JP6882776B2 - うつ病診断用バイオマーカー及びその使用 - Google Patents

Description

本発明は、うつ病診断用バイオマーカー及びその使用に関する。
本願は、２０１５年１１月１２日に、米国に仮出願された米国特許第６２／２５４，１８５号明細書に基づき優先権を主張し、その内容をここに援用する。

うつ病は、抑うつ気分、意欲低下に加えて、罪悪感、希死念慮等、様々な症状を呈し、自殺に至る危険が最も高い疾患であり、その重症度の評価法確立は急務である。Ｐａｔｉｅｎｔ Ｈｅａｌｔｈ Ｑｕｅｓｔｉｏｎｎａｉｒｅ（ＰＨＱ）−９等の自記式質問票、又はＨａｍｉｌｔｏｎ Ｒａｔｉｎｇ Ｓｃａｌｅ ｆｏｒ Ｄｅｐｒｅｓｓｉｏｎ（ＨＡＭＤ：うつ病用ハミルトン評価尺度）等の専門家による半構造化面接により、うつ病の重症度はある程度評価可能であるが、患者の主観的な訴えや態度に依拠している。

特許文献１〜３には、客観的にうつ病を診断するためのバイオマーカーが開示されている。

再公表ＷＯ２０１１／０１９０７２号公報 特開２０１４−０１３２５７号公報 特許第５３７２２１３号公報

特許文献１〜３に記載のうつ病のバイオマーカーでは、うつ病であるか否かの診断は可能であるが、うつ病の重症度を正確に評価することはできない。
よって、うつ病の重症度を評価可能であって、臨床上有用な客観的バイオマーカーが求められていた。

本発明は、上記事情に鑑みてなされたものであって、うつ病の重症度を評価可能であって、臨床上有用な客観的バイオマーカーを提供する。

本発明者らは、上記目的を達成すべく鋭意研究を重ねた結果、うつ病患者の血液試料を用いたメタボローム解析により、うつ病の重症度に寄与する複数の代謝物を同定し、さらに、抑うつ気分、意欲低下、希死念慮、罪悪感等の様々なうつ病の症状毎に寄与する代謝物が異なることを見出し、本発明を完成するに至った。

すなわち、本発明は、以下の態様を含む。
［１］うつ病の重症度を評価するためのバイオマーカーとしての３−ヒドロキシ酪酸の使用。
［２］前記バイオマーカーが、４−アミノ酪酸（γ（ｇａｍｍａ）−ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ：ＧＡＢＡ）、キヌレン酸、キヌレニン、３−ヒドロキシキヌレニン、クエン酸、クレアチニン、セロトニン、トリプトファン、及びベタインからなる群から選択される少なくとも一つを更に含む［１］に記載の使用。
［３］前記バイオマーカーが、アルギニン、アルギニノコハク酸、イソロイシン、インドールカルボキシアルデヒド、インドール酢酸カリウム、カルニチン、アセチルカルニチン、オルニチン、キサンツレン酸、クレアチン、グルタミン、ジメチルグリシン、タウリン、トリメチルオキサミン（Ｔｒｉｍｅｔｈｙｌｏｘａｍｉｎｅ：ＴＭＡＯ）、ノルバリン、フェニルアラニン、プロリン、及びリジンからなる群から選択される少なくとも一つを更に含む［１］又は［２］に記載の使用。
［４］前記バイオマーカーが、コレステロール、尿酸、ビリルビン、及びサイトカインからなる群から選択される少なくとも一つを更に含む［１］〜［３］のいずれか一つに記載の使用。
［５］うつ病の重症度を評価するためのデータの収集方法であって、血液試料中の３−ヒドロキシ酪酸の濃度を測定する測定工程を含む方法。
［６］前記測定工程において、４−アミノ酪酸（γ（ｇａｍｍａ）−ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ：ＧＡＢＡ）、キヌレン酸、キヌレニン、３−ヒドロキシキヌレニン、クエン酸、クレアチニン、セロトニン、トリプトファン、及びベタインからなる群から選択される少なくとも一つの濃度を更に測定する［５］に記載の方法。
［７］前記測定工程において、アルギニン、アルギニノコハク酸、イソロイシン、インドールカルボキシアルデヒド、インドール酢酸カリウム、カルニチン、アセチルカルニチン、オルニチン、キサンツレン酸、クレアチン、グルタミン、ジメチルグリシン、タウリン、トリメチルオキサミン（Ｔｒｉｍｅｔｈｙｌｏｘａｍｉｎｅ：ＴＭＡＯ）、ノルバリン、フェニルアラニン、プロリン、及びリジンからなる群から選択される少なくとも一つの濃度を更に測定する［５］又は［６］に記載の方法。
［８］前記測定工程において、コレステロール、尿酸、ビリルビン、及びサイトカインからなる群から選択される少なくとも一つの濃度を更に測定する［５］〜［７］のいずれか一つに記載の方法。
［９］前記測定工程で測定された化合物のうち少なくとも一つの化合物の血中濃度、及び前記化合物の血中濃度を変数とする予め設定した多変量判別式に基づいて、うつ病の重症度を判別するための値である判別値を算出する判別値算出工程を更に備える［５］〜［８］のいずれか一項に記載の方法。
［１０］前記多変量判別式が、１つの分数式、複数の前記分数式の和、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、又は決定木で作成された式である［９］に記載の方法。
［１１］被検者から採取された血液中の３−ヒドロキシ酪酸の濃度を取得する取得工程と、前記取得工程で取得された前記３−ヒドロキシ酪酸の血中濃度、及び前記３−ヒドロキシ酪酸の血中濃度を変数とする予め設定した多変量判別式に基づいて、うつ病の重症度を判別するための値である判別値を算出する判別値算出工程と、前記判別値算出工程で算出された前記判別値に基づいて、前記被検者のうつ病の重症度を評価する評価工程と、得られた評価結果を出力する出力工程と、をコンピュータに実行させるうつ病の重症度の評価プログラム。
［１２］前記取得工程の前に、バイオマーカー測定装置に、前記血液中の３−ヒドロキシ酪酸の濃度を測定させる測定工程を更に備える［１１］に記載のプログラム。
［１３］前記取得工程において、被検者から採取された血液中の４−アミノ酪酸（γ（ｇａｍｍａ）−ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ：ＧＡＢＡ）、キヌレン酸、キヌレニン、３−ヒドロキシキヌレニン、クエン酸、クレアチニン、セロトニン、トリプトファン、及びベタインからなる群から選択される少なくとも一つの濃度を更に取得し、前記判別値算出工程において、前記取得工程で取得された化合物のうち少なくとも一つの化合物の血中濃度、及び前記化合物の血中濃度を変数とする予め設定した多変量判別式に基づいて、うつ病の重症度を判別するための値である判別値を算出する［１１］又は［１２］に記載のプログラム。
［１４］前記取得工程において、被検者から採取された血液中のアルギニン、アルギニノコハク酸、イソロイシン、インドールカルボキシアルデヒド、インドール酢酸カリウム、カルニチン、アセチルカルニチン、オルニチン、キサンツレン酸、クレアチン、グルタミン、ジメチルグリシン、タウリン、トリメチルオキサミン（Ｔｒｉｍｅｔｈｙｌｏｘａｍｉｎｅ：ＴＭＡＯ）、ノルバリン、フェニルアラニン、プロリン、及びリジンからなる群から選択される少なくとも一つの濃度を更に取得する［１１］〜［１３］のいずれか一つに記載のプログラム。
［１５］前記取得工程において、被検者から採取された血液中のコレステロール、尿酸、ビリルビン、及びサイトカインからなる群から選択される少なくとも一つの濃度を更に取得する［１３］〜［１４］のいずれか一つに記載のプログラム。

本発明によれば、うつ病の重症度を評価可能であって、臨床上有用な客観的バイオマーカーを提供することができる。

実施例１における九州大学、大阪大学、及び国立精神・神経医療センターでのうつ病患者の血漿サンプルの選定フローを示す図である。 実施例１におけるデータセット１でのＰＨＱ−９のスコアの測定値とＰＨＱ−９のスコアを予測する回帰モデルによる予測値との関係を示すグラフである。 実施例１におけるデータセット１でのＨＡＭＤ−１７のスコアの測定値とＨＡＭＤ−１７のスコアを予測する回帰モデルによる予測値との関係を示すグラフである。 実施例１におけるデータセット２でのＨＡＭＤ−１７のスコアの測定値とＨＡＭＤ−１７のスコアを予測する回帰モデルによる予測値との関係を示すグラフである。 実施例１におけるデータセット３でのＨＡＭＤ−１７のスコアの測定値とＨＡＭＤ−１７のスコアを予測する回帰モデルによる予測値との関係を示すグラフである。 実施例１におけるデータセット１〜３でのＰＨＱ−９又はＨＡＭＤ−１７のスコアを予測する回帰モデルによる予測値への貢献度が大きい（ＶＩＰ＞１．０）代謝物を貢献度の大きい順に示す表である。 実施例１におけるデータセット１でのＰＨＱ−９又はＨＡＭＤ−１７の各種症状と中程度の相関（相関係数の絶対値が０．３以上）を有する代謝物を示す表である。 実施例１におけるデータセット１でのＰＨＱ−９又はＨＡＭＤ−１７の睡眠障害又は疲労と中程度の相関（相関係数の絶対値が０．３以上）を有する代謝物を示す表である。 実施例１におけるデータセット１でのＨＡＭＤ−１７のサブスケール（うつ病の各種症状）と代謝物との相関ネットワークを示す図である。 実施例１におけるデータセット１〜３に共通してＨＡＭＤ−１７のＳＩと中程度の相関を有する代謝物を示す表である。 実施例１におけるうつ病患者でのＨＡＭＤ−１７の自殺企図を予測するための１０種類のロジスティック回帰モデルに基づくＲＯＣ曲線（Ｒｅｃｅｉｖｅｒ Ｏｐｅｒａｔｏｒａｔｉｎｇ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｃｕｒｖｅ、受信者動作特性曲線)を示すグラフである。 実施例１におけるＨＡＭＤ−１７の自殺企図と、強度を標準化した血漿中のクエン酸及びキヌレニンを変数とした多重線形判別式を用いた回帰モデルによる予測値との有意な相関関係（Ｒ＝０．２２、ｐ＝０．０２８）を示すグラフである。 実施例２におけるＢＤＩ−ＩＩのスコアの測定値とＢＤＩ−ＩＩのスコアを予測する回帰モデルによる予測値との関係を示すグラフである。

