇｕｌａｒｉｚｅｄｌｉ
ｎｅａｒｄｉｓｃｒｉｍｉｎａｎｔａｎａｌｙｓｉｓ）、正則化ロジスティック回帰
（Ｒｅｇｕｌａｒｉｚｅｄｌｏｇｉｓｔｉｃｒｅｇｒｅｓｓｉｏｎ）などが挙げられ
る。構築した予測モデルに検証用のデータを入力して予測値を算出し、該予測値が実測値
と最も適合するモデル、例えば正解率（Ａｃｃｕｒａｃｙ）が最も大きいモデルを最適な
予測モデルとして選抜することができる。また、予測値と実測値から検出率（Ｒｅｃａｌ
ｌ）、精度（Ｐｒｅｃｉｓｉｏｎ）、及びそれらの調和平均であるＦ値を計算し、そのＦ
値が最も大きいモデルを最適な予測モデルとして選抜することができる。

判別式の構築においてランダムフォレストのアルゴリズムを使用する場合、予測モデル
の精度の指標として、未知データに対する推定の誤答率（ＯＯＢｅｒｒｏｒｒａｔｅ）
を算出することができる（Breiman L. Machine Learning (2001) 45;5-32）。

ランダムフォレストにおいては、ブートストラップ法という手法に従い、全サンプル中
から重複を許して、サンプル数の約３分の２のサンプルをランダムに抽出し、決定木と呼
ばれる分類器を作成する。この時抽出されなかったサンプルはＯｕｔｏｆｂｕｇ（ＯＯ
Ｂ）と呼ばれ、1本の決定木を用いて、ＯＯＢの目的変数の予測を行い、正解ラベルと比
較することでその誤答率を算出することができる（決定木におけるＯＯＢｅｒｒｏｒｒ
ａｔｅ）。同様の作業を５００回繰り返し行い、５００本の決定木におけるＯＯＢｅｒ
ｒｏｒｒａｔｅの平均値をとった値を、該ランダムフォレストのモデルのＯＯＢｅｒｒ
ｏｒｒａｔｅとすることができる。

なお、ランダムフォレストのモデルを構築する決定木の数（ｎｔｒｅｅ値）は、デフォ
ルトでは５００本であるが、必要に応じて任意の本数に変更することができる。さらに、
1つの決定木においてサンプルの判別式の作成に用いる変数の数（ｍｔｒｙ値）は、デフ
ォルトでは説明変数の数の平方根をとった値であるが、必要に応じて１つから全説明変数
の数までの値のいずれかに変更することができる。

ｍｔｒｙ値の決定にはＲ言語の“ｃａｒｅｔ”パッケージを用いることができる。“ｃ
ａｒｅｔ”パッケージのメソッドにランダムフォレストを指定し、８通りのｍｔｒｙ値を
試行し、例えばＡｃｃｕｒａｃｙが最大となるｍｔｒｙ値を最適なｍｔｒｙ値として選択
することができる。なお、ｍｔｒｙ値の試行回数は、必要に応じて任意の試行回数に変更
することができる。

判別式の構築においてランダムフォレストのアルゴリズムを使用する場合、モデルの構
築に用いた説明変数の重要度を数値（変数重要度）化することができる。変数重要度の値
には、例えば、ジニ係数の減少量（ＭｅａｎＤｅｃｒｅａｓｅＧｉｎｉ）を用いること
ができる。

カットオフ値（参照値）の決定方法は特に制限されず、公知の手法に従って決定するこ
とができる。例えば、判別式を使用して作成されたＲＯＣ（ＲｅｃｅｉｖｅｒＯｐｅｒ
ａｔｉｎｇＣｈａｒａｃｔｅｒｉｓｔｉｃＣｕｒｖｅ）曲線より求めることができる
。ＲＯＣ曲線では、縦軸に陽性患者において陽性の結果がでる確率（感度）と、横軸に陰
性患者において陰性の結果がでる確率（特異度）を１から減算した値（偽陽性率）がプロ
ットされる。ＲＯＣ曲線に示される「真陽性（感度）」及び「偽陽性（１－特異度）」に
関し、「真陽性（感度）」－「偽陽性（１－特異度）」が最大となる値（Ｙｏｕｄｅｎ
ｉｎｄｅｘ）をカットオフ値（参照値）とすることができる。

