[go: up one dir, main page]

WO2013005790A1 - 生体酸化の評価方法、生体酸化評価装置、生体酸化評価方法、生体酸化評価プログラム、生体酸化評価システム、情報通信端末装置、および生体酸化の予防・改善物質の探索方法 - Google Patents

生体酸化の評価方法、生体酸化評価装置、生体酸化評価方法、生体酸化評価プログラム、生体酸化評価システム、情報通信端末装置、および生体酸化の予防・改善物質の探索方法 Download PDF

Info

Publication number
WO2013005790A1
WO2013005790A1 PCT/JP2012/067166 JP2012067166W WO2013005790A1 WO 2013005790 A1 WO2013005790 A1 WO 2013005790A1 JP 2012067166 W JP2012067166 W JP 2012067166W WO 2013005790 A1 WO2013005790 A1 WO 2013005790A1
Authority
WO
WIPO (PCT)
Prior art keywords
discriminant
evaluation
amino acid
value
acid concentration
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2012/067166
Other languages
English (en)
French (fr)
Inventor
田中　孝幸
山本　浩史
實 山門
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ajinomoto Co Inc
Original Assignee
Ajinomoto Co Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ajinomoto Co Inc filed Critical Ajinomoto Co Inc
Publication of WO2013005790A1 publication Critical patent/WO2013005790A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6806—Determination of free amino acids
    • G01N33/6812—Assays for specific amino acids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/70—Mechanisms involved in disease identification
    • G01N2800/7004—Stress
    • G01N2800/7009—Oxidative stress

Definitions

  • the present invention relates to a biooxidation evaluation method and biooxidation evaluation apparatus for evaluating a state of biooxidation including the degree of oxidative stress and / or antioxidative power using the amino acid concentration in blood (including plasma, serum, etc.).
  • Biooxidation evaluation method, biooxidation evaluation program, biooxidation evaluation system, information communication terminal device, and biooxidation preventive / improving substance search method for searching for substances that prevent biooxidation or improve the state of biooxidation It is about.
  • Oxidative stress means that the balance between the oxidative reaction and the antioxidant reaction of the living body is lost, the state is inclined to the oxidized state, and the living body causes oxidative damage.
  • oxidative stress is defined as the difference between the oxidative damage potential of active oxygen groups generated in vivo and the antioxidant potential of the antioxidant system in vivo. The active oxygen group is useful for energy production, invading foreign body attack, unnecessary cell processing, or cell information transmission (Non-Patent Document 1).
  • this excessive active oxygen group is a lipid, protein, enzyme, or genetic information responsible for the structure or function of the biological body. Oxidizing the genetic DNA responsible for the above, damages them, resulting in disorder of the structure or function of the living body, causing disease, premature aging, and being susceptible to cancer or lifestyle-related diseases ( Non-patent document 1). In addition, by virtue of lifestyle-related diseases, a vicious cycle in which oxidative stress is amplified occurs, and further disease or aging progresses.
  • Non- Patent Document 2 when the degree of oxidative stress is high and the antioxidant capacity is normal, the degree of oxidative stress is offset by the antioxidant capacity, but if it is not improved, problems may occur in the future (non- Patent Document 2 and Non-Patent Document 3).
  • the degree of oxidative stress when the degree of oxidative stress is normal and the antioxidant capacity is low, the immune activity is generally decreased, which may be a chronic disease. Further, when the degree of oxidative stress is high and the antioxidant power is low, the self-defense function may be lowered, and follow-up is necessary.
  • hydroperoxides in blood are markers for the degree of oxidative stress.
  • D-ROM Derivatives of Reactive Oxidative Metabolites
  • BAP Bio Antioxidant Potential
  • Non-Patent Document 4 has reported that homocystein increases with oxidative stress.
  • Tyr has a significant positive correlation with antioxidants superoxide dismutase and glutathione (a tripeptide in which Glu, Cys, and Gly are sequentially peptide-bonded) (Non-Patent Literature). 5).
  • Blanco et al. Have reported that Cys varies with glutathione (Non-patent Document 6).
  • Patent Literature 1 Patent Literature 2, and Patent Literature 3 relating to a method for associating an amino acid concentration with a biological state are disclosed as prior patents.
  • Patent Literature 4 relating to a method for evaluating a stress state including at least depression or major depression using amino acid concentration is disclosed.
  • patent document 5 regarding the method of evaluating the state of fibromyalgia and depression using amino acid concentration is disclosed.
  • Cornelli U, Terranova R, Luca S, Cornelli M, Alberti A. Bioavailability and antioxidant activity of some food supplements in men and women using the D-Romtestas a marker of oxidative. , The Journal of Nutrition, 2001, 131, 12, p3208-3211.
  • the present invention has been made in view of the above problems, and a living body capable of accurately evaluating the state of biological oxidation including the degree of oxidative stress and / or antioxidant power by utilizing the concentration of amino acids in blood.
  • Oxidation evaluation method, biological oxidation evaluation apparatus, biological oxidation evaluation method, biological oxidation evaluation program, biological oxidation evaluation system, information communication terminal device, and biological oxidation evaluation method It is an object of the present invention to provide a method for searching for a substance for preventing / ameliorating biooxidation capable of accurately searching for a substance that improves the state of oxidation.
  • the concentration of blood amino acids varies depending on the state of oxidative stress and antioxidant power. Therefore, if specific blood amino acids are identified for changes in the state of oxidative stress and antioxidant power, and if an index formula with the identified blood amino acid concentration as a variable is found, oxidative stress and antioxidant power It can be widely applied as a simple and effective discrimination method of the state. Therefore, as a result of intensive studies to solve the above-mentioned problems, the present inventors have identified amino acid variables useful for discrimination regarding oxidative stress and antioxidant power due to amino acid concentration in blood, and the concentration of the identified amino acid. As a variable, the present inventors have found a multivariate discriminant (function formula, index formula) for optimizing discriminability between two groups, and have completed the present invention.
  • the biological oxidation evaluation method includes an acquisition step of acquiring amino acid concentration data related to the concentration value of amino acids in blood collected from an evaluation target; A concentration value reference evaluation step for evaluating a state of biological oxidation including the degree of oxidative stress and / or antioxidant power for the evaluation object based on the amino acid concentration data of the evaluation object acquired in the acquisition step. It is characterized by.
  • the biological oxidation evaluation method is the biological oxidation evaluation method, wherein the concentration value reference evaluation step includes Glu, Ser, Pro, Asn included in the amino acid concentration data acquired in the acquisition step. , Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, Trp, Arg, Gly, ABA, Lys.
  • the biooxidation state is evaluated.
  • the biological oxidation evaluation method is the biological oxidation evaluation method, wherein the concentration value reference evaluation step includes Glu, Ser, Pro, Asn included in the amino acid concentration data acquired in the acquisition step. , Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, based on the concentration value, the oxidative stress level and the antioxidant power are both normal for the evaluation object.
  • the biological oxidation evaluation method is the biological oxidation evaluation method, wherein the concentration value reference evaluation step includes Glu, Ser, Pro, Asn included in the amino acid concentration data acquired in the acquisition step. , Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, based on the concentration value, the oxidative stress level and the antioxidative power for the evaluation object And a concentration value reference determining step for determining whether the state is normal or the state in which the degree of oxidative stress is high and the antioxidant power is normal.
  • the biological oxidation evaluation method is the biological oxidation evaluation method, wherein the concentration value reference evaluation step includes Glu, Ser, Pro, Asn included in the amino acid concentration data acquired in the acquisition step. , Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His, Gln. And a concentration value reference determining step for determining whether the degree is normal and the antioxidant power is normal or the oxidative stress is normal and the antioxidant power is low. To do.
  • the biological oxidation evaluation method is the biological oxidation evaluation method, wherein the concentration value reference evaluation step includes Glu, Ser, Pro, Asn included in the amino acid concentration data acquired in the acquisition step. , Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Trp, ABA, Tyr, Gln, His, based on the concentration value,
  • the method further includes a concentration value criterion determining step for determining whether the antioxidant power is normal or the oxidative stress level is high and the antioxidant power is low.
  • the biological oxidation evaluation method is the biological oxidation evaluation method, wherein the concentration value reference evaluation step includes Glu, Ser, Pro, Asn included in the amino acid concentration data acquired in the acquisition step. , Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, Arg. It further includes a concentration value reference determining step for determining whether the state is high and the antioxidant power is normal or the oxidative stress level is normal and the antioxidant power is low. .
  • the biological oxidation evaluation method is the biological oxidation evaluation method, wherein the concentration value reference evaluation step includes Glu, Ser, Pro, Asn included in the amino acid concentration data acquired in the acquisition step. , Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, Arg.
  • the method further comprises a concentration value reference determining step of determining whether the state is normal in oxidizing power or the state in which the degree of oxidative stress is high and the antioxidant power is low.
  • the biological oxidation evaluation method is the biological oxidation evaluation method, wherein the concentration value reference evaluation step includes Glu, Ser, Pro, Asn included in the amino acid concentration data acquired in the acquisition step. , Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Gly, Tyr, His, Arg, ABA, Lys, Gln, Trp And a concentration value criterion determining step for determining whether the oxidative stress level is normal and the antioxidant power is low or the oxidative stress level is high and the antioxidant power is low. It is characterized by.
  • the biological oxidation evaluation method is the biological oxidation evaluation method, wherein the concentration value reference evaluation step includes Glu, Ser, Pro, Asn included in the amino acid concentration data acquired in the acquisition step. , His, Thr, Orn, Ala, Cit, Val, Met, Ile, Leu, Phe, Trp, Gln, Arg, Gly, Tyr, ABA, based on the concentration value,
  • the method further includes a concentration value reference determining step of determining whether the oxidative stress level is normal or the oxidative stress level is high.
  • the biological oxidation evaluation method is the biological oxidation evaluation method, wherein the concentration value reference evaluation step includes Glu, Ser, Asn, Thr included in the amino acid concentration data acquired in the acquisition step. , Met, Orn, Ile, Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, and Cit.
  • the method further includes a concentration value criterion determining step for determining which of the state and the state where the antioxidant power is low.
  • the biological oxidation evaluation method is the biological oxidation evaluation method, wherein the concentration value reference evaluation step includes the amino acid concentration data acquired in the acquisition step and the amino acid concentration as variables. Based on a preset multivariate discriminant, a discriminant value calculating step for calculating a discriminant value which is a value of the multivariate discriminant, and based on the discriminant value calculated in the discriminant value calculating step, And a discriminant value reference evaluation step for evaluating the state of biooxidation.
  • the biooxidation evaluation method according to the present invention is the biooxidation evaluation method described above, wherein the multivariate discriminant is created by a logistic regression equation, a fractional equation, a linear discriminant, a multiple regression equation, and a support vector machine. Or an expression created by a canonical discriminant analysis, or an expression created by a decision tree.
  • the biooxidation evaluation method is the biooxidation evaluation method described above, wherein the discriminant value calculation step includes Glu, Ser, Pro, Asn, included in the amino acid concentration data acquired in the acquisition step. At least one of the concentration values of Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, Trp, Arg, Gly, ABA, Lys, and Glu, Ser, Pro, Asn , Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, Trp, Arg, Gly, ABA, Lys in the multivariate discriminant including at least one of the variables. Based on this, the discriminant value is calculated.
  • the biooxidation evaluation method is the biooxidation evaluation method described above, wherein the discriminant value calculation step includes Glu, Ser, Pro, Asn, included in the amino acid concentration data acquired in the acquisition step.
  • the concentration value of at least one of Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, and Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu , Phe, the discriminant value is calculated based on the multivariate discriminant including at least one of the variables as the variable, and the discriminant value criterion evaluating step is based on the discriminant value calculated in the discriminant value calculating step.
  • both the degree of oxidative stress and the antioxidant power are normal, the degree of oxidative stress At least three of a state of high and normal antioxidant power, a state of normal oxidative stress and low antioxidant power, and a state of high oxidative stress and low antioxidant power It further includes a discriminant value criterion discriminating step for discriminating one of them.
  • the biooxidation evaluation method is the biooxidation evaluation method described above, wherein the discriminant value calculation step includes Glu, Ser, Pro, Asn, included in the amino acid concentration data acquired in the acquisition step.
  • the discriminant value criterion evaluation step includes: Based on the discriminant value calculated in the value calculating step, for the evaluation object, the oxidative stress level and Serial to antioxidant potential further comprises a discriminant value criterion discriminating step of discriminating which one of both normal and the oxidative stress level is high and the resistance to oxidation is normal state, characterized by.
  • the biooxidation evaluation method according to the present invention is the biooxidation evaluation method described above, wherein the multivariate discriminant is the logistic regression equation including Gln, Cit, Tyr, Met, Orn, Leu as the variables. It is characterized by being.
  • the biooxidation evaluation method is the biooxidation evaluation method described above, wherein the discriminant value calculation step includes Glu, Ser, Pro, Asn, included in the amino acid concentration data acquired in the acquisition step. At least one of the concentration values of Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His, Gln, and Glu, Ser, Pro, Asn, Ala, Thr , Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His, Gln based on the multivariate discriminant including at least one of the variables.
  • the discriminant value criterion evaluation step is based on the discriminant value calculated in the discriminant value calculation step. And a criterion value for determining whether the oxidative stress level and the antioxidant power are both normal and the oxidative stress level is normal and the antioxidant power is low for the evaluation object.
  • the method further includes a determination step.
  • the biooxidation evaluation method according to the present invention is the biooxidation evaluation method described above, wherein the multivariate discriminant is the logistic regression equation including Ser, Thr, Met, Orn, Ile, and Trp as the variables. It is characterized by being.
  • the biooxidation evaluation method is the biooxidation evaluation method described above, wherein the discriminant value calculation step includes Glu, Ser, Pro, Asn, included in the amino acid concentration data acquired in the acquisition step. At least one of the concentration values of Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Trp, ABA, Tyr, Gln, His, and Glu, Ser, Pro, Asn, Ala, Thr, Cit , Orn, Met, Val, Ile, Leu, Phe, Trp, ABA, Tyr, Gln, His, based on the multivariate discriminant including at least one of the variables, the discriminant value is calculated and the discriminant is calculated.
  • the value reference evaluation step is based on the discriminant value calculated in the discriminant value calculation step.
  • a discriminant value criterion discriminating step for discriminating between the state in which both the oxidative stress level and the antioxidant power are normal and the state in which the oxidative stress level is high and the antioxidant power is low for each elephant It is characterized by this.
  • the biooxidation evaluation method according to the present invention is characterized in that, in the biooxidation evaluation method, the multivariate discriminant is the logistic regression equation including Ala, Cit, Tyr as the variables. To do.
  • the biooxidation evaluation method is the biooxidation evaluation method described above, wherein the discriminant value calculation step includes Glu, Ser, Pro, Asn, included in the amino acid concentration data acquired in the acquisition step. At least one of the concentration values of Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, Arg, and Glu, Ser, Pro, Asn, Ala, Thr, Cit , Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, Arg based on the multivariate discriminant including at least one of the variables, the discriminant value is calculated, and the discrimination is performed.
  • the value reference evaluation step is based on the discriminant value calculated in the discriminant value calculation step.
  • the biooxidation evaluation method according to the present invention is characterized in that, in the biooxidation evaluation method, the multivariate discriminant is the logistic regression equation including Thr, Arg, Orn as the variables. To do.
  • the biooxidation evaluation method is the biooxidation evaluation method described above, wherein the discriminant value calculation step includes Glu, Ser, Pro, Asn, included in the amino acid concentration data acquired in the acquisition step.
  • the discriminant value criterion evaluation step includes Based on the discriminant value calculated in the value calculating step, the degree of oxidative stress is determined for each evaluation target.
  • Ku and the possible antioxidant potential further comprises a discriminant value criterion discriminating step of discriminating which one of the normal and the oxidative stress level is high and the resistance to oxidation is low, characterized by.
  • the biooxidation evaluation method according to the present invention is the biooxidation evaluation method described above, wherein the multivariate discriminant is the logistic regression equation including His, Thr, Ala, Cit, Ile, and Phe as the variables. It is characterized by being.
  • the biooxidation evaluation method is the biooxidation evaluation method described above, wherein the discriminant value calculation step includes Glu, Ser, Pro, Asn, included in the amino acid concentration data acquired in the acquisition step. At least one of the concentration values of Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Gly, Tyr, His, Arg, ABA, Lys, Gln, Trp, and Glu, Ser, Pro, Asn , Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Gly, Tyr, His, Arg, ABA, Lys, Gln, and Trp as the variables in the multivariate discriminant.
  • the discriminant value is calculated based on the discriminant value reference evaluation step. Based on the discriminant value calculated in step, for the evaluation object, any of a state in which the degree of oxidative stress is normal and the antioxidant power is low and a state in which the degree of oxidative stress is high and the antioxidant power is low.
  • the method further includes a discrimination value criterion discrimination step for discriminating whether or not.
  • the multivariate discriminant is the logistic regression equation including His, Ala, ABA, Orn, and Phe as the variables. It is characterized by.
  • the biooxidation evaluation method is the biooxidation evaluation method described above, wherein the discriminant value calculation step includes Glu, Ser, Pro, Asn, included in the amino acid concentration data acquired in the acquisition step.
  • the biooxidation evaluation method according to the present invention is the biooxidation evaluation method, wherein the multivariate discriminant is the logistic regression equation including Gln, Ala, Cit, Tyr, Met, Ile as the variable. It is characterized by being.
  • the biooxidation evaluation method is the biooxidation evaluation method, wherein the discriminant value calculation step includes Glu, Ser, Asn, Thr, included in the amino acid concentration data acquired in the acquisition step. At least one of the concentration values of Met, Orn, Ile, Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, Cit, and Glu, Ser, Asn, Thr, Met, Orn, Ile, Leu , Arg, Ala, Trp, Phe, His, Val, Gln, Pro, Cit based on the multivariate discriminant including at least one of the variables, and the discriminant value criterion evaluation step Is based on the discriminant value calculated in the discriminant value calculating step, Further comprising a discriminant value criterion discriminating step of discriminating which one of the oxidizing power is normal and the antioxidant capacity is low, characterized by.