＜うつ病の重症度を評価するためのバイオマーカー＞
一実施形態において、本発明は、うつ病の重症度を評価するためのバイオマーカーであって、４−アミノ酪酸（γ（ｇａｍｍａ）−ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ：ＧＡＢＡ）、アルギニン、アルギニノコハク酸、イソロイシン、インドールカルボキシアルデヒド、インドール酢酸カリウム、カルニチン、アセチルカルニチン、オルニチン、キサンツレン酸、キヌレン酸、キヌレニン、クエン酸、クレアチン、クレアチニン、グルタミン、ジメチルグリシン、セロトニン、タウリン、トリメチルオキサミン（Ｔｒｉｍｅｔｈｙｌｏｘａｍｉｎｅ：ＴＭＡＯ）、トリプトファン、ノルバリン、３‐ヒドロキシ酪酸、フェニルアラニン、プロリン、ベタイン、及びリジンからなる群から選択される少なくとも一つからなるバイオマーカーである。

本実施形態のバイオマーカーによれば、うつ病の重症度を簡便に且つ正確に評価することができる。また、本実施形態のバイオマーカーを元に、うつ病の病態機構の解明に応用することができる。

本実施形態のうつ病の重症度を評価するためのバイオマーカーとしては、４−アミノ酪酸（γ（ｇａｍｍａ）−ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ：ＧＡＢＡ）、アルギニン、アルギニノコハク酸、イソロイシン、インドールカルボキシアルデヒド、インドール酢酸カリウム、カルニチン、アセチルカルニチン、オルニチン、キサンツレン酸、キヌレン酸、キヌレニン、クエン酸、クレアチン、クレアチニン、グルタミン、ジメチルグリシン、セロトニン、タウリン、トリメチルオキサミン（Ｔｒｉｍｅｔｈｙｌｏｘａｍｉｎｅ：ＴＭＡＯ）、トリプトファン、ノルバリン、３‐ヒドロキシ酪酸、フェニルアラニン、プロリン、ベタイン、及びリジンからなる群から選択される少なくとも一つの化合物である。

本実施形態のうつ病の重症度を評価するためのバイオマーカーとしては、さらに、コレステロール、尿酸、ビリルビン、及びサイトカインからなる群から選択される少なくとも一つを含むことが好ましい。

前記コレステロールとしては、例えば、ＬＤＬコレステロール（ｌｏｗ ｄｅｎｓｉｔｙ ｌｉｐｏｐｒｏｔｅｉｎ ｃｈｏｌｅｓｔｅｒｏｌ）、ＨＤＬコレステロール（ｈｉｇｈ ｄｅｎｓｉｔｙ ｌｉｐｏｐｒｏｔｅｉｎ ｃｈｏｌｅｓｔｅｒｏｌ）等が挙げられる。
前記サイトカインとしては、例えば、インターロイキン−１β、インターロイキン−４、インターロイキン−６、インターロイキン−１０、インターロイキン−１２、腫瘍壊死因子−α（Ｔｕｍｏｒ Ｎｅｃｒｏｓｉｓ Ｆａｃｔｏｒ−α；ＴＮＦ−α）等が挙げられ、これらに限定されない。

＜うつ病の重症度の評価方法＞
一実施形態において、本発明は、被検者の上述のバイオマーカーの血中濃度を測定する測定工程と、前記測定工程で測定されたバイオマーカーの血中濃度のうち少なくとも一つのバイオマーカーの血中濃度、及び前記バイオマーカーの血中濃度を変数とする予め設定した多変量判別式であって前記バイオマーカーのうち少なくとも一つを前記変数として含む前記多変量判別式に基づいて、該多変量判別式の値である判別値を算出する判別値算出工程と、前記判別値算出工程で算出された判別値に基づいて、前記被検者のうつ病の重症度を評価する評価工程と、を備えるうつ病の重症度の評価方法を提供する。

本実施形態の評価方法によれば、うつ病の重症度を簡便且つ正確に評価することができる。

本明細書において、被検者の年齢に制限はなく、例えば、若年被検者、具体的には３０歳以下の被検者であってもよく、高齢被検者、具体的には６５歳以上の被検者であってもよい。
本実施形態の評価方法の各工程について、以下に詳細に説明する。

［測定工程］
まず、被検者から採取した血液に含まれる上述のバイオマーカーの濃度を測定する。
上述のバイオマーカーのうち少なくとも二つ以上が測定されることが好ましく、４−アミノ酪酸（γ（ｇａｍｍａ）−ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ：ＧＡＢＡ）、アルギニン、アルギニノコハク酸、イソロイシン、インドールカルボキシアルデヒド、インドール酢酸カリウム、カルニチン、アセチルカルニチン、オルニチン、キサンツレン酸、キヌレン酸、キヌレニン、クエン酸、クレアチン、クレアチニン、グルタミン、ジメチルグリシン、セロトニン、タウリン、トリメチルオキサミン（Ｔｒｉｍｅｔｈｙｌｏｘａｍｉｎｅ：ＴＭＡＯ）、トリプトファン、ノルバリン、３‐ヒドロキシ酪酸、フェニルアラニン、プロリン、ベタイン、及びリジンの全てを測定することがより好ましく、４−アミノ酪酸（γ（ｇａｍｍａ）−ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ：ＧＡＢＡ）、アルギニン、アルギニノコハク酸、イソロイシン、インドールカルボキシアルデヒド、インドール酢酸カリウム、カルニチン、アセチルカルニチン、オルニチン、キサンツレン酸、キヌレン酸、キヌレニン、クエン酸、クレアチン、クレアチニン、グルタミン、ジメチルグリシン、セロトニン、タウリン、トリメチルオキサミン（Ｔｒｉｍｅｔｈｙｌｏｘａｍｉｎｅ：ＴＭＡＯ）、トリプトファン、ノルバリン、３‐ヒドロキシ酪酸、フェニルアラニン、プロリン、ベタイン、リジン、コレステロール、尿酸、ビリルビン、及びサイトカインの全てを測定することがさらに好ましい。
複数のバイオマーカーを組み合わせて測定することで、うつ病の重症度の評価の精度を向上することができる。

本実施形態において用いられる血液は、被検者から採取された血液だけでなく、それを処理して得られるものも含む。前記血液を処理して得られるものとしては、例えば、血清、血漿等が挙げられる。血清及び血漿は、例えば、血液を静置、又は遠心分離することにより得られる。
なお、本明細書において、血液、血清、及び血漿を総称して、「血液試料」と称する場合がある。
血液試料は、そのままバイオマーカーの濃度の測定に用いてもよいが、必要に応じて適宜前処理を行ったからバイオマーカーの濃度の測定に用いてもよい。前処理としては、例えば、血液試料中の酵素反応の停止、脂溶性物質の除去、タンパク質の除去等が挙げられる。これらの前処理は、公知の方法を用いて行えばよい。
また、血液試料は、適宜、希釈又は濃縮して用いてもよい。

バイオマーカーの濃度の測定方法としては、各種バイオマーカーの種類に応じて、適宜公知の方法を選択すればよい。
例えば、核磁気共鳴法（ＮＭＲ）による定量、酸アルカリ中和滴定による定量、アミノ酸分析計による定量、酵素法による定量、核酸アプタマーやペプチドアプタマー等のアプタマーを利用した定量、比色定量等から測定対象のマーカーに応じた定量法を選択して利用することによりバイオマーカーの濃度を測定することができる。
また、測定対象のバイオマーカーに応じた市販の定量キットを用いてバイオマーカーの濃度を測定することもできる。

また、例えば、キャピラリー電気泳動、液体クロマトグラフィー、ガスクロマトグラフィー、質量分析計等を単独で、又は適宜組み合わせて利用することにより、バイオマーカーの濃度を測定することができる。これらの測定手法は、特に、複数のバイオマーカーをまとめて測定する際に好適である。
イオン性の高いバイオマーカーに適した測定法としては、例えば、キャピラリー電気泳動−質量分析計による測定等が挙げられる。具体的には、例えば、キャピラリー電気泳動−飛行時間型質量分析計（ＣＥ−ＴＯＦＭＳ）によりバイオマーカーの濃度を測定することができる。

キャピラリー電気泳動のためのキャピラリーは、ヒューズドシリカキャピラリーであることが好ましい。また、キャピラリーの内径は、分離能の向上を踏まえれば、例えば１００μｍ以下であればよく、例えば５０μｍ以下であればよい。キャピラリーの全長は、例えば５０ｃｍ以上１５０ｃｍ以下であればよい。

上記キャピラリー電気泳動により得られた各画分中における、目的の上述のバイオマーカーである化合物が含まれた画分を特定する方法は、特に限定されず、例えば、目的化合物の標品を用いて、予め当該化合物の電気泳動時間を測定しておく方法や、又は内部標準物質の電気泳動時間との相対時間を利用する方法等が挙げられる。

次に、目的の上述のバイオマーカーである化合物が含まれていると特定された画分中の、目的化合物のｍ／ｚを有する化合物の含有量を、ピーク面積として測定する。このピーク面積は、内部標準物質のピーク面積との比をとることで標準化することができる。また、目的化合物の標品を用いて検量線を作成することによって、測定されたピーク面積から、採血された血液に含まれる目的の上述のバイオマーカーである化合物の絶対濃度を求めることができる。この検量線は、標準溶液法ではなく、標準添加法で作成するのが好ましい。

また、ＣＥ−ＴＯＦＭＳを用いた測定のために用いる血液試料は、上述のバイオマーカーである化合物の、電気泳動時間や含有量の測定基準となる内部標準物質を含んでいてもよい。
前記内部標準物質は、上述のバイオマーカーである化合物の電気泳動及び質量分析の効率に影響を及ぼさないものであれば特に限定されず、例えば、メチオニンスルホンや１０−カンファースルホン酸（１０−ｃａｍｐｈｏｒｓｕｌｆｏｎｉｃ ａｃｉｄ；ＣＳＡ） 等が挙げられる。

［判別値算出工程］
次いで、測定されたバイオマーカーの血中濃度のうち少なくとも一つのバイオマーカーの血中濃度、及び前記バイオマーカーの血中濃度を変数とする予め設定した多変量判別式であって前記バイオマーカーのうち少なくとも一つを前記変数として含む前記多変量判別式に基づいて、該多変量判別式の値である判別値を算出する。

ここで、判別値算出を行う前に、測定されたバイオマーカーの血中濃度のデータから欠損値又は外れ値等のデータを除去してもよい。これにより、うつ病の重症度をさらに精度よく評価することができる。

