JP5971209B2 - 生体状態判別方法、生体状態判別装置、プログラム、記録媒体、生体状態判別システム、および情報端末装置 - Google Patents

生体状態判別方法、生体状態判別装置、プログラム、記録媒体、生体状態判別システム、および情報端末装置 Download PDF

Info

Publication number
JP5971209B2
JP5971209B2 JP2013152149A JP2013152149A JP5971209B2 JP 5971209 B2 JP5971209 B2 JP 5971209B2 JP 2013152149 A JP2013152149 A JP 2013152149A JP 2013152149 A JP2013152149 A JP 2013152149A JP 5971209 B2 JP5971209 B2 JP 5971209B2
Authority
JP
Japan
Prior art keywords
correlation
sum
amino acids
biological state
blood concentration
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.)
Expired - Lifetime
Application number
JP2013152149A
Other languages
English (en)
Other versions
JP2013257333A (ja
Inventor
木村　毅
毅 木村
泰志 野口
泰志 野口
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ajinomoto Co Inc
Original Assignee
Ajinomoto Co Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ajinomoto Co Inc filed Critical Ajinomoto Co Inc
Priority to JP2013152149A priority Critical patent/JP5971209B2/ja
Publication of JP2013257333A publication Critical patent/JP2013257333A/ja
Application granted granted Critical
Publication of JP5971209B2 publication Critical patent/JP5971209B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20—Supervised data analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • G16B50/20—Heterogeneous data integration
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Biotechnology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioethics (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体に関し、特に、生体の状態を定義する諸々の現象（Ｐｈｅｎｏｍｅ）と簡便に測定できる複数の代謝物（Ｍｅｔａｂｏｌｏｍｅ）との相関関係に基づいて、特定の生体状態指標と関連性の高い代謝物のコンビネーションを導き出す解析手法を提供することのできる、生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体に関する。
また、本発明は、肝線維化判定装置、肝線維化判定方法、肝線維化判定システム、プログラム、および、記録媒体に関し、特に、簡便に測定できる複数の代謝物（特定のアミノ酸）から肝線維化の病態指標値を計算し、計算した病態指標値に従って肝線維化の病態を判定することのできる、肝線維化判定装置、肝線維化判定方法、肝線維化判定システム、プログラム、および、記録媒体に関する。
なお、本明細書において、「生体状態」は、健康状態（健常）および病態を含む概念である。また、「各個体において測定された生体状態に関する指標データ」は、各個体の生体状態の診断結果データを含む概念であり、また、「指標データ」は、数値化されたものと概念的なもの（例えば、性差、喫煙の有無など）を含む概念である。
現在バイオインフォマティクスの流れとしてゲノミクス、トランスクリプトロミクス、プロテオミクス、メタボロミクス等、遺伝子発現から生命現象に至る各ステップの解析技術が急速に発展してきており、今後のバイオ事業の花形として期待されている。しかし、バイオインフォマティクスの実用化を考える上で一番重要なステップは興味の対象となる生命現象に関連する諸々のレベルにおける生命メカニズムの把握であると言える。
ゲノム解析の初期においては、ゲノム情報さえわかれば全ての生命現象がわかるといった楽観論が聞かれたが、現在はゲノム情報だけでは生命現象は解明できないため、プロテオーム、メタボローム解析を行わなければならないと言う理論に置き換わっている。しかし、これらの理論も結局は「ゲノム情報だけで全てがわかる」という考え方と同列であり、単に情報量が増えたバージョンに過ぎない。もちろん、生命現象の全てが解明されれば、何が起こっているのかを明確に把握することはできるであろう。これは科学発展の究極のゴールとしては成り立つが、限られた資源と時間配分によって実用化できる成果をあげなければならない企業等にとっては、単に情報量を増加させていくアプローチはあまり実用的ではないと言える。ただし、限定された範囲でエンドポイントがある程度見える分野に関しては、網羅的な情報量の増加は有益となりうる可能性があると考えられる。
しかしながら、生命現象を遺伝子のレベルから理解するには、細胞レベルの遺伝子発現、蛋白質への翻訳、蛋白質どうしの結合、酵素の働き、代謝物の反応速度等の情報に加え、細胞間の関係、臓器間の関係等の膨大な量の情報が必要となり、また、その情報を扱えるモデルがなければ精度の高い予測はできない。このためには情報の入手と、そのモデリングと言う二つの技術が必要である。
現状においては、生命情報の入手法に関しては効率化が進んでいるものの、生体レベルまでの完全モデリングには程遠いのが現状である。その反面、精度の低い予測をするには充分な情報量を得ることができる場合もあるが、精度の低い予測なら今までのモデリングに拠らないアプローチの方が費用対効果が大きい場合が多い。
ここで、医療関係者にとって実際に最も感心があるのは臨床的に測定可能な指標と、病態等の生体状態との関係と、それから導き出されるメカニズムや治療に関する知見であり、その為には単に生体情報の網羅的な収集だけではなく、病態等の生体状態と数多くある測定可能な指標との関係の解析法が必要である事が認識されつつある。
一般的に病態マーカーには病態特異性が必要であると考えられ、一対一またはそれに近い限定的な関係が求められてきた。しかし、疾患によって多くの代謝物が影響され、それは必ずしも疾患と一対一の関係ではないので単純な代謝物の病態マーカーは多くはないと言える。全て代謝物の流れの変化を総合的に把握できれば、病態の代謝を定義する指標を導き出す可能性があると考えられる。また、代謝物の連動性を考えると、全ての代謝物の動きを把握しなくても幾つかの代謝マップ上に分散した代謝物、例えばアミノ酸等、を測定するだけで病態に特異的な代謝の変化をつかむことができる可能性がある。
ここで、公知技術として、例えば、肝硬変時に増加する芳香族アミノ酸を分母とし、減少する分岐鎖アミノ酸を分子として作成された指標であるフィッシャー比（（Ｉｌｅ＋Ｌｅｕ＋Ｖａｌ）／（Ｐｈｅ＋Ｔｙｒ））、また、病態と健常人の諸々の臨床指標をコンピュータに入力し、入力されたデータに基づいてニューラルネットワーク（非線形解析）をトレーニングし、データの差別化を図れるように最適化されたニューラルネットワークを用いて診断を行うという米国特許（ＵＳＰ５６８７７１６号；以下「特許文献１」という。）などが存在する。
米国特許第５６８７７１６号明細書
しかしながら、この特許文献１で開示された技術による診断は、既にトレーニングされたニューラルネットワークまたは同様のパラメータを有するニューラルネットワークが必要であり、特許文献１で得られる診断指標は本特許の解析手法や機器に依存するものであった。そのため、特許文献１で得られる診断指標は、特許文献１で開示された解析手法や機器と独立して活用できず、汎用的な治療用のメルクマールとして活用することができないという問題点がある。
また、特許文献１により開示された技術により決定された診断指標に含まれる代謝物について、代謝マップ上の関係を見ることにより、その化学的、生理学的、薬学的な知見等と合わせて考察し、疾患のメカニズム等を分析することも考えられる。このように、既知の代謝学的知見等と診断指標とのマッチング分析を行うことにより、病態と代謝との連動性を分析することができるようになり、また、診断指標としての裏付けとなる情報を取得したり、また、新たな代謝学的な知見の発見等をしたりする際の契機となりうる非常に有益な情報を得ることができるようになる。しかしながら、従来技術においては、このような分析作業は全て研究者が人手により行われなければならないという問題点があった。
本発明は上記問題点に鑑みてなされたもので、生体の状態を定義する諸々の現象（Ｐｈｅｎｏｍｅ）と簡便に測定できる複数の代謝物（Ｍｅｔａｂｏｌｏｍｅ）との相関関係に基づいて、特定の生体状態指標と関連性の高い代謝物のコンビネーションを導き出す解析手法を提供することのできる、生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体を提供することを目的としている。
また、本発明は、簡便に測定できる複数の代謝物（特定のアミノ酸）から肝線維化の病態指標値を計算し、計算した病態指標値に従って肝線維化の病態を判定することのできる、肝線維化判定装置、肝線維化判定方法、肝線維化判定システム、プログラム、および、記録媒体を提供することを目的としている。
本発明は、本発明者が誠意研究を行い取得した種々の知見によりなされたものである。まず、アミノ酸等の代謝物測定における精度は高く、測定に由来の分散は個体差による分散よりもかなり小さいことが種々の実験により確認されている。
また、食後血中データは代謝に関連する遺伝子発現等の状態変化を反映している。ここで、血液は全ての臓器と関係があり、ある臓器における変化が血中に反映される可能性がある。
また、例えば、特定の生体状態（例えば、肝線維化等の病態）では代謝に関連する多くの遺伝子の発現が影響されている可能性がある。また、血中における多くの代謝物の動きは他の代謝物と連動しており、特定の生体状態と最も関係がある代謝物を測定できなくとも、それと連動する代謝物が影響を受けている可能性がある。
そこで、本発明者は、各個体中の代謝物（特に、アミノ酸）の血中レベルの相関関係が非常に有効な状態指標になりうることを発見した。すなわち、アミノ酸等の限定された代謝物の血中レベルの高精度な測定データと特定の生体状態との関係の解析によって、現象的に特定の生体状態と関連している代謝物のコンビネーションを探索することが可能である。さらに、健常人と特定の生体状態を差別化できる指標があれば、それを早期診断指標とすることが可能である。
このような目的を達成するため、本発明にかかる生体状態情報処理装置、本発明にかかる生体状態情報処理方法、および、本発明にかかる生体状態情報処理方法をコンピュータに実行させることを特徴とするプログラムは、各個体において測定された生体状態に関する指標データと、各個体中の各代謝物について測定された血中濃度データとの相関を示す、数式１に示す相関式を設定する相関式設定手段（相関式設定ステップ）と、上記相関式設定手段（相関式設定ステップ）にて設定された上記相関式に、シミュレーション対象の個体中の各代謝物について測定された血中濃度データ群を代入して、上記シミュレーション対象の個体中の上記生体状態をシミュレーションする生体状態シミュレーション手段（生体状態シミュレーションステップ）とを備えた（含む）ことを特徴とする。
Figure 0005971209
 （数式１において、ｉ、ｊ、ｋは自然数であり、Ａｉ、Ｂｊは代謝物の血中濃度データ、又は、それを関数処理した値であり、Ｃｉ、Ｄｉ、Ｅｊ、Ｆｊ、Ｇｋ、Ｈは定数である。）
この装置、方法、および、プログラムによれば、各個体において測定された生体状態に関する指標データと、各個体中の各代謝物について測定された血中濃度データとの相関を示す、数式１に示す相関式を設定し、設定された相関式に、シミュレーション対象の個体中の各代謝物について測定された血中濃度データ群を代入して、シミュレーション対象の個体中の生体状態をシミュレーションするので、例えば、健康状態、疾病の進行状態、疾病の治療状態、将来の疾病リスク、薬剤の有効性、薬剤の副作用などを個体中の代謝物の血中濃度に基づいて効果的にシミュレーションすることができる。
ここで、「シミュレーション」とは、設定されたモデル（例えば本発明における「相関式」）に基づいて数値を算出し、算出した数値を予め定めた閾値に基づいて判定することで特定の生態状態を判別することを含む概念である。
具体的には、例えば、一定期間後の発症を予測する疾病リスク診断に本発明を適用し、過去の血中濃度データ（例えば１０年前のアミノ酸データなど）と現状の疾病や健康の状態に関する指標データとから相関式を設定し、当該相関式に現在の血中濃度データを代入することにより、将来の疾病や健康の状態を効果的にシミュレーションすることができる。
また、例えば、投薬による薬剤の有効性（例えばインターフェロン（ＩＦＮ：ｉｎｔｅｒｆｅｒｏｎ）などの薬剤を投与した際の当該薬剤の有効性）や副作用などのシミュレーションの他、ストレスなどによる生体状態の変化（例えば喫食などの刺激を与えた際の生体状態の変化）などについても効果的にシミュレーションすることができる。
ここで、相関式設定手段（相関式設定ステップ）における相関式の設定には、「臨床データに含まれる各アミノ酸の血中濃度を数式１にあてはめ、新たに数式１の各定数を求めて相関式を設定する場合」と、「予め求められた相関式を設定する場合」とがある。なお、後者は、前者により定数を定めた相関式を予め記憶装置の所定のファイルに格納しておき、そのファイルから所望の相関式を選択して設定する場合、もしくは、他のコンピュータ装置の記憶装置に予め格納された相関式をネットワーク経由でダウンロードして設定する場合を含む。
また、つぎの発明にかかる生体状態情報処理装置、つぎの発明にかかる生体状態情報処理方法、および、つぎの発明にかかるプログラムは、上記に記載の生体状態情報処理装置、上記に記載の生体状態情報処理方法、および、上記に記載のプログラムにおいて、上記相関式設定手段（相関式設定ステップ）は、各個体において測定された生体状態に関する指標データ、および、各個体中の各代謝物について測定された血中濃度データ群に基づいて、各代謝物について上記指標データとの相関性を決定する相関性決定手段（相関性決定ステップ）と、上記相関性決定手段（相関性決定ステップ）にて決定された各代謝物の上記相関性に基づいて、所定の計算方式により上記生体状態に対する複数の代謝物による相関式を作成する相関式作成手段（相関式作成ステップ）と、上記相関式作成手段（相関式作成ステップ）にて決定された上記相関式の生体状態に関する指標データに対する相関係数に基づいて上記相関式を最適化する最適化手段（最適化ステップ）とを備えた（含む）ことを特徴とする。
これは相関式設定手段（相関式設定ステップ）の一例を一層具体的に示すものである。この装置、方法、および、プログラムによれば、各個体において測定された生体状態に関する指標データ、および、各個体中の各代謝物について測定された血中濃度データ群に基づいて、各代謝物について指標データとの相関性を決定し、決定された各代謝物の相関性に基づいて、所定の計算方式により生体状態に対する複数の代謝物による相関式（相関関数）を作成し、決定された相関式の生体状態に関する指標データに対する相関係数に基づいて相関式を最適化するので、相関の高い計算式を生体状態の複合指標として用いることができるようになり、生体状態と相関が高いアミノ酸等の測定可能な代謝物によって構成された複合指標の算出を効率的に行うことができるようになる。
ここで、「相関係数に基づいて相関式を最適化する」とは、例えば、相関係数が上位（例えば、上位２０位など）となるように、好ましくは、相関係数が最大となるように相関式を採用することである。
また、これにより、各生体状態に対する複合指標をそれぞれ求めることができるようになるので、１回の血中アミノ酸濃度などの測定結果を用いて、多くの生体状態のスクリーニングが可能になり、検査費用の大幅な削減につながる。
また、これにより、測定時に生体状態指標が無い生体状態に関しても、複合指標が明らかになった時点で過去のデータの解析により診断が可能になる。
また、これにより、生体状態に対する複合指標を構成する各代謝物は、当該生体状態の要因または結果である可能性があるので、この複合指標をマーカーにした生体状態の治療法の開発が可能になる。
ここで、「生体状態に関する指標データ」は、測定値、診断結果等の数値化されたデータを用いてもよく、また、下記の例に示すように健常及び、病態に対して任意の数値を与えたものでもよい。後者では、数値化されたデータを所持していなくとも病態またはそのレベルに対して任意の数値を与えることによって解析することが可能になる。
例）健常＝０、肥満＝１
健常＝１、糖尿病軽度＝２、糖尿病重度＝３ 等
また、既存指標がない疾病の場合においても、本発明を適用することにより、診断指標が明らかでない難診断性領域の生体状態を判定することが可能になる。
また、つぎの発明にかかる生体状態情報処理装置、つぎの発明にかかる生体状態情報処理方法、および、つぎの発明にかかるプログラムは、上記に記載の生体状態情報処理装置、上記に記載の生体状態情報処理方法、および、上記に記載のプログラムにおいて、上記最適化手段（最適化ステップ）は、各代謝物のうちの一部の代謝物を選択する代謝物選択手段（代謝物選択ステップ）をさらに備え（含み）、上記代謝物選択手段（代謝物選択ステップ）にて選択された複数の代謝物を用いて相関式を作成し、生体状態に関する指標データに対する相関係数を計算し、生体状態に関する指標データに対する相関係数および代謝物数に基づいて代謝物の組み合せを最適化することを特徴とする。
これは最適化手段（最適化ステップ）の一例を一層具体的に示すものである。この装置、方法、および、プログラムによれば、各代謝物のうちの一部の代謝物を選択し、選択された複数の代謝物を用いて相関式を作成し、生体状態に関する指標データに対する相関係数を計算し、生体状態に関する指標データに対する相関係数および代謝物数に基づいて代謝物の組み合せを最適化するので、各アミノ酸の選択的除去を網羅的かつ自動的に行うことができるようになるため、生体状態に対する複合指標を効率的に求めることができるようになる。
ここで、「相関係数および代謝物数に基づいて代謝物の組み合せを最適化する」とは、例えば、相関係数が上位（例えば上位２０位など）且つ代謝物数が最小となるように、好ましくは、相関係数が最大且つ代謝物数が最小となるように代謝物の組み合せを採用することである。
また、つぎの発明にかかる生体状態情報処理装置、つぎの発明にかかる生体状態情報処理方法、および、つぎの発明にかかるプログラムは、上記に記載の生体状態情報処理装置、上記に記載の生体状態情報処理方法、および、上記に記載のプログラムにおいて、上記最適化手段（最適化ステップ）は、上記計算式を分割する計算式分割手段（計算式分割ステップ）をさらに備え（含み）、上記計算式分割手段（計算式分割ステップ）にて分割された上記計算式を用いて上記生体状態に対する複数の代謝物による相関式を計算し、生体状態に関する指標データに対する相関係数に基づいて分割の組み合わせを最適化することを特徴とする。
これは、最適化手段（最適化ステップ）の一例を一層具体的に示すものである。この装置、方法、および、プログラムによれば、計算式を分割し、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算し、生体状態に関する指標データに対する相関係数に基づいて分割の組み合わせを最適化するので、各計算式の分割を網羅的かつ自動的に行うことができるようになるため、生体状態に対する複合指標を効率的に求めることができるようになる。
ここで、「相関係数に基づいて分割の組み合わせを最適化する」とは、例えば、相関係数が上位（例えば上位２０位など）となるように、好ましくは、相関係数が最大となるように分割の組み合わせを採用することである。
また、つぎの発明にかかる生体状態情報処理装置、つぎの発明にかかる生体状態情報処理方法、および、つぎの発明にかかるプログラムは、上記に記載の生体状態情報処理装置、上記に記載の生体状態情報処理方法、および、上記に記載のプログラムにおいて、上記最適化手段（最適化ステップ）は、上記計算式を代謝マップ情報に基づいて分割する代謝マップ分割手段（代謝マップ分割ステップ）をさらに備え（含み）、上記代謝マップ分割手段（代謝マップ分割ステップ）にて分割された上記計算式を用いて上記生体状態に対する複数の代謝物による相関式を計算することを特徴とする。
これは、最適化手段（最適化ステップ）の一例を一層具体的に示すものである。この装置、方法、および、プログラムによれば、計算式を代謝マップ情報に基づいて分割し、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算するので、生体状態に関係する代謝物の代謝マップが既知である場合に、これらの生化学的な知見に基づいて計算式を自動的に分割することができるようになる。
また、計算された相関式に含まれる代謝物同士の関係を数値化し、代謝マップに投影し、代謝フラックスまたは代謝律速点を推定するようにしてもよい。
また、つぎの発明にかかる生体状態情報処理装置、つぎの発明にかかる生体状態情報処理方法、および、つぎの発明にかかるプログラムは、上記に記載の生体状態情報処理装置、上記に記載の生体状態情報処理方法、および、上記に記載のプログラムにおいて、上記代謝物は、アミノ酸であることを特徴とする。
これは、代謝物の一例を一層具体的に示すものである。この装置、方法、および、プログラムによれば、代謝物は、アミノ酸であるので、代謝物測定における精度が高く、かつ、測定に由来の分散は個体差による分散よりもかなり小さい等のアミノ酸の有利な物性を利用して、信頼性の高い生体状態の複合指標を求めることができるようになる。
また、本発明は生体状態情報管理システムに関するものであり、本発明にかかる生体状態情報管理システムは、生体状態に関する情報を処理する生体状態情報処理装置と、生体状態情報提供者の情報端末装置とを、ネットワークを介して通信可能に接続して構成された生体状態情報管理システムであって、上記生体状態情報処理装置は、各個体において測定された生体状態に関する指標データと、各個体中の各代謝物について測定された血中濃度データとの相関を示す、数式１に示す相関式を設定する相関式設定手段と、シミュレーション対象の個体中の各代謝物について測定された血中濃度データ群を上記情報端末装置から取得する血中濃度データ群取得手段と、上記相関式設定手段にて設定された上記相関式に、上記血中濃度データ群取得手段にて取得された上記シミュレーション対象の個体中の各代謝物について測定された血中濃度データ群を代入して、上記シミュレーション対象の個体中の上記生体状態をシミュレーションする生体状態シミュレーション手段と、上記生体状態シミュレーション手段にてシミュレーションされた上記シミュレーション対象の個体中の上記生体状態のシミュレーション結果を、上記血中濃度データ群を送信した上記情報端末装置に対して送信する分析結果送信手段とを備え、上記情報端末装置は、上記血中濃度データ群を上記生体状態情報処理装置に対して送信する送信手段と、上記送信手段にて送信した上記血中濃度データ群に対応する上記シミュレーション結果を上記生体状態情報処理装置から受信する受信手段とを備えたことを特徴とする。
Figure 0005971209
 （数式１において、ｉ、ｊ、ｋは自然数であり、Ａｉ、Ｂｊは代謝物の血中濃度データ、又は、それを関数処理した値であり、Ｃｉ、Ｄｉ、Ｅｊ、Ｆｊ、Ｇｋ、Ｈは定数である。）
このシステムによれば、生体状態情報処理装置は、各個体において測定された生体状態に関する指標データと、各個体中の各代謝物について測定された血中濃度データとの相関を示す、数式１に示す相関式を設定し、シミュレーション対象の個体中の各代謝物について測定された血中濃度データ群を情報端末装置から取得し、設定された相関式に、取得されたシミュレーション対象の個体中の各代謝物について測定された血中濃度データ群を代入して、シミュレーション対象の個体中の生体状態をシミュレーションし、シミュレーションされたシミュレーション対象の個体中の生体状態のシミュレーション結果を、血中濃度データ群を送信した情報端末装置に対して送信し、情報端末装置は、血中濃度データ群を生体状態情報処理装置に対して送信し、送信した血中濃度データ群に対応するシミュレーション結果を生体状態情報処理装置から受信するので、例えば、健康状態、疾病の進行状態、疾病の治療状態、将来の疾病リスク、薬剤の有効性、薬剤の副作用などを個体中の代謝物の血中濃度に基づいて効果的にシミュレーションすることができる。
ここで、「シミュレーション」とは、設定されたモデル（例えば本発明における「相関式」）に基づいて数値を算出し、算出した数値を予め定めた閾値に基づいて判定することで特定の生態状態を判別することを含む概念である。
具体的には、例えば、一定期間後の発症を予測する疾病リスク診断に本発明を適用し、過去の血中濃度データ（例えば１０年前のアミノ酸データなど）と現状の疾病や健康の状態に関する指標データとから相関式を設定し、当該相関式に現在の血中濃度データを代入することにより、将来の疾病や健康の状態を効果的にシミュレーションすることができる。
また、例えば、投薬による薬剤の有効性（例えばインターフェロン（ＩＦＮ：ｉｎｔｅｒｆｅｒｏｎ）などの薬剤を投与した際の当該薬剤の有効性）や副作用などのシミュレーションの他、ストレスなどによる生体状態の変化（例えば喫食などの刺激を与えた際の生体状態の変化）などについても効果的にシミュレーションすることができる。
また、つぎの発明にかかる生体状態情報管理システムは、上記に記載の生体状態情報管理システムにおいて、上記相関式設定手段は、各個体において測定された生体状態に関する指標データ、および、各個体中の各代謝物について測定された血中濃度データ群に基づいて、各代謝物について上記指標データとの相関性を決定する相関性決定手段と、上記相関性決定手段にて決定された各代謝物の上記相関性に基づいて、所定の計算方式により上記生体状態に対する複数の代謝物による相関式を作成する相関式作成手段と、上記相関式作成手段にて決定された上記相関式の生体状態に関する指標データに対する相関係数に基づいて上記相関式を最適化する最適化手段とを備えたことを特徴とする。
これは相関式設定手段の一例を一層具体的に示すものである。このシステムによれば、生体状態情報処理装置は、各個体において測定された生体状態に関する指標データ、および、各個体中の各代謝物について測定された血中濃度データ群に基づいて、各代謝物について指標データとの相関性を決定し、決定された各代謝物の相関性に基づいて、所定の計算方式により生体状態に対する複数の代謝物による相関式（相関関数）を作成し、決定された相関式の生体状態に関する指標データに対する相関係数に基づいて相関式を最適化するので、相関の高い計算式を生体状態の複合指標として用いることができるようになり、生体状態と相関が高いアミノ酸等の測定可能な代謝物によって構成された複合指標の算出を効率的に行うことができるようになる。
ここで、「相関係数に基づいて相関式を最適化する」とは、例えば、相関係数が上位（例えば、上位２０位など）となるように、好ましくは、相関係数が最大となるように相関式を採用することである。
また、これにより、各生体状態に対する複合指標をそれぞれ求めることができるようになるので、１回の血中アミノ酸濃度などの測定結果を用いて、多くの生体状態のスクリーニングが可能になり、検査費用の大幅な削減につながる。
また、これにより、測定時に生体状態指標が無い生体状態に関しても、複合指標が明らかになった時点で過去のデータの解析により診断が可能になる。
また、これにより、生体状態に対する複合指標を構成する各代謝物は、当該生体状態の要因または結果である可能性があるので、この複合指標をマーカーにした生体状態の治療法の開発が可能になる。
ここで、「生体状態に関する指標データ」は、測定値、診断結果等の数値化されたデータを用いてもよく、また、下記の例に示すように健常及び、病態に対して任意の数値を与えたものでもよい。後者では、数値化されたデータを所持していなくとも病態またはそのレベルに対して任意の数値を与えることによって解析することが可能になる。
例）健常＝０、肥満＝１
健常＝１、糖尿病軽度＝２、糖尿病重度＝３ 等
また、既存指標がない疾病の場合においても、本発明を適用することにより、診断指標が明らかでない難診断性領域の生体状態を判定することが可能になる。
また、つぎの発明にかかる生体状態情報管理システムは、上記に記載の生体状態情報管理システムにおいて、上記最適化手段は、各代謝物のうちの一部の代謝物を選択する代謝物選択手段をさらに備え、上記代謝物選択手段にて選択された複数の代謝物を用いて相関式を作成し、生体状態に関する指標データに対する相関係数を計算し、生体状態に関する指標データに対する相関係数および代謝物数に基づいて代謝物の組み合せを最適化することを特徴とする。
これは最適化手段の一例を一層具体的に示すものである。このシステムによれば、各代謝物のうちの一部の代謝物を選択し、選択された複数の代謝物を用いて相関式を作成し、生体状態に関する指標データに対する相関係数を計算し、生体状態に関する指標データに対する相関係数および代謝物数に基づいて代謝物の組み合せを最適化するので、各アミノ酸の選択的除去を網羅的かつ自動的に行うことができるようになるため、生体状態に対する複合指標を効率的に求めることができるようになる。
ここで、「相関係数および代謝物数に基づいて代謝物の組み合せを最適化する」とは、例えば、相関係数が上位（例えば上位２０位など）且つ代謝物数が最小となるように、好ましくは、相関係数が最大且つ代謝物数が最小となるように代謝物の組み合せを採用することである。
また、つぎの発明にかかる生体状態情報管理システムは、上記に記載の生体状態情報管理システムにおいて、上記最適化手段は、上記計算式を分割する計算式分割手段をさらに備え、上記計算式分割手段にて分割された上記計算式を用いて上記生体状態に対する複数の代謝物による相関式を計算し、生体状態に関する指標データに対する相関係数に基づいて分割の組み合わせを最適化することを特徴とする。
これは最適化手段の一例を一層具体的に示すものである。このシステムによれば、計算式を分割し、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算し、生体状態に関する指標データに対する相関係数に基づいて分割の組み合わせを最適化するので、各計算式の分割を網羅的かつ自動的に行うことができるようになるため、生体状態に対する複合指標を効率的に求めることができるようになる。
ここで、「相関係数に基づいて分割の組み合わせを最適化する」とは、例えば、相関係数が上位（例えば上位２０位など）となるように、好ましくは、相関係数が最大となるように分割の組み合わせを採用することである。
また、つぎの発明にかかる生体状態情報管理システムは、上記に記載の生体状態情報管理システムにおいて、上記最適化手段は、上記計算式を代謝マップ情報に基づいて分割する代謝マップ分割手段をさらに備え、上記代謝マップ分割手段にて分割された上記計算式を用いて上記生体状態に対する複数の代謝物による相関式を計算することを特徴とする。
これは最適化手段の一例を一層具体的に示すものである。このシステムによれば、計算式を代謝マップ情報に基づいて分割し、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算するので、生体状態に関係する代謝物の代謝マップが既知である場合に、これらの生化学的な知見に基づいて計算式を自動的に分割することができるようになる。
また、計算された相関式に含まれる代謝物同士の関係を数値化し、代謝マップに投影し、代謝フラックスまたは代謝律速点を推定するようにしてもよい。
また、つぎの発明にかかる生体状態情報管理システムは、上記に記載の生体状態情報管理システムにおいて、上記代謝物は、アミノ酸であることを特徴とする。
これは代謝物の一例を一層具体的に示すものである。このシステムによれば、代謝物は、アミノ酸であるので、代謝物測定における精度が高く、かつ、測定に由来の分散は個体差による分散よりもかなり小さい等のアミノ酸の有利な物性を利用して、信頼性の高い生体状態の複合指標を求めることができるようになる。
また、本発明は記録媒体に関するものであり、本発明にかかる記録媒体は、上記に記載されたプログラムを記録したことを特徴とする。
この記録媒体によれば、当該記録媒体に記録されたプログラムをコンピュータに読み取らせて実行することによって、上記に記載されたプログラムをコンピュータを利用して実現することができ、これら各プログラムと同様の効果を得ることができる。
また、本発明は肝線維化判定装置、肝線維化判定方法、および、プログラムに関するものであり、本発明にかかる肝線維化判定装置、本発明にかかる肝線維化判定方法、および、本発明にかかる肝線維化判定方法をコンピュータに実行させることを特徴とするプログラムは、各個体の各代謝物について測定された血中濃度データ群を取得する血中濃度データ取得手段（血中濃度データ取得ステップ）と、下記の複合指標１から４のうち少なくとも一つに基づいて、上記血中濃度データ取得手段（血中濃度データ取得ステップ）により取得した上記血中濃度データ群から肝線維化の病態指標値を計算する病態指標値計算手段（病態指標値計算ステップ）と、
複合指標１；
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
複合指標２；
（Ａｓｎ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ｍｅｔ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
複合指標３；
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
複合指標４；
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
上記病態指標値計算手段（病態指標値計算ステップ）にて計算した上記病態指標値に従って肝線維化の病態を判定する病態判定手段（病態判定ステップ）とを備えた（含む）ことを特徴とする。
この装置、方法、および、プログラムによれば、各個体の各代謝物について測定された血中濃度データ群を取得し、下記の複合指標１から４のうち少なくとも一つに基づいて、取得した血中濃度データ群から肝線維化の病態指標値を計算し、
複合指標１；
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
複合指標２；
（Ａｓｎ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ｍｅｔ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
複合指標３；
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
複合指標４；
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
計算した病態指標値に従って肝線維化の病態を判定するので、１回の血中アミノ酸濃度などの測定結果データを用いて、多くの肝線維化のスクリーニングが可能になり、検査費用の大幅な削減につながる。
また、これにより、過去の血中アミノ酸濃度などの測定結果データの解析により診断が可能になる。
また、肝線維化に対する複合指標１から４のうち少なくとも一つを構成する各代謝物は、当該肝線維化の要因または結果である可能性があるので、この複合指標１から４のうち少なくとも一つをマーカーにした肝線維化の治療法の開発が可能になる。
ここで、複合指標１から４のうち少なくとも一つの式中のアミノ酸は、例えば、化学的に等価な物性を持つアミノ酸等で入れ替えることを可能とする。
具体的には、例えば、複合指標１から４のうち少なくとも一つを対応する下記の式に入れ替えることを可能とする。
複合指標１は、例えば、以下の複合指標１−１〜１−２０に置換してもよい。（複合指標１−１）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−２）
（Ａｓｎ）／（Ｔａｕ＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−３）
（Ａｓｎ）／（Ｔａｕ＋（α‐ＡＢＡ）＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−４）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−５）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｉｌｅ＋Ｔｒｐ）
（複合指標１−６）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ａｓｐ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−７）
（Ａｓｎ）／（Ｔａｕ＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ａｓｐ＋Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−８）
（Ａｓｎ）／（Ｔａｕ＋Ｉｌｅ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−９）
（Ａｓｎ）／（Ｔａｕ＋（α‐ＡＢＡ）＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ａｓｐ＋Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１０）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１１）
（Ａｓｎ）／（Ｔａｕ＋Ａｓｐ＋（α‐ＡＢＡ）＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１２）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋（α‐ＡＢＡ）＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１３）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｉｌｅ＋Ｔｒｐ）
（複合指標１−１４）
（Ａｓｎ）／（Ｔａｕ＋（α‐ＡＢＡ）＋Ｉｌｅ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１５）
（Ａｓｎ）／（Ｔａｕ＋Ａｓｐ＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１６）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ａｓｐ＋Ｓｅｒ＋Ｖａｌ＋Ｉｌｅ＋Ｔｒｐ）
（複合指標１−１７）