  • the biooxidation evaluation method according to the present invention is the biooxidation evaluation method described above, wherein the multivariate discriminant is the logistic regression equation including Glu, Thr, Ala, Arg, Ile, Trp as the variables. It is characterized by being.
  • the biological oxidation evaluation apparatus is a biological oxidation evaluation apparatus that includes a control unit and a storage unit, and evaluates a state of biological oxidation including an oxidative stress level and / or an antioxidant power for an evaluation target.
  • the control means is based on the previously obtained amino acid concentration data of the evaluation object relating to the amino acid concentration value and the multivariate discriminant stored in the storage means including the amino acid concentration as a variable.
  • a discriminant value calculating unit that calculates a discriminant value that is a value of the discriminant; and a discriminant value reference evaluating unit that evaluates the state of biooxidation for the evaluation object based on the discriminant value calculated by the discriminant value calculating unit.
  • the control means includes the storage means including the amino acid concentration data and biological oxidation state index data relating to an index representing the state of biological oxidation.
  • the multivariate discriminant creation means for creating the multivariate discriminant stored in the storage means based on the biooxidation state information stored in the storage means, the multivariate discriminant creation means from the biooxidation state information
  • Candidate multivariate discriminant creation means for creating a candidate multivariate discriminant that is a candidate for the multivariate discriminant based on a predetermined formula creation method, and the candidate multivariate created by the candidate multivariate discriminant creation means
  • Candidate multivariate discriminant verification means for verifying a discriminant based on a predetermined verification technique, and based on a predetermined variable selection technique based on a verification result in the candidate multivariate discriminant verification means By selecting a variable of the candidate multivariate discriminant (however, the variable of the candidate multivariate discriminant may be selected
  • Variable selection means for selecting a combination of the amino acid concentration data included in the biooxidation state information used when creating the candidate multivariate discriminant, the candidate multivariate discriminant creating means, and the candidate multivariate
  • the candidate multivariate discriminant employed as the multivariate discriminant from among the plurality of candidate multivariate discriminants based on the verification results accumulated by repeatedly executing the variable discriminant verification unit and the variable selection unit.
  • the multivariate discriminant may be created by selecting.
  • the biological oxidation evaluation method evaluates the state of biological oxidation including the degree of oxidative stress and / or the antioxidant power for an evaluation object, which is executed in an information processing apparatus including a control unit and a storage unit.
  • a biooxidation evaluation method that is executed in the control means, the amino acid concentration data of the evaluation object acquired in advance relating to the amino acid concentration value, and the multivariate stored in the storage means including the amino acid concentration as a variable
  • a discriminant value calculating step that calculates a discriminant value that is the value of the multivariate discriminant, and based on the discriminant value calculated in the discriminant value calculating step, And a discriminant value criterion evaluation step for evaluating the state.
  • the biological oxidation evaluation program indicates the state of biological oxidation including the degree of oxidative stress and / or antioxidant power for an evaluation target to be executed by an information processing apparatus including a control unit and a storage unit.
  • a bio-oxidation evaluation program to be evaluated which is stored in the storage means including the amino acid concentration data of the evaluation target obtained in advance relating to the amino acid concentration value to be executed by the control means, and the amino acid concentration as a variable
  • a discriminant value calculating step for calculating a discriminant value that is a value of the multivariate discriminant, and based on the discriminant value calculated in the discriminant value calculating step
  • a discriminant value reference evaluation step for evaluating the state of oxidation.
  • a recording medium according to the present invention is a computer-readable recording medium, and is characterized in that the biooxidation evaluation program is recorded.
  • the biological oxidation evaluation system includes a control means and a storage means, and a biological oxidation evaluation apparatus that evaluates the state of biological oxidation including the degree of oxidative stress and / or antioxidant power for an evaluation object, and a control
  • a bio-oxidation evaluation system comprising: an information communication terminal device that provides the evaluation target amino acid concentration data relating to the amino acid concentration value, and is configured to be communicable via a network.
  • the control means of the terminal device includes an amino acid concentration data transmitting means for transmitting the amino acid concentration data to be evaluated to the biological oxidation evaluation apparatus, and the biological oxidation state evaluation transmitted from the biological oxidation evaluation apparatus.
  • Evaluation result receiving means for receiving the evaluation result of the evaluation target, and the control means of the biological oxidation evaluation apparatus is configured to receive the information communication.
  • Amino acid concentration data receiving means for receiving the amino acid concentration data transmitted from the terminal device; the amino acid concentration data received by the amino acid concentration data receiving means; and the storage means stored in the storage means including the amino acid concentration as variables.
  • a discriminant value calculating unit that calculates a discriminant value that is a value of the multivariate discriminant, and based on the discriminant value calculated by the discriminant value calculating unit, A discriminant value criterion-evaluating unit that evaluates the state, and an evaluation result transmitting unit that transmits the evaluation result of the evaluation target in the discriminant value criterion-evaluating unit to the information communication terminal device.
  • the information communication terminal device is connected to a biological oxidation evaluation device that evaluates the state of biological oxidation including the degree of oxidative stress and / or antioxidant power for an evaluation target via a network
  • An information communication terminal device comprising a control means and providing the evaluation target amino acid concentration data relating to an amino acid concentration value, wherein the control means transmits the evaluation target amino acid concentration data to the biological oxidation evaluation device.
  • a device receives the amino acid concentration data transmitted from the information communication terminal device, and the received amino acid concentration data And based on the multivariate discriminant stored in the biooxidation evaluation apparatus including the concentration of the amino acid as a variable, a discriminant value that is a value of the multivariate discriminant is calculated, and based on the calculated discriminant value,
  • the evaluation target is a result of evaluating the state of biooxidation.
  • the biooxidation evaluation apparatus includes a control unit and a storage unit that are communicably connected via an information communication terminal device that provides amino acid concentration data to be evaluated regarding the amino acid concentration value.
  • a biooxidation evaluation apparatus that evaluates the state of biooxidation including the degree of oxidative stress and / or antioxidant power for the evaluation object, wherein the control means transmits the amino acid concentration data transmitted from the information communication terminal apparatus Based on the multivariate discriminant stored in the storage means including the amino acid concentration data receiving means, the amino acid concentration data received by the amino acid concentration data receiving means, and the amino acid concentration as a variable.
  • a discriminant value calculating means for calculating a discriminant value which is a discriminant value; and the discriminant value calculated by the discriminant value calculating means Therefore, for the evaluation object, a discriminant value criterion-evaluating unit that evaluates the state of biooxidation, and an evaluation result transmitting unit that transmits the evaluation result of the evaluation object in the discriminant value criterion-evaluating unit to the information communication terminal device It is characterized by having provided.
  • the method for searching for a substance for preventing / ameliorating biooxidation is amino acid concentration data relating to the concentration value of amino acids in blood collected from an evaluation subject to which a desired substance group consisting of one or a plurality of substances is administered.
  • a concentration value reference evaluation step for evaluating the state of biological oxidation including the degree of oxidative stress and / or antioxidant power based on the amino acid concentration data acquired in the acquiring step.
  • amino acid concentration data relating to the concentration value of amino acids in blood collected from an evaluation object is obtained, and based on the obtained amino acid concentration data of the evaluation object, the degree of oxidative stress and / or antioxidant is evaluated for the evaluation object. Evaluate the state of biooxidation including force. Thereby, there exists an effect that the state of biological oxidation can be accurately evaluated using the concentration of amino acids in blood.
  • Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, Trp Based on the concentration value of at least one of Arg, Gly, ABA, and Lys, the state of biological oxidation is evaluated for the evaluation target. This produces an effect that the state of biooxidation can be accurately evaluated using the concentration of amino acids related to the state of biooxidation in the concentration of amino acids in blood.
  • the present invention based on at least one concentration value among Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, and Phe included in the acquired amino acid concentration data.
  • both the oxidative stress level and the antioxidant power are normal, the oxidative stress level is high and the antioxidant power is normal, the oxidative stress level is normal and the antioxidant power is low, and oxidative stress. It is determined which of the at least three states among the states having high degrees and low antioxidant power.
  • the amino acid concentration useful for the 3-group discrimination or the 4-group discrimination between these states among the amino acid concentrations in the blood can be used, and this discrimination can be performed with high accuracy.
  • Based on one concentration value it is determined for each evaluation target whether the oxidative stress level and the antioxidant power are both normal and the oxidative stress level is high and the antioxidant power is normal.
  • the amino acid concentration useful for the two-group discrimination between these states among the amino acid concentrations in the blood is utilized, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • the evaluation target is either a state in which both the oxidative stress level and the antioxidant power are normal, or a state in which the oxidative stress level is normal and the antioxidant power is low. Is determined.
  • the amino acid concentration useful for the two-group discrimination between these states among the amino acid concentrations in the blood is utilized, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Trp, ABA, Tyr, Gln included in the acquired amino acid concentration data.
  • the amino acid concentration useful for the two-group discrimination between these states among the amino acid concentrations in the blood is utilized, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp Based on the concentration value of at least one of Arg, whether the evaluation target is in a state where the oxidative stress level is high and the antioxidant power is normal or the oxidative stress level is normal and the antioxidant power is low Is determined.
  • the amino acid concentration useful for the two-group discrimination between these states among the amino acid concentrations in the blood is utilized, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • At least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, and Arg contained in the acquired amino acid concentration data. Based on one concentration value, it is determined whether the evaluation target is in a state where the degree of oxidative stress is high and the antioxidant power is normal or in a state where the degree of oxidative stress is high and the antioxidant power is low.
  • the amino acid concentration useful for the two-group discrimination between these states among the amino acid concentrations in the blood is utilized, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • the evaluation target is a state in which the degree of oxidative stress is normal and low in antioxidant power and a state in which the degree of oxidative stress is high and low in antioxidant power It is determined whether it is.
  • the amino acid concentration useful for the two-group discrimination between these states among the amino acid concentrations in the blood is utilized, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • the concentration value of at least one of Gly, Tyr, and ABA it is determined whether the oxidative stress level is normal or the oxidative stress level is high for the evaluation target.
  • the amino acid concentration useful for the two-group discrimination between these states among the amino acid concentrations in the blood is utilized, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • Glu, Ser, Asn, Thr, Met, Orn, Ile, Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, and Cit included in the acquired amino acid concentration data.
  • the evaluation target is determined as to whether the antioxidant power is normal or the antioxidant power is low.
  • the amino acid concentration useful for the two-group discrimination between these states among the amino acid concentrations in the blood is utilized, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • the discriminant value that is the value of the multivariate discriminant is calculated, and based on the calculated discriminant value.
  • the state of biological oxidation is evaluated for each evaluation target.
  • the biooxidation state can be accurately evaluated using the discriminant value obtained by the multivariate discriminant including the amino acid concentration as a variable.
  • the multivariate discriminant is a logistic regression equation, a fractional equation, a linear discriminant equation, a multiple regression equation, an equation created by a support vector machine, an equation created by the Mahalanobis distance method, a canonical discriminant.
  • At least one concentration value of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe included in the amino acid concentration data, and Glu is calculated based on a multivariate discriminant including at least one of Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, and Phe as a variable.
  • both the oxidative stress level and the antioxidant power are normal, the oxidative stress level is high and the antioxidant power is normal, the oxidative stress level is normal and the antioxidant power is low, and It is determined which of at least three states out of the states where the degree of oxidative stress is high and the antioxidant power is low.
  • a multivariate discriminant including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln as a variable.
  • a discriminant value is calculated, and based on the calculated discriminant value, for each evaluation object, either the state of normal oxidative stress and antioxidative power or the state of high oxidative stress and normal antioxidative power are selected. Is determined.
  • the discriminant value obtained by the multivariate discriminant useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • the multivariate discriminant is a logistic regression equation including Gln, Cit, Tyr, Met, Orn, Leu as variables.
  • the discriminant value obtained by the multivariate discriminant that is particularly useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed more accurately.
  • a discriminant value is calculated, and based on the calculated discriminant value, both the oxidative stress level and the antioxidant power are normal and the oxidative stress level is normal for each evaluation target And in which the antioxidant power is low.
  • the discriminant value obtained by the multivariate discriminant useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • the multivariate discriminant is a logistic regression equation including Ser, Thr, Met, Orn, Ile, and Trp as variables.
  • the discriminant value obtained by the multivariate discriminant that is particularly useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed more accurately.
  • Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Trp, ABA, Tyr, Gln, and His are included in the amino acid concentration data.
  • At least one of the concentration values and at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Trp, ABA, Tyr, Gln, and His are variables. Based on the multivariate discriminant included, the discriminant value is calculated, and on the basis of the calculated discriminant value, the oxidative stress level and the antioxidant power are both normal, the oxidative stress level is high, and the antioxidant power Is in a low state.
  • the discriminant value obtained by the multivariate discriminant useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • the multivariate discriminant is a logistic regression equation including Ala, Cit, Tyr as variables.
  • the discriminant value obtained by the multivariate discriminant that is particularly useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed more accurately.
  • the Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, and Arg included in the amino acid concentration data are also included.
  • At least one of the concentration values and at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, and Arg are variables.
  • the discriminant value is calculated, and based on the calculated discriminant value, the state of high oxidative stress and normal antioxidant power and normal oxidative stress level and It is determined whether the state is low in oxidizing power.
  • the discriminant value obtained by the multivariate discriminant useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • the multivariate discriminant is a logistic regression equation including Thr, Arg, Orn as variables.
  • the discriminant value obtained by the multivariate discriminant that is particularly useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed more accurately.
  • At least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, and Arg included in the amino acid concentration data.
  • concentration value and multivariate discriminant including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, Arg as a variable.
  • the discriminant value is calculated, and based on the calculated discriminant value, the evaluation object has either a high oxidative stress level and normal antioxidant power, or a high oxidative stress level and low antioxidative power. Is determined.
  • the discriminant value obtained by the multivariate discriminant useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • the multivariate discriminant is a logistic regression equation including His, Thr, Ala, Cit, Ile, and Phe as variables.
  • the discriminant value obtained by the multivariate discriminant that is particularly useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed more accurately.
  • At least one concentration value of Lys, Gln, Trp, and Glu Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Gly, Tyr, His, Arg, ABA, Based on a multivariate discriminant including at least one of Lys, Gln, and Trp as a variable, a discriminant value is calculated, and based on the calculated discriminant value, the degree of oxidative stress is normal and the antioxidant power It is determined whether the state is low or the state of high oxidative stress and low antioxidant power.
  • the discriminant value obtained by the multivariate discriminant useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • the multivariate discriminant is a logistic regression equation including His, Ala, ABA, Orn, Phe as variables.
  • the discriminant value obtained by the multivariate discriminant that is particularly useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed more accurately.
  • a discriminant value is calculated based on a multivariate discriminant including at least one of ABAs as a variable, and based on the calculated discriminant value, a state in which the oxidative stress level is normal and the oxidative stress level is high for each evaluation target Is determined.
  • the discriminant value obtained by the multivariate discriminant useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • the multivariate discriminant is a logistic regression equation including Gln, Ala, Cit, Tyr, Met, and Ile as variables.
  • the discriminant value obtained by the multivariate discriminant that is particularly useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed more accurately.
  • At least one of Glu, Ser, Asn, Thr, Met, Orn, Ile, Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, and Cit included in the amino acid concentration data.
  • Multivariate including one concentration value and at least one of Glu, Ser, Asn, Thr, Met, Orn, Ile, Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, and Cit as variables.
  • a discriminant value is calculated, and based on the calculated discriminant value, it is determined whether the evaluation target is in a normal state of antioxidant power or a state of low antioxidant power.
  • the discriminant value obtained by the multivariate discriminant useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed with high accuracy.
  • the multivariate discriminant is a logistic regression equation including Glu, Thr, Ala, Arg, Ile, and Trp as variables.
  • the discriminant value obtained by the multivariate discriminant that is particularly useful for discriminating between the two groups between these states is used, and this has the effect that the two-group discrimination can be performed more accurately.
  • the multivariate discriminant stored in the storage means based on the biological oxidation state information stored in the storage means including the amino acid concentration data and the biological oxidation state index data relating to the index representing the state of biological oxidation. May be created. Specifically, (1) a candidate multivariate discriminant is created from biological oxidation state information based on a predetermined formula creation method, and (2) the created candidate multivariate discriminant is verified based on a predetermined verification method.
  • a discriminant variable may be selected.
  • a combination of amino acid concentration data included in the bio-oxidation state information used when creating a candidate multivariate discriminant is selected, and (4) (1), (2) Based on the verification results accumulated by repeatedly executing (3) and (3), by selecting a candidate multivariate discriminant to be adopted as a multivariate discriminant from among a plurality of candidate multivariate discriminants, You may create it. Thereby, there exists an effect that the multivariate discriminant most suitable for the state evaluation of biooxidation can be created.
  • the computer since the biooxidation evaluation program recorded on the recording medium is read and executed by the computer, the computer executes the biooxidation evaluation program, so that the same effect as described above can be obtained. There is an effect that can be done.
  • amino acid concentration data relating to amino acid concentration values collected from an evaluation subject to which a desired substance group consisting of one or a plurality of substances is administered is obtained, and the obtained amino acid concentration data is obtained.
  • the state of biooxidation including the degree of oxidative stress and / or antioxidative power is evaluated for the evaluation target, and the desired substance group prevents biooxidation or improves the state of biooxidation based on the evaluation result Therefore, it is possible to prevent bio-oxidation using a bio-oxidation evaluation method that can accurately evaluate the state of bio-oxidation using the concentration of amino acids in blood. There is an effect that a substance that improves the oxidation state can be searched with high accuracy.