既に述べたとおり、ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦ
Ｔ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、Ｚ
ＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２
及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子、及び当該１７種の遺伝子を含む表１－１～
１－３で示される１２３遺伝子、表３－１～３－４で示される１５０遺伝子、又は表４で
示される４５遺伝子を特徴量遺伝子として、アトピー性皮膚炎の予測が可能な予測モデル
を構築することができる。

したがって、上記アトピー性皮膚炎患者群と健常人群とを分ける判別式を作成する場合
に、特徴量遺伝子としてＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤ
ＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、
ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ
２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子から選択される１つの遺伝子又は２種以上
、好ましくは５種以上、より好ましくは１０種以上、よりさらに好ましくは１７種全て選
択し、その遺伝子又はその発現産物の発現データを用いる。さらに、複数の遺伝子を選択
する場合、これら遺伝子の表３－１～３－４における変数重要度のより上位の遺伝子から
順に特徴量遺伝子として選択し、判別式を作成するのが好ましい。また、当該１７種の遺
伝子に、前記表Ａで示される２４５遺伝子、表１－１～１－３で示される１２３遺伝子、
表３－１～３－４で示される１５０遺伝子又は表４で示される４５遺伝子において、当該
１７種の遺伝子以外の遺伝子から選ばれる少なくとも１つ、５以上、１０以上、２０以上
又は５０以上の遺伝子又はその発現産物の発現データを適宜加えることにより、判別式を
作成し、アトピー性皮膚炎の検出をすることも可能である。当該１７種の遺伝子以外の遺
伝子を表３－１～３－４に示される１５０遺伝子から選択する場合は、変数重要度のより
上位の遺伝子から順に、あるいは変数重要度が上位から５０位以内、好ましくは３０位以
内の遺伝子から特徴量遺伝子を選択しても良い。さらに、当該１７種の遺伝子以外の遺伝
子を特徴量遺伝子として選択する場合には、表１－１～１－３、表３－１～３－４及び表
４において＊を付し太字で表示された新規のアトピー性皮膚炎マーカーから特徴量遺伝子
を選択するのが好ましい。
好ましくは、上記１７遺伝子、表１－１～１－３で示される１２３遺伝子又は１０７遺
伝子（表１－１～１－３において＊を付し太字で表示）、表３－１～３－４で示される１
５０遺伝子又は１２７遺伝子（表３－１～３－４において＊を付し太字で表示）、又は表
４で示される４５遺伝子又は３９遺伝子（表４において＊を付し太字で表示）を特徴量遺
伝子とする判別式が挙げられる。

本発明のアトピー性皮膚炎を検出するための検査用キットは、患者から分離した生体試
料における本発明の標的遺伝子又はその発現産物の発現レベルを測定するための検査試薬
を含有するものである。具体的には、本発明の標的遺伝子又はそれに由来する核酸と特異
的に結合（ハイブリダイズ）するオリゴヌクレオチド（例えば、ＰＣＲ用のプライマー）
を含む、核酸増幅、ハイブリダイゼーションのための試薬、或いは、本発明の標的遺伝子
の発現産物（タンパク質）を認識する抗体を含む免疫学的測定のための試薬等が挙げられ
る。当該キットに包含されるオリゴヌクレオチド、抗体等は、上述したとおり公知の方法
により得ることができる。
また、当該検査用キットには、上記抗体や核酸の他、標識試薬、緩衝液、発色基質、二
次抗体、ブロッキング剤や、試験に必要な器具やポジティブコントロールやネガティブコ
ントロールとして使用するコントロール試薬、生体試料を採取するための用具（例えば、
ＳＳＬを採取するための脂取りフィルムなど）等を含むことができる。

