WO2021221138A1

WO2021221138A1 - アトピー性皮膚炎の検出方法

Info

Publication number: WO2021221138A1
Application number: PCT/JP2021/017112
Authority: WO
Inventors: 聡子深川; 恭子志摩; 直人高田; 高良井上; 准子石川; 哲矢桑野
Original assignee: 花王株式会社
Priority date: 2020-05-01
Filing date: 2021-04-28
Publication date: 2021-11-04
Also published as: CN115485390A; EP4144862A1; US20230235399A1

Abstract

アトピー性皮膚炎を検出するためのマーカー、及び該マーカーを用いたアトピー性皮膚炎の検出方法を提供する。被験者から採取された生体試料に含まれる遺伝子又はその発現産物の発現レベルを測定する工程を含む、当該被験者におけるアトピー性皮膚炎の検出方法。

Description

アトピー性皮膚炎の検出方法

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

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

　アレルギーやアトピーになりやすい遺伝的素因を持っている新生児／乳児は、乳児湿疹、アトピー性皮膚炎、食物アレルギー、さらには気管支喘息、アレルギー性鼻炎など年齢とともに様々なアレルギー疾患を発症すること（アレルギーマーチ）が知られている。このようにアレルギー疾患は、１つの疾患を発症すると別のアレルギー疾患に罹患する可能性が高くなり、その治療も長期にわたることが多い。そのため、乳幼児の段階でアレルギー疾患の発症を抑えることが必要とされている。

　アトピー性皮膚炎の症度の判断は、肉眼による所見を頼りに行われているのが現状である。所見項目としては、乾燥症状、紅斑、鱗屑、丘疹、掻破痕、浮腫、痂疲の付着、小水疱、びらん、痒診結節など様々が存在する。皮膚科医による評価項目としては、Ｓｅｖｅｒｉｔｙ　Ｓｃｏｒｉｎｇ　ｏｆ　Ａｔｏｐｉｃ　Ｄｅｒｍａｔｉｔｉｓ（ＳＣＯＲＡＤ）やＥｃｚｅｍａ　Ａｒｅａ　ａｎｄ　Ｓｅｖｅｒｉｔｙ　Ｉｎｄｅｘ（ＥＡＳＩ）がよく用いられる。しかし、これらの評価方法は、評価者の主観によるところが大きい。

　バイオマーカーを用いてアトピー性皮膚炎を検出する方法として、血液の末梢血好酸球数、血清総ＩｇＥ値、ＬＤＨ（乳酸デヒドロゲナーゼ）値、血清Ｔｈｙｍｕｓ　ａｎｄ　Ａｃｔｉｖａｔｉｏｎ－Ｒｅｇｕｌａｔｅｄ　Ｃｈｅｍｏｋｉｎｅ（ＴＡＲＣ）値、Ｓｑｕａｍｏｕｓ　ｃｅｌｌ　ｃａｒｃｉｎｏｍａ　ａｎｔｉｇｅｎ　１（ＳＣＣＡ１、又はＳｅｒｐｉｎＢ３）及び２（ＳＣＣＡ２、又はＳｅｒｐｉｎＢ４）（非特許文献１、２、３）を検出することが提案されているが、これらの方法は採血を伴うことから侵襲的な方法である。また、皮膚細菌叢における黄色ブドウ球菌のａｇｒＣ変異依存性のＲＮＡＩＩＩ遺伝子（特許文献１）を検出すること等も提案されているが、必ずしも十分な精度でアトピー性皮膚炎の診断が可能であるとは云えない。

　バイオマーカーによるＡＤ検出は、症状の訴えが困難な乳幼児において特に有効である。一方で、アトピー性皮膚炎のバイオマーカーは、患者の年代、例えば小児か成人かに依存して有効性が異なる場合がある。例えば、上記の血清ＴＡＲＣは、２歳以上の小児と比較すると、２歳未満の小児では判定の感度・特異度が低下することが報告されている（非特許文献４）。乳幼児ＡＤの検出に有効なマーカーとして、血中ＩＬ－１８（非特許文献５）が報告されている。また、血中ＳｅｒｐｉｎＢ４が小児及び成人ＡＤの検出に有効であることが報告されている（非特許文献６、７）。また、ＡＤ患児から採取した角層でＳｅｒｐｉｎＢ１２の減少やＳｅｒｐｉｎＢ３の増加がみられたことが報告されている（非特許文献８）が、ただしこの報告では、角層ＳｅｒｐｉｎＢ４はＡＤ関連タンパク質として検出されていない。

　生体由来の核酸は、血液等の体液、分泌物、組織等から抽出することができる。また最近、皮膚表上脂質（ｓｋｉｎ　ｓｕｒｆａｃｅ　ｌｉｐｉｄｓ；ＳＳＬ）に含まれるＲＮＡを生体の解析用の試料として用いること、ＳＳＬから表皮、汗腺、毛包及び皮脂腺のマーカー遺伝子が検出できることが報告されている（特許文献２）。ＳＳＬからアトピー性皮膚炎のマーカー遺伝子が検出できることも報告されている（特許文献３）。

　バイオプシで採取した皮膚組織やテープ剥離した角層などの皮膚サンプルから各種の核酸又はタンパク質マーカーが単離されている。非特許文献９～１４及び特許文献４には、粘着性の弱い接着テープを皮膚に貼付することで皮膚表面から非侵襲的にインターロイキン類（ＩＬｓ）、ＴＮＦ－α、ＩＮＦ－γ、ヒトβディフェンシン（ｈＢＤ２）などのペプチドマーカーを採取し、採取したマーカーを用いて皮膚の疾患や状態を調べたことが記載されている。

（特許文献１）特開２０１９－３０２７２号公報
（特許文献２）国際公開公報第２０１８／００８３１９号
（特許文献３）特開２０２０－０７４７６９号公報
（特許文献４）国際公開公報第２０１４／１４４２８９号
（非特許文献１）Allergy (2002) 57:180-181
（非特許文献２）Ann Clin Biochem.(2012) 49:277-84
（非特許文献３）日皮会誌（2018）128: 2431-2502
（非特許文献４）日本小児アレルギー学会誌（2005）19(5):744-757
（非特許文献５）Allergology International (2003) 52:123-130
（非特許文献６）J Allergy Clin Immunol (2018) 141(5):1934-1936
（非特許文献７）Allergology International (2018) 67:124-130
（非特許文献８）J Allergy Clin Immunol (2020) S0091-6749(20):30571-6
（非特許文献９）Skin Res Technol, 2001, 7(4):227-37
（非特許文献１０）Skin Res Technol, 2002, 8(3):187-93
（非特許文献１１）Med Devices (Auckl), 2016, 9:409-417
（非特許文献１２）Med Devices (Auckl), 2018, 11:87-94
（非特許文献１３）J Tissue Viability, 2019, 28(1):1-6
（非特許文献１４）J Diabetes Res, doi/10.1155/2019/1973704

　一態様において、本発明は、以下のＡ－１）～Ａ－３）に係るものである。
　Ａ－１）被験者から採取された生体試料について、ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルを測定する工程を含む、当該被験者における成人アトピー性皮膚炎の検出方法。
　Ａ－２）前記遺伝子と特異的にハイブリダイズするオリゴヌクレオチド、又は前記遺伝子の発現産物を認識する抗体を含有する、Ａ－１）の方法に用いられる成人アトピー性皮膚炎を検出するための検査用キット。
　Ａ－３）下記表Ａ－ｂに示される２１０種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物からなる、成人アトピー性皮膚炎の検出マーカー。

　別の一態様において、本発明は、以下のＢ－１）～Ｂ－３）に係るものである。
　Ｂ－１）被験者から採取された生体試料について、ＩＭＰＤＨ２、ＥＲＩ１、ＦＢＸＷ２、ＳＴＫ１７Ｂ、ＴＡＧＬＮ２、ＡＭＩＣＡ１及びＨＮＲＮＰＡ１からなる７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルを測定する工程を含む、当該被験者における乳幼児アトピー性皮膚炎の検出方法。
　Ｂ－２）前記遺伝子と特異的にハイブリダイズするオリゴヌクレオチド、又は前記遺伝子の発現産物を認識する抗体を含有する、Ｂ－１）の方法に用いられる乳幼児アトピー性皮膚炎を検出するための検査用キット。
　Ｂ－３）下記表Ｂ－ｂ－１～Ｂ－ｂ－２に示される遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物からなる、乳幼児アトピー性皮膚炎の検出マーカー。

　さらに別の一態様において、本発明は、以下を提供する。
　被験者から採取した皮膚表上脂質から、下記表Ｃ－１－１～Ｃ－１－１３に示すタンパク質からなる群より選択される少なくとも１種のタンパク質を回収することを含む、アトピー性皮膚炎検出用タンパク質マーカーの調製方法。
　被験者から採取した皮膚表上脂質から、下記表Ｃ－１－１～Ｃ－１－１３に示すタンパク質からなる群より選択される少なくとも１種のタンパク質を検出することを含む、被験者におけるアトピー性皮膚炎の検出方法。
　下記表Ｃ－２－１～Ｃ－２－５に示すタンパク質からなる群より選択される少なくとも１種のタンパク質を含む、アトピー性皮膚炎検出用タンパク質マーカー。

　さらに別の一態様において、本発明は、以下を提供する。
　乳幼児被験者から採取された皮膚表上脂質におけるＳｅｒｐｉｎＢ４タンパク質の発現レベルを測定する工程を含む、該被験者における乳幼児アトピー性皮膚炎の検出方法。
　ＳｅｒｐｉｎＢ４タンパク質を認識する抗体を含有する、前記乳幼児アトピー性皮膚炎の検出方法に用いられる乳幼児アトピー性皮膚炎を検出するための検査用キット。

乳幼児の健常群（ＨＬ）の健常部（顔）とＡＤ群（ＡＤ）の皮疹部（顔）由来ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルを示す箱ひげ図である。図中には各データのプロットを示し、ひげの最下端及び最上端は、データの最小値及び最大値、箱の下端より第１四分位数、第２四分位数（中央値）、第３四分位数を表示した（以下の図２～４、７～１１も同様）。＊＊＊：Ｐ＜０．００１（Ｓｔｕｄｅｎｔ'ｓ　ｔ－ｔｅｓｔ）。乳幼児の健常群（ＨＬ）の健常部（顔）、ならびに軽症ＡＤ群（Ｍｉｌｄ）及び中等症ＡＤ群（Ｍｏｄｅｒａｔｅ）の皮疹部（顔）由来ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルを示す箱ひげ図である。＊：Ｐ＜０．０５、＊＊＊：Ｐ＜０．００１（Ｔｕｋｅｙ'ｓ　ｔｅｓｔ）。乳幼児の健常群（ＨＬ）の健常部（背中）とＡＤ群（ＡＤ）の無疹部（背中）由来ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルを示す箱ひげ図である。＊＊：Ｐ＜０．０１（Ｓｔｕｄｅｎｔ'ｓ　ｔ－ｔｅｓｔ）。乳幼児の健常群（ＨＬ）の健常部（背中）、ならびに軽症ＡＤ群（Ｍｉｌｄ）及び中等症ＡＤ群（Ｍｏｄｅｒａｔｅ）の無疹部（背中）由来ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルを示す箱ひげ図である。＊：Ｐ＜０．０５（Ｔｕｋｅｙ'ｓ　ｔｅｓｔ）。乳幼児の健常群（ＨＬ）の健常部（顔）とＡＤ群（ＡＤ）の皮疹部（顔）由来ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質発現レベルのＲＯＣ曲線。乳幼児の健常群（ＨＬ）の健常部（背中）とＡＤ群（ＡＤ）の無疹部（背中）由来ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質発現レベルのＲＯＣ曲線。乳幼児の健常群（ＨＬ）の健常部（顔）とＡＤ群（ＡＤ）の皮疹部（顔）由来ＳＳＬ中ＳｅｒｐｉｎＢ４　ＲＮＡの発現レベルを示す箱ひげ図である。ｎ．ｓ．：有意差なし（Ｓｔｕｄｅｎｔ'ｓ　ｔ－ｔｅｓｔ）。成人の健常群（ＨＬ）の健常部（顔）とＡＤ群（ＡＤ）の皮疹部（顔）由来ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質発現レベルを示す箱ひげ図である。ｎ．ｓ．：有意差なし（Ｓｔｕｄｅｎｔ'ｓ　ｔ－ｔｅｓｔ）。乳幼児の健常群（ＨＬ）の健常部（背中）とＡＤ群（ＡＤ）の無疹部（背中）由来ＳＳＬ中ＩＬ－１８タンパク質の発現レベルを示す箱ひげ図である。ｎ．ｓ．：有意差なし（Ｓｔｕｄｅｎｔ'ｓ　ｔ－ｔｅｓｔ）。乳幼児の健常群（ＨＬ）の健常部（顔）とＡＤ群（ＡＤ）の皮疹部（顔）由来ＳＳＬ中ＳｅｒｐｉｎＢ１２タンパク質の発現レベルを示す箱ひげ図である。ｎ．ｓ．：有意差なし（Ｓｔｕｄｅｎｔ'ｓ　ｔ－ｔｅｓｔ）。乳幼児の健常群（ＨＬ）の健常部（背中）とＡＤ群（ＡＤ）の無疹部（背中）由来ＳＳＬ中ＳｅｒｐｉｎＢ１２タンパク質の発現レベルを示す箱ひげ図である。ｎ．ｓ．：有意差なし（Ｓｔｕｄｅｎｔ'ｓ　ｔ－ｔｅｓｔ）。

発明の詳細な説明

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

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

　本明細書において「遺伝子」とは、ヒトゲノムＤＮＡを含む２本鎖ＤＮＡの他、ｃＤＮＡを含む１本鎖ＤＮＡ（正鎖）、当該正鎖と相補的な配列を有する１本鎖ＤＮＡ（相補鎖）、及びこれらの断片を包含するものであって、ＤＮＡを構成する塩基の配列情報の中に、何らかの生物学的情報が含まれているものを意味する。また当該「遺伝子」は、特定の塩基配列で表される「遺伝子」だけではなく、これらの同族体（すなわち、ホモログもしくはオーソログ）、遺伝子多型等の変異体、及び誘導体をコードする核酸が包含される。

　本明細書において、アトピー性皮膚炎マーカー（アトピー性皮膚炎の検出のためのマーカー、以下、「アトピー性皮膚炎の検出マーカー」又は「アトピー性皮膚炎検出用マーカー」ともいう）となり得る遺伝子（以下、「標的遺伝子」とも称す）には、アトピー性皮膚炎を検出するためのバイオマーカーとなり得る限り、当該遺伝子を構成するＤＮＡの塩基配列と実質的に同一の塩基配列を有する遺伝子も包含される。ここで、実質的に同一の塩基配列とは、例えば、相同性計算アルゴリズムNCBI BLASTを用い、期待値＝１０；ギャップを許す；フィルタリング＝ＯＮ；マッチスコア＝１；ミスマッチスコア＝－３の条件にて検索をした場合、当該遺伝子を構成するＤＮＡの塩基配列と９０％以上、好ましくは９５％以上、より好ましく９８％以上、さらに好ましくは９９％以上の同一性があることを意味する。

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

　本明細書中に開示される遺伝子の名称は、ＮＣＢＩ（[www.ncbi.nlm.nih.gov/]）に記載のあるＯｆｆｉｃｉａｌ　Ｓｙｍｂｏｌに従う。一方で遺伝子オントロジー（ＧＯ）に関しては、Ｓｔｒｉｎｇ（[string-db.org/]）に記載のあるＰａｔｈｗａｙ　ＩＤ．に従う。本明細書中に開示されるタンパク質の名称は、ＵｎｉＰｒｏｔ（[https://www.uniprot.org/]）に記載のあるＧｅｎｅ　Ｎａｍｅ或いはＰｒｏｔｅｉｎ　Ｎａｍｅに従う。

　本明細書において、機械学習における「特徴量」とは「説明変数」と同義である。本明細書において、アトピー性皮膚炎検出用マーカーから選択される機械学習に使用する遺伝子又はその発現産物を合わせて「特徴量遺伝子」と称することがある。また本明細書において、アトピー性皮膚炎検出用タンパク質マーカーから選択される機械学習に使用するタンパク質を「特徴量タンパク質」と称することもある。

　本明細書において、「皮膚表上脂質（ｓｋｉｎ　ｓｕｒｆａｃｅ　ｌｉｐｉｄｓ；ＳＳＬ）」とは、皮膚の表上に存在する脂溶性画分をいい、皮脂と呼ばれることもある。一般に、ＳＳＬは、皮膚にある皮脂腺等の外分泌腺から分泌された分泌物を主に含み、皮膚表面を覆う薄い層の形で皮膚表上に存在している。ＳＳＬは、皮膚細胞で発現したＲＮＡを含むことが知られている（特許文献２参照）。

　本明細書において、「皮膚」とは、特に限定しない限り、角層、表皮、真皮、毛包、ならびに汗腺、皮脂腺及びその他の腺などの組織を含む領域の総称である。

　本明細書において、「乳幼児」とは、広義には第２次性徴が開始する前の「小児」、具体的には１２歳以下の小児を含めた概念であり、好ましくは０歳から学童に入るまでの年齢、具体的には０歳から５歳までの乳幼児を指す。本明細書において、「成人」とは、広義には「乳幼児」に該当しない人を指すが、好ましくは第２次性徴が終了した人を指し、具体的には１６歳以上の人が好ましく、２０歳以上の人がより好ましい。

　「アトピー性皮膚炎」（ＡＤ）とは、増悪・寛解を繰り返す、そう痒のある湿疹を主病原とする疾患を指す。ＡＤ患者の多くは、アトピー素因を持つとされている。アトピー素因としては、ｉ）家族歴・既往歴（気管支喘息，アレルギー性鼻炎・結膜炎，アトピー性皮膚炎、食物アレルギーのうちいずれか，あるいは複数の疾患）、又はii）ＩｇＥ抗体を産生し易い素因が挙げられる。アトピー性皮膚炎の多くは乳幼児に発症し、成長と共に軽快傾向を示すが、近年では成人のアトピー性皮膚炎も増加している。本明細書におけるアトピー性皮膚炎は、乳幼児に発症する乳幼児アトピー性皮膚炎（乳幼児ＡＤ）と、乳幼児以外の成人に発症する成人アトピー性皮膚炎（成人ＡＤ）とを包含する。

　乳幼児ＡＤの皮疹は、乳児期は頭、顔にはじまりしばしば体幹、四肢に下降し、１歳以降の幼児期には、顔面の皮疹は減少し、頸部、四肢関節部を中心に出現するという特徴がある。乳幼児ＡＤと成人ＡＤの違いについては、近年、成人ＡＤが乳幼児ＡＤに比べて、慢性的な炎症異常に伴う表皮角化異常が認められることが報告されているが（Journal of allergy and clinical immunology, 141(6):2094-2106, 2018）、報告数が少なく明確になっていない。

　アトピー性皮膚炎の進行の程度（重症度）は、例えば症状なし、軽微、軽症（軽度）、中等症（中等度）、重症（重度）のように分類される。重症度は、例えばアトピー性皮膚炎診療ガイドライン（日本皮膚科学会刊行、日皮会誌，128(12)：2431-2502，2018（平成30））に記載の重症度評価法に基づいて分類することができる。アトピー性皮膚炎診療ガイドラインにはいくつかの重症度評価法が記載されており、例えば全体の重症度を評価法するための、統計学的信頼性と妥当性が検証されている重症度分類法として、日本皮膚科学会アトピー性皮膚炎重症度分類検討委員会によるアトピー性皮膚炎重症度分類（日皮会誌，111:2023-2033(2001)、日皮会誌，108:1491-1496(1998)）、Severity Scoring of Atopic Dermatitis（「ＳＣＯＲＡＤ」；Dermatology, 186:23-31（1993）、Eczema Area and Severity Index（「ＥＡＳＩ」；Exp Dermatol, 10:11-18 (2001)）などがあることが記載されている。アトピー性皮膚炎診療ガイドラインに記載されているこのほかの重症度分類法として、皮疹の重症度評価、痒みの評価、患者による評価、ＱＯＬ評価法がある。例えば、ＥＡＳＩは、頭頚部、体幹、上肢、下肢を評価部位とし、それぞれの評価部位における紅斑、浮腫/浸潤/丘疹、掻破痕、苔癬化の４つの症状別スコアと、評価部位全体に占める上の４つの症状の面積のパーセンテージ（％）に基づいて算出される、０～７２の値である。ＥＡＳＩスコアによる重症度分類の例としては、ＥＡＳＩスコアが０より大きく６未満であれば「軽症」、ＥＡＳＩスコアが６以上２３未満であれば「中等症」、ＥＡＳＩスコアが２３以上７２以下であれば「重症」に分類することができるが（Br J Dermatol, 177:1316-1321（2017））、この限りではない。

　本明細書において、アトピー性皮膚炎の「検出」とは、アトピー性皮膚炎の存在又は不存在を明らかにする意味である。本明細書において、乳幼児アトピー性皮膚炎の「検出」とは、乳幼児アトピー性皮膚炎の存在又は不存在を明らかにする意味である。

　本明細書において、「検出」という用語は、検査、測定、判定、評価又は評価支援という用語で言い換えることもできる。なお、本明細書において「検査」、「測定」、「判定」又は「評価」という用語は、医師によるそれらの行為を含むものではない。

（１．成人ＡＤの検出マーカー及びこれを用いた成人ＡＤの検出方法）
　本発明者らは、成人のＡＤ患者と健常者からＳＳＬを採取し、ＳＳＬ中に含まれるＲＮＡの発現状態をシーケンス情報として網羅的に解析した結果、特定の遺伝子の発現レベルが両者の間で有意に異なり、これを指標としてＡＤを検出できることを見出した。したがって、本発明の一態様は、成人ＡＤを検出するためのマーカー、及び該マーカーを用いた成人ＡＤの検出方法を提供することに関する。本発明によれば、簡便且つ非侵襲的に、成人ＡＤを早期に、高い精度、感度及び特異度で検出することが可能となる。

　後述する実施例に示すように、成人の健常者１４名及び成人のＡＤ患者２９名のＳＳＬから抽出されたＲＮＡの発現量のデータ（リードカウント値）について、ＤＥＳｅｑ２（Love MI et al. Genome Biol. 2014）を用いて補正されたカウント値（Ｎｏｒｍａｌｉｚｅｄ　ｃｏｕｎｔ値）を用いて、健常者と比較してＡＤ患者における尤度比検定によるｐ値の補正値（ＦＤＲ）が０．０５未満となるＲＮＡを抽出することにより、発現上昇遺伝子４８種、発現低下遺伝子７５種（計１２３遺伝子（表Ａ－１－１～Ａ－１－３）が同定された。表中、「ＵＰ」で示される遺伝子は、成人ＡＤ患者で発現レベルが上がる遺伝子であり、「ＤＯＷＮ」で示される遺伝子は、成人ＡＤ患者で発現レベルが下がる遺伝子である。
　したがって、斯かる１２３種の遺伝子群より選択される遺伝子又はその発現産物は、成人ＡＤを検出するための成人アトピー性皮膚炎マーカーとなり得る。当該遺伝子群のうち１０７遺伝子（表Ａ－１－１～Ａ－１－３において＊を付し太字で表示）は、これまでに成人ＡＤとの関係が報告されていない遺伝子である。

　また、該被験者からの全てのＳＳＬ由来ＲＮＡの発現量のデータ（７４２９遺伝子のＬｏｇ₂（ＲＰＭ＋１）値）を説明変数とし、健常者とＡＤ患者を目的変数とし、機械学習アルゴリズムとしてランダムフォレスト（Breiman L. Machine Learning (2001) 45;5-32）を用いて特徴量遺伝子の抽出及び予測モデルの構築を試みた。後述する実施例に示すように、ジニ係数に基づく変数重要度の上位１５０遺伝子（表Ａ－３－１～Ａ－３－４）を特徴量遺伝子として選択し、これを用いて予測モデルを構築したところ、成人ＡＤの予測が可能であることが示された。
　したがって、斯かる１５０種の遺伝子群より選択される遺伝子又はその発現産物は、成人ＡＤを検出するための好適な成人アトピー性皮膚炎マーカーとなり得る。そして、このうち１２７遺伝子（表Ａ－３－１～Ａ－３－４において＊を付し太字で表示）は、これまでにＡＤとの関係が報告されていない新規な成人アトピー性皮膚炎マーカーである。後述する実施例に示すように、これら新規のアトピー性皮膚炎マーカーを用いた予測モデルでも成人ＡＤの予測が可能である。

　また、該健常者とＡＤ患者で発現変動が見られた上記の１２３遺伝子又はそのうちの１０７遺伝子の発現量のデータ（Ｌｏｇ₂（ＲＰＭ＋１）値）を用いて、同様にランダムフォレストを用いて予測モデルの構築を試みたところ、いずれにおいても成人ＡＤの予測が可能であることが示された。

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

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

　ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子は、上述した発現変動解析で抽出された表Ａ－１－１～Ａ－１－３で示される１２３種の遺伝子群（Ａ）と、ランダムフォレストにより特徴量遺伝子として選択された表Ａ－３－１～Ａ－３－４で示される１５０種の遺伝子群（Ｂ）と、Ｂｏｒｕｔａ法により特徴量遺伝子として選択された表Ａ－４で示される４５種の遺伝子群（Ｃ）に共通する遺伝子（Ａ∩Ｂ∩Ｃ）であって、従来ＡＤと関連付けられていない遺伝子である（各表において＊を付し太字で表示）。したがって、これらの遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物は、成人ＡＤを検出するための、新規な成人アトピー性皮膚炎マーカーとして特に有用である。斯かる１７種の遺伝子は、それぞれ単独で成人アトピー性皮膚炎マーカーとなり得るが、２種以上、好ましくは５種以上、より好ましくは１０種以上を組み合わせて用いることが好ましく、１７種全てを組み合わせて用いるのがよりさらに好ましい。