（Ａｓｎ）／（Ｔａｕ＋Ｉｌｅ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ａｓｐ＋Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１８）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋（α‐ＡＢＡ）＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１９）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−２０）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋（α‐ＡＢＡ）＋Ｖａｌ＋Ｉｌｅ＋Ｔｒｐ）
また、複合指標２は、例えば、以下の複合指標２−１〜２−２０に置換してもよい。
（複合指標２−１）
（Ａｓｎ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ｍｅｔ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−２）
（Ａｓｎ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−３）
（Ａｓｎ＋Ｍｅｔ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−４）
（Ａｓｎ＋Ｍｅｔ＋Ｔｙｒ）／（Ａｓｐ＋Ｃｉｔ） ＋ （Ａｒｇ）／（α‐ＡＢＡ）
（複合指標２−５）
（Ａｓｎ＋Ｍｅｔ）／（Ｃｉｔ） ＋ （Ｔｙｒ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−６）
（Ａｓｎ＋Ｔｙｒ）／（Ａｓｐ＋Ｃｉｔ） ＋ （Ａｒｇ）／（α‐ＡＢＡ）
（複合指標２−７）
（Ａｓｎ＋Ｔｙｒ）／（Ａｓｐ＋Ｃｉｔ） ＋ （Ｍｅｔ＋Ａｒｇ）／（α‐ＡＢＡ）
（複合指標２−８）
（Ａｓｎ）／（Ｃｉｔ） ＋ （Ｔｙｒ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−９）
（Ａｓｎ）／（Ｔｈｒ＋Ｃｉｔ＋（α‐ＡＢＡ）） ＋ （Ｍｅｔ）／（Ｈｉｓ＋Ｔｒｐ）
（複合指標２−１０）
（Ａｓｎ）／（Ｃｉｔ） ＋ （Ｍｅｔ＋Ｔｙｒ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−１１）
（Ａｓｎ）／（Ｔｈｒ＋Ｃｉｔ＋（α‐ＡＢＡ）） ＋ （Ｍｅｔ）／（Ａｓｐ＋Ｈｉｓ＋Ｔｒｐ）
（複合指標２−１２）
（Ａｓｎ）／（Ｔｈｒ＋Ｇｌｕ） ＋ （Ｍｅｔ）／（Ｃｉｔ＋（α‐ＡＢＡ）＋Ｔｒｐ）
（複合指標２−１３）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ＋Ｃｉｔ＋（α‐ＡＢＡ）） ＋ （Ｍｅｔ）／（Ｈｉｓ＋Ｔｒｐ）
（複合指標２−１４）
（Ａｓｎ）／（Ｔｈｒ＋Ｃｉｔ＋（α‐ＡＢＡ）） ＋ （Ｍｅｔ）／（Ｇｌｕ＋Ｈｉｓ＋Ｔｒｐ）
（複合指標２−１５）
（Ａｓｎ＋Ｍｅｔ）／（Ａｓｐ＋Ｃｉｔ） ＋ （Ｔｙｒ＋Ａｒｇ）／（α‐ＡＢＡ）
（複合指標２−１６）
（Ａｓｎ＋Ｍｅｔ）／（Ｃｉｔ） ＋ （Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−１７）
（Ａｓｎ）／（Ｃｉｔ＋（α‐ＡＢＡ）＋Ｈｉｓ） ＋ （Ｍｅｔ）／（Ｔｈｒ＋Ｇｌｕ＋Ｔｒｐ）
（複合指標２−１８）
（Ａｓｎ）／（Ｃｉｔ＋（α‐ＡＢＡ）＋Ｈｉｓ） ＋ （Ｍｅｔ）／（Ｔｈｒ＋Ｔｒｐ）
（複合指標２−１９）
（Ａｓｎ）／（Ｃｉｔ＋Ｈｉｓ＋Ｔｒｐ） ＋ （Ｍｅｔ）／（Ｔｈｒ＋（α‐ＡＢＡ））
（複合指標２−２０）
（Ａｓｎ＋Ａｒｇ）／（α‐ＡＢＡ） ＋ （Ｍｅｔ＋Ｔｙｒ）／（Ａｓｐ＋Ｃｉｔ）
また、複合指標３は、例えば、以下の複合指標３−１〜３−２０に置換してもよい。
（複合指標３−１）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−２）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−３）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ）
（複合指標３−４）
（Ｔａｕ＋Ｇｌｙ）／（Ａｓｐ＋Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−５）
（Ｔａｕ＋Ｇｌｙ）／（Ａｓｐ＋Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−６）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−７）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｐ＋Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−８）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−９）
（Ｔａｕ＋Ｇｌｙ）／（Ａｓｐ＋Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−１０）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｐ＋Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−１１）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−１２）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ） ＋ （Ｈｉｓ）／（Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ） ＋ （Ｔｒｐ）／（Ｌｙｓ）
（複合指標３−１３）
（Ｔａｕ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ） ＋ （Ｇｌｙ＋Ｈｉｓ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｈｒ）
（複合指標３−１４）
（Ｔａｕ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｐ＋Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ） ＋ （Ｇｌｙ＋Ｈｉｓ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ）
（複合指標３−１５）
（Ｔａｕ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ） ＋ （Ｇｌｙ＋Ｈｉｓ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ）
（複合指標３−１６）
（Ｔａｕ）／（Ａｓｐ＋Ａｓｎ＋Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｃｉｔ＋Ｔｙｒ） ＋ （Ｇｌｙ＋Ｈｉｓ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ）
（複合指標３−１７）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ） ＋ （Ｔｒｐ）／（Ｌｙｓ）
（複合指標３−１８）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ） ＋ （Ｔｒｐ）／（Ｌｙｓ）
（複合指標３−１９）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ｃｉｔ＋Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ）
（複合指標３−２０）
（Ｔａｕ＋Ｇｌｙ）／（Ａｓｐ＋Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ） ＋ （Ｔｒｐ）／（Ｌｙｓ）
また、複合指標４は、例えば、以下の複合指標４−１〜４−２０に置換してもよい。
（複合指標４−１）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−２）
（（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−３）
（Ｔａｕ＋（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−４）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−５）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｎ）
（複合指標４−６）
（Ｔａｕ＋（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−７）
（Ｔａｕ＋（α‐ＡＢＡ）＋Ｔｒｐ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−８）
（（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−９）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｍｅｔ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−１０）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−１１）
（（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ） ＋ （Ｔｒｐ）／（Ｔｙｒ）
（複合指標４−１２）
（Ｔａｕ＋Ｔｒｐ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−１３）
（Ｔａｕ＋Ｈｉｓ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｔｒｐ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−１４）
（Ｔａｕ＋（α‐ＡＢＡ））／（Ａｓｐ＋Ａｓｎ） ＋ （Ｈｉｓ＋Ｔｒｐ）／（Ｔｙｒ）
（複合指標４−１５）
（Ｔａｕ＋Ｔｒｐ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｎ）
（複合指標４−１６）
（Ｔａｕ＋（α‐ＡＢＡ））／（Ａｓｎ） ＋ （Ｈｉｓ＋Ｔｒｐ）／（Ａｓｐ＋Ｔｙｒ）
（複合指標４−１７）
（（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ＋Ｍｅｔ）
（複合指標４−１８）
（Ｔａｕ＋（α‐ＡＢＡ）＋Ｈｉｓ）／（Ｔｙｒ） ＋ （Ｔｒｐ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−１９）
（α‐ＡＢＡ）／（Ａｓｎ） ＋ （Ｈｉｓ＋Ｔｒｐ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ）
（複合指標４−２０）
（Ｔａｕ＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ＋Ｍｅｔ） ＋ （（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ）
また、本発明は肝線維化判定システムに関するものであり、本発明にかかる肝線維化判定システムは、肝線維化に関する情報を処理する肝線維化判定装置と、代謝物情報提供者の情報端末装置とを、ネットワークを介して通信可能に接続して構成された肝線維化判定システムであって、上記肝線維化判定装置は、各個体の各代謝物について測定された血中濃度データ群を上記情報端末装置から取得する血中濃度データ取得手段と、下記の複合指標１から４のうち少なくとも一つに基づいて、上記血中濃度データ取得手段により取得した上記血中濃度データ群から肝線維化の病態指標値を計算する病態指標値計算手段と、
複合指標１；
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
複合指標２；
（Ａｓｎ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ｍｅｔ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
複合指標３；
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
複合指標４；
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
上記病態指標値計算手段にて計算した上記病態指標値に従って肝線維化の病態を判定する病態判定手段と、上記血中濃度データ群を送信した上記情報端末装置に対して上記病態判定手段にて判定された判定結果を送信する分析結果送信手段と、を備え、上記情報端末装置は、上記血中濃度データ群を上記肝線維化判定装置に対して送信する送信手段と、上記送信手段にて送信した上記血中濃度データ群に対する判定結果を上記肝線維化判定装置から受信する受信手段とを備えたことを特徴とする。
このシステムによれば、肝線維化判定装置は、各個体の各代謝物について測定された血中濃度データ群を情報端末装置から取得し、下記の複合指標１から４のうち少なくとも一つに基づいて、取得した血中濃度データ群から肝線維化の病態指標値を計算し、
複合指標１；
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
複合指標２；
（Ａｓｎ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ｍｅｔ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
複合指標３；
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
複合指標４；
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
計算した病態指標値に従って肝線維化の病態を判定し、血中濃度データ群を送信した情報端末装置に対して判定された判定結果を送信し、また、情報端末装置は、血中濃度データ群を肝線維化判定装置に対して送信し、送信した血中濃度データ群に対する判定結果を肝線維化判定装置から受信するので、１回の血中アミノ酸濃度などの測定結果データを用いて、多くの肝線維化のスクリーニングが可能になり、検査費用の大幅な削減につながる。
また、これにより、過去の血中アミノ酸濃度などの測定結果データの解析により診断が可能になる。
また、肝線維化に対する複合指標１から４のうち少なくとも一つを構成する各代謝物は、当該肝線維化の要因または結果である可能性があるので、この複合指標１から４のうち少なくとも一つをマーカーにした肝線維化の治療法の開発が可能になる。
ここで、複合指標１から４のうち少なくとも一つの式中のアミノ酸は、化学的に等価な物性を持つアミノ酸等で入れ替えることを可能とする。
具体的には、例えば、複合指標１から４のうち少なくとも一つを対応する下記の式に入れ替えることを可能とする。
複合指標１は、例えば、以下の複合指標１−１〜１−２０に置換してもよい。（複合指標１−１）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−２）
（Ａｓｎ）／（Ｔａｕ＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−３）
（Ａｓｎ）／（Ｔａｕ＋（α‐ＡＢＡ）＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−４）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−５）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｉｌｅ＋Ｔｒｐ）
（複合指標１−６）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ａｓｐ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−７）
（Ａｓｎ）／（Ｔａｕ＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ａｓｐ＋Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−８）
（Ａｓｎ）／（Ｔａｕ＋Ｉｌｅ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−９）
（Ａｓｎ）／（Ｔａｕ＋（α‐ＡＢＡ）＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ａｓｐ＋Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１０）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１１）
（Ａｓｎ）／（Ｔａｕ＋Ａｓｐ＋（α‐ＡＢＡ）＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１２）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋（α‐ＡＢＡ）＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１３）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｉｌｅ＋Ｔｒｐ）
（複合指標１−１４）
（Ａｓｎ）／（Ｔａｕ＋（α‐ＡＢＡ）＋Ｉｌｅ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１５）
（Ａｓｎ）／（Ｔａｕ＋Ａｓｐ＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１６）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ａｓｐ＋Ｓｅｒ＋Ｖａｌ＋Ｉｌｅ＋Ｔｒｐ）
（複合指標１−１７）
（Ａｓｎ）／（Ｔａｕ＋Ｉｌｅ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ａｓｐ＋Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１８）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋（α‐ＡＢＡ）＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１９）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−２０）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋（α‐ＡＢＡ）＋Ｖａｌ＋Ｉｌｅ＋Ｔｒｐ）
また、複合指標２は、例えば、以下の複合指標２−１〜２−２０に置換してもよい。
（複合指標２−１）
（Ａｓｎ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ｍｅｔ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−２）
（Ａｓｎ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−３）
（Ａｓｎ＋Ｍｅｔ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−４）
（Ａｓｎ＋Ｍｅｔ＋Ｔｙｒ）／（Ａｓｐ＋Ｃｉｔ） ＋ （Ａｒｇ）／（α‐ＡＢＡ）
（複合指標２−５）
（Ａｓｎ＋Ｍｅｔ）／（Ｃｉｔ） ＋ （Ｔｙｒ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−６）
（Ａｓｎ＋Ｔｙｒ）／（Ａｓｐ＋Ｃｉｔ） ＋ （Ａｒｇ）／（α‐ＡＢＡ）
（複合指標２−７）
（Ａｓｎ＋Ｔｙｒ）／（Ａｓｐ＋Ｃｉｔ） ＋ （Ｍｅｔ＋Ａｒｇ）／（α‐ＡＢＡ）
（複合指標２−８）
（Ａｓｎ）／（Ｃｉｔ） ＋ （Ｔｙｒ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−９）
（Ａｓｎ）／（Ｔｈｒ＋Ｃｉｔ＋（α‐ＡＢＡ）） ＋ （Ｍｅｔ）／（Ｈｉｓ＋Ｔｒｐ）
（複合指標２−１０）
（Ａｓｎ）／（Ｃｉｔ） ＋ （Ｍｅｔ＋Ｔｙｒ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−１１）
（Ａｓｎ）／（Ｔｈｒ＋Ｃｉｔ＋（α‐ＡＢＡ）） ＋ （Ｍｅｔ）／（Ａｓｐ＋Ｈｉｓ＋Ｔｒｐ）
（複合指標２−１２）
（Ａｓｎ）／（Ｔｈｒ＋Ｇｌｕ） ＋ （Ｍｅｔ）／（Ｃｉｔ＋（α‐ＡＢＡ）＋Ｔｒｐ）
（複合指標２−１３）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ＋Ｃｉｔ＋（α‐ＡＢＡ）） ＋ （Ｍｅｔ）／（Ｈｉｓ＋Ｔｒｐ）
（複合指標２−１４）
（Ａｓｎ）／（Ｔｈｒ＋Ｃｉｔ＋（α‐ＡＢＡ）） ＋ （Ｍｅｔ）／（Ｇｌｕ＋Ｈｉｓ＋Ｔｒｐ）
（複合指標２−１５）
（Ａｓｎ＋Ｍｅｔ）／（Ａｓｐ＋Ｃｉｔ） ＋ （Ｔｙｒ＋Ａｒｇ）／（α‐ＡＢＡ）
（複合指標２−１６）
（Ａｓｎ＋Ｍｅｔ）／（Ｃｉｔ） ＋ （Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−１７）
（Ａｓｎ）／（Ｃｉｔ＋（α‐ＡＢＡ）＋Ｈｉｓ） ＋ （Ｍｅｔ）／（Ｔｈｒ＋Ｇｌｕ＋Ｔｒｐ）
（複合指標２−１８）
（Ａｓｎ）／（Ｃｉｔ＋（α‐ＡＢＡ）＋Ｈｉｓ） ＋ （Ｍｅｔ）／（Ｔｈｒ＋Ｔｒｐ）
（複合指標２−１９）
（Ａｓｎ）／（Ｃｉｔ＋Ｈｉｓ＋Ｔｒｐ） ＋ （Ｍｅｔ）／（Ｔｈｒ＋（α‐ＡＢＡ））
（複合指標２−２０）
（Ａｓｎ＋Ａｒｇ）／（α‐ＡＢＡ） ＋ （Ｍｅｔ＋Ｔｙｒ）／（Ａｓｐ＋Ｃｉｔ）
また、複合指標３は、例えば、以下の複合指標３−１〜３−２０に置換してもよい。
（複合指標３−１）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−２）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−３）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ）
（複合指標３−４）
（Ｔａｕ＋Ｇｌｙ）／（Ａｓｐ＋Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−５）
（Ｔａｕ＋Ｇｌｙ）／（Ａｓｐ＋Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−６）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−７）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｐ＋Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−８）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−９）
（Ｔａｕ＋Ｇｌｙ）／（Ａｓｐ＋Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−１０）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｐ＋Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−１１）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−１２）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ） ＋ （Ｈｉｓ）／（Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ） ＋ （Ｔｒｐ）／（Ｌｙｓ）
（複合指標３−１３）
（Ｔａｕ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ） ＋ （Ｇｌｙ＋Ｈｉｓ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｈｒ）
（複合指標３−１４）
（Ｔａｕ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｐ＋Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ） ＋ （Ｇｌｙ＋Ｈｉｓ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ）
（複合指標３−１５）
（Ｔａｕ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ） ＋ （Ｇｌｙ＋Ｈｉｓ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ）
（複合指標３−１６）
（Ｔａｕ）／（Ａｓｐ＋Ａｓｎ＋Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｃｉｔ＋Ｔｙｒ） ＋ （Ｇｌｙ＋Ｈｉｓ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ）
（複合指標３−１７）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ） ＋ （Ｔｒｐ）／（Ｌｙｓ）
（複合指標３−１８）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ） ＋ （Ｔｒｐ）／（Ｌｙｓ）
（複合指標３−１９）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ｃｉｔ＋Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ）
（複合指標３−２０）
（Ｔａｕ＋Ｇｌｙ）／（Ａｓｐ＋Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ） ＋ （Ｔｒｐ）／（Ｌｙｓ）
また、複合指標４は、例えば、以下の複合指標４−１〜４−２０に置換してもよい。
（複合指標４−１）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−２）
（（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−３）
（Ｔａｕ＋（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−４）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−５）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｎ）
（複合指標４−６）
（Ｔａｕ＋（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−７）
（Ｔａｕ＋（α‐ＡＢＡ）＋Ｔｒｐ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−８）
（（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−９）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｍｅｔ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−１０）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−１１）
（（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ） ＋ （Ｔｒｐ）／（Ｔｙｒ）
（複合指標４−１２）
（Ｔａｕ＋Ｔｒｐ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−１３）
（Ｔａｕ＋Ｈｉｓ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｔｒｐ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−１４）
（Ｔａｕ＋（α‐ＡＢＡ））／（Ａｓｐ＋Ａｓｎ） ＋ （Ｈｉｓ＋Ｔｒｐ）／（Ｔｙｒ）
（複合指標４−１５）
（Ｔａｕ＋Ｔｒｐ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｎ）
（複合指標４−１６）
（Ｔａｕ＋（α‐ＡＢＡ））／（Ａｓｎ） ＋ （Ｈｉｓ＋Ｔｒｐ）／（Ａｓｐ＋Ｔｙｒ）
（複合指標４−１７）
（（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ＋Ｍｅｔ）
（複合指標４−１８）
（Ｔａｕ＋（α‐ＡＢＡ）＋Ｈｉｓ）／（Ｔｙｒ） ＋ （Ｔｒｐ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−１９）
（α‐ＡＢＡ）／（Ａｓｎ） ＋ （Ｈｉｓ＋Ｔｒｐ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ）
（複合指標４−２０）
（Ｔａｕ＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ＋Ｍｅｔ） ＋ （（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ）
また、本発明は記録媒体に関するものであり、本発明にかかる記録媒体は、上記に記載されたプログラムを記録したことを特徴とする。
この記録媒体によれば、当該記録媒体に記録されたプログラムをコンピュータに読み取らせて実行することによって、上記に記載されたプログラムをコンピュータを利用して実現することができ、これら各プログラムと同様の効果を得ることができる。
また、本発明は肝線維化判定装置、肝線維化判定方法、および、プログラムに関するものであり、本発明にかかる肝線維化判定装置、本発明にかかる肝線維化判定方法、および、本発明にかかる肝線維化判定方法をコンピュータに実行させることを特徴とするプログラムは、各個体の各代謝物について測定された血中濃度データ群を取得する血中濃度データ取得手段（血中濃度データ取得ステップ）と、肝線維化の病態指標値を計算するための複合指標を設定する複合指標設定手段（複合指標設定ステップ）と、上記複合指標設定手段（複合指標設定ステップ）にて設定した複合指標に基づいて、上記血中濃度データ取得手段（血中濃度データ取得ステップ）により取得した上記血中濃度データ群から肝線維化の病態指標値を計算する病態指標値計算手段（病態指標値計算ステップ）と、上記病態指標値計算手段（病態指標値計算ステップ）にて計算した上記病態指標値に従って肝線維化の病態を判定する病態判定手段（病態判定ステップ）とを備え（含み）、上記複合指標設定手段（複合指標設定ステップ）は、Ａｓｎ、Ｇｌｎの血中濃度データのうち少なくとも一つを分子に、Ｔｈｒ、Ｔａｕ、Ｓｅｒ、Ｖａｌ、Ｔｒｐの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標１（さらにＭｅｔの血中濃度データを分子に、Ｉｌｅ、α‐ＡＢＡ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）を作成する複合指標１作成手段（複合指標１作成ステップ）と、Ａｓｎ、Ｍｅｔの血中濃度データのうち少なくとも一つを分子に、α‐ＡＢＡ、Ｃｉｔの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標２（さらに、Ｔｙｒ、Ａｒｇの血中濃度データを分子に、Ｈｉｓ、Ｔｈｒ、Ｔｒｐ、Ａｓｐ、Ｇｌｕの血中濃度データを分母に任意に加算してもよい）を作成する複合指標２作成手段（複合指標２作成ステップ）と、α‐ＡＢＡ、Ｈｉｓ、Ｇｌｙ、Ｔｒｐ、Ｔａｕの血中濃度データのうち少なくとも一つを分子に、Ａｓｎ、Ｇｌｎ、Ｃｉｔ、Ｌｙｓ、Ｔｈｒ、Ｔｙｒの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標３（さらに、Ｍｅｔ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）を作成する複合指標３作成手段（複合指標３作成ステップ）と、Ｈｉｓ、Ｔｒｐの血中濃度データのうち少なくとも一つを分子に、Ａｓｎ、Ｔｙｒの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標４（さらにα‐ＡＢＡ、Ｔａｕの血中濃度データを分子に、Ｍｅｔ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）を作成する複合指標４作成手段（複合指標４作成ステップ）のうち少なくとも一つをさらに備えた（含む）ことを特徴とする。
この装置、方法、および、プログラムによれば、各個体の各代謝物について測定された血中濃度データ群を取得し、肝線維化の病態指標値を計算するための複合指標を設定し、設定した複合指標に基づいて、取得した血中濃度データ群から肝線維化の病態指標値を計算し、計算した病態指標値に従って肝線維化の病態を判定し、また、複合指標の設定において、Ａｓｎ、Ｇｌｎの血中濃度データのうち少なくとも一つを分子に、Ｔｈｒ、Ｔａｕ、Ｓｅｒ、Ｖａｌ、Ｔｒｐの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標１（さらにＭｅｔの血中濃度データを分子に、Ｉｌｅ、α‐ＡＢＡ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）と、Ａｓｎ、Ｍｅｔの血中濃度データのうち少なくとも一つを分子に、α‐ＡＢＡ、Ｃｉｔの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標２（さらに、Ｔｙｒ、Ａｒｇの血中濃度データを分子に、Ｈｉｓ、Ｔｈｒ、Ｔｒｐ、Ａｓｐ、Ｇｌｕの血中濃度データを分母に任意に加算してもよい）と、α‐ＡＢＡ、Ｈｉｓ、Ｇｌｙ、Ｔｒｐ、Ｔａｕの血中濃度データのうち少なくとも一つを分子に、Ａｓｎ、Ｇｌｎ、Ｃｉｔ、Ｌｙｓ、Ｔｈｒ、Ｔｙｒの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標３（さらに、Ｍｅｔ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）と、Ｈｉｓ、Ｔｒｐの血中濃度データのうち少なくとも一つを分子に、Ａｓｎ、Ｔｙｒの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標４（さらにα‐ＡＢＡ、Ｔａｕの血中濃度データを分子に、Ｍｅｔ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）のうち少なくとも一つを作成するので、１回の血中アミノ酸濃度などの測定結果データを用いて、多くの肝線維化のスクリーニングが可能になり、検査費用の大幅な削減につながる。
また、これにより、過去の血中アミノ酸濃度などの測定結果データの解析により診断が可能になる。
また、肝線維化に対する複合指標を構成する各代謝物は、当該肝線維化の要因または結果である可能性があるので、この複合指標をマーカーにした肝線維化の治療法の開発が可能になる。
また、これにより、肝線維化における有用な複合指標を網羅的かつ自動的に作成することができるようになる。
また、本発明は肝線維化判定システムに関するものであり、本発明にかかる肝線維化判定システムは、肝線維化に関する情報を処理する肝線維化判定装置と、代謝物情報提供者の情報端末装置とを、ネットワークを介して通信可能に接続して構成された肝線維化判定システムであって、上記肝線維化判定装置は、各個体の各代謝物について測定された血中濃度データ群を取得する血中濃度データ取得手段と、肝線維化の病態指標値を計算するための複合指標を設定する複合指標設定手段と、上記複合指標設定手段にて設定した複合指標に基づいて、上記血中濃度データ取得手段により取得した上記血中濃度データ群から肝線維化の病態指標値を計算する病態指標値計算手段と、上記病態指標値計算手段にて計算した上記病態指標値に従って肝線維化の病態を判定する病態判定手段とを備え、上記複合指標設定手段は、Ａｓｎ、Ｇｌｎの血中濃度データのうち少なくとも一つを分子に、Ｔｈｒ、Ｔａｕ、Ｓｅｒ、Ｖａｌ、Ｔｒｐの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標１（さらにＭｅｔの血中濃度データを分子に、Ｉｌｅ、α‐ＡＢＡ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）を作成する複合指標１作成手段と、Ａｓｎ、Ｍｅｔの血中濃度データのうち少なくとも一つを分子に、α‐ＡＢＡ、Ｃｉｔの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標２（さらに、Ｔｙｒ、Ａｒｇの血中濃度データを分子に、Ｈｉｓ、Ｔｈｒ、Ｔｒｐ、Ａｓｐ、Ｇｌｕの血中濃度データを分母に任意に加算してもよい）を作成する複合指標２作成手段と、α‐ＡＢＡ、Ｈｉｓ、Ｇｌｙ、Ｔｒｐ、Ｔａｕの血中濃度データのうち少なくとも一つを分子に、Ａｓｎ、Ｇｌｎ、Ｃｉｔ、Ｌｙｓ、Ｔｈｒ、Ｔｙｒの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標３（さらに、Ｍｅｔ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）を作成する複合指標３作成手段と、Ｈｉｓ、Ｔｒｐの血中濃度データのうち少なくとも一つを分子に、Ａｓｎ、Ｔｙｒの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標４（さらにα‐ＡＢＡ、Ｔａｕの血中濃度データを分子に、Ｍｅｔ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）を作成する複合指標４作成手段のうち少なくとも一つをさらに備え、上記血中濃度データ群を送信した上記情報端末装置に対して上記病態判定手段にて判定された判定結果を送信する分析結果送信手段とを備え、上記情報端末装置は、上記血中濃度データ群を上記肝線維化判定装置に対して送信する送信手段と、上記送信手段にて送信した上記血中濃度データ群に対する判定結果を上記肝線維化判定装置から受信する受信手段とを備えたことを特徴とする。