本発明の態様及び好ましい実施態様を以下に示す。
＜１＞被験者から採取された生体試料について、ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤ
Ｃ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰ
Ｓ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、
ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子群より選択され
る少なくとも１つの遺伝子又はその発現産物の発現レベルを測定する工程を含む、当該被
験者におけるアトピー性皮膚炎の検出方法。
＜２＞遺伝子又はその発現産物の発現レベルがｍＲＮＡの発現量の測定である、＜１＞
の方法。
＜３＞遺伝子又はその発現産物が前記被験者の皮膚表上脂質に含まれるＲＮＡである、
＜１＞又は＜２＞の方法。
＜４＞発現レベルの測定値を前記各遺伝子又はその発現産物の参照値と比較し、アトピ
ー性皮膚炎の存在又は不存在を評価する、＜１＞～＜３＞のいずれかの方法。
＜５＞アトピー性皮膚患者由来の前記遺伝子又はその発現産物の発現レベルと、健常者
由来の同遺伝子又はその発現産物の発現レベルの測定値を教師サンプルとして、アトピー
性皮膚炎患者と健常者を分ける判別式を作成し、被験者から採取された生体試料から得ら
れた同遺伝子又はその発現産物の発現レベルの測定値を当該判別式に代入し、得られた結
果を参照値と比較することによって、被検者におけるアトピー性皮膚炎の存在又は不存在
を評価する、＜１＞～＜３＞のいずれかの方法。
＜６＞判別式の構築におけるアルゴリズムが、ランダムフォレスト、線形カーネルのサ
ポートベクターマシン、ｒｂｆカーネルのサポートベクターマシン、ニューラルネットワ
ーク、一般線形モデル、正則化線形判別分析、又は正則化ロジスティック回帰である＜５
＞の方法。
＜７＞前記１７種の遺伝子群の全ての遺伝子又はその発現産物の発現レベルが測定され
る、＜５＞又は＜６＞の方法。
＜８＞前記７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、後記表１－
１～１－３で示される１１２３種、後記表３－１～３－４で示される１５０種、表４で示
される４５種のうち前記１７種の遺伝子を除いた遺伝子群より選択される少なくとも１つ
の遺伝子又はその発現産物の発現レベルが測定される、＜５＞～＜７＞のいずれかの方法
。
＜９＞後記表３－１～３－４で示される１５０種がランダムフォレストを用いて抽出さ
れた特徴量遺伝子である、＜８＞の方法。
＜１０＞後記表４で示される４５種がＢｏｒｕｔａ法を用いて抽出された特徴量遺伝子
である、＜８＞の方法。
＜１１＞前記遺伝子又はそれに由来する核酸と特異的にハイブリダイズするオリゴヌク
レオチド、又は前記遺伝子の発現産物を認識する抗体を含有する、＜１＞～＜１０＞のい
ずれかの方法に用いられるアトピー性皮膚炎を検出するための検査用キット。
＜１２＞前記Ｂに示される２１０種の遺伝子群より選択される少なくとも１つの遺伝子
又はその発現産物からなる、アトピー性皮膚炎の検出マーカー。
＜１３＞ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮ
Ｆ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５
、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮ
Ｋ１Ｇ２からなる１７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現
産物である、＜１２＞のアトピー性皮膚炎の検出マーカー。

以下、実施例に基づき本発明をさらに詳細に説明するが、本発明はこれに限定されるも
のではない。

実施例１ＳＳＬから抽出されたＲＮＡにおけるアトピー性皮膚炎関連の発現変動遺伝子
の検出
１）ＳＳＬ採取
成人の健常者（ＨＬ）（２５～５７歳、男性）１４名、及びアトピー性皮膚を有する成
人（ＡＤ）（２３～５６歳、男性）２９名を被験者とした。アトピー性皮膚炎の被検者は
、皮膚科専門医により、少なくとも顔面部に皮疹を有し、かつ重症度が軽症又は中等症の
アトピー性皮膚炎であるとの診断を受けている。各被験者の全顔（ＡＤ患者は皮疹部を含
む）からあぶら取りフィルム（５×８ｃｍ、ポリプロピレン製、３Ｍ社）を用いて皮脂を
回収後、該あぶら取りフィルムをバイアルに移し、ＲＮＡ抽出に使用するまで－８０℃で
、約１ヶ月間保存した。

２）ＲＮＡ調製及びシーケンシング
上記１）のあぶら取りフィルムを適当な大きさに切断し、ＱＩＡｚｏｌＬｙｓｉｓ
Ｒｅａｇｅｎｔ（Ｑｉａｇｅｎ）を用いて、付属のプロトコルに準じてＲＮＡを抽出した
。抽出されたＲＮＡを元に、ＳｕｐｅｒＳｃｒｉｐｔＶＩＬＯｃＤＮＡＳｙｎｔｈ
ｅｓｉｓｋｉｔ（ライフテクノロジーズジャパン株式会社）を用いて４２℃、９０分間
逆転写を行いｃＤＮＡの合成を行った。逆転写反応のプライマーには、キットに付属して
いるランダムプライマーを使用した。得られたｃＤＮＡから、マルチプレックスＰＣＲに
より２０８０２遺伝子に由来するＤＮＡを含むライブラリーを調製した。マルチプレック
スＰＣＲは、ＩｏｎＡｍｐｌｉＳｅｑＴｒａｎｓｃｒｉｐｔｏｍｅＨｕｍａｎＧｅ
ｎｅＥｘｐｒｅｓｓｉｏｎＫｉｔ（ライフテクノロジーズジャパン株式会社）を用い
て、［９９℃、２分→（９９℃、１５秒→６２℃、１６分）×２０サイクル→４℃、Ｈｏ
ｌｄ］の条件で行った。得られたＰＣＲ産物は、ＡｍｐｕｒｅＸＰ（ベックマン・コー
ルター株式会社）で精製した後に、バッファーの再構成、プライマー配列の消化、アダプ
ターライゲーションと精製、増幅を行い、ライブラリーを調製した。調製したライブラリ
ーをＩｏｎ５４０Ｃｈｉｐにローディングし、ＩｏｎＳ５／ＸＬシステム（ライフ
テクノロジーズジャパン株式会社）を用いてシーケンシングした。