　本発明の成人ＡＤの検出方法は、成人被験者から採取された生体試料について、標的遺伝子、一態様として、ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルを測定する工程を含む。

　あるいは、成人ＡＤ患者由来の標的遺伝子又はその発現産物の発現レベルと、成人健常者由来の標的遺伝子又はその発現産物の発現レベルの測定値を利用して、ＡＤ患者と健常者とを分ける判別式（予測モデル）を構築し、当該判別式を利用して、成人ＡＤを検出することができる。したがって、ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子、及び当該１７種の遺伝子を含む表Ａ－１－１～Ａ－１－３で示される１２３遺伝子、表Ａ－３－１～Ａ－３－４で示される１５０遺伝子、又は表Ａ－４で示される４５遺伝子を特徴量遺伝子として、成人ＡＤの予測が可能な予測モデルを構築することができる。

　上記成人ＡＤ患者群と成人健常者群とを分ける判別式を作成する場合、特徴量遺伝子としてＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子から選択される１つの遺伝子又は２種以上、好ましくは５種以上、より好ましくは１０種以上、よりさらに好ましくは１７種全てを選択し、その遺伝子又はその発現産物の発現データを用いる。さらに、複数の遺伝子を選択する場合、これら遺伝子の表Ａ－３－１～Ａ－３－４における変数重要度のより上位の遺伝子から順に特徴量遺伝子として選択し、判別式を作成するのが好ましい。また、当該１７種の遺伝子に、前記表Ａ－ａで示される２４５遺伝子、表Ａ－１－１～Ａ－１－３で示される１２３遺伝子、表Ａ－３－１～Ａ－３－４で示される１５０遺伝子又は表Ａ－４で示される４５遺伝子において、当該１７種の遺伝子以外の遺伝子から選ばれる少なくとも１つ、５以上、１０以上、２０以上又は５０以上の遺伝子又はその発現産物の発現データを適宜加えることにより、判別式を作成し、成人ＡＤの検出をすることも可能である。当該１７種の遺伝子以外の遺伝子を表Ａ－３－１～Ａ－３－４に示される１５０遺伝子から選択する場合は、変数重要度のより上位の遺伝子から順に、あるいは変数重要度が上位から５０位以内、好ましくは３０位以内の遺伝子から特徴量遺伝子を選択してもよい。さらに、当該１７種の遺伝子以外の遺伝子を特徴量遺伝子として選択する場合には、表Ａ－１－１～Ａ－１－３、表Ａ－３－１～Ａ－３－４及び表Ａ－４において＊を付し太字で表示された新規のアトピー性皮膚炎マーカーから特徴量遺伝子を選択するのが好ましい。
　好ましくは、上記１７遺伝子、表Ａ－１－１～Ａ－１－３で示される１２３遺伝子又は１０７遺伝子（表Ａ－１－１～Ａ－１－３において＊を付し太字で表示）、表Ａ－３－１～Ａ－３－４で示される１５０遺伝子又は１２７遺伝子（表Ａ－３－１～Ａ－３－４において＊を付し太字で表示）、又は表Ａ－４で示される４５遺伝子又は３９遺伝子（表Ａ－４において＊を付し太字で表示）を特徴量遺伝子とする判別式が挙げられる。

　本発明において、上記のＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子又はその発現産物から選ばれる成人アトピー性皮膚炎マーカーは、好ましくはＴＭＰＲＳＳ１１Ｅ遺伝子及びＳＰＤＹＥ７Ｐ遺伝子を含まない。例えば、本発明の成人ＡＤの検出方法において上記１７種の遺伝子又はその発現産物の発現レベルを測定する場合、好ましくは、ＴＭＰＲＳＳ１１Ｅ遺伝子及びＳＰＤＹＥ７Ｐ遺伝子の発現レベルは、単独又はそれらのみの組み合わせでは測定されない。

　本発明において、表Ａ－１－１～Ａ－１－３において＊を付し太字で表示された１０７遺伝子又はその発現産物から選ばれる成人アトピー性皮膚炎マーカーは、好ましくは下表Ａ－５－ａに示される１５遺伝子を含まない。
　本発明において、表Ａ－３－１～Ａ－３－４において＊を付し太字で表示された１２７遺伝子又はその発現産物から選ばれる成人アトピー性皮膚炎マーカーは、好ましくは下表Ａ－５－ｂに示される８遺伝子を含まない。
　本発明において、表Ａ－４において＊を付し太字で表示された３９遺伝子又はその発現産物から選ばれる成人アトピー性皮膚炎マーカーは、好ましくは下表Ａ－５－ｃに示される５遺伝子を含まない。
　本発明において、表Ａ－ｂに示される２１０遺伝子又はその発現産物から選ばれる成人アトピー性皮膚炎マーカーは、好ましくは下表Ａ－５－ｄに示される２３遺伝子を含まない。

　あるいは、又は加えて、本発明において、表Ａ－ａに示される２４５遺伝子又はその発現産物から選ばれる成人アトピー性皮膚炎マーカーは、好ましくは下表Ａ－５－ｅに示される１３種の遺伝子の発現産物であるタンパク質マーカーを含まない。例えば、本発明において、表Ａ－ｂに示される２１０遺伝子又はその発現産物から選ばれる成人アトピー性皮膚炎マーカーは、好ましくは下表Ａ－５－ｆに示される９種の遺伝子の発現産物であるタンパク質マーカーを含まない。

　本発明において用いられる生体試料としては、アトピー性皮膚炎の発症、進行に伴い本発明の遺伝子が発現変化する組織及び生体材料であればよい。具体的には臓器、皮膚、血液、尿、唾液、汗、角層、皮膚表上脂質（ＳＳＬ）、組織浸出液等の体液、血液から調製された血清、血漿、その他、便、毛髪等が挙げられ、好ましくは皮膚、角層、又は皮膚表上脂質（ＳＳＬ）、より好ましくは皮膚表上脂質（ＳＳＬ）が挙げられる。ＳＳＬが採取される皮膚の部位としては、特に限定されず、頭、顔、首、体幹、手足等の身体の任意の部位の皮膚が挙げられ、皮脂の分泌が多い部位、例えば顔の皮膚が好ましい。
　生体試料を採取する成人被験者は、ＡＤの検出を必要とする人又はＡＤの発症が疑われる人が好ましく、性別及び年齢は限定されないが、好ましくは１６歳以上の人であり、より好ましくは２０歳以上の人である。

（２．乳幼児ＡＤの検出マーカー及びこれを用いた乳幼児ＡＤの検出方法）
　また本発明者らは、ＡＤを有する乳幼児とアレルギー素因のない健常皮膚の乳幼児からＳＳＬを採取し、ＳＳＬ中に含まれるＲＮＡの発現状態をシーケンス情報として網羅的に解析した結果、特定の遺伝子の発現レベルが両者の間で有意に異なり、これを指標として乳幼児ＡＤを検出できることを見出した。したがって、本発明の別の一態様は、乳幼児ＡＤを検出するためのマーカー、及び該マーカーを用いた乳幼児ＡＤの検出方法を提供することに関する。本発明によれば、簡便且つ非侵襲的に、乳幼児ＡＤを早期に、高い精度、感度及び特異度で検出することが可能となる。

　後述する実施例に示すように、健常児２８名／ＡＤ罹患児２５名のＳＳＬから抽出されたＲＮＡの発現量のデータ（リードカウント値）について、ＤＥＳｅｑ２を用いて補正されたカウント値（Ｎｏｒｍａｌｉｚｅｄ　ｃｏｕｎｔ値）を用いて、健常児と比較してＡＤ罹患児における尤度比検定によるｐ値の補正値（ＦＤＲ）が０．２５未満となるＲＮＡを抽出することにより、発現上昇遺伝子６１種、発現低下遺伝子３１０種（計３７１遺伝子（表Ｂ－１－１～Ｂ－１－９）が同定された。表中、「ＵＰ」で示される遺伝子は、ＡＤ罹患児で発現レベルが上がる遺伝子であり、「ＤＯＷＮ」で示される遺伝子は、ＡＤ罹患児で発現レベルが下がる遺伝子である。
　したがって、斯かる３７１種の遺伝子群より選択される遺伝子又はその発現産物は、乳幼児ＡＤを検出するための乳幼児アトピー性皮膚炎マーカーとなり得る。当該遺伝子群のうち３１８遺伝子（表Ｂ－１－１～Ｂ－１－９において＊を付し太字で表示）は、これまでにＡＤとの関係が報告されていない遺伝子である。

　また、該被験者から検出された全てのＳＳＬ由来ＲＮＡの発現量のデータ（３４８６遺伝子のＬｏｇ₂（ＲＰＭ＋１）値）を説明変数とし、健常児と乳幼児ＡＤ患者を目的変数とし、機械学習アルゴリズムとしてランダムフォレストを用いて特徴量遺伝子の抽出及び予測モデルの構築を試みた。後述する実施例に示すように、ジニ係数に基づく変数重要度の上位１００遺伝子（表Ｂ－３－１～Ｂ－３－３）を特徴量遺伝子として選択し、これを用いたモデルで乳幼児ＡＤの予測が可能であることが示された。
　したがって、斯かる１００種の遺伝子群より選択される遺伝子又はその発現産物は、乳幼児ＡＤを検出するための好適な乳幼児アトピー性皮膚炎マーカーとなり得る。当該遺伝子群のうち９２遺伝子（表Ｂ－３－１～Ｂ－３－３において＊を付し太字で表示）は、これまでにＡＤとの関係が報告されていない遺伝子であり、新規な乳幼児アトピー性皮膚炎マーカーである。後述する実施例に示すように、これら新規の乳幼児アトピー性皮膚炎マーカーを用いた予測モデルでも乳幼児ＡＤの予測が可能である。

　また、健常児とＡＤ罹患児で発現変動が見られた上記の３７１遺伝子又はそのうちの３１８遺伝子の発現量のデータ（Ｌｏｇ₂（ＲＰＭ＋１）値）を用いて、同様にランダムフォレストを用いて予測モデルの構築を試みたところ、いずれにおいても乳幼児ＡＤの予測が可能であることが示された

　また、機械学習アルゴリズムとしてＢｏｒｕｔａ法を用いて特徴量遺伝子の抽出（最大試行回数１０００回、ｐ値０．０１未満）を行ったところ、９種の遺伝子（表Ｂ－４）が特徴量遺伝子として抽出され、後述の実施例で示すように、これを用いたランダムフォレストによる予測モデルで乳幼児ＡＤの予測が可能であることが示された。
　したがって、斯かる９種の遺伝子群より選択される遺伝子又はその発現産物は、乳幼児ＡＤを検出するための乳幼児アトピー性皮膚炎マーカーとなり得る。当該遺伝子群のうち７遺伝子（表Ｂ－４において＊を付し太字で表示）は、これまでにＡＤとの関係が全く報告されていない遺伝子であり、新規な乳幼児アトピー性皮膚炎マーカーである。後述する実施例に示すように、これら新規の乳幼児アトピー性皮膚炎マーカーを用いた予測モデルでも乳幼児ＡＤの予測が可能である。

　上述した発現変動解析で抽出された表Ｂ－１－１～Ｂ－１－９で示される３７１種の遺伝子群（Ａ）と、ランダムフォレストにより特徴量遺伝子として選択された表Ｂ－３－１～Ｂ－３－３で示される１００種の遺伝子群（Ｂ）及びＢｏｒｕｔａ法により特徴量遺伝子として選択された表Ｂ－４で示される９種の遺伝子群（Ｃ）の和（Ａ∪Ｂ∪Ｃ）である４４１種の遺伝子（表Ｂ－ａ－１～Ｂ－ａ－２）は、いずれも乳幼児アトピー性皮膚炎マーカーである。このうち３８３種（表Ｂ－ｂ－１～Ｂ－ｂ－２）は、新規な乳幼児アトピー性皮膚炎マーカーである。

　ＩＭＰＤＨ２、ＥＲＩ１、ＦＢＸＷ２、ＳＴＫ１７Ｂ、ＴＡＧＬＮ２、ＡＭＩＣＡ１及びＨＮＲＮＰＡ１からなる７種の遺伝子は、上述したランダムフォレストにより特徴量遺伝子として選択された表Ｂ－３－１～Ｂ－３－３に記載の１００種の遺伝子群（Ｂ）と、Ｂｏｒｕｔａ法により特徴量遺伝子として選択された表Ｂ－４に記載の９種の遺伝子群（Ｃ）に共通する遺伝子（Ｂ∩Ｃ）であって、従来ＡＤとの関係が全く報告されていない遺伝子である（各表中、＊を付し太字で表示）。したがって、これらの遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物は、乳幼児ＡＤを検出するための、新規な乳幼児アトピー性皮膚炎マーカーとして特に有用である。
　さらに、このうち、ＩＭＰＤＨ２、ＥＲＩ１及びＦＢＸＷ２は、上述した発現変動解析で抽出された表Ｂ－１－１～Ｂ－１－９に記載の３７１種の遺伝子群（Ａ）にも含まれる遺伝子（Ａ∩Ｂ∩Ｃ）であることから、より好ましい新規な乳幼児アトピー性皮膚炎マーカーと云える。
　斯かる７種の遺伝子はそれぞれ単独で乳幼児アトピー性皮膚炎マーカーとなり得るが、２種以上、好ましくは４種以上、より好ましくは６種以上を組み合わせて用いることが好ましく、７種全てを組み合わせて用いるのがよりさらに好ましい。

　また、ＡＢＨＤ８、ＧＰＴ２、ＰＬＩＮ２、ＦＡＭ１００Ｂ、ＹＰＥＬ２、ＭＡＰ１ＬＣ３Ｂ２、ＲＬＦ、ＫＩＡＡ０９３０、ＵＢＥ２Ｒ２、ＨＫ２、ＵＳＦ２、ＰＤＩＡ３Ｐ、ＨＮＲＮＰＵＬ１、ＳＥＣ６１Ｇ、ＤＮＡＪＢ１１、ＳＤＨＤ、ＮＤＵＦＳ７、ＥＣＨ１、ＣＡＳＳ４、ＣＬＥＣ４Ａ、ＳＮＲＰＤ１、ＳＬＣ７Ａ１１及びＳＮＸ８からなる２３種の遺伝子は、上述した発現変動解析で抽出された表Ｂ－１－１～Ｂ－１－９に記載の３７１種の遺伝子群（Ａ）と、ランダムフォレストにより特徴量遺伝子として選択された表Ｂ－３－１～Ｂ－３－３に記載の１００種の遺伝子群（Ｂ）の共通部分に含まれ、従来ＡＤとの関係が全く報告されていない遺伝子から、前記のＩＭＰＤＨ２、ＥＲＩ１及びＦＢＸＷ２を除いた遺伝子である。したがって、これらの遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物もまた、乳幼児ＡＤを検出するための、新規な乳幼児アトピー性皮膚炎マーカーとして有用である。

　本発明の乳幼児ＡＤの検出方法は、被験者から採取された生体試料について、標的遺伝子、一態様として、ＩＭＰＤＨ２、ＥＲＩ１、ＦＢＸＷ２、ＳＴＫ１７Ｂ、ＴＡＧＬＮ２、ＡＭＩＣＡ１及びＨＮＲＮＰＡ１からなる７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルを測定する工程を含む。

　あるいは、ＡＤ患児由来の標的遺伝子又はその発現産物の発現レベルと、健常児由来の標的遺伝子又はその発現産物の発現レベルの測定値を利用して、ＡＤ患児と健常児とを分ける判別式（予測モデル）を構築し、当該判別式を利用して、乳幼児ＡＤを検出することができる。したがって、ＩＭＰＤＨ２、ＥＲＩ１、ＦＢＸＷ２、ＳＴＫ１７Ｂ、ＴＡＧＬＮ２、ＡＭＩＣＡ１及びＨＮＲＮＰＡ１からなる７種の遺伝子、及び当該７種の遺伝子を含む表Ｂ－３－１～Ｂ－３－３で示される１００遺伝子若しくは表Ｂ－４で示される９遺伝子、又は表Ｂ－１－１～Ｂ－１－９で示される３７１種の遺伝子を特徴量遺伝子として、乳幼児ＡＤの予測が可能な予測モデルを構築することができる。

　上記乳幼児ＡＤ罹患児群と健常児群とを分ける判別式を作成する場合に、標的遺伝子としてＩＭＰＤＨ２、ＥＲＩ１、ＦＢＸＷ２、ＳＴＫ１７Ｂ、ＴＡＧＬＮ２、ＡＭＩＣＡ１及びＨＮＲＮＰＡ１からなる７種の遺伝子から選択される１つの遺伝子又は２種以上、好ましくは５種以上、より好ましくは７種全て選択し、その遺伝子又はその発現産物の発現データを用いる。さらに、複数の遺伝子を選択する場合、これら遺伝子の表Ｂ－３－１～Ｂ－３－３における変数重要度のより上位の遺伝子から順に特徴量遺伝子として選択し、判別式を作成するのが好ましい。また、当該７種の遺伝子に、前記表Ｂ－ａで示される４４１遺伝子、表Ｂ－３－１～Ｂ－３－３で示される１００遺伝子、表Ｂ－４で示される９遺伝子、又は表Ｂ－１－１～Ｂ－１－９で示される３７１遺伝子において、当該７遺伝子以外の遺伝子から選ばれる少なくとも１つ、５以上、１０以上、２０以上、５０以上の遺伝子又はその発現産物の発現データを適宜加えることにより、判別式を作成し、乳幼児ＡＤの検出をすることも可能である。当該７種の遺伝子以外の遺伝子を表Ｂ－３－１～Ｂ－３－３に示される１００遺伝子から選択する場合は、変数重要度のより上位の遺伝子から順に、あるいは変数重要度が上位から５０位以内、好ましくは３０位以内の遺伝子から特徴量遺伝子を選択してもよい。さらに、当該７種の遺伝子以外の遺伝子を特徴量遺伝子として選択する場合には、表Ｂ－１－１～Ｂ－１－９、表Ｂ－３－１～Ｂ－３－３及び表Ｂ－４において＊を付し太字で表示された新規のアトピー性皮膚炎マーカーから特徴量遺伝子を選択するのが好ましい。
　また、表Ｂ－１－１～Ｂ－１－９で示される３７１遺伝子を加える場合には、標的遺伝子としてＩＭＰＤＨ２、ＥＲＩ１、ＦＢＸＷ２、ＳＴＫ１７Ｂ、ＴＡＧＬＮ２、ＡＭＩＣＡ１及びＨＮＲＮＰＡ１からなる７種の遺伝子に加えて、該３７１遺伝子中のＡＢＨＤ８、ＧＰＴ２、ＰＬＩＮ２、ＦＡＭ１００Ｂ、ＹＰＥＬ２、ＭＡＰ１ＬＣ３Ｂ２、ＲＬＦ、ＫＩＡＡ０９３０、ＵＢＥ２Ｒ２、ＨＫ２、ＵＳＦ２、ＰＤＩＡ３Ｐ、ＨＮＲＮＰＵＬ１、ＳＥＣ６１Ｇ、ＤＮＡＪＢ１１、ＳＤＨＤ、ＮＤＵＦＳ７、ＥＣＨ１、ＣＡＳＳ４、ＩＬ７Ｒ、ＣＬＥＣ４Ａ、ＡＲＥＧ、ＳＮＲＰＤ１、ＳＬＣ７Ａ１１及びＳＮＸ８の２５種の遺伝子群より選択される少なくとも１つ、好ましくは表Ｂ－３－１～Ｂ－３－３におけるこれら遺伝子の変数重要度の高いものから少なくとも１つ、５種以上、１０種以上、２０種以上の遺伝子又はその発現産物の発現データを適宜加えることにより、判別式を作成してもよい。当該２５種の遺伝子は、前述した発現変動解析で抽出された表Ｂ－１－１～Ｂ－１－９に記載の３７１種の遺伝子群（Ａ）と、ランダムフォレストにより特徴量遺伝子として選択された表Ｂ－３－１～Ｂ－３－３に記載の１００種の遺伝子群（Ｂ）の共通部分に含まれる遺伝子である。
　好ましくは、上記７遺伝子、表Ｂ－１－１～Ｂ－１－９で示される３７１遺伝子又は３１８遺伝子（表Ｂ－１－１～Ｂ－１－９において＊を付し太字で表示）、表Ｂ－３－１～Ｂ－３－３で示される１００遺伝子又は９２遺伝子（表Ｂ－３－１～Ｂ－３－３において＊を付し太字で表示）、又は表Ｂ－４で示される９遺伝子を特徴量遺伝子とする判別式が挙げられる。
　より好ましくは、上記７遺伝子、表Ｂ－３－１～Ｂ－３－３で示される１００遺伝子又は９２遺伝子（表Ｂ－３－１～Ｂ－３－３において＊を付し太字で表示）、又は表Ｂ－４で示される９遺伝子を特徴量遺伝子とする判別式が挙げられる。

　本発明において用いられる生体試料としては、アトピー性皮膚炎の発症、進行に伴い本発明の遺伝子が発現変化する組織及び生体材料であればよい。具体的には臓器、皮膚、血液、尿、唾液、汗、角層、皮膚表上脂質（ＳＳＬ）、組織浸出液等の体液、血液から調製された血清、血漿、その他、便、毛髪等が挙げられ、好ましくは皮膚、角層、又は皮膚表上脂質（ＳＳＬ）、より好ましくは皮膚表上脂質（ＳＳＬ）が挙げられる。ＳＳＬが採取される皮膚の部位としては、特に限定されず、頭、顔、首、体幹、手足等の身体の任意の部位の皮膚が挙げられ、皮脂の分泌が多い部位、例えば顔の皮膚が好ましい。
　生体試料を採取する被験者は、乳幼児であれば性別や人種など特に限定されないが、ＡＤの検出を必要とする乳幼児又はＡＤの発症が疑われる乳幼児が好ましい。

　本発明において、表Ｂ－１－１～Ｂ－１－９において＊を付し太字で表示された３１６遺伝子又はその発現産物から選ばれる乳幼児アトピー性皮膚炎マーカーは、好ましくは下表Ｂ－５－ａに示される４６遺伝子を含まない。　本発明において、表Ｂ－ｂ－１～Ｂ－ｂ－２に示される３８３遺伝子又はその発現産物から選ばれる乳幼児アトピー性皮膚炎マーカーは、好ましくは下表Ｂ－５－ａに示される４６遺伝子を含まない。

　あるいは、又は加えて、本発明において、表Ｂ－ａ－１～Ｂ－ａ－２に示される４４１遺伝子又はその発現産物から選ばれる乳幼児アトピー性皮膚炎マーカーは、好ましくは下表Ｂ－５－ｂに示される３７種の遺伝子群より選択される少なくとも１つの遺伝子の発現産物であるタンパク質マーカーを含まない。
　あるいは、又は加えて、本発明において、表Ｂ－ｂ－１～Ｂ－ｂ－２に示される３８３遺伝子又はその発現産物から選ばれる乳幼児アトピー性皮膚炎マーカーは、好ましくは下表Ｂ－５－ｃに示される２２種の遺伝子群より選択される少なくとも１つの遺伝子の発現産物であるタンパク質マーカーを含まない。

（３．ＡＤ検出用タンパク質マーカー及びこれを用いたＡＤの検出方法）
　さらに本発明者は、ＳＳＬ中に、ＡＤの検出に有用なタンパク質が含まれていることを見出した。これらのタンパク質は、ＡＤ検出用タンパク質マーカーとして使用することができる。被験者の皮膚表面からＳＳＬを採集するという簡便かつ低侵襲又は非侵襲的な手法で、被験者のＡＤの検出のための生体サンプル及びそれに含まれるタンパク質マーカーを回収することができる。
　したがって、本発明のさらなる一態様は、被験者から低侵襲又は非侵襲的にＡＤ検出用タンパク質マーカーを調製する方法、及び当該タンパク質マーカーを用いたＡＤの検出方法に関する。本発明によれば、簡便、かつ低侵襲又は非侵襲的な手法で、被験者からＡＤ検出用のタンパク質マーカーを回収し、又は該マーカーを用いてＡＤを検出することができる。したがって、本発明は、侵襲的な生体サンプル採取が容易でなかった乳幼児を含む、様々な被験者におけるＡＤの診断を可能にする。また本発明の方法は、乳幼児及び成人のＡＤの早期診断及び治療に貢献し得る。

　したがって、一態様において、本発明はＡＤ検出用タンパク質マーカーを提供する。別の一態様において、本発明はＡＤ検出用タンパク質マーカーの調製方法を提供する。当該方法は、被験者から採取したＳＳＬから標的であるＡＤ検出用タンパク質マーカーを回収することを含む。別の一態様において、本発明はＡＤ検出方法を提供する。当該方法は、被験者から採取したＳＳＬから該ＡＤ検出用タンパク質マーカーを検出することを含む。