このシステムによれば、肝線維化判定装置は、各個体の各代謝物について測定された血中濃度データ群を取得し、肝線維化の病態指標値を計算するための複合指標を設定し、設定した複合指標に基づいて、取得した血中濃度データ群から肝線維化の病態指標値を計算し、計算した病態指標値に従って肝線維化の病態を判定し、また、複合指標の設定において、Ａｓｎ、Ｇｌｎの血中濃度データのうち少なくとも一つを分子に、Ｔｈｒ、Ｔａｕ、Ｓｅｒ、Ｖａｌ、Ｔｒｐの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標１（さらにＭｅｔの血中濃度データを分子に、Ｉｌｅ、α‐ＡＢＡ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）と、Ａｓｎ、Ｍｅｔの血中濃度データのうち少なくとも一つを分子に、α‐ＡＢＡ、Ｃｉｔの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標２（さらに、Ｔｙｒ、Ａｒｇの血中濃度データを分子に、Ｈｉｓ、Ｔｈｒ、Ｔｒｐ、Ａｓｐ、Ｇｌｕの血中濃度データを分母に任意に加算してもよい）と、α‐ＡＢＡ、Ｈｉｓ、Ｇｌｙ、Ｔｒｐ、Ｔａｕの血中濃度データのうち少なくとも一つを分子に、Ａｓｎ、Ｇｌｎ、Ｃｉｔ、Ｌｙｓ、Ｔｈｒ、Ｔｙｒの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標３（さらに、Ｍｅｔ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）と、Ｈｉｓ、Ｔｒｐの血中濃度データのうち少なくとも一つを分子に、Ａｓｎ、Ｔｙｒの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標４（さらにα‐ＡＢＡ、Ｔａｕの血中濃度データを分子に、Ｍｅｔ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）のうち少なくとも一つを作成し、血中濃度データ群を送信した情報端末装置に対して判定された判定結果を送信し、また、情報端末装置は、血中濃度データ群を肝線維化判定装置に対して送信し、送信した血中濃度データ群に対する判定結果を肝線維化判定装置から受信するので、１回の血中アミノ酸濃度などの測定結果データを用いて、多くの肝線維化のスクリーニングが可能になり、検査費用の大幅な削減につながる。
また、これにより、過去の血中アミノ酸濃度などの測定結果データの解析により診断が可能になる。
また、肝線維化に対する複合指標を構成する各代謝物は、当該肝線維化の要因または結果である可能性があるので、この複合指標をマーカーにした肝線維化の治療法の開発が可能になる。
また、これにより、肝線維化における有用な複合指標を網羅的かつ自動的に作成することができるようになる。
また、本発明は記録媒体に関するものであり、本発明にかかる記録媒体は、上記に記載されたプログラムを記録したことを特徴とする。
この記録媒体によれば、当該記録媒体に記録されたプログラムをコンピュータに読み取らせて実行することによって、上記に記載されたプログラムをコンピュータを利用して実現することができ、これら各プログラムと同様の効果を得ることができる。
本発明によれば、各個体において測定された生体状態に関する指標データと、各個体中の各代謝物について測定された血中濃度データとの相関を示す、数式１に示す相関式を設定し、設定された相関式に、シミュレーション対象の個体中の各代謝物について測定された血中濃度データ群を代入して、シミュレーション対象の個体中の生体状態をシミュレーションするので、例えば、健康状態、疾病の進行状態、疾病の治療状態、将来の疾病リスク、薬剤の有効性、薬剤の副作用などを個体中の代謝物の血中濃度に基づいて効果的にシミュレーションすることができる生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体を提供することができる。
また、本発明によれば、各個体において測定された生体状態に関する指標データ、および、各個体中の各代謝物について測定された血中濃度データ群に基づいて、各代謝物について指標データとの相関性を決定し、決定された各代謝物の相関性に基づいて、所定の計算方式により生体状態に対する複数の代謝物による相関式（相関関数）を作成し、決定された相関式の生体状態に関する指標データに対する相関係数に基づいて（例えば、相関係数が上位（例えば、上位２０位など）となるように、好ましくは、相関係数が最大となるように）相関式を最適化するので、相関の高い計算式を生体状態の複合指標として用いることができるようになり、生体状態と相関が高いアミノ酸等の測定可能な代謝物によって構成された複合指標の算出を効率的に行うことができる生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体を提供することができる。
また、本発明によれば、各生体状態に対する複合指標をそれぞれ求めることができるようになるので、１回の血中アミノ酸濃度などの測定結果を用いて、多くの病態のスクリーニングが可能になり、検査費用の大幅な削減につなげることができる生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体を提供することができる。
また、本発明によれば、測定時に生体状態指標が無い生体状態に関しても、複合指標が明らかになった時点で過去のデータの解析により診断が可能になる生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体を提供することができる。
また、本発明によれば、生体状態に対する複合指標を構成する各代謝物は、当該生体状態の要因または結果である可能性があるので、この複合指標をマーカーにした生体状態の治療法の開発が可能になる生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体を提供することができる。
また、本発明によれば、各代謝物のうちの一部の代謝物を選択し、選択された複数の代謝物を用いて相関式を作成し、生体状態に関する指標データに対する相関係数を計算し、生体状態に関する指標データに対する相関係数および代謝物数に基づいて（例えば、相関係数が上位（例えば上位２０位など）且つ代謝物数が最小となるように、好ましくは、相関係数が最大且つ代謝物数が最小となるように）代謝物の組み合せを最適化するので、各アミノ酸の選択的除去を網羅的かつ自動的に行うことができるようになるため、生体状態に対する複合指標を効率的に求めることができる生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体を提供することができる。
また、本発明によれば、計算式を分割し、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算し、生体状態に関する指標に対する相関係数に基づいて（例えば、相関係数が上位（例えば上位２０位など）となるように、好ましくは、相関係数が最大となるように）分割の組み合わせを最適化するので、各計算式の分割を網羅的かつ自動的に行うことができるようになるため、生体状態に対する複合指標を効率的に求めることができる生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体を提供することができる。
また、本発明によれば、計算式を代謝マップ情報に基づいて分割し、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算するので、生体状態に関係する代謝物の代謝マップが既知である場合に、これらの生化学的な知見に基づいて計算式を自動的に分割することができる生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体を提供することができる。
さらに、本発明において、代謝物としてアミノ酸を選択すれば、代謝物測定における精度が高く、かつ、測定に由来の分散は個体差による分散よりもかなり小さい等のアミノ酸の有利な物性を利用して、信頼性の高い生体状態の複合指標を求めることができる生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体を提供することができる。
また、本発明によれば、各個体の各代謝物について測定された血中濃度データ群を取得し、下記の複合指標１から４のうち少なくとも一つに基づいて、取得した血中濃度データ群から肝線維化の病態指標値を計算し、
複合指標１；
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
複合指標２；
（Ａｓｎ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ｍｅｔ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
複合指標３；
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
複合指標４；
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
計算した病態指標値に従って肝線維化の病態を判定するので、１回の血中アミノ酸濃度などの測定結果を用いて、多くの肝線維化のスクリーニングが可能になり、検査費用の大幅な削減につなげることができる肝線維化判定装置、肝線維化判定方法、肝線維化判定システム、プログラム、および、記録媒体を提供することができる。
また、本発明によれば、過去のデータの解析により診断が可能になる肝線維化判定装置、肝線維化判定方法、肝線維化判定システム、プログラム、および、記録媒体を提供することができる。
また、本発明によれば、肝線維化に対する複合指標１から４のうち少なくとも一つを構成する各代謝物は、当該肝線維化の要因または結果である可能性があるので、この複合指標１から４のうち少なくとも一つをマーカーにした肝線維化の治療法の開発が可能になる肝線維化判定装置、肝線維化判定方法、肝線維化判定システム、プログラム、および、記録媒体を提供することができる。
また、本発明によれば、各個体の各代謝物について測定された血中濃度データ群を取得し、肝線維化の病態指標値を計算するための複合指標を設定し、設定した複合指標に基づいて、取得した血中濃度データ群から肝線維化の病態指標値を計算し、計算した病態指標値に従って肝線維化の病態を判定し、また、複合指標の設定において、Ａｓｎ、Ｇｌｎの血中濃度データのうち少なくとも一つを分子に、Ｔｈｒ、Ｔａｕ、Ｓｅｒ、Ｖａｌ、Ｔｒｐの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標１（さらにＭｅｔの血中濃度データを分子に、Ｉｌｅ、α‐ＡＢＡ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）と、Ａｓｎ、Ｍｅｔの血中濃度データのうち少なくとも一つを分子に、α‐ＡＢＡ、Ｃｉｔの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標２（さらに、Ｔｙｒ、Ａｒｇの血中濃度データを分子に、Ｈｉｓ、Ｔｈｒ、Ｔｒｐ、Ａｓｐ、Ｇｌｕの血中濃度データを分母に任意に加算してもよい）と、α‐ＡＢＡ、Ｈｉｓ、Ｇｌｙ、Ｔｒｐ、Ｔａｕの血中濃度データのうち少なくとも一つを分子に、Ａｓｎ、Ｇｌｎ、Ｃｉｔ、Ｌｙｓ、Ｔｈｒ、Ｔｙｒの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標３（さらに、Ｍｅｔ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）と、Ｈｉｓ、Ｔｒｐの血中濃度データのうち少なくとも一つを分子に、Ａｓｎ、Ｔｙｒの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標４（さらにα‐ＡＢＡ、Ｔａｕの血中濃度データを分子に、Ｍｅｔ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）のうち少なくとも一つを作成するので、１回の血中アミノ酸濃度などの測定結果データを用いて、多くの肝線維化のスクリーニングが可能になり、検査費用の大幅な削減につなげることができる肝線維化判定装置、肝線維化判定方法、肝線維化判定システム、プログラム、および、記録媒体を提供することができる。
また、本発明によれば、過去の血中アミノ酸濃度などの測定結果データの解析により診断が可能になる肝線維化判定装置、肝線維化判定方法、肝線維化判定システム、プログラム、および、記録媒体を提供することができる。
また、本発明によれば、肝線維化に対する複合指標を構成する各代謝物は、当該肝線維化の要因または結果である可能性があるので、この複合指標をマーカーにした肝線維化の治療法の開発が可能になる肝線維化判定装置、肝線維化判定方法、肝線維化判定システム、プログラム、および、記録媒体を提供することができる。
さらに、本発明によれば、肝線維化における有用な複合指標を網羅的かつ自動的に作成することが可能になる肝線維化判定装置、肝線維化判定方法、肝線維化判定システム、プログラム、および、記録媒体を提供することができる。
図１は、本発明における相関式設定の基本原理を示す原理構成図である。 図２は、本発明が適用される本システムの構成の一例を示すブロック図である。 図３は、本発明が適用される本システムのサーバ装置１００の構成の一例を示すブロック図である。 図４は、本発明が適用されるクライアント装置２００の構成の一例を示すブロック図である。 図５は、本発明が適用される本システムの生体状態情報取得部１０２ｇの構成の一例を示すブロック図である。 図６は、本発明が適用される本システムの相関式作成部１０２ｉの構成の一例を示すブロック図である。 図７は、利用者情報データベース１０６ａに格納される利用者情報の一例を示す図である。 図８は、生体状態情報データベース１０６ｂに格納される情報の一例を示す図である。 図９は、相関性情報データベース１０６ｃに格納される情報の一例を示す図である。 図１０は、相関式情報データベース１０６ｄに格納される情報の一例を示す図である。 図１１は、代謝マップ情報データベース１０６ｅに格納される情報の一例を示す図である。 図１２は、本実施形態における本システムの生体状態情報解析サービス処理の一例を示すフローチャートである。 図１３は、本実施形態における本システムの生体状態情報の解析処理の一例を示すフローチャートである。 図１４は、本システムによる網羅的計算手法を用いた最適化処理１の一例を示すフローチャートである。 図１５は、本システムによるベストパス法を用いた最適化処理１の一例を示すフローチャートである。 図１６は、本システムによる最適化処理２の一例を示すフローチャートである。 図１７は、生体状態情報の一例を示す概念図である。 図１８は、各アミノ酸について決定された生体状態の指標データ（Ｔ１）との相関性の一例を示す概念図である。 図１９は、モニタに表示されるメインメニュー画面の一例を示す図である。 図２０は、モニタに表示されるファイル取込み画面の一例を示す図である。 図２１は、モニタに表示されるアミノ酸（代謝物）入力画面の一例を示す図である。 図２２は、モニタに表示される生体状態指標入力画面の一例を示す図である。 図２３は、モニタに表示される計算式マスタメンテナンス画面の一例を示す図である。 図２４は、モニタに表示される処理項目選択画面の一例を示す図である。 図２５は、モニタに表示される正負判定確認画面の一例を示す図である。 図２６は、モニタに表示される複合指標探索画面の一例を示す図である。 図２７は、モニタに表示される実行結果（１）シート（「解析用」生データ）画面の一例を示す図である。 図２８は、モニタに表示される実行結果（２）シート（複合指標探索条件）画面の一例を示す図である。 図２９は、モニタに表示される実行結果（３）シート（ベスト複合指標）画面の一例を示す図である。 図３０は、モニタに表示される実行結果（４）シート（ベスト複合指標＿数値）画面の一例を示す図である。 図３１は、モニタ画面に表示される実行結果（５）シート（相関グラフ）画面の一例を示す図である。 図３２は、モニタ画面に表示される実行結果（６）シート（「アミノ酸（代謝物）」生データ）画面の一例を示す図である。 図３３は、モニタ画面に表示される実行結果（７）シート（「生体状態指標」生データ）画面の一例を示す図である。 図３４は、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算する手法の概念を説明する図である。 図３５は、本システムにより求めた肝線維化の複合指標（複合指標５）と、病態のステージとの関係を示す図である。 図３６は、計算式を代謝マップ情報に基づいて分割し、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算する処理の概念を説明する図である。 図３７は、本システムにより求めた、正常ラット及び、糖尿病（ＧＫ）ラットにおける、複合指標（複合指標６）と病態のステージとの関係を示す図である。 図３８は、本システムにより求めた、正常ラット、糖尿病（ＧＫ）ラット、および、糖尿病の治療薬であるナテグリニド（ｎａｔｅｇｌｉｎｉｄｅ）またはグリベンクラミド（ｇｌｉｂｅｎｃｌａｍｉｄｅ）を投与することにより治療した糖尿病（ＧＫ）ラットにおける、複合指標（複合指標６）と病態のステージとの関係を示す図である。 図３９は、本システムにより求めた、正常ラット、糖尿病（ＧＫ）ラット、および、糖尿病の治療薬であるナテグリニド（ｎａｔｅｇｌｉｎｉｄｅ）またはグリベンクラミド（ｇｌｉｂｅｎｃｌａｍｉｄｅ）を投与することにより治療した糖尿病（ＧＫ）ラットにおける、複合指標（複合指標６）の値の各個体群の平均値（±ＳＤ）を棒グラフで示す図である。 図４０は、本実施形態における本システムの代謝物情報の解析処理の一例を示すフローチャートである。 図４１は、本実施形態における本システムの病態指標値の計算の一例を示すフローチャートである。 図４２は、選択された複数の代謝物を用いて相関式を計算する手法の概念を示す図である。 図４３は、本発明が適用される本システムの最適化部１０２ｊの構成の一例を示すブロック図である。 図４４は、計算式の解釈について説明する概念図である。 図４５は、本発明が適用される本システムの肝線維化判定装置４００の構成の一例を示すブロック図である。 図４６は、本発明が適用される本システムの代謝物情報取得部４０２ｇの構成の一例を示すブロック図である。 図４７は、利用者情報データベース４０６ａに格納される利用者情報の一例を示す図である。 図４８は、代謝物情報データベース４０６ｂに格納される情報の一例を示す図である。 図４９は、本実施形態における本システムの肝線維化情報解析サービス処理の一例を示すフローチャートである。 図５０は、肝線維化指標データベース４０６ｃに格納される情報の一例を示す図である。 図５１は、複合指標１から４のそれぞれの式中のアミノ酸を入れ替えるための規則を表す図である。 図５２は、コントロール群とＣ型肝炎患者における、本システムにより求めた肝線維化の複合指標（複合指標１）と病態のステージとの関係を示す図である。 図５３は、コントロール群とＣ型肝炎患者における、本システムにより求めた肝線維化の複合指標（複合指標２）と病態のステージとの関係を示す図である。 図５４は、コントロール群とＣ型肝炎患者における、本システムにより求めた肝線維化の複合指標（複合指標３）と病態のステージとの関係を示す図である。 図５５は、コントロール群とＣ型肝炎患者における、本システムにより求めた肝線維化の複合指標（複合指標４）と病態のステージとの関係を示す図である。 図５６は、コントロール群とＣ型肝炎患者における、フィッシャー比と病態のステージとの関係を示す図である。 図５７は、本発明の基本原理を示す原理構成図である。 図５８は、ａｐｏ−Ｅノックアウトマウス（ＡｐｏＥ ＫＯ）と正常マウス（Ｎｏｒｍａｌ）との判別例を示す図である。 図５９は、正常マウスに弱毒化インフルエンザウイルスＡ／Ａｉｃｈｉ／２／６８（Ｈ３Ｎ２）を感染させた状態及び、非感染の状態の判別例を示す図である。 図６０は、シスチン及びテアニンを摂取後に、同様にインフルエンザウイルスを感染させた際の、判別式で得られる数値の変化を通常食摂取群と比較した例を示す図である。 図６１は、Ｉ型−糖尿病モデル動物であるストレプトゾトシン投与ラット（ＳＴＺ）と健常ラット（Ｎｏｒｍａｌ）との判別例を示す図である。 図６２は、ＩＩ型−糖尿病モデル動物であるＧＫラット（ＧＫ）と健常ラット（Ｎｏｒｍａｌ）との判別例を示す図である。 図６３は、ヒト成長ホルモン遺伝子導入ラット（ｈＧＨ−Ｔｇ ラット）と正常ラット（Ｎｏｒｍａｌ）との判別例を示す図である。 図６４は、ジメチルニトロサミン投与によって作成した肝繊維化モデルラット（ＤＭＮ）と正常ラット（Ｎｏｒｍａｌ）との判別例を示す図である。 図６５は、低蛋白質摂取ラット（Ｌｏｗ ｐｒｏｔｅｉｎ）と通常食摂取ラット（Ｎｏｒｍａｌ）との判別例を示す図である。 図６６は、高脂肪食摂取マウス（Ｈｉｇｈ Ｆａｔ）と通常食摂取マウス（Ｎｏｒｍａｌ）との判別例を示す図である。 図６７は、肝臓中の過酸化脂質量（Ｌｉｖｅｒ−ＴＢＲＡＳ）と当該過酸化脂質量に対して最適化した式に基づいて計算した値（Ｉｎｄｅｘ−ＴＢＲＡＳ）との相関関係を示す図である。 図６８は、血中総コレステロール（Ｐｌａｓｍａ ＴＣＨＯ）と当該血中総コレステロールに対して最適化した式に基づいて計算した値（Ｉｎｄｅｘ−ＴＣＨＯ）との相関関係を示す図である。 図６９は、血中インスリン様成長因子濃度（Ｐｌａｓｍａ ＩＧＦ−１）と当該血中インスリン様成長因子濃度に対して最適化した式に基づいて計算した値（Ｉｎｄｅｘ−ＩＧＦ−１）との相関関係を示す図である。 図７０は、副睾丸周囲脂肪の体重比（ＷＡＴ）と当該副睾丸周囲脂肪の体重比に対して最適化した式に基づいて計算した値（Ｉｎｄｅｘ−ＷＡＴ）との相関関係を示す図である。 図７１は、ストレプトゾトシン投与ラット、ＧＫラット、ヒト成長ホルモン遺伝子導入ラット、肝繊維化モデルラット及び、正常ラットの血液中アミノ酸濃度をもとに、これら異なる状態を一括判別した例を示す図である。 図７２は、Ｉ型−糖尿病ラットへのインスリン治療結果の一括診断の例を示す図である。 図７３は、インターフェロンおよびリバビリン治療効果の予測結果の一例を表す図である。 図７４は、ブタの運搬前後におけるアミノ酸複合指標を示した図である。
［生体状態情報管理システム等の実施の形態］
以下に、本発明にかかる生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体の実施の形態を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。
特に、以下の実施の形態においては、本発明を、代謝物をアミノ酸とした場合に適用した例について主に説明するが、この場合に限られず、すべての代謝物において、同様に適用することができる。
［本発明の概要］
以下、本発明の概要について説明し、その後、本発明の構成および処理等について詳細に説明する。図５７は、本発明の基本原理を示す原理構成図である。
本発明は、概略的に、以下の基本的特徴を有する。すなわち、本発明は、各個体において測定された生体状態に関する指標データと、各個体中の各代謝物について測定された血中濃度データ（「臨床データ」など）との相関を示す、数式１に示す相関式を設定する（ステップＳ１−１）。
Figure 0005971209
 （数式１において、ｉ、ｊ、ｋは自然数であり、Ａｉ、Ｂｊは代謝物の血中濃度データ、又は、それを関数処理した値であり、Ｃｉ、Ｄｉ、Ｅｊ、Ｆｊ、Ｇｋ、Ｈは定数である。）
ここで、相関式を設定するパターンには、「臨床データに含まれる各アミノ酸の血中濃度を数式１にあてはめ、新たに数式１の各定数を求めて相関式を設定するパターン（パターン１）」と、「予め求められた相関式を設定するパターン（パターン２）」とがある。なお、パターン２は、パターン１により定数を定めた相関式を予め記憶装置の所定のファイルに格納しておき、そのファイルから所望の相関式を選択して設定する場合、もしくは、他のコンピュータ装置の記憶装置に予め格納された相関式をネットワーク経由でダウンロードして設定する場合を含む。
ついで、本発明は、ステップＳ１−１にて設定された相関式に、シミュレーション対象の個体中の各代謝物について測定された血中濃度データ群（「対象者のデータ」）を代入して、シミュレーション対象の個体中の生体状態をシミュレーションし、診断結果を出力する（ステップＳ１−２）。
これにより、本発明は、例えば、健康状態、疾病の進行状態、疾病の治療状態、将来の疾病リスク、薬剤の有効性、薬剤の副作用などを個体中の代謝物の血中濃度に基づいて効果的にシミュレーションすることができる。
ここで、ステップＳ１−１における、上述したパターン１による新たな相関式設定の概要の一例について、図１等を参照して詳細に説明する。
［相関式設定の概要］
図１は本発明における相関式設定の基本原理を示す原理構成図である。
本発明における相関式設定は、概略的に、以下の基本的特徴を有する。すなわち、本発明における相関式設定は、まず、各個体において測定された各種の生体状態に関する指標データ、および、各個体中の各代謝物について測定された血中濃度データ群を含む生体状態情報を取得する（ステップＳ−１）。
ここで、図１７は、生体状態情報の一例を示す概念図である。図１７に示すように、生体状態情報は、個体（サンプル）番号と、各生体状態の指標データ（Ｔ）と、各代謝物（例えば、アミノ酸など）の血中濃度データ群とを含んで構成される。
ここで、「生体状態に関する指標データ」は、生体状態（例えば、癌、肝硬変、痴呆、肥満等の病態）のマーカーとなる既知の単一の状態指標であり、例えば、特定の代謝物の血中濃度、酵素活性、遺伝子発現量、痴呆指数（ＨＤＳＲ）等の数値データである。
また、「生体状態に関する指標データ」に関して、測定値、診断結果等に数値化されたデータを所持していなくとも、下記の例に示すように健常及び、病態に対して任意の数値を与えることによっても可能である。
例）健常＝０、肥満＝１
健常＝１、糖尿病軽度＝２、糖尿病重度＝３ 等
また、各代謝物の「血中濃度データ群」は、解析の手法によっては、遺伝子発現や酵素活性等の生化学データ群、または、これらを混合したもの（代謝物濃度、遺伝子発現、酵素活性等を合わせた複数の数値データ群）も適用可能である。
再び、図１に戻り、本発明における相関式設定は、次に、各個体において測定された各種の生体状態に関する指標データ、および、各個体中の各代謝物について測定された血中濃度データ群に基づいて、各代謝物について指標データとの相関性を決定する（ステップＳ−２）。
ここで、例えば、２変量ｘ、ｙの間の直線関係の強さをみる指標である「相関係数（ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ）」または、「ピアソンの相関係数（Ｐｅａｒｓｏｎ’ｓ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ）」、「スピアマンの相関係数（Ｓｐｅａｒｍａｎ’ｓ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ）」、「ケンダール（Ｋｅｎｄａｌｌ’ｓ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ）」等、既知技術である相関係数等を計算することにより、各指標Ｔと各アミノ酸との相関性を決定してもよい。
また、これらの基準で複数の相関式が得られた際には、各相関式の良し悪しを相対的に比較するための基準として、ＡＩＣ（赤池情報量基準）を用いるなどして、各相関式と実データのズレを評価することで、モデルの選択をしてもよい。
また、「生体状態に関する指標データ」が、上記で示したように健常及び、病態等の任意の異なる状態間を比較する際に、その判別を目的に、相関比（ｃｏｒｒｅｌａｔｉｏｎ ｒａｔｉｏ）、分差比（ｖａｒｉａｎｃｅ ｒａｔｉｏ）または、マハラノビス汎距離（Ｍａｈａｌａｎｏｂｉｓ’ ｇｅｎｅｒａｌｉｚｅｄ ｄｉｓｔａｎｃｅ）等を用いることで、群間の差が最も大きくなるように計算式を求めてもよい。このとき、これらの基準で複数の判別式が得られた場合には、判別分析（Ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ）等を用いて、実際の各状態間の判別性を基準に式を選択してもよい。
ここで、図１８は、各アミノ酸について決定された生体状態の指標データ（Ｔ１）との相関性の一例を示す概念図である。図１８に示すように、特定の生体状態の指標データ（Ｔ１）について、各アミノ酸の血中濃度データから各アミノ酸との相関性を決定する。ここで、相関性は、例えば、ピアソンの相関係数を計算することにより求めてもよい。ピアソンの相関係数を取った場合、その値は−１から１の範囲となり、その値の絶対値が１に近いほど点が直線的に配列していることを示している。
再び図１に戻り、本発明における相関式設定は、ステップＳ−２にて決定された各代謝物の相関性に基づいて、所定の計算式により生体状態に対する複数の代謝物による相関式（相関関数）を作成する（ステップＳ−３）。
ここで、所定の計算式は、例えば、以下の６つの計算式のうちいずれか一つの計算式を用いてもよい。
例１）
相関式（Ｒ） ＝ （相関性が正となるアミノ酸の和）／
（相関性が負となるアミノ酸の和）
例２）
相関式（Ｒ） ＝ （相関性が正となるアミノ酸の和）＋
（相関性が負となるアミノ酸の和）
例３）
相関式（Ｒ） ＝ （相関性が正となるアミノ酸の和）−
（相関性が負となるアミノ酸の和）
例４）
相関式（Ｒ） ＝ （相関性が正となるアミノ酸の和）×
（相関性が負となるアミノ酸の和）
例５）
相関式（Ｒ） ＝ （相関性が負となるアミノ酸の和）／
（相関性が正となるアミノ酸の和）
例６）
相関式（Ｒ） ＝ （相関性が負となるアミノ酸の和）−
（相関性が正となるアミノ酸の和）
なお、上述した相関式における「アミノ酸の和」は、「アミノ酸の血中濃度値の和」の意味である。
ここで、図４４は、計算式の解釈について説明する概念図である。図４４に示すように、計算式は、生体指標間の関係が加算、除算等に限定された理論体系に投影（マッピング）された結果とみなすことができ、代謝物マップ上の知見と計算式との間のマッピングをとることができると考えることができる。
再び図１に戻り、本発明における相関式設定は、次に、ステップＳ−３にて決定された相関式（Ｒ）と生体状態の指標データ（Ｔ）との相関係数に基づいて（例えば、相関係数が上位（例えば、上位２０位など）になるように、好ましくは、相関係数が最大になるように）相関式（Ｒ）を最適化する（ステップＳ−４）。ここで、最適化の手法には、（ａ）計算に用いるアミノ酸等の代謝物を選択する手法と、（ｂ）計算式を分割する手法のいずれかまたはその組合せで用いてもよい。以下にこの２つの手法を詳細に説明する。
（ａ）計算に用いるアミノ酸等の代謝物を選択する手法
本手法は、各代謝物のうちの一部の代謝物を選択し、選択された複数の代謝物を用いて相関式を計算する手法である。ここで、図４２は、選択された複数の代謝物を用いて相関式を計算する手法の概念を示す図である。図４２に示すように、まず、生体状態の指標データ（Ｔ）と、個々の代謝物（アミノ酸など）との相関性を検分し、相関性が正となる代謝物（ａ，ｂ，ｃ，ｄ，ｅ，．．．，ｎ）と、相関性が負となる代謝物（Ａ，Ｂ，Ｃ，Ｄ，Ｅ，．．．，Ｎ）を決定する。
そして、計算式の形式を設定する。例えば、上述した計算式の中から以下の計算式を選択する。
相関式（Ｒ１） ＝ （相関性が正となるアミノ酸の和）／
（相関性が負となるアミノ酸の和）
なお、上述した相関式における「アミノ酸の和」は、「アミノ酸の血中濃度値の和」の意味である。
そして、いずれかの代謝物を選択的に除去して、相関式（Ｒ２）を計算する。例えば、図４２に示すようにアミノ酸ａを選択的に除去する。すなわち、アミノ酸ａの値を計算式から選択的に除去して、相関式（Ｒ２）を作成する。
そして、生体状態の指標データ（Ｔ）に対する、相関式（Ｒ１）と相関式（Ｒ２）の相関係数の値を比較して、相関式（Ｒ１）の相関係数が大きい場合には、別のアミノ酸について選択的除去を行い、処理を繰り返す。一方、相関式（Ｒ２）の相関係数が大きい場合には、このアミノ酸ａが除去された計算式の中のさらに別のアミノ酸（例えば、アミノ酸ｂ）について選択的除去を行い、処理を繰り返す。
そして、相関係数が最も大きくなる計算式を求める。なお、相関係数が大きい順にベスト５を求める等、相関係数が大きいものを複数示してもよい。
（ｂ）計算式を分割する手法
本手法は、計算式を分割し、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算する手法である。図３４は、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算する手法の概念を説明する図である。
図３４に示すように、まず、所定の計算式で求めた相関式（Ｒ１）と、任意の位置で分割した計算式を用いて求めた相関式（Ｒ２，Ｒ３，Ｒ４，．．．，Ｒｋ）との生体状態の指標データ（Ｔ）に対する相関係数を比較して、相関係数が最も大きくなる計算式を求める。なお、相関係数が大きい順にベスト５を求める等、相関係数が大きいものを複数示してもよい。
ここで、計算式を代謝マップ情報に基づいて分割し、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算してもよい。ここで、図３６は、計算式を代謝マップ情報に基づいて分割し、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算する処理の概念を説明する図である。図３６は、肝炎に関する代謝マップと、相関式の計算式との関係を一例に説明している。
図３６に示すように、特定の生体状態に関連する代謝物について代謝マップが既知である場合には、代謝マップ情報を用いて計算式を分割することにより、実際の生化学的な知見に基づいて計算式を分割することが可能になる。
また、計算式を代謝マップに投影する際には、各々代謝パスウェイの重要度を式に係数をつけて最適化してもよい。例えば、下記の式（１）のように肝繊維化データに最適化した式に対して、重回帰分析（Ｍｕｌｔｉｐｌｅ ｒｅｇｒｅｓｓｉｏｎ ａｎａｌｙｓｉｓ）を適用することで、下記の式（２）のように係数をつけて相関式を更に最適化することができる。
式（１）：
Ｓｔａｇｅ（肝線維化指標） ＝ Ｇｌｕ／Ｈｉｓ ＋ Ｍｅｔ／Ｈｉｓ ＋ Ｃｙｓ／Ｈｉｓ ＋ Ｏｒｎ／Ｐｒｏ ＋ Ａｓｐ／Ｇｌｕ ＋ Ａｓｐ／Ａｓｎ ＋ ＡＢＡ／Ｍｅｔ ＋ ＡＢＡ／Ｔｈｒ ＋ Ｔａｕ／Ｈｉｓ ＋ Ｇｌｕ／Ｇｌｎ
式（２）：
Ｓｔａｇｅ（肝繊維化指標） ＝０．５９０＊Ｇｌｕ／Ｈｉｓ＋０．２４７＊Ｍｅｔ／Ｈｉｓ＋０．２５０＊Ｃｙｓ／Ｈｉｓ＋ ０．１７０＊Ｏｒｎ／Ｐｒｏ＋０．１４６＊Ａｓｐ／Ｇｌｕ＋０．０８０＊Ａｓｐ／Ａｓｎ＋０．２１５＊ＡＢＡ／Ｍｅｔ＋０．１４２＊ＡＢＡ／Ｔｈｒ＋０．１２３＊Ｔａｕ／Ｈｉｓ ＋ ０．４９３＊Ｇｌｕ／Ｇｌｎ＋ ＥＲＲＯＲ
ここで、上記式（２）における偏回帰係数の大きさで各項目の寄与度を検定することが可能となる。また、この偏回帰係数を実際の代謝マップに投影することによって、成因部分を抽出することが可能になる。例えば、上記の式（１）および式（２）の例では、Ｇｌｕ⇔Ｈｉｓまたは、Ｇｌｕ⇔Ｇｌｎの代謝経路上に律速点がある可能性がある、などと解釈できる。
再び図１に戻り、本発明における相関式設定は、ステップＳ−４による相関式の最適化の結果、相関係数が最大となる計算条件を、その生体状態の複合指標として用いることができる（ステップＳ−５）。すなわち、各生体状態の指標データ毎に、例えば相関係数が最も大きい計算式を求めることにより、これらの計算式を各生体状態に対する複数の代謝物の複合指標として用いることができる。
［システム構成］
まず、本システムの構成について説明する。図２は、本発明が適用される本システムの構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
本システムは、概略的に、生体状態に関する情報を処理する生体状態情報処理装置であるサーバ装置１００と、生体状態情報提供者の情報端末装置であるクライアント装置２００とを、ネットワーク３００を介して通信可能に接続して構成されている。
このシステムは、概略的に、以下の基本的特徴を有する。すなわち、サーバ装置１００からクライアント装置２００に対して、または、クライアント装置２００からサーバ装置１００に対して、生体状態に関する情報がネットワーク３００を介して提供される。
このうち、生体状態に関する情報は、ヒト等の生物の生体状態に関する特定の項目について測定された値に関する情報であり、サーバ装置１００、クライアント装置２００、または、他の装置（例えば各種の計測装置等）により生成され、サーバ装置１００に主に蓄積される。また、生体状態に関する情報としては、一例として、後述する病態情報等を挙げることができる。
また、サーバ装置１００は、各種の分析装置（例えばアミノ酸アナライザー等）と同一筐体で実現されてもよい。
［システム構成−サーバ装置１００］
次に、本システムのサーバ装置１００の構成について説明する。図３は、本発明が適用される本システムのサーバ装置１００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
図３においてサーバ装置１００は、概略的に、サーバ装置１００の全体を統括的に制御するＣＰＵ等の制御部１０２、通信回線等に接続されるルータ等の通信装置（図示せず）に接続される通信制御インターフェース部１０４、入力装置１１２や出力装置１１４に接続される入出力制御インターフェース部１０８、および、各種のデータベースやテーブルなどを格納する記憶部１０６を備えて構成されており、これら各部は任意の通信路を介して通信可能に接続されている。さらに、このサーバ装置１００は、ルータ等の通信装置および専用線等の有線または無線の通信回線を介して、ネットワーク３００に通信可能に接続されている。
図３の記憶部１０６に格納される各種のデータベースやテーブル（利用者情報データベース１０６ａ〜代謝マップ情報データベース１０６ｅ）は、固定ディスク装置等のストレージ手段であり、各種処理に用いる各種のプログラムやテーブルやファイルやデータベースやウェブページ用ファイル等を格納する。
これら記憶部１０６の各構成要素のうち、利用者情報データベース１０６ａは、利用者に関する情報（利用者情報）を格納する利用者情報格納手段である。図７は、利用者情報データベース１０６ａに格納される利用者情報の一例を示す図である。
この利用者情報データベース１０６ａに格納される情報は、図７に示すように、各利用者を一意に識別するための利用者ＩＤ、各利用者が正当な者であるか否かの認証を行うための利用者パスワード、各利用者の氏名、各利用者の所属する所属先を一意に識別するための所属先ＩＤ、各利用者の所属する所属先の部門を一意に識別するための部門ＩＤ、部門名、および、各利用者の電子メールアドレスを相互に関連付けて構成されている。
また、生体状態情報データベース１０６ｂは、生体状態情報等を格納する生体状態情報格納手段である。図８は、生体状態情報データベース１０６ｂに格納される情報の一例を示す図である。
この生体状態情報データベース１０６ｂに格納される情報は、図８に示すように、個体（サンプル）番号と、各生体状態の指標データ（Ｔ）と、各代謝物（例えば、アミノ酸など）の血中濃度データ群とを相互に関連付けて構成されている。
また、相関性情報データベース１０６ｃは、相関性に関する情報等を格納する相関性情報格納手段である。図９は、相関性情報データベース１０６ｃに格納される情報の一例を示す図である。
この相関性情報データベース１０６ｃに格納される情報は、図９に示すように、代謝物と、指標データ（Ｔ）に対する各代謝物の相関性等を相互に関連付けて構成されている。
また、相関式情報データベース１０６ｄは、相関式に関する情報等を格納する相関式格納手段である。図１０は、相関式情報データベース１０６ｄに格納される情報の一例を示す図である。
この相関式情報データベース１０６ｄに格納される情報は、図１０に示すように、生体状態の指標データ（Ｔ）と、相関式（Ｒ）と、複合指標（一つまたは複数）とを相互に関連付けて構成されている。
また、代謝マップ情報データベース１０６ｅは、代謝マップに関する情報等を格納する代謝マップ情報格納手段である。図１１は、代謝マップ情報データベース１０６ｅに格納される情報の一例を示す図である。
この代謝マップ情報データベース１０６ｅに格納される情報は、図１１に示すように、各代謝マップに関する情報として、例えば、パスウェイを構成する各ノードや各エッジに関する情報等を相互に関連付けて構成されている。ここで、代謝マップに関する情報は、例えば、ＫＥＧＧ等が提供する既知の代謝マップの情報を取得し、必要に応じて情報を加工して利用してもよい。