３）データ解析
ｉ）使用データ
上記２）で測定した被験者由来のＲＮＡの発現量のデータ（リードカウント値）におい
て、ＤＥＳｅｑ２という手法を用いて補正した。但し、全サンプル被験者の発現量データ
のうち９０％以上のサンプル被験者で欠損値ではない発現量データが得られている７４２
９遺伝子のみ以下の解析に使用した。解析には、ＤＥＳｅｑ２という手法を用いて補正さ
れたカウント値（Ｎｏｒｍａｌｉｚｅｄｃｏｕｎｔ値）を用いた。

ｉｉ）ＲＮＡ発現解析
上記ｉ）で測定した健常者、及びＡＤのＳＳＬ由来ＲＮＡ発現量（Ｎｏｒｍａｌｉｚｅｄ
ｃｏｕｎｔ値）を基に、健常者と比較してＡＤにおいて尤度比検定によるｐ値の補正値
（ＦＤＲ）が０．０５未満となるＲＮＡ（発現変動遺伝子）を同定した。その結果、７５
種のＲＮＡがＡＤにおいて低下（ＤＯＷＮ）、４８種のＲＮＡがＡＤにおいて上昇（ＵＰ
）した（表１－１～１－３）。

表１－１～１－３に示された１２３遺伝子について、公共データベースであるＳＴＲＩ
ＮＧを用いて遺伝子オントロジー（ＧＯ）エンリッチメント解析によるｂｉｏｌｏｇｉｃ
ａｌｐｒｏｃｅｓｓ（ＢＰ）の探索を行った。その結果、ＡＤ患者において発現低下し
た遺伝子群と関連したＢＰが２７個得られ、脂質代謝やアミノ酸代謝に関するタームが含
まれることが示され（表２）。また、発現上昇した遺伝子群と関連したＢＰが４個得られ
、白血球の活性化に関するタームなどが含まれていることが示された（表２）。一方で、
前記表１－１～１－３に示された１２３遺伝子のうちの１０７遺伝子（各表において＊を
付し太字で表示）については、これまでにアトピー性皮膚炎との関連性を示唆する報告が
ないことから、新規なアトピー性皮膚炎マーカーとなり得ると判断された。

実施例２ランダムフォレストの変数重要度の高い遺伝子を用いた判別モデルの構築
１）使用データ
実施例１と同様の方法で、被験者からのＳＳＬ由来ＲＮＡの発現量のデータ（リードカ
ウント値）を取得し、サンプル間の総リード数の違いを補正したＲＰＭ値に変換した。た
だし、全サンプル中９０％以上のサンプルで欠損値ではない発現量データが得られている
７４２９遺伝子のみ以下の解析に使用した。機械学習モデルの構築には、負の二項分布に
従うＲＰＭ値を正規分布に近似するため、整数１を加算した底２の対数値（Ｌｏｇ_２（Ｒ
ＰＭ＋１）値）を用いた。

２）特徴量遺伝子の選択
ランダムフォレストのアルゴリズムを用いて特徴量遺伝子の選択を行うために、全サン
プル中９０％以上のサンプルで欠損値ではない発現量データが得られている７４２９遺伝
子のＬｏｇ_２（ＲＰＭ＋１）値を説明変数とし、健常者（ＨＬ）とＡＤを目的変数として
用いた。Ｒ言語の“ｃａｒｅｔ”パッケージにおいてランダムフォレストのアルゴリズム
をメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値
をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォ
レストのアルゴリズムを実行し、ジニ係数に基づく変数重要度の上位１５０遺伝子を算出
した（表３－１～３－４）。そして、これら１５０遺伝子もしくは、そのうちこれまでに
アトピー性皮膚炎との関係が報告されていない１２７遺伝子（各表において＊を付し太字
で表示）を特徴量遺伝子として選択した。