　後述の実施例に示すとおり、表Ｃ－１－１～Ｃ－１－１３に示す４１８種のＳＳＬ由来タンパク質は、健常者と比べて、ＡＤ患者でＳＳＬ中の存在量が有意に変動するタンパク質である。また、これらのタンパク質のＳＳＬ中の存在量を特徴量として用いた機械学習により構築した予測モデルによってＡＤの予測が可能である。したがって、表Ｃ－１－１～Ｃ－１－１３に示すＳＳＬ由来タンパク質は、ＡＤ検出用タンパク質マーカーとして使用することができる。表Ｃ－１－１～Ｃ－１－１３に示すタンパク質のうち、表Ｃ－２－１～Ｃ－２－５に示す１４７種のタンパク質は、後述の実施例で示すように、これまでＡＤとの関連が報告されていない、新規のＡＤ検出用タンパク質マーカーである。より詳細には、表Ｃ－１－１～Ｃ－１－１３に示すＳＳＬ由来タンパク質は、後述する表Ｃ－４－１～Ｃ－４－６に示す２００種のタンパク質、及び表Ｃ－５－１～Ｃ－５－９に示すに示す２８３種のタンパク質を含む。
　さらに、表Ｃ－３－１～Ｃ－３－２に示す６５種のタンパク質は、後述する表Ｃ－４－１～Ｃ－４－６に示すタンパク質と、表Ｃ－５－１～Ｃ－５－９に示すタンパク質に共通するタンパク質であり、ＡＤ検出用タンパク質マーカーとして好ましく使用することができる。

　表Ｃ－４－１～Ｃ－４－６に示すタンパク質は、後述する実施例に示す表Ｃ－７－１～Ｃ－７－４、表Ｃ－８、表Ｃ－１１－１～Ｃ－１１－４、表Ｃ－１２－１～Ｃ－１２－４及び表Ｃ－１３に示すタンパク質を含む。表Ｃ－５－１～Ｃ－５－９に示すタンパク質は、後述する実施例に示す表Ｃ－９－１～Ｃ－９－７、表Ｃ－１０－１～Ｃ－１０－２、表Ｃ－１４－１～Ｃ－１４－７、表Ｃ－１５－１～Ｃ－１５－４及び表Ｃ－１６に示すタンパク質を含む。

　後述する実施例に示すように、健常児及びＡＤ罹患児のＳＳＬから抽出され、健常児又はＡＤ罹患児いずれかの群の７５％以上の被験者で定量値が得られたタンパク質の定量値を解析した。その結果、健常児と比較してＡＤ罹患児で存在比が１．５倍以上（ｐ≦０．０５）に上昇した１１６種のタンパク質（表Ｃ－７－１～Ｃ－７－４）、及び０．７５倍以下（ｐ≦０．０５）に減少した１２種のタンパク質（表Ｃ－８）が同定された。同様に、成人健常者及び成人ＡＤ患者２のＳＳＬから抽出され、健常者又はＡＤ患者いずれかの群の７５％以上の被験者で定量値が得られたタンパク質の定量値を解析した。その結果、健常者と比較してＡＤ患者で存在比が１．５倍以上（ｐ≦０．０５）に上昇した２０５種のタンパク質（表Ｃ－９－１～Ｃ－９－７）、及び０．７５倍以下（ｐ≦０．０５）に減少した３７種のタンパク質（表Ｃ－１０－１～Ｃ－１０－２）が同定された。

　したがって、一実施形態において、本発明のＡＤ検出方法は、被験者のＳＳＬにおける該ＡＤ検出用タンパク質マーカーの量（例えばＳＳＬ中マーカー濃度）に基づいてＡＤを検出することを含む。

　例えば、被験者ＳＳＬ中における表Ｃ－７－１～Ｃ－７－４、表Ｃ－８、表Ｃ－９－１～Ｃ－９－７及び表Ｃ－１０－１～Ｃ－１０－２に示す１種以上のタンパク質マーカーの濃度を基準に、該ＳＳＬが由来する被験者がＡＤであるか否か（言い換えると、該ＳＳＬがＡＤである被験者に由来するか否か）を検出することができる。本発明のＡＤ検出方法においては、表Ｃ－７－１～Ｃ－７－４、表Ｃ－８、表Ｃ－９－１～Ｃ－９－７及び表Ｃ－１０－１～Ｃ－１０－２に示すタンパク質は、いずれか１種、又はいずれか２種以上を組み合わせて、ＡＤ検出用タンパク質マーカーとして使用することができる。例えば、被験者のＳＳＬ中における該１種以上のマーカー（標的マーカー）の濃度を測定し、測定したマーカーの濃度を健常群と比較することによって、該被験者がＡＤであるか否かを検出することができる。比較すべき健常群は、成人ＡＤの検出のためには成人の健常群、乳幼児ＡＤの検出のためには乳幼児の健常群である。

　標的マーカーが表Ｃ－７－１～Ｃ－７－４及び表Ｃ－９－１～Ｃ－９－７に示すタンパク質からなる群より選択される少なくとも１種である場合、被験者における該標的マーカーの濃度が健常群と比べて高ければ、該被験者はＡＤと検出され得る。例えば、被験者における該標的マーカーの濃度が健常群と比べて統計学的に有意に高ければ、該被験者はＡＤと検出され得る。また例えば、被験者における該標的マーカーの濃度が健常群に対して、好ましくは１１０％以上、より好ましくは１２０％以上、さらに好ましくは１５０％以上であれば、該被験者はＡＤと検出され得る。標的マーカーとして２つ以上のＡＤ検出用タンパク質マーカーを用いる場合には、標的マーカーの一定割合、例えば５０％以上、好ましくは７０％以上、より好ましくは９０％以上、さらに好ましくは１００％が上述の基準を満たすか否かに基づいて、被験者のＡＤを検出することができる。

　標的マーカーが表Ｃ－８及び表Ｃ－１０－１～Ｃ－１０－２に示すタンパク質からなる群より選択される少なくとも１種である場合、被験者における該標的マーカーの濃度が健常群と比べて低ければ、該被験者はＡＤと検出され得る。例えば、被験者における該標的マーカーの濃度が健常群と比べて統計学的に有意に低ければ、該被験者はＡＤと検出され得る。また例えば、被験者における該標的マーカーの濃度が健常群に対して、好ましくは９０％以下、より好ましくは８０％以下、さらに好ましくは７５％以下であれば、該被験者はＡＤと検出され得る。標的マーカーとして２つ以上のＡＤ検出用タンパク質マーカーを用いる場合には、標的マーカーの一定割合、例えば５０％以上、好ましくは７０％以上、より好ましくは９０％以上、さらに好ましくは１００％が上述の基準を満たすか否かに基づいて、被験者のＡＤを検出することができる。

　該健常群は、ＡＤに罹患していない集団であり得る。必要に応じて、被験者の性状に合わせて健常群を構成する集団を選択してもよい。例えば、被験者が乳幼児である場合に健常な乳幼児集団を健常群として用いたり、又は、被験者が成人である場合に健常な成人集団を健常群として用いたりすることができる。該健常群における該ＡＤ検出用タンパク質マーカーの濃度は、被験者からの測定と同様に、後述の手順で測定することができる。好ましくは、健常群における該マーカーの濃度は予め測定されている。より好ましくは、健常群における表Ｃ－７－１～Ｃ－７－４、表Ｃ－８、表Ｃ－９－１～Ｃ－９－７及び表Ｃ－１０－１～Ｃ－１０－２に示すマーカーの全ての濃度が予め測定されている。

　あるいは、表Ｃ－７－１～Ｃ－７－４及び表Ｃ－９－１～Ｃ－９－７に示すタンパク質からなる群より選択される少なくとも１種と、表Ｃ－８及び表Ｃ－１０－１～Ｃ－１０－２に示すタンパク質からなる群より選択される少なくとも１種とを組み合わせて標的マーカーとして用いてもよい。ＡＤ検出の基準は上記と同様である。

　本発明のＡＤ検出方法の一実施形態において、被験者が乳幼児の場合、標的マーカーは表Ｃ－７－１～Ｃ－７－４及び表Ｃ－８に示されたＡＤ検出用タンパク質マーカーから選択される少なくとも１種が好ましく、被験者が成人の場合、標的マーカーは表Ｃ－９－１～Ｃ－９－７及び表Ｃ－１０－１～Ｃ－１０－２に示されたＡＤ検出用タンパク質マーカーから選択される少なくとも１種が好ましい。

　乳幼児用のＡＤ検出用タンパク質マーカーの別の好ましい例としては、下記表Ｃ－１１－１～Ｃ－１１－４に示す１２７種のタンパク質が挙げられる。表Ｃ－１１－１～Ｃ－１１－４に示すタンパク質は、健常児及びＡＤ罹患児のＳＳＬから抽出され、全被験者の７５％以上で定量値が得られたタンパク質のうち、健常児と比較してＡＤ罹患児で存在比が１．５倍以上（ｐ≦０．０５）に上昇又は０．７５倍以下（ｐ≦０．０５）に減少したタンパク質である。成人用のＡＤ検出用タンパク質マーカーの別の好ましい例としては、下記表Ｃ－１４－１～Ｃ－１４－７に示す２２０種のタンパク質が好ましい例として挙げられる。表Ｃ－１４－１～Ｃ－１４－７に示すタンパク質は、成人健常者及び成人ＡＤ患者のＳＳＬから抽出され、全被験者の７５％以上で定量値が得られたタンパク質のうち、健常者と比較してＡＤ患者で存在比が１．５倍以上（ｐ≦０．０５）に上昇又は０．７５倍以下（ｐ≦０．０５）に減少したタンパク質である。

　したがって、本発明のＡＤ検出方法の別の一実施形態において、被験者が乳幼児の場合、標的マーカーは表Ｃ－１１－１～Ｃ－１１－４に示されたＡＤ検出用タンパク質マーカーから選択される少なくとも１種が好ましく、被験者が成人の場合、標的マーカーは表Ｃ－１４－１～Ｃ－１４－７に示されたＡＤ検出用タンパク質マーカーから選択される少なくとも１種が好ましい。あるいは、被験者に乳幼児と成人の両方が含まれる場合は、表Ｃ－１１－１～Ｃ－１１－４に示すタンパク質からなる群より選択される少なくとも１種と、表Ｃ－１４－１～Ｃ－１４－７に示すタンパク質からなる群より選択される少なくとも１種とを組み合わせて標的マーカーとして用いてもよい。

　さらなる実施形態において、本発明のＡＤ検出方法は、被験者のＳＳＬにおける該ＡＤ検出用タンパク質マーカーの量（例えばＳＳＬ中マーカー濃度）を利用して構築された予測モデルに基づいてＡＤを検出することを含む。

　後述の実施例に示すように、健常児とＡＤ罹患児で発現変動が見られた表Ｃ－１１－１～Ｃ－１１－４のタンパク質を特徴量タンパク質とし、その定量データ（Ｌｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値）を説明変数とし、健常児とＡＤ罹患児を目的変数とし、機械学習アルゴリズムとしてランダムフォレストを用いて検出モデルの構築を試みた。構築された予測モデルにより乳幼児ＡＤの予測が可能であることが示された。また後述の実施例に示すように、成人健常者と成人ＡＤ患者で発現変動が見られた表Ｃ－１４－１～Ｃ－１４－７のタンパク質についても、同様に構築された予測モデルにより成人ＡＤの予測が可能であることが示された。よって、本発明のＡＤ検出方法の一実施形態においては、被験者は乳幼児であり、標的マーカーは表Ｃ－１１－１～Ｃ－１１－４に示す１２７種のタンパク質である。本発明のＡＤ検出方法の別の一実施形態においては、被験者は成人であり、標的マーカーは表Ｃ－１４－１～Ｃ－１４－７に示す２２０種のタンパク質である。

　また後述する実施例に示すように、健常児とＡＤ罹患児を被験者とし、被験者からのＳＳＬ由来タンパク質の定量データ（Ｌｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値）を説明変数とし、健常児とＡＤ罹患児を目的変数とし、機械学習アルゴリズムとしてランダムフォレストを用いて特徴量タンパク質の抽出及び予測モデルの構築を試みた。モデル構築の過程で算出されたジニ係数に基づいて変数重要度の上位１４０種のタンパク質（表Ｃ－１２－１～Ｃ－１２－４）を特徴量タンパク質として選択し、これを用いて予測モデルを構築した。構築された予測モデルにより乳幼児ＡＤの予測が可能であることが示された。また後述の実施例に示すように、健常者（成人）とＡＤ患者（成人）を被験者とし、被験者からのＳＳＬ由来タンパク質の定量データ（Ｌｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値）を用いて、同様に特徴量タンパク質の抽出及び予測モデルの構築を試みた。ジニ係数に基づく変数重要度の上位１１０種のタンパク質（表Ｃ－１５－１～Ｃ－１５－４）を特徴量タンパク質として選択し、これを用いて予測モデルを構築した。構築された予測モデルにより成人ＡＤの予測が可能であることが示された。よって、本発明のＡＤ検出方法の一実施形態においては、被験者は乳幼児であり、標的マーカーは表Ｃ－１２－１～Ｃ－１２－４に示す１４０種のタンパク質である。本発明のＡＤ検出方法の別の一実施形態においては、被験者は成人であり、標的マーカーは表Ｃ－１５－１～Ｃ－１５－４に示す１１０種のタンパク質である。

　また後述の実施例で示すように、健常児とＡＤ罹患児を被験者とし、被験者からのＳＳＬ由来タンパク質の定量データ（Ｌｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値）を説明変数とし、健常児とＡＤ罹患児を目的変数とし、機械学習アルゴリズムとしてＢｏｒｕｔａ法を用いて特徴量タンパク質の抽出（最大試行回数１０００回、ｐ値０．０１未満）を行った。３５種のタンパク質（表Ｃ－１３）が特徴量タンパク質として抽出された。これらのタンパク質の定量データを特徴量に用いたランダムフォレストにより構築した予測モデルで乳幼児ＡＤの予測が可能であることが示された。また後述の実施例で示すように、健常者（成人）とＡＤ患者（成人）を被験者とし、被験者からのＳＳＬ由来タンパク質の定量データ（Ｌｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値）を説明変数に使用して同様に特徴量タンパク質の抽出を行った。２４種のタンパク質（表Ｃ－１６）が特徴量タンパク質として抽出された。これを用いて同様にランダムフォレストにより構築した予測モデルで成人ＡＤの予測が可能であることが示された。よって、本発明のＡＤ検出方法の別の一実施形態においては、被験者は乳幼児であり、ＡＤ検出用タンパク質マーカーは表Ｃ－１３に示す３５種のタンパク質である。本発明のＡＤ検出方法の別の一実施形態においては、被験者は成人であり、ＡＤ検出用タンパク質マーカーは表Ｃ－１６に示す２４種のタンパク質である。

　上述のＡＤ検出用タンパク質マーカーのうち、発現変動解析で抽出された表Ｃ－７－１～Ｃ－７－４、表Ｃ－８及び表Ｃ－１１－１～Ｃ－１１－４いずれかに含まれる１３０種タンパク質（Ａ）と、ランダムフォレストによるにより特徴量タンパク質として選択された表Ｃ－１２－１～Ｃ－１２－４に示す１４０種のタンパク質（Ｂ）と、Ｂｏｒｕｔａ法により特徴量タンパク質として選択された表Ｃ－１３に示す３５種のタンパク質（Ｃ）の和集合（Ａ∪Ｂ∪Ｃ）が、表Ｃ－４－１～Ｃ－４－６に示す２００種のタンパク質である。表Ｃ－４－１～Ｃ－４－６に示すタンパク質からなる群より選択される少なくとも１種のタンパク質は、本発明において好ましい乳幼児ＡＤ検出用マーカーとして使用される。該少なくとも１種のタンパク質の量を被験者と健常群との間で比較することで、乳幼児ＡＤを検出することができる。あるいは、該少なくとも１種のタンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデルに基づいて乳幼児ＡＤを検出することができる。

　上述の表Ｃ－４－１～Ｃ－４－６に示すタンパク質のうち、POF1B（Protein POF1B）、MNDA（Myeloid cell nuclear differentiation antigen）、SERPINB4（Serpin B4）、CLEC3B（Tetranectin）、PLEC（Plectin）、LGALS7（Galectin-7）、H2AC4（Histone H2A type 1-B/E）、SERPINB3（Serpin B3）、AMBP（Protein AMBP）、PFN1（Profilin-1）、DSC3（Desmocollin-3）、IGHG1（Immunoglobulin heavy constant gamma 1）、ORM1（Alpha-1-acid glycoprotein 1）、RECQL（ATP-dependent DNA helicase Q1）、RPL26（60S ribosomal protein L26）、KLK13（Kallikrein-13）、RPL22（60S ribosomal protein L22）、APOA2（Apolipoprotein A-II）、SERPINB5（Serpin B5）、LCN15（Lipocalin-15）、IGHG3（Immunoglobulin heavy constant gamma 3）、CAP1（Adenylyl cyclase-associated protein 1）及びSPRR2F（Small proline-rich protein 2F）からなる２３種のタンパク質は、上記のタンパク質（Ａ）、（Ｂ）及び（Ｃ）に共通するタンパク質である。これらの２３種のタンパク質からなる群より選択される少なくとも１種のタンパク質は、本発明においてより好ましい乳幼児ＡＤ検出用マーカーとして使用される。該少なくとも１種のタンパク質の量を被験者（児）と健常群（児）との間で比較することで、乳幼児ＡＤを検出することができる。あるいは、該少なくとも１種のタンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデルに基づいて乳幼児ＡＤを検出することができる。

　本発明による乳幼児ＡＤ検出方法の好ましい実施形態においては、乳幼児被験者から採取したＳＳＬから、前記２３種のタンパク質からなる群より選択される少なくとも１種、好ましくは２種以上、より好ましくは５種以上、さらに好ましくは１０種以上、さらに好ましくは全てのタンパク質を定量する。また、本発明では、前記２３種のタンパク質からなる群より選択される少なくとも１種のタンパク質に加えて、下記表Ｃ－４－１～Ｃ－４－６に示される２００種のタンパク質（前記２３種のタンパク質を除く）からなる群より選択される１種以上のタンパク質を定量してもよい。例えば、前記２３種のタンパク質からなる群より選択される少なくとも１種のタンパク質に加えて、表Ｃ－１１－１～Ｃ－１１－４に示される１２７種のタンパク質（前記２３種のタンパク質を除く）からなる群より選択される少なくとも１種、表Ｃ－１２－１～Ｃ－１２－４に示される１４０種のタンパク質（前記２３種のタンパク質を除く）からなる群より選択される少なくとも１種、及び／又は表Ｃ－１３に示される３５種のタンパク質（前記２３種のタンパク質を除く）からなる群より選択される少なくとも１種を定量してもよい。このとき、表Ｃ－１１－１～Ｃ－１１－４からタンパク質を選択する場合は、発現変動の有意性がより高い（例えばｐ値がより小さい）ものから優先的に選択してもよい。また、表Ｃ－１２－１～Ｃ－１２－４のタンパク質を選択する場合は、変数重要度がより上位のタンパク質から優先的に選択したり、変数重要度が上位から５０位、好ましくは３０位までのタンパク質群から選択してもよい。上記のような少なくとも１種のタンパク質の量を被験者（児）と健常群（児）との間で比較することで、乳幼児ＡＤを検出することができる。あるいは、上記のような少なくとも１種のタンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデルに基づいて乳幼児ＡＤを検出することができる。

　上述のＡＤ検出用タンパク質マーカーのうち、発現変動解析で抽出された表Ｃ－９－１～Ｃ－９－７、表Ｃ－１０－１～Ｃ－１０－２及び表Ｃ－１４－１～Ｃ－１４－７に示す２４２種のタンパク質（Ｄ）と、ランダムフォレストにより特徴量タンパク質として選択された表Ｃ－１５－１～Ｃ－１５－４に示す１１０種のタンパク質（Ｅ）と、Ｂｏｒｕｔａ法により特徴量タンパク質として選択された表Ｃ－１６に示す２４種のタンパク質（Ｆ）の和集合（Ｄ∪Ｅ∪Ｆ）が、表Ｃ－５－１～Ｃ－５－９に示す２８３種のタンパク質である。表Ｃ－５－１～Ｃ－５－９に示すタンパク質からなる群より選択される少なくとも１種のタンパク質は、本発明において好ましい成人ＡＤ検出用のタンパク質マーカーとして使用される。該少なくとも１種のタンパク質の量を被験者（成人）と健常群（成人）との間で比較することで、成人ＡＤを検出することができる。あるいは、該少なくとも１種のタンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデルに基づいて成人ＡＤを検出することができる。

　上述の表Ｃ－５－１～Ｃ－５－９に示すタンパク質のうち、SERPINB1（Leukocyte elastase inhibitor）、TTR（Transthyretin）、DHX36（ATP-dependent DNA/RNA helicase DHX36）、ITIH4（Inter-alpha-trypsin inhibitor heavy chain H4）、GC（Vitamin D-binding protein）、ALB（Serum albumin）、SERPING1（Plasma protease C1 inhibitor）、DDX55（ATP-dependent RNA helicase DDX55）、IGHV1-46（Immunoglobulin heavy variable 1-46）、EZR（Ezrin）、VTN（Vitronectin）、AHSG（Alpha-2-HS-glycoprotein）、HPX（Hemopexin）、PPIA（Peptidyl-prolyl cis-trans isomerase A）、KNG1（Kininogen-1）、FN1（Fibronectin）、PLG（Plasminogen）、PRDX6（Peroxiredoxin-6）及びFLG2（Filaggrin-2）からなる１９種のタンパク質は、上記のタンパク質（Ｄ）、（Ｅ）及び（Ｆ）に共通するタンパク質である。これら１９種のタンパク質から選択される少なくとも１種のタンパク質は、本発明においてより好ましい成人ＡＤ検出用マーカーとして使用される。該少なくとも１種のタンパク質の量を被験者（成人）と健常群（成人）との間で比較することで、成人ＡＤを検出することができる。あるいは、該少なくとも１種のタンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデルに基づいて成人ＡＤを検出することができる。

　本発明による成人ＡＤ検出方法の好ましい実施形態においては、成人被験者から採取したＳＳＬから、前記１９種のタンパク質からなる群より選択される少なくとも１種、好ましくは２種以上、より好ましくは５種以上、さらに好ましくは１０種以上、さらに好ましくは全てのタンパク質を定量する。また、本発明では、前記１９種のタンパク質からなる群より選択される少なくとも１種のタンパク質に加えて、下記表Ｃ－５－１～Ｃ－５－９に示される２８３種のタンパク質（前記１９種のタンパク質を除く）からなる群より選択される少なくとも１種のタンパク質を定量してもよい。例えば、前記１９種のタンパク質からなる群より選択される少なくとも１種のタンパク質に加えて、表Ｃ－１４－１～Ｃ－１４－７に示される２２０種のタンパク質（前記１９種のタンパク質を除く）からなる群より選択される少なくとも１種、表Ｃ－１５－１～Ｃ－１５－４に示される１１０種のタンパク質（前記１９種のタンパク質を除く）からなる群より選択される少なくとも１種、及び／又は表Ｃ－１６に示される２４種のタンパク質（前記１９種のタンパク質を除く）からなる群より選択される少なくとも１種を定量してもよい。このとき、表Ｃ－１４－１～Ｃ－１４－７からタンパク質を選択する場合は、発現変動の有意性がより高い（例えばｐ値がより小さい）ものから優先的に選択してもよい。また、表Ｃ－１５－１～Ｃ－１５－４のタンパク質を選択する場合は、変数重要度がより上位のタンパク質から優先的に選択したり、変数重要度が上位から５０位、好ましくは３０位までのタンパク質群から選択してもよい。該少なくとも１種のタンパク質の量を被験者と健常群との間で比較することで、成人ＡＤを検出することができる。あるいは、該少なくとも１種のタンパク質を特徴量タンパク質として予測モデルを構築し、該予測モデルに基づいて成人ＡＤを検出することができる。

　本発明によるＡＤ検出用タンパク質マーカーの調製方法及びそれを用いたＡＤ検出方法において、被験者は、性別及び年齢は限定されず、乳児から成人までを含み得る。好ましくは、該被験者は、ＡＤの検出を必要とするか又は希望するヒトである。例えば、該被験者は、ＡＤの発症が疑われるヒトである。
　一実施形態において、本発明によるＡＤ検出用タンパク質マーカーの調製方法及びそれを用いたＡＤ検出方法は、被験体のＳＳＬを採取することをさらに含んでいてもよい。ＳＳＬが採取される皮膚の部位としては、頭、顔、首、体幹、手足等の身体の任意の部位の皮膚が挙げられ、好ましくはＡＤ様の湿疹や乾燥等の症状を有する部位の皮膚が挙げられる。

（４．ＳｅｒｐｉｎＢ４を用いた乳幼児ＡＤの検出方法）
　本発明者らは、ＡＤを有する乳幼児から採取したＳＳＬにおいてＳｅｒｐｉｎＢ４タンパク質の発現レベルが上昇していること、ＳｅｒｐｉｎＢ４タンパク質を指標として乳幼児ＡＤを検出することができることを見出した。したがって、本発明のさらなる一態様は、ＳＳＬ由来の乳幼児ＡＤ検出用タンパク質マーカーとしてＳｅｒｐｉｎＢ４を用いて、乳幼児ＡＤを検出する方法に関する。本発明によれば、簡便且つ非侵襲的な手法で、乳幼児ＡＤを検出することが可能となる。

　本明細書において、「ＳｅｒｐｉｎＢ４」とは、扁平上皮がん抗原２（Ｓｑｕａｍｏｕｓ　ｃｅｌｌ　ｃａｒｃｉｎｏｍａ　ａｎｔｉｇｅｎ　２；ＳＣＣＡ－２）又はｌｅｕｐｉｎとも呼ばれる、セリンプロテアーゼインヒビター（Ｓｅｒｐｉｎ）ファミリーに属するタンパク質をいう。ＳｅｒｐｉｎＢ４タンパク質は、ＵｎｉＰｒｏｔにＰ４８５９４として登録されている。