なお、前記多変量判別式は、１つの分数式、複数の前記分数式の和、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、又は決定木で作成された式であってもよい。
具体的には、多変量判別式は、下記式［１］で表される線形判別式（前記バイオマーカーを変数とする線形判別式）、又は前記バイオマーカーを変数とするロジスティック回帰式でもよい。
Ｙ＝Ａ_１Ｘ１＋Ａ_２Ｘ２＋Ａ_３Ｘ３＋Ａ_４Ｘ４＋…＋Ａ_ｍＸｎ ……［１］
（式［１］中、Ｙはうつ病重症度予測値、Ａ_１、Ａ_２、Ａ_３、Ａ_４、及びＡ_ｎは、それぞれ独立して係数を表し、任意の実数である。また、Ｘ１、Ｘ２、Ｘ３、Ｘ４、及びＸｎは、それぞれ独立して前記バイオマーカーの血中濃度である。また、ｍ及びｎは、任意の整数である。）
前記多変量判別式に、前記測定工程で測定された各種バイオマーカーの血中濃度を当てはめて算出される判別値を利用することにより、うつ病の重症度の判別をさらに精度よく行うことができる。

また、本明細書において、「分数式」とは、当該分数式の分子が前記バイオマーカーＸ１、Ｘ２、Ｘ３…Ｘｎの和で表わされ及び／又は当該分数式の分母が前記バイオマーカーｘ１、ｘ２、ｘ３…ｘｎの和で表わされるものである。
また、分数式には、このような構成の分数式α，β，γ，・・・の和（例えばα＋βのようなもの）も含まれる。
また、分数式には、分割された分数式も含まれる。なお、分子や分母に用いられる前記バイオマーカーにはそれぞれ適当な係数がついてもよい。
また、分子や分母に用いられる前記バイオマーカーは重複してもよい。
また、各分数式に適当な係数がついてもよい。
また、各変数の係数の値や定数項の値は、実数であればよい。
分数式で、分子の変数と分母の変数を入れ替えた組み合わせは、目的変数との相関の正負の符号は概して逆転するが、それらの相関性は保たれるので、判別性では同等と見なせるため、分子の変数と分母の変数を入れ替えた組み合わせも、包含するものである。

また、本明細書において、「多変量判別式」とは、一般に多変量解析で用いられる式の形式を意味する。多変量判別式としては、例えば、重回帰式、多重ロジスティック回帰式、線形判別関数、マハラノビス距離、正準判別関数、サポートベクターマシン、決定木等が挙げられ、これらに限定されない。
また、多変量判別式には、異なる形式の多変量判別式の和で示されるような式も含まれる。
また、重回帰式、多重ロジスティック回帰式、及び正準判別関数においては、各変数に係数及び定数項が付加されるが、この場合の係数及び定数項は、実数であることが好ましく、データから判別を行うために得られた係数及び定数項の９９％信頼区間の範囲に属する値であることがより好ましく、データから判別を行うために得られた係数及び定数項の９５％信頼区間の範囲に属する値であることがさらに好ましい。
また、各係数の値、及びその信頼区間は、それを実数倍したものでもよく、定数項の値、及びその信頼区間は、それに任意の実定数を加減乗除したものでもよい。
ロジスティック回帰、線形判別、重回帰分析等の表示式を指標に用いる場合、表示式の線形変換（定数の加算、定数倍）や単調増加（減少）の変換（例えばｌｏｇｉｔ変換など）は判別性能を変えるものではなく同等であるので、表示式はそれらを含むものである。

また、前記多変数判別式に用いられる前記バイオマーカーとしては、４−アミノ酪酸（γ（ｇａｍｍａ）−ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ：ＧＡＢＡ）、アルギニン、アルギニノコハク酸、イソロイシン、インドールカルボキシアルデヒド、インドール酢酸カリウム、カルニチン、アセチルカルニチン、オルニチン、キサンツレン酸、キヌレン酸、キヌレニン、クエン酸、クレアチン、クレアチニン、グルタミン、ジメチルグリシン、セロトニン、タウリン、トリメチルオキサミン（Ｔｒｉｍｅｔｈｙｌｏｘａｍｉｎｅ：ＴＭＡＯ）、トリプトファン、ノルバリン、３‐ヒドロキシ酪酸、フェニルアラニン、プロリン、ベタイン、及びリジンからなる群（以下、「第１のバイオマーカー群」と称する場合がある。）から選ばれる少なくとも一つの血中濃度と、コレステロール、尿酸、ビリルビン、及びサイトカインからなる群（以下、「第２のバイオマーカー群」と称する場合がある。）から選ばれる少なくとも一つの血中濃度と、を組み合わせて用いることが好ましく、前記第１のバイオマーカー群から選ばれる二つ以上の血中濃度と、前記第２のバイオマーカー群から選ばれる二つ以上の血中濃度と、を組み合わせて用いることがより好ましく、前記第１のバイオマーカー群の全ての血中濃度と、前記第２のバイオマーカー群の全ての血中濃度と、を組み合わせて用いることがさらに好ましい。
複数のバイオマーカーを多変数判別式に組み込むことで、うつ病の重症度の評価の精度を向上することができる。

また、さらに、前記多変数判別式における変数として、前記バイオマーカー以外に、その他の被検者の生体情報（例えば、ミネラル、ホルモン等の生体代謝物；性別、年齢、食習慣、飲酒習慣、運動習慣、肥満度、疾患歴、問診データ等）をさらに用いてもよい。

［評価工程］
次いで、前記判別値算出工程で算出された判別値に基づいて、前記被検者のうつ病の重症度を評価する。
具体的には、判別値と、予め設定された閾値（カットオフ値）とを比較することで、うつ病患者群又は非うつ病患者群（健常者群）であるかを判別することができる。
さらに、前記判別値の値が前記閾値よりも大きいほどうつ病の重症度が高く、一方、前記判別値の値が前記閾値に近いほどうつ病の重症度が低いと評価することができる。

なお、前記予め設定された閾値（カットオフ値）は、被検者の性別及び年齢、被検試料の種類、並びにバイオマーカーの種類等の諸条件に応じて、当業者が適宜決定すればよい。閾値の決定方法は特に制限されず、例えば、公知の手法に従って閾値を決定することができる。

閾値は、うつ病に罹患している被検者（症例被検者；ｃａｓｅ ｓｕｂｊｅｃｔ）でバイオマーカーを測定した結果のみに基づいて決定してもよく、うつ病に罹患していない被検者（対照被検者；ｃｏｎｔｒｏｌ ｓｕｂｊｅｃｔ）でマーカーを測定した結果のみに基づいて決定してもよく、症例被検者と対照被検者とでバイオマーカーを測定し、算出された判別値の両方に基づいて決定してもよい。閾値は、症例被検者と対照被検者とでバイオマーカーをバイオマーカーを測定し、算出された判別値の両方に基づいて決定するのが好ましい。対照被検者は、うつ病に罹患していない限り、それ以外の疾患に罹患していてもよく、それ以外の疾患にしていなくともよいが、測定されるバイオマーカーと相関する疾患には罹患していないことが好ましい。

例えば、対照被検者でバイオマーカーを測定し、算出された判別値にのみ基づいて閾値を決定する場合には、対照被検者の複数個体で測定されたバイオマーカーの濃度を測定し、算出された判別値の上限から下限までの範囲が正常値の範囲となるよう閾値を決定してもよく、対照被検者の複数個体で測定されたマーカーの濃度を測定し、算出された判別値の平均値±標準偏差の範囲が正常値の範囲となるよう閾値を決定してもよい。
また、例えば、対照被検者の複数個体で測定されたバイオマーカーの濃度を測定し、算出された判別値の分布において、正常値の範囲に対照被検者が所定の割合含まれるように閾値を決定してもよい。所定の割合とは、例えば、７０％以上であり、８０％以上であることが好ましく、９０％以上であることがより好ましく、９５％以上であることがさらに好ましく、１００％であることが特に好ましい。上記記載は、症例被検者でバイオマーカーを測定し、算出された判別値にのみ基づいて閾値を決定する場合にも準用できる。
なお、正常値と比較して大小いずれの側を異常値とするかはバイオマーカーごとに決まっているため、それを考慮して閾値は設定される。

症例被検者と対照被検者とでバイオマーカーを測定し、算出された判別値の両方に基づいて閾値を決定する場合には、例えば、正常値の範囲に対照被検者が所定の割合含まれ、且つ、異常値の範囲に症例被検者が所定の割合含まれるように閾値を決定してもよい。具体的には、例えば、測定値が閾値以上である場合にうつ病の可能性が高いバイオマーカーの場合は、症例被検者が閾値以上に所定の割合含まれ、且つ、対照被検者が閾値未満に所定の割合含まれるように閾値を決定することができる。
また、具体的には、例えば、測定値が閾値以下である場合にうつ病の可能性が高いバイオマーカーの場合は、症例被検者が閾値以下に所定の割合含まれ、且つ、対照被検者が閾値を超える範囲に所定の割合含まれるように閾値を決定することができる。

異常値を示す症例被検者の割合、及び正常値を示す対照被検者の割合は、いずれも高い方が好ましい。これらの割合は、それぞれ、例えば、７０％以上であり、８０％以上であることが好ましく、９０％以上であるより好ましく、９５％以上さらに好ましく、１００％であってよい。これらの割合が高いほど、特異度（ｓｐｅｃｉｆｉｃｉｔｙ）及び感度（ｓｅｎｓｉｔｉｖｉｔｙ）が高くなる。
特異度及び感度は、いずれも高い方が好ましい。特異度及び感度は、それぞれ、例えば、７０％以上であり、８０％以上であることが好ましく、９０％以上であることがより好ましく、９５％以上であることがさらに好ましく、１００％であることが特に好ましい。
なお、本明細書において、「特異度」とは、対照被検者で陰性となる率を意味し、特異度が高いほど偽陽性率が低い。
また、「感度」とは、症例被検者で陽性となる率を意味し、感度が高いほど偽陰性率が低い。
特異度及び感度の両方を高くすることができない場合は、うつ病の検査の目的等に応じて、特異度及び感度のいずれかが高くなるような閾値を設定してもよい。例えば、検査結果が陽性である場合にうつ病であることを確定することが目的であれば、特異度が高くなるように閾値を設定すればよい。又は、例えば、検査結果が陰性である場合にうつ病であることを除外することが目的であれば、感度が高くなるように閾値を設定すればよい。

なお、閾値の決定は、市販のソフトウェアを用いて行ってもよい。例えば、統計解析ソフトウェアを用い、対照被検者と症例被検者とを統計学的に最も適切に判別できるような閾値を決定してもよい。