  • an existing animal model partially reflecting the state of biooxidation by using information on typical amino acid concentration fluctuation patterns in biooxidation and multivariate discriminants corresponding to biooxidation
  • the present invention when evaluating the state of biological oxidation, in addition to the concentration of amino acids, other biological information (for example, biological metabolites such as sugars, lipids, proteins, peptides, minerals, hormones, (Value, sex, age, liver disease index, eating habits, drinking habits, exercise habits, obesity, disease history, etc.) may be further used.
  • the present invention also provides other biological information (for example, biological metabolism such as sugars, lipids, proteins, peptides, minerals, hormones, etc.) in addition to the concentration of amino acids as variables in the multivariate discriminant when evaluating the state of biological oxidation. For example, blood glucose level, blood pressure level, gender, age, liver disease index, dietary habits, drinking habits, exercise habits, obesity level, disease history, etc.).
  • FIG. 1 is a principle configuration diagram showing the basic principle of the present invention.
  • FIG. 2 is a flowchart illustrating an example of a biooxidation evaluation method according to the first embodiment.
  • FIG. 3 is a principle configuration diagram showing the basic principle of the present invention.
  • FIG. 4 is a diagram illustrating an example of the overall configuration of the present system.
  • FIG. 5 is a diagram showing another example of the overall configuration of the present system.
  • FIG. 6 is a block diagram showing an example of the configuration of the biological oxidation evaluation apparatus 100 of the present system.
  • FIG. 7 is a diagram illustrating an example of information stored in the user information file 106a.
  • FIG. 8 is a diagram showing an example of information stored in the amino acid concentration data file 106b.
  • FIG. 9 is a diagram illustrating an example of information stored in the biological oxidation state information file 106c.
  • FIG. 10 is a diagram illustrating an example of information stored in the designated biological oxidation state information file 106d.
  • FIG. 11 is a diagram illustrating an example of information stored in the candidate multivariate discriminant file 106e1.
  • FIG. 12 is a diagram illustrating an example of information stored in the verification result file 106e2.
  • FIG. 13 is a diagram illustrating an example of information stored in the selected biological oxidation state information file 106e3.
  • FIG. 14 is a diagram illustrating an example of information stored in the multivariate discriminant file 106e4.
  • FIG. 15 is a diagram illustrating an example of information stored in the discrimination value file 106f.
  • FIG. 16 is a diagram illustrating an example of information stored in the evaluation result file 106g.
  • FIG. 17 is a block diagram showing a configuration of the multivariate discriminant-preparing part 102h.
  • FIG. 18 is a block diagram illustrating a configuration of the discriminant value criterion-evaluating unit 102j.
  • FIG. 19 is a block diagram illustrating an example of the configuration of the client apparatus 200 of the present system.
  • FIG. 20 is a block diagram showing an example of the configuration of the database apparatus 400 of this system.
  • FIG. 21 is a flowchart showing an example of the biooxidation evaluation service process performed in the present system.
  • FIG. 22 is a flowchart showing an example of multivariate discriminant creation processing performed by the biological oxidation evaluation apparatus 100 of the present system.
  • FIG. 23 is a principle configuration diagram showing the basic principle of the present invention.
  • FIG. 24 is a flowchart showing an example of a method for searching for a biooxidation prevention / ameliorating substance according to the third embodiment.
  • FIG. 25 is a diagram showing the distribution of amino acid variables among the four groups.
  • FIG. 26 is a diagram showing a list of logistic regression equations with equally good discrimination between the healthy group and the second group.
  • FIG. 27 is a diagram showing a list of logistic regression equations with equally good discrimination between the healthy group and the second group.
  • FIG. 28 is a diagram showing a list of fractional expressions with equally good discrimination ability between the healthy group and the second group.
  • FIG. 29 is a diagram showing a list of fractional expressions with equally good discrimination ability between the healthy group and the second group.
  • FIG. 30 is a diagram showing a list of logistic regression equations with equally good discrimination between the healthy group and the third group.
  • FIG. 31 is a diagram showing a list of logistic regression equations with equally good discrimination between the healthy group and the third group.
  • FIG. 32 is a diagram showing a list of fractional expressions with equally good discrimination ability between the healthy group and the third group.
  • FIG. 33 is a diagram showing a list of fractional expressions with equally good discrimination ability between the healthy group and the third group.
  • FIG. 34 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the healthy group and the fourth group.
  • FIG. 35 is a diagram showing a list of logistic regression equations with equally good discrimination between the healthy group and the fourth group.
  • FIG. 36 is a diagram showing a list of fractional expressions with equally good discrimination ability between the healthy group and the fourth group.
  • FIG. 37 is a diagram showing a list of fractional expressions with equally good discrimination ability between the healthy group and the fourth group.
  • FIG. 38 is a diagram showing a list of logistic regression equations with equally good discrimination performance between the second group and the third group.
  • FIG. 39 is a diagram showing a list of logistic regression equations with equally good discrimination performance between the second group and the third group.
  • FIG. 40 is a diagram showing a list of fractional expressions with equally good discrimination performance between the second group and the third group.
  • FIG. 41 is a diagram showing a list of fractional expressions with equally good discrimination ability between the second group and the third group.
  • FIG. 42 is a diagram showing a list of logistic regression equations with equally good discrimination performance between the second group and the fourth group.
  • FIG. 43 is a diagram showing a list of logistic regression equations with equally good discrimination performance between the second group and the fourth group.
  • FIG. 44 is a diagram showing a list of fractional expressions with equally good discrimination ability between the second group and the fourth group.
  • FIG. 45 is a diagram showing a list of fractional expressions with equally good discrimination ability between the second group and the fourth group.
  • FIG. 46 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the third group and the fourth group.
  • FIG. 47 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the third group and the fourth group.
  • FIG. 48 is a diagram showing a list of fractional expressions with equally good discrimination ability between the third group and the fourth group.
  • FIG. 49 is a diagram showing a list of fractional expressions with equally good discrimination ability between the third group and the fourth group.
  • FIG. 50 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the thirteenth group and the twenty-fourth group.
  • FIG. 51 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the thirteenth group and the twenty-fourth group.
  • FIG. 52 is a diagram showing a list of fractional expressions with equally good discrimination ability between the thirteenth group and the twenty-fourth group.
  • FIG. 53 is a diagram showing a list of fractional expressions with equally good discrimination ability between the thirteenth group and the twenty-fourth group.
  • FIG. 54 is a diagram showing a list of logistic regression equations with equally good discrimination performance between the 12th group and the 34th group.
  • FIG. 55 is a diagram showing a list of logistic regression equations with equally good discrimination ability between the 12th group and the 34th group.
  • FIG. 56 is a diagram showing a list of fractional expressions with equally good discrimination ability between the 12th group and the 34th group.
  • FIG. 57 is a diagram showing a list of fractional expressions with equally good discrimination ability between the 12th group and the 34th group.
  • an embodiment of a biooxidation evaluation method according to the present invention (first embodiment), a biooxidation evaluation apparatus, a biooxidation evaluation method, a biooxidation evaluation program, a recording medium, a biooxidation evaluation system according to the present invention, Embodiment of the information communication terminal device (second embodiment) and the embodiment of the biooxidation prevention / amelioration substance search method (third embodiment) according to the present invention will be described in detail with reference to the drawings. To do. In addition, this invention is not limited by this Embodiment.
  • FIG. 1 is a principle configuration diagram showing the basic principle of the present invention.
  • amino acid concentration data relating to the concentration value of amino acids in blood (eg, including plasma, serum, etc.) collected from an evaluation target is acquired (step S11).
  • amino acid concentration data measured by a company or the like that performs amino acid concentration measurement may be acquired.
  • the following (A) or (B) may be obtained from blood collected from an evaluation target.
  • Amino acid concentration data may be obtained by measuring amino acid concentration data by a measurement method.
  • the unit of amino acid concentration may be obtained by, for example, molar concentration, weight concentration, or by adding / subtracting / subtracting an arbitrary constant to / from these concentrations.
  • LC-MS liquid chromatography mass spectrometry The amino acid concentration was analyzed by a total (LC-MS) (see International Publication No. 2003/069328 and International Publication No. 2005/116629).
  • amino acid concentration When measuring the amino acid concentration, sulfosalicylic acid was added to remove the protein, and then the amino acid concentration was analyzed by an amino acid analyzer based on the post-column derivatization method using a ninhydrin reagent.
  • step S12 based on the amino acid concentration data acquired in step S11, the state of biological oxidation including the degree of oxidative stress and / or antioxidant power is evaluated for the evaluation target (step S12).
  • amino acid concentration data relating to the concentration value of amino acids in blood collected from an evaluation object is obtained, and based on the obtained amino acid concentration data of the evaluation object, the degree of oxidative stress and / or Evaluate the state of bio-oxidation including antioxidant power. Thereby, the state of biological oxidation can be accurately evaluated using the concentration of amino acids in blood.
  • step S12 data such as missing values and outliers may be removed from the amino acid concentration data acquired in step S11. Thereby, the state of biological oxidation can be evaluated more accurately.
  • step S12 Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, Trp included in the amino acid concentration data acquired in step S11. , Arg, Gly, ABA, Lys, based on at least one concentration value, the state of biological oxidation may be evaluated for the evaluation target. Thereby, the state of biological oxidation can be accurately evaluated using the concentration of amino acids related to the state of biological oxidation among the concentrations of amino acids in blood.
  • Oxidative stress level and antioxidant power are both normal, oxidative stress level is high and normal antioxidant power level is normal, oxidative stress level is normal and low antioxidant power level is high, and oxidative stress level is high and anti-oxidative power level is high. It may be determined which of at least three of the states having low oxidizing power is.
  • At least one concentration value of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln included in the amino acid concentration data is used. Based on the evaluation target, it may be determined whether the oxidative stress level and the antioxidant power are both normal and the oxidative stress level is high and the antioxidant power is normal. This makes it possible to accurately perform the two-group discrimination by using the amino acid concentration useful for the two-group discrimination between these states among the amino acid concentrations in the blood.
  • concentration value of at least one of Trp whether the oxidative stress level is normal and the antioxidant power level is low or the oxidative stress level is high and the antioxidant power level is low May be determined. This makes it possible to accurately perform the two-group discrimination by using the amino acid concentration useful for the two-group discrimination between these states among the amino acid concentrations in the blood.
  • Glu, Ser, Pro, Asn, His, Thr, Orn, Ala, Cit, Val, Met, Ile, Leu, Phe, Trp, Gln, Arg, Gly, Tyr, ABA are included in the amino acid concentration data.
  • step S12 based on the amino acid concentration data acquired in step S11 and the preset multivariate discriminant including the amino acid concentration as a variable, a discriminant value that is the value of the multivariate discriminant is calculated. Based on the discriminated value, the state of biological oxidation may be evaluated for the evaluation target. Thereby, the state of biooxidation can be accurately evaluated using the discriminant value obtained by the multivariate discriminant including the amino acid concentration as a variable.
  • Multivariate discriminants are logistic regression formula, fractional formula, linear discriminant formula, multiple regression formula, formula created by support vector machine, formula created by Mahalanobis distance method, formula created by canonical discriminant analysis. Any one of the expressions created by the decision tree may be used. Thereby, the biooxidation state can be evaluated with higher accuracy by using the discriminant value obtained by the multivariate discriminant including the amino acid concentration as a variable.
  • step S12 Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, Trp included in the amino acid concentration data acquired in step S11.
  • Arg, Gly, ABA, Lys at least one concentration value
  • Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, Trp Arg, Gly, ABA, Lys
  • a discriminant value is calculated based on a multivariate discriminant including at least one of them as a variable, and the state of biooxidation is evaluated for the evaluation object based on the calculated discriminant value. May be. Thereby, the biooxidation state can be accurately evaluated using the discriminant value obtained by the multivariate discriminant having a significant correlation with the biooxidation state.
  • the discriminant value is calculated, and based on the calculated discriminant value
  • both the oxidative stress level and the antioxidant power are normal, the oxidative stress level is high and the antioxidant power is normal, the oxidative stress level is normal and the antioxidant power is low, and the oxidative stress level. It may be determined which of the at least three states among the states having high and low antioxidant power. Thereby, these discrimination
  • At least one concentration value of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln included in the amino acid concentration data Discrimination based on a multivariate discriminant including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln as a variable
  • the value is calculated, and based on the calculated discriminant value, whether the oxidative stress level and the antioxidant power are both normal or the oxidative stress level is high and the antioxidant power is normal for the evaluation target May be determined.
  • the multivariate discriminant may be a logistic regression equation including Gln, Cit, Tyr, Met, Orn, and Leu as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • the discriminant value is calculated, and on the basis of the calculated discriminant value, the oxidative stress level and the antioxidant power are both normal and the oxidative stress level is normal and It may be determined which state is low in oxidizing power.
  • the multivariate discriminant may be a logistic regression equation including Ser, Thr, Met, Orn, Ile, and Trp as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • the multivariate discriminant may be a logistic regression equation including Ala, Cit, Tyr as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • At least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, and Arg included in the amino acid concentration data.
  • a plurality of concentration values and at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, and Arg as variables.
  • the discriminant value is calculated, and on the basis of the calculated discriminant value, the evaluation target has a high oxidative stress level and a normal antioxidant power, and a normal oxidative stress level and an antioxidant power.
  • the multivariate discriminant may be a logistic regression equation including Thr, Arg, and Orn as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • At least one concentration value of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, Arg included in the amino acid concentration data Discrimination based on a multivariate discriminant including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, Arg as a variable
  • the value is calculated, and based on the calculated discriminant value, whether the evaluation target is in a state of high oxidative stress and normal antioxidant power, or a state of high oxidative stress and low antioxidant power May be determined.
  • the multivariate discriminant may be a logistic regression equation including His, Thr, Ala, Cit, Ile, and Phe as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • Trp at least one concentration value, and Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Gly, Tyr, His, Arg, ABA, Lys, Gln , Trp calculates a discriminant value based on a multivariate discriminant including at least one of the variables as a variable, and based on the calculated discriminant value, a state in which the degree of oxidative stress is normal and the antioxidant power is low It may also be determined whether the state is high in oxidative stress and low in antioxidant power. This makes it possible to accurately perform the two-group discrimination using the discriminant value obtained by the multivariate discriminant useful for the two-group discrimination between these states.
  • the multivariate discriminant may be a logistic regression equation including His, Ala, ABA, Orn, and Phe as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • Glu, Ser, Pro, Asn, His, Thr, Orn, Ala, Cit, Val, Met, Ile, Leu, Phe, Trp, Gln, Arg, Gly, Tyr, ABA are included in the amino acid concentration data.
  • a discriminant value is calculated, and based on the calculated discriminant value, a state in which the oxidative stress level is normal and the oxidative stress level is high for each evaluation target You may determine which is. This makes it possible to accurately perform the two-group discrimination using the discriminant value obtained by the multivariate discriminant useful for the two-group discrimination between these states.
  • the multivariate discriminant may be a logistic regression equation including Gln, Ala, Cit, Tyr, Met, and Ile as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • Multivariate discriminant including a value and at least one of Glu, Ser, Asn, Thr, Met, Orn, Ile, Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, Cit as a variable
  • the discriminant value may be determined based on the calculated discriminant whether the antioxidant power is normal or the antioxidant power is low.
  • the multivariate discriminant may be a logistic regression equation including Glu, Thr, Ala, Arg, Ile, and Trp as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • each multivariate discriminant described above is described in the method described in International Publication No. 2004/052191 which is an international application by the present applicant or International Publication No. 2006/098192 which is an international application by the present applicant. You may produce by the method (The multivariate discriminant creation process as described in 2nd Embodiment mentioned later). If the multivariate discriminant obtained by these methods is used, it is preferable to use the multivariate discriminant for biooxidation state evaluation regardless of the unit of amino acid concentration in the amino acid concentration data as input data. it can.
  • the multivariate discriminant generally means the format of formulas used in multivariate analysis. For example, fractional formulas, multiple regression formulas, multiple logistic regression formulas, linear discriminant functions, Mahalanobis distances, canonical discriminant functions, support vectors Includes machines, decision trees, etc. Also included are expressions as indicated by the sum of different forms of multivariate discriminants.
  • a coefficient and a constant term are added to each variable. In this case, the coefficient and the constant term are preferably real numbers, more preferably data.
  • each coefficient and its confidence interval may be obtained by multiplying it by a real number
  • the value of the constant term and its confidence interval may be obtained by adding / subtracting / multiplying / dividing an arbitrary real constant thereto.
  • the fractional expression means that the numerator of the fractional expression is represented by the sum of amino acids A, B, C,... And / or the denominator of the fractional expression is the sum of amino acids a, b, c,. It is represented by
  • the fractional expression includes a sum of fractional expressions ⁇ , ⁇ , ⁇ ,.
  • the fractional expression also includes a divided fractional expression.
  • An appropriate coefficient may be added to each amino acid used in the numerator and denominator.
  • amino acids used in the numerator and denominator may overlap.
  • an appropriate coefficient may be attached to each fractional expression.
  • the value of the coefficient of each variable and the value of the constant term may be real numbers.
  • the combination of the numerator variable and the denominator variable is generally reversed in the sign of the correlation with the target variable, but since the correlation is maintained, it can be considered equivalent in discriminability. Combinations of swapping numerator and denominator variables are also included.
  • this invention evaluates the state of biological oxidation, in addition to the concentration of amino acids, other biological information (for example, biological metabolites such as saccharides, lipids, proteins, peptides, minerals, hormones, (Value, sex, age, liver disease index, eating habits, drinking habits, exercise habits, obesity, disease history, etc.) may be further used.