　本明細書において、ＳｅｒｐｉｎＢ４マーカーを用いた「乳幼児ＡＤの検出」には、上記で定義した乳幼児ＡＤの存在（症状あり）又は不存在（症状なし）を明らかにすることの他に、乳幼児ＡＤの進行の程度、すなわち、「軽症（軽度）」、「中等症（中等度）」及び「重症（重度）」を明らかにすること、好ましくは「症状なし」、「軽症」及び「中等症」のそれぞれを検出することが包含される。

　後述する実施例に示すように、健常な乳幼児（健常児）及びＡＤに罹患した乳幼児（ＡＤ患児）について、顔（健常児では健常部、ＡＤ患児では皮疹部（皮疹を含む））から採取したＳＳＬ中のタンパク質の発現解析を行ったところ、ＡＤ患児でＳｅｒｐｉｎＢ４タンパク質の発現レベルが有意に上昇していた。また、健常児、ＡＤ軽症児及びＡＤ中等症児の顔から採取したＳＳＬ中のＳｅｒｐｉｎＢ４タンパク質の発現を調べたところ、ＡＤの重症度依存的にＳｅｒｐｉｎＢ４タンパク質の発現レベルが上昇していた。さらに、健常児及びＡＤ患児の背中（健常児では健常部、ＡＤ患児では無疹部（皮疹を含まない））から採取したＳＳＬ中のＳｅｒｐｉｎＢ４タンパク質の発現を調べたところ、ＡＤ患児では皮疹部だけでなく無疹部においても、ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルが上昇していた。
　一方で、ＳＳＬ中のＳｅｒｐｉｎＢ４のＲＮＡは、健常児とＡＤ患児の間で発現レベルに差が見られなかった。また成人においては、健常者とＡＤ患者との間でＳＳＬ中のＳｅｒｐｉｎＢ４タンパク質の発現レベルに差は見られなかった。

　血中ＩＬ－１８タンパク質や、角層中ＳｅｒｐｉｎＢ１２タンパク質はＡＤマーカーとして知られていることから（非特許文献５、８）、ＡＤ患児のＳＳＬ中におけるＩＬ－１８タンパク質及びＳｅｒｐｉｎＢ１２タンパク質の発現を調べた。その結果、後述する実施例に示すように、ＳＳＬ中ＩＬ－１８タンパク質及びＳｅｒｐｉｎＢ１２タンパク質は、健常児とＡＤ患児との間で発現レベルの差が見られなかった。

　以上の結果は、ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質は、乳幼児ＡＤを検出するための乳幼児ＡＤマーカーとして有用であることを示す。また、非侵襲で採取できるＳＳＬは乳幼児にとって重要な生体試料源であること、及び、生体試料としてＳＳＬを利用する場合にはＳｅｒｐｉｎＢ４のＲＮＡや、ＩＬ－１８及びＳｅｒｐｉｎＢ１２のような公知のマーカータンパク質が乳幼児ＡＤマーカーとして使用できないことを考えると、ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質が乳幼児ＡＤマーカーとして使用できることは予想外であり、かつ極めて有用である。

　したがって、本発明は、乳幼児ＡＤの検出方法を提供する。本発明による乳幼児ＡＤの検出方法は、乳幼児被験者から採取されたＳＳＬにおけるＳｅｒｐｉｎＢ４タンパク質の発現レベルを測定する工程を含む。

　本発明のＡＤの検出方法においては、被験者（乳幼児被験者、本項において以下同じ）から採取されたＳＳＬ中のＳｅｒｐｉｎＢ４の発現レベルが測定され、当該発現レベルに基づいて乳幼児ＡＤが検出される。一例において、該検出は、測定されたＳｅｒｐｉｎＢ４の発現レベルを参照値と比較することによって行われる。より詳細には、被験者におけるＳＳＬ中ＳｅｒｐｉｎＢ４の発現レベルを参照値と比較することで、該被験者における乳幼児ＡＤの存在若しくは不存在、又はその進行の程度を検出することができる。

　「参照値」は、検出の目的などに応じて任意に設定することができる。「参照値」の例としては、健常児におけるＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルが挙げられる。例えば、健常児の発現レベルとして、健常児集団から測定したＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルの統計値（例えば平均値等）を用いることができる。検出の目的によっては、軽症ＡＤ患児又は中等症ＡＤ患児におけるＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルを「参照値」としてもよい。

　一実施形態においては、被験者におけるＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルを、上述した健常児集団に基づく参照値と比較することで、乳幼児ＡＤの存在若しくは不存在が検出される。一例においては、被験者におけるＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルが上述した健常児集団に基づく参照値よりも高いか否かが検出される。ここで被験者の発現レベルが参照値よりも高い場合、該被験者は乳幼児ＡＤとして検出され得る。

　別の一実施形態においては、被験者におけるＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルを、上述した健常児集団に基づく参照値、ならびに軽症又は中等症ＡＤ患児の集団に基づく参照値と比較することで、乳幼児ＡＤの進行の程度が検出される。一例においては、被験者におけるＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルが各々の参照値よりも高いか否かが検出される。例えば、被験者におけるＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルが、健常児集団に基づく参照値よりも高く、かつ中等症ＡＤ患児集団に基づく参照値と同等以上である場合、該被験者は中等症ＡＤとして検出され得る。あるいは、被験者におけるＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルが、健常児集団に基づく参照値よりも高いが、中等症ＡＤ患児集団に基づく参照値より低い場合、該被験者は軽症ＡＤとして検出され得る。

　上記の実施形態においては、例えば、被験者におけるＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質発現レベルが参照値に対して、好ましくは１１０％以上、より好ましくは１２０％以上、さらに好ましくは１５０％以上であれば、該被験者におけるＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質発現レベルが参照値よりも「高い」と判断することができる。あるいは、健常児集団、又はＡＤ（例えば軽症、中等症など）患児集団のＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質発現レベルの平均値＋２ＳＤ、平均値＋ＳＤ、平均値＋１／２ＳＤ、又は平均値＋１／３ＳＤなどを参照値として、被験者におけるＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質発現レベルが参照値よりも高いか否かを判断することができる。

　「参照値」の別の例としては、健常児及びＡＤ患児を含む乳幼児集団から測定したＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルに基づいて決定されたカットオフ値が挙げられる。カットオフ値は、種々の統計解析手法により求めることができる。例えば、ＲＯＣ曲線（Ｒｅｃｅｉｖｅｒ　Ｏｐｅｒａｔｏｒａｔｉｎｇ　Ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｃｕｒｖｅ、受信者動作特性曲線）解析に基づくカットオフ値が例示される。ＲＯＣ曲線は、乳幼児集団から測定したＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルで、陽性患者において陽性の結果がでる確率（％）（真陽性率（ＴＰＦ：Ｔｒｕｅ　Ｐｏｓｉｔｉｏｎ　Ｆｒａｃｔｉｏｎ）、感度）と、陰性患者において陰性の結果がでる確率（％）（特異度）を求め、［１００－特異度］（偽陽性率（ＦＰＦ：Ｆａｌｓｅ　Ｐｏｓｉｔｉｏｎ　Ｆｒａｃｔｉｏｎ））に対して感度をプロットすることで作成することができる。ＲＯＣ曲線のどのポイントをカットオフ値として採用するかは、疾患の重症度や検査の位置づけ、その他種々の条件より決定すればよい。一般的には、感度、特異度をともに高める（１００％に近づける）ために、カットオフ値は、真陽性率（感度）を縦軸（Ｙ軸）、偽陽性率を横軸（Ｘ軸）とするＲＯＣ曲線上の点で、（０，１００）に最も近い点での発現レベル、又は［「真陽性（感度）」－「偽陽性（１００－特異度）」］が最大となる点（Ｙｏｕｄｅｎ　ｉｎｄｅｘ）での発現レベルに設定される。
　したがって、本発明のさらに別の一実施形態においては、被験者におけるＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルを、上述したカットオフ値に基づく参照値と比較することで、乳幼児ＡＤの進行の程度が検出される。一例においては、被験者におけるＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルが上述したカットオフ値に基づく参照値よりも高いか否かが検出される。ここで被験者の発現レベルが参照値よりも高い場合、該被験者は乳幼児ＡＤとして検出され得る。

　本発明において、ＳＳＬを採取する被験者は、乳幼児であれば性別や人種など特に限定されない。該被験者の好ましい例としては、アトピー性皮膚炎の検出を必要とする乳幼児、及びアトピー性皮膚炎の発症が疑われる乳幼児が挙げられる。

　一実施形態において、本発明の方法は、被験体のＳＳＬを採取することをさらに含んでいてもよい。被験者からＳＳＬを採取する皮膚の部位は、頭、顔、頸部、体幹、四肢などの皮膚を含み得、特に限定されない。ＳＳＬを採取する部位は、皮膚のＡＤ症状の発現がみられる部位であっても、そうでなくともよく、例えば皮疹部であっても無疹部であってもよい。

（５．ＡＤ検出用マーカーの調製及び検出）
１）ＳＳＬの調製
　被験者の皮膚からのＳＳＬの採取には、皮膚からのＳＳＬの回収又は除去に用いられているあらゆる手段を採用することができる。好ましくは、後述するＳＳＬ吸収性素材、ＳＳＬ接着性素材、又は皮膚からＳＳＬをこすり落とす器具を使用することができる。ＳＳＬ吸収性素材又はＳＳＬ接着性素材としては、ＳＳＬに親和性を有する素材であれば特に限定されず、例えばポリプロピレン、パルプ等が挙げられる。皮膚からのＳＳＬの採取手順のより詳細な例としては、あぶら取り紙、あぶら取りフィルム等のシート状素材へＳＳＬを吸収させる方法、ガラス板、テープ等へＳＳＬを接着させる方法、スパーテル、スクレイパー等によりＳＳＬをこすり落として回収する方法、などが挙げられる。ＳＳＬの吸着性を向上させるため、脂溶性の高い溶媒を予め含ませたＳＳＬ吸収性素材を用いてもよい。一方、ＳＳＬ吸収性素材は、水溶性の高い溶媒や水分を含んでいるとＳＳＬの吸着が阻害されるため、水溶性の高い溶媒や水分の含有量が少ないことが好ましい。ＳＳＬ吸収性素材は、乾燥した状態で用いることが好ましい。

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

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

　本発明の方法においては、好ましい態様として、生体試料としてＳＳＬが用いられる。一態様において、本発明の方法においては、ＳＳＬに含まれるＲＮＡの発現レベルが解析され、具体的にはＲＮＡを逆転写によりｃＤＮＡに変換した後、該ｃＤＮＡ又はその増幅産物が測定される。

　ＳＳＬからのＲＮＡの抽出には、生体試料からのＲＮＡの抽出又は精製に通常使用される方法、例えば、フェノール/クロロホルム法、ＡＧＰＣ（ａｃｉｄ　ｇｕａｎｉｄｉｎｉｕｍ　ｔｈｉｏｃｙａｎａｔｅ－ｐｈｅｎｏｌ－ｃｈｌｏｒｏｆｏｒｍ　ｅｘｔｒａｃｔｉｏｎ）法、又はＴＲＩｚｏｌ（登録商標）、ＲＮｅａｓｙ（登録商標）、ＱＩＡｚｏｌ（登録商標）等のカラムを用いた方法、シリカをコーティングした特殊な磁性体粒子を用いる方法、Ｓｏｌｉｄ　Ｐｈａｓｅ　Ｒｅｖｅｒｓｉｂｌｅ　Ｉｍｍｏｂｉｌｉｚａｔｉｏｎ磁性体粒子を用いる方法、ＩＳＯＧＥＮ等の市販のＲＮＡ抽出試薬による抽出等を用いることができる。

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

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

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

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

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

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

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

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

　シーケンシングによって標的遺伝子又はそれに由来する核酸の発現量を測定する場合は、例えば、次世代シーケンサー（例えばＩｏｎ　Ｓ５／ＸＬシステム、ライフテクノロジーズジャパン株式会社）が用いて解析することが挙げられる。シーケンシングで作成されたリードの数（リードカウント）に基づいて、ＲＮＡ発現を定量することができる。

　上記の測定に用いられるプローブ又はプライマー、すなわち、本発明の標的遺伝子又はそれに由来する核酸を特異的に認識し増幅するためのプライマー、又は該ＲＮＡ又はそれに由来する核酸を特異的に検出するためのプローブがこれに該当するが、これらは、当該標的遺伝子を構成する塩基配列に基づいて設計することができる。ここで「特異的に認識する」とは、例えばノーザンブロット法において、実質的に本発明の標的遺伝子又はそれに由来する核酸のみを検出できること、また例えばＲＴ－ＰＣＲ法において、実質的に当該核酸のみが増幅される如く、当該検出物又は生成物が当該遺伝子又はそれに由来する核酸であると判断できることを意味する。
　具体的には、本発明の標的遺伝子を構成する塩基配列からなるＤＮＡ又はその相補鎖に相補的な一定数のヌクレオチドを含むオリゴヌクレオチドを利用することができる。ここで「相補鎖」とは、Ａ：Ｔ（ＲＮＡの場合はＵ）、Ｇ：Ｃの塩基対からなる２本鎖ＤＮＡの一方の鎖に対する他方の鎖を指す。また、「相補的」とは、当該一定数の連続したヌクレオチド領域で完全に相補配列である場合に限られず、好ましくは８０％以上、より好ましくは９０％以上、さらに好ましくは９５％以上、よりさらに好ましくは９８％以上の塩基配列上の同一性を有すればよい。塩基配列の同一性は、前記ＢＬＡＳＴ等のアルゴリズムにより決定することができる。
　斯かるオリゴヌクレオチドは、プライマーとして用いる場合には、特異的なアニーリング及び鎖伸長ができればよく、通常、例えば１０塩基以上、好ましくは１５塩基以上、より好ましくは２０塩基以上、かつ例えば１００塩基以下、好ましくは５０塩基以下、より好ましくは３５塩基以下の鎖長を有するものが挙げられる。また、プローブとして用いる場合には、特異的なハイブリダイゼーションができればよく、本発明の標的遺伝子を構成する塩基配列からなるＤＮＡ（又はその相補鎖）の少なくとも一部若しくは全部の配列を有し、例えば１０塩基以上、好ましくは１５塩基以上、かつ例えば１００塩基以下、好ましくは５０塩基以下、より好ましくは２５塩基以下の鎖長のものが用いられる。
　なお、ここで、「オリゴヌクレオチド」は、ＤＮＡあるいはＲＮＡであることができ、合成されたものでも天然のものでもよい。又はイブリダイゼーションに用いるプローブは、通常標識したものが用いられる。

　また、本発明の標的遺伝子の翻訳産物（タンパク質）、当該タンパク質と相互作用する分子、ＲＮＡと相互作用する分子、又はＤＮＡと相互作用する分子を測定する場合は、プロテインチップ解析、免疫測定法（例えば、ＥＬＩＳＡ等）、質量分析（例えば、ＬＣ－ＭＳ／ＭＳ、ＭＡＬＤＩ－ＴＯＦ／ＭＳ）、１－ハイブリッド法（PNAS 100, 12271-12276(2003)）や２－ハイブリッド法（Biol. Reprod. 58, 302-311 (1998)）のような方法を用いることができ、対象に応じて適宜選択できる。
　例えば、測定対象としてタンパク質が用いられる場合は、本発明の発現産物に対する抗体を生体試料と接触させ、当該抗体に結合した試料中のタンパク質を検出し、そのレベルを測定することによって実施される。例えば、ウェスタンブロット法によれば、一次抗体として上記の抗体を用いた後、二次抗体として放射性同位元素、蛍光物質又は酵素等で標識した一次抗体に結合する抗体を用いて、その一次抗体を標識し、これら標識物質由来のシグナルを放射線測定器、蛍光検出器等で測定することが行われる。
　尚、上記翻訳産物に対する抗体は、ポリクローナル抗体であっても、モノクローナル抗体であってもよい。これらの抗体は、公知の方法に従って製造することができる。具体的には、ポリクローナル抗体は、常法に従って大腸菌等で発現し精製したタンパク質を用いて、あるいは常法に従って当該タンパク質の部分ポリペプチドを合成して、家兎等の非ヒト動物に免疫し、該免疫動物の血清から常法に従って得ることが可能である。
　一方、モノクローナル抗体は、常法に従って大腸菌等で発現し精製したタンパク質又は該タンパク質の部分ポリペプチドをマウス等の非ヒト動物に免疫し、得られた脾臓細胞と骨髄腫細胞とを細胞融合させて調製したハイブリドーマ細胞から得ることができる。また、モノクローナル抗体は、ファージディスプレイを用いて作製してもよい（Griffiths, A.D.; Duncan, A.R., Current Opinion in Biotechnology, Volume 9, Number 1, February 1998 , pp. 102-108(7)）。

　斯くして、被験者から採取された生体試料中の本発明の標的遺伝子又はその発現産物の発現レベルが測定され、当該発現レベルに基づいてＡＤが検出される。一実施形態において、検出は、具体的には、測定された本発明の標的遺伝子又はその発現産物の発現レベルを対照レベルと比較することによって行われる。

　「対照レベル」としては、例えば、健常者における当該標的遺伝子又はその発現産物の発現レベルが挙げられる。健常者の発現レベルは、健常者集団から測定した当該遺伝子又はその発現産物の発現レベルの統計値（例えば平均値等）であってもよい。標的遺伝子が複数の場合は、各々の遺伝子又はその発現産物について基準発現レベルを求めることが好ましい。対照レベルの算出に用いる健常者は、成人ＡＤの検出のためには成人の健常者、乳幼児ＡＤの検出のためには乳幼児の健常者である。

　シーケンシングにより複数の標的遺伝子の発現レベルの解析を行う場合は、上記したように、発現量のデータであるリードカウント値、該リードカウント値をサンプル間の総リード数の違いを補正したＲＰＭ値、当該ＲＰＭ値を底２の対数値に変換した値（Ｌｏｇ₂ＲＰＭ値）又は整数１を加算した底２の対数値（Ｌｏｇ₂（ＲＰＭ＋１）値）、あるいはＤＥＳｅｑ２を用いて補正されたカウント値（Ｎｏｒｍａｌｉｚｅｄ　ｃｏｕｎｔ値）又は整数１を加算した底２の対数値（Ｌｏｇ₂（ｃｏｕｎｔ＋１）値）を指標として用いるのが好ましい。また、ＲＮＡ－ｓｅｑの定量値として一般的な、ｆｒａｇｍｅｎｔｓ　ｐｅｒ　ｋｉｌｏｂａｓｅ　ｏｆ　ｅｘｏｎ　ｐｅｒ　ｍｉｌｌｉｏｎ　ｒｅａｄｓ　ｍａｐｐｅｄ　（ＦＰＫＭ）、ｒｅａｄｓ　ｐｅｒ　ｋｉｌｏｂａｓｅ　ｏｆ　ｅｘｏｎ　ｐｅｒ　ｍｉｌｌｉｏｎ　ｒｅａｄｓ　ｍａｐｐｅｄ　（ＲＰＫＭ）、ｔｒａｎｓｃｒｉｐｔｓ　ｐｅｒ　ｍｉｌｌｉｏｎ　（ＴＰＭ）などによって算出される値であってもよい。また、マイクロアレイ法によって得られるシグナル値、及びその補正値であってもよい。また、ＲＴ－ＰＣＲなどにより特定の標的遺伝子のみ発現レベルの解析を行う場合には、対象遺伝子の発現量をハウスキーピング遺伝子の発現量を基準とする相対的な発現量に変換（相対定量）して解析する方法、又は標的遺伝子の領域を含むプラスミドを用いて絶対的なコピー数を定量（絶対定量）して解析する方法が好ましい。デジタルＰＣＲ法によって得られるコピー数であってもよい。

　また、本発明におけるＡＤの検出は、本発明の標的遺伝子又はその発現産物の発現レベルの上昇／減少により行うこともできる。この場合は、被験者由来の生体試料における標的遺伝子又はその発現産物の発現レベルが、各遺伝子又はその発現産物の参照値と比較される。参照値は、予め健常者における当該標的遺伝子又はその発現産物の発現レベルを基準データとして取得しておき、それに基づく発現レベルの平均値や標準偏差等の統計的数値に基づき、適宜決定すればよい。参照値の算出に用いる健常者は、成人ＡＤの検出のためには成人の健常者、乳幼児ＡＤの検出のためには乳幼児の健常者である。

３）タンパク質マーカーの測定
　本発明によるＡＤ検出用タンパク質マーカーの調製方法及びそれを用いたＡＤ検出方法において、ＳＳＬからのタンパク質の抽出には、生体試料からのタンパク質の抽出又は精製に通常使用される方法を用いることができる。例えば水、ｐｈｏｓｐｈａｔｅ－ｂｕｆｆｅｒｅｄ　ｓａｌｉｎｅ溶液、又は界面活性剤としてＴｒｉｔｏｎ　Ｘ－１００、Ｔｗｅｅｎ２０等を含む溶液による抽出方法、あるいはＭ－ＰＥＲ　ｂｕｆｆｅｒ（Ｔｈｅｒｍｏ　Ｆｉｓｈｅｒ　Ｓｃｉｅｎｔｉｆｉｃ）、ＭＰＥＸ　ＰＴＳ　Ｒｅａｇｅｎｔ（ＧＬ　ｓｃｉｅｎｃｅ）、ＱＩＡｚｏｌ　Ｌｙｓｉｓ　Ｒｅａｇｅｎｔ（Ｑｉａｇｅｎ）、ＥａｓｙＰｅｐ^TM　Ｍｉｎｉ　ＭＳ　Ｓａｍｐｌｅ　Ｐｒｅｐ　Ｋｉｔ（ＴｈｅｒｍｏＦｉｓｈｅｒ　Ｓｃｉｅｎｔｉｆｉｃ）等の市販のタンパク質抽出試薬やキットによるタンパク質抽出方法を用いることができる。

　抽出されたＳＳＬ由来タンパク質には、前述したＡＤ検出用タンパク質マーカーが１種以上含まれ得る。該ＳＳＬ由来タンパク質は、直ちにＡＤ検出に用いられてもよいが、該ＡＤ検出に用いるまでタンパク質の通常の保存条件下で保存されてもよい。

　ＡＤ検出用タンパク質マーカーのＳＳＬ中濃度は、ＥＬＩＳＡ、免疫染色、蛍光法、電気泳動、クロマトグラフィー、質量分析などの、通常のタンパク質の検出又は定量法を用いて測定することができる。このうち、ＬＣ－ＭＳ／ＭＳなどの質量分析法が好ましい。濃度測定では、上記ＳＳＬ由来タンパク質をサンプルとして、通常の手順に従って、標的とする１種以上のタンパク質マーカーの検出又は定量を実施すればよい。算出される該標的マーカーの濃度は、ＳＳＬ中の該標的マーカーの絶対量に基づく濃度であっても、ＳＳＬ中の他の標準物質や総タンパク質に対する相対濃度であってもよい。

　ＳｅｒｐｉｎＢ４を用いたＡＤ検出方法において、ＳｅｒｐｉｎＢ４タンパク質の発現レベルの測定では、ＳｅｒｐｉｎＢ４タンパク質それ自体の量や活性を測定しても、ＳｅｒｐｉｎＢ４に対する抗体を用いて測定してもよい。あるいは、ＳｅｒｐｉｎＢ４タンパク質と相互作用をする分子、例えば、別のタンパク質、糖、脂質、脂肪酸、及びこれらのリン酸化物、アルキル化物、糖付加物等、及び上記いずれかの複合体の量又は活性を測定してもよい。算出されるＳｅｒｐｉｎＢ４タンパク質の発現レベルは、ＳＳＬ中のＳｅｒｐｉｎＢ４タンパク質の絶対量に基づく値であっても、ＳＳＬ中の他の標準物質や総タンパク質に対する相対値であってもよく、好ましくはヒト由来の総タンパク質に対する相対値である。

　ＳｅｒｐｉｎＢ４タンパク質の発現レベルを測定する手法としては、ウェスタンブロット、プロテインチップ解析、免疫測定法（例えば、ＥＬＩＳＡ等）、クロマトグラフィー、質量分析（例えば、ＬＣ－ＭＳ／ＭＳ、ＭＡＬＤＩ－ＴＯＦ／ＭＳ）、１－ハイブリッド法（PNAS, 100:12271-12276 (2003)）、２－ハイブリッド法（Biol Reprod, 58:302-311 (1998)）などの通常のタンパク質の検出又は定量法を用いることができる。例えば、ＳｅｒｐｉｎＢ４タンパク質に対する抗体をＳＳＬ由来のタンパク質試料と接触させ、当該抗体に結合した試料中のタンパク質を検出することで、ＳｅｒｐｉｎＢ４タンパク質の発現レベルを測定することができる。例えば、ウェスタンブロット法によれば、一次抗体として上記の抗体を用いた後、二次抗体として放射性同位元素、蛍光物質又は酵素等で標識した一次抗体に結合する抗体を用いて、その一次抗体を標識し、これら標識物質由来のシグナルを放射線測定器、蛍光検出器等で測定することが行われる。上記の一次抗体は、ポリクローナル抗体であっても、モノクローナル抗体であってもよい。これらの抗体は、市販品を使用することができる。または公知の方法に従って製造することができる。具体的には、ポリクローナル抗体は、常法に従って大腸菌等で発現し精製したタンパク質を用いて、あるいは常法に従って当該タンパク質の部分ポリペプチドを合成して、家兎等の非ヒト動物に免疫し、該免疫動物の血清から常法に従って得ることが可能である。一方、モノクローナル抗体は、常法に従って大腸菌等で発現し精製したタンパク質又は該タンパク質の部分ポリペプチドをマウス等の非ヒト動物に免疫し、得られた脾臓細胞と骨髄腫細胞とを細胞融合させて調製したハイブリドーマ細胞から得ることができる。また、モノクローナル抗体は、ファージディスプレイを用いて作製してもよい（Current Opinion in Biotechnology, 9(1):102-108 (1998)）。