また、その他の情報として、サーバ装置１００の記憶部１０６には、ウェブサイトをクライアント装置２００に提供するための各種のＷｅｂデータやＣＧＩプログラム等が記録されている。
このＷｅｂデータとしては、後述する各種のＷｅｂページを表示するためのデータ等があり、これらデータは、例えば、ＨＴＭＬやＸＭＬにて記述されたテキストファイルとして形成されている。また、これらのＷｅｂデータを作成するための部品用のファイルや作業用のファイルやその他一時的なファイル等も記憶部１０６に記憶される。
この他、必要に応じて、クライアント装置２００に送信するための音声をＷＡＶＥ形式やＡＩＦＦ形式の如き音声ファイルで格納したり、静止画や動画をＪＰＥＧ形式やＭＰＥＧ２形式の如き画像ファイルで格納したりすることができる。
また、図３において、通信制御インターフェース部１０４は、サーバ装置１００とネットワーク３００（またはルータ等の通信装置）との間における通信制御を行う。すなわち、通信制御インターフェース部１０４は、他の端末と通信回線を介してデータを通信する機能を有する。
また、図３において、入出力制御インターフェース部１０８は、入力装置１１２や出力装置１１４の制御を行う。ここで、出力装置１１４としては、モニタ（家庭用テレビを含む）の他、スピーカを用いることができる（なお、以下においては出力装置１１４をモニタとして記載する場合がある）。また、入力装置１１２としては、キーボード、マウス、および、マイク等を用いることができる。また、モニタも、マウスと協働してポインティングデバイス機能を実現する。
また、図３において、制御部１０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プログラム、各種の処理手順等を規定したプログラム、および所要データを格納するための内部メモリを有し、これらのプログラム等により、種々の処理を実行するための情報処理を行う。制御部１０２は、機能概念的に、要求解釈部１０２ａ、閲覧処理部１０２ｂ、認証処理部１０２ｃ、電子メール生成部１０２ｄ、Ｗｅｂページ生成部１０２ｅ、送信部１０２ｆ、相関式設定部１０２ｖ、生体状態シミュレーション部１０２ｗ、結果出力部１０２ｋを備えて構成されている。
このうち、要求解釈部１０２ａは、クライアント装置２００からの要求内容を解釈し、その解釈結果に応じて制御部の他の各部に処理を受け渡す要求解釈手段である。
また、閲覧処理部１０２ｂは、クライアント装置２００からの各種画面の閲覧要求を受けて、これら画面のＷｅｂデータの生成や送信を行なう閲覧処理手段である。
また、認証処理部１０２ｃは、クライアント装置２００からの認証要求を受けて、この認証判断を行なう認証処理手段である。
また、電子メール生成部１０２ｄは、各種の情報を含んだ電子メールを生成する電子メール生成手段である。
また、Ｗｅｂページ生成部１０２ｅは、利用者が閲覧するＷｅｂページを生成するＷｅｂページ生成手段である。
また、送信部１０２ｆは、各種の情報を当該利用者のクライアント装置２００に送信する送信手段であり、また、生体状態情報を送信したクライアント装置２００に対して当該複合指標を送信する分析結果送信手段である。
また、相関式設定部１０２ｖは、各個体において測定された生体状態に関する指標データと、各個体中の各代謝物について測定された血中濃度データとの相関を示す、数式１に示す相関式を設定する相関式設定手段である。
Figure 0005971209
 （数式１において、ｉ、ｊ、ｋは自然数であり、Ａｉ、Ｂｊは代謝物の血中濃度データ、又は、それを関数処理した値であり、Ｃｉ、Ｄｉ、Ｅｊ、Ｆｊ、Ｇｋ、Ｈは定数である。）
ここで、相関式設定部１０２ｖは、生体状態情報取得部１０２ｇ、相関性決定部１０２ｈ、相関式作成部１０２ｉ、最適化部１０２ｊをさらに含んで構成されている。
このうち、生体状態情報取得部１０２ｇは、各個体において測定された各種の生体状態に関する指標データ、および、各個体中の各代謝物について測定された血中濃度データ群を含む生体状態情報を、クライアント装置２００または入力装置１１２などから取得する生体状態情報取得手段である。ここで、生体状態情報取得部１０２ｇは、図５に示すように、代謝物指定部１０２ｍおよび生体状態指標データ指定部１０２ｎをさらに含んで構成される。図５は、本発明が適用される本システムの生体状態情報取得部１０２ｇの構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
図５において、代謝物指定部１０２ｍは、所望の代謝物を指定する代謝物指定手段である。
また、生体状態指標データ指定部１０２ｎは、所望の生体状態指標データを指定する生体状態指標データ指定手段である。
再び図３に戻り、相関性決定部１０２ｈは、各個体において測定された各種の生体状態に関する指標データ、および、各個体中の各代謝物について測定された血中濃度データ群に基づいて、各代謝物について指標データとの相関性を決定する相関性決定手段である。
また、相関式作成部１０２ｉは、決定された各代謝物の相関性に基づいて、所定の計算方式により生体状態に対する複数の代謝物による相関式（相関関数）を作成する相関式作成手段である。ここで、相関式作成部１０２ｉは、図６に示すように、正／負設定部１０２ｐおよび計算式設定部１０２ｒをさらに含んで構成される。図６は、本発明が適用される本システムの相関式作成部１０２ｉの構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
図６において、正／負設定部１０２ｐは、各代謝物の相関性について正または負を設定する正／負設定手段である。
また、計算式設定部１０２ｒは、相関式を作成するための計算式を設定する計算式設定手段である。
再び図３に戻り、最適化部１０２ｊは、決定された相関式（Ｒ）と生体状態に関する指標データとの相関係数に基づいて（例えば、相関係数が上位（例えば、上位２０位など）になるように、好ましくは、相関係数が最大になるように）、この相関式（Ｒ）を最適化する最適化手段である。ここで、最適化部１０２ｊは、図４３に示すように、代謝物選択部１０２ｓ、計算式分割部１０２ｔおよび代謝マップ分割部１０２ｕをさらに含んで構成される。図４３は、本発明が適用される本システムの最適化部１０２ｊの構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
図４３において、代謝物選択部１０２ｓは、各代謝物のうちの一部の代謝物を選択し、選択された複数の代謝物を用いて相関式を作成し、生体状態に関する指標データに対する相関係数を計算し、生体状態に関する指標データに対する相関係数および代謝物数に基づいて（例えば、相関係数が上位（例えば上位２０位など）且つ代謝物数が最小となるように、好ましくは、相関係数が最大且つ代謝物数が最小となるように）代謝物の組み合せを最適化するようにする代謝物選択手段である。
また、計算式分割部１０２ｔは、計算式を分割し、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算し、生体状態に関する指標に対する相関係数に基づいて（例えば、相関係数が上位（例えば上位２０位など）となるように、好ましくは、相関係数が最大となるように）分割の組み合わせを最適化するようにする計算式分割手段である。
また、代謝マップ分割部１０２ｕは、計算式を代謝マップ情報に基づいて分割し、分割された計算式を用いて生体状態に対する複数の代謝物による相関式を計算するようにする代謝マップ分割手段である。
再び図３に戻り、生体状態シミュレーション部１０２ｗは、設定された相関式に、シミュレーション対象の個体中の各代謝物について測定された血中濃度データ群を代入して、シミュレーション対象の個体中の生体状態をシミュレーションする生体状態をシミュレーション手段である。
また、結果出力部１０２ｋは、制御部１０２の各処理などの処理結果等を出力装置１１４等に出力する出力手段である。
なお、これら各部によって行なわれる処理の詳細については、後述する。
［システム構成−クライアント装置２００］
次に、クライアント装置２００の構成について説明する。図４は、本発明が適用されるクライアント装置２００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
この図４に示すように、クライアント装置２００は、概略的には、制御部２１０、ＲＯＭ２２０、ＨＤ２３０、ＲＡＭ２４０、入力装置２５０、出力装置２６０、入出力制御ＩＦ２７０、および、通信制御ＩＦ２８０を備えて構成されており、これら各部がバスを介してデータ通信可能に接続されている。
このクライアント装置２００の制御部２１０は、Ｗｅｂブラウザ２１１および電子メーラ２１２を備えて構成されている。このうち、Ｗｅｂブラウザ２１１は、基本的には、Ｗｅｂデータを解釈して、後述するモニタ２６１に表示させる表示制御（ブラウズ処理）を行うものである。また、Ｗｅｂブラウザ２１１は、ストリーム映像の受信、表示、フィードバック等を行う機能を備えたストリームプレイヤ等の各種のソフトウェアをプラグインしてもよい。また、電子メーラ２１２は、所定の通信規約（例えば、ＳＭＴＰ（Ｓｉｍｐｌｅ Ｍａｉｌ Ｔｒａｎｓｆｅｒ Ｐｒｏｔｏｃｏｌ）やＰＯＰ３（Ｐｏｓｔ Ｏｆｆｉｃｅ Ｐｒｏｔｏｃｏｌ ｖｅｒｓｉｏｎ ３）等）に従って、電子メールの送受信を行う。
また、入力装置２５０としては、キーボード、マウス、および、マイク等を用いることができる。また、後述するモニタ２６１も、マウスと協働してポインティングデバイス機能を実現する。
また、出力装置２６０としては、モニタ（家庭用テレビを含む）２６１、および、プリンタ２６２が設けられている。この他、出力装置２６０としては、スピーカ等を用いることができる。出力装置２６０は、通信制御ＩＦ２８０を介して受信された情報を出力する出力手段である。
また、通信制御ＩＦ２８０は、クライアント装置２００とネットワーク３００（またはルータ等の通信装置）との間における通信制御を行う。この通信制御ＩＦ２８０は、サーバ装置１００に対して情報を送信し、また、サーバ装置１００から送信された情報を受信する受信手段であり、生体状態情報をサーバ装置１００に対して送信する送信手段、送信した生体状態情報に対応する複合指標をサーバ装置１００から受信する受信手段として機能する。
このように構成されたクライアント装置２００は、モデム、ＴＡ、ルータ等の通信装置と電話回線を介して、あるいは、専用線を介して、ネットワーク３００に接続されており、所定の通信規約（たとえば、ＴＣＰ／ＩＰインターネットプロトコル）に従ってサーバ装置１００にアクセスすることができる。
［システム構成−ネットワーク３００］
次に、ネットワーク３００の構成について説明する。ネットワーク３００は、サーバ装置１００とクライアント装置２００とを相互に接続する機能を有し、例えば、インターネット等である。
［システムの処理］
次に、このように構成された本実施の形態における本システムの処理の一例について、以下に図１２〜図１６等を参照して詳細に説明する。
［生体状態情報解析サービス処理］
次に、このように構成された本システムを用いて行なわれる本方法としての生体状態情報解析サービス処理の詳細について図１２等を参照して説明する。図１２は、本実施形態における本システムの生体状態情報解析サービス処理の一例を示すフローチャートである。
まず、クライアント装置２００は、サーバ装置１００の提供するウェブサイトのアドレス（ＵＲＬ等）を利用者がＷｅｂブラウザ２１１の表示される画面上で入力装置２５０を介して指定することにより、インターネットを介して、サーバ装置１００に接続する。
具体的には、利用者が、クライアント装置２００のＷｅｂブラウザ２１１を起動し、このＷｅｂブラウザ２１１の所定の入力欄に、本システムの生体状態情報送信画面に対応する所定のＵＲＬを入力する。そして、利用者が、このＷｅｂブラウザ２１１の画面更新を指示すると、Ｗｅｂブラウザ２１１は、このＵＲＬを通信制御ＩＦ２８０を介して所定の通信規約にて送信し、このＵＲＬに基づくルーティングによってサーバ装置１００に対する生体状態情報送信画面用Ｗｅｂページの送信要求を行う。
ついで、サーバ装置１００の要求解釈部１０２ａは、クライアント装置２００からの送信の有無を監視しており、送信を受けると、この送信の内容を解析し、その結果に応じて当該制御部１０２内の各部に処理を移す。送信の内容が生体状態情報送信画面用Ｗｅｂページの送信要求である場合には、主として閲覧処理部１０２ｂの制御下において、記憶部１０６から生体状態情報送信画面用Ｗｅｂページを表示するためのＷｅｂデータを取得し、このＷｅｂデータを通信制御インターフェース部通信制御インターフェース部１０４を介してクライアント装置２００に送信する。ここで、サーバ装置１００からクライアント装置２００へデータ送信を行う際のクライアント装置２００の特定は、クライアント装置２００から送信要求と共に送信されたＩＰアドレスを用いて行う。
なお、利用者からＷｅｂページの送信要求があった場合には、利用者に利用者ＩＤおよびパスワードの入力を求め、認証処理部１０２ｃが利用者情報データベース１０６ａに格納されている利用者ＩＤおよび利用者パスワードに基づいて認証可否を判断し、認証可の場合にのみＷｅｂページを閲覧させてもよい（以下においても同様であるためその詳細を省略する）。
このクライアント装置２００は、サーバ装置１００からのＷｅｂデータを通信制御ＩＦ２８０を介して受信し、このデータをＷｅｂブラウザ２１１にて解釈することにより、モニタ２６１に生体状態情報送信画面用Ｗｅｂページを表示する。以下、クライアント装置２００からサーバ装置１００への画面要求と、サーバ装置１００からクライアント装置２００へのＷｅｂデータの送信、および、クライアント装置２００におけるＷｅｂページの表示はほぼ同様に行われるものとし、以下ではその詳細を省略する。
そして、利用者がクライアント装置２００の入力装置２５０を介して生体状態情報を入力・選択すると、入力情報および選択事項を特定するための識別子がサーバ装置１００に送信される（ステップＳＡ−１）。
そして、サーバ装置１００の要求解釈部１０２ａは、この識別子を解析することによって、クライアント装置２００からの要求の内容を解析する（クライアント装置２００からサーバ装置１００への要求内容の識別については、以下の処理においてもほぼ同様に行われるものとし、以下ではその詳細を省略する）。
そして、サーバ装置１００は、制御部１０２の各部の処理により、図１３等を用いて後述する生体状態情報の解析処理を実行する（ステップＳＡ−２）。そして、サーバ装置１００は、Ｗｅｂページ生成部１０２ｅの処理により、利用者が送信した生体状態情報に対する解析結果データを表示するためのＷｅｂページを作成して、記憶部１０６に格納する。
そして、利用者は、Ｗｅｂブラウザ２１１に所定のＵＲＬを入力等することにより、上記と同様の認証を経た後、記憶部１０６に格納されている解析結果データを表示するためのＷｅｂページを閲覧することができる。
すなわち、利用者がクライアント装置２００を用いて、該Ｗｅｂページの閲覧要求をサーバ装置１００に対して送信すると、サーバ装置１００は、閲覧処理部１０２ｂの処理により、記憶部１０６より該利用者のＷｅｂページを読み出し、送信部１０２ｆに送ると、送信部１０２ｆは、該Ｗｅｂページをクライアント装置２００に対して送信する（ステップＳＡ−３）。これにより、利用者は、自己のＷｅｂページを適宜閲覧することができる（ステップＳＡ−４）。また、利用者は、必要に応じてこのＷｅｂページの表示内容をプリンタ２６２にて印刷することができる。
また、サーバ装置１００は、利用者に対する解析結果の通知を電子メールを介して行ってもよい。すなわち、サーバ装置１００の電子メール生成部１０２ｄは、送信タイミングに従って、利用者が送信した生体状態情報に対する解析結果データを含む電子メールデータを生成する。具体的には、利用者の利用者ＩＤ等に基づいて利用者情報データベース１０６ａに格納された利用者情報を参照し、この利用者の電子メールアドレスを呼び出す。
そして、この電子メールアドレスを宛先とする電子メールであって、利用者の氏名、および、利用者が送信した生体状態情報に対する解析結果データを含む電子メールのメールデータを生成して、このメールデータを送信部１０２ｆに受け渡す。そして、送信部１０２ｆは、このメールデータを送信する（ステップＳＡ−３）。
一方、利用者は、クライアント装置２００の電子メーラ２１２を用いて上記電子メールを任意のタイミングで受信する。この電子メールは電子メーラ２１２の公知の機能に基づいてモニタ２６１に表示される（ステップＳＡ−４）。また、利用者は、必要に応じてこの電子メールの表示内容をプリンタ２６２にて印刷することができる。
これにて、生体状態情報解析サービス処理が終了する。
［生体状態情報の解析処理］
次に、生体状態情報の解析処理の詳細について図１３等を参照して説明する。図１３は、本実施形態における本システムの生体状態情報の解析処理の一例を示すフローチャートである。なお、本実施形態は、マイクロソフト（会社名）のＥｘｃｅｌ（製品名）を用いて相関係数や相関式の計算や集計処理等を行う場合を一例に説明するが、本発明はかかる場合に限定されるものではなく、他のプログラムにより実行してもよい。
まず、サーバ装置１００は、相関式設定部１０２ｖの処理により、各個体において測定された生体状態に関する指標データと、各個体中の各代謝物について測定された血中濃度データとの相関を示す、数式１に示す相関式を設定する（相関式設定処理）。
Figure 0005971209
 （数式１において、ｉ、ｊ、ｋは自然数であり、Ａｉ、Ｂｊは代謝物の血中濃度データ、又は、それを関数処理した値であり、Ｃｉ、Ｄｉ、Ｅｊ、Ｆｊ、Ｇｋ、Ｈは定数である。）
ここで、相関式設定部１０２ｖにて行われる相関式設定処理について、以下に詳細に説明する。
まず、サーバ装置１００は、生体状態情報取得部１０２ｇの処理により、Ｅｘｃｅｌ上で、指標データ（Ｔ）及び、アミノ酸の血中濃度データ群を予め別々のシートに記したデータファイルを作成する（ステップＳＢ−１）。
ついで、サーバ装置１００は、生体状態情報取得部１０２ｇの処理により、ステップＳＢ−１により作成したデータファイルを制御部１０２のメモリに取り込む（ステップＳＢ−２）。
図１９は、モニタに表示されるメインメニュー画面の一例を示す図である。この図に示すようにメインメニュー画面は、例えば、ファイル取込み画面へのリンクボタン（ファイル取込みボタン）ＭＡ−１、アミノ酸（代謝物）入力画面へのリンクボタン（アミノ酸（代謝物）入力ボタン）ＭＡ−２、生体状態指標入力画面へのリンクボタン（生体状態指標入力ボタン）ＭＡ−３、計算式マスタメンテナンス画面へのリンクボタン（計算式ボタン）ＭＡ−４、処理項目選択画面へのリンクボタン（処理項目の指定ボタン）ＭＡ−５、正負判定確認画面へのリンクボタン（正・負判定確認ボタン）ＭＡ−６、複合指標探索画面へのリンクボタン（複合指標の探索ボタン）ＭＡ−７、および、処理の終了を選択するための終了ボタンＭＡ−８を含んで構成されている。
図１９において、利用者が入力装置１１２を介して、メインメニュー画面のファイルの取り込みボタンＭＡ−１を選択すると、図２０に示すファイル取込み画面が表示される。
図２０は、モニタに表示されるファイル取込み画面の一例を示す図である。この図に示すようにファイル取込み画面は、例えば、アミノ酸（代謝物）データの取込ファイルパスと取込ファイル名を入力するための入力ボックス群ＭＢ−１、生体状態指標データの取込ファイルパスと取込ファイル名を入力するための入力ボックス群ＭＢ−２、ファイル取込をおこなうための取込ボタンＭＢ−３、および、メインメニュー画面（図１９）へ戻るための戻るボタンＭＢ−４を含んで構成されている。
図２０において、利用者が入力装置１１２を介して、入力ボックス群ＭＢ−１およびＭＢ−２に対して、データを取り込むアミノ酸（代謝物）および生体状態指標を選択した後、取込ボタンＭＢ−３を選択すると、生体状態指標データ指定部１０２ｎは、指定されたアミノ酸（代謝物）を制御部１０２のメモリに取り込み、また、代謝物指定部１０２ｍは、指定された生体状態指標データを制御部１０２のメモリに取り込む。
再び図１３に戻り、サーバ装置１００は、生体状態情報取得部１０２ｇの処理により、解析したい個体群（または、省きたい個体群）を、図２１に示すアミノ酸（代謝物）入力画面、および、図２２に示す生体状態指標入力画面を用いて利用者に選択させる（ステップＳＢ−３）。
図２１は、モニタに表示されるアミノ酸（代謝物）入力画面の一例を示す図である。この図に示すようにアミノ酸（代謝物）入力画面は、例えば、解析のためのデータとして登録するか否かを選択するための未使用Ｆｌｇチェック領域ＭＣ−１、データ表示領域ＭＣ−２、抜けデータのチェックのためのデータチェックボタンＭＣ−３、データを登録するための登録ボタンＭＣ−４、および、メインメニュー画面（図１９）へ戻るための戻るボタンＭＣ−５を含んで構成されている。
図２２は、モニタに表示される生体状態指標入力画面の一例を示す図である。この図に示すように生体状態指標入力画面は、例えば、解析のためのデータとして登録するか否かを選択するための未使用Ｆｌｇチェック領域ＭＤ−１、データ表示領域ＭＤ−２、抜けデータのチェックのためのデータチェックボタンＭＤ−３、データを登録するための登録ボタンＭＤ−４、および、メインメニュー画面（図１９）へ戻るための戻るボタンＭＤ−５を含んで構成されている。
利用者は、図２１または図２２において、例えば、データ落ちしている個体等について、未使用Ｆｌｇチェック領域ＭＣ−１または未使用Ｆｌｇチェック領域ＭＤ−１を「未使用（未使用Ｆｌｇをチェックする）」に選択することが可能となる。尚、図２１または図２２のどちらか一方の画面で、未使用個体（未使用Ｆｌｇを設定する）とすると、もう一方の画面でも連動してその個体は自動的に未使用となる。
また、利用者が、図２１または図２２において、データチェックボタンＭＣ−３またはデータチェックボタンＭＤ−３を入力装置１１２を介して選択すると、生体状態情報取得部１０２ｇは、一部のアミノ酸（代謝物）について血中濃度データが落ちているものを自動的にチェックアウトして未使用Ｆｌｇを設定する。
また、利用者が、図２１または図２２において、登録ボタンＭＣ−４または登録ボタンＭＤ−４を入力装置１１２を介して選択すると、生体状態情報取得部１０２ｇは、制御部１０２のメモリから未使用Ｆｌｇが設定された血中アミノ酸データを除去する。
再び図１３に戻り、サーバ装置１００は、代謝物指定部１０２ｍおよび生体状態指標データ指定部１０２ｎの処理により、図２４に示す処理項目選択画面をモニタに表示して、解析対象となる生体状態の指標データ（Ｔ）と、アミノ酸（代謝物）を利用者に選択させる（ステップＳＢ−４およびステップＳＢ−５）。
図２４は、モニタに表示される処理項目選択画面の一例を示す図である。この図に示すように処理項目選択画面は、例えば、入力項目表示領域ＭＦ−１、生体状態指標の解析対象項目表示領域ＭＦ−２、アミノ酸（代謝物）の解析項目表示領域ＭＦ−３、処理項目の設定を行うためのＯＫボタンＭＦ−４、および、処理項目選択画面を閉じるためのキャンセルボタンＭＦ−５を含んで構成されている。
利用者が、図２４において、入力装置１１２を介して、生体状態指標の解析対象項目表示領域ＭＦ−２、アミノ酸（代謝物）の解析項目表示領域ＭＦ−３から所望の生体状態指標およびアミノ酸（代謝物）を選択して、入力項目表示領域ＭＦ−１に表示させた後、ＯＫボタンＭＦ−４を入力装置１１２を介して選択すると、代謝物指定部１０２ｍおよび生体状態指標データ指定部１０２ｎは、解析対象データ以外のデータを制御部１０２のメモリから除去する。
再び図１３に戻り、サーバ装置１００は、相関性決定部１０２ｈの処理により、解析対象として指定された指標データおよび血中濃度データ群に基づいて、各代謝物について指標データとの相関性を決定し（ステップＳＢ−６）、図２５に示す表示画面をモニタに出力する。ここで、相関性は、Ｅｘｃｅｌの関数ｃｏｒｒｅｌ（または、関数ＰＥＡＲＳＯＮ）を用いて相関係数を計算することにより求めている。
図２５は、モニタに表示される正負判定確認画面の一例を示す図である。この図に示すように正負判定確認画面は、例えば、解析対象項目表示領域ＭＧ−１、正負判定表示領域ＭＧ−２、解析項目表示領域ＭＧ−３、解析対象項目との相関性を表示するための表示領域ＭＧ−４、ユーザによる正負の設定を行うためのユーザ設定表示領域ＭＧ−５、設定を行うためのＯＫボタンＭＧ−６、および、正負判定確認画面を閉じるためのキャンセルボタンＭＧ−７を含んで構成されている。
利用者は、図２５において、表示領域ＭＧ−４に表示された各アミノ酸の相関係数を確認し、指標データ（Ｔ）に対する、各アミノ酸の相関性の正負を確認する。このとき、実際には正であっても、ユーザ設定によって、負に変更し、負として扱うことも可能である（その逆も可）。その場合には、利用者は、入力装置１１２を介して、ユーザ設定表示領域ＭＧ−５において正または負を選択し、ＯＫボタンＭＧ−６を選択することにより、正／負設定部１０２ｐは、制御部のメモリ上の対応するデータを更新する。
再び図１３に戻り、サーバ装置１００は、計算式設定部１０２ｒの処理により、図２３に示す表示画面を表示して、相関式（Ｒ）を計算するための計算式を利用者に作成させる（ステップＳＢ−７）。
図２３は、モニタに表示される計算式マスタメンテナンス画面の一例を示す図である。この図に示すように計算式マスタメンテナンス画面は、例えば、相関式（Ｒ）の計算のための計算式の入力領域である計算式入力領域ＭＥ−１、計算式を登録するための登録ボタンＭＥ−２、および、メインメニュー画面（図１９）へ戻るための戻るボタンＭＥ−３を含んで構成されている。
利用者は、図２３において、入力装置１１２を介して、計算式入力領域ＭＥ−１に所望の相関式（Ｒ）を計算するための計算式を入力した後、登録ボタンＭＥ−２を選択すると、計算式設定部１０２ｒは、入力された計算式を記憶部１０６の所定の記憶領域に格納する。ここで、計算式は、生体状態指標データ（Ｔ）に対するアミノ酸群（代謝物群）の個々の相関係数の正負を基準として、（正の和）／（負の和）、（正の和）＋（負の和）、（正の和）−（負の和）、（負の和）／（正の和）、（負の和）−（正の和）、または、（正の和）×（負の和）等を指定可能である。
再び図１３に戻り、サーバ装置１００は、計算式設定部１０２ｒの処理により、図２６に示す複合指標探索画面を表示して、ステップＳＢ−７において作成した計算式の中から適用したい計算式を利用者に指定（複数可）させ（ステップＳＢ−８）、また、結果の出力ファイルを利用者に指定させる（ステップＳＢ−９）。
図２６は、モニタに表示される複合指標探索画面の一例を示す図である。この図に示すように複合指標探索画面は、例えば、出力ファイル名の表示および入力領域ＭＨ−１、出力ファイル名参照ボタンＭＨ−２、最適化処理において複合指標の探索か複合指標かを選択させる選択領域ＭＨ−３、解析対象項目表示領域ＭＨ−４、解析項目表示領域ＭＨ−５、解析対象項目との相関性の表示領域ＭＨ−６、正負表示領域ＭＨ−７、使用ＦＬＧチェック領域ＭＨ−８、計算式表示領域ＭＨ−９、実行ボタンＭＨ−１０、および、メインメニュー画面（図１９）へ戻るための戻るボタンＭＨ−１１を含んで構成されている。
利用者は、図２６において、入力装置１１２を介して、所定の情報を入力・選択した後、実行ボタンＭＨ−１０を選択すると、サーバ装置１００は、相関式作成部１０２ｉおよび最適化部１０２ｊの処理により、相関式の作成を行い、さらに、図１４および図１５を用いて後述する最適化処理１を実行する（ステップＳＢ−１０）。
ここで、図１４は、本システムによる網羅的計算手法を用いた最適化処理１の一例を示すフローチャートである。図１４で示す網羅的計算手法（ステップＳＣ−１〜ステップＳＣ−８）では、最適化部１０２ｊは、式が分割されていない前段階の複合指標を算出する。網羅的計算手法では、最適化部１０２ｊは、指定した処理項目を、指定した計算式（群）に適用し、全てのアミノ酸の組み合わせを自動的に算出し、その中から最も指標データ（Ｔ）に相関性の高い組み合わせのベスト５（２０まで指定可）を出力する。
ここで、図１５は、本システムによるベストパス法を用いた最適化処理１の一例を示すフローチャートである。図１５で示すベストパス法（ステップＳＤ−１〜ステップＳＤ−１１）では、最適化部１０２ｊは、代謝物選択部１０２ｓの処理により、特定のアミノ酸を一項目ずつ除項を繰り返し、最適な組み合わせを簡易的に算出する。
再び図１３に戻り、サーバ装置１００は、結果出力部１０２ｋの処理により、解析結果（単一項指標）をモニタに出力し、また、記憶部１０６に解析結果を格納する（ステップＳＢ−１１）。
そして、サーバ装置１００は、計算式分割部１０２ｔの処理により、ステップＳＢ−１１において出力された単一項指標のうち所望のものを選択する（ステップＳＢ−１２）。
そして、サーバ装置１００は、相関式作成部１０２ｉおよび最適化部１０２ｊの処理により、図１６を用いて後述する最適化処理２を実行する（ステップＳＢ−１３）。
ここで、図１６は、本システムによる最適化処理２の一例を示すフローチャートである。図１６で示す最適化処理２（ステップＳＥ−１〜ステップＳＥ−１６）では、最適化部１０２ｊは、計算式分割部１０２ｔの処理により、ステップＳＢ−１１において出力された単一項指標のうち所望のものを選択し、選択された単一項指標の全ての２分割パターンを算出し、最も指標データ（Ｔ）に対して相関係数の絶対値の高い指標を算出する。また、計算式は、代謝マップ分割部１０２ｕの処理により、代謝マップ情報データベース１０６ｅに格納された代謝マップ情報に基づいて計算式を分割してもよい。
再び図１３に戻り、サーバ装置１００は、結果出力部１０２ｋの処理により、解析結果（複数項指標）をモニタに出力し、また、記憶部１０６に解析結果を格納する（ステップＳＢ−１４）。ここで、実行した２分割パターンのうち、指標データ（Ｔ）に対して相関性の高い上位２０位等、複数の複合指標を出力してもよい。
ここで、図２７〜図３３は、モニタに出力される解析結果の表示画面の一例を示す図である。
図２７は、モニタに表示される実行結果（１）シート（「解析用」生データ）画面の一例を示す図である。この図に示すように実行結果（１）シート（「解析用」生データ）画面は、例えば、解析対象項目の表示領域ＭＪ−１、および、解析項目の表示領域ＭＪ−２を含んで構成されている。
図２８は、モニタに表示される実行結果（２）シート（複合指標探索条件）画面の一例を示す図である。この図に示すように実行結果（２）シート（複合指標探索条件）画面は、例えば、解析対象項目の表示領域ＭＫ−１、解析項目の名称の表示領域ＭＫ−２、解析対象項目との相関表示領域ＭＫ−３、解析項目の正負表示領域ＭＫ−４、および、計算式の表示領域ＭＫ−５を含んで構成されている。
図２９は、モニタに表示される実行結果（３）シート（ベスト複合指標）画面の一例を示す図である。この図に示すように実行結果（３）シート（ベスト複合指標）画面は、例えば、最適な複合指標の順位を表示する表示領域ＭＭ−１、相関係数の表示領域ＭＭ−２、および、複合指標の表示領域ＭＭ−３を含んで構成されている。
図３０は、モニタに表示される実行結果（４）シート（ベスト複合指標＿数値）画面の一例を示す図である。この図に示すように実行結果（４）シート（ベスト複合指標＿数値）画面は、例えば、解析対象項目の表示領域ＭＮ−１、ベスト１の複合指標の計算結果表示領域ＭＮ−２、ベスト２の複合指標の計算結果表示領域ＭＮ−３、ベスト３の複合指標の計算結果表示領域ＭＮ−４、ベスト４の複合指標の計算結果表示領域ＭＮ−５、および、ベスト５の複合指標の計算結果表示領域ＭＮ−６を含んで構成されている。
図３１は、モニタ画面に表示される実行結果（５）シート（相関グラフ）画面の一例を示す図である。この図に示すように実行結果（５）シート（相関グラフ）画面は、例えば、複合指標の選択領域ＭＰ−１、および、相関グラフの表示領域ＭＰ−２を含んで構成されている。
図３２は、モニタ画面に表示される実行結果（６）シート（「アミノ酸（代謝物）」生データ）画面の一例を示す図である。この図に示すように実行結果（６）シート（「アミノ酸（代謝物）」生データ）画面は、例えば、アミノ酸（代謝物）の生データの表示領域ＭＲ−１、および、未使用Ｆｌｇの表示領域ＭＲ−２を含んで構成されている。
図３３は、モニタ画面に表示される実行結果（７）シート（「生体状態指標」生データ）画面の一例を示す図である。この図に示すように実行結果（７）シート（「生体状態指標」生データ）画面は、例えば、生体状態指標の表示領域ＭＳ−１、および、未使用Ｆｌｇの表示領域ＭＳ−２を含んで構成されている。
これにて、相関式設定処理が終了する。
ついで、サーバ装置１００は、生体状態情報取得部１０２ｇの処理により、シミュレーション対象の個体中の各代謝物について測定された血中濃度データ群を取得し、記憶部１０６の所定の記憶領域に当該血中濃度データ群を格納する。
ついで、サーバ装置１００は、生体状態シミュレーション部１０２ｗの処理により、相関式設定部１０２ｖにて設定された相関式に、取得したシミュレーション対象の個体中の各代謝物について測定された血中濃度データ群を代入して、シミュレーション対象の個体中の生体状態をシミュレーションする。
さらに、サーバ装置１００は、結果出力部１０２ｋの処理により、生体状態シミュレーション部１０２ｗによる生体状態のシミュレーションの結果をモニタに出力し、記憶部１０６の所定の記憶領域に当該シミュレーションの結果を格納する。
これにて、生体状態情報の解析処理が終了する。
［実施例］
次に、本発明により求めた生体状態の複合指標を用いた生体状態判定の実施例について以下に説明する。
［肝線維化の複合指標の実施例（その１）］
まず、肝線維化の複合指標の実施例（その１）の詳細について、図５１〜図５６、そして、表１を参照して説明する。本システムを用いて上述した方法により、Ｃ型肝炎患者における肝線維化指標を用いて、コントロール群と肝線維化の各ステージにおける血漿中アミノ酸濃度の組み合わせの相関性の最適化によって、ステージごとの複合指標（複合指標１〜４）を求めた。なお、本実施例ではＣ型肝炎患者における肝線維化の複合指標を一例に説明するが、本発明は対象者をＣ型肝炎患者に限定するものではない。
（各複合指標と病態のステージとの関係）
図５２は、コントロール群とＣ型肝炎患者における、本システムにより求めた肝線維化の複合指標（複合指標１）と病態のステージとの関係を示す図である。本図において、横軸は病態のステージを示し、縦軸はコントロール群と各ステージのＣ型肝炎患者の複合指標（複合指標１）の値を示す。
ここで、病態のステージは、数字が大きいほど病態が悪化していることを５段階で示しており、「０」が正常であり、「４」が最も病態が悪化しているステージを示している。なお、この図ではコントロール群と肝線維化ステージ１のＣ型肝炎患者との分類に注目している。
図５３は、コントロール群とＣ型肝炎患者における、本システムにより求めた肝線維化の複合指標（複合指標２）と病態のステージとの関係を示す図である。本図において、横軸は病態のステージを示し、縦軸はコントロール群と各ステージのＣ型肝炎患者の複合指標（複合指標２）の値を示す。
ここで、病態のステージは、数字が大きいほど病態が悪化していることを５段階で示しており、「０」が正常であり、「４」が最も病態が悪化しているステージを示している。なお、この図ではコントロール群と肝線維化ステージ２のＣ型肝炎患者との分類に注目している。
図５４は、コントロール群とＣ型肝炎患者における、本システムにより求めた肝線維化の複合指標（複合指標３）と病態のステージとの関係を示す図である。本図において、横軸は病態のステージを示し、縦軸はコントロール群と各ステージのＣ型肝炎患者の複合指標（複合指標３）の値を示す。
ここで、病態のステージは、数字が大きいほど病態が悪化していることを５段階で示しており、「０」が正常であり、「４」が最も病態が悪化しているステージを示している。なお、この図ではコントロール群と肝線維化ステージ３のＣ型肝炎患者との分類に注目している。
図５５は、コントロール群とＣ型肝炎患者における、本システムにより求めた肝線維化の複合指標（複合指標４）と病態のステージとの関係を示す図である。本図において、横軸は病態のステージを示し、縦軸はコントロール群と各ステージのＣ型肝炎患者の複合指標（複合指標４）の値を示す。
ここで、病態のステージは、数字が大きいほど病態が悪化していることを５段階で示しており、「０」が正常であり、「４」が最も病態が悪化しているステージを示している。なお、この図ではコントロール群と肝線維化ステージ４のＣ型肝炎患者との分類に注目している。
（病態判定手法ならびに病態判定結果）
表１は、コントロール群とＣ型肝炎患者における、病態判定情報および病態判定結果を示す表である。
Figure 0005971209
Figure 0005971209
Figure 0005971209
コントロール群の各複合指標（複合指標１〜４）値に対して最大値または最小値を限界値とすることを各複合指標（複合指標１〜４）に行い、各ステージの各Ｃ型肝炎患者における各複合指標（複合指標１〜４）値が、コントロール群の対応する複合指標の最大値よりも大きい値、または、最小値よりも小さい値であるときは陽性「１」と判定し、コントロール群の対応する複合指標値の限界値以内の値であるときは陰性「０」と判定した。そして、各複合指標（複合指標１〜４）値に対する判定値の和を各患者（コントロール群およびＣ型肝炎患者）の総合判定に用いて、その判定値の和が１以上であるとき陽性とした。
その結果、この診断法により解析したデータ中のすべてのＣ型肝炎患者が陽性判定となり、すべてのコントロールが陰性となった。
（判定結果の考察（従来法との比較））
図５６は、コントロール群とＣ型肝炎患者における、フィッシャー比と病態のステージとの関係を示す図である。本システムを用いて上述した方法により算出される複合指標と類似し、従来、肝炎の判定に用いられているフィッシャー比によって同様の判定を行った場合、すべてのコントロールが陰性であれば肝炎患者の６６％が陽性であった。
また、各ステージにおける陽性判定率はステージ１で２７％、ステージ２で６０％、ステージ３で６０％、そして、ステージ４で９４％であり、疾患の進度が進むにつれて改善しているが、初期診断には不適であることが明らかである（表１、および、図５６参照）。一方、本システムを用いて上述した方法、および、本病態判定手法による判定では、疾患初期においても判定率１００％を示しており、従来法（フィッシャー比による判定）に対する優位性は明白である。
（複合指標の入れ替え）
なお、本システムを用いて上述した方法により導き出せる指標は相関係数が最適化されたものであるが、完全に最適化されていなくても診断指標としての役割を果たすことができる。そこで、相関係数上位２０位の解析により、下記の規則および式を設けるに至った。
具体的には、例えば、複合指標１から４のうち少なくとも一つの式中のアミノ酸を下記の規則のもとに入れ替えること、または、複合指標１から４のうち少なくとも一つを対応する下記の式に入れ替えることを可能とする。
ここで、上記規則について図５１を参照して説明する。
図５１は、複合指標１から４のそれぞれの式中のアミノ酸を入れ替えるための規則を表す図である。
図５１において、複合指標１から４のそれぞれは、グループＡの因子が全て分子、グループＢの因子が全て分母にあり、グループＡの因子またはグループＡの因子の和を、グループＢの因子またはグループＢの因子の和で割ったかたちの項が１項以上ある分数の和の形式をとる式によって算出される。ここで、グループＣの因子は分子に、グループＤの因子は分母に加えてもよい。
また、複合指標１は、例えば、以下の複合指標１−１〜１−２０に置換してもよい。なお、コントロール群最小値とコントロール群最大値は、コントロール群の各複合指標（複合指標１−１〜１−２０）に対する最大値、最小値を示す。
（複合指標１−１）（コントロール群最小値：１．４０、コントロール群最大値：２．０３）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−２）（コントロール群最小値：１．２１、コントロール群最大値：１．８４）
（Ａｓｎ）／（Ｔａｕ＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−３）（コントロール群最小値：１．１８、コントロール群最大値：１．８１）