  • the present invention also provides other biological information (for example, biological metabolism such as sugars, lipids, proteins, peptides, minerals, hormones, etc.) in addition to the concentration of amino acids as variables in the multivariate discriminant when evaluating the state of biological oxidation. For example, blood glucose level, blood pressure level, gender, age, liver disease index, dietary habits, drinking habits, exercise habits, obesity level, disease history, etc.).
  • FIG. 2 is a flowchart illustrating an example of a biooxidation evaluation method according to the first embodiment.
  • amino acid concentration data relating to the concentration value of amino acids in blood collected from individuals such as animals and humans is acquired (step SA11).
  • step SA11 amino acid concentration data measured by a company or the like that performs amino acid concentration measurement may be acquired, and measurement such as (A) or (B) described above is performed from blood collected from an evaluation target.
  • Amino acid concentration data may be obtained by measuring amino acid concentration data by a method.
  • step SA12 data such as missing values and outliers are removed from the amino acid concentration data of the individual obtained in step SA11 (step SA12).
  • step SA13 based on the amino acid concentration data of individuals from which data such as missing values and outliers have been removed in step SA12, the following is shown for each individual: To 19. Any one of these determinations is executed (step SA13).
  • Any of at least three states of a state having a high degree of normality and an antioxidant power, a state having a normal degree of oxidative stress and a low level of antioxidant power, and a state having a high degree of oxidative stress and a low level of antioxidant power Is determined.
  • Second Group Discrimination Regarding Oxidative Stress Level and Antioxidant Power (i) Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr included in amino acid concentration data , Trp, Arg, Gly, His, Gln, a state where both the oxidative stress level and the antioxidant power are normal for each individual by comparing at least one concentration value with a preset threshold value (cut-off value) And (ii) Glu, Ser, Pro, Asn, Ala, Thr, Cit, which are included in the amino acid concentration data.
  • At least one of Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His, Gln Concentration value and at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His, Gln as variables
  • the discriminant value is calculated, and the calculated discriminant value is compared with a preset threshold value (cutoff value). Whether the state and the degree of oxidative stress are normal and the state of low antioxidant power is determined.
  • the discriminant value is calculated, and the calculated discriminant value is compared with a preset threshold value (cut-off value), so that the individual has a high degree of oxidative stress and normal antioxidant power and oxidative stress. It is determined whether the state is normal and the antioxidant power is low.
  • oxidative stress level and antioxidant power (i) Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His included in amino acid concentration data , Gln, Arg, and a threshold value (cut-off value) set in advance, the individual has a high oxidative stress level and a normal antioxidative power level and an oxidative stress level.
  • a discriminant value is calculated based on a multivariate discriminant including at least one of Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, and Arg as a variable, and the calculated discriminant value Is compared with a preset threshold value (cut-off value), so that an individual has a high degree of oxidative stress and a normal level of antioxidant power and a high level of oxidative stress and a low level of antioxidant power. Determine which is.
  • a discriminant value is calculated based on a multivariate discriminant including at least one as a variable, and the calculated discriminant value and a preset threshold value (cutoff value) To determine whether the individual has a normal antioxidant power or a low antioxidant power.
  • the multivariate discriminant used in step SA13 is a logistic regression equation, a fractional equation, a linear discriminant equation, a multiple regression equation, an equation created by a support vector machine, an equation created by the Mahalanobis distance method, and a canonical discriminant. Any one of an expression created by analysis and an expression created by a decision tree may be used. Thereby, these discrimination
  • the multivariate discriminant used in the discriminant may be a logistic regression equation including Gln, Cit, Tyr, Met, Orn, and Leu as variables. Thereby, the above-mentioned 12. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in the discriminant may be a logistic regression equation including Ser, Thr, Met, Orn, Ile, and Trp as variables. Thereby, the above-mentioned 13. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in the discriminant may be a logistic regression equation including Ala, Cit, Tyr as variables. Thereby, the above-mentioned 14. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in discriminating the above may be a logistic regression equation including Thr, Arg, Orn as variables. Thereby, the above-mentioned 15. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in the discriminant may be a logistic regression equation including His, Thr, Ala, Cit, Ile, and Phe as variables. As a result, the above-described 16. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in discriminating the above may be a logistic regression equation including His, Ala, ABA, Orn, Phe as variables. As a result, the above-described 17. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in the discriminant may be a logistic regression equation including Gln, Ala, Cit, Tyr, Met, and Ile as variables. As a result, the above-described 18. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in the discriminant may be a logistic regression equation including Glu, Thr, Ala, Arg, Ile, and Trp as variables. Thereby, the above-described 19. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • Each multivariate discriminant described above is a method described in International Publication No. 2004/052191 which is an international application by the present applicant or a method described in International Publication No. 2006/098192 which is an international application by the present applicant. It may be created by (multivariate discriminant creation processing described in the second embodiment to be described later). If the multivariate discriminant obtained by these methods is used, it is preferable to use the multivariate discriminant for biooxidation state evaluation regardless of the unit of amino acid concentration in the amino acid concentration data as input data. it can.
  • FIG. 3 is a principle configuration diagram showing the basic principle of the present invention.
  • control unit obtains the amino acid concentration data of the evaluation target (for example, an individual such as an animal or a human) previously obtained with respect to the amino acid concentration value, and the multivariate discriminant stored in the storage unit for varying the amino acid concentration. Based on, a discriminant value that is the value of the multivariate discriminant is calculated (step S21).
  • the evaluation target for example, an individual such as an animal or a human
  • control unit evaluates the state of biological oxidation including the degree of oxidative stress and / or antioxidant power for the evaluation object based on the discriminant value calculated in step S21 (step S22).
  • the discriminant value that is the value of the multivariate discriminant is calculated, and the calculated discriminant value Based on the above, the state of biological oxidation including the degree of oxidative stress and / or antioxidant power is evaluated for each evaluation object. Thereby, the state of biooxidation can be accurately evaluated using the discriminant value obtained by the multivariate discriminant including the amino acid concentration as a variable.
  • Multivariate discriminants are logistic regression formula, fractional formula, linear discriminant formula, multiple regression formula, formula created by support vector machine, formula created by Mahalanobis distance method, formula created by canonical discriminant analysis. Any one of the expressions created by the decision tree may be used. Thereby, the biooxidation state can be evaluated with higher accuracy by using the discriminant value obtained by the multivariate discriminant including the amino acid concentration as a variable.
  • step S21 Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, Trp, Arg, Gly, Concentration value of at least one of ABA and Lys, and Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, Trp, Arg, Gly, Based on a multivariate discriminant including at least one of ABA and Lys as a variable, a discriminant value is calculated.
  • step S22 the state of biological oxidation is evaluated for the evaluation object based on the discriminant value calculated in step S21. You may evaluate. Thereby, the biooxidation state can be accurately evaluated using the discriminant value obtained by the multivariate discriminant having a significant correlation with the biooxidation state.
  • step S21 at least one concentration value of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe included in the amino acid concentration data, and Glu , Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, and a discriminant value is calculated based on a multivariate discriminant including at least one as a variable.
  • both the oxidative stress level and the antioxidant power are normal, the oxidative stress level is high and the antioxidant power is normal, the oxidative stress level is normal, and At least three states among a state with low antioxidant power and a state with high degree of oxidative stress and low antioxidant power Which of out may be determined.
  • determination can be accurately performed using the discriminant value obtained by the multivariate discriminant useful for 3 group discrimination or 4 group discrimination between these states.
  • step S21 at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, and Gln included in the amino acid concentration data.
  • a multivariate discriminant including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln as a variable.
  • the judgment value is calculated based on the discriminant value calculated in step S21.
  • the oxidative stress level and the antioxidant power are both normal, the oxidative stress level is high, and the antioxidant power is evaluated. It may be determined which is in a normal state.
  • the multivariate discriminant may be a logistic regression equation including Gln, Cit, Tyr, Met, Orn, and Leu as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • step S21 Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His included in the amino acid concentration data. , Gln, and at least one concentration value of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His, Gln
  • a discriminant value is calculated based on a multivariate discriminant including at least one as a variable.
  • step S22 both the degree of oxidative stress and the antioxidant power are normal for the evaluation object based on the discriminant value calculated in step S21.
  • the multivariate discriminant may be a logistic regression equation including Ser, Thr, Met, Orn, Ile, and Trp as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • step S21 Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Trp, ABA, Tyr, Gln, His included in the amino acid concentration data. At least one concentration value, and at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Trp, ABA, Tyr, Gln, His included in the amino acid concentration data. At least one concentration value, and at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Trp, ABA, Tyr, Gln, His.
  • a discriminant value is calculated, and in step S22, based on the discriminant value calculated in step S21, a state in which both the oxidative stress level and the antioxidant power are normal and oxidized It may be determined whether the stress level is high and the antioxidant power is low.
  • the multivariate discriminant may be a logistic regression equation including Ala, Cit, Tyr as variables.
  • step S21 Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, Arg included in the amino acid concentration data. And at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, and Arg. Based on the multivariate discriminant included as a variable, a discriminant value is calculated.
  • step S22 based on the discriminant value calculated in step S21, a state in which the degree of oxidative stress is high and the antioxidant power is normal, You can determine whether the level of oxidative stress is normal and the antioxidant capacity is low .
  • the multivariate discriminant may be a logistic regression equation including Thr, Arg, and Orn as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • step S21 at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, and Arg included in the amino acid concentration data.
  • a multivariate discriminant including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, and Arg as a variable. Based on the discriminant value calculated in step S21, the discriminant value is calculated based on the discriminant value calculated in step S21. It may be determined whether the force is low.
  • the multivariate discriminant may be a logistic regression equation including His, Thr, Ala, Cit, Ile, and Phe as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • step S21 Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Gly, Tyr, His, Arg, ABA included in the amino acid concentration data.
  • Lys, Gln, Trp at least one concentration value
  • Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Gly, Tyr, His, Arg, ABA Lys, Gln, Trp
  • a discriminant value is calculated based on a multivariate discriminant including at least one of them as a variable.
  • step S22 oxidative stress is evaluated for each evaluation object based on the discriminant value calculated in step S21.
  • Normal level and low antioxidant capacity, high oxidative stress level and antioxidant capacity It may determine which one of the low state. This makes it possible to accurately perform the two-group discrimination using the discriminant value obtained by the multivariate discriminant useful for the two-group discrimination between these states.
  • the multivariate discriminant may be a logistic regression equation including His, Ala, ABA, Orn, and Phe as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • step S21 Glu, Ser, Pro, Asn, His, Thr, Orn, Ala, Cit, Val, Met, Ile, Leu, Phe, Trp, Gln, Arg, Gly included in the amino acid concentration data.
  • Tyr, ABA at least one concentration value
  • Glu, Ser, Pro, Asn, His, Thr, Orn, Ala, Cit, Val, Met, Ile, Leu, Phe, Trp, Gln, Arg, Gly, Tyr , ABA, and a discriminant value is calculated based on a multivariate discriminant including at least one of ABA as a variable.
  • step S22 the degree of oxidative stress is normal for the evaluation object based on the discriminant value calculated in step S21. It may be determined which of the state and the state where the degree of oxidative stress is high. This makes it possible to accurately perform the two-group discrimination using the discriminant value obtained by the multivariate discriminant useful for the two-group discrimination between these states.
  • the multivariate discriminant may be a logistic regression equation including Gln, Ala, Cit, Tyr, Met, and Ile as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • step S21 among Glu, Ser, Asn, Thr, Met, Orn, Ile, Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, and Cit included in the amino acid concentration data.
  • a multiplicity including at least one concentration value and at least one of Glu, Ser, Asn, Thr, Met, Orn, Ile, Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, and Cit as variables.
  • a discriminant value is calculated, and in step S22, based on the discriminant value calculated in step S21, for each evaluation target, either the state of normal antioxidant power or the state of low antioxidant power is selected. It may be determined whether or not.
  • the multivariate discriminant may be a logistic regression equation including Glu, Thr, Ala, Arg, Ile, and Trp as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • each multivariate discriminant described above is described in the method described in International Publication No. 2004/052191 which is an international application by the present applicant or International Publication No. 2006/098192 which is an international application by the present applicant. It may be created by a method (multivariate discriminant creation process described later). If the multivariate discriminant obtained by these methods is used, it is preferable to use the multivariate discriminant for biooxidation state evaluation regardless of the unit of amino acid concentration in the amino acid concentration data as input data. it can.
  • the multivariate discriminant generally means the format of formulas used in multivariate analysis. For example, fractional formulas, multiple regression formulas, multiple logistic regression formulas, linear discriminant functions, Mahalanobis distances, canonical discriminant functions, support vectors Includes machines, decision trees, etc. Also included are expressions as indicated by the sum of different forms of multivariate discriminants.
  • a coefficient and a constant term are added to each variable. In this case, the coefficient and the constant term are preferably real numbers, more preferably data.
  • each coefficient and its confidence interval may be obtained by multiplying it by a real number
  • the value of the constant term and its confidence interval may be obtained by adding / subtracting / multiplying / dividing an arbitrary real constant thereto.
  • the fractional expression means that the numerator of the fractional expression is represented by the sum of amino acids A, B, C,... And / or the denominator of the fractional expression is the sum of amino acids a, b, c,. It is represented by
  • the fractional expression includes a sum of fractional expressions ⁇ , ⁇ , ⁇ ,.
  • the fractional expression also includes a divided fractional expression.
  • An appropriate coefficient may be added to each amino acid used in the numerator and denominator.
  • amino acids used in the numerator and denominator may overlap.
  • an appropriate coefficient may be attached to each fractional expression.
  • the value of the coefficient of each variable and the value of the constant term may be real numbers.
  • the combination of the numerator variable and the denominator variable is generally reversed in the sign of the correlation with the target variable, but since the correlation is maintained, it can be considered equivalent in discriminability. Combinations of swapping numerator and denominator variables are also included.
  • this invention evaluates the state of biological oxidation, in addition to the concentration of amino acids, other biological information (for example, biological metabolites such as saccharides, lipids, proteins, peptides, minerals, hormones, (Value, sex, age, liver disease index, eating habits, drinking habits, exercise habits, obesity, disease history, etc.) may be further used.
  • the present invention also provides other biological information (for example, biological metabolism such as sugars, lipids, proteins, peptides, minerals, hormones, etc.) in addition to the concentration of amino acids as variables in the multivariate discriminant when evaluating the state of biological oxidation. For example, blood glucose level, blood pressure level, gender, age, liver disease index, dietary habits, drinking habits, exercise habits, obesity level, disease history, etc.).
  • step 1 to step 4 the outline of the multivariate discriminant creation process (step 1 to step 4) will be described in detail. Note that the processing described here is merely an example, and the method of creating the multivariate discriminant is not limited to this.
  • the present invention is based on a predetermined formula creation method based on a predetermined formula creation method from biological oxidation state information stored in a storage unit including amino acid concentration data and biological oxidation state index data relating to an index representing the state of biological oxidation.
  • Step 1 a plurality of different formula creation methods (principal component analysis, discriminant analysis, support vector machine, multiple regression analysis, logistic regression analysis, k-means method, cluster analysis, decision tree, etc.) are obtained from biological oxidation state information.
  • a plurality of candidate multivariate discriminants may be created using a combination of those related to multivariate analysis. Specifically, many healthy groups (specifically, groups in which both oxidative stress level and antioxidant power are normal) and biological oxidative groups (specifically, at least one of the oxidative stress level and antioxidant power is normal)
  • the biooxidation state information which is multivariate data composed of amino acid concentration data and biooxidation state index data obtained by analyzing blood obtained from non-groups), is obtained by using a plurality of different algorithms.
  • Candidate multivariate discriminants may be created concurrently. For example, two different candidate multivariate discriminants may be created by performing discriminant analysis and logistic regression analysis simultaneously using different algorithms.
  • the candidate multivariate discriminant created by performing principal component analysis is converted to bio-oxidation state information, and discriminant analysis is performed on the converted bio-oxidation state information to create a candidate multivariate discriminant. May be. Thereby, finally, an appropriate multivariate discriminant suitable for the diagnostic condition can be created.
  • the candidate multivariate discriminant created using principal component analysis is a linear expression composed of amino acid variables that maximizes the variance of all amino acid concentration data.
  • the candidate multivariate discriminant created using discriminant analysis is a higher-order formula (index or Including logarithm).
  • the candidate multivariate discriminant created using the support vector machine is a higher-order formula (including a kernel function) made up of amino acid variables that maximizes the boundary between groups.
  • the candidate multivariate discriminant created using multiple regression analysis is a higher-order expression composed of amino acid variables that minimizes the sum of distances from all amino acid concentration data.
  • a candidate multivariate discriminant created using logistic regression analysis is a fractional expression having a natural logarithm as a term, which is a linear expression composed of amino acid variables that maximize the likelihood.
  • the k-means method searches k neighborhoods of each amino acid concentration data, defines the largest group among the groups to which the neighboring points belong as the group to which the data belongs, This is a method of selecting an amino acid variable that best matches the group to which the group belongs.
  • Cluster analysis is a method of clustering (grouping) points that are closest to each other in all amino acid concentration data.
  • the decision tree is a technique for predicting a group of amino acid concentration data based on patterns that can be taken by amino acid variables having higher ranks by adding ranks to amino acid variables.
  • the present invention verifies (mutually verifies) the candidate multivariate discriminant created in step 1 based on a predetermined verification method in the control unit (step 2).
  • the candidate multivariate discriminant is verified for each candidate multivariate discriminant created in step 1.
  • step 2 the discrimination rate, sensitivity, specificity, information criterion of the candidate multivariate discriminant based on at least one of the bootstrap method, holdout method, N-fold method, leave one out method, etc.
  • the verification may be performed on at least one of ROC_AUC (area under the curve of the receiver characteristic curve) and the like.
  • the discrimination rate is the ratio of the state of biological oxidation evaluated by the present invention in the total input data.