（６．ＡＤ検出のための予測モデルの構築）
　予測モデルに基づいたＡＤの検出について説明する。一例においては、上記１．で説明した成人ＡＤの検出又は上記２．で説明した乳幼児ＡＤの検出の場合、ＡＤ患者（成人又は乳幼児）由来の標的遺伝子又はその発現産物の発現レベルと、健常者（成人又は乳幼児）由来の標的遺伝子又はその発現産物の発現レベルの測定値を教師サンプルとして、ＡＤ患者と健常者を分ける判別式（予測モデル）を構築し、当該判別式に基づいてＡＤ患者と健常者を判別するカットオフ値（参照値）を求める。なお、判別式の作成においては、主成分分析（ＰＣＡ）により次元圧縮を行ない、主要成分を説明変数とすることができる。そして、被験者から採取された生体試料から標的遺伝子又はその発現産物のレベルを同様に測定し、得られた測定値を当該判別式に代入し、当該判別式から得られた結果を参照値と比較することによって、被験者におけるＡＤの存在又は不存在を評価できる。

　別の一例においては、上記３．で説明したタンパク質マーカーを用いたＡＤの検出の場合、該ＡＤ検出用タンパク質マーカーの量を説明変数とし、ＡＤか否かを目的変数として、機械学習アルゴリズムによりＡＤ患者（成人又は乳幼児）と健常者（成人又は乳幼児）とを分ける判別式（予測モデル）を構築する。当該判別式を利用して、ＡＤを検出することができる。該マーカーの量（濃度）は、絶対値であっても相対値であってもよくあるいは正規化処理されていてもよい。一実施形態においては、ＡＤ患者ＳＳＬ由来の標的マーカーの定量値と、健常者ＳＳＬ由来の標的マーカーの定量値を教師サンプルとして、ＡＤ患者と健常者を分ける判別式（予測モデル）を構築し、当該判別式に基づいてＡＤ患者と健常者を判別するカットオフ値（参照値）を求める。次いで被験者から採取されたＳＳＬから標的マーカーの量を測定し、得られた測定値を当該判別式に代入し、当該判別式から得られた結果を参照値と比較することによって、被験体におけるＡＤの存在又は不存在を検出できる。

　判別式の構築に用いる変数には説明変数と目的変数がある。説明変数としては、例えば、下記の方法で選択した標的遺伝子又はその発現産物の発現レベル、あるいはＡＤ検出用タンパク質マーカーの発現レベル（例えばＳＳＬ中濃度）を用いることができる。目的変数としては、例えば、そのサンプルが健常者由来かＡＤ患者由来か（ＡＤの有無）、を用いることができる。

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

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

　判別式の構築においてランダムフォレストのアルゴリズムを使用する場合、予測モデルの精度の指標として、未知データに対する推定の誤答率（ＯＯＢ　ｅｒｒｏｒ　ｒａｔｅ）を算出することができる（Breiman L. Machine Learning (2001) 45;5-32）。ランダムフォレストにおいては、ブートストラップ法という手法に従い、全サンプル中から重複を許して、サンプル数の約３分の２のサンプルをランダムに抽出し、決定木と呼ばれる分類器を作成する。このとき、抽出されなかったサンプルはＯｕｔ　ｏｆ　ｂｕｇ（ＯＯＢ）と呼ばれる。１本の決定木を用いてＯＯＢの目的変数の予測を行い、正解ラベルと比較することで、その誤答率を算出することができる（決定木におけるＯＯＢ　ｅｒｒｏｒ　ｒａｔｅ）。同様の作業を５００回繰り返し行い、５００本の決定木におけるＯＯＢ　ｅｒｒｏｒ　ｒａｔｅの平均値をとった値を、該ランダムフォレストのモデルのＯＯＢ　ｅｒｒｏｒ　ｒａｔｅとすることができる。

　なお、ランダムフォレストのモデルを構築する決定木の数（ｎｔｒｅｅ値）は、デフォルトでは５００本であるが、必要に応じて任意の本数に変更することができる。さらに、1つの決定木においてサンプルの判別式の作成に用いる変数の数（ｍｔｒｙ値）は、デフォルトでは説明変数の数の平方根をとった値であるが、必要に応じて１つから全説明変数の数までの値のいずれかに変更することができる。ｍｔｒｙ値の決定にはＲ言語の"ｃａｒｅｔ"パッケージを用いることができる。"ｃａｒｅｔ"パッケージのメソッドにランダムフォレストを指定し、８通りのｍｔｒｙ値を試行し、例えばＡｃｃｕｒａｃｙが最大となるｍｔｒｙ値を最適なｍｔｒｙ値として選択することができる。なお、ｍｔｒｙ値の試行回数は、必要に応じて任意の試行回数に変更することができる。

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

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

　予測モデルの構築に多数のタンパク質のデータを使用する場合は、必要に応じて、主成分分析（ＰＣＡ）によってデータを圧縮してから予測モデルの構築を行ってもよい。例えば、タンパク質の定量値の主成分分析により次元圧縮を行ない、主要な主成分を予測モデルの構築のための説明変数とすることができる。

（７．ＡＤ検出用キット）
　本発明のＡＤを検出するための検査用キットは、患者から分離した生体試料における本発明の標的遺伝子又はその発現産物の発現レベルを測定するための検査試薬を含有するものである。具体的には、本発明の標的遺伝子又はそれに由来する核酸と特異的に結合（ハイブリダイズ）するオリゴヌクレオチド（例えば、ＰＣＲ用のプライマー）を含む、核酸増幅、ハイブリダイゼーションのための試薬、或いは、本発明の標的遺伝子の発現産物（タンパク質）を認識する抗体を含む免疫学的測定のための試薬等が挙げられる。当該キットに包含されるオリゴヌクレオチド、抗体等は、上述したとおり公知の方法により得ることができる。また、当該検査用キットには、上記抗体や核酸の他、標識試薬、緩衝液、発色基質、二次抗体、ブロッキング剤や、試験に必要な器具やポジティブコントロールやネガティブコントロールとして使用するコントロール試薬、生体試料を採取するための用具（例えば、ＳＳＬを採取するための脂取りフィルムなど）等を含むことができる。

　また本発明は、上記で説明したＳｅｒｐｉｎＢ４タンパク質を用いた乳幼児ＡＤの検出方法に用いることができる、乳幼児ＡＤを検出するための検査用キットを提供する。一実施形態において、当該キットは、ＳｅｒｐｉｎＢ４タンパク質の発現レベルを測定するための試薬又は器具を備える。例えば、当該キットは、ＳｅｒｐｉｎＢ４タンパク質を定量するための試薬（例えば、免疫学的測定のための試薬など）を備え得る。好ましくは、当該キットは、ＳｅｒｐｉｎＢ４タンパク質を認識する抗体を含有する。当該キットに包含される抗体は、上述したとおり、市販品又は公知の方法により得ることができる。また、当該キットは、上記抗体の他、標識試薬、緩衝液、発色基質、二次抗体、ブロッキング剤や、試験に必要な器具やポジティブコントロールやネガティブコントロールとして使用するコントロール試薬を含有していてもよい。好ましくは、当該キットはさらに、ＳｅｒｐｉｎＢ４タンパク質の発現レベルを評価するための指標又はガイダンスを備える。例えば、当該キットは、ＡＤ検出のためのＳｅｒｐｉｎＢ４タンパク質の発現レベルの参照値を説明するガイダンスを備え得る。さらに当該キットは、ＳＳＬ採取デバイス（例えば、上記のＳＳＬ吸収性素材又はＳＳＬ接着性素材）、生体試料からタンパク質を抽出するための試薬、生体試料採取後の試料採取デバイスの保存剤や保存用容器などをさらに備えていてもよい。

　本発明の例示的実施形態として、以下の物質、製造方法、用途、方法等をさらに本明細書に開示する。但し、本発明はこれらの実施形態に限定されない。

〔Ａ－１〕成人被験者から採取された生体試料について、ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルを測定する工程を含む、当該被験者における成人アトピー性皮膚炎の検出方法。
〔Ａ－２〕好ましくは、遺伝子又はその発現産物の発現レベルがｍＲＮＡの発現量の測定である、〔Ａ－１〕記載の方法。
〔Ａ－３〕好ましくは、遺伝子又はその発現産物が前記被験者の皮膚表上脂質に含まれるＲＮＡである、〔Ａ－１〕又は〔Ａ－２〕記載の方法。
〔Ａ－４〕好ましくは、発現レベルの測定値を前記各遺伝子又はその発現産物の参照値と比較し、成人アトピー性皮膚炎の存在又は不存在を評価する、〔Ａ－１〕～〔Ａ－３〕のいずれか１項記載の方法。
〔Ａ－５〕好ましくは、成人アトピー性皮膚患者由来の前記遺伝子又はその発現産物の発現レベルと、成人健常者由来の同遺伝子又はその発現産物の発現レベルの測定値を教師サンプルとして、該アトピー性皮膚炎患者と健常者を分ける判別式を作成し、前記被験者から採取された生体試料から得られた同遺伝子又はその発現産物の発現レベルの測定値を当該判別式に代入し、得られた結果を参照値と比較することによって、該被験者における成人アトピー性皮膚炎の存在又は不存在を評価する、〔Ａ－１〕～〔Ａ－３〕のいずれか１項記載の方法。
〔Ａ－６〕好ましくは、判別式の構築におけるアルゴリズムが、ランダムフォレスト、線形カーネルのサポートベクターマシン、ｒｂｆカーネルのサポートベクターマシン、ニューラルネットワーク、一般線形モデル、正則化線形判別分析、又は正則化ロジスティック回帰である〔Ａ－５〕記載の方法。
〔Ａ－７〕好ましくは、前記１７種の遺伝子群の全ての遺伝子又はその発現産物の発現レベルが測定される、〔Ａ－５〕又は〔Ａ－６〕記載の方法。
〔Ａ－８〕好ましくは、前記１７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、下記表Ａ－１－１～Ａ－１－３で示される１２３種、下記表Ａ－３－１～Ａ－３－４で示される１５０種、又は表Ａ－４で示される４５種のうち、前記１７種の遺伝子を除いた遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルが測定される、〔Ａ－５〕～〔Ａ－７〕のいずれか１項記載の方法。
〔Ａ－９〕好ましくは、下記表Ａ－３－１～Ａ－３－４で示される１５０種がランダムフォレストを用いて抽出された特徴量遺伝子である、〔Ａ－８〕記載の方法。
〔Ａ－１０〕好ましくは、下記表Ａ－４で示される４５種がＢｏｒｕｔａ法を用いて抽出された特徴量遺伝子である、〔Ａ－８〕記載の方法。
〔Ａ－１１〕成人被験者から採取された生体試料に由来する下記１７種の遺伝子：ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２、ならびに該遺伝子の発現産物からなる群より選択される少なくとも１つの、成人アトピー性皮膚炎の検出マーカーとしての使用。
〔Ａ－１２〕好ましくは、遺伝子又はその発現産物が、前記被験者から採取された皮膚表上脂質に含まれるｍＲＮＡである、〔Ａ－１１〕記載の使用。
〔Ａ－１３〕好ましくは、前記１７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の他に、下記表Ａ－１－１～Ａ－１－３で示される１２３種、下記表Ａ－３－１～Ａ－３－４で示される１５０種、又は表Ａ－４で示される４５種のうち、前記１７種の遺伝子を除いた遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物が使用される、〔Ａ－１１〕又は〔Ａ－１２〕記載の使用。
〔Ａ－１４〕前記遺伝子又はそれに由来する核酸と特異的にハイブリダイズするオリゴヌクレオチド、又は前記遺伝子の発現産物を認識する抗体を含有する、〔Ａ－１〕～〔Ａ－１０〕のいずれか１項記載の方法に用いられる成人アトピー性皮膚炎を検出するための検査用キット。
〔Ａ－１５〕前記表Ａ－ｂに示される２１０種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物からなる、成人アトピー性皮膚炎の検出マーカー。
〔Ａ－１６〕下記表Ａ－ｃに示される１８７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物からなる、成人アトピー性皮膚炎の検出マーカー。

〔Ａ－１７〕好ましくは、ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物である、〔Ａ－１５〕又は〔Ａ－１６〕記載のマーカー。
〔Ａ－１８〕好ましくは、ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１５種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物である、〔Ａ－１７〕記載のマーカー。

〔Ｂ－１〕乳幼児被験者から採取された生体試料について、ＩＭＰＤＨ２、ＥＲＩ１、ＦＢＸＷ２、ＳＴＫ１７Ｂ、ＴＡＧＬＮ２、ＡＭＩＣＡ１及びＨＮＲＮＰＡ１からなる７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルを測定する工程を含む、当該被験者における乳幼児アトピー性皮膚炎の検出方法。
〔Ｂ－２〕好ましくは、ＩＭＰＤＨ２、ＥＲＩ１及びＦＢＸＷ２からなる３種の遺伝子群より選択される遺伝子又はその発現産物の発現レベルの測定を少なくとも含む、〔Ｂ－１〕記載の方法。
〔Ｂ－３〕好ましくは、遺伝子又はその発現産物の発現レベルがｍＲＮＡの発現量の測定である、〔Ｂ－１〕又は〔Ｂ－２〕記載の方法。
〔Ｂ－４〕好ましくは、遺伝子又はその発現産物が前記被験者の皮膚表上脂質に含まれるＲＮＡである、〔Ｂ－１〕～〔Ｂ－３〕のいずれか１項記載の方法。
〔Ｂ－５〕好ましくは、発現レベルの測定値を前記各遺伝子又はその発現産物の参照値と比較し、乳幼児アトピー性皮膚炎の存在又は不存在を評価する、〔Ｂ－１〕～〔Ｂ－４〕のいずれか１項記載の方法。
〔Ｂ－６〕好ましくは、アトピー性皮膚炎罹患児由来の前記遺伝子又はその発現産物の発現レベルと、健常児由来の同遺伝子又はその発現産物の発現レベルの測定値を教師サンプルとして、該アトピー性皮膚炎罹患児と健常児を分ける判別式を作成し、前記被験者から採取された生体試料から得られた同遺伝子又はその発現産物の発現レベルの測定値を当該判別式に代入し、得られた結果を参照値と比較することによって、該被験者における乳幼児アトピー性皮膚炎の存在又は不存在を評価する、〔Ｂ－１〕～〔Ｂ－４〕のいずれか１項記載の方法。
〔Ｂ－７〕好ましくは、判別式の構築におけるアルゴリズムが、ランダムフォレスト、線形カーネルのサポートベクターマシン、ｒｂｆカーネルのサポートベクターマシン、ニューラルネットワーク、一般線形モデル、正則化線形判別分析、又は正則化ロジスティック回帰である〔Ｂ－６〕記載の方法。
〔Ｂ－８〕好ましくは、前記７種の遺伝子群の全ての遺伝子又はその発現産物の発現レベルが測定される、〔Ｂ－６〕又は〔Ｂ－７〕記載の方法。
〔Ｂ－９〕好ましくは、前記７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、下記表Ｂ－３－１～Ｂ－３－３で示される１００種、又は表Ｂ－４で示される９種のうち、前記７種の遺伝子を除いた遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルが測定される、〔Ｂ－６〕～〔Ｂ－８〕のいずれか１項記載の方法。
〔Ｂ－１０〕好ましくは、下記表Ｂ－３－１～Ｂ－３－３で示される１００種がランダムフォレストを用いて抽出された特徴量遺伝子である、〔Ｂ－９〕記載の方法。
〔Ｂ－１１〕好ましくは、下記表Ｂ－４で示される９種がＢｏｒｕｔａ法を用いて抽出された特徴量遺伝子である、〔Ｂ－９〕記載の方法。
〔Ｂ－１２〕好ましくは、前記７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、下記表Ｂ－１－１～Ｂ－１－９で示される３７１種のうち前記７種に含まれる遺伝子を除いた遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルが測定される、〔Ｂ－６〕～〔Ｂ－８〕のいずれか１項記載の方法。
〔Ｂ－１３〕好ましくは、前記７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、下記の２５種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルが測定される、〔Ｂ－１１〕又は〔Ｂ－１２〕の方法、
　ＡＢＨＤ８、ＧＰＴ２、ＰＬＩＮ２、ＦＡＭ１００Ｂ、ＹＰＥＬ２、ＭＡＰ１ＬＣ３Ｂ２、ＲＬＦ、ＫＩＡＡ０９３０、ＵＢＥ２Ｒ２、ＨＫ２、ＵＳＦ２、ＰＤＩＡ３Ｐ、ＨＮＲＮＰＵＬ１、ＳＥＣ６１Ｇ、ＤＮＡＪＢ１１、ＳＤＨＤ、ＮＤＵＦＳ７、ＥＣＨ１、ＣＡＳＳ４、ＩＬ７Ｒ、ＣＬＥＣ４Ａ、ＡＲＥＧ、ＳＮＲＰＤ１、ＳＬＣ７Ａ１１及びＳＮＸ８。
〔Ｂ－１４〕乳幼児被験者から採取された生体試料に由来する下記７種の遺伝子：ＩＭＰＤＨ２、ＥＲＩ１、ＦＢＸＷ２、ＳＴＫ１７Ｂ、ＴＡＧＬＮ２、ＡＭＩＣＡ１及びＨＮＲＮＰＡ１、ならびに該遺伝子の発現産物からなる群より選択される少なくとも１つの、乳幼児アトピー性皮膚炎の検出マーカーとしての使用。
〔Ｂ－１５〕好ましくは、遺伝子又はその発現産物が、前記被験者から採取された皮膚表上脂質に含まれるｍＲＮＡである、〔Ｂ－１４〕記載の使用。
〔Ｂ－１６〕好ましくは、前記７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の他に、下記表Ｂ－１－１～Ｂ－１－９で示される３７１種、下記表Ｂ－３－１～Ｂ－３－３で示される１００種、及び表Ｂ－４で示される９種のうち、前記７種の遺伝子を除いた遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物が使用される、〔Ｂ－１４〕又は〔Ｂ－１５〕記載の使用。
〔Ｂ－１７〕前記遺伝子又はそれに由来する核酸と特異的にハイブリダイズするオリゴヌクレオチド、又は前記遺伝子の発現産物を認識する抗体を含有する、〔Ｂ－１〕～〔Ｂ－１３〕のいずれか１項記載の方法に用いられる乳幼児アトピー性皮膚炎を検出するための検査用キット。
〔Ｂ－１８〕前記表Ｂ－ｂ－１～Ｂ－ｂ－２に示される３８３種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物からなる、乳幼児アトピー性皮膚炎の検出マーカー。
〔Ｂ－１９〕下記表Ｂ－ｃ－１～Ｂ－ｃ－２に示される３３７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物からなる、乳幼児アトピー性皮膚炎の検出マーカー。

〔Ｂ－２０〕好ましくは、ＩＭＰＤＨ２、ＥＲＩ１、ＦＢＸＷ２、ＳＴＫ１７Ｂ、ＴＡＧＬＮ２、ＡＭＩＣＡ１及びＨＮＲＮＰＡ１からなる７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物である、〔Ｂ－１８〕又は〔Ｂ－１９〕記載のマーカー。
〔Ｂ－２１〕好ましくは、ＡＢＨＤ８、ＧＰＴ２、ＰＬＩＮ２、ＦＡＭ１００Ｂ、ＹＰＥＬ２、ＭＡＰ１ＬＣ３Ｂ２、ＲＬＦ、ＫＩＡＡ０９３０、ＵＢＥ２Ｒ２、ＨＫ２、ＵＳＦ２、ＰＤＩＡ３Ｐ、ＨＮＲＮＰＵＬ１、ＳＥＣ６１Ｇ、ＤＮＡＪＢ１１、ＳＤＨＤ、ＮＤＵＦＳ７、ＥＣＨ１、ＣＡＳＳ４、ＣＬＥＣ４Ａ、ＳＮＲＰＤ１、ＳＬＣ７Ａ１１及びＳＮＸ８からなる２３種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物である、〔Ｂ－１８〕又は〔Ｂ－１９〕記載のマーカー。