また、評価工程において、被検者における上述のバイオマーカーの血中濃度から算出された判別値を利用したうつ病の重症度の評価と、他のうつ病の検査とを組み合わせて、うつ病を評価してもよい。他のうつ病の検査としては、面接による問診（例えば、Ｈａｍｉｌｔｏｎ Ｒａｔｉｎｇ Ｓｃａｌｅ ｆｏｒ Ｄｅｐｒｅｓｓｉｏｎ（ＨＡＭＤ：うつ病用ハミルトン評価尺度）等）や自記式質問票（例えば、Ｐａｔｉｅｎｔ Ｈｅａｌｔｈ Ｑｕｅｓｔｉｏｎｎａｉｒｅ（ＰＨＱ）−９、Ｂｅｃｋ Ｄｅｐｒｅｓｓｉｏｎ Ｉｎｖｅｎｔｏｒｙ−ＩＩ（ＢＤＩ−２：ベック抑うつ質問票）等）によるうつ病の検査、うつ病と相関する遺伝子、タンパク質、及び化合物を指標としたうつ病の検査等が挙げられる。

＜うつ病の重症度の評価プログラム＞
一実施形態において、本発明は、被検者から採取された血液中の上述のバイオマーカーの濃度を取得する取得工程と、 前記取得工程で取得されたバイオマーカーの血中濃度のうち少なくとも一つのバイオマーカーの血中濃度、及び前記バイオマーカーの血中濃度を変数とする予め設定した多変量判別式であって前記バイオマーカーのうち少なくとも一つを前記変数として含む前記多変量判別式に基づいて、該多変量判別式の値である判別値を算出する判別値算出工程と、前記判別値算出工程で算出された判別値に基づいて、前記被検者のうつ病の重症度を評価する評価工程と、 得られた評価結果を出力する出力工程と、を備える、コンピュータに実行させるためのうつ病の重症度の評価プログラムを提供する。

本実施形態の評価プログラムによれば、自動的にうつ病の重症度を簡便且つ正確に評価することができる。
なお、本明細書において、「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含む。なお、プログラムは、記録媒体に記録されており、必要に応じてコンピュータ等に機械的に読み取られる。記録媒体に記録されたプログラムを各装置で読み取るための具体的な構成や読み取り手順や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、本明細書において、「記録媒体」とは、任意の「可搬用の物理媒体」、任意の「固定用の物理媒体」、又は「通信媒体」を含むものとする。
なお、「可搬用の物理媒体」とは、例えば、フロッピー（登録商標） ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ／Ｗ、ＤＶＤ−ＲＯＭ、ＤＶＤ−Ｒ／Ｗ 、ＤＶＤ−ＲＡＭ、ＤＡＴ、８ｍｍ テープ、メモリカード、ハードディスク、ＲＯＭ（リードオンリーメモリ）、ＳＳＤ、ＵＳＢメモリ等が挙げられ、これらに限定されない。「固定用の物理媒体」とは、例えば、各種コンピュータシステムに内蔵されるＲＯＭ、ＲＡＭ、ＨＤ等が挙げられる。「通信媒体」とは、例えば、ＬＡＮ、ＷＡＮ、インターネット等のネットワークを介してプログラムを送信する場合における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もの等が挙げられる。

［取得工程］
まず、被検者から採取された血液中の上述のバイオマーカーの濃度の測定値を外部から入力等し取得する。

なお、本実施形態の取得工程において、取得される前記バイオマーカーの血中濃度の測定データは、被検者から予め採取した血液を分析して得た前記バイオマーカーの濃度値に関するものである。
ここで、血液中の前記バイオマーカーの分析方法について簡単に説明する。まず、採血した血液サンプルを、ヘパリン処理したチューブに採取し、その後、当該チューブに対して遠心分離を行うことで血漿を分離する。
なお、分離したすべての血漿サンプルは前記バイオマーカーの濃度の測定時まで−７０℃で凍結保存すればよい。
そして、前記バイオマーカーの濃度の測定時に、血漿サンプルに対してスルホサリチル酸（最終濃度：約３％程度）を添加することにより除蛋白処理を行う。
なお、前記バイオマーカーの濃度の測定には、バイオマーカーの種類に応じた分析機器を用いればよい。具体的には、例えば、ＮＭＲ装置、各種質量分析装置（ＧＣ−ＭＳ、ＬＣ−ＭＳ、ＣＥ−ＴＯＦＭＳ等）、キャピラリー電気泳動等を単独で、又は適宜組み合わせて用いればよい。

［判別値算出工程］
次いで、取得されたバイオマーカーの血中濃度のうち少なくとも一つのバイオマーカーの血中濃度、及び前記バイオマーカーの血中濃度を変数とする予め設定した多変量判別式であって前記バイオマーカーのうち少なくとも一つを前記変数として含む前記多変量判別式に基づいて、該多変量判別式の値である判別値を算出する。

なお、前記多変量判別式の種類及び判別値の算出に使用するバイオマーカーの種類等については、上述の＜うつ病の重症度の評価方法＞において説明したとおりである。

ここで、多変量判別式の作成方法（工程１〜工程４）の概要について詳細に説明する。

（工程１）
まず、取得された前記バイオマーカーの血中濃度、及び必要に応じて、被検者の生体情報から、所定の式作成手法に基づいて、多変量判別式の候補である候補多変量判別式（例えば、上記式（１）で表される線形判別式等）を作成する。

なお、工程１において、取得された前記バイオマーカーの血中濃度、及び必要に応じて、被検者の生体情報から、複数の異なる式作成手法（主成分分析、判別分析、サポートベクターマシン、重回帰分析、ロジスティック回帰分析、ｋ−ｍｅａｎｓ法、クラスター解析、決定木等の多変量解析に関するものを含む。）を併用して複数の候補多変量判別式を作成してもよい。
具体的には、多数の健常者群及びうつ病患者群から得た血液を分析して得た前記バイオマーカーの血中濃度、及び必要に応じて、被検者の生体情報から構成される多変量データであるうつ病状態情報に対して、複数の異なるアルゴリズムを利用して複数群の候補多変量判別式を同時並行的に作成してもよい。例えば、異なるアルゴリズムを利用して判別分析及びロジスティック回帰分析を同時に行い、２つの異なる候補多変量判別式を作成してもよい。また、主成分分析を行って作成した候補多変量判別式を利用してうつ病状態情報を変換し、変換したうつ病状態情報に対して判別分析を行うことで候補多変量判別式を作成してもよい。
これにより、最終的に、診断条件に合った適切な多変量判別式を作成することができる。

ここで、主成分分析を用いて作成した候補多変量判別式は、全ての前記バイオマーカーの血中濃度データの分散を最大にするような各バイオマーカー変数からなる一次式である。
また、判別分析を用いて作成した候補多変量判別式は、各群内の分散の和の全ての前記バイオマーカーの血中濃度データの分散に対する比を最小にするような各バイオマーカー変数からなる高次式（指数や対数を含む）である。
また、サポートベクターマシンを用いて作成した候補多変量判別式は、群間の境界を最大にするような各バイオマーカー変数からなる高次式（カーネル関数を含む） である。
また、重回帰分析を用いて作成した候補多変量判別式は、全ての前記バイオマーカーの血中濃度データからの距離の和を最小にするような各バイオマーカー変数からなる高次式である。
また、ロジスティック回帰分析を用いて作成した候補多変量判別式は、尤度を最大にするような各バイオマーカー変数からなる一次式を指数とする自然対数を項に持つ分数式である。
また、ｋ−ｍｅａｎｓ法とは、各バイオマーカー濃度データのｋ個近傍を探索し、近傍点の属する群の中で一番多いものをそのデータの所属群と定義し、入力された前記バイオマーカーの血中濃度データの属する群と定義された群とが最も合致するようなバイオマーカー変数を選択する手法である。
また、クラスター解析とは、全ての前記バイオマーカーの血中濃度データの中で最も近い距離にある点同士をクラスタリング（群化）する手法である。
また、決定木とは、バイオマーカー変数に序列をつけて、序列が上位であるバイオマーカー変数の取りうるパターンから前記バイオマーカーの血中濃度データの群を予測する手法である。

（工程２）
次いで、工程１で作成した候補多変量判別式を、所定の検証手法に基づいて検証（相互検証）する。候補多変量判別式の検証は、工程１で作成した各候補多変量判別式に対して行う。

なお、工程２において、例えば、ブートストラップ法、ホールドアウト法、及びリーブワンアウト法からなる群のうち少なくとも１つの手法等に基づいて候補多変量判別式の判別率、感度、特異度、及び情報量基準のうち少なくとも１つに関して検証してもよい。これにより、うつ病状態情報や診断条件を考慮した予測性又は頑健性の高い候補多変量判別式を作成することができる。

なお、本明細書において、「判別率」とは、全入力データの中で、本実施形態の評価方法を用いて評価したうつ病の状態が正しい割合を意味する。
また、「多変量判別式の感度」とは、入力データに記載されたうつ病と診断されているもの（すなわち、うつ病患者のデータ）の中で、本実施形態の評価方法を用いて評価したうつ病の状態が正しい割合（すなわち、うつ病患者をうつ病であると評価した割合）を意味する。
また、「多変量判別式の特異度」とは、入力データに記載されたうつ病ではないと診断されているもの（すなわち、健常者のデータ）の中で、本実施形態の評価方法を用いて評価したうつ病の状態が正しい割合（すなわち、健常者を正常であると評価した割合）を意味する。
また、「情報量基準」とは、工程１で作成した候補多変量判別式のバイオマーカー変数の数と、本実施形態において評価したうつ病の状態及び入力データに記載されたうつ病の状態の差異と、を足し合わせたものを意味する。
また、「予測性」とは、候補多変量判別式の検証を繰り返すことで得られた判別率、感度、及び特異度を平均したものを意味する。
また、「頑健性」とは、候補多変量判別式の検証を繰り返すことで得られた判別率、感度、及び特異度の分散を意味する。

（工程３）
次いで、工程２での検証結果から所定の変数選択手法に基づいて候補多変量判別式の変数を選択することで、候補多変量判別式を作成する際に用いるうつ病状態情報に含まれる前記バイオマーカーの血中濃度データの組み合わせを選択する。バイオマーカー変数の選択は、工程１で作成した各候補多変量判別式に対して行う。これにより、候補多変量判別式のバイオマーカー変数を適切に選択することができる。次いで、工程３で選択した前記バイオマーカーの血中濃度データを含むうつ病状態情報を用いて再び工程１を実行する。