（Ａｓｎ）／（Ｔａｕ＋（α‐ＡＢＡ）＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−４）（コントロール群最小値：１．３９、コントロール群最大値：２．０２）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−５）（コントロール群最小値：１．２７、コントロール群最大値：１．８３）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｉｌｅ＋Ｔｒｐ）
（複合指標１−６）（コントロール群最小値：１．４０、コントロール群最大値：２．０２）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ａｓｐ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−７）（コントロール群最小値：１．２１、コントロール群最大値：１．８３）
（Ａｓｎ）／（Ｔａｕ＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ａｓｐ＋Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−８）（コントロール群最小値：１．２６、コントロール群最大値：１．８９）
（Ａｓｎ）／（Ｔａｕ＋Ｉｌｅ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−９）（コントロール群最小値：１．１７、コントロール群最大値：１．８０）
（Ａｓｎ）／（Ｔａｕ＋（α‐ＡＢＡ）＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ａｓｐ＋Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１０）（コントロール群最小値：１．４５、コントロール群最大値：２．０８）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１１）（コントロール群最小値：１．１７、コントロール群最大値：１．８０）
（Ａｓｎ）／（Ｔａｕ＋Ａｓｐ＋（α‐ＡＢＡ）＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１２）（コントロール群最小値：２．３６、コントロール群最大値：２．００）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋（α‐ＡＢＡ）＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１３）（コントロール群最小値：１．２６、コントロール群最大値：１．８２）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｉｌｅ＋Ｔｒｐ）
（複合指標１−１４）（コントロール群最小値：１．２３、コントロール群最大値：１．８６）
（Ａｓｎ）／（Ｔａｕ＋（α‐ＡＢＡ）＋Ｉｌｅ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１５）（コントロール群最小値：１．２１、コントロール群最大値：１．８３）
（Ａｓｎ）／（Ｔａｕ＋Ａｓｐ＋Ｉｌｅ） ＋ （Ｇｌｎ）／（Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１６）（コントロール群最小値：１．２６、コントロール群最大値：１．８３）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ａｓｐ＋Ｓｅｒ＋Ｖａｌ＋Ｉｌｅ＋Ｔｒｐ）
（複合指標１−１７）（コントロール群最小値：１．２６、コントロール群最大値：１．８８）
（Ａｓｎ）／（Ｔａｕ＋Ｉｌｅ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ａｓｐ＋Ｔｈｒ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１８）（コントロール群最小値：１．３５、コントロール群最大値：１．８８）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋（α‐ＡＢＡ）＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−１９）（コントロール群最小値：１．４４、コントロール群最大値：２．０７）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ） ＋ （Ｇｌｎ＋Ｍｅｔ）／（Ｔａｕ＋Ｓｅｒ＋Ｖａｌ＋Ｔｒｐ）
（複合指標１−２０）（コントロール群最小値：１．２４、コントロール群最大値：１．８１）
（Ａｓｎ）／（Ｔｈｒ） ＋ （Ｇｌｎ）／（Ｔａｕ＋Ｓｅｒ＋（α‐ＡＢＡ）＋Ｖａｌ＋Ｉｌｅ＋Ｔｒｐ）
また、複合指標２は、例えば、以下の複合指標２−１〜２−２０に置換してもよい。なお、コントロール群最小値とコントロール群最大値は、コントロール群の各複合指標（複合指標２−１〜２−２０）に対する最大値、最小値を示す。
（複合指標２−１）（コントロール群最小値：４．８１、コントロール群最大値：１０．４１）
（Ａｓｎ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ｍｅｔ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−２）（コントロール群最小値：４．１８、コントロール群最大値：９．０５）
（Ａｓｎ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−３）（コントロール群最小値：４．６６、コントロール群最大値：９．８３）
（Ａｓｎ＋Ｍｅｔ＋Ｔｙｒ）／（Ｃｉｔ） ＋ （Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−４）（コントロール群最小値：４．６３、コントロール群最大値：１０．４６）
（Ａｓｎ＋Ｍｅｔ＋Ｔｙｒ）／（Ａｓｐ＋Ｃｉｔ） ＋ （Ａｒｇ）／（α‐ＡＢＡ）
（複合指標２−５）（コントロール群最小値：５．１５、コントロール群最大値：１２．２３）
（Ａｓｎ＋Ｍｅｔ）／（Ｃｉｔ） ＋ （Ｔｙｒ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−６）（コントロール群最小値：４．１８、コントロール群最大値：９．７２）
（Ａｓｎ＋Ｔｙｒ）／（Ａｓｐ＋Ｃｉｔ） ＋ （Ａｒｇ）／（α‐ＡＢＡ）
（複合指標２−７）（コントロール群最小値：４．８８、コントロール群最大値：１２．４１）
（Ａｓｎ＋Ｔｙｒ）／（Ａｓｐ＋Ｃｉｔ） ＋ （Ｍｅｔ＋Ａｒｇ）／（α‐ＡＢＡ）
（複合指標２−８）（コントロール群最小値：４．６８、コントロール群最大値：１１．４１）
（Ａｓｎ）／（Ｃｉｔ） ＋ （Ｔｙｒ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−９）（コントロール群最小値：０．４５、コントロール群最大値：０．６７）
（Ａｓｎ）／（Ｔｈｒ＋Ｃｉｔ＋（α‐ＡＢＡ）） ＋ （Ｍｅｔ）／（Ｈｉｓ＋Ｔｒｐ）
（複合指標２−１０）（コントロール群最小値：５．３１、コントロール群最大値：１３．４０）
（Ａｓｎ）／（Ｃｉｔ） ＋ （Ｍｅｔ＋Ｔｙｒ＋Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−１１）（コントロール群最小値：０．３７、コントロール群最大値：０．４９）
（Ａｓｎ）／（Ｔｈｒ＋Ｃｉｔ＋（α‐ＡＢＡ）） ＋ （Ｍｅｔ）／（Ａｓｐ＋Ｈｉｓ＋Ｔｒｐ）
（複合指標２−１２）（コントロール群最小値：０．４１、コントロール群最大値：０．５７）
（Ａｓｎ）／（Ｔｈｒ＋Ｇｌｕ） ＋ （Ｍｅｔ）／（Ｃｉｔ＋（α‐ＡＢＡ）＋Ｔｒｐ）
（複合指標２−１３）（コントロール群最小値：０．３７、コントロール群最大値：０．４９）
（Ａｓｎ）／（Ａｓｐ＋Ｔｈｒ＋Ｃｉｔ＋（α‐ＡＢＡ）） ＋ （Ｍｅｔ）／（Ｈｉｓ＋Ｔｒｐ）
（複合指標２−１４）（コントロール群最小値：０．３４、コントロール群最大値：０．４６）
（Ａｓｎ）／（Ｔｈｒ＋Ｃｉｔ＋（α‐ＡＢＡ）） ＋ （Ｍｅｔ）／（Ｇｌｕ＋Ｈｉｓ＋Ｔｒｐ）
（複合指標２−１５）（コントロール群最小値：５．４４、コントロール群最大値：１５．４７）
（Ａｓｎ＋Ｍｅｔ）／（Ａｓｐ＋Ｃｉｔ） ＋ （Ｔｙｒ＋Ａｒｇ）／（α‐ＡＢＡ）
（複合指標２−１６）（コントロール群最小値：３．１３、コントロール群最大値：８．０６）
（Ａｓｎ＋Ｍｅｔ）／（Ｃｉｔ） ＋ （Ａｒｇ）／（Ａｓｐ＋（α‐ＡＢＡ））
（複合指標２−１７）（コントロール群最小値：０．３７、コントロール群最大値：０．５２）
（Ａｓｎ）／（Ｃｉｔ＋（α‐ＡＢＡ）＋Ｈｉｓ） ＋ （Ｍｅｔ）／（Ｔｈｒ＋Ｇｌｕ＋Ｔｒｐ）
（複合指標２−１８）（コントロール群最小値：０．４０、コントロール群最大値：０．５５）
（Ａｓｎ）／（Ｃｉｔ＋（α‐ＡＢＡ）＋Ｈｉｓ） ＋ （Ｍｅｔ）／（Ｔｈｒ＋Ｔｒｐ）
（複合指標２−１９）（コントロール群最小値：０．３７、コントロール群最大値：０．４９）
（Ａｓｎ）／（Ｃｉｔ＋Ｈｉｓ＋Ｔｒｐ） ＋ （Ｍｅｔ）／（Ｔｈｒ＋（α‐ＡＢＡ））
（複合指標２−２０）（コントロール群最小値：５．１７、コントロール群最大値：１４．３１）
（Ａｓｎ＋Ａｒｇ）／（α‐ＡＢＡ） ＋ （Ｍｅｔ＋Ｔｙｒ）／（Ａｓｐ＋Ｃｉｔ）
また、複合指標３は、例えば、以下の複合指標３−１〜３−２０に置換してもよい。なお、コントロール群最小値とコントロール群最大値は、コントロール群の各複合指標（複合指標３−１〜３−２０）に対する最大値、最小値を示す。
（複合指標３−１）（コントロール群最小値：１．３９、コントロール群最大値：１．７２）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−２）（コントロール群最小値：１．３８、コントロール群最大値：１．７０）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−３）（コントロール群最小値：１．３８、コントロール群最大値：１．６７）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ）
（複合指標３−４）（コントロール群最小値：１．３９、コントロール群最大値：１．７４）
（Ｔａｕ＋Ｇｌｙ）／（Ａｓｐ＋Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−５）（コントロール群最小値：１．３８、コントロール群最大値：１．７２）
（Ｔａｕ＋Ｇｌｙ）／（Ａｓｐ＋Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−６）（コントロール群最小値：１．３８、コントロール群最大値：１．７２）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−７）（コントロール群最小値：１．３８、コントロール群最大値：１．７２）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｐ＋Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−８）（コントロール群最小値：１．３４、コントロール群最大値：１．６２）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−９）（コントロール群最小値：１．３４、コントロール群最大値：１．６３）
（Ｔａｕ＋Ｇｌｙ）／（Ａｓｐ＋Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−１０）（コントロール群最小値：１．３４、コントロール群最大値：１．６３）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｐ＋Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−１１）（コントロール群最小値：１．３４、コントロール群最大値：１．６３）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ）
（複合指標３−１２）（コントロール群最小値：１．３９、コントロール群最大値：１．６８）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ） ＋ （Ｈｉｓ）／（Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ） ＋ （Ｔｒｐ）／（Ｌｙｓ）
（複合指標３−１３）（コントロール群最小値：１．２３、コントロール群最大値：１．６１）
（Ｔａｕ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ） ＋ （Ｇｌｙ＋Ｈｉｓ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｈｒ）
（複合指標３−１４）（コントロール群最小値：１．２３、コントロール群最大値：１．６０）
（Ｔａｕ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｐ＋Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ） ＋ （Ｇｌｙ＋Ｈｉｓ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ）
（複合指標３−１５）（コントロール群最小値：１．２３、コントロール群最大値：１．６１）
（Ｔａｕ）／（Ｌｙｓ） ＋ （Ｔｒｐ）／（Ａｓｎ＋Ｃｉｔ＋Ｔｙｒ） ＋ （Ｇｌｙ＋Ｈｉｓ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ）
（複合指標３−１６）（コントロール群最小値：１．２８、コントロール群最大値：１．７３）
（Ｔａｕ）／（Ａｓｐ＋Ａｓｎ＋Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｃｉｔ＋Ｔｙｒ） ＋ （Ｇｌｙ＋Ｈｉｓ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｈｒ）
（複合指標３−１７）（コントロール群最小値：１．２８、コントロール群最大値：１．７１）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ） ＋ （Ｔｒｐ）／（Ｌｙｓ）
（複合指標３−１８）（コントロール群最小値：１．２７、コントロール群最大値：１．７０）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ） ＋ （Ｔｒｐ）／（Ｌｙｓ）
（複合指標３−１９）（コントロール群最小値：１．２８、コントロール群最大値：１．７４）
（Ｔａｕ＋Ｇｌｙ）／（Ｇｌｎ＋Ｍｅｔ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ｃｉｔ＋Ｌｙｓ） ＋ （Ｔｒｐ）／（Ｔｈｒ＋Ａｓｎ）
（複合指標３−２０）（コントロール群最小値：１．２９、コントロール群最大値：１．７３）
（Ｔａｕ＋Ｇｌｙ）／（Ａｓｐ＋Ｇｌｎ） ＋ （α‐ＡＢＡ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ｔｈｒ＋Ａｓｎ＋Ｃｉｔ） ＋ （Ｔｒｐ）／（Ｌｙｓ）
また、複合指標４は、例えば、以下の複合指標４−１〜４−２０に置換してもよい。なお、コントロール群最小値とコントロール群最大値は、コントロール群の各複合指標（複合指標４−１〜４−２０）に対する最大値、最小値を示す。
（複合指標４−１）（コントロール群最小値：３．３１、コントロール群最大値：４．６２）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−２）（コントロール群最小値：２．４６、コントロール群最大値：３．３４）
（（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−３）（コントロール群最小値：３．２０、コントロール群最大値：４．６２）
（Ｔａｕ＋（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−４）（コントロール群最小値：３．０１、コントロール群最大値：４．２１）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−５）（コントロール群最小値：３．４２、コントロール群最大値：４．７７）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｎ）
（複合指標４−６）（コントロール群最小値：３．３０、コントロール群最大値：４．７０）
（Ｔａｕ＋（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−７）（コントロール群最小値：２．１６、コントロール群最大値：２．８８）
（Ｔａｕ＋（α‐ＡＢＡ）＋Ｔｒｐ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−８）（コントロール群最小値：２．５６、コントロール群最大値：３．４６）
（（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−９）（コントロール群最小値：３．５６、コントロール群最大値：５．２８）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （α‐ＡＢＡ）／（Ａｓｐ＋Ｍｅｔ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−１０）（コントロール群最小値：３．１１、コントロール群最大値：４．３７）
（Ｔａｕ＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−１１）（コントロール群最小値：２．４９、コントロール群最大値：３．５２）
（（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ） ＋ （Ｔｒｐ）／（Ｔｙｒ）
（複合指標４−１２）（コントロール群最小値：２．７０、コントロール群最大値：３．６３）
（Ｔａｕ＋Ｔｒｐ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｎ）
（複合指標４−１３）（コントロール群最小値：３．２１、コントロール群最大値：４．６２）
（Ｔａｕ＋Ｈｉｓ）／（Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｔｒｐ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−１４）（コントロール群最小値：３．２１、コントロール群最大値：４．６２）
（Ｔａｕ＋（α‐ＡＢＡ））／（Ａｓｐ＋Ａｓｎ） ＋ （Ｈｉｓ＋Ｔｒｐ）／（Ｔｙｒ）
（複合指標４−１５）（コントロール群最小値：２．９３、コントロール群最大値：４．１３）
（Ｔａｕ＋Ｔｒｐ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ） ＋ （（α‐ＡＢＡ）＋Ｈｉｓ）／（Ａｓｎ）
（複合指標４−１６）（コントロール群最小値：３．１９、コントロール群最大値：４．６９）
（Ｔａｕ＋（α‐ＡＢＡ））／（Ａｓｎ） ＋ （Ｈｉｓ＋Ｔｒｐ）／（Ａｓｐ＋Ｔｙｒ）
（複合指標４−１７）（コントロール群最小値：１．２７、コントロール群最大値：１．９７）
（（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ） ＋ （Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ＋Ｍｅｔ）
（複合指標４−１８）（コントロール群最小値：３．１８、コントロール群最大値：４．６２）
（Ｔａｕ＋（α‐ＡＢＡ）＋Ｈｉｓ）／（Ｔｙｒ） ＋ （Ｔｒｐ）／（Ａｓｐ＋Ａｓｎ）
（複合指標４−１９）（コントロール群最小値：１．１８、コントロール群最大値：１．７８）
（α‐ＡＢＡ）／（Ａｓｎ） ＋ （Ｈｉｓ＋Ｔｒｐ）／（Ａｓｐ＋Ｍｅｔ＋Ｔｙｒ）
（複合指標４−２０）（コントロール群最小値：２．６４、コントロール群最大値：３．８１）
（Ｔａｕ＋Ｈｉｓ）／（Ａｓｐ＋Ａｓｎ＋Ｍｅｔ） ＋ （（α‐ＡＢＡ）＋Ｔｒｐ）／（Ｔｙｒ）
これにて、肝線維化の複合指標の実施例（その１）の説明を終了する。
［肝線維化の複合指標の実施例（その２）］
まず、肝線維化の複合指標の実施例（その２）の詳細について図３５を参照して説明する。本システムを用いて上述した方法により、肝線維化に関する病態指標データを用いて、以下に示す複数の代謝物による複合指標５を決定した。
（複合指標５；Ｒ＝−０．８０）
（Ｌｅｕ＋Ｖａｌ＋Ｔｒｐ）／（Ｐｈｅ＋Ｔｙｒ） ＋ （Ｇｌｙ＋Ｔａｕ＋ＡＢＡ＋Ｈｉｓ＋Ｐｒｏ）／（Ｍｅｔ＋Ａｓｎ＋Ｏｒｎ＋Ｇｌｕ）
図３５は、本システムにより求めた肝線維化の複合指標（複合指標５）と、病態のステージとの関係を示す図である。本図において、横軸は各サンプルの複合指標（複合指標５）の値を示し、縦軸は病態のステージを示す。ここで、病態のステージは、数字が大きいほど病態が悪化していることを６段階で示しており、「０」が正常であり、「５」が最も病態が悪化しているステージを示している。
これにて、肝線維化の複合指標の実施例（その２）の説明を終了する。
［糖尿病モデル動物における複合指標の実施例］
まず、糖尿病モデル動物における複合指標の実施例の詳細について図３７〜図３９等を参照して説明する。正常ラット（Ｗｉｓｔｅｒ）と糖尿病モデル動物であるＧＫ（Ｇｏｔｏ−Ｋａｋｉｚａｋｉ）ラットに対して、病態を表す指標として「−１（正常）」及び、「１（糖尿病）」とそれぞれ任意に数値を与え、血中アミノ酸による相関式を本システムを用いて上述した手法により作成した結果、複合指標６を決定した。
（複合指標６）
（Ａｓｎ＋Ｖａｌ＋Ｔｒｐ）／（Ｓｅｒ） ＋ （Ｃｙｓ＋Ｐｈｅ＋Ｏｒｎ）／（Ｃｉｔ＋Ｈｉｓ） ＋ （Ｉｌｅ）／（Ｇｌｙ）
図３７は、本システムにより求めた、正常ラット及び糖尿病（ＧＫ）ラットにおける、複合指標（複合指標６）と病態のステージとの関係を示す図である。本図において、縦軸は正常（Ｎｏｒｍａｌ）ラットと糖尿病（ＧＫ）ラットの各個体データの複合指標（複合指標６）の値を示し、横軸は病態のステージを示す。ここで、病態のステージは、「−１」が正常、「１」が糖尿病であることを示している。
図３８は、本システムにより求めた、正常ラット、糖尿病（ＧＫ）ラット、および、糖尿病の治療薬であるナテグリニド（ｎａｔｅｇｌｉｎｉｄｅ）またはグリベンクラミド（ｇｌｉｂｅｎｃｌａｍｉｄｅ）を投与することにより治療した糖尿病（ＧＫ）ラットにおける、複合指標（複合指標６）と病態のステージとの関係を示す図である。
本図において、縦軸は正常（Ｎｏｒｍａｌ）ラット、糖尿病（ＧＫ）ラット、および、糖尿病の治療薬であるナテグリニド（ｎａｔｅｇｌｉｎｉｄｅ）またはグリベンクラミド（ｇｌｉｂｅｎｃｌａｍｉｄｅ）を投与することにより治療した糖尿病（ＧＫ）ラットの各個体データの複合指標（複合指標６）の値を示し、横軸は病態のステージを示す。
ここで、病態のステージは、「−１」が正常、「１」が糖尿病、および、糖尿病の治療薬であるナテグリニド（ｎａｔｅｇｌｉｎｉｄｅ）またはグリベンクラミド（ｇｌｉｂｅｎｃｌａｍｉｄｅ）を投与することにより治療した糖尿病であることを示している。
図３９は、本システムにより求めた、正常ラット、糖尿病（ＧＫ）ラット、および、糖尿病の治療薬であるナテグリニド（ｎａｔｅｇｌｉｎｉｄｅ）またはグリベンクラミド（ｇｌｉｂｅｎｃｌａｍｉｄｅ）を投与することにより治療した糖尿病（ＧＫ）ラットにおける、複合指標（複合指標６）の値の各個体群の平均値（±ＳＤ）を棒グラフで示す図である。
本図において、縦軸は正常（Ｎｏｒｍａｌ）ラット、糖尿病（ＧＫ）ラット、および、糖尿病の治療薬であるナテグリニド（ｎａｔｅｇｌｉｎｉｄｅ）またはグリベンクラミド（ｇｌｉｂｅｎｃｌａｍｉｄｅ）を投与することにより治療した糖尿病（ＧＫ）ラットの各個体データの複合指標（複合指標６）の値の平均値（±ＳＤ）を示し、横軸は各個体群を示す。
ここで、糖尿病（ＧＫ）ラットの複合指標値（複合指標６）の平均値は、正常（Ｎｏｒｍａｌ）ラット、および、糖尿病の治療薬であるナテグリニド（ｎａｔｅｇｌｉｎｉｄｅ）を投与することにより治療した糖尿病（ＧＫ）ラットの複合指標値（複合指標６）の平均値に対し有意水準１％未満で有意に高い値を示し、そして、糖尿病の治療薬であるグリベンクラミド（ｇｌｉｂｅｎｃｌａｍｉｄｅ）を投与することにより治療した糖尿病（ＧＫ）ラットの複合指標値（複合指標６）の平均値に対し有意水準５％未満で有意に高い値を示している。
これにて、糖尿病モデル動物における複合指標の実施例の説明を終了する。
［１：動物データを用いた他の病態判定の判別例］
下記に特定の病態動物と、対照となる健常動物との判別式の例を、図５８〜図６４を参照して説明する。尚、各式中において、Ｐ−Ｓｅｒはホスホセリン濃度、Ｃｙｓはシスチン濃度を、Ｃｙｓｔｈｉはシスタチオニン濃度を表す。
（１−１：高脂血症及び、動脈硬化）
ａｐｏ−Ｅノックアウトマウスは、著しい高脂血症を呈し、動脈硬化症を示すモデル動物と知られている。下記は、ａｐｏ−Ｅノックアウトマウスと正常マウス（Ｃ５７Ｂ６Ｊ）を、前者の動脈硬化症の初期症状を確認した２０週齢時点で、血中アミノ酸濃度をもとに算出した判別式の例を表す（図５８参照。）。図５８は、ａｐｏ−Ｅノックアウトマウス（ＡｐｏＥ ＫＯ）と正常マウス（Ｎｏｒｍａｌ）との判別例を示す図である。図５８に示すように、ａｐｏ−Ｅノックアウトマウスと正常マウスとが下記判定式により効果的に判別された。
Ｉｎｄｅｘ ： （Ｇｌｙ＋Ｃｙｓ） ／ （Ｇｌｕ＋Ｇｌｎ） ＋ （Ｔｙｒ＋Ｈｉｓ） ／ （Ａｓｐ＋Ａｒｇ）
（１−２：インフルエンザウイルス感染前後の判別）
正常マウスに弱毒化インフルエンザウイルスＡ／Ａｉｃｈｉ／２／６８（Ｈ３Ｎ２）を感染させた状態及び、非感染の状態の判別を、感染させる前後（前日及び、感染後１〜５日）の血中アミノ酸濃度をもとに算出した判別式の例を下記に示し、下記判別式に基づく判別例を図５９に示す。図５９は、正常マウスに弱毒化インフルエンザウイルスＡ／Ａｉｃｈｉ／２／６８（Ｈ３Ｎ２）を感染させた状態及び、非感染の状態の判別例を示す図である。ここで、図５９において、「○」は感染させる前の通常食摂取マウス（Ｎｏｒｍａｌ ｄｉｅｔ（ｐｒｅ））のデータを示し、「●」は感染後の通常食摂取マウス（Ｎｏｒｍａｌ ｄｉｅｔ（＋））のデータを示す。
Ｉｎｄｅｘ （ＩＦＶ） ： （Ｔａｕ＋Ｉｌｅ＋Ｌｅｕ＋Ｈｉｓ） ／ （Ｇｌｙ） ＋ （Ｇｌｎ） ／ （Ａｒｇ＋Ｐｒｏ）＋（Ｃｙｓ） ／ （Ｇｌｕ＋Ｃｙｓｔｈｉ） ＋ （Ｐｈｅ＋Ｔｒｐ） ／ （Ｔｙｒ）
本実験系において、アミノ酸であるシスチンとテアニンを事前に摂取させることが、インフルエンザウイルス感染後の症状の回復に有効であることが報告されている（特願２００２−０４０８４５）。そこで、シスチン及びテアニンを摂取後に、同様にインフルエンザウイルスを感染させた際の、上記判別式で得られる数値の変化を通常食摂取群と比較した例を示す（図６０参照。）。図６０は、シスチン及びテアニンを摂取後に、同様にインフルエンザウイルスを感染させた際の、判別式で得られる数値の変化を通常食摂取群と比較した例を示す図である。ここで、図６０において、「○」は通常食摂取群（Ｎｏｒｍａｌ ｄｉｅｔ）のデータを示し、「黒三角」はシスチン及びテアニン摂取群（Ｃｙｓｔｅｉｎ＆Ｔｅａｎｉｎｅ ｄｉｅｔ）のデータを示す。
図６０に示すように、ウイルス感染前の時点（図６０における、矢印の時点より前の時点）で、シスチン及びテアニン摂取群において、判別式から得られる数値が対照群より有意に高値を示すことがわかり、感染防御機構を、事前に活性化する可能性が示された。
（１−３：糖尿病）
Ｉ型−糖尿病モデル動物であるストレプトゾトシン投与ラット、ＩＩ型−糖尿病モデル動物であるＧＫ（Ｇｏｔｏ−Ｋａｋｉｚａｋｉ）ラットの各々と、対照ラットとの血中アミノ酸濃度をもとに算出した下記に示す判別式の例および当該判別式に基づく判別例を示す（図６１および図６２参照。）。図６１は、Ｉ型−糖尿病モデル動物であるストレプトゾトシン投与ラット（ＳＴＺ）と健常ラット（Ｎｏｒｍａｌ）との判別例を示す図である。また、図６２は、ＩＩ型−糖尿病モデル動物であるＧＫラット（ＧＫ）と健常ラット（Ｎｏｒｍａｌ）との判別例を示す図である。尚、ストレプトゾトシン投与ラットに対しインスリン治療を施すことで病態を回復させたラット（ＳＴＺ＋Ｉｎｓｕｌｉｎ）の結果を、比較のために図６１に示す（図６１における、「ＳＴＺ＋Ｉｎｓｕｌｉｎ」のデータ参照。）。
Ｉ型−糖尿病指標：Ｉｎｄｅｘ （Ｉ−ＤＭ） ：
（Ｔｈｒ＋Ａｓｎ＋Ｐｈｅ＋Ｌｙｓ＋Ａｒｇ＋Ｐｒｏ） ／ （Ｃｉｔ＋Ｉｌｅ） ＋ （Ｃｙｓｔｈｉ＋Ｈｉｓ） ／ （Ａｓｐ＋Ｍｅｔ）
ＩＩ型−糖尿病指標：Ｉｎｄｅｘ （ＩＩ−ＤＭ） ：
（Ｖａｌ） ／ （Ｓｅｒ＋Ｇｌｙ） ＋ （Ｃｙｓ＋Ｃｙｓｔｈａ＋Ｔｒｐ）
／ （Ｃｉｔ＋Ｈｉｓ＋Ａｒｇ）
（１−４：肥満）
ヒト成長ホルモン遺伝子導入ラット（ｈＧＨ−Ｔｇ ラット）は、極度な肥満を呈する肥満モデル動物として報告されている。下記判別式は、その肥満ラットと対照ラットとの血中アミノ酸濃度をもとに算出した、判別式の例である（図６３参照。）。図６３は、ヒト成長ホルモン遺伝子導入ラット（ｈＧＨ−Ｔｇ ラット）と正常ラット（Ｎｏｒｍａｌ）との判別例を示す図である。
肥満指標：Ｉｎｄｅｘ（Ｏｂ） ：
（Ｇｌｙ） ／ （Ｖａｌ＋Ｌｅｕ＋Ａｒｇ） ＋ （Ｃｉｔ） ／ （Ａｌａ＋Ｔｒｐ）＋（Ｔｙｒ） ／ （Ｌｙｓ） ＋ （Ｈｉｓ） ／ （Ｓｅｒ＋Ｉｌｅ＋Ｏｒｎ）
（１−５：肝障害）
ジメチルニトロサミン投与によって作成した肝繊維化モデルラット及び、正常ラットの血液中アミノ酸濃度をもとに算出した判別式の例を示す（図６４参照。）。図６４は、ジメチルニトロサミン投与によって作成した肝繊維化モデルラット（ＤＭＮ）と正常ラット（Ｎｏｒｍａｌ）との判別例を示す図である。
肝繊維化指標：Ｉｎｄｅｘ（Ｃｉ） ：
（Ｔｈｒ） ／ （Ｃｉｔ＋Ｃｙｓ＋Ｃｙｓｔｈｉ＋Ｐｈｅ＋Ｏｒｎ＋Ｈｉｓ）
＋ （Ｇｌｕ＋Ｉｌｅ） ／ （Ｔａｕ＋Ｇｌｙ）
［２：食餌要因の与える個体への影響を式化した例］
個体の栄養状態を判別することを目的とした応用例を、図６５および図６６を参照して、下記に示す。ここで示すような食餌成分の個体に与える影響を事前に式化することで、特定の個体の栄養状態を推定することが可能となる。
（２−１：低蛋白質食摂取の与える個体への影響を判別した例）
食餌中の蛋白質の比率を５％（６匹）及び、１０％（６匹）と設定し、各々２週間飼育した６週齢のラット（低蛋白食群）と、同様に１５％（６匹）及び、２０％（６匹）と設定し飼育したラット（対照群）の血中アミノ酸濃度をもとに算出した判別式の例を示す（図６５参照。）。図６５は、低蛋白質摂取ラット（Ｌｏｗ ｐｒｏｔｅｉｎ）と通常食摂取ラット（Ｎｏｒｍａｌ）との判別例を示す図である。尚、式中において、Ｃｙｓはシスチン濃度を表す。
Ｉｎｄｅｘ−ＬＰ ：
（Ｔｈｒ＋Ｌｅｕ） ／ （Ｓｅｒ＋Ｇｌｙ＋Ｏｒｎ） ＋ （Ｃｙｓ） ／ （Ｐ−Ｓｅｒ＋Ａｒｇ）＋（Ｖａｌ＋Ｈｉｓ） ／ （Ｌｙｓ）
（２−２：食餌性脂質量の与える個体への影響を判別した例）
食餌中の脂質の比率を、２０％と設定し、１ヶ月間（６匹）及び、２ヶ月間（６匹）飼育したマウス（高脂肪食群）と、同様に７％と設定し、１ヶ月間（６匹）及び、２ヶ月間（６匹）飼育したマウス（対照群）の血中アミノ酸及び、血中脂質代謝物濃度をもとに算出した判別式の例を下記に示す（図６６参照。）。図６６は、高脂肪食摂取マウス（Ｈｉｇｈ Ｆａｔ）と通常食摂取マウス（Ｎｏｒｍａｌ）との判別例を示す図である。尚、式中において、α−ＡＢＡはαアミノ酪酸濃度、ＮＥＦＡは遊離脂肪酸濃度、ＴＣＨＯは総コレステロール濃度を表す。
Ｉｎｄｅｘ−ＨＦ ：
（Ｍｅｔ＋Ｉｌｅ＋ＮＥＦＡ）／（Ｔｈｒ＋Ｇｌｎ＋Ｇｌｙ＋α−ＡＢＡ＋Ｖａｌ＋Ｌｅｕ＋Ｔｙｒ＋Ｐｈｅ＋Ｈｉｓ＋Ａｒｇ＋Ｐｒｏ＋ＴＣＨＯ）
［３：生化学データの代理指標としての利用例］
種々の生化学データに最適化した式の例を、図６７〜図７０を参照して示す。ここで示すように、血中、臓器中の各種生化学データまたは、臓器重量といった種々の測定項目の代理指標として下記の指標が利用できる。
（３−１：臓器中生化学指標への最適化式の例）
異なる食餌中蛋白質比率５％、１０％、１５％、２０％、３０％及び、７０％各群６匹で２週間飼育したラット肝臓中の過酸化脂質量（ＴＢＡＲＳ）に対して、血中アミノ酸濃度を用いて最適化した式を下記に示す（図６７参照。）。図６７は、肝臓中の過酸化脂質量（Ｌｉｖｅｒ−ＴＢＲＡＳ）と当該過酸化脂質量に対して最適化した式に基づいて計算した値（Ｉｎｄｅｘ−ＴＢＲＡＳ）との相関関係を示す図である。尚、下記式中において、Ｃｙｓはシスチン濃度を、Ｃｙｓｈｉはシスタチオニン濃度を表す。
Ｉｎｄｅｘ−ＴＢＡＲＳ ：
（Ａｓｐ） ／ （Ｔｈｒ＋Ｔｒｐ） ＋ （Ｃｙｓｔｈｉ） ／ （Ｔｙｒ）＋（Ｃｙｓ） ／ （Ｇｌｕ＋Ｍｅｔ＋Ａｒｇ） ＋ （Ｈｉｓ） ／ （Ｃｉｔ＋Ｐｈｅ）
（３−２：血中生化学指標への最適化式の例）
上述した（３−１：臓器中生化学指標への最適化式の例）の実験における血中総コレステロール（ＴＣＨＯ）に対して、血中アミノ酸濃度を用いて最適化した式を下記に示す（図６８参照。）。図６８は、血中総コレステロール（Ｐｌａｓｍａ ＴＣＨＯ）と当該血中総コレステロールに対して最適化した式に基づいて計算した値（Ｉｎｄｅｘ−ＴＣＨＯ）との相関関係を示す図である。尚、下記式中において、Ｃｙｓはシスチン濃度を、Ｃｙｓｈｉはシスタチオニン濃度を表す。
Ｉｎｄｅｘ−ＴＣＨＯ ：
（Ａｓｎ） ／ （Ｔｙｒ） ＋ （Ｇｌｙ＋Ｐｒｏ） ／ （Ｇｌｕ）＋（Ｖａｌ） ／ （Ｍｅｔ＋Ａｒｇ） ＋ （Ｃｙｓ＋Ｌｙｓ） ／ （Ｔｈｒ＋Ｃｙｓｔｈｉ＋Ｈｉｓ）
（３−３：血中ホルモン濃度への最適化式の例）
上述した（３−１：臓器中生化学指標への最適化式の例）の実験における血中インスリン様成長因子（ＩＧＦ−１）に対して、血中アミノ酸濃度を用いて最適化した式を下記に示す（図６９参照。）。図６９は、血中インスリン様成長因子濃度（Ｐｌａｓｍａ ＩＧＦ−１）と当該血中インスリン様成長因子濃度に対して最適化した式に基づいて計算した値（Ｉｎｄｅｘ−ＩＧＦ−１）との相関関係を示す図である。尚、下記式中において、Ｃｙｓはシスチン濃度を、Ｃｙｓｈｉはシスタチオニン濃度を表す。
Ｉｎｄｅｘ−ＩＧＦ−１ ：
（Ｐ−Ｓｅｒ） ／ （Ｇｌｕ＋Ｃｙｓｔｈｉ）＋（Ｓｅｒ＋Ｇｌｙ＋Ｃｙｓ） ／ （Ａｌａ＋Ｍｅｔ＋Ｌｙｓ＋Ｈｉｓ） ＋ （Ｏｒｎ） ／ （Ａｓｐ＋Ｔｈｒ＋Ｃｉｔ＋Ｔｒｐ）
（３−４：組織重量への最適化式の例）
上述した（３−１：臓器中生化学指標への最適化式の例）の実験における副睾丸周囲脂肪の体重に占める割合（％）に対して、血中アミノ酸濃度を用いて最適化した式を下記に示す（図７０参照。）。図７０は、副睾丸周囲脂肪の体重比（ＷＡＴ）と当該副睾丸周囲脂肪の体重比に対して最適化した式に基づいて計算した値（Ｉｎｄｅｘ−ＷＡＴ）との相関関係を示す図である。尚、下記式中において、Ｃｙｓはシスチン濃度を、Ｃｙｓｈｉはシスタチオニン濃度を表す。
Ｉｎｄｅｘ−ＷＡＴ ：
（Ｐ−Ｓｅｒ＋Ｈｉｓ） ／ （Ｃｙｓ＋Ｃｙｓｔｈｉ＋Ｐｈｅ＋Ａｒｇ） ＋ （Ｃｉｔ） ／ （Ａｓｎ＋Ｖａｌ＋Ｍｅｔ＋Ｔｙｒ＋Ｔｒｐ）
［４：複数の生理状態を一括判別する方法、および、複数の指標の相関についての用途と有用性］
特定の状態をその他異なる全ての状態を比較することで、目的の状態のみを特異的に判別する方法の一例を、図７１および図７２を参照して示す。
Ｉ型−糖尿病モデル動物であるストレプトゾトシン投与ラット、ＩＩ型−糖尿病モデル動物であるＧＫ（Ｇｏｔｏ−Ｋａｋｉｚａｋｉ）ラット、極度な肥満を呈するヒト成長ホルモン遺伝子導入ラット、ジメチルニトロサミン投与によって作成した肝繊維化モデルラット及び、正常ラットの血液中アミノ酸濃度をもとに、これらの異なる状態を判別する方法の一例を示す（図７１参照。）。
図７１は、ストレプトゾトシン投与ラット、ＧＫラット、ヒト成長ホルモン遺伝子導入ラット、肝繊維化モデルラット及び、正常ラットの血液中アミノ酸濃度をもとに、これらの異なる状態を一括判別した例を示す図である。ここで、図７１において、「黒四角」はストレプトゾトシン投与ラットのデータを示し、「×」はＧＫラットのデータを示し、「△」はヒト成長ホルモン遺伝子導入ラットのデータを示し、「●」は肝繊維化モデルラットのデータを示し、「□」は正常ラットのデータを示す。
下式は、特定の状態をその他異なる全ての状態を比較することで、目的の状態のみを特異的に判別する指標として算出したものの一例である。
Ｉ型−糖尿病指標：Ｉｎｄｅｘ （Ｉ−ＤＭ）
（Ｇｌｕ＋Ｏｒｎ） ／ （Ｔｈｒ） ＋ （Ｉｌｅ） ／ （Ｍｅｔ＋Ｈｉｓ）＋（Ｃｉｔ） ／ （Ｔａｕ＋Ｔｙｒ） ＋ （Ｌｅｕ） ／ （Ｇｌｎ＋Ｐｒｏ）
ＩＩ型−糖尿病指標：Ｉｎｄｅｘ （ＩＩ−ＤＭ）
（Ｓｅｒ＋Ｇｌｕ＋Ｍｅｔ＋Ｔｒｐ） ／ （Ｃｉｔ＋Ｐｒｏ） ＋ （Ｐｈｅ） ／ （Ｏｒｎ）＋（Ｇｌｎ） ／ （Ｔａｕ＋Ｔｙｒ＋Ｌｙｓ）
肥満指標：Ｉｎｄｅｘ（Ｏｂ）
（Ｔｈｒ＋Ｃｉｔ） ／ （Ｔｙｒ） ＋ （Ｓｅｒ＋Ａｌａ＋Ｌｅｕ＋Ｏｒｎ＋Ｌｙｓ＋Ｐｒｏ） ／ （Ｇｌｕ＋Ｇｌｙ）
肝繊維化指標：Ｉｎｄｅｘ（Ｃｉ）
（Ｃｉｔ＋Ａｒｇ） ／ （Ｔａｕ＋Ｔｈｒ） ＋ （Ｐｈｅ） ／ （Ｇｌｙ＋Ａｌａ＋Ｖａｌ）＋（Ｔｙｒ） ／ （Ｉｌｅ）
図７１は、各指標同士の相関図を表したものであるが、このように各指標同士の相関性より、状態同士の相関関係が明らかになり、状態間の因果関係を検証することが可能となる。例えば、食事間の環境要因が生理状態に与える影響を、先に示した判別式として算出することにより、そうした各種外的要因を特徴化した判別式と、種々病態特異的な指標との相関性を比較検証することで、環境要因の与える病態リスクの予測の手段となり得る。
すなわち、図７１に示すように、これらの複数の指標を用いることで、複数状態が一括で判別可能であることがわかる。
図７２は、Ｉ型−糖尿病ラットへのインスリン治療結果の一括診断の例を示す図である。ここで、図７２において、「黒四角」はＩ型−糖尿病ラット（ストレプトゾトシン投与ラット）のデータを示し、「×」はＩＩ型−糖尿病ラット（ＧＫラット）のデータを示し、「△」は肥満ラット（ヒト成長ホルモン遺伝子導入ラット）のデータを示し、「●」は肝繊維化モデルラットのデータを示し、「□」は正常ラットのデータを示し、「◇」はインスリン治療を施したＩ型−糖尿病ラットのデータを示す。また、図７２において、点線（楕円）は正常とＩ型−糖尿病ラットが区別されない指標同士のプロットを示す。
図７２においては、上述したＩ型−糖尿病にインスリン治療を施した個体の上記各式に当てはめた結果を、図７１にあらたに加えたものであるが、インスリン治療により、該当する判別指標（Ｉ−ＤＭ）を、特異的に改善していることが分かる。従って、治療効果を、目的の状態だけではなく、その他、複数の状態への影響を一括して判定することが可能であり、副作用の検証の有力な手段となり得る。すなわち、判別指標に基づいて判定することができる。加えて、治療目的以外の生理状態への影響を同時に判定可能となる。
［インターフェロンおよびリバビリン治療効果の予測に関する実施例］
Ｃ型肝炎のインターフェロン治療は高額かつ副作用の強い治療であり、治療効果が無効である例も多い。従って、治療効果を事前に予測することが可能であれば、患者に対する負担を軽減するという観点からみて極めて重要である。下記の式３は、Ｃ型肝炎患者のインターフェロンおよびリバビリン治療時に、投与前の血中アミノ酸濃度をもとに、同時点におけるウイルス陰性の患者とウイルス陽性の患者とを判別するために用いたものである（図７３参照。）。
図７３は、インターフェロンおよびリバビリン治療効果の予測結果の一例を表す図である。なお、本実施例では、治療開始後８週または１２週時点においてウイルス陰性に転じた患者をウイルス陰性の患者と定義した。尚、下記の式３および図７３において、「αＡＢＡ」はαアミノ酪酸濃度、「Ｃｙｓ」はシスチン濃度を表す。