〔Ｃ－１〕被験者から採取した皮膚表上脂質から、上記表Ｃ－１－１～Ｃ－１－１３に示すタンパク質からなる群より選択される少なくとも１種のタンパク質を回収することを含む、アトピー性皮膚炎検出用タンパク質マーカーの調製方法。
〔Ｃ－２〕被験者から採取した皮膚表上脂質から、上記表Ｃ－１－１～Ｃ－１－１３に示すタンパク質からなる群より選択される少なくとも１種のタンパク質を検出することを含む、被験者におけるアトピー性皮膚炎の検出方法。
〔Ｃ－３〕好ましくは、前記少なくとも１種のタンパク質が、
　表Ｃ－２－１～Ｃ－２－５に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であるか、
　表Ｃ－３－１～Ｃ－３－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質である、
〔Ｃ－１〕又は〔Ｃ－２〕記載の方法。
〔Ｃ－４〕前記被験者が好ましくは乳幼児であり、
　前記少なくとも１種のタンパク質が、
　　好ましくは、表Ｃ－４－１～Ｃ－４－６に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　より好ましくは、表Ｃ－７－１～Ｃ－７－４及び表Ｃ－８に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　さらに好ましくは、表Ｃ－１１－１～Ｃ－１１－４に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であるか、又は表Ｃ－１２－１～Ｃ－１２－４に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であるか、又は表Ｃ－１３に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　さらに好ましくは、POF1B、MNDA、SERPINB4、CLEC3B、PLEC、LGALS7、H2AC4、SERPINB3、AMBP、PFN1、DSC3、IGHG1、ORM1、RECQL、RPL26、KLK13、RPL22、APOA2、SERPINB5、LCN15、IGHG3、CAP1及びSPRR2Fからなる群より選択される少なくとも１種のタンパク質を含み、
　　さらに好ましくは、POF1B、MNDA、SERPINB4、CLEC3B、PLEC、LGALS7、H2AC4、SERPINB3、AMBP、PFN1、DSC3、IGHG1、ORM1、RECQL、RPL26、KLK13、RPL22、APOA2、SERPINB5、LCN15、IGHG3、CAP1及びSPRR2Fからなる群より選択される少なくとも１種のタンパク質と、表Ｃ－１１－１～Ｃ－１１－４、表Ｃ－１２－１～Ｃ－１２－４及び表Ｃ－１３に示すタンパク質からなる群より選択される少なくとも１種の別のタンパク質との組み合わせである、
〔Ｃ－１〕又は〔Ｃ－２〕記載の方法。
〔Ｃ－５〕前記被験者が好ましくは成人であり、
　前記少なくとも１種のタンパク質が、
　　好ましくは、表Ｃ－５－１～Ｃ－５－９に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　より好ましくは、表Ｃ－９－１～Ｃ－９－７及び表Ｃ－１０－１～Ｃ－１０－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　さらに好ましくは、表Ｃ－１４－１～Ｃ－１４－７に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であるか、又は表Ｃ－１５－１～Ｃ－１５－４に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であるか、又は表Ｃ－１６に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　さらに好ましくは、SERPINB1、TTR、DHX36、ITIH4、GC、ALB、SERPING1、DDX55、IGHV1-46、EZR、VTN、AHSG、HPX、PPIA、KNG1、FN1、PLG、PRDX6及びFLG2からなる群より選択される少なくとも１種のタンパク質を含み、
　　さらに好ましくは、SERPINB1、TTR、DHX36、ITIH4、GC、ALB、SERPING1、DDX55、IGHV1-46、EZR、VTN、AHSG、HPX、PPIA、KNG1、FN1、PLG、PRDX6及びFLG2からなる群より選択される少なくとも１種のタンパク質と、表Ｃ－１４－１～Ｃ－１４－７、表Ｃ－１５－１～Ｃ－１５－４及び表Ｃ－１６に示すタンパク質からなる群より選択される少なくとも１種の別のタンパク質との組み合わせである、
〔Ｃ－１〕又は〔Ｃ－２〕記載の方法。
〔Ｃ－６〕前記被験者が、好ましくは乳幼児であり、
　前記少なくとも１種のタンパク質が、好ましくは表Ｃ－７－１～Ｃ－７－４に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が乳幼児健常群と比較して増加していた場合に、該被験者をアトピー性皮膚炎と検出することを含む、
〔Ｃ－２〕記載の方法。
〔Ｃ－７〕前記被験者が、好ましくは乳幼児であり、
　前記少なくとも１種のタンパク質が、好ましくは表Ｃ－８に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が乳幼児健常群と比較して低下していた場合に、該被験者をアトピー性皮膚炎と検出することを含む、
〔Ｃ－２〕記載の方法。
〔Ｃ－８〕前記被験者が、好ましくは成人であり、
　前記少なくとも１種のタンパク質が、好ましくは表Ｃ－９－１～Ｃ－９－７に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が成人健常群と比較して増加していた場合に、該被験者をアトピー性皮膚炎と検出することを含む、
〔Ｃ－２〕記載の方法。
〔Ｃ－９〕前記被験者が、好ましくは成人であり、
　前記少なくとも１種のタンパク質が、好ましくは表Ｃ－１０－１～Ｃ－１０－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が成人健常群と比較して低下していた場合に、該被験者をアトピー性皮膚炎と検出することを含む、
〔Ｃ－２〕記載の方法。
〔Ｃ－１０〕前記方法が、
　好ましくは、前記少なくとも１種のタンパク質の濃度を説明変数とし、ＡＤの有無を目的変数として構築された予測モデルに基づいてＡＤを検出することを含み、
　より好ましくは、アトピー性皮膚炎患者と健常者を判別するカットオフ値に基づいてＡＤを検出することを含み、該カットオフ値が、アトピー性皮膚炎患者由来の前記少なくとも１種のタンパク質の濃度と、健常者由来の該タンパク質の濃度を教師サンプルとして構築された、アトピー性皮膚炎患者と健常者を分ける判別式から算出され、前記被験者の皮膚表上脂質から得られた該少なくとも１種のタンパク質の濃度を該判別式に代入し、得られた結果を該カットオフ値と比較することによって、該被験者におけるアトピー性皮膚炎の有無を評価する、
〔Ｃ－２〕～〔Ｃ－５〕のいずれか１項記載の方法。
〔Ｃ－１１〕好ましくは、アトピー性皮膚炎を有する又はその発症が疑われる被験者由来の皮膚表上脂質を検出する、〔Ｃ－２〕～〔Ｃ－１０〕のいずれか１項記載の方法。
〔Ｃ－１２〕前記被験者が、好ましくは乳幼児であり、
　前記少なくとも１種のタンパク質が、好ましくは表Ｃ－７－１～Ｃ－７－４に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が乳幼児健常群と比較して増加していた場合に、前記皮膚表上脂質をアトピー性皮膚炎を有する又はその発症が疑われる被験者由来のものとして検出することを含む、
〔Ｃ－１１〕記載の方法。
〔Ｃ－１３〕前記被験者が、好ましくは乳幼児であり、
　前記少なくとも１種のタンパク質が、好ましくは表Ｃ－８に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が乳幼児健常群と比較して低下していた場合に、前記皮膚表上脂質をアトピー性皮膚炎を有する又はその発症が疑われる被験者由来のものとして検出することを含む、
〔Ｃ－１１〕記載の方法。
〔Ｃ－１４〕前記被験者が、好ましくは成人であり、
　前記少なくとも１種のタンパク質が、好ましくは表Ｃ－９－１～Ｃ－９－７に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が成人健常群と比較して増加していた場合に、前記皮膚表上脂質をアトピー性皮膚炎を有する又はその発症が疑われる被験者由来のものとして検出することを含む、
〔Ｃ－１１〕記載の方法。
〔Ｃ－１５〕前記被験者が、好ましくは成人であり、
　前記少なくとも１種のタンパク質が、好ましくは表Ｃ－１０－１～Ｃ－１０－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　前記方法が、好ましくは該少なくとも１種のタンパク質の濃度が成人健常群と比較して低下していた場合に、前記皮膚表上脂質をアトピー性皮膚炎を有する又はその発症が疑われる被験者由来のものとして検出することを含む、
〔Ｃ－１１〕記載の方法。
〔Ｃ－１６〕好ましくは、前記被験者から皮膚表上脂質を採取することをさらに含む、〔Ｃ－１〕～〔Ｃ－１５〕のいずれか１項記載の方法。
〔Ｃ－１７〕上記上記表Ｃ－１－１～Ｃ－１－１３に示すタンパク質からなる群より選択される少なくとも１種を含む、アトピー性皮膚炎検出用タンパク質マーカー。
〔Ｃ－１８〕好ましくは、前記少なくとも１種のタンパク質が、
　表Ｃ－２－１～Ｃ－２－５に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であるか、
　表Ｃ－３－１～Ｃ－３－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質である、
〔Ｃ－１７〕記載のマーカー。
〔Ｃ－１９〕前記マーカーが好ましくは乳幼児アトピー性皮膚炎検出用マーカーであり、
　前記少なくとも１種のタンパク質が、
　　好ましくは、表Ｃ－７－１～Ｃ－７－４及び表Ｃ－８に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　より好ましくは、表Ｃ－１１－１～Ｃ－１１－４に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　さらに好ましくは、表Ｃ－４－１～Ｃ－４－６に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　さらに好ましくは、POF1B、MNDA、SERPINB4、CLEC3B、PLEC、LGALS7、H2AC4、SERPINB3、AMBP、PFN1、DSC3、IGHG1、ORM1、RECQL、RPL26、KLK13、RPL22、APOA2、SERPINB5、LCN15、IGHG3、CAP1及びSPRR2Fからなる群より選択される少なくとも１種のタンパク質である、
〔Ｃ－１７〕記載のマーカー。
〔Ｃ－２０〕前記マーカーが好ましくは成人アトピー性皮膚炎検出用マーカーであり、
　前記少なくとも１種のタンパク質が、
　　好ましくは、表Ｃ－９－１～Ｃ－９－７及び表Ｃ－１０－１～Ｃ－１０－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　より好ましくは、表Ｃ－１４－１～Ｃ－１４－７に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　さらに好ましくは、表Ｃ－５－１～Ｃ－５－９に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　さらに好ましくは、SERPINB1、TTR、DHX36、ITIH4、GC、ALB、SERPING1、DDX55、IGHV1-46、EZR、VTN、AHSG、HPX、PPIA、KNG1、FN1、PLG、PRDX6及びFLG2からなる群より選択される少なくとも１種のタンパク質である、
〔Ｃ－１７〕記載のマーカー。
〔Ｃ－２１〕上記表Ｃ－１－１～Ｃ－１－１３に示すタンパク質からなる群より選択される少なくとも１種のタンパク質の、アトピー性皮膚炎検出用マーカーとしての使用。
〔Ｃ－２２〕上記表Ｃ－１－１～Ｃ－１－１３に示すタンパク質からなる群より選択される少なくとも１種のタンパク質の、アトピー性皮膚炎検出用タンパク質マーカーの製造における使用。
〔Ｃ－２３〕好ましくは、前記少なくとも１種のタンパク質が、
　表Ｃ－２－１～Ｃ－２－５に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であるか、
　表Ｃ－３－１～Ｃ－３－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質である、
〔Ｃ－２１〕又は〔Ｃ－２２〕記載の使用。
〔Ｃ－２４〕前記マーカーが好ましくは乳幼児アトピー性皮膚炎検出用マーカーであり、
　前記少なくとも１種のタンパク質が、
　　好ましくは、表Ｃ－７－１～Ｃ－７－４及び表Ｃ－８に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　より好ましくは、表Ｃ－１１－１～Ｃ－１１－４に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　さらに好ましくは、表Ｃ－４－１～Ｃ－４－６に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　さらに好ましくは、POF1B、MNDA、SERPINB4、CLEC3B、PLEC、LGALS7、H2AC4、SERPINB3、AMBP、PFN1、DSC3、IGHG1、ORM1、RECQL、RPL26、KLK13、RPL22、APOA2、SERPINB5、LCN15、IGHG3、CAP1及びSPRR2Fからなる群より選択される少なくとも１種のタンパク質である、
〔Ｃ－２１〕又は〔Ｃ－２２〕記載の使用。
〔Ｃ－２５〕前記マーカーが好ましくは成人アトピー性皮膚炎検出用マーカーであり、
　前記少なくとも１種のタンパク質が、
　　好ましくは、表Ｃ－９－１～Ｃ－９－７及び表Ｃ－１０－１～Ｃ－１０－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　より好ましくは、表Ｃ－１４－１～Ｃ－１４－７に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　さらに好ましくは、表Ｃ－５－１～Ｃ－５－９に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　　さらに好ましくは、SERPINB1、TTR、DHX36、ITIH4、GC、ALB、SERPING1、DDX55、IGHV1-46、EZR、VTN、AHSG、HPX、PPIA、KNG1、FN1、PLG、PRDX6及びFLG2からなる群より選択される少なくとも１種のタンパク質である、
〔Ｃ－２１〕又は〔Ｃ－２２〕記載の使用。

〔Ｄ－１〕乳幼児被験者から採取された皮膚表上脂質におけるＳｅｒｐｉｎＢ４タンパク質の発現レベルを測定する工程を含む、該被験者における乳幼児アトピー性皮膚炎の検出方法。
〔Ｄ－２〕好ましくは、前記ＳｅｒｐｉｎＢ４タンパク質の発現レベルの測定値を参照値と比較し、乳幼児アトピー性皮膚炎の存在若しくは不存在、又はその進行の程度を検出することをさらに含む、〔Ｄ－１〕記載の方法。
〔Ｄ－３〕好ましくは、前記乳幼児アトピー性皮膚炎の進行の程度の検出が、軽症又は中等症アトピー性皮膚炎の検出である、〔Ｄ－２〕記載の方法。
〔Ｄ－４〕好ましくは、前記乳幼児が０～５歳の乳幼児である、〔Ｄ－１〕～〔Ｄ－３〕のいずれか１項記載の方法。
〔Ｄ－５〕好ましくは、前記被験者から皮膚表上脂質を採取することをさらに含む、〔Ｄ－１〕～〔Ｄ－４〕のいずれか１項記載の方法。
〔Ｄ－６〕ＳｅｒｐｉｎＢ４タンパク質を認識する抗体を含有する、〔Ｄ－１〕～〔Ｄ－５〕のいずれか１項記載の方法に用いられる乳幼児アトピー性皮膚炎を検出するための検査用キット。
〔Ｄ－７〕乳幼児アトピー性皮膚炎の検出のための、乳幼児被験者から採取された皮膚表上脂質におけるＳｅｒｐｉｎＢ４タンパク質の使用。
〔Ｄ－８〕好ましくは、乳幼児アトピー性皮膚炎の存在若しくは不存在、又はその進行の程度の検出のための、〔Ｄ－７〕記載の使用。
〔Ｄ－９〕好ましくは、前記乳幼児アトピー性皮膚炎の進行の程度の検出が、軽症又は中等症アトピー性皮膚炎の検出である、〔Ｄ－８〕記載の使用。
〔Ｄ－１０〕好ましくは、前記乳幼児が０～５歳の乳幼児である、〔Ｄ－７〕～〔Ｄ－９〕のいずれか１項記載の使用。

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

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

２）ＲＮＡ調製及びシーケンシング
　上記１）のあぶら取りフィルムを適当な大きさに切断し、ＱＩＡｚｏｌ　Ｌｙｓｉｓ　Ｒｅａｇｅｎｔ（Ｑｉａｇｅｎ）を用いて、付属のプロトコルに準じてＲＮＡを抽出した。抽出されたＲＮＡを元に、ＳｕｐｅｒＳｃｒｉｐｔ　ＶＩＬＯ　ｃＤＮＡ　Ｓｙｎｔｈｅｓｉｓ　ｋｉｔ（ライフテクノロジーズジャパン株式会社）を用いて４２℃、９０分間逆転写を行いｃＤＮＡの合成を行った。逆転写反応のプライマーには、キットに付属しているランダムプライマーを使用した。得られたｃＤＮＡから、マルチプレックスＰＣＲにより２０８０２遺伝子に由来するＤＮＡを含むライブラリーを調製した。マルチプレックスＰＣＲは、Ｉｏｎ　ＡｍｐｌｉＳｅｑＴｒａｎｓｃｒｉｐｔｏｍｅ　Ｈｕｍａｎ　Ｇｅｎｅ　Ｅｘｐｒｅｓｓｉｏｎ　Ｋｉｔ（ライフテクノロジーズジャパン株式会社）を用いて、［９９℃、２分→（９９℃、１５秒→６２℃、１６分）×２０サイクル→４℃、Ｈｏｌｄ］の条件で行った。得られたＰＣＲ産物は、Ａｍｐｕｒｅ　ＸＰ（ベックマン・コールター株式会社）で精製した後に、バッファーの再構成、プライマー配列の消化、アダプターライゲーションと精製、増幅を行い、ライブラリーを調製した。調製したライブラリーをＩｏｎ　５４０　Ｃｈｉｐにローディングし、Ｉｏｎ　Ｓ５／ＸＬシステム（ライフテクノロジーズジャパン株式会社）を用いてシーケンシングした。

３）データ解析
ｉ）使用データ
　上記２）で測定した被験者由来のＲＮＡの発現量のデータ（リードカウント値）において、ＤＥＳｅｑ２という手法を用いて補正した。但し、全サンプル被験者の発現量データのうち９０％以上のサンプル被験者で欠損値ではない発現量データが得られている７４２９遺伝子のみ以下の解析に使用した。解析には、ＤＥＳｅｑ２という手法を用いて補正されたカウント値（Ｎｏｒｍａｌｉｚｅｄ　ｃｏｕｎｔ値）を用いた。

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

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

実施例Ａ－２　ランダムフォレストの変数重要度の高い遺伝子を用いた判別モデルの構築
１）使用データ
　実施例Ａ－１と同様の方法で、被験者からのＳＳＬ由来ＲＮＡの発現量のデータ（リードカウント値）を取得し、サンプル間の総リード数の違いを補正したＲＰＭ値に変換した。ただし、全サンプル中９０％以上のサンプルで欠損値ではない発現量データが得られている７４２９遺伝子のみ以下の解析に使用した。機械学習モデルの構築には、負の二項分布に従うＲＰＭ値を正規分布に近似するため、整数１を加算した底２の対数値（Ｌｏｇ₂（ＲＰＭ＋１）値）を用いた。

２）特徴量遺伝子の選択
　ランダムフォレストのアルゴリズムを用いて特徴量遺伝子の選択を行うために、全サンプル中９０％以上のサンプルで欠損値ではない発現量データが得られている７４２９遺伝子のＬｏｇ₂（ＲＰＭ＋１）値を説明変数とし、健常者（ＨＬ）とＡＤを目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ジニ係数に基づく変数重要度の上位１５０遺伝子を算出した（表Ａ－３－１～Ａ－３－４）。そして、これら１５０遺伝子もしくは、そのうちこれまでにアトピー性皮膚炎との関係が報告されていない１２７遺伝子（各表において＊を付し太字で表示）を特徴量遺伝子として選択した。

３）モデル構築
　上記１５０遺伝子又は１２７遺伝子のＬｏｇ₂（ＲＰＭ＋１）値を説明変数とし、ＨＬとＡＤを目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、推定誤答率（ＯＯＢｅｒｒｏｒｒａｔｅ）を算出した。その結果、１５０遺伝子を用いた場合のモデルではＯＯＢｅｒｒｏｒｒａｔｅが６．９８％、１２７遺伝子を用いた場合のモデルでは６．９８％であった。

実施例Ａ－３　発現変動遺伝子を用いた判別モデルの構築
１）使用データ
　実施例Ａ－１と同様の方法で、被験者からのＳＳＬ由来ＲＮＡの発現量のデータ（リードカウント値）を取得し、サンプル間の総リード数の違いを補正したＲＰＭ値に変換した。機械学習モデルの構築には、負の二項分布に従うＲＰＭ値を正規分布に近似するため、整数１を加算した底２の対数値（Ｌｏｇ₂（ＲＰＭ＋１）値）を用いた。

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

３）モデル構築
　上記１２３遺伝子又は１０７遺伝子のＬｏｇ₂（ＲＰＭ＋１）値を説明変数とし、ＨＬとＡＤを目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯＢｅｒｒｏｒｒａｔｅを算出した。その結果、１２３遺伝子を用いた場合のモデルではＯＯＢｅｒｒｏｒｒａｔｅが１３．９５％、１０７遺伝子を用いた場合のモデルでは１３．９５％であった。

実施例Ａ－４　Ｂｏｒｕｔａ法により抽出した特徴量遺伝子を用いた判別モデルの構築
１）使用データ
　実施例Ａ－１と同様の方法で、被験者からのＳＳＬ由来ＲＮＡの発現量のデータ（リードカウント値）を取得し、サンプル間の総リード数の違いを補正したＲＰＭ値に変換した。ただし、全サンプル中９０％以上のサンプルで欠損値ではない発現量データが得られている７４２９遺伝子のみ以下の解析に使用した。機械学習モデルの構築には、負の二項分布に従うＲＰＭ値を正規分布に近似するため、整数１を加算した底２の対数値（Ｌｏｇ₂（ＲＰＭ＋１）値）を用いた。

２）特徴量遺伝子の選択
　全サンプル中９０％以上のサンプルで欠損値ではない発現量データが得られている７４２９遺伝子のＬｏｇ₂（ＲＰＭ+１）値を説明変数とし、健常者（ＨＬ）とＡＤを目的変数として用い、Ｒ言語の"Ｂｏｒｕｔａ"パッケージのアルゴリズムを実行した。最大試行回数を１０００回とし、ｐ値が０．０１未満である４５遺伝子を算出した（表Ａ－４）。これら４５遺伝子もしくは、そのうちこれまでにアトピー性皮膚炎との関係が報告されていない３９遺伝子（表Ａ－４において＊を付し太字で表示）を特徴量遺伝子として選択した。　

３）モデル構築
　上記４５遺伝子又は３９遺伝子のＬｏｇ₂（ＲＰＭ＋１）値を説明変数とし、ＨＬとＡＤを目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯＢｅｒｒｏｒｒａｔｅを算出した。その結果、４５遺伝子を用いた場合のモデルではＯＯＢｅｒｒｏｒｒａｔｅが６．９８％、３９遺伝子を用いた場合のモデルでは９．３％であった。

実施例Ａ－５　複数の実施例で重複して用いられた特徴量遺伝子に基づく判別モデルの構築
１）使用データ
　実施例Ａ－１と同様の方法で、被験者からのＳＳＬ由来ＲＮＡの発現量のデータ（リードカウント値）を取得し、サンプル間の総リード数の違いを補正したＲＭＰ値に変換した。機械学習モデルの構築には、負の二項分布に従うＲＰＭ値を正規分布に近似するため、整数１を加算した底２の対数値（Ｌｏｇ₂（ＲＰＭ＋１）値）を用いた。

２）特徴量遺伝子の選択
　実施例Ａ－２～Ａ－４において用いた特徴量遺伝子のうち、実施例Ａ－２～Ａ－４全ての実施例において用いた遺伝子はＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＨＭＧＣＳ１、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＣＡＰＮ１、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２、ＣＳＮＫ１Ｇ２の１９遺伝子であった（表Ａ－５）。これら１９遺伝子のうちこれまでにアトピー性皮膚炎との関係が報告されていない１７遺伝子（表Ａ－５において＊を付し太字で表示）を特徴量遺伝子として選択した。

３）モデル構築
　上記１７遺伝子のＬｏｇ₂（ＲＰＭ＋１）値を説明変数とし、ＨＬとＡＤを目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯＢｅｒｒｏｒｒａｔｅを算出した。その結果、ＯＯＢｅｒｒｏｒｒａｔｅは６．９８％であった。

実施例Ｂ－１　ＳＳＬから抽出されたＲＮＡにおける乳幼児アトピー性皮膚炎関連の発現変動遺伝子の検出
１）ＳＳＬ採取
　健常皮膚乳幼児（ＨＬ）（生後６ヶ月～５歳男女）２８名、及びアトピー性皮膚炎乳幼児（ＡＤ）（生後６ヶ月～５歳男女）２５名を被験者とした。アトピー性皮膚炎の乳幼児は、皮膚科専門医により全顔に皮疹を有し、かつ、重症度が軽度又は中等度のアトピー性皮膚炎の診断を受けている。各被験者の全顔（ＡＤは皮疹部を含む）からあぶら取りフィルム（５×８ｃｍ、ポリプロピレン製、３Ｍ社）を用いて皮脂を回収後、該あぶら取りフィルムをバイアルに移し、ＲＮＡ抽出に使用するまで－８０℃で、約１ヶ月間保存した。

３）データ解析
ｉ）使用データ
　上記２）で測定した被験者由来のＲＮＡの発現量のデータ（リードカウント値）において、ＤＥＳｅｑ２という手法を用いて補正した。但し、全サンプル被験者の発現量データのうち９０％以上のサンプル被験者で欠損値ではない発現量データが得られている３４８６遺伝子のみ以下の解析に使用した。解析には、ＤＥＳｅｑ２という手法を用いて補正されたカウント値（Ｎｏｒｍａｌｉｚｅｄ　ｃｏｕｎｔ値）を用いた。
　ｉｉ）ＲＮＡ発現解析
　上記ｉ）で測定した健常者、及びＡＤのＳＳＬ由来ＲＮＡ発現量（Ｎｏｒｍａｌｉｚｅｄ　ｃｏｕｎｔ値）を基に、健常者と比較してＡＤにおいて尤度比検定によるｐ値の補正値（ＦＤＲ）が０．２５未満となるＲＮＡ（発現変動遺伝子）を同定した。その結果、３１０種のＲＮＡが低下（ＤＯＷＮ）、６１種のＲＮＡが上昇（ＵＰ）した（表Ｂ－１－１～Ｂ－１－９）。

　表Ｂ－１－１～Ｂ－１－９に示された３７１遺伝子について、公共データベースであるＳＴＲＩＮＧを用いて遺伝子オントロジー（ＧＯ）エンリッチメント解析によるｂｉｏｌｏｇｉｃａｌ　ｐｒｏｃｅｓｓ（ＢＰ）の探索を行った。その結果、ＡＤ患者において発現低下した遺伝子群と関連したＢＰが１４４個得られ、細胞死、角化、免疫応答（好中球、白血球の脱顆粒）、ミエロイド細胞の活性化や、脂質代謝に関するタームが含まれることが示された（表Ｂ－２－１～Ｂ－２－４）。また、発現上昇した遺伝子群と関連したＢＰが４４個得られ、外因性抗原に対する免疫応答に関するタームなどが含まれた（表Ｂ－２－４）。一方で、前記表Ｂ－１－１～Ｂ－１－９に示された３７１遺伝子のうちの３１８遺伝子（各表において＊を付し太字で表示）については、これまでにアトピー性皮膚炎との関連性を示唆する報告がないことから、新規なアトピー性皮膚炎マーカーとなり得ると判断された。

実施例Ｂ－２　ランダムフォレストの変数重要度の高い遺伝子を用いた判別モデルの構築
１）使用データ
　実施例Ｂ－１と同様の方法で、被験者からのＳＳＬ由来ＲＮＡの発現量のデータ（リードカウント値）を取得し、サンプル間の総リード数の違いを補正したＲＰＭ値に変換した。ただし、全サンプル中９０％以上のサンプルで欠損値ではない発現量データが得られている３４８６遺伝子のみ以下の解析に使用した。機械学習モデルの構築には、負の二項分布に従うＲＰＭ値を正規分布に近似するため、整数１を加算した底２の対数値（Ｌｏｇ₂（ＲＰＭ＋１）値）を用いた。

２）特徴量遺伝子の選択
　ランダムフォレストのアルゴリズムを用いて特徴量遺伝子の選択を行うために、全サンプル中９０％以上のサンプルで欠損値ではない発現量データが得られている３４８６遺伝子のＬｏｇ₂（ＲＰＭ＋１）値を説明変数とし、健常者（ＨＬ）とＡＤを目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ジニ係数に基づく変数重要度の上位１００遺伝子を算出した（表Ｂ－３－１～Ｂ－３－３）。これら１００遺伝子もしくは、そのうちこれまでにアトピー性皮膚炎との関係が報告されていない９２遺伝子（各表において＊を付し太字で表示）を特徴量遺伝子として選択した。

３）モデル構築
　上記１００遺伝子又は９２遺伝子のＬｏｇ₂（ＲＰＭ＋１）値を説明変数とし、ＨＬとＡＤを目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、推定誤答率（ＯＯＢｅｒｒｏｒｒａｔｅ）を算出した。その結果、１００遺伝子を用いた場合のモデルではＯＯＢｅｒｒｏｒｒａｔｅが９．４３％、９２遺伝子を用いた場合のモデルでは１３．２１％であった。

実施例Ｂ－３　発現変動遺伝子を用いた判別モデルの構築
１）使用データ
　実施例Ｂ－１と同様の方法で、被験者からのＳＳＬ由来ＲＮＡの発現量のデータ（リードカウント値）を取得し、サンプル間の総リード数の違いを補正したＲＰＭ値に変換した。機械学習モデルの構築には、負の二項分布に従うＲＰＭ値を正規分布に近似するため、整数１を加算した底２の対数値（Ｌｏｇ₂（ＲＰＭ＋１）値）を用いた。

２）特徴量遺伝子の選択
　実施例Ｂ－２において健常者（ＨＬ）と比較してＡＤで有意に発現が変動していた３７１遺伝子（表Ｂ－１－１～Ｂ－１－９）もしくは、そのうちこれまでにアトピー性皮膚炎との関係が報告されていない３１８遺伝子（各表において＊を付し太字で表示）を特徴量遺伝子として選択した。

３）モデル構築
　上記３７１遺伝子又は３１８遺伝子のＬｏｇ₂（ＲＰＭ＋１）値を説明変数とし、ＨＬとＡＤを目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯＢｅｒｒｏｒｒａｔｅを算出した。その結果、３７１遺伝子を用いた場合のモデルではＯＯＢｅｒｒｏｒｒａｔｅが２６．４２％、３１８遺伝子を用いた場合のモデルでは３０．１９％であった。

実施例Ｂ－４　Ｂｏｒｕｔａ法により抽出した特徴量遺伝子を用いた判別モデルの構築
１）使用データ
　実施例Ｂ－１と同様の方法で、被験者からのＳＳＬ由来ＲＮＡの発現量のデータ（リードカウント値）を取得し、サンプル間の総リード数の違いを補正したＲＰＭ値に変換した。ただし、全サンプル中９０％以上のサンプルで欠損値ではない発現量データが得られている３４８６遺伝子のみ以下の解析に使用した。機械学習モデルの構築には、負の二項分布に従うＲＰＭ値を正規分布に近似するため、整数１を加算した底２の対数値（Ｌｏｇ₂（ＲＰＭ＋１）値）を用いた。