  • Sensitivity is the correct ratio of the state of biooxidation evaluated in the present invention in the state of biooxidation described in the input data.
  • the specificity is a ratio in which the state of biological oxidation evaluated in the present invention is correct among those in which the state of biological oxidation described in the input data is normal.
  • the information criterion is the number of amino acid variables in the candidate multivariate discriminant created in step 1 and the difference in the state of biooxidation evaluated in the present invention and the state of biooxidation described in the input data. It is an addition.
  • ROC_AUC area under the curve of the receiver characteristic curve
  • ROC receiver characteristic curve
  • the value of ROC_AUC is 1 in complete discrimination, and the closer this value is to 1, the higher the discriminability.
  • the predictability is an average of the discrimination rate, sensitivity, and specificity obtained by repeating the verification of the candidate multivariate discriminant.
  • Robustness is the variance of discrimination rate, sensitivity, and specificity obtained by repeating verification of candidate multivariate discriminants.
  • the present invention allows the control unit to select a candidate multivariate discriminant variable from the verification result in step 2 based on a predetermined variable selection method (however, the process 2), the variable of the candidate multivariate discriminant may be selected based on a predetermined variable selection method without considering the verification result in 2), and the biological oxidation state information used when creating the candidate multivariate discriminant A combination of amino acid concentration data included is selected (step 3). Amino acid variables are selected for each candidate multivariate discriminant created in step 1. Thereby, the amino acid variable of a candidate multivariate discriminant can be selected appropriately. Then, Step 1 is executed again using the biological oxidation state information including the amino acid concentration data selected in Step 3.
  • step 3 the amino acid variable of the candidate multivariate discriminant may be selected from the verification result in step 2 based on at least one of stepwise method, best path method, neighborhood search method, and genetic algorithm. .
  • the best path method is a method of selecting amino acid variables by sequentially reducing amino acid variables included in the candidate multivariate discriminant one by one and optimizing the evaluation index given by the candidate multivariate discriminant. is there.
  • the present invention repeatedly executes the above-described step 1, step 2 and step 3 in the control unit, and a plurality of candidate multivariate discriminants based on the verification results accumulated thereby.
  • a multivariate discriminant is created by selecting a candidate multivariate discriminant to be adopted as a multivariate discriminant from the equations (step 4).
  • candidate multivariate discriminants for example, selecting the optimal one from among candidate multivariate discriminants created by the same formula creation method, and selecting the optimum from all candidate multivariate discriminants Sometimes there is a choice.
  • the multivariate discriminant creation process processing related to creation of a candidate multivariate discriminant, verification of the candidate multivariate discriminant, and selection of a variable of the candidate multivariate discriminant based on the biological oxidation state information Is systematized (systematized) in a series of flows, and a multivariate discriminant optimum for biooxidation state evaluation can be created.
  • the amino acid concentration is used for multivariate statistical analysis, and the variable selection method and cross-validation are combined to select the optimal and robust variable set. Extract the variable discriminant.
  • logistic regression, linear discrimination, support vector machine, Mahalanobis distance method, multiple regression analysis, cluster analysis, and the like can be used.
  • FIG. 4 is a diagram showing an example of the overall configuration of the present system.
  • FIG. 5 is a diagram showing another example of the overall configuration of the present system.
  • the system includes a biological oxidation evaluation apparatus 100 that performs a biological oxidation state evaluation for an evaluation target, and a client apparatus 200 that provides amino acid concentration data of an evaluation target related to an amino acid concentration value (of the present invention). And an information communication terminal device) are communicably connected via the network 300.
  • the present system uses biological oxidation state information and biological oxidation used when creating a multivariate discriminant in the biological oxidation evaluation apparatus 100.
  • the database apparatus 400 storing the multivariate discriminant used for performing the state evaluation may be configured to be communicably connected via the network 300.
  • information on the state of biological oxidation is provided from the biological oxidation evaluation apparatus 100 to the client apparatus 200 and the database apparatus 400, or from the client apparatus 200 and database apparatus 400 to the biological oxidation evaluation apparatus 100 via the network 300.
  • the information on the state of biooxidation is information on values measured for specific items (specifically, the degree of oxidative stress, antioxidative power, etc.) on the state of biooxidation of organisms including humans.
  • information on the state of biooxidation is generated by the biooxidation evaluation apparatus 100, the client apparatus 200, and other apparatuses (for example, various measurement apparatuses) and is mainly stored in the database apparatus 400.
  • FIG. 6 is a block diagram showing an example of the configuration of the biological oxidation evaluation apparatus 100 of the present system, and conceptually shows only the portion related to the present invention in the configuration.
  • the bio-oxidation evaluation apparatus 100 includes a control unit 102 such as a CPU that comprehensively controls the bio-oxidation evaluation apparatus, a communication apparatus such as a router, and a wired or wireless communication line such as a dedicated line.
  • a communication interface unit 104 that connects to the network 300 in a communicable manner, a storage unit 106 that stores various databases, tables, files, and the like, and an input / output interface unit 108 that connects to the input device 112 and the output device 114
  • these units are communicably connected via an arbitrary communication path.
  • the biological oxidation evaluation apparatus 100 may be configured in the same housing as various analysis apparatuses (for example, an amino acid analyzer or the like).
  • the specific form of dispersion / integration of the biooxidation evaluation apparatus 100 is not limited to the illustrated one, and all or a part thereof is functional in arbitrary units according to various additions or according to functional load. Or it can be physically distributed and integrated.
  • the embodiments of this specification may be implemented in any combination, and the embodiments may be selectively implemented.
  • a part of the processing may be realized using CGI (Common Gateway Interface).
  • the storage unit 106 is a storage means, and for example, a memory device such as a RAM / ROM, a fixed disk device such as a hard disk, a flexible disk, an optical disk, or the like can be used.
  • the storage unit 106 stores a computer program for giving instructions to the CPU and performing various processes in cooperation with an OS (Operating System).
  • the storage unit 106 includes a user information file 106a, an amino acid concentration data file 106b, a biooxidation state information file 106c, a designated biooxidation state information file 106d, a multivariate discriminant-related information database 106e, The discriminant value file 106f and the evaluation result file 106g are stored.
  • the user information file 106a stores user information related to users.
  • FIG. 7 is a diagram illustrating an example of information stored in the user information file 106a.
  • the information stored in the user information file 106a includes a user ID for uniquely identifying a user and authentication for whether or not the user is a valid person.
  • the amino acid concentration data file 106b stores amino acid concentration data relating to amino acid concentration values.
  • FIG. 8 is a diagram showing an example of information stored in the amino acid concentration data file 106b.
  • the information stored in the amino acid concentration data file 106b is configured by associating an individual number for uniquely identifying an individual (sample) to be evaluated with amino acid concentration data. Yes.
  • the amino acid concentration data is treated as a numerical value, that is, a continuous scale, but the amino acid concentration data may be a nominal scale or an order scale. In the case of a nominal scale or an order scale, analysis may be performed by giving an arbitrary numerical value to each state.
  • amino acid concentration data includes other biological information (for example, biological metabolites such as sugars, lipids, proteins, peptides, minerals, hormones, etc. You may combine biomarkers such as habits, exercise habits, obesity levels, and disease histories.
  • the bio-oxidation state information file 106c stores bio-oxidation state information used when creating a multivariate discriminant.
  • FIG. 9 is a diagram illustrating an example of information stored in the biological oxidation state information file 106c.
  • the information stored in the bio-oxidation state information file 106c includes bio-oxidation related to individual numbers and indices (index T 1 , index T 2 , index T 3 ...) Representing the state of bio-oxidation.
  • State index data (T) and amino acid concentration data are associated with each other.
  • the biological oxidation state index data and the amino acid concentration data are treated as numerical values (that is, a continuous scale), but the biological oxidation state index data and the amino acid concentration data may be a nominal scale or an order scale. In the case of a nominal scale or an order scale, analysis may be performed by giving an arbitrary numerical value to each state.
  • the biooxidation state index data is a known single state index serving as a biooxidation state marker, and numerical data may be used.
  • the designated biological oxidation state information file 106d stores the biological oxidation state information designated by the biological oxidation state information designation unit 102g described later.
  • FIG. 10 is a diagram illustrating an example of information stored in the designated biological oxidation state information file 106d. As shown in FIG. 10, the information stored in the designated biological oxidation state information file 106d is configured by associating an individual number, designated biological oxidation state index data, and designated amino acid concentration data with each other. .
  • the multivariate discriminant-related information database 106e includes a candidate multivariate discriminant file 106e1 for storing the candidate multivariate discriminant created by the candidate multivariate discriminant-preparing part 102h1, which will be described later, and a candidate multivariate discriminant described later.
  • a verification result file 106e2 for storing a verification result in the discriminant verification unit 102h2
  • a selected bio-oxidation state information file 106e3 for storing bio-oxidation state information including a combination of amino acid concentration data selected by a variable selection unit 102h3 described later
  • a multivariate discriminant file 106e4 for storing the multivariate discriminant created by the multivariate discriminant-preparing part 102h described later.
  • the candidate multivariate discriminant file 106e1 stores the candidate multivariate discriminant created by the candidate multivariate discriminant creation unit 102h1 described later.
  • FIG. 11 is a diagram illustrating an example of information stored in the candidate multivariate discriminant file 106e1.
  • information stored in the candidate multivariate discriminant file 106e1 includes a rank, a candidate multivariate discriminant (in FIG. 11, F 1 (Gly, Leu, Phe,%)) And F 2. (Gly, Leu, Phe,%), F 3 (Gly, Leu, Phe,...)) Are associated with each other.
  • FIG. 12 is a diagram illustrating an example of information stored in the verification result file 106e2.
  • the information stored in the verification result file 106e2 includes rank, candidate multivariate discriminant (in FIG. 12, F k (Gly, Leu, Phe,%) And F m (Gly, Le, Phe,%), Fl (Gly, Leu, Phe, etc) And the verification results of each candidate multivariate discriminant (for example, the evaluation value of each candidate multivariate discriminant). They are related to each other.
  • the selected biological oxidation state information file 106e3 stores biological oxidation state information including a combination of amino acid concentration data corresponding to variables selected by the variable selection unit 102h3 described later.
  • FIG. 13 is a diagram illustrating an example of information stored in the selected biological oxidation state information file 106e3. As shown in FIG. 13, information stored in the selected bio-oxidation state information file 106e3 includes an individual number, bio-oxidation state index data designated by a bio-oxidation state information designating unit 102g described later, and a variable selection unit 102h3 described later. And the amino acid concentration data selected in (1) are associated with each other.
  • the multivariate discriminant file 106e4 stores the multivariate discriminant created by the multivariate discriminant-preparing part 102h described later.
  • FIG. 14 is a diagram illustrating an example of information stored in the multivariate discriminant file 106e4.
  • the information stored in the multivariate discriminant file 106e4 includes the rank, the multivariate discriminant (in FIG. 14, F p (Phe,%) And F p (Gly, Leu, Phe). ), F k (Gly, Leu, Phe,...)), A threshold corresponding to each formula creation method, a verification result of each multivariate discriminant (for example, an evaluation value of each multivariate discriminant), Are related to each other.
  • the discriminant value file 106f stores the discriminant value calculated by the discriminant value calculator 102i described later.
  • FIG. 15 is a diagram illustrating an example of information stored in the discrimination value file 106f. As shown in FIG. 15, information stored in the discriminant value file 106f includes an individual number for uniquely identifying an individual (sample) to be evaluated and a rank (for uniquely identifying a multivariate discriminant). Number) and the discriminant value are associated with each other.
  • the evaluation result file 106g stores an evaluation result in a discriminant value criterion-evaluating unit 102j described later (specifically, a discrimination result in a discriminant value criterion-discriminating unit 102j1 described later).
  • FIG. 16 is a diagram illustrating an example of information stored in the evaluation result file 106g.
  • Information stored in the evaluation result file 106g includes an individual number for uniquely identifying an individual (sample) to be evaluated, amino acid concentration data of the evaluation target acquired in advance, and a discriminant value calculated by a multivariate discriminant. And the evaluation result relating to the evaluation of the state of biooxidation are associated with each other.
  • the storage unit 106 stores various types of Web data for providing the Web site to the client device 200, CGI programs, and the like as other information in addition to the information described above.
  • the Web data includes data for displaying various Web pages to be described later, and these data are formed as text files described in HTML or XML, for example.
  • a part file, a work file, and other temporary files for creating Web data are also stored in the storage unit 106.
  • the storage unit 106 stores audio for transmission to the client device 200 as an audio file such as WAVE format or AIFF format, and stores still images or moving images as image files such as JPEG format or MPEG2 format as necessary. Can be stored.
  • the communication interface unit 104 mediates communication between the biological oxidation evaluation device 100 and the network 300 (or a communication device such as a router). That is, the communication interface unit 104 has a function of communicating data with other terminals via a communication line.
  • the input / output interface unit 108 is connected to the input device 112 and the output device 114.
  • a monitor including a home television
  • a speaker or a printer can be used as the output device 114 (hereinafter, the output device 114 may be described as the monitor 114).
  • the input device 112 a monitor that realizes a pointing device function in cooperation with a mouse can be used in addition to a keyboard, a mouse, and a microphone.
  • the control unit 102 has an internal memory for storing a control program such as an OS (Operating System), a program defining various processing procedures, and necessary data, and performs various information processing based on these programs. Execute. As shown in the figure, the control unit 102 is roughly divided into a request interpretation unit 102a, a browsing processing unit 102b, an authentication processing unit 102c, an email generation unit 102d, a Web page generation unit 102e, a reception unit 102f, and a biological oxidation state information designation unit 102g.
  • the control unit 102 removes data with missing values, removes data with many outliers, removes missing values from the bio-oxidation state information sent from the database device 400 and the amino acid concentration data sent from the client device 200. Data processing such as removal of variables with a lot of data is also performed.
  • the request interpretation unit 102a interprets the request content from the client device 200 or the database device 400, and passes the processing to each unit of the control unit 102 according to the interpretation result.
  • the browsing processing unit 102b Upon receiving browsing requests for various screens from the client device 200, the browsing processing unit 102b generates and transmits Web data for these screens.
  • the authentication processing unit 102c makes an authentication determination.
  • the e-mail generation unit 102d generates an e-mail including various types of information.
  • the web page generation unit 102e generates a web page that the user browses on the client device 200.
  • the receiving unit 102 f receives information (specifically, amino acid concentration data, bio-oxidation state information, multivariate discriminant, etc.) transmitted from the client device 200 or the database device 400 via the network 300.
  • the biooxidation state information designating unit 102g designates target biooxidation state index data and amino acid concentration data when creating a multivariate discriminant.
  • the multivariate discriminant creation unit 102h creates a multivariate discriminant based on the biooxidation state information received by the receiving unit 102f and the biooxidation state information specified by the biooxidation state information designating unit 102g. Specifically, the multivariate discriminant-preparing part 102h is accumulated by repeatedly executing the candidate multivariate discriminant-preparing part 102h1, the candidate multivariate discriminant-verifying part 102h2, and the variable selecting part 102h3 from the biological oxidation state information. Based on the verification results, a multivariate discriminant is created by selecting a candidate multivariate discriminant to be adopted as a multivariate discriminant from among a plurality of candidate multivariate discriminants.
  • the multivariate discriminant-preparing unit 102h selects a desired multivariate discriminant from the storage unit 106, A multivariate discriminant may be created.
  • the multivariate discriminant creation unit 102h creates a multivariate discriminant by selecting and downloading a desired multivariate discriminant from another computer device (for example, the database device 400) that stores the multivariate discriminant in advance. May be.
  • FIG. 17 is a block diagram showing the configuration of the multivariate discriminant-preparing part 102h, and conceptually shows only the part related to the present invention.
  • the multivariate discriminant creation unit 102h further includes a candidate multivariate discriminant creation unit 102h1, a candidate multivariate discriminant verification unit 102h2, and a variable selection unit 102h3.
  • the candidate multivariate discriminant-preparing part 102h1 creates a candidate multivariate discriminant that is a candidate for the multivariate discriminant from the biological oxidation state information based on a predetermined formula creation method.
  • the candidate multivariate discriminant creation unit 102h1 may create a plurality of candidate multivariate discriminants from the biological oxidation state information by using a plurality of different formula creation methods.
  • the candidate multivariate discriminant verification unit 102h2 verifies the candidate multivariate discriminant created by the candidate multivariate discriminant creation unit 102h1 based on a predetermined verification method.
  • the candidate multivariate discriminant verification unit 102h2 determines the discriminant rate, sensitivity, and specificity of the candidate multivariate discriminant based on at least one of the bootstrap method, holdout method, N-fold method, and leave one out method.
  • Information criterion, ROC_AUC area under the receiver characteristic curve
  • variable selection unit 102h3 creates a candidate multivariate discriminant by selecting a variable of the candidate multivariate discriminant based on a predetermined variable selection method from the verification result in the candidate multivariate discriminant verification unit 102h2.
  • a combination of amino acid concentration data included in the biological oxidation state information to be used is selected.
  • the variable selection unit 102h3 may select a variable of the candidate multivariate discriminant from the verification result based on at least one of the stepwise method, the best path method, the neighborhood search method, and the genetic algorithm.
  • the discriminant value calculation unit 102 i determines the multivariate discriminant based on the multivariate discriminant created by the multivariate discriminant creation unit 102 h and the evaluation target amino acid concentration data received by the receiver 102 f.
  • the discriminant value which is a value is calculated.
  • Multivariate discriminants are logistic regression formula, fractional formula, linear discriminant formula, multiple regression formula, formula created by support vector machine, formula created by Mahalanobis distance method, formula created by canonical discriminant analysis. Any one of the expressions created by the decision tree may be used.
  • the discriminant value calculating unit 102i includes Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, included in the amino acid concentration data.