３）モデル構築
上記１５０遺伝子または１２７遺伝子のＬｏｇ_２（ＲＰＭ＋１）値を説明変数とし、Ｈ
ＬとＡＤを目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”パッケージにおいてランダム
フォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の
数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ
値を用いて、ランダムフォレストのアルゴリズムを実行し、推定誤答率（ＯＯＢｅｒｒ
ｏｒｒａｔｅ）を算出した。その結果、１５０遺伝子を用いた場合のモデルではＯＯＢ
ｅｒｒｏｒｒａｔｅが６．９８％、１２７遺伝子を用いた場合のモデルでは６．９８％
であった。

実施例３発現変動遺伝子を用いた判別モデルの構築
１）使用データ
実施例１と同様の方法で、被験者からのＳＳＬ由来ＲＮＡの発現量のデータ（リードカ
ウント値）を取得し、サンプル間の総リード数の違いを補正したＲＰＭ値に変換した。機
械学習モデルの構築には、負の二項分布に従うＲＰＭ値を正規分布に近似するため、整数
１を加算した底２の対数値（ｌｏｇ_２（ＲＰＭ＋１）値）を用いた。

２）特徴量遺伝子の選択
実施例１において健常者（ＨＬ）と比較してＡＤで有意に発現が変動していた１２３遺
伝子（表１－１～１－３）もしくは、そのうちこれまでにアトピー性皮膚炎との関係が報
告されていない１０７遺伝子（各表において＊を付し太字で表示）を特徴量遺伝子として
選択した。

３）モデル構築
上記１２３遺伝子または１０７遺伝子のＬｏｇ_２（ＲＰＭ＋１）値を説明変数とし、Ｈ
ＬとＡＤを目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”パッケージにおいてランダム
フォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の
数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ
値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯＢｅｒｒｏｒｒａｔｅ
を算出した。その結果、１２３遺伝子を用いた場合のモデルではＯＯＢｅｒｒｏｒｒａ
ｔｅが１３．９５％、１０７遺伝子を用いた場合のモデルでは１３．９５％であった。

実施例４Ｂｏｒｕｔａ法により抽出した特徴量遺伝子を用いた判別モデルの構築
１）使用データ
実施例１と同様の方法で、被験者からのＳＳＬ由来ＲＮＡの発現量のデータ（リードカ
ウント値）を取得し、サンプル間の総リード数の違いを補正したＲＰＭ値に変換した。た
だし、全サンプル中９０％以上のサンプルで欠損値ではない発現量データが得られている
７４２９遺伝子のみ以下の解析に使用した。機械学習モデルの構築には、負の二項分布に
従うＲＰＭ値を正規分布に近似するため、整数１を加算した底２の対数値（ｌｏｇ_２（Ｒ
ＰＭ＋１）値）を用いた。

２）特徴量遺伝子の選択
全サンプル中９０％以上のサンプルで欠損値ではない発現量データが得られている７４
２９遺伝子のＬｏｇ_２（ＲＰＭ+１）値を説明変数とし、健常者（ＨＬ）とＡＤを目的変
数として用い、Ｒ言語の“Ｂｏｒｕｔａ”パッケージのアルゴリズムを実行した。最大試
行回数を１０００回とし、ｐ値が０．０１未満である４５遺伝子を算出した（表４）。こ
れら４５遺伝子もしくは、そのうちこれまでにアトピー性皮膚炎との関係が報告されてい
ない３９遺伝子（表４において＊を付し太字で表示）を特徴量遺伝子として選択した。

３）モデル構築
上記４５遺伝子または３９遺伝子のＬｏｇ_２（ＲＰＭ＋１）値を説明変数とし、ＨＬと
ＡＤを目的変数として用いた。Ｒ言語の“ｃａｒｅｔ”パッケージにおいてランダムフォ
レストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（
ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を
用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯＢｅｒｒｏｒｒａｔｅを算
出した。その結果、４５遺伝子を用いた場合のモデルではＯＯＢｅｒｒｏｒｒａｔｅが
６．９８％、３９遺伝子を用いた場合のモデルでは９．３％であった。