２）特徴量遺伝子の選択
　全サンプル中９０％以上のサンプルで欠損値ではない発現量データが得られている３４８６遺伝子のＬｏｇ₂（ＲＰＭ＋１）値を説明変数とし、健常者（ＨＬ）とＡＤを目的変数として用い、Ｒ言語の"Ｂｏｒｕｔａ"パッケージのアルゴリズムを実行した。最大試行回数を１０００回とし、ｐ値が０．０１未満である９遺伝子を算出した（表Ｂ－４）。表Ｂ－４に示す９遺伝子もしくは、そのうちこれまでにアトピー性皮膚炎との関係が報告されていない７遺伝子（表Ｂ－４において＊を付し太字で表示）を特徴量遺伝子として選択した。

３）モデル構築
　上記９遺伝子又は７遺伝子のＬｏｇ₂（ＲＰＭ＋１）値を説明変数とし、ＨＬとＡＤを目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯＢｅｒｒｏｒｒａｔｅを算出した。その結果、９遺伝子を用いた場合のモデルではＯＯＢｅｒｒｏｒｒａｔｅが９．４３％、７遺伝子を用いた場合のモデルでは１５．０９％であった。

実施例Ｃ－１　乳幼児ＳＳＬ由来タンパク質を用いた、アトピー性皮膚炎関連の発現変動タンパク質の同定
１）被験者及びＳＳＬ採取
　健常児（６ヵ月～５歳男女）２３名（健常群）、及びアトピー性皮膚炎罹患児（ＡＤ罹患児）（６ヵ月～５歳男女）１６名（ＡＤ群）を被験者とした。ＡＤ罹患児のリクルートでは、保護者による判定でＵＫＷＰ基準を満たしたＡＤ罹患児を集め、インフォームドコンセントにより保護者の同意の得られた患者を選抜した。選抜したＡＤ罹患児について、皮膚科医が全身の皮膚の観察・及び問診をし、アトピー性皮膚炎診療ガイドラインに基づきＡＤの診断をした。ＡＤと診断されたＡＤ罹患児のなかから、アトピー性皮膚炎診療ガイドラインに記載の重症度評価基準に基づき、顔に軽症度以上のＡＤ様の湿疹や乾燥等の症状を呈する乳幼児を選定し、被験者とした。各被験者の全顔（ＡＤ罹患児は皮疹部を含む）からあぶら取りフィルム（５×８ｃｍ、ポリプロピレン製、３Ｍ社）を用いて皮脂を回収した。該あぶら取りフィルムをガラスバイアルに移し、タンパク質抽出に使用するまで－８０℃で約１ヶ月間保存した。

２）タンパク質調製
　上記１）のあぶら取りフィルムを適当な大きさに切断し、ＱＩＡｚｏｌ　Ｌｙｓｉｓ　Ｒｅａｇｅｎｔ（Ｑｉａｇｅｎ）を用いて、付属のプロトコルに準じてタンパク質沈殿物を得た。得られたタンパク質沈殿物より、ＭＰＥＸ　ＰＴＳ　Ｒｅａｇｅｎｔ（ＧＬ　ｓｃｉｅｎｃｅ）を用いて、付属のプロトコルに準じてタンパク質を可溶化液で溶解後、トリプシン消化をして、ペプチド溶液を得た。得られたペプチド溶液を減圧乾燥（３５℃）した後、０．１％　ｆｏｒｍｉｃ　ａｃｉｄ、２％　ａｃｅｔｏｎｉｔｒｉｌｅを含む水溶液にて溶解させた。Ｐｉｅｒｃｅ^TM　Ｑｕａｎｔｉｔａｔｉｖｅ　Ｆｌｕｏｒｏｍｅｔｒｉｃ　Ｐｅｐｔｉｄｅ　Ａｓｓａｙ（ＴｈｅｒｍｏＦｉｓｈｅｒ　Ｓｃｉｅｎｔｉｆｉｃ）のプロトコルに従い、マイクロプレートリーダー（Ｃｏｒｏｎａ　Ｅｌｅｃｔｒｉｃ）を用いて溶液中のペプチド濃度を測定した。必要なペプチド量が得られなかったＡＤ罹患児１名からのペプチド溶液は、以下の分析のサンプルから除外した。ＬＣ－ＭＳ／ＭＳ分析に当たっては、ＭＳ装置に供するペプチド濃度を一定にして分析し、タンパク定量値を算出した。

３）ＬＣ－ＭＳ／ＭＳ分析及びデータ解析
　上記２）で得られたサンプルペプチド溶液を下記表Ｃ－６の条件にてＬＣ－ＭＳ／ＭＳ分析に供した。

　ＬＣ－ＭＳ／ＭＳ分析にて得られたスペクトルデータの解析には、Ｐｒｏｔｅｏｍｅ　Ｄｉｓｃｏｖｅｒｅｒ　ｖｅｒ．２．２（ＴｈｅｒｍｏＦｉｓｈｅｒ　Ｓｃｉｅｎｔｉｆｉｃ）を用いた。タンパク質同定には参照データベースをＳｗｉｓｓ　Ｐｒｏｔ、ＴａｘｏｎｏｍｙをＨｏｍｏ　ｓａｐｉｅｎｓと設定し、Ｍａｓｃｏｔ　ｄａｔａｂａｓｅ　ｓｅａｒｃｈ（Ｍａｔｒｉｘ　Ｓｃｉｅｎｃｅ）を用いて検索した。検索では、ＥｎｚｙｍｅをＴｒｙｐｓｉｎとし、Ｍｉｓｓｅｄ　ｃｌｅａｖａｇｅを２、Ｄｙｎａｍｉｃ　ｍｏｄｉｆｉｃａｔｉｏｎｓをＯｘｉｄａｔｉｏｎ（Ｍ）、Ａｃｅｔｙｌ（Ｎ－ｔｅｒｍ）、Ａｃｅｔｙｌ（Ｐｒｏｔｅｉｎ　Ｎ－ｔｅｒｍ）、Ｓｔａｔｉｃ　ＭｏｄｉｆｉｃａｔｉｏｎｓをＣａｒｂａｍｉｄｏｍｅｔｈｙｌ（Ｃ）に設定した。Ｆａｌｓｅ　ｄｉｓｃｏｖｅｒｙ　ｒａｔｅ（ＦＤＲ）ｐ＜０．０１を満たすペプチドを検索の対象とした。同定したタンパク質についてプリカーサーイオンをベースとしたラベルフリー定量解析（ＬＦＱ，Ｌａｂｅｌ　Ｆｒｅｅ　Ｑｕａｎｔｉｆｉｃａｔｉｏｎ）を行った。ペプチド由来のプリカーサーイオンのピーク強度によりタンパク質定量値が算出され、ピーク強度が検出限界以下であれば欠損値とされた。タンパク質存在比の算出には、Ｓｕｍｍｅｄ　Ａｂｕｎｄａｎｃｅ　Ｂａｓｅｄ法を用いた。群間の存在差異の有意性を示すｐ値の算出には、ＡＮＯＶＡ（Ｉｎｄｉｖｉｄｕａｌ　Ｂａｓｅｄ，ｔ検定）を用いた。

４）結果
　同定されたタンパク質のうち、Ｆａｌｓｅ　ｄｉｓｃｏｖｅｒｙ　ｒａｔｅ（ＦＤＲ）が０．１以上であるタンパク質は、解析対象から除外した。健常群及びＡＤ群のいずれかで被験者の７５％以上で欠損値でないタンパク質定量値が算出された、５３３種類のタンパク質を解析対象として抽出した。健常群と比較してＡＤ群で存在比が１．５倍以上（ｐ≦０．０５）に上昇した１１６種のタンパク質（表Ｃ－７－１～Ｃ－７－４）、及び０．７５倍以下（ｐ≦０．０５）に減少した１２種のタンパク質（表Ｃ－８）を同定した。

実施例Ｃ－２　成人ＳＳＬ由来タンパク質を用いた、アトピー性皮膚炎関連の発現変動タンパク質の同定
１）被験者及びＳＳＬ採取
　健常者（２０～５９歳、男性）１８名（健常群）、及びアトピー性皮膚炎患者（ＡＤ患者）（２０～５９歳、男性）２６名（ＡＤ群）を被験者とした。被験者には、インフォームドコンセントにより同意を取得した。ＡＤ群の被験者は、皮膚科専門医により重症度が軽症又は中等症のアトピー性皮膚炎の診断を受けており、顔に軽症度以上のＡＤ様の湿疹や乾燥等の症状を呈する者を選定した。各被験者の全顔（ＡＤ患者は皮疹部を含む）からあぶら取りフィルム（５×８ｃｍ、ポリプロピレン製、３Ｍ社）を用いて皮脂を回収した。該あぶら取りフィルムをバイアルに移し、タンパク質抽出に使用するまで－８０℃で、約１ヶ月間保存した。

２）タンパク質調製
　ＭＰＥＸ　ＰＴＳ　Ｒｅａｇｅｎｔ（ＧＬ　ｓｃｉｅｎｃｅ）に替え、ＥａｓｙＰｅｐ^TM　Ｍｉｎｉ　ＭＳ　Ｓａｍｐｌｅ　Ｐｒｅｐ　Ｋｉｔ（ＴｈｅｒｍｏＦｉｓｈｅｒ　Ｓｃｉｅｎｔｉｆｉｃ）を用いて、付属のプロトコルに準じてペプチド溶液を得たほかは、実施例Ｃ－１と同様の手順にてペプチド濃度を測定した。

３）ＬＣ－ＭＳ／ＭＳ分析及びデータ解析
　実施例Ｃ－１と同様の条件及び手順にてタンパク質の分析とデータ解析を行った。

４）結果
　同定されたタンパク質のうち、Ｆａｌｓｅ　ｄｉｓｃｏｖｅｒｙ　ｒａｔｅ（ＦＤＲ）が０．１以上であるタンパク質は、解析対象から除外した。健常群及びＡＤ群いずれかで被験者の７５％以上で欠損値でないタンパク質定量値が算出された、１０７５種類のタンパク質を解析対象として抽出した。なお、タンパク質定量値に欠損値が多く認められたＡＤ患者１名は、解析から除外した。健常群と比較してＡＤ群で存在比が１．５倍以上（ｐ≦０．０５）に上昇した２０５種のタンパク質（表Ｃ－９－１～Ｃ－９－７）、及び０．７５倍以下（ｐ≦０．０５）に減少した３７種のタンパク質（表Ｃ－１０－１～Ｃ－１０－２）を同定した。

実施例Ｃ－３　乳幼児アトピー性皮膚炎検出のための判別モデルの構築
（使用データ）
　実施例Ｃ－１において得られたタンパク質の定量データを正規分布に近似するため、ノーマライズ前のピーク強度をタンパク質定量値とし、各タンパク質定量値を全検出タンパク質定量値の総和で除した値について底２の対数値に変換したＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を算出した。得られたＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を機械学習モデルの構築に用いた。実施例Ｃ－１と同様の方法で、全被験者の７５％以上（２９名以上）で欠損値でないタンパク質定量値が算出された、４７５種類のタンパク質を抽出し、解析対象とした。

３－１　発現変動タンパク質を用いた判別モデルの構築
１）特徴量タンパク質の選択
　上記４７５種類のタンパク質の中から健常児と比較してＡＤ罹患児で統計学的に有意に発現が変動していた１２７種のタンパク質（表Ｃ－１１－１～Ｃ－１１－４）を同定した。これらのタンパク質を特徴量タンパク質として選択し、その定量データを特徴量とした。
２）モデル構築
　上記１２７種のタンパク質のＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健常児とＡＤ罹患児（ＡＤの有無）を目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯＢ　ｅｒｒｏｒ　ｒａｔｅを算出した。その結果、１２７種のタンパク質を特徴量タンパク質として用いた場合のモデルでは、エラー率が１８．４２％であった。

３－２　ランダムフォレストの変数重要度の高いタンパク質を用いた判別モデルの構築
１）特徴量タンパク質の選択
　上記４７５種類のタンパク質のＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健常児とＡＤ罹患児（ＡＤの有無）を目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ジニ係数に基づく変数重要度の上位１４０タンパク質を算出した（表Ｃ－１２－１～Ｃ－１２－４）。これら１４０種のタンパク質、及び特徴量タンパク質の選択に使用した全４７５種のタンパク質を特徴量タンパク質とし、それらの定量データを特徴量とした。
２）モデル構築
　上記１４０種のタンパク質又は全４７５種のタンパク質のＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健常児とＡＤ罹患児（ＡＤの有無）を目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、推定誤答率（ＯＯＢ　ｅｒｒｏｒ　ｒａｔｅ）を算出した。その結果、全４７５タンパク質を特徴量タンパク質に用いた場合のエラー率は２８．９５％であったのに対し、変数重要度が上位１４０のタンパク質を特徴量タンパク質に用いた場合のエラー率は７．８９％であった。

３－３　Ｂｏｒｕｔａ法により抽出した特徴量タンパク質を用いた判別モデルの構築
１）特徴量タンパク質の選択
　上記４７５種類のタンパク質のＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健常児とＡＤ罹患児（ＡＤの有無）を目的変数として用い、Ｒ言語の"Ｂｏｒｕｔａ"パッケージのアルゴリズムを実行した。最大試行回数を１０００回とし、ｐ値が０．０１未満である３５種のタンパク質を抽出し（表Ｃ－１３）、特徴量タンパク質として選択した。それらのタンパク質の定量データを特徴量とした。
２）モデル構築
　上記３５種のタンパク質のＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健常児とＡＤ罹患児（ＡＤの有無）を目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯＢ　ｅｒｒｏｒ　ｒａｔｅを算出した。その結果、３５種のタンパク質を特徴量タンパク質として用いた場合のモデルではエラー率が１０．５３％であった。

実施例Ｃ－４　成人アトピー性皮膚炎検出のための判別モデルの構築
（使用データ）
　実施例Ｃ－２において得られたタンパク質の定量データを正規分布に近似するため、ノーマライズ前のピーク強度をタンパク質定量値とし、各タンパク質定量値を全検出タンパク質定量値の総和で除した値について底２の対数値に変換したＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を算出した。得られたＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を機械学習モデルの構築に用いた。実施例Ｃ－２と同様の方法で、全被験者（但し、タンパク質の定量データが正規分布に従わない３名を除外）の７５％以上（３１名以上）で欠損値でないタンパク質定量値が算出された、９８５種類のタンパク質を抽出し、解析対象とした。

４－１　発現変動タンパク質を用いた判別モデルの構築
１）特徴量タンパク質の選択
　上記９８５種類のタンパク質の中から健常者と比較してＡＤ患者で有意に発現が変動していた２２０種のタンパク質（表Ｃ－１４－１～Ｃ－１４－７）を同定し、これらを特徴量タンパク質として選択し、その定量データを特徴量とした。
２）モデル構築
　上記２２０種のタンパク質のＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健常者とＡＤ患者（ＡＤの有無）を目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯＢｅｒｒｏｒｒａｔｅを算出した。その結果、２２０種のタンパク質を特徴量タンパク質として用いた場合のモデルではエラー率が２４．３９％であった。

４－２　ランダムフォレストの変数重要度の高いタンパク質を用いた判別モデルの構築
１）特徴量タンパク質の選択
　上記９８５種類のタンパク質のＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健常者とＡＤ患者（ＡＤの有無）を目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ジニ係数に基づく変数重要度の上位１１０タンパク質を算出した（表Ｃ－１５－１～Ｃ－１５－４）。これら１１０種のタンパク質、及び特徴量タンパク質の選択に使用した全９８５種のタンパク質を特徴量タンパク質とし、その定量データを特徴量とした。
２）モデル構築
　上記１１０種のタンパク質又は全９８５種のタンパク質のＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健常者とＡＤ患者（ＡＤの有無）を目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、推定誤答率（ＯＯＢｅｒｒｏｒｒａｔｅ）を算出した。その結果、全９８５タンパク質を特徴量タンパク質に用いた場合のエラー率は２９．２７％であったのに対し、変数重要度が上位１１０のタンパク質を特徴量タンパク質に用いた場合のエラー率は１２．２０％であった。

４－３　Ｂｏｒｕｔａ法により抽出した特徴量を用いた判別モデルの構築
１）特徴量の選択
　上記９８５種類のタンパク質のＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健常者とＡＤ患者（ＡＤの有無）を目的変数として用い、Ｒ言語の"Ｂｏｒｕｔａ"パッケージのアルゴリズムを実行した。最大試行回数を１０００回とし、ｐ値が０．０１未満である２４種のタンパク質を抽出し（表Ｃ－１６）、特徴量タンパク質として選択した。それらのタンパク質の定量データを特徴量とした。
２）モデル構築
　上記２４種のタンパク質のＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を説明変数とし、健常者とＡＤ患者（ＡＤの有無）を目的変数として用いた。Ｒ言語の"ｃａｒｅｔ"パッケージにおいてランダムフォレストのアルゴリズムをメソッドとして指定し、１回の決定木の構築に用いる変数の数（ｍｔｒｙ値）の最適値をチューニングした。チューニングによって決定したｍｔｒｙ値を用いて、ランダムフォレストのアルゴリズムを実行し、ＯＯＢ　ｅｒｒｏｒ　ｒａｔｅを算出した。その結果、２４種のタンパク質を特徴量タンパク質として用いた場合のモデルではエラー率が１９．５１％であった。

　以上の実施例Ｃ－１～Ｃ－４の解析で得られた合計４１８種類のタンパク質（前記表Ｃ－１－１～Ｃ－１－１３）について、テキストマイニング（エルゼビア）にてＡＤとの関連が報告されている論文数を調査した。検索によりＡＤと関連する報告が４報以下で、且つＡＤとの関連が記載されていないことが確認されたタンパク質は１４７種であった（前記表Ｃ－２－１～Ｃ－２－５）。これら１４７種のタンパク質は、新規なＡＤ検出用マーカーである。

実施例Ｄ－１　乳幼児ＳＳＬにおけるＡＤ関連タンパク質の同定及びＳｅｒｐｉｎＢ４タンパク質の発現解析
１）被験者及びＳＳＬ採取
　健常児（６ヵ月～５歳男女）２３名（健常群）、及びアトピー性皮膚炎罹患児（ＡＤ患児）（６ヵ月～５歳男女）１６名（ＡＤ群）を被験者とした。ＡＤ患児のリクルートでは、保護者による判定でＵＫＷＰ基準（The UK Working Party；Br J Dermatol, 131:406-416 (1994)）を満たしたＡＤ患児を集め、インフォームドコンセントにより保護者の同意の得られた患者を選抜した。選抜したＡＤ患児について、皮膚科医が全身の皮膚の観察及び問診をし、アトピー性皮膚炎診療ガイドライン（日皮会誌，128(12):2431-2502，2018参照）に基づきＡＤの診断をした。ＡＤと診断されたＡＤ患児のなかから、Eczema Area and Severity Index（ＥＡＳＩ；Exp Dermatol, 10:11-18 (2001)）に基づき、顔に軽症度以上のＡＤ様の湿疹や乾燥等の症状を呈する乳幼児を選定し、被験者とした。選定されたＡＤ群１６名には、ＥＡＳＩスコアに基づく、軽症９名（軽症ＡＤ群）及び中等症７名（中等症ＡＤ群）が含まれていた。

　各被験者の全顔（ＡＤ患児は皮疹部を含む）及び背中全体（ＡＤ患児は皮疹部を含まない）の各部位からそれぞれ、あぶら取りフィルム（５×８ｃｍ、ポリプロピレン製、３Ｍ社）を用いて皮脂を回収した。該あぶら取りフィルムをガラスバイアルに移し、タンパク質抽出に使用するまで－８０℃で約１ヶ月間保存した。

２）タンパク質調製
　上記１）のあぶら取りフィルムを適当な大きさに切断し、ＱＩＡｚｏｌ　Ｌｙｓｉｓ　Ｒｅａｇｅｎｔ（Ｑｉａｇｅｎ）を用いて、付属のプロトコルに準じてタンパク質沈殿物を得た。得られたタンパク質沈殿物より、ＭＰＥＸ　ＰＴＳ　Ｒｅａｇｅｎｔ（ＧＬ　ｓｃｉｅｎｃｅ）を用いて、付属のプロトコルに準じてタンパク質を可溶化液で溶解後、トリプシン消化した。得られた消化液を減圧乾燥（３５℃）した後、０．１％（ｖ／ｖ）ｆｏｒｍｉｃ　ａｃｉｄ、２％（ｖ／ｖ）ａｃｅｔｏｎｉｔｒｉｌｅを含む水溶液にて溶解させ、ペプチド溶液を調製した。Ｐｉｅｒｃｅ^TM Ｑｕａｎｔｉｔａｔｉｖｅ　Ｆｌｕｏｒｏｍｅｔｒｉｃ　Ｐｅｐｔｉｄｅ　Ａｓｓａｙ（ＴｈｅｒｍｏＦｉｓｈｅｒ　Ｓｃｉｅｎｔｉｆｉｃ）のプロトコルに従い、マイクロプレートリーダー（Ｃｏｒｏｎａ　Ｅｌｅｃｔｒｉｃ）を用いて溶液中のペプチド濃度を測定した。ペプチド溶液の濃度を一定に調整して、ＬＣ－ＭＳ／ＭＳ分析によりタンパク定量値を算出した。健常児のうち背中の１検体及びＡＤ患児のうち顔の１検体からのペプチド溶液は、必要なペプチド量が得られなかったため、ＬＣ－ＭＳ／ＭＳ分析から除外した。

３）ＬＣ－ＭＳ／ＭＳ分析及びデータ解析
　上記２）で得られたサンプルペプチド溶液を下記表Ｄ－１の条件にてＬＣ－ＭＳ／ＭＳ分析に供した。

　ＬＣ－ＭＳ／ＭＳ分析にて得られたスペクトルデータの解析には、Ｐｒｏｔｅｏｍｅ　Ｄｉｓｃｏｖｅｒｅｒ　ｖｅｒ．２．２（ＴｈｅｒｍｏＦｉｓｈｅｒ　Ｓｃｉｅｎｔｉｆｉｃ）を用いた。ヒト由来のタンパク質同定には参照データベースをＳｗｉｓｓ　Ｐｒｏｔ、ＴａｘｏｎｏｍｙをＨｏｍｏ　ｓａｐｉｅｎｓと設定し、Ｍａｓｃｏｔ　ｄａｔａｂａｓｅ　ｓｅａｒｃｈ（Ｍａｔｒｉｘ　Ｓｃｉｅｎｃｅ）を用いて検索した。検索では、ＥｎｚｙｍｅをＴｒｙｐｓｉｎとし、Ｍｉｓｓｅｄ　ｃｌｅａｖａｇｅを２、Ｄｙｎａｍｉｃ　ｍｏｄｉｆｉｃａｔｉｏｎｓをＯｘｉｄａｔｉｏｎ（Ｍ）、Ａｃｅｔｙｌ（Ｎ－ｔｅｒｍ）、Ａｃｅｔｙｌ（Ｐｒｏｔｅｉｎ　Ｎ－ｔｅｒｍ）、Ｓｔａｔｉｃ　ＭｏｄｉｆｉｃａｔｉｏｎｓをＣａｒｂａｍｉｄｏｍｅｔｈｙｌ（Ｃ）に設定した。Ｆａｌｓｅ　ｄｉｓｃｏｖｅｒｙ　ｒａｔｅ（ＦＤＲ）ｐ＜０．０１を満たすペプチドを検索の対象とした。同定したタンパク質についてプリカーサーイオンをベースとしたラベルフリー定量解析（ＬＦＱ，Ｌａｂｅｌ　Ｆｒｅｅ　Ｑｕａｎｔｉｆｉｃａｔｉｏｎ）を行った。ペプチド由来のプリカーサーイオンのピーク強度によりタンパク質存在量を算出し、ピーク強度が検出限界以下であれば欠損値とした。実験的な偏りを補正するためタンパク質存在量をＴｏｔａｌ　ｐｅｐｔｉｄｅ　ａｍｏｕｎｔ法にてノーマライズし、Ｓｕｍｍｅｄ　Ａｂｕｎｄａｎｃｅ　Ｂａｓｅｄ法にてタンパク質存在比を算出した。群間の存在差異の有意性を示すｐ値の算出には、ＡＮＯＶＡ（Ｉｎｄｉｖｉｄｕａｌ　Ｂａｓｅｄ，ｔ検定）を用いた。同定されたヒト由来タンパク質のうち、Ｆａｌｓｅ　ｄｉｓｃｏｖｅｒｙ　ｒａｔｅ（ＦＤＲ）が０．１以上であるタンパク質は解析から除外した。以下に示す図の作成及び統計学的処理には、Ｐｒｉｓｍ８　ｖｅｒ．３．０を用いた。ノーマライズ前のタンパク質存在量を全ヒト由来検出タンパク質存在量の総和で除した値を底２の対数値に変換したＬｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１）値を算出し、各タンパク質定量値とした。

４）発現解析（皮疹部）
　まず、顔（ＡＤ群では皮疹部を含む）より採取したＳＳＬに含まれるヒト由来タンパク質の解析から、健常群及びＡＤ群のいずれかで被験者の７５％以上で欠損値でないタンパク質存在量が算出された５３３種類のタンパク質を解析対象として抽出した。健常群と比較してＡＤ群で存在比が１．５倍以上（ｐ＜０．０５）に上昇した１１６種のタンパク質を同定し、その中にはＳｅｒｐｉｎＢ４タンパク質が含まれていた。健常群及びＡＤ群の各被験者の顔由来ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の定量値（Ｌｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１））のプロットを図１に示した。ＡＤ群の皮疹部（顔）より採取したＳＳＬ中のＳｅｒｐｉｎＢ４タンパク質の発現レベルは、健常群（顔）に比して統計学的に有意に上昇していることが示された（Ｓｔｕｄｅｎｔ'ｓ　ｔ－ｔｅｓｔ、Ｐ＜０．００１）。