図７３で示すように、インターフェロンおよびリバビリン治療が有効であった患者と、無効であった患者とを完全に選別できることが分かった。本結果は、薬剤を投与する前の血中アミノ酸濃度を本解析手法に適用することによって、種々薬剤の有効性や副作用などを事前に予測できる可能性を示唆しており、本発明は副作用等の医療リスクの軽減に有用な手段として利用できる。
式３） Ａｓｎ／（Ｓｅｒ＋αＡＢＡ） ＋ （Ｃｉｔ＋Ｏｒｎ）／Ｔｈｒ ＋ （Ｃｙｓ＋Ｔｒｐ）／Ｐｒｏ＋Ｐｈｅ／Ｌｅｕ
［運搬前後におけるブタのストレスを判別する指標に関する実施例］
疾病、投薬などにより血中アミノ酸濃度が変化する場合以外に、例えば、環境変化に対するストレス反応や適応反応などにより血中アミノ酸濃度が変化する場合がある。運搬用トラックにブタ（Ｎ＝８）を乗せ、１時間運搬した前後のブタの血漿アミノ酸濃度の測定データを解析することにより、運搬ストレス前後の動物の生体状態を判別する指標（下記の式４）を得た。
図７４は、ブタの運搬前後におけるアミノ酸複合指標を示した図である。図７４に示すように、下記の式４に血漿アミノ酸濃度を代入することにより、運搬前後のブタの生体状態を判別することができた。この結果は、下記の式４の分子として記載されたアミノ酸の血漿レベルを上げれば、運搬ストレスの影響が緩和される可能性を示唆するものであり、さらに、リジン（Ｌｙｓ）およびオルニチン（Ｏｒｎ）の前駆体であるアルギニン（Ａｒｇ）の投与によってブタの運搬ストレスを解消できたという報告（「Ｓｒｉｎｏｎｇｋｏｔｅ ｅｔ ａｌ， Ｎｕｔｒｉｔｉｏｎａｌ Ｎｅｕｒｏｓｃｉｅｎｃｅ， ６， ２８３−２８９， ２００３」参照。）によってサポートされている。
式４）ベスト指標：
（Ａｓｐ ＋ Ｏｒｎ ＋ Ｌｙｓ ＋ ３ＭｅＨｉｓ ＋ Ａｓｎ）／Ｇｌｕ ＋ （Ｓｅｒ ＋ Ｈｉｓ）／（Ｐ−Ｓｅｒ ＋ Ｔａｕ ＋ Ｃｙｓ ＋ Ｃｙｓｔｈｉ ＋ Ｔｒｐ）
［生体状態情報管理システム等の他の実施の形態］
さて、これまで本発明の実施の形態について説明したが、本発明は、上述した実施の形態以外にも、上記特許請求の範囲に記載した技術的思想の範囲内において種々の異なる実施の形態にて実施されてよいものである。
ここで、本発明の実施の形態においては、サーバ装置１００の相関式設定部１０２ｖにおける相関式設定処理は、本発明の基本原理において上述した「臨床データに含まれる各アミノ酸の血中濃度を数式１にあてはめ、新たに数式１の各定数を求めて相関式を設定する場合（パターン１）」を一例として説明したが、本発明の基本原理において上述したパターン２により予め求められた相関式を設定してもよい。すなわち、サーバ装置１００により予め求められた相関式を記憶部１０６の所定の記憶領域に格納して、相関式設定部１０２ｖの処理により当該記憶部１０６から所望の相関式を選択して設定してもよい。また、サーバ装置１００は、他のコンピュータ装置の記憶装置に予め格納された相関式の中から、相関式設定部１０２ｖの処理により、ネットワーク３００を通じて所望の相関式を選択してダウンロードして設定してもよい。
例えば、サーバ装置１００は、サーバ装置１００とは別筐体で構成されるクライアント装置２００などからの要求に応じて処理を行い、その処理結果を当該クライアント装置２００などに返却するように構成してもよい。
また、上述した生体状態情報の送信（ステップＳＡ−１）、解析結果の送信（ステップＳＡ−３）などは、既存の電子メール送信技術を用いて実現してもよく、また、サーバ装置１００が提供するＷｅｂサイトの提供する機能により、所定の入力フォーマットを提示して利用者等に情報を入力させ、その入力情報を送信することにより実現してもよく、さらに、ＦＴＰ等の既存のファイル転送技術等により実現してもよい。
また、実施形態において説明した各処理のうち、自動的に行なわれるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行なわれるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。
この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種の登録データや検索条件等のパラメータを含む情報、画面例、データベース構成については、特記する場合を除いて任意に変更することができる。
また、サーバ装置１００に関して、図示の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。
例えば、サーバ装置１００の各部または各装置が備える処理機能、特に制御部１０２にて行なわれる各処理機能については、その全部または任意の一部を、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）および当該ＣＰＵにて解釈実行されるプログラムにて実現することができ、あるいは、ワイヤードロジックによるハードウェアとして実現することも可能である。なお、プログラムは、後述する記録媒体に記録されており、必要に応じてサーバ装置１００に機械的に読み取られる。
すなわち、ＲＯＭまたはＨＤなどの記憶部１０６などには、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。このコンピュータプログラムは、ＲＡＭ等にロードされることによって実行され、ＣＰＵと協働して制御部１０２を構成する。また、このコンピュータプログラムは、サーバ装置１００に対して任意のネットワーク３００を介して接続されたアプリケーションプログラムサーバに記録されてもよく、必要に応じてその全部または一部をダウンロードすることも可能である。
また、本発明にかかるプログラムを、コンピュータ読み取り可能な記録媒体に格納することもできる。ここで、この「記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等の任意の「可搬用の物理媒体」や、各種コンピュータシステムに内蔵されるＲＯＭ、ＲＡＭ、ＨＤ等の任意の「固定用の物理媒体」、あるいは、ＬＡＮ、ＷＡＮ、インターネットに代表されるネットワークを介してプログラムを送信する場合の通信回線や搬送波のように、短期にプログラムを保持する「通信媒体」を含むものとする。
また、「プログラム」とは、任意の言語や記述方法にて記述されたデータ処理方法であり、ソースコードやバイナリコード等の形式を問わない。なお、「プログラム」は必ずしも単一的に構成されるものに限られず、複数のモジュールやライブラリとして分散構成されるものや、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）に代表される別個のプログラムと協働してその機能を達成するものをも含む。なお、実施の形態に示した各装置において記録媒体を読み取るための具体的な構成、読み取り手順、あるいは、読み取り後のインストール手順等については、周知の構成や手順を用いることができる。
また、サーバ装置１００の記憶部１０６に格納される各種のデータベース等（利用者情報データベース１０６ａ〜代謝マップ情報データベース１０６ｅ）は、ＲＡＭ、ＲＯＭ等のメモリ装置、ハードディスク等の固定ディスク装置、フレキシブルディスク、光ディスク等のストレージ手段であり、各種処理やウェブサイト提供に用いる各種のプログラムやテーブルやファイルやデータベースやウェブページ用ファイル等を格納する。
また、サーバ装置１００は、既知のパーソナルコンピュータ、ワークステーション等の情報処理端末等の情報処理装置にプリンタやモニタやイメージスキャナ等の周辺装置を接続し、該情報処理装置に本発明の方法を実現させるソフトウェア（プログラム、データ等を含む）を実装することにより実現してもよい。
さらに、サーバ装置１００の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷等に応じた任意の単位で、機能的または物理的に分散・統合して構成することができる。例えば、各データベースを独立したデータベース装置として独立に構成してもよく、また、処理の一部をＣＧＩ（Ｃｏｍｍｏｎ Ｇａｔｅｗａｙ Ｉｎｔｅｒｆａｃｅ）を用いて実現してもよい。
また、クライアント装置２００は、既知のパーソナルコンピュータ、ワークステーション、家庭用ゲーム装置、インターネットＴＶ、ＰＨＳ端末、携帯端末、移動体通信端末またはＰＤＡ等の情報処理端末等の情報処理装置にプリンタやモニタやイメージスキャナ等の周辺装置を必要に応じて接続し、該情報処理装置にウェブ情報のブラウジング機能や電子メール機能を実現させるソフトウェア（プログラム、データ等を含む）を実装することにより実現してもよい。
このクライアント装置２００の制御部２１０は、その全部または任意の一部を、ＣＰＵおよび当該ＣＰＵにて解釈実行されるプログラムにて実現することができる。すなわち、ＲＯＭまたはＨＤには、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。このコンピュータプログラムは、ＲＡＭにロードされることによって実行され、ＣＰＵと協働して制御部を構成する。
しかしながら、このコンピュータプログラムは、クライアント装置２００に対して任意のネットワークを介して接続されたアプリケーションプログラムサーバに記録されてもよく、必要に応じてその全部または一部をダウンロードすることも可能である。このあるいは、各制御部の全部または任意の一部を、ワイヤードロジック等によるハードウェアとして実現することも可能である。
また、ネットワーク３００は、サーバ装置１００とクライアント装置２００とを相互に接続する機能を有し、例えば、インターネットや、イントラネットや、ＬＡＮ（有線／無線の双方を含む）や、ＶＡＮや、パソコン通信網や、公衆電話網（アナログ／デジタルの双方を含む）や、専用回線網（アナログ／デジタルの双方を含む）や、ＣＡＴＶ網や、ＩＭＴ２０００方式、ＧＳＭ方式またはＰＤＣ／ＰＤＣ−Ｐ方式等の携帯回線交換網／携帯パケット交換網や、無線呼出網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の局所無線網や、ＰＨＳ網や、ＣＳ、ＢＳまたはＩＳＤＢ等の衛星通信網等のうちいずれかを含んでもよい。すなわち、本システムは、有線・無線を問わず任意のネットワークを介して、各種データを送受信することができる。
［肝線維化判定システム等の実施の形態］
以下に、本発明にかかる肝線維化判定装置、肝線維化判定方法、肝線維化判定システム、プログラム、および、記録媒体の実施の形態を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。
［システム構成−肝線維化判定装置４００］
次に、本システムの肝線維化判定装置４００の構成について説明する。図４５は、本発明が適用される本システムの肝線維化判定装置４００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
図４５において肝線維化判定装置４００は、概略的に、肝線維化判定装置４００の全体を統括的に制御するＣＰＵ等の制御部４０２、通信回線等に接続されるルータ等の通信装置（図示せず）に接続される通信制御インターフェース部４０４、入力装置１１２や出力装置１１４に接続される入出力制御インターフェース部４０８、および、各種のデータベースやテーブルなどを格納する記憶部４０６を備えて構成されており、これら各部は任意の通信路を介して通信可能に接続されている。さらに、この肝線維化判定装置４００は、ルータ等の通信装置および専用線等の有線または無線の通信回線を介して、ネットワーク３００に通信可能に接続されている。
図４５の記憶部４０６に格納される各種のデータベースやテーブル（利用者情報データベース４０６ａ、代謝物情報データベース４０６ｂ、および、肝線維化指標データベース４０６ｃ）は、固定ディスク装置等のストレージ手段であり、各種処理に用いる各種のプログラムやテーブルやファイルやデータベースやウェブページ用ファイル等を格納する。
これら記憶部４０６の各構成要素のうち、利用者情報データベース４０６ａは、利用者に関する情報（利用者情報）を格納する利用者情報格納手段である。図４７は、利用者情報データベース４０６ａに格納される利用者情報の一例を示す図である。
この利用者情報データベース４０６ａに格納される情報は、図４７に示すように、各利用者を一意に識別するための利用者ＩＤ、各利用者が正当な者であるか否かの認証を行うための利用者パスワード、各利用者の氏名、各利用者の所属する所属先を一意に識別するための所属先ＩＤ、各利用者の所属する所属先の部門を一意に識別するための部門ＩＤ、部門名、および、各利用者の電子メールアドレスを相互に関連付けて構成されている。
また、代謝物情報データベース４０６ｂは、代謝物情報等を格納する代謝物情報格納手段である。図４８は、代謝物情報データベース４０６ｂに格納される情報の一例を示す図である。
この代謝物情報データベース４０６ｂに格納される情報は、図４８に示すように、個体（サンプル）番号と、各代謝物（例えば、アミノ酸など）の血中濃度データ群とを相互に関連付けて構成されている。
また、肝線維化指標データベース４０６ｃは、肝線維化指標等を格納する肝線維化指標格納手段である。本データベースは、上述したサーバ装置１００の結果出力部１０２ｋの処理により出力された、各病態の各ステージ毎に最適化された最適化指標を複合指標とし、上位の指標を代替指標として対応付けて格納してある。図５０は、肝線維化指標データベース４０６ｃに格納される情報の一例を示す図である。本図は、上述した実施例（肝線維化の複合指標の実施例（その１）、および、肝線維化の複合指標の実施例（その２））の指標を格納した場合の一例である。
この肝線維化指標データベース４０６ｃに格納される情報は、図５０に示すように、番号、複合指標、そして、代替指標とを相互に関連付けて構成されている。
また、その他の情報として、肝線維化判定装置４００の記憶部４０６には、ウェブサイトをクライアント装置２００に提供するための各種のＷｅｂデータやＣＧＩプログラム等が記録されている。
このＷｅｂデータとしては、後述する各種のＷｅｂページを表示するためのデータ等があり、これらデータは、例えば、ＨＴＭＬやＸＭＬにて記述されたテキストファイルとして形成されている。また、これらのＷｅｂデータを作成するための部品用のファイルや作業用のファイルやその他一時的なファイル等も記憶部４０６に記憶される。
この他、必要に応じて、クライアント装置２００に送信するための音声をＷＡＶＥ形式やＡＩＦＦ形式の如き音声ファイルで格納したり、静止画や動画をＪＰＥＧ形式やＭＰＥＧ２形式の如き画像ファイルで格納したりすることができる。
また、図４５において、通信制御インターフェース部４０４は、肝線維化判定装置４００とネットワーク３００（またはルータ等の通信装置）との間における通信制御を行う。すなわち、通信制御インターフェース部４０４は、他の端末と通信回線を介してデータを通信する機能を有する。
また、図４５において、入出力制御インターフェース部４０８は、入力装置１１２や出力装置１１４の制御を行う。
また、図４５において、制御部４０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プログラム、各種の処理手順等を規定したプログラム、および所要データを格納するための内部メモリを有し、これらのプログラム等により、種々の処理を実行するための情報処理を行う。制御部４０２は、機能概念的に、要求解釈部４０２ａ、閲覧処理部４０２ｂ、認証処理部４０２ｃ、電子メール生成部４０２ｄ、Ｗｅｂページ生成部４０２ｅ、送信部４０２ｆ、代謝物情報取得部４０２ｇ、病態指標値計算部４０２ｈ、病態判定部４０２ｉ、および、結果出力部４０２ｊを備えて構成されている。
このうち、要求解釈部４０２ａは、クライアント装置２００からの要求内容を解釈し、その解釈結果に応じて制御部の他の各部に処理を受け渡す要求解釈手段である。
また、閲覧処理部４０２ｂは、クライアント装置２００からの各種画面の閲覧要求を受けて、これら画面のＷｅｂデータの生成や送信を行なう閲覧処理手段である。
また、認証処理部４０２ｃは、クライアント装置２００からの認証要求を受けて、この認証判断を行なう認証処理手段である。
また、電子メール生成部４０２ｄは、各種の情報を含んだ電子メールを生成する電子メール生成手段である。
また、Ｗｅｂページ生成部４０２ｅは、利用者が閲覧するＷｅｂページを生成するＷｅｂページ生成手段である。
また、送信部４０２ｆは、各種の情報を当該利用者のクライアント装置２００に送信する送信手段であり、また、代謝物情報を送信したクライアント装置２００に対して当該肝線維化判定結果を送信する分析結果送信手段である。
また、代謝物情報取得部４０２ｇは、各個体中の各代謝物について測定された血中濃度データ群を含む代謝物情報を、クライアント装置２００または入力装置１１２などから取得する代謝物情報取得手段である。ここで、代謝物情報取得部４０２ｇは、図４６に示すように、代謝物指定部４０２ｋをさらに含んで構成される。図４６は、本発明が適用される本システムの代謝物情報取得部４０２ｇの構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
図４６において、代謝物指定部４０２ｋは、所望の代謝物を指定する代謝物指定手段である。
再び図４５に戻り、病態指標値計算部４０２ｈは、代謝物情報取得部４０２ｇにより取得した各個体中の各代謝物の血中濃度データ群を含む代謝物情報から、肝線維化指標データベース４０６ｃに格納された複合指標１から４のうち少なくとも一つに基づいて、または、肝線維化指標データベース４０６ｃに格納された複合指標５に基づいて、肝線維化の病態指標値を計算する病態指標値計算手段、また、肝線維化の病態指標値を計算するための複合指標を設定する複合指標設定手段である。ここで、複合指標設定手段は、Ａｓｎ、Ｇｌｎの血中濃度データのうち少なくとも一つを分子に、Ｔｈｒ、Ｔａｕ、Ｓｅｒ、Ｖａｌ、Ｔｒｐの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標１（さらにＭｅｔの血中濃度データを分子に、Ｉｌｅ、α‐ＡＢＡ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）を作成する複合指標１作成手段と、Ａｓｎ、Ｍｅｔの血中濃度データのうち少なくとも一つを分子に、α‐ＡＢＡ、Ｃｉｔの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標２（さらに、Ｔｙｒ、Ａｒｇの血中濃度データを分子に、Ｈｉｓ、Ｔｈｒ、Ｔｒｐ、Ａｓｐ、Ｇｌｕの血中濃度データを分母に任意に加算してもよい）を作成する複合指標２作成手段と、α‐ＡＢＡ、Ｈｉｓ、Ｇｌｙ、Ｔｒｐ、Ｔａｕの血中濃度データのうち少なくとも一つを分子に、Ａｓｎ、Ｇｌｎ、Ｃｉｔ、Ｌｙｓ、Ｔｈｒ、Ｔｙｒの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標３（さらに、Ｍｅｔ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）を作成する複合指標３作成手段と、Ｈｉｓ、Ｔｒｐの血中濃度データのうち少なくとも一つを分子に、Ａｓｎ、Ｔｙｒの血中濃度データのうち少なくとも一つを分母にもつ１項からなる分数式または複数項の和からなる分数式である複合指標４（さらにα‐ＡＢＡ、Ｔａｕの血中濃度データを分子に、Ｍｅｔ、Ａｓｐの血中濃度データを分母に任意に加算してもよい）を作成する複合指標４作成手段のうち少なくとも一つを備える。
ここで、複合指標１から４のうち少なくとも一つの式中のアミノ酸は、例えば、化学的に等価な物性を持つアミノ酸等で入れ替えることを可能とする。
具体的には、例えば、複合指標１から４のうち少なくとも一つの式中のアミノ酸を下記の規則のもとに入れ替えること、または、複合指標１から４のうち少なくとも一つを対応する下記の式に入れ替えることを可能とする。
ここで、上記規則について図５１を参照して説明する。
図５１は、複合指標１から４のそれぞれの式中のアミノ酸を入れ替えるための規則を表す図である。
図５１において、複合指標１から４のそれぞれは、グループＡの因子が全て分子、グループＢの因子が全て分母にあり、グループＡの因子またはグループＡの因子の和を、グループＢの因子またはグループＢの因子の和で割ったかたちの項が１項以上ある分数の和の形式をとる式によって算出される。ここで、グループＣの因子は分子に、グループＤの因子は分母に加えてもよい。
また、複合指標１から４は、例えば、肝線維化指標データベース４０６ｃに格納された各代替指標（複合指標１−１〜複合指標１−２０、複合指標２−１〜複合指標２−２０、複合指標３−１〜複合指標３−２０、複合指標４−１〜複合指標４−２０）に置換してもよい。
また、病態判定部４０２ｉは、病態指標値計算部４０２ｈにより計算された病態指標値に従って肝線維化の病態を判定する病態判定手段である。
また、結果出力部４０２ｊは、制御部４０２の各処理などの処理結果等を出力装置１１４等に出力する出力手段である。
なお、これら各部によって行なわれる処理の詳細については、後述する。
また、クライアント装置２００とネットワーク３００は、上述した構成と同様であるため、説明を省略する。
［システムの処理］
次に、このように構成された本実施の形態における本システムの処理の一例について、以下に図４０、図４１、図４９等を参照して詳細に説明する。
［肝線維化情報解析サービス処理］
次に、このように構成された本システムを用いて行なわれる本方法としての肝線維化情報解析サービス処理の詳細について図４９等を参照して説明する。図４９は、本実施形態における本システムの肝線維化情報解析サービス処理の一例を示すフローチャートである。
まず、クライアント装置２００は、肝線維化判定装置４００の提供するウェブサイトのアドレス（ＵＲＬ等）を利用者がＷｅｂブラウザ２１１の表示される画面上で入力装置２５０を介して指定することにより、インターネットを介して、肝線維化判定装置４００に接続する。
具体的には、利用者が、クライアント装置２００のＷｅｂブラウザ２１１を起動し、このＷｅｂブラウザ２１１の所定の入力欄に、本システムの代謝物情報送信画面に対応する所定のＵＲＬを入力する。そして、利用者が、このＷｅｂブラウザ２１１の画面更新を指示すると、Ｗｅｂブラウザ２１１は、このＵＲＬを通信制御ＩＦ２８０を介して所定の通信規約にて送信し、このＵＲＬに基づくルーティングによって肝線維化判定装置４００に対する代謝物情報送信画面用Ｗｅｂページの送信要求を行う。
ついで、肝線維化判定装置４００の要求解釈部４０２ａは、クライアント装置２００からの送信の有無を監視しており、送信を受けると、この送信の内容を解析し、その結果に応じて当該制御部４０２内の各部に処理を移す。送信の内容が代謝物情報送信画面用Ｗｅｂページの送信要求である場合には、主として閲覧処理部４０２ｂの制御下において、記憶部４０６から代謝物情報送信画面用Ｗｅｂページを表示するためのＷｅｂデータを取得し、このＷｅｂデータを通信制御インターフェース部４０４を介してクライアント装置２００に送信する。ここで、肝線維化判定装置４００からクライアント装置２００へデータ送信を行う際のクライアント装置２００の特定は、クライアント装置２００から送信要求と共に送信されたＩＰアドレスを用いて行う。
なお、利用者からＷｅｂページの送信要求があった場合には、利用者に利用者ＩＤおよびパスワードの入力を求め、認証処理部４０２ｃが利用者情報データベース４０６ａに格納されている利用者ＩＤおよび利用者パスワードに基づいて認証可否を判断し、認証可の場合にのみＷｅｂページを閲覧させてもよい（以下においても同様であるためその詳細を省略する）。
このクライアント装置２００は、肝線維化判定装置４００からのＷｅｂデータを通信制御ＩＦ２８０を介して受信し、このデータをＷｅｂブラウザ２１１にて解釈することにより、モニタ２６１に代謝物情報送信画面用Ｗｅｂページを表示する。以下、クライアント装置２００から肝線維化判定装置４００への画面要求と、肝線維化判定装置４００からクライアント装置２００へのＷｅｂデータの送信、および、クライアント装置２００におけるＷｅｂページの表示はほぼ同様に行われるものとし、以下ではその詳細を省略する。
そして、利用者がクライアント装置２００の入力装置２５０を介して代謝物情報を入力・選択すると、入力情報および選択事項を特定するための識別子が肝線維化判定装置４００に送信される（ステップＳＦ−１）。
そして、肝線維化判定装置４００の要求解釈部４０２ａは、この識別子を解析することによって、クライアント装置２００からの要求の内容を解析する（クライアント装置２００から肝線維化判定装置４００への要求内容の識別については、以下の処理においてもほぼ同様に行われるものとし、以下ではその詳細を省略する）。
そして、肝線維化判定装置４００は、制御部４０２の各部の処理により、図４０等を用いて後述する代謝物情報の解析処理を実行する（ステップＳＦ−２）。そして、肝線維化判定装置４００は、Ｗｅｂページ生成部４０２ｅの処理により、利用者が送信した代謝物情報に対する解析結果データを表示するためのＷｅｂページを作成して、記憶部４０６に格納する。
そして、利用者は、Ｗｅｂブラウザ２１１に所定のＵＲＬを入力等することにより、上記と同様の認証を経た後、記憶部４０６に格納されている解析結果データを表示するためのＷｅｂページを閲覧することができる。
すなわち、利用者がクライアント装置２００を用いて、該Ｗｅｂページの閲覧要求を肝線維化判定装置４００に対して送信すると、肝線維化判定装置４００は、閲覧処理部４０２ｂの処理により、記憶部４０６より該利用者のＷｅｂページを読み出し、送信部４０２ｆに送ると、送信部４０２ｆは、該Ｗｅｂページをクライアント装置２００に対して送信する（ステップＳＦ−３）。これにより、利用者は、自己のＷｅｂページを適宜閲覧することができる（ステップＳＦ−４）。また、利用者は、必要に応じてこのＷｅｂページの表示内容をプリンタ２６２にて印刷することができる。
また、肝線維化判定装置４００は、利用者に対する解析結果の通知を電子メールを介して行ってもよい。すなわち、肝線維化判定装置４００の電子メール生成部４０２ｄは、送信タイミングに従って、利用者が送信した代謝物情報に対する解析結果データを含む電子メールデータを生成する。具体的には、利用者の利用者ＩＤ等に基づいて利用者情報データベース４０６ａに格納された利用者情報を参照し、この利用者の電子メールアドレスを呼び出す。
そして、この電子メールアドレスを宛先とする電子メールであって、利用者の氏名、および、利用者が送信した代謝物情報に対する解析結果データを含む電子メールのメールデータを生成して、このメールデータを送信部４０２ｆに受け渡す。そして、送信部４０２ｆは、このメールデータを送信する（ステップＳＦ−３）。
一方、利用者は、クライアント装置２００の電子メーラ２１２を用いて上記電子メールを任意のタイミングで受信する。この電子メールは電子メーラ２１２の公知の機能に基づいてモニタ２６１に表示される（ステップＳＦ−４）。また、利用者は、必要に応じてこの電子メールの表示内容をプリンタ２６２にて印刷することができる。
これにて、肝線維化情報解析サービス処理が終了する。
［代謝物情報の解析処理］
次に、代謝物情報の解析処理の詳細について図４０等を参照して説明する。図４０は、本実施形態における本システムの代謝物情報の解析処理の一例を示すフローチャートである。なお、本実施形態は、マイクロソフト（会社名）のＥｘｃｅｌ（製品名）を用いて集計処理等を行う場合を一例に説明するが、本発明はかかる場合に限定されるものではなく、他のプログラムにより実行してもよい。
まず、肝線維化判定装置４００は、代謝物情報取得部４０２ｇの処理により、Ｅｘｃｅｌ上で、アミノ酸の血中濃度データ群を予め別々のシートに記したデータファイルを作成する（ステップＳＧ−１）。
ついで、肝線維化判定装置４００は、代謝物情報取得部４０２ｇの処理により、ステップＳＧ−１により作成したデータファイルを制御部４０２のメモリに取り込む（ステップＳＧ−２）。
ついで、肝線維化判定装置４００は、代謝物情報取得部４０２ｇの処理により、解析したい個体群（または、省きたい個体群）を利用者に選択させる（ステップＳＧ−３）。
ついで、肝線維化判定装置４００は、代謝物指定部４０２ｋの処理により、解析対象となるアミノ酸を利用者に選択させる（ステップＳＧ−４）。
ついで、肝線維化判定装置４００は、結果の出力ファイルを利用者に指定させる（ステップＳＧ−５）。
ついで、肝線維化判定装置４００は、病態指標値計算部４０２ｈの処理により、図４１を用いて後述する病態指標値の計算を行う（ステップＳＧ−６）。
図４１は、本実施形態における本システムの病態指標値の計算の一例を示すフローチャートである。
病態指標値の計算において、まず肝線維化判定装置４００は、病態指標値計算部４０２ｈの処理により、代謝物情報のチェックを行い（ステップＳＨ−１）、ついで、肝線維化指標データベース４０６ｃに格納された複合指標１から４のうち少なくとも一つに基づいて、または、肝線維化指標データベース４０６ｃに格納された複合指標５に基づいて、病態指標値を計算する（ステップＳＨ−２）。
ここで、複合指標１から５のうち少なくとも一つの式中のアミノ酸は、例えば、化学的に等価な物性を持つアミノ酸等で入れ替えることを可能とする。
具体的には、例えば、複合指標１から４のうち少なくとも一つの式中のアミノ酸を下記の規則のもとに入れ替えること、または、複合指標１から４のうち少なくとも一つを対応する下記の式に入れ替えることを可能とする。
ここで、上記規則について図５１を参照して説明する。
図５１は、複合指標１から４のそれぞれの式中のアミノ酸を入れ替えるための規則を表す図である。
図５１において、複合指標１から４のそれぞれは、グループＡの因子が全て分子、グループＢの因子が全て分母にあり、グループＡの因子またはグループＡの因子の和を、グループＢの因子またはグループＢの因子の和で割ったかたちの項が１項以上ある分数の和の形式をとる式によって算出される。ここで、グループＣの因子は分子に、グループＤの因子は分母に加えてもよい。このように、病態指標値計算部４０２ｈは、本規則に基づいて、複合指標１から４を作成してもよい。
また、複合指標１から４は、例えば、肝線維化指標データベース４０６ｃに格納された各代替指標（複合指標１−１〜複合指標１−２０、複合指標２−１〜複合指標２−２０、複合指標３−１〜複合指標３−２０、複合指標４−１〜複合指標４−２０）に置換してもよい。
再び図４０に戻り、肝線維化判定装置４００は、病態判定部４０２ｉの処理により、病態指標値計算部４０２ｈの処理により計算された病態指標値に従って病態を判定する（ステップＳＧ−７）。
ついで、肝線維化判定装置４００は、結果出力部４０２ｊの処理により、解析結果をモニタに出力し、また、記憶部４０６に解析結果を格納する（ステップＳＧ−８）。
これにて、代謝物情報の解析処理が終了する。
［肝線維化判定システム等の他の実施の形態］
さて、これまで本発明の実施の形態について説明したが、本発明は、上述した実施の形態以外にも、上記特許請求の範囲に記載した技術的思想の範囲内において種々の異なる実施の形態にて実施されてよいものである。
例えば、肝線維化判定装置４００は、肝線維化判定装置４００とは別筐体で構成されるクライアント装置２００などからの要求に応じて処理を行い、その処理結果を当該クライアント装置２００などに返却するように構成してもよい。
また、上述した代謝物情報の送信（ステップＳＦ−１）、解析結果の送信（ステップＳＦ−３）などは、既存の電子メール送信技術を用いて実現してもよく、また、肝線維化判定装置４００が提供するＷｅｂサイトの提供する機能により、所定の入力フォーマットを提示して利用者等に情報を入力させ、その入力情報を送信することにより実現してもよく、さらに、ＦＴＰ等の既存のファイル転送技術等により実現してもよい。
また、実施形態において説明した各処理のうち、自動的に行なわれるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行なわれるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。
この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種の登録データや検索条件等のパラメータを含む情報、画面例、データベース構成については、特記する場合を除いて任意に変更することができる。
また、肝線維化判定装置４００に関して、図示の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。
例えば、肝線維化判定装置４００の各部または各装置が備える処理機能、特に制御部４０２にて行なわれる各処理機能については、その全部または任意の一部を、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）および当該ＣＰＵにて解釈実行されるプログラムにて実現することができ、あるいは、ワイヤードロジックによるハードウェアとして実現することも可能である。なお、プログラムは、後述する記録媒体に記録されており、必要に応じて肝線維化判定装置４００に機械的に読み取られる。
すなわち、ＲＯＭまたはＨＤなどの記憶部４０６などには、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。このコンピュータプログラムは、ＲＡＭ等にロードされることによって実行され、ＣＰＵと協働して制御部４０２を構成する。また、このコンピュータプログラムは、肝線維化判定装置４００に対して任意のネットワーク３００を介して接続されたアプリケーションプログラムサーバに記録されてもよく、必要に応じてその全部または一部をダウンロードすることも可能である。
また、本発明にかかるプログラムを、コンピュータ読み取り可能な記録媒体に格納することもできる。ここで、この「記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等の任意の「可搬用の物理媒体」や、各種コンピュータシステムに内蔵されるＲＯＭ、ＲＡＭ、ＨＤ等の任意の「固定用の物理媒体」、あるいは、ＬＡＮ、ＷＡＮ、インターネットに代表されるネットワークを介してプログラムを送信する場合の通信回線や搬送波のように、短期にプログラムを保持する「通信媒体」を含むものとする。
また、「プログラム」とは、任意の言語や記述方法にて記述されたデータ処理方法であり、ソースコードやバイナリコード等の形式を問わない。なお、「プログラム」は必ずしも単一的に構成されるものに限られず、複数のモジュールやライブラリとして分散構成されるものや、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）に代表される別個のプログラムと協働してその機能を達成するものをも含む。なお、実施の形態に示した各装置において記録媒体を読み取るための具体的な構成、読み取り手順、あるいは、読み取り後のインストール手順等については、周知の構成や手順を用いることができる。
また、肝線維化判定装置４００の記憶部４０６に格納される各種のデータベース等（利用者情報データベース４０６ａ、代謝物情報データベース４０６ｂ、および、肝線維化指標データベース４０６ｃ）は、ＲＡＭ、ＲＯＭ等のメモリ装置、ハードディスク等の固定ディスク装置、フレキシブルディスク、光ディスク等のストレージ手段であり、各種処理やウェブサイト提供に用いる各種のプログラムやテーブルやファイルやデータベースやウェブページ用ファイル等を格納する。
また、肝線維化判定装置４００は、既知のパーソナルコンピュータ、ワークステーション等の情報処理端末等の情報処理装置にプリンタやモニタやイメージスキャナ等の周辺装置を接続し、該情報処理装置に本発明の方法を実現させるソフトウェア（プログラム、データ等を含む）を実装することにより実現してもよい。
さらに、肝線維化判定装置４００の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷等に応じた任意の単位で、機能的または物理的に分散・統合して構成することができる。例えば、各データベースを独立したデータベース装置として独立に構成してもよく、また、処理の一部をＣＧＩ（Ｃｏｍｍｏｎ Ｇａｔｅｗａｙ Ｉｎｔｅｒｆａｃｅ）を用いて実現してもよい。
また、ネットワーク３００は、肝線維化判定装置４００とクライアント装置２００とを相互に接続する機能を有し、例えば、インターネットや、イントラネットや、ＬＡＮ（有線／無線の双方を含む）や、ＶＡＮや、パソコン通信網や、公衆電話網（アナログ／デジタルの双方を含む）や、専用回線網（アナログ／デジタルの双方を含む）や、ＣＡＴＶ網や、ＩＭＴ２０００方式、ＧＳＭ方式またはＰＤＣ／ＰＤＣ−Ｐ方式等の携帯回線交換網／携帯パケット交換網や、無線呼出網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の局所無線網や、ＰＨＳ網や、ＣＳ、ＢＳまたはＩＳＤＢ等の衛星通信網等のうちいずれかを含んでもよい。すなわち、本システムは、有線・無線を問わず任意のネットワークを介して、各種データを送受信することができる。
以上のように、本発明にかかる生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体は、生体の状態を定義する諸々の現象（Ｐｈｅｎｏｍｅ）と簡便に測定できる複数の代謝物（Ｍｅｔａｂｏｌｏｍｅ）との相関関係に基づいて、特定の生体状態指標と関連性の高い代謝物のコンビネーションを導き出す解析手法を提供することができる。
また、本発明にかかる肝線維化判定装置、肝線維化判定方法、肝線維化判定システム、プログラム、および、記録媒体は、簡便に測定できる複数の代謝物（特定のアミノ酸）から肝線維化の病態指標値を計算し、計算した病態指標値に従って肝線維化の病態を判定することができる。
これにより、本発明にかかる生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、肝線維化判定装置、肝線維化判定方法、肝線維化判定システム、プログラム、および、記録媒体は、病態診断、疾病リスク診断、プロテオーム、メタボローム解析などを行うバイオインフォマティクス分野において極めて有用である。
本発明は、産業上多くの分野、特に医薬品、食品、化粧品、医療等の分野で広く実施することができ、極めて有用である。
１００ サーバ装置
１０２ 制御部
１０２ａ 要求解釈部
１０２ｂ 閲覧処理部
１０２ｃ 認証処理部
１０２ｄ 電子メール生成部
１０２ｅ Ｗｅｂページ生成部
１０２ｆ 送信部
１０２ｇ 生体状態情報取得部
１０２ｈ 相関性決定部
１０２ｉ 相関式作成部
１０２ｊ 最適化部
１０２ｋ 結果出力部
１０２ｍ 代謝物指定部
１０２ｎ 生体状態指標データ指定部
１０２ｐ 正／負設定部
１０２ｒ 計算式設定部
１０２ｓ 代謝物選択部
１０２ｔ 計算式分割部
１０２ｕ 代謝マップ分割部
１０２ｖ 相関式設定部
１０２ｗ 生体状態シミュレーション部
１０４ 通信制御インターフェース部
１０６ 記憶部
１０６ａ 利用者情報データベース
１０６ｂ 生体状態情報データベース
１０６ｃ 相関性情報データベース
１０６ｄ 相関式情報データベース
１０６ｅ 代謝マップ情報データベース
１０８ 入出力制御インターフェース部
１１２ 入力装置
１１４ 出力装置
２００ クライアント装置
２１０ 制御部
２１１ Ｗｅｂブラウザ
２１２ 電子メーラ
２２０ ＲＯＭ
２３０ ＨＤ
２４０ ＲＡＭ
２５０ 入力装置
２６０ 出力装置
２６１ モニタ
２６２ プリンタ
２７０ 入出力制御インターフェース
２８０ 通信制御インターフェース
３００ ネットワーク
４００ 肝線維化判定装置
４０２ 制御部
４０２ａ 要求解釈部
４０２ｂ 閲覧処理部
４０２ｃ 認証処理部
４０２ｄ 電子メール生成部
４０２ｅ Ｗｅｂページ生成部
４０２ｆ 送信部
４０２ｇ 代謝物情報取得部
４０２ｈ 病態指標値計算部
４０２ｉ 病態判定部
４０２ｊ 結果出力部
４０２ｋ 代謝物指定部
４０４ 通信制御インターフェース部
４０６ 記憶部
４０６ａ 利用者情報データベース
４０６ｂ 代謝物情報データベース
４０６ｃ 肝線維化指標データベース
４０８ 入出力制御インターフェース部