なお、工程３において、工程２での検証結果から、ステップワイズ法、ベストパス法、近傍探索法、及び遺伝的アルゴリズムのうち少なくとも１つに基づいて候補多変量判別式のバイオマーカー変数を選択してもよい。

なお、本明細書において、「ベストパス法」とは、候補多変量判別式に含まれるアミノ酸変数を１つずつ順次減らしていき、候補多変量判別式が与える評価指標を最適化することでアミノ酸変数を選択する方法を意味する。

（工程４）
上述した工程１、工程２、及び工程３を繰り返し実行し、これにより蓄積した検証結果に基づいて、複数の候補多変量判別式の中から多変量判別式として採用する候補多変量判別式を選出することで、多変量判別式を作成する。
なお、候補多変量判別式の選出には、例えば、同じ式作成手法で作成した候補多変量判別式の中から最適なものを選出する場合と、すべての候補多変量判別式の中から最適なものを選出する場合と、がある。

以上、説明したように、多変量判別式の作成方法では、うつ病状態情報に基づいて、候補多変量判別式の作成、候補多変量判別式の検証、及び候補多変量判別式の変数の選択に関する処理を一連の流れで体系化（システム化）して実行することにより、うつ病の重症度の評価に最適な多変量判別式を作成することができる。換言すると、多変量判別式作成処理では、前記バイオマーカーの血中濃度を多変量の統計解析に用い、最適でロバストな変数の組を選択するために変数選択法とクロスバリデーションとを組み合わせて、診断性能の高い多変量判別式を抽出する。
多変量判別式としては、例えば、ロジスティック回帰、線形判別、サポートベクターマシン、マハラノビス距離法、重回帰分析、クラスター解析等を用いることができる。

［評価工程］
次いで、算出された判別値に基づいて、前記被検者のうつ病の重症度を評価する。
具体的には、判別値と、予め設定された閾値（カットオフ値）とを比較することで、うつ病患者群又は非うつ病患者群（健常者群）であるかを判別することができる。
さらに、前記判別値の値が前記閾値よりも大きいほどうつ病の重症度が高く、一方、前記判別値の値が前記閾値に近いほどうつ病の重症度が低いと評価することができる。

なお、前記予め設定された閾値（カットオフ値）は、上述の＜うつ病の重症度の評価方法＞の［評価工程］において、説明したとおりである。

［出力工程］
次いで、得られた評価結果を出力する。
例えば、コンピュータ上において、上記取得工程から評価工程まで行われ場合、コンピュータのモニタ画面に評価結果が出力される。これにより、医療関係者は評価結果についての情報を取得できる。
また、コンピュータのモニタ画面に出力評価結果は、印刷機等により印刷されてもよい。

［測定工程］
また、さらに、前記取得工程の前に、バイオマーカー測定装置に、前記血液中の当該バイオマーカーの濃度を測定させる測定工程を備えていてもよい。
前記バイオマーカー測定装置としては、バイオマーカーの種類に応じた測定機器を用いればよい。具体的には、例えば、ＮＭＲ装置、各種質量分析装置（ＧＣ−ＭＳ、ＬＣ−ＭＳ、ＣＥ−ＴＯＦＭＳ等）、キャピラリー電気泳動等を単独で、又は適宜組み合わせて用いればよい。
医療関係者は、被検者から血液試料を採取し、必要に応じて、前処理を行い、前記血液試料を前記バイオマーカー測定装置にセットすることで、本実施形態のプログラムでは、自動的に血液試料中のバイオマーカーの濃度を測定する。測定されたバイオマーカーの血中濃度は、続く取得工程において用いられる。

また、本実施形態のプログラムを実行するコンピュータをうつ病の重症度の評価システムとして利用してもよい。

＜うつ病の各種症状を予測するためのバイオマーカー＞
一実施形態において、本発明は、現在、うつ病の診断において用いられているＰａｔｉｅｎｔ Ｈｅａｌｔｈ Ｑｕｅｓｔｉｏｎｎａｉｒｅ（ＰＨＱ）−９、Ｂｅｃｋ Ｄｅｐｒｅｓｓｉｏｎ Ｉｎｖｅｎｔｏｒｙ−ＩＩ（ＢＤＩ−２：ベック抑うつ質問票）、及びＨａｍｉｌｔｏｎ Ｒａｔｉｎｇ Ｓｃａｌｅ ｆｏｒ Ｄｅｐｒｅｓｓｉｏｎ（ＨＡＭＤ：うつ病用ハミルトン評価尺度）の少なくともいずれか一つにおける被検者のうつ病の各種症状を予測するためのバイオマーカーを提供する。

本実施形態のバイオマーカーによれば、ＰＨＱ−９、ＢＤＩ−２、及びＨＡＭＤの少なくともいずれか一つにおける被検者のうつ病の各種症状を簡便且つ正確に予測することができる。
各種症状及び該症状を予測するための具体的なバイオマーカーの組み合わせは、以下に示すとおりである。

（１）Ｌｏｓｓ ｏｆ ｉｎｔｅｒｅｓｔ／ｐｌｅａｓｕｒｅ（興味／楽しみの消失）を予測するためのバイオマーカー
アセチルカルニチン、ウロカニン酸、２−オキソブタン酸、カルバモイルリン酸、プロリン、及び３−メチルヒスチジンからなる群から選ばれる少なくとも一つの化合物。

（２）Ｄｅｐｒｅｓｓｉｖｅ ｆｅｅｌｉｎｇｓ（抑うつ気分）を予測するためのバイオマーカー
Ｎ−アセチルグルタミン酸、２−オキソブタン酸、カルノシン、５−ヒドロキシトリプトファン、プロリン、及びメラトニンからなる群から選ばれる少なくとも一つの化合物。

（３）Ｆｅｅｌｉｎｇ ｏｆ ｗｏｒｔｈｌｅｓｓｎｅｓｓ／ｇｕｉｌｔｙ（自己無価値感／罪悪感）を予測するためのバイオマーカー
アグマチン、ＡＴＰ、アルギニノコハク酸、トリプトファン、バリン、５−ヒドロキシトリプトファン、プロリン、及びホスホエノールピルビン酸からなる群から選ばれる少なくとも一つの化合物。

（４）Ａｇｉｔａｔｉｏｎ／ｒｅｔａｒｄａｔｉｏｎ（気分の不安定（興奮／遅延））を予測するためのバイオマーカー
クエン酸、クレアチン、５−ヒドロキシトリプトファン、４−ヒドロキシプロリン、３−ヒドロキシ酪酸、フマル酸、プロリン、及びロイシンからなる群から選ばれる少なくとも一つの化合物。

（５）Ｓｕｉｃｉｄａｌ ｉｄｅａｔｉｏｎ（自殺企図）を予測するためのバイオマーカー
Ｎ−アセチルグルタミン酸、アラニン、キサンツレン酸、キサントシン、キヌレニン、キヌレン酸、クエン酸、３−ヒドロキシキヌレニン、フェニルアラニン、及びホスホエノールピルビン酸からなる群から選ばれる少なくとも一つの化合物。

（６）睡眠障害を予測するためのバイオマーカー
アグマチン、Ｎ−アセチルアスパラギン酸、Ｎ−アセチルグルタミン、アデニン、ＡＭＰ、ＡＴＰ、イソクエン酸、オルニチン、カルニチン、クエン酸、グルコサミン、β−グリセロリン酸、セロトニン、チロシン、トレオニン、ピルビン酸、ピログルタミン酸、フェニルアラニン、フマル酸、ペントテン酸、２−ホスホグリセリン酸、ＰＲＰＰ、メチオニン、及び３−メチルヒスチジンからなる群から選ばれる少なくとも一つの化合物。

（７）疲労感を予測するためのバイオマーカー
アスパラギン、Ｎ−アセチルアスパラギン酸、２−オキソ酪酸、オルニチン、β−グリセロリン酸、メラトニン、及びプロリンからなる群から選ばれる少なくとも一つの化合物。

＜うつ病の各種症状の予測方法＞
一実施形態において、本発明は、現在、うつ病の診断において用いられているＰＨＱ−９、ＢＤＩ−２、及びＨＡＭＤの少なくともいずれか一つにおける被検者のうつ病の各種症状を予測する方法であって、上述のうつ病の各種症状を予測するためのバイオマーカーの血中濃度を用いる予測方法を提供する。

本実施形態の予測方法によれば、ＰＨＱ−９、ＢＤＩ−２、及びＨＡＭＤの少なくともいずれか一つにおける被検者のうつ病の各種症状を簡便且つ正確に予測することができる。

本実施形態の予測方法は、具体的には以下のとおりである。
まず、被検者から血液試料を採取し、上述のうつ病の各種症状を予測するためのバイオマーカーの血中濃度を測定する。測定方法は、上述の＜うつ病の重症度の評価方法＞に記載の［測定工程］と同様である。

測定するバイオマーカーとしては、予測したいうつ病の症状の種類に応じて適宜選択すればよい。
例えば、予測したい症状がＬｏｓｓ ｏｆ ｉｎｔｅｒｅｓｔ／ｐｌｅａｓｕｒｅ（興味／楽しみの消失）である場合、測定するバイオマーカーは、アセチルカルニチン、ウロカニン酸、２−オキソブタン酸、カルバモイルリン酸、プロリン、及び３−メチルヒスチジンからなる群（以下、「Ｌｏｓｓ ｏｆ ｉｎｔｅｒｅｓｔ／ｐｌｅａｓｕｒｅ予測用バイオマーカー群」と称する場合がある。）から選ばれる少なくとも一つであり、前記Ｌｏｓｓ ｏｆ ｉｎｔｅｒｅｓｔ／ｐｌｅａｓｕｒｅ予測用バイオマーカー群のうち二つ以上であることが好ましく、
前記Ｌｏｓｓ ｏｆ ｉｎｔｅｒｅｓｔ／ｐｌｅａｓｕｒｅ予測用バイオマーカー群の全てを測定することがより好ましい。
複数のバイオマーカーを組み合わせて測定することで、被検者におけるＬｏｓｓ ｏｆ ｉｎｔｅｒｅｓｔ／ｐｌｅａｓｕｒｅの予測の精度を向上することができる。

次いで、測定されたうつ病の各種症状を予測するためのバイオマーカーの血中濃度を用いて、上述の＜うつ病の重症度の評価方法＞に記載の［判定値算出工程］と同様に、予め設定した多変量判別式であって前記バイオマーカーのうち少なくとも一つを前記変数として含む前記多変量判別式に基づいて、該多変量判別式の値である判別値を算出する。