　ＬＣ－ＭＳ／ＭＳ分析から除外した１名を除く１５名のＡＤ患者を、軽症ＡＤ群（９名）と中等症ＡＤ群（６名）に分けた。健常群、軽症ＡＤ群、及び中等症ＡＤ群の各被験者の顔由来ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の定量値（Ｌｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１））のプロットを図２に示した。軽症ＡＤ群及び中等症ＡＤ群の皮疹部（顔）より採取したＳＳＬ中のＳｅｒｐｉｎＢ４タンパク質の発現レベルは、健常群（顔）に比して統計学的に有意に上昇したこと、かつ重症度に伴い段階的に上昇したことが示された（Ｔｕｋｅｙ'ｓ　ｔｅｓｔ、Ｐ＜０．０５又はＰ＜０．００１）。

５）発現解析（無疹部）
　次に、皮疹を含まない背中より採取したＳＳＬ由来タンパク質の解析から、健常群及びＡＤ群のいずれかで被験者の７５％以上で欠損値でないタンパク質存在量が算出された８９４種類のタンパク質を解析対象として抽出した。健常群と比較してＡＤ群で存在比が１．５倍以上（ｐ＜０．０５）に上昇した１３５種のタンパク質を同定し、その中にはＳｅｒｐｉｎＢ４タンパク質が含まれていた。健常群及びＡＤ群の各被験者の背中由来ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の定量値（Ｌｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１））のプロットを図３に示した。ＡＤ群の無疹部（背中）より採取したＳＳＬ中のＳｅｒｐｉｎＢ４タンパク質の発現レベルは、健常群（背中）に比して統計学的に有意に上昇していることが示された（Ｓｔｕｄｅｎｔ'ｓ　ｔ－ｔｅｓｔ、Ｐ＜０．０１）。

　１６名のＡＤ患者を、軽症ＡＤ群（９名）と中等症ＡＤ群（７名）に分け、健常群、軽症ＡＤ群、及び中等症ＡＤ群の各被験者の背中由来ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の定量値（Ｌｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１））のプロットを図４に示した。軽症ＡＤ群並びに中等症ＡＤ群の無疹部（背中）より採取したＳＳＬ中のｓｅｒｐｉｎＢ４タンパク質の発現レベルは、健常群（背中）に比して統計学的に有意に上昇していることが示された（Ｔｕｋｅｙ'ｓ　ｔｅｓｔ、Ｐ＜０．０５）。

６）ＲＯＣ解析
　健常群及びＡＤ群の各被験者の顔（ＡＤ群は皮疹部）及び背中（ＡＤ群は無疹部）より採取したＳＳＬ中のＳｅｒｐｉｎＢ４タンパク質定量値（Ｌｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１））を用いて、それぞれＲＯＣ曲線を作成した（図５及び図６）。顔（ＡＤ群は皮疹部）より採取したＳＳＬ中のＳｅｒｐｉｎＢ４タンパク質では、ＲＯＣ曲線下面積は０．８６、Ｐ値は０．０００２と有意であり、ＳＳＬ中のＳｅｒｐｉｎＢ４タンパク質発現レベルを指標とする乳幼児アトピー性皮膚炎の検出の有効性が示された。Ｙｏｕｄｅｎ　ｉｎｄｅｘによるカットオフ値７．７６によるＡＤの検出精度は、感度９３．３３％、特異度６５．２２％であった（図５）。一方、背中（ＡＤ群は無疹部）より採取したＳＳＬ中のＳｅｒｐｉｎＢ４タンパク質では、ＲＯＣ曲線下面積は０．８０、Ｐ値は０．００１６と有意であり、無疹部のＳＳＬ中のＳｅｒｐｉｎＢ４タンパク質発現レベルを指標とした場合でも乳幼児アトピー性皮膚炎の検出の有効性が示された。Ｙｏｕｄｅｎ　ｉｎｄｅｘによるカットオフ値８．０５によるＡＤの検出精度は、感度８７．５０％、特異度７２．７３％であった（図６）。

比較例Ｄ－１　乳幼児ＳＳＬにおけるＡＤ関連ＲＮＡの発現解析
１）ＲＮＡ調製及びシーケンシング
　実施例Ｄ－１で顔（ＡＤ群は皮疹部）より採取したＳＳＬ含有あぶら取りフィルムからタンパク質を抽出する過程で得られた、核酸を含む画分から、被験者のＳＳＬ由来ＲＮＡを抽出した。抽出されたＲＮＡを元に、ＳｕｐｅｒＳｃｒｉｐｔ　ＶＩＬＯ　ｃＤＮＡ　Ｓｙｎｔｈｅｓｉｓ　ｋｉｔ（ライフテクノロジーズジャパン株式会社）を用いて４２℃、９０分間逆転写を行いｃＤＮＡの合成を行った。逆転写反応のプライマーには、キットに付属しているランダムプライマーを使用した。得られたｃＤＮＡから、マルチプレックスＰＣＲにより２０８０２遺伝子に由来するＤＮＡを含むライブラリーを調製した。マルチプレックスＰＣＲは、Ｉｏｎ　ＡｍｐｌｉＳｅｑＴｒａｎｓｃｒｉｐｔｏｍｅ　Ｈｕｍａｎ　Ｇｅｎｅ　Ｅｘｐｒｅｓｓｉｏｎ　Ｋｉｔ（ライフテクノロジーズジャパン株式会社）を用いて、［９９℃、２分→（９９℃、１５秒→６２℃、１６分）×２０サイクル→４℃、Ｈｏｌｄ］の条件で行った。得られたＰＣＲ産物は、Ａｍｐｕｒｅ　ＸＰ（ベックマン・コールター株式会社）で精製した後に、バッファーの再構成、プライマー配列の消化、アダプターライゲーションと精製、増幅を行い、ライブラリーを調製した。調製したライブラリーをＩｏｎ　５４０　Ｃｈｉｐにローディングし、Ｉｏｎ　Ｓ５／ＸＬシステム（ライフテクノロジーズジャパン株式会社）を用いてシーケンシングした。

２）データ解析
i）使用データ
　上記１）で測定した被験者由来のＲＮＡの発現レベルのデータ（リードカウント値）を、ＤＥＳｅｑ２を用いて補正した。補正されたカウント値（Ｎｏｒｍａｌｉｚｅｄ　ｃｏｕｎｔ値）からＬｏｇ₂（Ｎｏｒｍａｌｉｚｅｄ　ｃｏｕｎｔ＋１）を算出し、ＲＮＡ発現解析に用いた。
　ii）ＲＮＡ発現解析
　健常群及びＡＤ群の各被験者のＳｅｒｐｉｎＢ４　ＲＮＡの発現レベル（Ｌｏｇ₂（Ｎｏｒｍａｌｉｚｅｄ　ｃｏｕｎｔ＋１））のプロットを図７に示した。ＳｅｒｐｉｎＢ４　ＲＮＡ発現レベルは、健常群と比較してＡＤ群で有意な上昇は認められなかった。すなわち、実施例Ｄ－１及び本例からは、ＳＳＬ中のＳｅｒｐｉｎＢ４のＲＮＡ発現レベルはＡＤ群で有意な上昇は認められない一方で、ＳｅｒｐｉｎＢ４タンパク質発現レベルはＡＤ群で有意に上昇することが見出され、ＳＳＬ中ＳｅｒｐｉｎＢ４の発現はタンパク質とＲＮＡで一致しないことが示された。

比較例Ｄ－２　成人ＳＳＬにおけるＳｅｒｐｉｎＢ４タンパク質の発現解析
１）被験者及びＳＳＬ採取
　健常者（２０～５９歳、男性）１８名（健常群）、及びアトピー性皮膚炎患者（ＡＤ患者）（２０～５９歳、男性）２６名（ＡＤ群）を被験者とした。被験者には、インフォームドコンセントにより同意を取得した。ＡＤ群の被験者は、顔について試験当日に皮膚科専門医が包括的に重症度を「軽微」、「軽症」、「中等症」、「重症」及び「最重症」の５段階で評価したときに、軽症及び中等症のアトピー性皮膚炎であるとの診断を受けたＡＤ患者であった。各被験者の全顔（ＡＤ患者は皮疹部を含む）からあぶら取りフィルム（５×８ｃｍ、ポリプロピレン製、３Ｍ社）を用いて皮脂を回収した。該あぶら取りフィルムをバイアルに移し、タンパク質抽出に使用するまで－８０℃で、約１ヶ月間保存した。

２）タンパク質調製
　ＭＰＥＸ　ＰＴＳ　Ｒｅａｇｅｎｔ（ＧＬ　ｓｃｉｅｎｃｅ）に替え、ＥａｓｙＰｅｐ^TM　Ｍｉｎｉ　ＭＳ　Ｓａｍｐｌｅ　Ｐｒｅｐ　Ｋｉｔ（ＴｈｅｒｍｏＦｉｓｈｅｒ　Ｓｃｉｅｎｔｉｆｉｃ）を用いて、付属のプロトコルに準じてペプチド溶液を得たほかは、実施例Ｄ－１と同様の手順にてペプチド溶液を調製し、そのペプチド濃度を測定した。

３）ＬＣ－ＭＳ／ＭＳ分析及びデータ解析
　実施例Ｄ－１と同様の条件及び手順にてタンパク質の分析とデータ解析を行った。

４）結果
　同定されたタンパク質のうち、Ｆａｌｓｅ　ｄｉｓｃｏｖｅｒｙ　ｒａｔｅ（ＦＤＲ）が０．１以上であるタンパク質は解析から除外した。健常群及びＡＤ群いずれかで被験者の７５％以上で欠損値でないタンパク質存在量が算出された１０７５種類のタンパク質を解析対象として抽出した。タンパク質存在量に欠損値が多く認められたＡＤ患者１名は解析から除外した。健常群と比較してＡＤ群で存在比が１．５倍以上（ｐ＜０．０５）に上昇した２０５種のタンパク質が得られたが、その中にＳｅｒｐｉｎＢ４タンパク質は含まれなかった。健常群及びＡＤ群の各被験者のＳｅｒｐｉｎＢ４タンパク質の定量値（Ｌｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１））のプロットを図８に示した。既報において、血中のＳｅｒｐｉｎＢ４タンパク質濃度は小児及び成人ＡＤ患者で上昇することが報告されている（非特許文献７）。一方、実施例Ｄ－１及び本例の結果からは、ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現レベルは、乳幼児ＡＤでは上昇するが成人ＡＤでは上昇せず、血中の変動とは必ずしも一致しないことが明らかになった。

比較例Ｄ－３　乳幼児ＳＳＬにおける既知のＡＤ関連タンパク質の発現解析
　既報において、乳幼児ＡＤ患児の血液中のインターロイキン－１８（ＩＬ－１８）タンパク質は健常児に比較し増加すること、及び、乳幼児ＡＤ患児の角層中のＳｅｒｐｉｎＢ１２タンパク質は健常児に比較し減少することが報告されている（非特許文献５、非特許文献８）。本例では、実施例Ｄ－１で採取した乳幼児ＳＳＬにおけるＩＬ－１８タンパク質及びＳｅｒｐｉｎＢ１２タンパク質の発現を解析した。
　健常群及びＡＤ群の各被験者の背中（ＡＤ群は無疹部）から採取したＳＳＬ中のＩＬ－１８タンパク質の定量値（Ｌｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１））のプロットを図９に示した。健常群とＡＤ群とでＩＬ－１８タンパク質の発現レベルに有意な差は認められなかった。なお顔（ＡＤ群は皮疹部）ではＩＬ－１８タンパク質は同定されなかった。
　また、健常群及びＡＤ群の各被験者の顔（ＡＤ群は皮疹部）及び背中（ＡＤ群は無疹部）から採取したＳＳＬ中のＳｅｒｐｉｎＢ１２タンパク質の定量値（Ｌｏｇ₂（Ａｂｕｎｄａｎｃｅ＋１））のプロットを図１０及び１１に示した。いずれの部位においても、健常群とＡＤ群とで有意な差は認められなかった。

　ＳＳＬ中における各種タンパク質の発現の有無及び発現挙動は未だ十分には解明されていない。例えば比較例Ｄ－１に示したように、ＳＳＬ中に含まれるタンパク質の発現レベルは、必ずしもそれをコードするＲＮＡの発現レベルと一致しない。これらの事実は、ＳＳＬ中における各種タンパク質の発現挙動を推測することが困難であることを意味する。しかも本実験の結果からは、ＳＳＬ中タンパク質の発現挙動は、血液中又は角層中のそれとは必ずしも一致しないことが明らかになった。図９～１１に示すとおり、ＡＤとの関係性が報告されているＩＬ－１８タンパク質及びＳｅｒｐｉｎＢ１２タンパク質は、血中又は角層中と異なり、ＳＳＬ中ではＡＤとの関係性を示さない。既報でも、乳幼児の角層中ＳｅｒｐｉｎＢ４タンパク質がＡＤとの関係性があるかどうかは明確に示されていない（非特許文献８）。また従来、血中ＳｅｒｐｉｎＢ４タンパク質は小児及び成人ＡＤのマーカーとして報告されているが（非特許文献６）、比較例Ｄ－２に示したとおり、ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質は成人ＡＤとの関係性を示さない。これらの本実験の結果は、従来の知見からは、ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質の発現やそのＡＤとの関係性を推測することができないことを表す。
　以上の従来のＳＳＬ中タンパク質に関する知見、及び以上の実施例比較例Ｄ－１及び比較例Ｄ－１～３の結果は、ＳＳＬ中ＳｅｒｐｉｎＢ４タンパク質を乳幼児ＡＤマーカーとして使用するという本発明が提供する技術は、全く予想外であり容易に見出し難いものであることを示している。

Claims

　成人被験者から採取された生体試料について、ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルを測定する工程を含む、当該被験者における成人アトピー性皮膚炎の検出方法。
　遺伝子又はその発現産物の発現レベルがｍＲＮＡの発現量の測定である、請求項１記載の方法。
　遺伝子又はその発現産物が前記被験者の皮膚表上脂質に含まれるＲＮＡである、請求項１又は２記載の方法。
　発現レベルの測定値を前記各遺伝子又はその発現産物の参照値と比較し、成人アトピー性皮膚炎の存在又は不存在を評価する、請求項１～３のいずれか１項記載の方法。
　成人アトピー性皮膚炎患者由来の前記遺伝子又はその発現産物の発現レベルと、成人健常者由来の同遺伝子又はその発現産物の発現レベルの測定値を教師サンプルとして、該アトピー性皮膚炎患者と健常者を分ける判別式を作成し、前記被験者から採取された生体試料から得られた同遺伝子又はその発現産物の発現レベルの測定値を当該判別式に代入し、得られた結果を参照値と比較することによって、該被験者における成人アトピー性皮膚炎の存在又は不存在を評価する、請求項１～４のいずれか１項記載の方法。
　前記１７種の遺伝子群の全ての遺伝子又はその発現産物の発現レベルが測定される、請求項５記載の方法。
　前記１７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、下記表Ａ－ａで示される２４５種のうち前記１７種の遺伝子を除いた遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルが測定される、請求項５又は６記載の方法。
　前記１７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、下記表Ａ－１－１～Ａ－１－３の１２３種、表Ａ－３－１～Ａ－３－４で示される１５０種又は表Ａ－４で示される４５種の遺伝子群のうち、前記１７種の遺伝子を除いた遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルが測定される、請求項５又は６記載の方法。
　前記１７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、下記表の１０７種、１２７種及び３９種の遺伝子群のうち前記１７種の遺伝子を除いた遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルが測定される、請求項７又は８記載の方法。
　前記遺伝子又はそれに由来する核酸と特異的にハイブリダイズするオリゴヌクレオチド、又は前記遺伝子の発現産物を認識する抗体を含有する、請求項１～９のいずれか１項記載の方法に用いられる成人アトピー性皮膚炎を検出するための検査用キット。
　下表Ａ－ｂに示される２１０種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物からなる、成人アトピー性皮膚炎の検出マーカー。
　ＭＥＣＲ、ＲＡＳＡ４ＣＰ、ＡＲＲＤＣ４、ＥＩＦ１ＡＤ、ＦＤＦＴ１、ＺＮＦ７０６、ＴＥＸ２、ＴＭＰＲＳＳ１１Ｅ、ＲＰＳ６ＫＢ２、ＣＴＢＰ１、ＺＮＦ３３５、ＤＧＫＡ、ＰＰＰ１Ｒ９Ｂ、ＳＰＤＹＥ７Ｐ、ＤＮＡＳＥ１Ｌ１、ＧＮＢ２及びＣＳＮＫ１Ｇ２からなる１７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物である、請求項１１記載の成人アトピー性皮膚炎の検出マーカー。
　乳幼児被験者から採取された生体試料について、ＩＭＰＤＨ２、ＥＲＩ１、ＦＢＸＷ２、ＳＴＫ１７Ｂ、ＴＡＧＬＮ２、ＡＭＩＣＡ１及びＨＮＲＮＰＡ１からなる７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルを測定する工程を含む、当該被験者における乳幼児アトピー性皮膚炎の検出方法。
　ＩＭＰＤＨ２、ＥＲＩ１及びＦＢＸＷ２からなる３種の遺伝子群より選択される遺伝子又はその発現産物の発現レベルの測定を少なくとも含む、請求項１３記載の乳幼児アトピー性皮膚炎の検出方法。
　遺伝子又はその発現産物の発現レベルがｍＲＮＡの発現量の測定である、請求項１３又は１４記載の方法。
　遺伝子又はその発現産物が前記被験者の皮膚表上脂質に含まれるＲＮＡである、請求項１３～１５のいずれか１項記載の方法。
　発現レベルの測定値を前記各遺伝子又はその発現産物の参照値と比較し、乳幼児アトピー性皮膚炎の存在又は不存在を評価する、請求項１３～１６のいずれか１項記載の方法。
　アトピー性皮膚炎罹患児由来の前記遺伝子又はその発現産物の発現レベルと、健常児由来の同遺伝子又はその発現産物の発現レベルの測定値を教師サンプルとして、該アトピー性皮膚炎罹患児と健常児を分ける判別式を作成し、前記被験者から採取された生体試料から得られた同遺伝子又はその発現産物の発現レベルの測定値を当該判別式に代入し、得られた結果を参照値と比較することによって、該被験者における乳幼児アトピー性皮膚炎の存在又は不存在を評価する、請求項１３～１６のいずれか１項記載の方法。
　前記７種の遺伝子群の全ての遺伝子又はその発現産物の発現レベルが測定される、請求項１８記載の方法。
　前記７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、下記表Ｂ－３－１～Ｂ－３－３で示される１００種、又は表Ｂ－４で示される９種のうち前記７種の遺伝子を除いた遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルが測定される、請求項１８又は１９記載の方法。
　前記７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、下記表Ｂ－１－１～Ｂ－１－９で示される３７１種のうち前記７種に含まれる遺伝子を除いた遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルが測定される、請求項１８又は１９記載の方法。
　前記７種の遺伝子群より選択される少なくとも１つの遺伝子の他に、下記の２５種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物の発現レベルが測定される、請求項２１記載の方法、
　ＡＢＨＤ８、ＧＰＴ２、ＰＬＩＮ２、ＦＡＭ１００Ｂ、ＹＰＥＬ２、ＭＡＰ１ＬＣ３Ｂ２、ＲＬＦ、ＫＩＡＡ０９３０、ＵＢＥ２Ｒ２、ＨＫ２、ＵＳＦ２、ＰＤＩＡ３Ｐ、ＨＮＲＮＰＵＬ１、ＳＥＣ６１Ｇ、ＤＮＡＪＢ１１、ＳＤＨＤ、ＮＤＵＦＳ７、ＥＣＨ１、ＣＡＳＳ４、ＩＬ７Ｒ、ＣＬＥＣ４Ａ、ＡＲＥＧ、ＳＮＲＰＤ１、ＳＬＣ７Ａ１１及びＳＮＸ８。
　前記遺伝子又はそれに由来する核酸と特異的にハイブリダイズするオリゴヌクレオチド、又は前記遺伝子の発現産物を認識する抗体を含有する、請求項１３～２２のいずれか１項記の方法に用いられる乳幼児アトピー性皮膚炎を検出するための検査用キット。
　下表Ｂ－ｂ－１～Ｂ－ｂ－２に示される３８３種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物からなる、乳幼児アトピー性皮膚炎の検出マーカー。
　ＩＭＰＤＨ２、ＥＲＩ１、ＦＢＸＷ２、ＳＴＫ１７Ｂ、ＴＡＧＬＮ２、ＡＭＩＣＡ１及びＨＮＲＮＰＡ１からなる７種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物である、請求項２４記載のマーカー。
　ＡＢＨＤ８、ＧＰＴ２、ＰＬＩＮ２、ＦＡＭ１００Ｂ、ＹＰＥＬ２、ＭＡＰ１ＬＣ３Ｂ２、ＲＬＦ、ＫＩＡＡ０９３０、ＵＢＥ２Ｒ２、ＨＫ２、ＵＳＦ２、ＰＤＩＡ３Ｐ、ＨＮＲＮＰＵＬ１、ＳＥＣ６１Ｇ、ＤＮＡＪＢ１１、ＳＤＨＤ、ＮＤＵＦＳ７、ＥＣＨ１、ＣＡＳＳ４、ＣＬＥＣ４Ａ、ＳＮＲＰＤ１、ＳＬＣ７Ａ１１及びＳＮＸ８からなる２３種の遺伝子群より選択される少なくとも１つの遺伝子又はその発現産物である、請求項２４記載のマーカー。
　被験者から採取した皮膚表上脂質から、下記表Ｃ－１に示すタンパク質からなる群より選択される少なくとも１種のタンパク質を回収することを含む、アトピー性皮膚炎検出用タンパク質マーカーの調製方法。
　被験者から採取した皮膚表上脂質から、下記表Ｃ－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質を検出することを含む、被験者におけるアトピー性皮膚炎の検出方法。
　前記少なくとも１種のタンパク質が下記表Ｃ－３に示すタンパク質からなる群より選択される少なくとも１種のタンパク質である、請求項２７又は２８記載の方法。
　前記少なくとも１種のタンパク質が下記表Ｃ－４に示すタンパク質からなる群より選択される少なくとも１種のタンパク質である、請求項２７又は２８記載の方法。
　前記被験者が乳幼児であり、前記少なくとも１種のタンパク質が下記表Ｃ－５－１及び表Ｃ－５－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質である、請求項２７又は２８記載の方法。
　前記被験者が成人であり、前記少なくとも１種のタンパク質が下記表Ｃ－６－１及びＣ－６－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質である、請求項２７又は２８記載の方法。
　前記少なくとも１種のタンパク質が、表Ｃ－５－１に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　前記方法が、前記少なくとも１種のタンパク質の濃度が乳幼児健常群と比較して増加していた場合に、該被験者をアトピー性皮膚炎と検出することを含む、
請求項３１記載の方法。
　前記少なくとも１種のタンパク質が、表Ｃ－５－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　前記方法が、前記少なくとも１種のタンパク質の濃度が乳幼児健常群と比較して低下していた場合に、該被験者をアトピー性皮膚炎と検出することを含む、
請求項３１記載の方法。
　前記少なくとも１種のタンパク質が、表Ｃ－６－１に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　前記方法が、前記少なくとも１種のタンパク質の濃度が成人健常群と比較して増加していた場合に、該被験者をアトピー性皮膚炎と検出することを含む、
請求項３２記載の方法。
　前記少なくとも１種のタンパク質が、表Ｃ－６－２に示すタンパク質からなる群より選択される少なくとも１種のタンパク質であり、
　前記方法が、前記少なくとも１種のタンパク質の濃度が成人健常群と比較して低下していた場合に、該被験者をアトピー性皮膚炎と検出することを含む、
請求項３２記載の方法。
　前記少なくとも１種のタンパク質の濃度を説明変数とし、ＡＤの有無を目的変数として、構築された予測モデルに基づいてＡＤを検出することを含む、請求項２８～３２のいずれか１項記載の方法。
　前記被験者から皮膚表上脂質を採取することをさらに含む、請求項２７～３７のいずれか１項記載の方法。
　下記表Ｃ－７に示すタンパク質からなる群より選択される少なくとも１種のタンパク質を含む、アトピー性皮膚炎検出用タンパク質マーカー。
　乳幼児被験者から採取された皮膚表上脂質におけるＳｅｒｐｉｎＢ４タンパク質の発現レベルを測定する工程を含む、該被験者における乳幼児アトピー性皮膚炎の検出方法。
　前記ＳｅｒｐｉｎＢ４タンパク質の発現レベルの測定値を参照値と比較し、乳幼児アトピー性皮膚炎の存在若しくは不存在、又はその進行の程度を検出することをさらに含む、請求項４０記載の方法。
　前記乳幼児アトピー性皮膚炎の進行の程度の検出が、軽症又は中等症アトピー性皮膚炎の検出である、請求項４１記載の方法。
　前記乳幼児が０～５歳の乳幼児である、請求項４０～４２のいずれか１項記載の方法。
　前記被験者から皮膚表上脂質を採取することをさらに含む、請求項４０～４３のいずれか１項記載の方法。
　ＳｅｒｐｉｎＢ４タンパク質を認識する抗体を含有する、請求項４０～４４のいずれか１項記載の方法に用いられる乳幼児アトピー性皮膚炎を検出するための検査用キット。