実施例５複数の実施例で重複して用いられた特徴量遺伝子に基づく判別モデルの構築
１）使用データ
実施例１と同様の方法で、被験者からのＳＳＬ由来ＲＮＡの発現量のデータ（リードカ
ウント値）を取得し、サンプル間の総リード数の違いを補正したＲＭＰ値に変換した。機
械学習モデルの構築には、負の二項分布に従うＲＰＭ値を正規分布に近似するため、整数
１を加算した底２の対数値（ｌｏｇ_２（ＲＰＭ＋１）値）を用いた。

２）特徴量遺伝子の選択
実施例２～４において用いた特徴量遺伝子のうち、実施例２～４全ての実施例において
用いた遺伝子はＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＨＭＧＣＳ１、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ
、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢ
Ｐ１、ＺＮＦ３３５、ＣＡＰＮ１、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡ
ＳＥ１Ｌ１、ＧＮＢ２、ＣＳＮＫ１Ｇ２の１９遺伝子であった（表５）。これら１９遺伝
子のうちこれまでにアトピー性皮膚炎との関係が報告されていない１７遺伝子（表５にお
いて＊を付し太字で表示）を特徴量遺伝子として選択した。

３）モデル構築
上記１７遺伝子のＬｏｇ_２（ＲＰＭ＋１）値を説明変数とし、ＨＬとＡＤを目的変数と
して用いた。Ｒ言語の“ｃａｒｅｔ”パッケージにおいてランダムフォレストのアルゴリ
ズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最
適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダム
フォレストのアルゴリズムを実行し、ＯＯＢｅｒｒｏｒｒａｔｅを算出した。その結果
、ＯＯＢｅｒｒｏｒｒａｔｅは６．９８％であった。

Claims

被験者から採取された生体試料について、ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、
ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６Ｋ
Ｂ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡ
ＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子群より選択される少な
くとも１つの遺伝子又はその発現産物の発現レベルを測定する工程を含む、当該被験者に
おけるアトピー性皮膚炎の検出方法。
遺伝子又はその発現産物の発現レベルがｍＲＮＡの発現量の測定である、請求項１記載
の方法。
遺伝子又はその発現産物が前記被験者の皮膚表上脂質に含まれるＲＮＡである、請求項
１又は２記載の方法。
発現レベルの測定値を前記各遺伝子又はその発現産物の参照値と比較し、アトピー性皮
膚炎の存在又は不存在を評価する、請求項１～３のいずれか１項記載の方法。
アトピー性皮膚炎患者由来の前記遺伝子又はその発現産物の発現レベルと、健常人由来
の同遺伝子又はその発現産物の発現レベルの測定値を教師サンプルとして、アトピー性皮
膚炎患者と健常人を分ける判別式を作成し、被験者から採取された生体試料から得られた
同遺伝子又はその発現産物の発現レベルの測定値を当該判別式に代入し、得られた結果を
参照値と比較することによって、被検者におけるアトピー性皮膚炎の存在又は不存在を評
価する、請求項１～４のいずれか１項記載の方法。
前記１７種の遺伝子群の全ての遺伝子又はその発現産物の発現レベルが測定される、請
求項５記載の方法。
前記１７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、下記表Ａで示さ
れる２４５種のうち前記１７種の遺伝子を除いた遺伝子群より選択される少なくとも１つ
の遺伝子又はその発現産物の発現レベルが測定される、請求項５又は６記載の方法。
前記１７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、下記表１－１～
１－３の１２３種、表３－１～３－４で示される１５０種又は表４で示される４５種の遺
伝子群のうち前記１７種の遺伝子を除いた遺伝子群より選択される少なくとも１つの遺伝
子又はその発現産物の発現レベルが測定される、請求項５又は６記載の方法。
前記１７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、下記表の１０７
種、１２７種及び３９種の遺伝子群のうち前記１７種の遺伝子を除いた遺伝子群より選択
される少なくとも１つの遺伝子又はその発現産物の発現レベルが測定される、請求項７又
は８記載の方法。
前記遺伝子又はそれに由来する核酸と特異的にハイブリダイズするオリゴヌクレオチド
、又は前記遺伝子の発現産物を認識する抗体を含有する、請求項１～９のいずれか１項記
の方法に用いられるアトピー性皮膚炎を検出するための検査用キット。
下表Ｂに示される２１０種の遺伝子群より選択される少なくとも１つの遺伝子又はその
発現産物からなる、アトピー性皮膚炎の検出マーカー。
ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６
、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫ
Ａ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２
からなる１７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物であ
る、請求項１１記載のアトピー性皮膚炎の検出マーカー。