Claims (13)

  1. 各個体中の少なくとも１つのアミノ酸を含む各代謝物について測定された血中濃度データ群を取得する血中濃度データ群取得ステップと、
    各個体において測定された生体状態に関する指標データと上記血中濃度データとの相関を示す相関式に、上記血中濃度データ群取得ステップにて取得された上記血中濃度データ群を代入して数値を算出し、当該算出した数値と予め定めた閾値とに基づいて、判別対象の個体中の上記生体状態を判別する生体状態判別ステップと、
    を含み、
    上記相関式は、分数式を含まないものであり、
    上記相関式は、
    相関式＝（相関性が正となるアミノ酸の和）＋（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）−（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）×（相関性が負となるアミノ酸の和）
    相関式＝（相関性が負となるアミノ酸の和）−（相関性が正となるアミノ酸の和）
    （ここで、相関式における「アミノ酸の和」は、「アミノ酸の血中濃度値の和」の意味である。）
    の少なくとも１つを含むこと、
    を特徴とする生体状態判別方法。
  2. 上記相関式は、
    相関式＝（相関性が正となるアミノ酸の和）＋（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）−（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）×（相関性が負となるアミノ酸の和）
    相関式＝（相関性が負となるアミノ酸の和）−（相関性が正となるアミノ酸の和）
    （ここで、相関式における「アミノ酸の和」は、「アミノ酸の血中濃度値の和」の意味である。）
    のいずれかであること、
    を特徴とする請求項１に記載の生体状態判別方法。
  3. 上記アミノ酸の血中濃度値は、上記アミノ酸の血中濃度値を関数処理した値であること、を特徴とする請求項１又は２に記載の生体状態判別方法。
  4. 上記アミノ酸の血中濃度値は、上記アミノ酸の血中濃度値に任意の係数を掛けた値であること、を特徴とする請求項１から３のいずれか一つに記載の生体状態判別方法。
  5. 上記代謝物は、２つ以上のアミノ酸を含み、
    上記相関式は、多項式であること、
    を特徴とする請求項１から４のいずれか一つに記載の生体状態判別方法。
  6. 上記代謝物は、アミノ酸であること、
    を特徴とする請求項１から５のいずれか一つに記載の生体状態判別方法。
  7. 各個体中の少なくとも１つのアミノ酸を含む各代謝物について測定された血中濃度データ群を取得する血中濃度データ群取得手段と、
    各個体において測定された生体状態に関する指標データと上記血中濃度データとの相関を示す相関式に、上記血中濃度データ群取得手段にて取得された上記血中濃度データ群を代入して数値を算出し、当該算出した数値と予め定めた閾値とに基づいて、判別対象の個体中の上記生体状態を判別する生体状態判別手段と、
    を備え、
    上記相関式は、分数式を含まないものであり、
    上記相関式は、
    相関式＝（相関性が正となるアミノ酸の和）＋（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）−（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）×（相関性が負となるアミノ酸の和）
    相関式＝（相関性が負となるアミノ酸の和）−（相関性が正となるアミノ酸の和）
    （ここで、相関式における「アミノ酸の和」は、「アミノ酸の血中濃度値の和」の意味である。）
    の少なくとも１つを含むこと、
    を特徴とする生体状態判別装置。
  8. 制御部を少なくとも備えたコンピュータにおいて実行される生体状態判別方法であって、
    上記制御部において実行される、
    各個体中の少なくとも１つのアミノ酸を含む各代謝物について測定された血中濃度データ群を取得する血中濃度データ群取得ステップと、
    各個体において測定された生体状態に関する指標データと上記血中濃度データとの相関を示す相関式に、上記血中濃度データ群取得ステップにて取得された上記血中濃度データ群を代入して数値を算出し、当該算出した数値と予め定めた閾値とに基づいて、判別対象の個体中の上記生体状態を判別する生体状態判別ステップと、
    を含み、
    上記相関式は、分数式を含まないものであり、
    上記相関式は、
    相関式＝（相関性が正となるアミノ酸の和）＋（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）−（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）×（相関性が負となるアミノ酸の和）
    相関式＝（相関性が負となるアミノ酸の和）−（相関性が正となるアミノ酸の和）
    （ここで、相関式における「アミノ酸の和」は、「アミノ酸の血中濃度値の和」の意味である。）
    の少なくとも１つを含むこと、
    を特徴とする生体状態判別方法。
  9. 各個体中の少なくとも１つのアミノ酸を含む各代謝物について測定された血中濃度データ群を取得する血中濃度データ群取得ステップと、
    各個体において測定された生体状態に関する指標データと上記血中濃度データとの相関を示す相関式に、上記血中濃度データ群取得ステップにて取得された上記血中濃度データ群を代入して数値を算出し、当該算出した数値と予め定めた閾値とに基づいて、判別対象の個体中の上記生体状態を判別する生体状態判別ステップと、
    を含む生体状態判別方法をコンピュータに実行させ、
    上記相関式は、分数式を含まないものであり、
    上記相関式は、
    相関式＝（相関性が正となるアミノ酸の和）＋（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）−（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）×（相関性が負となるアミノ酸の和）
    相関式＝（相関性が負となるアミノ酸の和）−（相関性が正となるアミノ酸の和）
    （ここで、相関式における「アミノ酸の和」は、「アミノ酸の血中濃度値の和」の意味である。）
    の少なくとも１つを含むこと、
    を特徴とするプログラム。
  10. 上記請求項９に記載されたプログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体。
  11. 生体状態を判別する生体状態判別装置と、生体状態情報提供者の情報端末装置とを、ネットワークを介して通信可能に接続して構成された生体状態判別システムであって、
    上記生体状態判別装置は、
    各個体中の少なくとも１つのアミノ酸を含む各代謝物について測定された血中濃度データ群を上記情報端末装置から取得する血中濃度データ群取得手段と、
    各個体において測定された生体状態に関する指標データと上記血中濃度データとの相関を示す相関式に、上記血中濃度データ群取得手段にて取得された上記血中濃度データ群を代入して数値を算出し、当該算出した数値と予め定めた閾値とに基づいて、判別対象の個体中の上記生体状態を判別する生体状態判別手段と、
    上記生体状態判別手段にて判別された上記判別対象の個体中の上記生体状態の判別結果を、上記血中濃度データ群を取得した上記情報端末装置に対して送信する判別結果送信手段と、
    を備え、
    上記情報端末装置は、
    上記血中濃度データ群を上記生体状態判別装置に対して送信する送信手段と、
    上記送信手段にて送信した上記血中濃度データ群に対応する上記判別結果を上記生体状態判別装置から受信する受信手段と、
    を備え、
    上記相関式は、分数式を含まないものであり、
    上記相関式は、
    相関式＝（相関性が正となるアミノ酸の和）＋（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）−（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）×（相関性が負となるアミノ酸の和）
    相関式＝（相関性が負となるアミノ酸の和）−（相関性が正となるアミノ酸の和）
    （ここで、相関式における「アミノ酸の和」は、「アミノ酸の血中濃度値の和」の意味である。）
    の少なくとも１つを含むこと、
    を特徴とする生体状態判別システム。
  12. 各個体中の少なくとも１つのアミノ酸を含む各代謝物について測定された血中濃度データ群に対応する、相関式の数値又は判別結果を取得する取得手段を備え、
    上記相関式の数値は、各個体において測定された生体状態に関する指標データと上記血中濃度データとの相関を示す相関式に上記血中濃度データ群を代入して算出したものであり、
    上記判別結果は、上記相関式の数値と予め定めた閾値とに基づいて、判別対象の個体中の上記生体状態を判別した結果であり、
    上記相関式は、分数式を含まないものであり、
    上記相関式は、
    相関式＝（相関性が正となるアミノ酸の和）＋（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）−（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）×（相関性が負となるアミノ酸の和）
    相関式＝（相関性が負となるアミノ酸の和）−（相関性が正となるアミノ酸の和）
    （ここで、相関式における「アミノ酸の和」は、「アミノ酸の血中濃度値の和」の意味である。）
    の少なくとも１つを含むこと、
    を特徴とする情報端末装置。
  13. 生体状態情報提供者の情報端末装置にネットワークを介して通信可能に接続して構成された生体状態判別装置であって、
    各個体中の少なくとも１つのアミノ酸を含む各代謝物について測定された血中濃度データ群を取得する血中濃度データ群取得手段と、
    各個体において測定された生体状態に関する指標データと上記血中濃度データとの相関を示す相関式に、上記血中濃度データ群取得手段にて取得された上記血中濃度データ群を代入して数値を算出し、当該算出した数値と予め定めた閾値とに基づいて、判別対象の個体中の上記生体状態を判別する生体状態判別手段と、
    上記生体状態判別手段にて判別された上記判別対象の個体中の上記生体状態の判別結果を、上記血中濃度データ群を取得した上記情報端末装置に対して送信する判別結果送信手段と、
    を備え、
    上記相関式は、分数式を含まないものであり、
    上記相関式は、
    相関式＝（相関性が正となるアミノ酸の和）＋（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）−（相関性が負となるアミノ酸の和）
    相関式＝（相関性が正となるアミノ酸の和）×（相関性が負となるアミノ酸の和）
    相関式＝（相関性が負となるアミノ酸の和）−（相関性が正となるアミノ酸の和）
    （ここで、相関式における「アミノ酸の和」は、「アミノ酸の血中濃度値の和」の意味である。）
    の少なくとも１つを含むこと、
    を特徴とする生体状態判別装置。
JP2013152149A 2002-12-09 2013-07-22 生体状態判別方法、生体状態判別装置、プログラム、記録媒体、生体状態判別システム、および情報端末装置 Expired - Lifetime JP5971209B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013152149A JP5971209B2 (ja) 2002-12-09 2013-07-22 生体状態判別方法、生体状態判別装置、プログラム、記録媒体、生体状態判別システム、および情報端末装置