また、前記多変数判別式に用いられる前記バイオマーカーとしては、予測したいうつ病の症状の種類に応じて適宜選択すればよい。
例えば、予測したい症状がＬｏｓｓ ｏｆ ｉｎｔｅｒｅｓｔ／ｐｌｅａｓｕｒｅ（興味／楽しみの消失）である場合、測定するバイオマーカーは、アセチルカルニチン、ウロカニン酸、２−オキソブタン酸、カルバモイルリン酸、プロリン、及び３−メチルヒスチジンからなる群（以下、「Ｌｏｓｓ ｏｆ ｉｎｔｅｒｅｓｔ／ｐｌｅａｓｕｒｅ予測用バイオマーカー群」と称する場合がある。）から選ばれる少なくとも一つであり、前記Ｌｏｓｓ ｏｆ ｉｎｔｅｒｅｓｔ／ｐｌｅａｓｕｒｅ予測用バイオマーカー群のうち二つ以上であることが好ましく、
前記Ｌｏｓｓ ｏｆ ｉｎｔｅｒｅｓｔ／ｐｌｅａｓｕｒｅ予測用バイオマーカー群の全てを測定することがより好ましい。
複数のバイオマーカーを多変数判別式に組み込むことで、被検者におけるＬｏｓｓ ｏｆ ｉｎｔｅｒｅｓｔ／ｐｌｅａｓｕｒｅの予測の精度を向上することができる。

また、さらに、前記多変数判別式における変数として、前記バイオマーカー以外に、その他の被検者の生体情報（例えば、ミネラル、ホルモン等の生体代謝物；性別、年齢、食習慣、飲酒習慣、運動習慣、肥満度、疾患歴、問診データ等）をさらに用いてもよい。

次いで、算出された判別値に基づいて、前記被検者のうつ病の特定の症状の有無を予測する。
具体的には、判別値と、予め設定された閾値（カットオフ値）とを比較することで、うつ病の特定の症状を有する群又はうつ病の特定の症状を有さない群であるかを判別することができる。
さらに、前記判別値の値が前記閾値よりも大きいほどうつ病の特定の症状を強く有し、一方、前記判別値の値が前記閾値に近いほどうつ病の特定の症状を弱く有すると予測することができる。

なお、前記予め設定された閾値（カットオフ値）は、上述の＜うつ病の重症度の評価方法＞の［評価工程］と同様の方法を用いて、得ることができる。

また、被検者における上述のうつ病の各種症状を予測するためのバイオマーカーの血中濃度から算出された判別値を利用したうつ病の各種症状の予測と、他のうつ病の検査とを組み合わせて、うつ病の各種症状の有無を予測してもよい。
他のうつ病の検査としては、例えば、面接による問診（例えば、Ｈａｍｉｌｔｏｎ Ｒａｔｉｎｇ Ｓｃａｌｅ ｆｏｒ Ｄｅｐｒｅｓｓｉｏｎ（ＨＡＭＤ：うつ病用ハミルトン評価尺度）等）や自記式質問票（例えば、Ｐａｔｉｅｎｔ Ｈｅａｌｔｈ Ｑｕｅｓｔｉｏｎｎａｉｒｅ（ＰＨＱ）−９、Ｂｅｃｋ Ｄｅｐｒｅｓｓｉｏｎ Ｉｎｖｅｎｔｏｒｙ−ＩＩ（ＢＤＩ−２：ベック抑うつ質問票）等）によるうつ病の検査、うつ病と相関する遺伝子、タンパク質、及び化合物を指標としたうつ病の検査等が挙げられる。

また、うつ病の重症度を評価するためのバイオマーカーの代わりに、うつ病の各種症状を予測するためのバイオマーカーを用いる以外は、上述の＜うつ病の重症度の評価プログラム＞と同様の方法を用いることで、うつ病の各種症状の予測プログラムを作成することができる。
例えば、Ｓｕｉｃｉｄａｌ ｉｄｅａｔｉｏｎ（自殺企図）を予測するためのバイオマーカーを用いた場合、判別値と、予め設定された閾値（カットオフ値）とを比較することで、自殺企図を有する群又は自殺企図を有しない群であるかを予測することができる。
さらに、前記判別値の値が前記閾値よりも大きいほどうつ病における自殺企図を強く有し、一方、前記判別値の値が前記閾値に近いほどうつ病における自殺企図を弱く有すると予測することができる。

＜うつ病の重症度を評価するためのバイオマーカー及びうつ病の各種症状を予測するためのバイオマーカーの利用用途＞
本実施形態において、上述のバイオマーカーは、うつ病の重症度の評価及びうつ病の各種症状の予測以外に以下に示す用途に利用できる。

［薬効の判定］
一実施形態において、本発明は、上述のうつ病の重症度を評価するためのバイオマーカー及びうつ病の各種症状を予測するためのバイオマーカーを用いるうつ病の治療薬の薬効の判定方法を提供する。

一般に、疾患の治療薬は、個体によってその効果がばらつくことがある。従って、各個体における、ある治療薬の薬効を調べることは非常に有益であり、上述のバイオマーカーを用いれば、容易にその治療薬の薬効を調べることができる。
例えば、うつ病の治療薬を投薬する前後で、うつ病患者から血液を採血し、その採血した血液に含まれる上述のバイオマーカーの含有量を測定して、治療薬を投薬する前後の血液における上述のバイオマーカーの含有量を比較する。そして、治療薬の投与後に、その上述のバイオマーカーの含有量が健常の範囲に近づけば、治療薬は効果があると判定できる。
このように、上述のバイオマーカーを用いることにより、治療薬の効果があるかどうかについて容易に判定することができる。

以下、実施例及び比較例等を挙げて本発明をさらに詳述するが、本発明はこれらの実施例等に限定されるものではない。

［実施例１］
［１］うつ病患者の選定（うつ病の診断）及び血漿サンプルの収集
本実施例におけるうつ病患者のデータは、九州大学、大阪大学、及び国立精神・神経医療センターの３つの機関において、全てのうつ病患者に書面によるインフォームドコンセントを得て使用した。各機関における患者の選定方法について以下に示す。なお、各機関におけるうつ病患者の血漿サンプルの選定フローについては、図１に示す。

（１）データセット１（九州大学）
また、九州大学の７３名の患者のうち、抑うつを呈する未服薬精神科初診患者２６名について、血漿を集めて、ＰＨＱ−９におけるうつ病の重症度を予測可能な回帰モデルの作製に使用した。また、前記２６名のうち、２５名について、ＨＡＭＤ−１７におけるうつ病の重症度を予測可能な回帰モデルの作製に使用した。
なお、各患者は、訓練を受けた精神科医によるＤＳＭ−ＩＶ基準に従ったＳＣＩＤ（Ｓｔｒｕｃｔｕｒｅｄ Ｃｌｉｎｉｃａｌ Ｉｎｔｅｒｖｉｅｗ ｆｏｒ Ｄｉａｇｎｏｓｉｓ）面接法によってうつ病と診断された。

（２）データセット２（大阪大学）
また、大阪大学の１６０名の患者のうち、大うつ病性障害（ｍａｊｏｒ ｄｅｐｒｅｓｓｉｖｅ ｄｉｓｏｒｄｅｒｓ；ＭＤＤ）（すなわち、「うつ病」を意味する。）と診断された服薬中の患者２３名について、ＨＡＭＤ−１７におけるうつ病の重症度を予測可能な回帰モデルの作製に使用した。
なお、各患者は、訓練を受けた２名の精神科医によるＳＣＩＤ面接法によってうつ病と診断された。

（３）データセット３（国立精神・神経医療センター）
また、国立精神・神経医療センターの１０６名の患者のうち、ＭＤＤ（２７名）又は双極性障害（１４名）と診断された服薬及び未服薬患者（４１名）について、ＨＡＭＤ−１７におけるうつ病の重症度を予測可能な回帰モデルの作製に使用した。
なお、各患者は、訓練を受けた心理学者又は精神科医によるＭｉｎｉ−Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｎｅｕｒｏｐｓｙｃｈｉａｔｒｉｃ Ｉｎｔｅｒｖｉｅｗ（Ｍ．Ｉ．Ｎ．Ｉ．）を用いた構造化面接を受けた。また、ＭＤＤ又は双極性障害の診断は、Ｍ．Ｉ．Ｎ．Ｉ．面接、追加の非構造化面接、及び医療記録からの情報に基づいて、ＤＳＭ−ＩＶ基準に従い、行った。

（４）血漿サンプルの収集
また、血漿サンプルの収集は、静脈穿刺による末梢血液採取により行った。

［２］うつ病の重症度の診断
次いで、血漿サンプルの収集と並行して、うつ病の重症度は、ＨＡＭＤ−１７（全ての機関）及びＰＨＱ−９（九州大学のみ）の日本語版を使用して評価した。
なお、全てのＨＡＭＤ−１７スコアは訓練を受けた精神科医又は臨床心理士により評価した。また、ＰＨＱ−９については患者自らに質問票に記入してもらい評価した。

［３］メタボローム解析
次いで、血漿サンプルを用いて、液体クロマトグラフィー質量分析（ＬＣ−ＭＳ）により解析した。具体的には、血漿代謝物は、逆相イオンクロマトグラフィー及び親水性相互作用クロマトグラフィーモードのトリプル四重極型ＬＣＭＳ−８０４０（島津製作所製）を用いて分析した。
逆相イオンクロマトグラフィーは、ＡＣＱＵＩＴＹ ＵＰＬＣ ＢＥＨ Ｃ１８カラム（１００Å〜２．１ｍｍ、１．７μｍの粒子サイズ、Ｗａｔｅｒｓ社製）を用いた。
溶媒Ａ（１５ｍＭ酢酸、１０ｍＭトリブチルアミン）及び溶媒Ｂ（メタノール）からなる移動相を用いた。カラムオーブン温度は４０℃に設定した。
勾配溶出プログラムは次のとおりであった。流速０．３ｍＬ／分：０〜３分、０％溶媒Ｂ；３〜５分、０〜４０％溶媒Ｂ；５〜７分、４０〜１００％溶媒Ｂ、７〜１０分、１００％溶媒Ｂ；１０．１〜１４分、０％溶媒Ｂ。
また、多重反応モニタリング下での負のＥＳＩモードのパラメータは次のとおりであった。乾燥ガス流量１５Ｌ／分；ネブライザーガス流量３Ｌ／分；ＤＬ温度２５０℃；ヒートブロック温度４００℃；衝突エネルギー（ｃｏｌｌｉｓｉｏｎ ｅｎｅｒｇｙ；ＣＥ）２３０ｋＰａ。