  • the discriminant value may be calculated based on a multivariate discriminant including at least one of Met, Val, Ile, Leu, Phe, His, Tyr, Gln, Trp, Arg, Gly, ABA, and Lys as a variable. .
  • both the oxidative stress level and the antioxidant power are normal, the oxidative stress level is high and the antioxidant power is normal, the oxidative stress level is normal, and the anti-oxidant level is normal.
  • the discriminant value calculating unit 102i is included in the amino acid concentration data Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, and Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn , Met, Val, Ile, Leu, Phe, based on a multivariate discriminant including at least one as a variable, It may be.
  • the discriminant value calculation unit 102i includes at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, and Gln included in the amino acid concentration data. Based on the concentration value and a multivariate discriminant including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln as a variable. Thus, the discrimination value may be calculated.
  • the multivariate discriminant may be a logistic regression equation including Gln, Cit, Tyr, Met, Orn, and Leu as variables.
  • the discriminant value calculation unit 102i includes Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His, At least one concentration value of Gln, and at least of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His, Gln
  • the discriminant value may be calculated based on a multivariate discriminant including one as a variable.
  • the multivariate discriminant may be a logistic regression equation including Ser, Thr, Met, Orn, Ile, and Trp as variables.
  • the discriminant value calculation unit 102i includes Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Trp, ABA, Tyr, Gln, and His included in the amino acid concentration data.
  • the discriminant value may be calculated on the basis of the multivariate discriminant that is included.
  • the multivariate discriminant may be a logistic regression equation including Ala, Cit, Tyr as variables.
  • the discriminant value criterion discriminating unit 102j1 discriminates between a state in which the degree of oxidative stress is high and the antioxidant power is normal and a state in which the degree of oxidative stress is normal and the anti-oxidant power is low.
  • the discriminant value calculation unit 102i includes Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, Arg included in the amino acid concentration data. And at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, and Arg.
  • the discriminant value may be calculated based on a multivariate discriminant included as a variable. Note that the multivariate discriminant may be a logistic regression equation including Thr, Arg, and Orn as variables.
  • the discriminant value calculation unit 102i includes at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, and Arg included in the amino acid concentration data. Based on concentration value and multivariate discriminant including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, Arg as a variable. Thus, the discrimination value may be calculated.
  • the multivariate discriminant may be a logistic regression equation including His, Thr, Ala, Cit, Ile, and Phe as variables.
  • the discrimination value calculation unit 102i includes Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Gly, Tyr, His, Arg, ABA, included in the amino acid concentration data.
  • the multivariate discriminant may be a logistic regression equation including His, Ala, ABA, Orn, and Phe as variables.
  • the discriminant value calculating unit 102i adds the amino acid concentration data to the amino acid concentration data.
  • the discriminant value may be calculated based on the discriminant.
  • the multivariate discriminant may be a logistic regression equation including Gln, Ala, Cit, Tyr, Met, and Ile as variables.
  • the discriminant value calculating unit 102i adds the amino acid concentration data to the amino acid concentration data. At least one concentration value of Glu, Ser, Asn, Thr, Met, Orn, Ile, Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, Cit, and Glu, Ser, Asn, A discriminant value is calculated based on a multivariate discriminant including at least one of Thr, Met, Orn, Ile, Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, and Cit as a variable. Also good.
  • the multivariate discriminant may be a logistic regression equation including Glu, Thr, Ala, Arg, Ile, and Trp as variables.
  • the discriminant value criterion-evaluating unit 102j evaluates the state of biological oxidation including the degree of oxidative stress and / or antioxidant power for each evaluation object based on the discriminant value calculated by the discriminant value calculator 102i.
  • the discrimination value criterion evaluation unit 102j further includes a discrimination value criterion discrimination unit 102j1.
  • FIG. 18 is a block diagram showing the configuration of the discriminant value criterion-evaluating unit 102j, and conceptually shows only the portion related to the present invention.
  • the discriminant value criterion discriminating unit 102j1 determines, for each evaluation object, “a state in which both the oxidative stress level and the antioxidant power are normal, a state in which the oxidative stress level is high and the antioxidant power is normal, Discrimination as to which one of at least two states of a normal state with low antioxidant power and a high level of oxidative stress and low antioxidant power (specifically, two groups of six patterns) Any one of the three patterns, one of the three groups of three patterns, or one group of the four groups)), “Determination of whether the Oxidative Stress Level is Normal or the Oxidative Stress Level is High” Or “determination of whether the antioxidant power is normal or the antioxidant power is low”. Specifically, the discriminant value criterion discriminating unit 102j1 executes any one of these discriminators for each evaluation target by comparing the discriminant value with a preset threshold value (cut-off value). .
  • the result output unit 102k displays the processing results in the respective processing units of the control unit 102 (evaluation results in the discrimination value criterion evaluation unit 102j (specifically, discrimination results in the discrimination value criterion discrimination unit 102j1)). Output) to the output device 114.
  • the transmission unit 102m transmits the evaluation result to the client device 200 that is the transmission source of the amino acid concentration data to be evaluated, or the multivariate discriminant or the evaluation result created by the biological oxidation evaluation device 100 to the database device 400. Or send.
  • FIG. 19 is a block diagram showing an example of the configuration of the client apparatus 200 of the present system, and conceptually shows only the portion related to the present invention in the configuration.
  • the client device 200 includes a control unit 210, a ROM 220, an HD 230, a RAM 240, an input device 250, an output device 260, an input / output IF 270, and a communication IF 280. These units are communicably connected via an arbitrary communication path. Has been.
  • the control unit 210 includes a web browser 211, an electronic mailer 212, a reception unit 213, and a transmission unit 214.
  • the web browser 211 performs browse processing for interpreting the web data and displaying the interpreted web data on a monitor 261 described later.
  • the Web browser 211 may be plugged in with various software such as a stream player having a function of receiving, displaying, and feeding back a stream video.
  • the electronic mailer 212 transmits and receives electronic mail according to a predetermined communication protocol (for example, SMTP (Simple Mail Transfer Protocol), POP3 (Post Office Protocol version 3), etc.).
  • the receiving unit 213 receives various types of information such as evaluation results transmitted from the biological oxidation evaluation apparatus 100 via the communication IF 280.
  • the transmission unit 214 transmits various types of information such as evaluation target amino acid concentration data to the biological oxidation evaluation apparatus 100 via the communication IF 280.
  • the input device 250 is a keyboard, a mouse, a microphone, or the like.
  • a monitor 261 which will be described later, also realizes a pointing device function in cooperation with the mouse.
  • the output device 260 is an output unit that outputs information received via the communication IF 280, and includes a monitor (including a home television) 261 and a printer 262. In addition, the output device 260 may be provided with a speaker or the like.
  • the input / output IF 270 is connected to the input device 250 and the output device 260.
  • the communication IF 280 connects the client device 200 and the network 300 (or a communication device such as a router) so that they can communicate with each other.
  • the client device 200 is connected to the network 300 via a communication device such as a modem, TA, or router and a telephone line, or via a dedicated line.
  • the client apparatus 200 can access the biooxidation evaluation apparatus 100 according to a predetermined communication protocol.
  • an information processing device for example, a known personal computer, workstation, home game device, Internet TV, PHS terminal, portable terminal, mobile object
  • peripheral devices such as a printer, a monitor, and an image scanner as necessary.
  • the client device 200 may be realized by installing software (including programs, data, and the like) that realizes a Web data browsing function and an e-mail function in a communication terminal / information processing terminal such as a PDA).
  • control unit 210 of the client device 200 may be realized by a CPU and a program that is interpreted and executed by the CPU and all or any part of the processing performed by the control unit 210.
  • the ROM 220 or the HD 230 stores computer programs for giving instructions to the CPU and performing various processes in cooperation with an OS (Operating System).
  • the computer program is executed by being loaded into the RAM 240, and constitutes the control unit 210 in cooperation with the CPU.
  • the computer program may be recorded in an application program server connected to the client apparatus 200 via an arbitrary network, and the client apparatus 200 may download all or a part thereof as necessary. .
  • all or any part of the processing performed by the control unit 210 may be realized by hardware such as wired logic.
  • the network 300 has a function of connecting the biological oxidation evaluation apparatus 100, the client apparatus 200, and the database apparatus 400 so that they can communicate with each other, and is, for example, the Internet, an intranet, a LAN (including both wired and wireless), and the like.
  • the network 300 includes a VAN, a personal computer communication network, a public telephone network (including both analog / digital), a dedicated line network (including both analog / digital), a CATV network, and a mobile line switching network.
  • mobile packet switching network including IMT2000 system, GSM (registered trademark) system or PDC / PDC-P system
  • wireless paging network including local wireless network such as Bluetooth (registered trademark)
  • PHS network including CS, BS or ISDB
  • satellite A communication network including CS, BS or ISDB
  • FIG. 20 is a block diagram showing an example of the configuration of the database apparatus 400 of this system, and conceptually shows only the portion related to the present invention in the configuration.
  • the database device 400 is the biooxidation evaluation apparatus 100 or the biooxidation state information used when creating the multivariate discriminant in the database apparatus, the multivariate discriminant created by the biooxidation evaluation apparatus 100, and the biooxidation evaluation apparatus 100. It has a function to store the evaluation results.
  • the database device 400 includes a control unit 402 such as a CPU that comprehensively controls the database device, a communication device such as a router, and a wired or wireless communication circuit such as a dedicated line.
  • a communication interface unit 404 that connects the apparatus to the network 300 to be communicable, a storage unit 406 that stores various databases, tables, and files (for example, files for Web pages), and an input unit that connects to the input unit 412 and the output unit 414.
  • an output interface unit 408. These units are communicably connected via an arbitrary communication path.
  • the storage unit 406 is a storage means, and for example, a memory device such as a RAM / ROM, a fixed disk device such as a hard disk, a flexible disk, an optical disk, or the like can be used.
  • the storage unit 406 stores various programs used for various processes.
  • the communication interface unit 404 mediates communication between the database device 400 and the network 300 (or a communication device such as a router). That is, the communication interface unit 404 has a function of communicating data with other terminals via a communication line.
  • the input / output interface unit 408 is connected to the input device 412 and the output device 414.
  • the output device 414 in addition to a monitor (including a home TV), a speaker or a printer can be used as the output device 414 (hereinafter, the output device 414 may be described as the monitor 414).
  • the input device 412 can be a monitor that realizes a pointing device function in cooperation with the mouse.
  • the control unit 402 has an internal memory for storing a control program such as an OS (Operating System), a program that defines various processing procedures, and necessary data, and performs various information processing based on these programs. Execute. As shown in the figure, the control unit 402 is roughly divided into a request interpreting unit 402a, a browsing processing unit 402b, an authentication processing unit 402c, an e-mail generating unit 402d, a Web page generating unit 402e, and a transmitting unit 402f.
  • a control program such as an OS (Operating System)
  • OS Operating System
  • the request interpretation unit 402a interprets the request content from the biological oxidation evaluation apparatus 100, and passes the processing to each unit of the control unit 402 according to the interpretation result.
  • the browsing processing unit 402b Upon receiving browsing requests for various screens from the biological oxidation evaluation apparatus 100, the browsing processing unit 402b generates and transmits Web data for these screens.
  • the authentication processing unit 402c receives the authentication request from the biological oxidation evaluation apparatus 100 and makes an authentication determination.
  • the e-mail generation unit 402d generates an e-mail including various types of information.
  • the web page generation unit 402e generates a web page that the user browses on the client device 200.
  • the transmission unit 402f transmits various kinds of information such as biological oxidation state information and multivariate discriminants to the biological oxidation evaluation apparatus 100.
  • FIG. 21 is a flowchart illustrating an example of the biological oxidation evaluation service process.
  • the amino acid concentration data used in the present processing is analyzed by a specialist in the blood (including plasma, serum, etc.) collected in advance from an individual by a measuring method such as the following (A) or (B) or independently. It is related with the concentration value of the amino acid obtained as described above.
  • the unit of amino acid concentration may be obtained by, for example, molar concentration, weight concentration, or by adding / subtracting / subtracting an arbitrary constant to / from these concentrations.
  • Plasma was separated from blood by centrifuging the collected blood sample. All plasma samples were stored frozen at ⁇ 80 ° C. until the measurement of amino acid concentration.
  • acetonitrile was added to remove protein, followed by precolumn derivatization using a labeling reagent (3-aminopyridyl-N-hydroxysuccinimidyl carbamate), and liquid chromatography mass spectrometry The amino acid concentration was analyzed by a total (LC-MS) (see International Publication No. 2003/069328 and International Publication No. 2005/116629).
  • LC-MS liquid chromatography mass spectrometry
  • amino acid concentration When measuring the amino acid concentration, sulfosalicylic acid was added to remove the protein, and then the amino acid concentration was analyzed by an amino acid analyzer based on the post-column derivatization method using a ninhydrin reagent.
  • the client apparatus 200 transfers to the biological oxidation evaluation apparatus 100. to access.
  • the Web browser 211 uses a predetermined communication protocol to set the address of the Web site provided by the biological oxidation evaluation device 100 to the biological oxidation evaluation device 100. To the biooxidation evaluation apparatus 100 through a routing based on the address.
  • the biological oxidation evaluation apparatus 100 receives the transmission from the client apparatus 200 by the request interpretation unit 102a, analyzes the content of the transmission, and moves the processing to each unit of the control unit 102 according to the analysis result. Specifically, when the content of the transmission is a transmission request for a Web page corresponding to the amino acid concentration data transmission screen, the biological oxidation evaluation apparatus 100 is mainly stored in a predetermined storage area of the storage unit 106 by the browsing processing unit 102b. Web data for displaying the stored Web page is acquired, and the acquired Web data is transmitted to the client device 200.
  • the biological oxidation evaluation apparatus 100 first inputs a user ID and a user password at the control unit 102. To the user. When the user ID and password are input, the biooxidation evaluation apparatus 100 causes the authentication processing unit 102c to input the user ID and password stored in the user information file 106a. Authentication with the user password. The biooxidation evaluation apparatus 100 transmits Web data for displaying a Web page corresponding to the amino acid concentration data transmission screen to the client apparatus 200 by the browsing processing unit 102b only when authentication is possible. The client device 200 is identified by the IP address transmitted from the client device 200 together with the transmission request.
  • the client apparatus 200 receives the Web data transmitted from the biological oxidation evaluation apparatus 100 (for displaying a Web page corresponding to the amino acid concentration data transmission screen) by the receiving unit 213, and receives the received Web data.
  • the data is interpreted by the Web browser 211 and an amino acid concentration data transmission screen is displayed on the monitor 261.
  • step SA21 when the user inputs / selects individual amino acid concentration data or the like via the input device 250 on the amino acid concentration data transmission screen displayed on the monitor 261, the client device 200 uses the transmission unit 214 to input information and By transmitting an identifier for specifying the selection item to the biological oxidation evaluation apparatus 100, the amino acid concentration data of the individual to be evaluated is transmitted to the biological oxidation evaluation apparatus 100 (step SA21).
  • the transmission of amino acid concentration data in step SA21 may be realized by an existing file transfer technique such as FTP.
  • the biooxidation evaluation apparatus 100 interprets the request content of the client apparatus 200 by interpreting the identifier transmitted from the client apparatus 200 by the request interpretation unit 102a, and multivariate discriminant for evaluating the state of biooxidation.
  • a multivariate discriminant for 3-group discrimination or 4-group discrimination regarding oxidative stress level and antioxidant power a multivariate discriminant for 2-group discrimination regarding oxidative stress level and anti-oxidative power
  • oxidative stress level A request for transmission of a multivariate discriminant for 2-group discrimination or a multivariate discriminant for 2-group discrimination regarding antioxidant power is made to the database apparatus 400.
  • the database apparatus 400 interprets a transmission request from the biological oxidation evaluation apparatus 100 by the request interpretation unit 402a and stores a multivariate discriminant (for example, the updated latest one) stored in a predetermined storage area of the storage unit 406. ) Is transmitted to the biological oxidation evaluation apparatus 100 (step SA22).
  • a multivariate discriminant for example, the updated latest one
  • step SA26 the state in which both the degree of oxidative stress and antioxidant power are normal, the state in which the degree of oxidative stress is high and normal in antioxidant power, the state in which the degree of oxidative stress is normal and low in antioxidant power, and oxidation
  • step SA22 Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, A multivariate discriminant including at least one of Met, Val, Ile, Leu, and Phe as a variable is transmitted to the biological oxidation evaluation apparatus 100.
  • step SA26 when it is determined whether the oxidative stress level and the antioxidant power are both normal and the oxidative stress level is high and the antioxidant power is normal, in step SA22, the Glu , Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, a multivariate discriminant including at least one as a variable to the biooxidation evaluation apparatus 100 Send.
  • step SA26 If it is determined in step SA26 whether the oxidative stress level and the antioxidant power are both normal or the oxidative stress level is normal and the antioxidant power is low, in step SA22, the Glu , Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His, Gln including a multivariate discriminant including at least one as a variable It transmits to the biological oxidation evaluation apparatus 100.
  • step SA26 when it is determined whether the oxidative stress level and the antioxidant power are both normal or the oxidative stress level is high and the antioxidant power is low, in step SA22, Glu, Biooxidation evaluation of multivariate discriminant including at least one of Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Trp, ABA, Tyr, Gln, His as a variable. Transmit to device 100.
  • step SA26 when it is determined whether the oxidative stress level is high and the antioxidant power is normal or the oxidative stress level is normal and the antioxidant power is low, in step SA22, A multivariate discriminant including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, and Arg as a living body It transmits to the oxidation evaluation apparatus 100.
  • step SA26 when it is determined whether the state is a state in which the degree of oxidative stress is high and the antioxidant power is normal or the state in which the degree of oxidative stress is high and the antioxidant power is low, in step SA22, Glu , Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, Arg to the biooxidation evaluation apparatus 100 including a multivariate discriminant including at least one as a variable. Send.