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JP2002357042 2002-12-09
JP2002357042 2002-12-09
JP2003205589 2003-08-01
JP2003205589 2003-08-01
JP2013152149A JP5971209B2 (ja) 2002-12-09 2013-07-22 生体状態判別方法、生体状態判別装置、プログラム、記録媒体、生体状態判別システム、および情報端末装置

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2010158021A Division JP5707757B2 (ja) 2002-12-09 2010-07-12 生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、記録媒体、および、情報端末装置

Publications (2)

Publication Number Publication Date
JP2013257333A JP2013257333A (ja) 2013-12-26
JP5971209B2 true JP5971209B2 (ja) 2016-08-17

Family

ID=32510622

Family Applications (3)

Application Number Title Priority Date Filing Date
JP2005502361A Expired - Lifetime JP4581994B2 (ja) 2002-12-09 2003-12-09 生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体
JP2010158021A Expired - Lifetime JP5707757B2 (ja) 2002-12-09 2010-07-12 生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、記録媒体、および、情報端末装置
JP2013152149A Expired - Lifetime JP5971209B2 (ja) 2002-12-09 2013-07-22 生体状態判別方法、生体状態判別装置、プログラム、記録媒体、生体状態判別システム、および情報端末装置

Family Applications Before (2)

Application Number Title Priority Date Filing Date
JP2005502361A Expired - Lifetime JP4581994B2 (ja) 2002-12-09 2003-12-09 生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体
JP2010158021A Expired - Lifetime JP5707757B2 (ja) 2002-12-09 2010-07-12 生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、記録媒体、および、情報端末装置

Country Status (7)

Country Link
US (2) US8234075B2 (ja)
EP (2) EP2357581A3 (ja)
JP (3) JP4581994B2 (ja)
KR (1) KR100686910B1 (ja)
AU (1) AU2003289263A1 (ja)
CA (2) CA2508136A1 (ja)
WO (1) WO2004052191A1 (ja)

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2508136A1 (en) * 2002-12-09 2004-06-24 Ajinomoto Co., Inc. Apparatus and method for processing information concerning biological condition, system, program and recording medium for managing information concerning biological condition
EP1862797A4 (en) * 2005-03-16 2009-09-16 Ajinomoto Kk DEVICE, METHOD, SYSTEM AND PROGRAM FOR EVALUATING BIOLOGICAL STATES, DEVICE, METHOD AND PROGRAM FOR GENERATING AN EVALUATION FUNCTION AND RECORDING MEDIUM
EP1887362A4 (en) 2005-05-30 2010-01-27 Ajinomoto Kk HEPATHOPATHY EVALUATION APPARATUS, HEPATHOPATHY EVALUATION METHOD, HEPATHOPATHY EVALUATION SYSTEM, HEPATHOPATHY EVALUATION PROGRAM, AND RECORDING MEDIUM
US20070016389A1 (en) * 2005-06-24 2007-01-18 Cetin Ozgen Method and system for accelerating and improving the history matching of a reservoir simulation model
EP1865431A1 (en) * 2006-06-06 2007-12-12 Waters GmbH System for managing and analyzing metabolic pathway data
JPWO2008015929A1 (ja) * 2006-08-04 2009-12-24 味の素株式会社 メタボリック・シンドロームの評価方法、メタボリック・シンドローム評価装置、メタボリック・シンドローム評価方法、メタボリック・シンドローム評価システム、メタボリック・シンドローム評価プログラムおよび記録媒体、ならびにメタボリック・シンドロームの予防・改善物質の探索方法
WO2008016101A1 (fr) 2006-08-04 2008-02-07 Ajinomoto Co., Inc. Procédé d'évaluation de stress, appareil d'évaluation de stress, système d'évaluation de stress, programme d'évaluation de stress et support d'enregistrement associé
EP2081027A4 (en) * 2006-08-04 2009-09-23 Ajinomoto Kk METHOD FOR EVALUATING LUNG CANCER, LUNG CANCER EVALUATION DEVICE, LUNG CANCER EVALUATION METHOD, LUNG CANCER EVALUATION SYSTEM, EVALUATION PROGRAM FOR A LUNG CANCER LUNG CANCER AND RECORDING MEDIUM
WO2008075662A1 (ja) 2006-12-21 2008-06-26 Ajinomoto Co., Inc. 乳癌の評価方法、ならびに乳癌評価装置、乳癌評価方法、乳癌評価システム、乳癌評価プログラムおよび記録媒体
CN103760367B (zh) 2006-12-21 2017-03-01 味之素株式会社 评估癌症状态的方法、癌症评估装置、癌症评估方法、癌症评估系统、癌症评估程序和记录介质
WO2008075663A1 (ja) 2006-12-21 2008-06-26 Ajinomoto Co., Inc. 大腸癌の評価方法、ならびに大腸癌評価装置、大腸癌評価方法、大腸癌評価システム、大腸癌評価プログラムおよび記録媒体
WO2008090941A1 (ja) 2007-01-24 2008-07-31 Ajinomoto Co., Inc. Ｉｂｄの評価方法、ならびにアミノ酸情報処理装置、アミノ酸情報処理方法、アミノ酸情報処理システム、アミノ酸情報処理プログラムおよび記録媒体
JP5016316B2 (ja) * 2007-01-31 2012-09-05 メディアクロス株式会社 メタボリックシンドローム血管評価システム
EP2172775A4 (en) * 2007-06-25 2010-12-01 Ajinomoto Kk METHOD OF EVALUATING VISCERAL GREASE ACCUMULATION
JPWO2009054350A1 (ja) * 2007-10-25 2011-03-03 味の素株式会社 耐糖能異常の評価方法、耐糖能異常評価装置、耐糖能異常評価方法、耐糖能異常評価システム、耐糖能異常評価プログラムおよび記録媒体、ならびに耐糖能異常の予防・改善物質の探索方法
WO2009054351A1 (ja) * 2007-10-25 2009-04-30 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラムおよび記録媒体
KR101361601B1 (ko) * 2008-03-04 2014-02-12 아지노모토 가부시키가이샤 암종의 평가 방법
JP5754136B2 (ja) * 2008-06-20 2015-07-29 味の素株式会社 女性生殖器癌の評価方法、女性生殖器癌評価装置、女性生殖器癌評価方法、女性生殖器癌評価プログラム、記録媒体、女性生殖器癌評価システム、および情報通信端末装置
WO2009154297A1 (ja) 2008-06-20 2009-12-23 味の素株式会社 前立腺疾患の評価方法
JP5436446B2 (ja) * 2008-12-01 2014-03-05 国立大学法人山口大学 薬剤の作用・副作用予測システムとそのプログラム
WO2013002381A1 (ja) 2011-06-30 2013-01-03 味の素株式会社 脂肪性肝疾患の評価方法、脂肪性肝疾患評価装置、脂肪性肝疾患評価方法、脂肪性肝疾患評価プログラム、脂肪性肝疾患評価システム、情報通信端末装置、および脂肪性肝疾患の予防・改善物質の探索方法
WO2013005790A1 (ja) * 2011-07-07 2013-01-10 味の素株式会社 生体酸化の評価方法、生体酸化評価装置、生体酸化評価方法、生体酸化評価プログラム、生体酸化評価システム、情報通信端末装置、および生体酸化の予防・改善物質の探索方法
CN103082993B (zh) * 2011-10-31 2016-01-20 国民技术股份有限公司 人体生物信息检测系统及其检测方法
JP6270257B2 (ja) * 2012-01-31 2018-01-31 味の素株式会社 取得方法、心血管イベント評価装置、心血管イベント評価プログラム、心血管イベント評価システムおよび端末装置
EP3795997B1 (en) * 2012-03-18 2022-08-24 Kagami Inc. Apparatus, system and method for analyzing disease sample
JP6375947B2 (ja) * 2012-05-11 2018-08-22 味の素株式会社 取得方法、評価装置、評価方法、評価プログラム、評価システムおよび端末装置
KR102362357B1 (ko) 2013-04-09 2022-02-15 아지노모토 가부시키가이샤 생활습관병 지표의 평가 방법, 생활습관병 지표 평가 장치, 생활습관병 지표 평가 방법, 생활습관병 지표 평가 프로그램, 생활습관병 지표 평가 시스템, 및 정보통신 단말장치
WO2016056631A1 (ja) 2014-10-08 2016-04-14 味の素株式会社 評価方法、評価装置、評価プログラム、評価システム、及び端末装置
JP6886241B2 (ja) * 2016-01-07 2021-06-16 味の素株式会社 骨格筋面積の評価方法
US10235431B2 (en) 2016-01-29 2019-03-19 Splunk Inc. Optimizing index file sizes based on indexed data storage conditions
KR102427923B1 (ko) 2016-10-04 2022-08-02 아지노모토 가부시키가이샤 대장암의 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
KR102427924B1 (ko) * 2016-10-04 2022-08-02 아지노모토 가부시키가이샤 췌장암의 평가 방법, 평가 장치, 평가 프로그램, 평가 시스템, 및 단말 장치
KR102477319B1 (ko) 2016-12-01 2022-12-15 아지노모토 가부시키가이샤 암 모니터링의 방법, 산출 방법, 평가 장치, 산출 장치, 평가 프로그램, 산출 프로그램, 평가 시스템, 및 단말 장치
EP3779453A4 (en) * 2018-04-10 2022-01-05 Ajinomoto Co., Inc. METHOD, DEVICE AND PROGRAM FOR EVALUATING THE HEALTH AND / OR GROWTH STATUS OF LIVESTOCK
EP3859339A4 (en) 2018-09-26 2022-12-28 Ajinomoto Co., Inc. METHOD FOR ASSESSING MILD COGNITIVE IMPAIRMENTS, CALCULATION METHOD, ASSESSMENT DEVICE, CALCULATION DEVICE, ASSESSMENT PROGRAM, CALCULATION PROGRAM, RECORDING MEDIA, ASSESSMENT SYSTEM AND TERMINAL
US20210225513A1 (en) * 2020-01-22 2021-07-22 XY.Health Inc. Method to Create Digital Twins and use the Same for Causal Associations

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61126472A (ja) 1984-11-24 1986-06-13 Advance Res & Dev Co Ltd 診断方法
KR910002651B1 (ko) 1987-11-13 1991-04-27 스미또모 덴끼 고교 가부시끼가이샤 간 기능 검사 장치
JPH0620459B2 (ja) * 1987-11-13 1994-03-23 住友電気工業株式会社 肝機能検査装置
DE69214628T2 (de) 1991-01-18 1997-05-22 Esa Inc Verfahren zur Diagnose von Störungen der Körperfunktionen unter Verwendung von biochemischen Pryfilen
AU1837495A (en) 1994-10-13 1996-05-06 Horus Therapeutics, Inc. Computer assisted methods for diagnosing diseases
DE69610926T2 (de) * 1995-07-25 2001-06-21 Horus Therapeutics Inc Rechnergestütztes verfahren und anordnung zur diagnose von krankheiten
US5687716A (en) 1995-11-15 1997-11-18 Kaufmann; Peter Selective differentiating diagnostic process based on broad data bases
US6059724A (en) * 1997-02-14 2000-05-09 Biosignal, Inc. System for predicting future health
US6300136B1 (en) * 1997-09-03 2001-10-09 The Trustees Of The University Of Pennsylvania Methods for diagnosis and treatment of tumors in humans
US20040022827A1 (en) * 1997-09-30 2004-02-05 Chugai Seiyaku Kabusiki Kaisha Remedy for hepatopathy
JPH11190734A (ja) * 1997-12-26 1999-07-13 Wakamoto Pharmaceut Co Ltd クローン病の検査方法および検査用キット
MXPA01010970A (es) 1999-04-26 2003-03-27 Surromed Inc Sistema de identificacion de marcadores biologicos y fenotipo.
AU1760001A (en) * 1999-11-10 2001-06-06 Quest Diagnostics Investments Incorporated Use of computationally derived protein structures of genetic polymorphisms in pharmacogenomics and clinical applications
US20020009740A1 (en) 2000-04-14 2002-01-24 Rima Kaddurah-Daouk Methods for drug discovery, disease treatment, and diagnosis using metabolomics
WO2001078600A1 (fr) * 2000-04-18 2001-10-25 Yamato Scale Co., Ltd. Dispositif de mesure pour graisse viscerale
CA2415775A1 (en) * 2000-07-18 2002-01-24 Correlogic Systems, Inc. A process for discriminating between biological states based on hidden patterns from biological data
JP4545899B2 (ja) 2000-07-31 2010-09-15 キヤノン株式会社 加熱装置および画像形成装置
US6631330B1 (en) * 2000-08-21 2003-10-07 Assistance Publique-Hopitaux De Paris (Ap-Hp) Diagnosis method of inflammatory, fibrotic or cancerous disease using biochemical markers
WO2002025405A2 (en) * 2000-09-19 2002-03-28 The Regents Of The University Of California Methods for classifying high-dimensional biological data
JP4315603B2 (ja) * 2001-01-26 2009-08-19 東京瓦斯株式会社 炎症性腸疾患診断剤
JP3933882B2 (ja) * 2001-03-30 2007-06-20 富士通株式会社 レーダーチャートを表示させるためのプログラムおよびレーダーチャート表示方法
US20040158581A1 (en) * 2001-05-21 2004-08-12 Max Kotlyar Method for determination of co-occurences of attributes
JP2003159095A (ja) 2001-07-12 2003-06-03 Takeda Chem Ind Ltd 結合分子予測方法およびその利用方法
US8068987B2 (en) * 2001-08-13 2011-11-29 Bg Medicine, Inc. Method and system for profiling biological systems
US20050170372A1 (en) * 2001-08-13 2005-08-04 Afeyan Noubar B. Methods and systems for profiling biological systems
CA2399169A1 (en) * 2001-09-07 2003-03-07 Queen's University At Kingston Diagnostic methods for determining susceptibility to convulsive conditions
WO2003083133A1 (fr) * 2002-03-29 2003-10-09 Asahi Kasei Pharma Corporation Methode de detection d'une intolerance legere au glucose ou d'une hyposecretion d'insuline
JP2004135546A (ja) 2002-10-16 2004-05-13 Sumitomo Pharmaceut Co Ltd クローン病の疾患マーカー及びその利用
WO2004038602A1 (en) 2002-10-24 2004-05-06 Warner-Lambert Company, Llc Integrated spectral data processing, data mining, and modeling system for use in diverse screening and biomarker discovery applications
CA2508136A1 (en) 2002-12-09 2004-06-24 Ajinomoto Co., Inc. Apparatus and method for processing information concerning biological condition, system, program and recording medium for managing information concerning biological condition
JP2004321179A (ja) 2003-04-07 2004-11-18 Nitto Boseki Co Ltd 炎症性腸疾患診断用マーカー遺伝子もしくは蛋白質およびそれを利用した炎症性腸疾患診断方法
US7064104B2 (en) * 2003-06-13 2006-06-20 The Procter & Gamble Company Methods of managing the symptoms of premenstrual syndrome
US20060170928A1 (en) * 2003-12-24 2006-08-03 Vadivel Masilamani Masila's cancer detector based on optical analysis of body fluids
JP4200441B2 (ja) 2003-08-13 2008-12-24 財団法人柏戸記念財団 臨床検査データの可視化表現シートの作成装置
US8346482B2 (en) * 2003-08-22 2013-01-01 Fernandez Dennis S Integrated biosensor and simulation system for diagnosis and therapy
US7761239B2 (en) 2003-12-11 2010-07-20 Correlogic Systems, Inc. Method of diagnosing biological states through the use of a centralized, adaptive model, and remote sample processing
US7433853B2 (en) * 2004-07-12 2008-10-07 Cardiac Pacemakers, Inc. Expert system for patient medical information analysis

Also Published As

Publication number Publication date
CA2508136A1 (en) 2004-06-24
KR20050084227A (ko) 2005-08-26
US8234075B2 (en) 2012-07-31
EP1570779A4 (en) 2008-03-12
US20120239366A1 (en) 2012-09-20
JP2010281826A (ja) 2010-12-16
EP2357581A2 (en) 2011-08-17
WO2004052191A1 (ja) 2004-06-24
AU2003289263A1 (en) 2004-06-30
CA2637250A1 (en) 2004-06-24
JP2013257333A (ja) 2013-12-26
EP1570779A1 (en) 2005-09-07
KR100686910B1 (ko) 2007-02-26
JPWO2004052191A1 (ja) 2006-04-06
US20050283347A1 (en) 2005-12-22
JP5707757B2 (ja) 2015-04-30
EP2357581A3 (en) 2012-09-12
JP4581994B2 (ja) 2010-11-17

Similar Documents

Publication Publication Date Title
JP5971209B2 (ja) 生体状態判別方法、生体状態判別装置、プログラム、記録媒体、生体状態判別システム、および情報端末装置
JP7215507B2 (ja) 取得方法、評価装置、評価プログラムおよび評価システム
JP7291605B2 (ja) 取得方法、算出方法、糖尿病評価装置、算出装置、糖尿病評価プログラム、算出プログラム、糖尿病評価システム、および端末装置
JP2016029398A (ja) 内臓脂肪面積の評価方法、内臓脂肪面積評価装置、内臓脂肪面積評価方法、内臓脂肪面積評価プログラム、記録媒体、内臓脂肪面積評価システム、及び端末装置
KR20050085711A (ko) 데이터 저장소와의 상호작용 제어방법 및 제어 시스템과,컴퓨터
WO2006098192A1 (ja) 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体
Thorpe et al. Neighborhood socioeconomic environment and risk of type 2 diabetes: associations and mediation through food environment pathways in three independent study samples
JP2020101571A (ja) 評価方法、評価装置、評価プログラム、評価システム、及び端末装置
Yang et al. TIGA: target illumination GWAS analytics
Ke et al. Radiomics analysis enables fatal outcome prediction for hospitalized patients with coronavirus disease 2019 (COVID-19)
JPWO2009054350A1 (ja) 耐糖能異常の評価方法、耐糖能異常評価装置、耐糖能異常評価方法、耐糖能異常評価システム、耐糖能異常評価プログラムおよび記録媒体、ならびに耐糖能異常の予防・改善物質の探索方法
Elwell‐Cuddy et al. The construction and application of a population physiologically based pharmacokinetic model for methadone in Beagles and Greyhounds
CODATA Task Group on Biological Macromolecules and Colleagues Quality control in databanks for molecular biology
Chourpiliadis et al. Metabolic Profile and Long-Term Risk of Depression, Anxiety, and Stress-Related Disorders
CN100502763C (zh) 生物体状态信息处理装置和其方法、以及生物体状态信息管理系统
Muñoz-Fuentes et al. Pleiotropy data resource as a primer for investigating co-morbidities/multi-morbidities and their role in disease
JP6886241B2 (ja) 骨格筋面積の評価方法
Ossowska et al. Progression of Selected Parameters of the Clinical Profile of Patients with Periodontitis Using Kohonen’s Self-Organizing Maps
Hui et al. 1284-P: Genetic and Lifestyle Associations with Cardiometabolic Traits and Diabetes Risk Factors in Ethnically Diverse Africans

Legal Events

Date Code Title Description
RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20140509

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20140812

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20141010

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A132

Effective date: 20150331

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150529

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A132

Effective date: 20151104

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20151215

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20160614

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160627

R150 Certificate of patent or registration of utility model

Ref document number: 5971209

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

EXPY Cancellation because of completion of term