また、親水性相互作用クロマトグラフィーは、Ｌｕｎａ ３ｕ ＨＩＬＩＣ ２００Ａカラム（１５０Å〜２ｍｍ、３μｍの粒子サイズ、Ｐｈｅｎｏｍｅｎｅｘ社製）を用いた。
溶媒Ａ（１０ｍＭギ酸アンモニウム水溶液）及び溶媒Ｂ（アセトニトリル：１０ｍＭギ酸アンモニウム水溶液＝９：１）からなる移動相を用いた。カラムオーブン温度は４０℃に設定した。
勾配溶出プログラムは次のとおりであった。流速０．３ｍＬ／分：０〜２．５分、１００％溶媒Ｂ；２．５〜４分、１００〜５０％溶媒Ｂ；４〜７．５分、５０〜５％溶媒Ｂ、７．５〜１０分、５％溶媒Ｂ；１０．１〜１２．５分、１００％溶媒Ｂ。
また、多重反応モニタリング下での正及び負のＥＳＩモードのパラメータは、逆相イオンクロマトグラフィーのときと同様である。

［４］代謝物のデータ処理及びうつ病の重症度を予測可能な回帰モデルの作製
次いで、ＬａｂＳｏｌｕｔｉｏｎｓ ＬＣ−ＭＳ ｓｏｆｔｗａｒｅ ｐｒｏｇｒａｍ（島津製作所製）を用いて、ピーク検出及び保持時間を含むメタボロームデータ処理を行った。
また、各データセットにおける多変量データは、パレートスケーリングで前処理後、ＳＩＭＣＡ １４．０ ｓｏｆｔｗａｒｅ（Ｕｍｅｔｒｉｃｓ社製）を用いて、うつ病の重症度関連バイオマーカーを分離し、うつ病の重症度を予測可能な回帰モデルを作製した。データセット１でのＰＨＱ−９のスコアの測定値とＰＨＱ−９のスコアを予測する回帰モデルによる予測値との関係を示すグラフを図２Ａに、データセット１でのＨＡＭＤ−１７のスコアの測定値とＨＡＭＤ−１７のスコアを予測する回帰モデルによる予測値との関係を示すグラフを図２Ｂに示す。また、データセット２でのＨＡＭＤ−１７のスコアの測定値とＨＡＭＤ−１７のスコアを予測する回帰モデルによる予測値との関係を示すグラフを図２Ｃに、データセット３でのＨＡＭＤ−１７のスコアの測定値とＨＡＭＤ−１７のスコアを予測する回帰モデルによる予測値との関係を示すグラフを図２Ｄに示す。
図２ＡのＸ軸は患者の自記式質問票への回答により測定されたＰＨＱ−９のスコアを表し、Ｙ軸は代謝物の多変量データから予測されるＰＨＱ−９のスコアを表す。また、図２Ｂ、図２Ｃ、及び図２ＤのＸ軸は精神科医又は臨床心理士により診断されたＨＡＭＤ−１７のスコアを表し、Ｙ軸は代謝物の多変量データから予測されるＨＡＭＤ−１７のスコアを表す。
また、図２Ｄ中において、黒い丸はうつ病と診断された患者における値を表し、灰色の丸は双極性障害と診断された患者における値を表す。

ＬＣ−ＭＳの結果、データセット１の抑うつを呈する未服薬精神科初診患者２６名の血漿サンプルから１２３の代謝物が検出された。
また、図２Ａ及び図２Ｂから、ＰＨＱ−９（Ｒ^２＝０．２４）及びＨＡＭＤ−１７（Ｒ^２＝０．２６３）いずれにおいても、測定値と予測値とに良好な相関がみられた。
また、図２Ｃから、データセット１でのＨＡＭＤ−１７の測定値と予測値との相関（Ｒ^２＝０．２６３）と比較して、データセット２でのＨＡＭＤ−１７の測定値と予測値とでは、より強い相関（Ｒ^２＝０．３８６）がみられた。
また、図２Ｄから、データセット１及びデータセット２でのＨＡＭＤ−１７の測定値と予測値との相関度（Ｒ^２＝０．２６３及びＲ^２＝０．３８６）と比較して、データセット３でのＨＡＭＤ−１７の測定値と予測値との相関度は、Ｒ^２＝０．２６３であり、同程度であった。

また、データセット１〜３でのＰＨＱ−９又はＨＡＭＤ−１７のスコアを予測する回帰モデルによる予測値への貢献度が大きい（ＶＩＰ（ｖａｒｉａｂｌｅ ｉｍｐｏｒｔａｎｃｅ ｉｎ ｐｒｏｊｅｃｔｉｏｎ）＞１．０）代謝物を図３に示す。
図３において、３ＨＢは３‐ヒドロキシ酪酸を表し、ＧＡＢＡは４−アミノ酪酸（γ（ｇａｍｍａ）−ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ）を表し、ＴＭＡＯはトリメチルオキサミン（Ｔｒｉｍｅｔｈｙｌｏｘａｍｉｎｅ）を表す。

図３から、服薬の患者であるデータセット２において、予測値への貢献度が大きい代謝物の７４％が未服薬の患者であるデータセット１と重複していた。
また、服薬及び未服薬の患者であるデータセット３においても、予測値への貢献度が大きい代謝物がデータセット１及びデータセット２とほとんど同じであった。
中でも、３‐ヒドロキシ酪酸、ベタイン、クエン酸、クレアチニン、及びＧＡＢＡの５つの代謝物は、服薬の有無及び治療の違いに関係なく、３つのデータセットにおいて共通して、うつ病の重症度に関連していることが明らかとなった。
特に、３‐ヒドロキシ酪酸は、３つのデータセットにおいて、最も予測値への貢献度の大きい代謝物であり、ＨＡＮＤ−１７の総合スコアに正の相関を示すことが明らかとなった。

以上のことから、メタボローム解析により明らかとなったバイオマーカーは、うつ病の重症度を評価するために有用であることが示唆された。

［５］うつ病各種症状と代謝物との相関分析
次いで、うつ病の各種症状と関連した代謝物を明確にするために、データセット１を用いて、ＰＨＱ−９又はＨＡＭＤ−１７のサブスケール（うつ病の各種症状）と１２３の代謝物との相関分析を行った。相関分析方法は、「［４］代謝物のデータ処理及びうつ病の重症度を予測可能な回帰モデルの作製」に記載の、うつ病の重症度と代謝物との相関分析と同じ方法を用いた。
うつ病の各種症状と中程度（相関係数の絶対値が０．３以上）の相関を有する代謝物を各種症状毎に図４Ａに示す。
図４Ａにおいて、灰色の網掛けがかかった代謝物は、それぞれの症状と負の相関を有するものを表す。
また、うつ病における睡眠障害又は疲労と中程度（相関係数の絶対値が０．２以上）の相関を有する代謝物を図４Ｂに示す。
図４Ｂにおいて、斜線の網掛けがかかった値は、相関係数が０．２以上の正の相関を有するものを示し、灰色の網掛けがかかった値は、相関係数が−０．２以下の負の相関を有するものを示す。

図４Ａ及び図４Ｂから、うつ病の症状によって関連のある代謝物の種類が異なることが明らかとなった。
また、データセット１でのＨＡＭＤ−１７のサブスケール（うつ病の各種症状）と代謝物との相関ネットワークを図５に示す。
図５において、実線は各代謝物とうつ病の各種症状との相関を表し、点線はうつ病の各種症状同士の相関を表す。また、線の太さは、相関の強さを反映しており、直線の実線は正の相関を、波線の実線は負の相関を表す。

図５から、例えば、２−オキソ酪酸（３−ヒドロキシ酪酸を含むヒドロキシカルボン酸の一つ）は、「ｌｏｓｓ ｏｆ ｉｎｔｅｒｅｓｔ（関心の喪失）」及び「ｄｅｐｒｅｓｓｉｖｅ ｆｅｅｌｉｎｇｓ（抑うつ気分）」に関連しており、一方、Ｎ−アセチルグルタミン酸は「ｄｅｐｒｅｓｓｉｖｅ ｆｅｅｌｉｎｇｓ（抑うつ気分）」にのみ関連していた。
また、プロリン、５−ヒドロキシトリプトファン、ホスホエノールピルビン酸、ＡＴＰ、及びアグマチンは「ｆｅｅｌｉｎｇ ｏｆ ｗｏｒｔｈｌｅｓｓｎｅｓｓ／ｇｕｉｌｔｙ（自己無価値感／罪悪感）に関連しており、５−ヒドロキシトリプトファンは、「ａｇｉｔａｔｉｏｎ／ｒｅｔａｒｄａｔｉｏｎ（気分の不安定（興奮／遅延））」にも強く関連していた。

また、キヌレニン経路の代謝物は、「ｓｕｉｃｉｄａｌ ｉｄｅａｔｉｏｎ （ＳＩ）（自殺企図）」に負の相関を有しており、クエン酸及びアラニンはＳＩに正の相関を有していた。

次いで、データセット２及びデータセット３においても同様に、ＨＡＭＤ−１７のＳＩと代謝物との相関分析を行った。データセット１〜３に共通してＨＡＭＤ−１７のＳＩと中程度の相関を有する代謝物を図６に示す。図６において、灰色の網掛けがかかった代謝物は、ＳＩと負の相関を有するものを表す。

図６から、データセット２及び３でのＨＡＭＤ−１７のＳＩにおいても、データセット１と同様に、クエン酸は正の相関を有し、キヌレニン経路の代謝物（特に、キヌレニン及び３−ヒドロキシキヌレニン）は負の相関を有することが明らかとなった。