  • step SA26 If it is determined in step SA26 whether the oxidative stress level is normal and the antioxidant power is low or the oxidative stress level is high and the antioxidant power is low, in step SA22 Glu , Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Gly, Tyr, His, Arg, ABA, Lys, Gln, Trp
  • the variable discriminant is transmitted to the biological oxidation evaluation apparatus 100.
  • step SA26 When it is determined in step SA26 whether the oxidative stress level is normal or the oxidative stress level is high, in step SA22, Glu, Ser, Pro, Asn, His, Thr, Orn. , Ala, Cit, Val, Met, Ile, Leu, Phe, Trp, Gln, Arg, Gly, Tyr, and ABA, a multivariate discriminant including at least one as a variable is transmitted to the biological oxidation evaluation apparatus 100.
  • step SA26 when it is determined whether the antioxidant power is normal or the antioxidant power is low, in step SA22, Glu, Ser, Asn, Thr, Met, Orn, Ile. , Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, and Cit, a multivariate discriminant including at least one as a variable is transmitted to the biological oxidation evaluation apparatus 100.
  • the biological oxidation evaluation apparatus 100 receives the individual amino acid concentration data transmitted from the client apparatus 200 and the multivariate discriminant transmitted from the database apparatus 400 by the receiving unit 102f, and the received amino acid concentration data is converted into the amino acid concentration data.
  • the stored multivariate discriminant is stored in a predetermined storage area of the density data file 106b, and the received multivariate discriminant is stored in a predetermined storage area of the multivariate discriminant file 106e4 (step SA23).
  • control unit 102 removes data such as missing values and outliers from the individual amino acid concentration data received in step SA23 (step SA24).
  • the discriminant value calculation unit 102i is based on the individual amino acid concentration data from which data such as missing values and outliers have been removed in step SA24, and the multivariate discriminant received in step SA23.
  • the discrimination value is calculated (step SA25).
  • step SA26 both the oxidative stress level and the antioxidant power are normal, the oxidative stress level is high and the antioxidant power is normal, and the oxidative stress level is normal and the antioxidant power is low.
  • the biooxidation evaluation apparatus 100 uses the discriminant value calculation unit 102i to determine amino acid concentration data when determining which of the at least three states among the states having a high degree of oxidative stress and a low antioxidant power. , Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, and Glu, Ser, Pro, Asn, Ala, Thr, Cit , Orn, Met, Val, Ile, Leu, Phe based on multivariate discriminant including at least one variable It is calculated.
  • step SA26 when it is determined whether the oxidative stress level and the antioxidant power are both normal or the oxidative stress level is high and the antioxidant power is normal, the biological oxidation evaluation apparatus 100 is determined. Is at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, and Gln included in the amino acid concentration data.
  • a multivariate discriminant including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln as a variable. Based on this, a discrimination value is calculated.
  • Step SA26 when it is determined whether the oxidative stress level and the antioxidant power are both normal or the oxidative stress level is normal and the antioxidant power is low, the biological oxidation evaluation apparatus 100 Is the discriminant value calculation unit 102i and includes Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His included in the amino acid concentration data.
  • a discriminant value is calculated based on a multivariate discriminant including at least one as a variable.
  • Step SA26 when it is determined whether the oxidative stress level and the antioxidant power are both normal or the oxidative stress level is high and the antioxidant power is low, the biological oxidation evaluation apparatus 100
  • the discriminant value calculation unit 102i Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Trp, ABA, Tyr, Gln, and His are included in the amino acid concentration data.
  • At least one of the concentration values and at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Trp, ABA, Tyr, Gln, and His are variables.
  • the discriminant value is calculated based on the multivariate discriminant included as
  • step SA26 when it is determined whether the state is high in the degree of oxidative stress and normal in antioxidant power or in the state in which the degree of oxidative stress is normal and low in antioxidant power, 100 is a discriminant value calculation unit 102i, which includes Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, At least one concentration value of Arg and at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, Arg
  • the discriminant value is calculated based on a multivariate discriminant that includes as a variable.
  • step SA26 when it is determined whether the state is high in the degree of oxidative stress and normal in antioxidant power, or in the state in which the degree of oxidative stress is high and low in anti-oxidant power, the biological oxidation evaluation apparatus 100 Is at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, and Arg included in the amino acid concentration data. Multivariate discriminant including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, and Arg as a variable. Based on this, a discrimination value is calculated.
  • step SA26 when it is determined whether the state is normal in the degree of oxidative stress and low in antioxidant power or in the state in which the degree of oxidative stress is high and low in antioxidative power, the biological oxidation evaluation apparatus 100 Is the discriminant value calculation unit 102i and includes Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Gly, Tyr, His, Arg, and ABA included in the amino acid concentration data.
  • Lys, Gln, Trp at least one concentration value, and Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Gly, Tyr, His, Arg, ABA , Lys, Gln, Trp based on a multivariate discriminant including at least one as a variable, To calculate the different values.
  • step SA26 when it is determined whether the oxidative stress level is normal or the oxidative stress level is high, the biological oxidation evaluation apparatus 100 uses the determination value calculation unit 102i to determine amino acid concentration data. At least one concentration value of Glu, Ser, Pro, Asn, His, Thr, Orn, Ala, Cit, Val, Met, Ile, Leu, Phe, Trp, Gln, Arg, Gly, Tyr, ABA, And many including at least one of Glu, Ser, Pro, Asn, His, Thr, Orn, Ala, Cit, Val, Met, Ile, Leu, Phe, Trp, Gln, Arg, Gly, Tyr, and ABA as a variable. A discriminant value is calculated based on the variable discriminant.
  • step SA26 when it is determined whether the antioxidant power is normal or the antioxidant power is low, the biological oxidation evaluation apparatus 100 uses the determination value calculation unit 102i to determine amino acid concentration data. , Ser, Asn, Thr, Met, Orn, Ile, Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, Cit, and Glu, Ser, Asn , Thr, Met, Orn, Ile, Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, and Cit are used to calculate a discriminant value based on a multivariate discriminant including at least one as a variable. .
  • the biooxidation evaluation apparatus 100 compares the discriminant value calculated in step SA25 with a preset threshold value (cut-off value) by the discriminant value criterion discriminator 102j1, and shows the following 21 for each individual. . 29.
  • One of the determinations is executed, and the determination result is stored in a predetermined storage area of the evaluation result file 106g (step SA26).
  • a state in which both the degree of oxidative stress and antioxidant power are normal a state in which the degree of oxidative stress is high and normal in antioxidant capacity, a state in which the degree of oxidative stress is normal and low in antioxidant capacity, and a degree of oxidative stress that is high and antioxidant 21.
  • the biological oxidation evaluation apparatus 100 transmits the determination result obtained in step SA26 to the client apparatus 200 and the database apparatus 400 that are the transmission source of amino acid concentration data by the transmission unit 102m (step SA27). Specifically, first, the biooxidation evaluation apparatus 100 creates a web page for displaying the discrimination result in the web page generation unit 102e, and stores web data corresponding to the created web page in a predetermined unit of the storage unit 106. Store in the storage area. Next, after the user inputs a predetermined URL to the Web browser 211 of the client device 200 via the input device 250 and performs the above-described authentication, the client device 200 sends a browsing request for the Web page to the biological oxidation evaluation device 100. Send.
  • the browsing processing unit 102b interprets the browsing request transmitted from the client device 200, and stores Web data corresponding to the Web page for displaying the determination result in a predetermined storage of the storage unit 106. Read from area. Then, the biological oxidation evaluation apparatus 100 transmits the read Web data to the client apparatus 200 and transmits the Web data or the determination result to the database apparatus 400 by the transmission unit 102m.
  • the biological oxidation evaluation apparatus 100 may notify the user client apparatus 200 of the determination result by e-mail at the control unit 102. Specifically, the biological oxidation evaluation apparatus 100 first refers to the user information stored in the user information file 106a based on the user ID and the like in accordance with the transmission timing in the e-mail generation unit 102d. The e-mail address of the user. Next, the bio-oxidation evaluation apparatus 100 uses the e-mail generation unit 102d to generate data related to the e-mail including the name and determination result of the user with the acquired e-mail address as the destination. Next, the biological oxidation evaluation apparatus 100 transmits the generated data to the user client apparatus 200 by the transmission unit 102m.
  • step SA27 the biological oxidation evaluation apparatus 100 may transmit the determination result to the user client apparatus 200 using an existing file transfer technology such as FTP.
  • control unit 402 receives the determination result or Web data transmitted from the biological oxidation evaluation device 100, and stores the received determination result or Web data in the storage unit 406. Save (accumulate) in the area (step SA28).
  • the client device 200 receives the Web data transmitted from the biological oxidation evaluation device 100 by the receiving unit 213, interprets the received Web data by the Web browser 211, and displays the Web page on which the individual discrimination result is written.
  • the screen is displayed on the monitor 261 (step SA29).
  • the client apparatus 200 uses the known function of the electronic mailer 212 to send the electronic mail transmitted from the biological oxidation evaluation apparatus 100 at an arbitrary timing.
  • the received e-mail is displayed on the monitor 261.
  • the user browses the Web page displayed on the monitor 261, and the 21. 29. It is possible to confirm an individual discrimination result related to any one of the discriminations. Note that the user may print the display content of the Web page displayed on the monitor 261 with the printer 262.
  • the user browses the e-mail displayed on the monitor 261 so that the above 21. 29. It is possible to confirm an individual discrimination result related to any one of the discriminations.
  • the user may print the content of the e-mail displayed on the monitor 261 with the printer 262.
  • the client device 200 transmits the amino acid concentration data of the individual to the biological oxidation evaluation device 100, and the database device 400 receives a request from the biological oxidation evaluation device 100. 21. 29.
  • the multivariate discriminant for discrimination in any one of the discriminations is transmitted to the biological oxidation evaluation apparatus 100.
  • the biooxidation evaluation apparatus 100 (1) receives amino acid concentration data from the client apparatus 200 and receives a multivariate discriminant from the database apparatus 400, and (2) based on the received amino acid concentration data and the multivariate discriminant.
  • the discriminant value is calculated, and (3) the individual discriminating value is compared with the calculated discriminant value and a preset threshold value. 29. (4)
  • This determination result is transmitted to the client device 200 and the database device 400.
  • the client device 200 receives and displays the determination result transmitted from the biological oxidation evaluation device 100
  • the database device 400 receives and stores the determination result transmitted from the biological oxidation evaluation device 100. This makes it possible to accurately perform the discrimination using the discriminant value obtained by the multivariate discriminant useful for the above-described 2-group discrimination, 3-group discrimination, or 4-group discrimination.
  • the multivariate discriminant used in step SA25 is a logistic regression equation, a fractional equation, a linear discriminant equation, a multiple regression equation, an equation created by a support vector machine, or a Mahalanobis distance method. Any one of an expression created, an expression created by canonical discriminant analysis, and an expression created by a decision tree may be used. Thereby, these discrimination
  • step SA25 when it is determined in step SA26 whether the oxidative stress level and the antioxidant power are both normal or the oxidative stress level is high and the antioxidant power is normal, step SA25 is performed.
  • the multivariate discriminant used in 1 may be a logistic regression equation including Gln, Cit, Tyr, Met, Orn, and Leu as variables. As a result, the above-described 22. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • step SA26 If it is determined in step SA26 whether the oxidative stress level and the antioxidant power are both normal or the oxidative stress level is normal and the antioxidant power is low, it is used in step SA25.
  • the multivariate discriminant may be a logistic regression equation including Ser, Thr, Met, Orn, Ile, and Trp as variables. Thereby, the 23. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • step SA26 when it is determined in step SA26 whether the oxidative stress level and the antioxidant power are both normal and the oxidative stress level is high and the antioxidant power is low, the multiple used in step SA25 is used.
  • the variable discriminant may be a logistic regression equation including Ala, Cit, and Tyr as variables. Thereby, the 24. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • step SA26 If it is determined in step SA26 whether the state is high in oxidative stress and normal in antioxidant power or in the state in which normal oxidative stress is low and low in antioxidative power, it is used in step SA25.
  • the obtained multivariate discriminant may be a logistic regression equation including Thr, Arg, and Orn as variables. Thereby, the 25. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • step SA26 when it is determined whether the state is high in oxidative stress and normal in antioxidant power or in the state in high oxidative stress and low in antioxidative power, it is used in step SA25.
  • the multivariate discriminant may be a logistic regression equation including His, Thr, Ala, Cit, Ile, and Phe as variables. Thereby, the 26. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • step SA26 when it is determined in step SA26 whether the oxidative stress level is normal and the antioxidant power is low or the oxidative stress level is high and the antioxidant power is low, it is used in step SA25.
  • the multivariate discriminant may be a logistic regression equation including His, Ala, ABA, Orn, and Phe as variables. Thereby, the 27. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • step SA26 when determining whether the oxidative stress level is normal or the oxidative stress level is high, the multivariate discriminant used in step SA25 is Gln, Ala, Cit, A logistic regression equation including Tyr, Met, and Ile as variables may be used. As a result, the above-described 28. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • step SA26 when it is determined whether the antioxidant power is normal or the antioxidant power is low, the multivariate discriminant used in step SA25 is Glu, Thr, Ala, A logistic regression equation including Arg, Ile, and Trp as variables may be used. Thereby, the 29. mentioned above. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • Each multivariate discriminant described above is a method described in International Publication No. 2004/052191 which is an international application by the present applicant or a method described in International Publication No. 2006/098192 which is an international application by the present applicant. It may be created by (multivariate discriminant creation processing described later). If the multivariate discriminant obtained by these methods is used, it is preferable to use the multivariate discriminant for biooxidation state evaluation regardless of the unit of amino acid concentration in the amino acid concentration data as input data. it can.
  • the biological oxidation evaluation apparatus the biological oxidation evaluation method, the biological oxidation evaluation program, the recording medium, the biological oxidation evaluation system, and the information communication terminal device according to the present invention are not limited to the second embodiment described above.
  • the present invention can be implemented in various different embodiments within the scope of the technical idea described in the above.
  • all or part of the processes described as being automatically performed can be manually performed, or the processes described as being performed manually All or a part of the above can be automatically performed by a known method.
  • the processing procedures, control procedures, specific names, information including parameters such as various registration data and search conditions, screen examples, and database configurations shown in the above documents and drawings, unless otherwise specified. It can be changed arbitrarily.
  • each illustrated component is functionally conceptual and does not necessarily need to be physically configured as illustrated.
  • the processing functions (particularly the processing functions performed by the control unit 102) of each unit or each device of the biooxidation evaluation apparatus 100 are determined by a CPU (Central Processing Unit) and a program interpreted and executed by the CPU. All or any part thereof may be realized, or may be realized as hardware by wired logic.
  • the biooxidation evaluation apparatus 100 may be configured as an information processing apparatus such as a known personal computer or workstation, or may be configured by connecting an arbitrary peripheral device to the information processing apparatus.
  • the biooxidation evaluation apparatus 100 may be realized by installing software (including programs, data, and the like) that realizes the method of the present invention in the information processing apparatus.
  • program is a data processing method described in an arbitrary language or description method, and may be in any form such as source code or binary code.
  • the “program” is not necessarily limited to a single configuration, but is distributed in the form of a plurality of modules and libraries, or in cooperation with a separate program typified by an OS (Operating System). Includes those that achieve that function.
  • the program is recorded on a recording medium and mechanically read by the biological oxidation evaluation apparatus 100 as necessary. That is, in the storage unit 106 such as a ROM or an HDD (Hard Disk Drive), a computer program for giving instructions to the CPU in cooperation with an OS (Operating System) and performing various processes is recorded.
  • This computer program is executed by being loaded into the RAM, and constitutes a control unit in cooperation with the CPU. Further, this computer program may be stored in an application program server connected to the biological oxidation evaluation apparatus 100 via a dedicated network 300, and may be downloaded in whole or in part as necessary. Is also possible. As a specific configuration for reading the program recorded on the recording medium by each device, a reading procedure, an installation procedure after reading, and the like, a well-known configuration and procedure can be used.
  • “recording medium” includes any “portable physical medium”.
  • the “portable physical medium” is a memory card, USB memory, SD card, flexible disk, magneto-optical disk, ROM, EPROM, EEPROM, CD-ROM, MO, DVD, Blu-ray Disc, or the like.
  • the program according to the present invention may be stored in a computer-readable recording medium, or may be configured as a program product.
  • FIG. 22 is a flowchart illustrating an example of multivariate discriminant creation processing. Note that the multivariate discriminant-preparing process may be performed by the database device 400 that manages biological oxidation state information.
  • the biological oxidation evaluation apparatus 100 stores biological oxidation state information acquired in advance from the database device 400 in a predetermined storage area of the biological oxidation state information file 106c.
  • the biooxidation evaluation apparatus 100 also stores biooxidation state information including biooxidation state index data and amino acid concentration data designated in advance by the biooxidation state information designating unit 102g in a predetermined storage area of the designated biooxidation state information file 106d. Is stored.
  • the multivariate discriminant-preparing part 102h is a candidate multivariate discriminant-preparing part 102h1, based on a predetermined formula creation method from biological oxidation state information stored in a predetermined storage area of the designated biological oxidation state information file 106d.
  • the candidate multivariate discriminant is created, and the created candidate multivariate discriminant is stored in a predetermined storage area of the candidate multivariate discriminant file 106e1 (step SB21).
  • the multivariate discriminant-preparing part 102h is a candidate multivariate discriminant-preparing part 102h1, and a plurality of different formula creation methods (principal component analysis, discriminant analysis, support vector machine, multiple regression analysis, logistic regression) Analysis, k-means method, cluster analysis, decision tree, etc. related to multivariate analysis.) Select a desired one from among them, and create candidate multivariate discrimination based on the selected formula creation method Determine the form of the expression (form of the expression).