［６］ＳＩの有無を予測するアルゴリズムの作製
うつ病において、ＳＩの有無は自殺予防のためにとても重要である。そのため、ＳＩに焦点を当てた分析をさらに行い、うつ病患者におけるＳＩの有無を予測するアルゴリズムを作製した。ＳＩの有無を予測するアルゴリズムは機械学習モデルを用いて作製した。具体的には、合計１０４データ（データセット１、データセット２、及びデータセット３を含むデータ）のうち、１０種類の訓練データを、ロジスティック回帰、サポートベクターマシン、又はランダムフォレスト法による予測モデルを作製するために使用した（図７Ａ参照。）。図７Ａにおいて、Ｘ軸は「Ｆａｌｓｅ Ｐｏｓｉｔｉｖｅ Ｒａｔｅ」（偽陽性率）を表し、Ｙ軸は「Ｔｒｕｅ Ｐｏｓｉｔｉｖｅ Ｒａｔｅ」（真陽性率）を表す。また、図７Ａにおいて、「Ｈｉｇｈｌｙ ｐｒｅｄｉｃｔｉｖｅ」（点線）は、テストデータセットの予測モデルを作製するために貢献度が高かった曲線（真陽性率及び真陰性率（Ｔｒｕｅ ｒａｔｅ）＞０．７）を表す。
また、「Ｆｉｔｔｉｎｇ Ａｂｉｌｉｔｙ」（当てはまり度）は、ＲＯＣ曲線により可視化し、曲線下面積値（ＡＵＣ）により評価した。「Ｐｒｅｄｉｃｔｉｏｎ Ａｂｉｌｉｔｙ」（予測度）は、テストデータセットにおける真陽性率及び真陰性率（Ｔｒｕｅ ｒａｔｅ）により評価した。
なお、上記機械学習モデル及び統計グラフィックスは、ｇｇｐｌｏｔ２、ｅ１０７１、ｒａｎｄｏｍＦｏｒｅｓｔ、及びＲＯＣを含むＲパッケージを用いて生成した。
ＨＡＭＤ−１７の自殺企図と、強度を標準化した血漿中のクエン酸及びキヌレニンを変数とした多重線形判別式を用いた回帰モデルによる予測値との有意な相関関係（Ｒ＝０．２２、ｐ＝０．０２８）を示すグラフを図７Ｂに示す。図７Ｂにおいて、線形回帰直線は、信頼度９５％の領域（灰色の網掛け部）に描かれた。

図７Ｂから、３つのモデル（２つのロジスティック回帰、及び１つのサポートベクターマシン）は高度に予測に貢献した（ＡＵＣ＞０．７、及びＴｒｕｅ ｒａｔｅ＞０．７）。
さらに、クエン酸及びキヌレニンの２つの代謝物を変数として用いた、ＳＩの程度を予測するアルゴリズムの開発に成功した（Ｒ＝０．２２、ｐ＝０．０２８）。
なお、詳細なデータは示さないが、このアルゴリズムを用いることで、抑うつを呈する患者におけるＳＩの有無を７９％の予測率で判別可能であった。

［実施例２］
［１］うつ病患者の選定（うつ病の診断）及び血漿サンプルの収集
本実施例におけるうつ病患者のデータは、九州大学において、全てのうつ病患者に書面によるインフォームドコンセントを得て使用した。
抑うつを呈する未服薬精神科初診患者２２名（男性１１名、女性１１名、平均年齢３１．１８歳（ＳＤ＝７．２９））について、血漿を集めて、ベック抑うつ質問票（ＢＤＩ−ＩＩ）におけるうつ病の重症度を予測可能な回帰モデルの作製に使用した。なお、各患者は、構造化診断面接ＳＣＩＤ−Ｉでうつ病と診断された。
また、血漿サンプルの収集は、静脈穿刺による末梢血液採取により行った。

［２］うつ病の重症度の診断
次いで、血漿サンプルの収集と並行して、うつ病の重症度は、ベック抑うつ質問票（ＢＤＩ−ＩＩ）を使用して評価した。

［３］メタボローム解析
次いで、実施例１の［３］と同様の方法を用いて、各患者の血漿中のトリプトファン及びキヌレニン経路の代謝物（インドールカルボキシアルデヒド、インドール酢酸カリウム、キヌレン酸、キヌレニン、セロトニン、トリプトファン、キサンツレン酸）、並びにコレステロール（ＬＤＬ−Ｃ、ＨＤＬ−Ｃ）、尿素、総ビリルビン、及びサイトカイン（ＩＬ−１β、ＴＮＦ−α、ＩＬ−４、ＩＬ−６、ＩＬ−１０、ＩＬ−１２）の濃度を測定した。

［４］代謝物のデータ処理及びうつ病の重症度を予測可能な回帰モデルの作製
次いで、実施例１の［４］と同様の方法を用いて、データ処理後、うつ病の重症度を予測可能な回帰モデルを作製した。ＢＤＩ−ＩＩのスコアの測定値とＢＤＩ−ＩＩのスコアを予測する回帰モデルによる予測値との関係を示すグラフを図８に示す。

図８から、ＢＤＩ−ＩＩの測定値とＢＤＩ−ＩＩのスコアを予測する回帰モデルによる予測値との相関度はＲ^２＝０．６５０３と高かった。

以上のことから、メタボローム解析で得られる代謝物に加えて、コレステロール、尿素、サイトカイン等の値を変数として加えることで、より精度の高いうつ病の重症度の予測アルゴリズムを開発できることが示唆された。

本発明のバイオマーカーは、臨床上有用な客観的バイオマーカーであり、うつ病の重症度を簡便に評価することができる。また、本発明のバイオマーカーによれば、抑うつ気分、意欲低下、希死念慮、罪悪感等の様々なうつ病の症状を評価することができる。さらに、本発明のバイオマーカーを元に、うつ病の病態機構の解明に応用することができる。

Claims (15)

1. うつ病の重症度を評価するためのバイオマーカーとしての３−ヒドロキシ酪酸の使用。
2. 前記バイオマーカーが、４−アミノ酪酸（γ（ｇａｍｍａ）−ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ：ＧＡＢＡ）、キヌレン酸、キヌレニン、３−ヒドロキシキヌレニン、クエン酸、クレアチニン、セロトニン、トリプトファン、及びベタインからなる群から選択される少なくとも一つを更に含む請求項１に記載の使用。
3. 前記バイオマーカーが、アルギニン、アルギニノコハク酸、イソロイシン、インドールカルボキシアルデヒド、インドール酢酸カリウム、カルニチン、アセチルカルニチン、オルニチン、キサンツレン酸、クレアチン、グルタミン、ジメチルグリシン、タウリン、トリメチルオキサミン（Ｔｒｉｍｅｔｈｙｌｏｘａｍｉｎｅ：ＴＭＡＯ）、ノルバリン、フェニルアラニン、プロリン、及びリジンからなる群から選択される少なくとも一つを更に含む請求項１又は２に記載の使用。
4. 前記バイオマーカーが、コレステロール、尿酸、ビリルビン、及びサイトカインからなる群から選択される少なくとも一つを更に含む請求項１〜３のいずれか一項に記載の使用。
5. うつ病の重症度を評価するためのデータの収集方法であって、
   血液試料中の３−ヒドロキシ酪酸の濃度を測定する測定工程を含む方法。
6. 前記測定工程において、４−アミノ酪酸（γ（ｇａｍｍａ）−ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ：ＧＡＢＡ）、キヌレン酸、キヌレニン、３−ヒドロキシキヌレニン、クエン酸、クレアチニン、セロトニン、トリプトファン、及びベタインからなる群から選択される少なくとも一つの濃度を更に測定する請求項５に記載の方法。
7. 前記測定工程において、アルギニン、アルギニノコハク酸、イソロイシン、インドールカルボキシアルデヒド、インドール酢酸カリウム、カルニチン、アセチルカルニチン、オルニチン、キサンツレン酸、クレアチン、グルタミン、ジメチルグリシン、タウリン、トリメチルオキサミン（Ｔｒｉｍｅｔｈｙｌｏｘａｍｉｎｅ：ＴＭＡＯ）、ノルバリン、フェニルアラニン、プロリン、及びリジンからなる群から選択される少なくとも一つの濃度を更に測定する請求項５又は６に記載の方法。
8. 前記測定工程において、コレステロール、尿酸、ビリルビン、及びサイトカインからなる群から選択される少なくとも一つの濃度を更に測定する請求項５〜７のいずれか一項に記載の方法。
9. 前記測定工程で測定された化合物のうち少なくとも一つの化合物の血中濃度、及び前記化合物の血中濃度を変数とする予め設定した多変量判別式に基づいて、うつ病の重症度を判別するための値である判別値を算出する判別値算出工程を更に備える請求項５〜８のいずれか一項に記載の方法。
10. 前記多変量判別式が、１つの分数式、複数の前記分数式の和、ロジスティック回帰式、線形判別式、重回帰式、サポートベクターマシンで作成された式、マハラノビス距離法で作成された式、正準判別分析で作成された式、又は決定木で作成された式である請求項９に記載の方法。
11. 被検者から採取された血液中の３−ヒドロキシ酪酸の濃度を取得する取得工程と、
    前記取得工程で取得された前記３−ヒドロキシ酪酸の血中濃度、及び前記３−ヒドロキシ酪酸の血中濃度を変数とする予め設定した多変量判別式に基づいて、うつ病の重症度を判別するための値である判別値を算出する判別値算出工程と、
    前記判別値算出工程で算出された前記判別値に基づいて、前記被検者のうつ病の重症度を評価する評価工程と、
    得られた評価結果を出力する出力工程と、
    をコンピュータに実行させるうつ病の重症度の評価プログラム。
12. 前記取得工程の前に、バイオマーカー測定装置に、前記血液中の前記３−ヒドロキシ酪酸の濃度を測定させる測定工程を更に備える請求項１１に記載のプログラム。
13. 前記取得工程において、被検者から採取された血液中の４−アミノ酪酸（γ（ｇａｍｍａ）−ａｍｉｎｏｂｕｔｙｒｉｃ ａｃｉｄ：ＧＡＢＡ）、キヌレン酸、キヌレニン、３−ヒドロキシキヌレニン、クエン酸、クレアチニン、セロトニン、トリプトファン、及びベタインからなる群から選択される少なくとも一つの濃度を更に取得し、
    前記判別値算出工程において、前記取得工程で取得された化合物のうち少なくとも一つの化合物の血中濃度、及び前記化合物の血中濃度を変数とする予め設定した多変量判別式に基づいて、うつ病の重症度を判別するための値である判別値を算出する請求項１１又は１２に記載のプログラム。
14. 前記取得工程において、被検者から採取された血液中のアルギニン、アルギニノコハク酸、イソロイシン、インドールカルボキシアルデヒド、インドール酢酸カリウム、カルニチン、アセチルカルニチン、オルニチン、キサンツレン酸、クレアチン、グルタミン、ジメチルグリシン、タウリン、トリメチルオキサミン（Ｔｒｉｍｅｔｈｙｌｏｘａｍｉｎｅ：ＴＭＡＯ）、ノルバリン、フェニルアラニン、プロリン、及びリジンからなる群から選択される少なくとも一つの濃度を更に取得する請求項１１〜１３のいずれか一項に記載のプログラム。
15. 前記取得工程において、被検者から採取された血液中のコレステロール、尿酸、ビリルビン、及びサイトカインからなる群から選択される少なくとも一つの濃度を更に取得する請求項１１〜１４のいずれか一項に記載のプログラム。

Images