  • the multivariate discriminant-preparing part 102h is a candidate multivariate discriminant-preparing part 102h1, and executes various calculations (for example, average and variance) corresponding to the selected formula selection method based on the biological oxidation state information. To do.
  • the multivariate discriminant-preparing part 102h determines the calculation result and parameters of the determined candidate multivariate discriminant-expression in the candidate multivariate discriminant-preparing part 102h1.
  • a candidate multivariate discriminant is created based on the selected formula creation method.
  • the above-described processing may be executed in parallel for each selected formula creation method.
  • biooxidation state information is obtained using a candidate multivariate discriminant created by performing a principal component analysis.
  • a candidate multivariate discriminant may be created by converting and performing discriminant analysis on the converted biological oxidation state information.
  • the multivariate discriminant-preparing part 102h verifies (mutually verifies) the candidate multivariate discriminant created in step SB21 with the candidate multivariate discriminant-verifying part 102h2, and verifies the verification result.
  • the result is stored in a predetermined storage area of the verification result file 106e2 (step SB22).
  • the multivariate discriminant-preparing part 102h is a candidate multivariate discriminant-verifying part 102h2, based on the biological oxidation state information stored in a predetermined storage area of the designated biological oxidation state information file 106d.
  • the verification data used when verifying the variable discriminant is created, and the candidate multivariate discriminant is verified based on the created verification data.
  • the multivariate discriminant creation unit 102h creates each formula in the candidate multivariate discriminant verification unit 102h2.
  • Each candidate multivariate discriminant corresponding to the method is verified based on a predetermined verification method.
  • the discrimination rate, sensitivity, specificity, information criterion of the candidate multivariate discriminant based on at least one of the bootstrap method, holdout method, N-fold method, leave one out method, etc. , ROC_AUC (area under the curve of the receiver characteristic curve) or the like.
  • the multivariate discriminant-preparing part 102h selects the variable of the candidate multivariate discriminant based on a predetermined variable selection method from the verification result in step SB22 by the variable selection part 102h3 (however, the step The variable of the candidate multivariate discriminant may be selected based on a predetermined variable selection method without considering the verification result in SB22.), Biooxidation state information used when creating the candidate multivariate discriminant Is selected, and biooxidation state information including the selected combination of amino acid concentration data is stored in a predetermined storage area of the selected biooxidation state information file 106e3 (step SB23).
  • step SB21 a plurality of candidate multivariate discriminants are created in combination with a plurality of different formula creation methods, and in step SB22, each candidate multivariate discriminant corresponding to each formula creation method is verified based on a predetermined verification method
  • the multivariate discriminant-preparing part 102h is predetermined for each candidate multivariate discriminant (for example, the candidate multivariate discriminant corresponding to the verification result in step SB22) by the variable selector 102h3.
  • the variable of the candidate multivariate discriminant may be selected based on the variable selection method.
  • the variable of the candidate multivariate discriminant may be selected based on at least one of the stepwise method, the best path method, the neighborhood search method, and the genetic algorithm from the verification result.
  • the best path method is a method of selecting variables by sequentially reducing the variables included in the candidate multivariate discriminant one by one and optimizing the evaluation index given by the candidate multivariate discriminant.
  • the multivariate discriminant-preparing part 102h uses the variable selection part 102h3 to combine amino acid concentration data based on the biological oxidation state information stored in the predetermined storage area of the designated biological oxidation state information file 106d. May be selected.
  • the multivariate discriminant-preparing part 102h determines whether or not all combinations of amino acid concentration data included in the biological oxidation state information stored in the predetermined storage area of the designated biological oxidation state information file 106d have been completed. When the determination result is “end” (step SB24: Yes), the process proceeds to the next step (step SB25), and when the determination result is not “end” (step SB24: No), the step is performed. Return to SB21.
  • the multivariate discriminant-preparing part 102h determines whether or not the preset number of times has ended, and if the determination result is “end” (step SB24: Yes), the next step (step SB25). If the determination result is not “end” (step SB24: No), the process may return to step SB21.
  • the multivariate discriminant-preparing part 102h includes the amino acid concentration data in which the combination of the amino acid concentration data selected in step SB23 is included in the biological oxidation state information stored in the predetermined storage area of the designated biological oxidation state information file 106d. Or the combination of the amino acid concentration data selected in the previous step SB23 is determined. If the determination result is “same” (step SB24: Yes), the next step (step SB25) is determined. If the determination result is not “same” (step SB24: No), the process may return to step SB21. Further, when the verification result is specifically an evaluation value related to each candidate multivariate discriminant, the multivariate discriminant creation unit 102h compares the evaluation value with a predetermined threshold corresponding to each formula creation method. Based on the result, it may be determined whether to proceed to step SB25 or to return to step SB21.
  • the multivariate discriminant-preparing part 102h selects a multivariate discriminant by selecting a candidate multivariate discriminant to be adopted as a multivariate discriminant from a plurality of candidate multivariate discriminants based on the verification result.
  • the determined multivariate discriminant (selected candidate multivariate discriminant) is stored in a predetermined storage area of the multivariate discriminant file 106e4 (step SB25).
  • step SB25 for example, when the optimum one is selected from candidate multivariate discriminants created by the same formula creation method, and when the optimum one is selected from all candidate multivariate discriminants There is.
  • FIG. 23 is a principle configuration diagram showing the basic principle of the present invention.
  • a desired substance group composed of one or a plurality of substances is administered to an evaluation target (for example, an individual such as an animal or a human) (step S31).
  • an evaluation target for example, an individual such as an animal or a human
  • drugs for example, insulin sensitizers, biguanites, ursodeoxycholic acid, antihyperlipidemic drugs, or antioxidants
  • supplements for example, anthocyanins, coenzyme Q10 (CoQ10), ⁇ lipo Acid (alpha lipoic acid), super lutein, lutein, astaxanthin, beta carotene (vitamin A), vitamin C (vitamin P), vitamin E, carnitine, goggle (blood lipid-suppressing herb), lycopene, MSM supplement, horsetail ( Silica), potassium, EPA, DHA (omega 3
  • the administration method, dose, and dosage form may be appropriately combined depending on the disease state.
  • the dosage form may be determined based on a known technique.
  • the dose is not particularly defined, but may be given, for example, in a form containing 1 ug to 100 g as an active ingredient.
  • step S32 blood is collected from the evaluation target to which the substance group has been administered in step S31 (step S32).
  • amino acid concentration data relating to the concentration value of amino acids in blood collected in step S32 is acquired (step S33).
  • step S11 amino acid concentration data measured by a company or the like that performs amino acid concentration measurement may be acquired.
  • the following Amino acid concentration data may be obtained by measuring amino acid concentration data by a measurement method such as (A) or (B).
  • the unit of amino acid concentration may be obtained by, for example, molar concentration, weight concentration, or by adding / subtracting / subtracting an arbitrary constant to / from these concentrations.
  • Plasma was separated from blood by centrifuging the collected blood sample. All plasma samples were stored frozen at ⁇ 80 ° C.
  • amino acid concentration When measuring the amino acid concentration, sulfosalicylic acid was added to remove the protein, and then the amino acid concentration was analyzed by an amino acid analyzer based on the post-column derivatization method using a ninhydrin reagent.
  • step S34 based on the amino acid concentration data of the evaluation target acquired in step S33, the state of biological oxidation including the degree of oxidative stress and / or antioxidant power is evaluated for the evaluation target (step S34).
  • the substance group administered in step S31 prevents biological oxidation (specifically, prevents an increase in the degree of oxidative stress or prevents a decrease in antioxidant power) or a living body. It is determined whether or not the state of oxidation is improved (specifically, the degree of oxidative stress is normalized or the antioxidant power is normalized) (step S35).
  • step S35 If the determination result in step S35 is “prevent or improve”, the substance group administered in step S31 is searched for as preventing biooxidation or improving the state of biooxidation. .
  • a desired substance group is administered to an evaluation object, blood is collected from the evaluation object to which the substance group is administered, and amino acid concentration data relating to the concentration value of amino acids in the collected blood is obtained. Based on the acquired amino acid concentration data, the state of biological oxidation is evaluated for the evaluation target, and based on the evaluation result, the desired substance group prevents biological oxidation or improves the state of biological oxidation. It is determined whether or not there is.
  • the biooxidation evaluation method that can accurately evaluate the state of biooxidation using the concentration of amino acids in blood, the substance that prevents biooxidation or improves the state of biooxidation is accurate. You can explore well.
  • step S34 data such as missing values and outliers may be removed from the amino acid concentration data. Thereby, the state of biological oxidation can be evaluated more accurately.
  • step S34 Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, Trp included in the amino acid concentration data acquired in step S33.
  • Arg, Gly, ABA, and Lys the state of biooxidation may be evaluated for the evaluation target based on at least one concentration value. Thereby, the state of biological oxidation can be accurately evaluated using the concentration of amino acids related to the state of biological oxidation among the concentrations of amino acids in blood.
  • Oxidative stress level and antioxidant power are both normal, oxidative stress level is high and normal antioxidant power level is normal, oxidative stress level is normal and low antioxidant power level is high, and oxidative stress level is high and anti-oxidative power level is high. It may be determined which of at least three of the states having low oxidizing power is.
  • At least one concentration value of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln included in the amino acid concentration data is used. Based on the evaluation target, it may be determined whether the oxidative stress level and the antioxidant power are both normal and the oxidative stress level is high and the antioxidant power is normal. This makes it possible to accurately perform the two-group discrimination by using the amino acid concentration useful for the two-group discrimination between these states among the amino acid concentrations in the blood.
  • concentration value of at least one of Trp whether the oxidative stress level is normal and the antioxidant power level is low or the oxidative stress level is high and the antioxidant power level is low May be determined. This makes it possible to accurately perform the two-group discrimination by using the amino acid concentration useful for the two-group discrimination between these states among the amino acid concentrations in the blood.
  • Glu, Ser, Pro, Asn, His, Thr, Orn, Ala, Cit, Val, Met, Ile, Leu, Phe, Trp, Gln, Arg, Gly, Tyr, ABA are included in the amino acid concentration data.
  • step S34 based on the amino acid concentration data acquired in step S33 and the preset multivariate discriminant including the amino acid concentration as a variable, a discriminant value that is the value of the multivariate discriminant is calculated and calculated. Based on the discriminated value, the state of biological oxidation may be evaluated for the evaluation target. Thereby, the state of biooxidation can be accurately evaluated using the discriminant value obtained by the multivariate discriminant including the amino acid concentration as a variable.
  • Multivariate discriminants are logistic regression formula, fractional formula, linear discriminant formula, multiple regression formula, formula created by support vector machine, formula created by Mahalanobis distance method, formula created by canonical discriminant analysis. Any one of the expressions created by the decision tree may be used. Thereby, the biooxidation state can be evaluated with higher accuracy by using the discriminant value obtained by the multivariate discriminant including the amino acid concentration as a variable.
  • step S34 Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, Trp included in the amino acid concentration data acquired in step S33.
  • Arg, Gly, ABA, Lys at least one concentration value
  • Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln, Trp Arg, Gly, ABA, Lys
  • a discriminant value is calculated based on a multivariate discriminant including at least one of them as a variable, and the state of biooxidation is evaluated for the evaluation object based on the calculated discriminant value. May be. Thereby, the biooxidation state can be accurately evaluated using the discriminant value obtained by the multivariate discriminant having a significant correlation with the biooxidation state.
  • the discriminant value is calculated, and based on the calculated discriminant value
  • both the oxidative stress level and the antioxidant power are normal, the oxidative stress level is high and the antioxidant power is normal, the oxidative stress level is normal and the antioxidant power is low, and the oxidative stress level. It may be determined which of the at least three states among the states having high and low antioxidant power. Thereby, these discrimination
  • At least one concentration value of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln included in the amino acid concentration data Discrimination based on a multivariate discriminant including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln as a variable
  • the value is calculated, and based on the calculated discriminant value, whether the oxidative stress level and the antioxidant power are both normal or the oxidative stress level is high and the antioxidant power is normal for the evaluation target May be determined.
  • the multivariate discriminant may be a logistic regression equation including Gln, Cit, Tyr, Met, Orn, and Leu as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • the discriminant value is calculated, and on the basis of the calculated discriminant value, the oxidative stress level and the antioxidant power are both normal and the oxidative stress level is normal and It may be determined which state is low in oxidizing power.
  • the multivariate discriminant may be a logistic regression equation including Ser, Thr, Met, Orn, Ile, and Trp as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • the multivariate discriminant may be a logistic regression equation including Ala, Cit, Tyr as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • At least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, and Arg included in the amino acid concentration data.
  • a plurality of concentration values and at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys, Gln, Trp, and Arg as variables.
  • the discriminant value is calculated, and on the basis of the calculated discriminant value, the evaluation target has a high oxidative stress level and a normal antioxidant power, and a normal oxidative stress level and an antioxidant power.
  • the multivariate discriminant may be a logistic regression equation including Thr, Arg, and Orn as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • At least one concentration value of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, Arg included in the amino acid concentration data Discrimination based on a multivariate discriminant including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, Arg as a variable
  • the value is calculated, and based on the calculated discriminant value, whether the evaluation target is in a state of high oxidative stress and normal antioxidant power, or a state of high oxidative stress and low antioxidant power May be determined.
  • the multivariate discriminant may be a logistic regression equation including His, Thr, Ala, Cit, Ile, and Phe as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • Trp at least one concentration value, and Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Gly, Tyr, His, Arg, ABA, Lys, Gln , Trp calculates a discriminant value based on a multivariate discriminant including at least one of the variables as a variable, and based on the calculated discriminant value, a state in which the degree of oxidative stress is normal and the antioxidant power is low It may also be determined whether the state is high in oxidative stress and low in antioxidant power. This makes it possible to accurately perform the two-group discrimination using the discriminant value obtained by the multivariate discriminant useful for the two-group discrimination between these states.
  • the multivariate discriminant may be a logistic regression equation including His, Ala, ABA, Orn, and Phe as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • Glu, Ser, Pro, Asn, His, Thr, Orn, Ala, Cit, Val, Met, Ile, Leu, Phe, Trp, Gln, Arg, Gly, Tyr, ABA are included in the amino acid concentration data.
  • a discriminant value is calculated, and based on the calculated discriminant value, a state in which the oxidative stress level is normal and the oxidative stress level is high for each evaluation target You may determine which is. This makes it possible to accurately perform the two-group discrimination using the discriminant value obtained by the multivariate discriminant useful for the two-group discrimination between these states.
  • the multivariate discriminant may be a logistic regression equation including Gln, Ala, Cit, Tyr, Met, and Ile as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • Multivariate discriminant including a value and at least one of Glu, Ser, Asn, Thr, Met, Orn, Ile, Leu, Arg, Ala, Trp, Phe, His, Val, Gln, Pro, Cit as a variable
  • the discriminant value may be determined based on the calculated discriminant whether the antioxidant power is normal or the antioxidant power is low.
  • the multivariate discriminant may be a logistic regression equation including Glu, Thr, Ala, Arg, Ile, and Trp as variables.
  • the two-group discrimination can be performed with higher accuracy by using the discriminant value obtained by the multivariate discriminant particularly useful for the two-group discrimination between these states.
  • each multivariate discriminant described above is described in the method described in International Publication No. 2004/052191 which is an international application by the present applicant or International Publication No. 2006/098192 which is an international application by the present applicant. It may be created by a method (multivariate discriminant creation process described in the second embodiment described above). In addition, if the multivariate discriminant obtained by these methods is used, the multivariate discriminant is preferably used for evaluation of the state of biological oxidation regardless of the unit of amino acid concentration in the amino acid concentration data as input data. Can do.
  • the multivariate discriminant generally means the format of formulas used in multivariate analysis. For example, fractional formulas, multiple regression formulas, multiple logistic regression formulas, linear discriminant functions, Mahalanobis distances, canonical discriminant functions, support vectors Includes machines, decision trees, etc. Also included are expressions as indicated by the sum of different forms of multivariate discriminants.
  • a coefficient and a constant term are added to each variable. In this case, the coefficient and the constant term are preferably real numbers, more preferably data.
  • each coefficient and its confidence interval may be obtained by multiplying it by a real number
  • the value of the constant term and its confidence interval may be obtained by adding / subtracting / multiplying / dividing an arbitrary real constant thereto.
  • the fractional expression means that the numerator of the fractional expression is represented by the sum of amino acids A, B, C,... And / or the denominator of the fractional expression is the sum of amino acids a, b, c,. It is represented by
  • the fractional expression includes a sum of fractional expressions ⁇ , ⁇ , ⁇ ,.
  • the fractional expression also includes a divided fractional expression.
  • An appropriate coefficient may be added to each amino acid used in the numerator and denominator.
  • amino acids used in the numerator and denominator may overlap.
  • an appropriate coefficient may be attached to each fractional expression.
  • the value of the coefficient of each variable and the value of the constant term may be real numbers.
  • the combination of the numerator variable and the denominator variable is generally reversed in the sign of the correlation with the target variable, but since the correlation is maintained, it can be considered equivalent in discriminability. Combinations of swapping numerator and denominator variables are also included.
  • this invention evaluates the state of biological oxidation, in addition to the concentration of amino acids, other biological information (for example, biological metabolites such as saccharides, lipids, proteins, peptides, minerals, hormones, (Value, sex, age, liver disease index, eating habits, drinking habits, exercise habits, obesity, disease history, etc.) may be further used.
  • the present invention also provides other biological information (for example, biological metabolism such as sugars, lipids, proteins, peptides, minerals, hormones, etc.) in addition to the concentration of amino acids as variables in the multivariate discriminant when evaluating the state of biological oxidation. For example, blood glucose level, blood pressure level, gender, age, liver disease index, dietary habits, drinking habits, exercise habits, obesity level, disease history, etc.).
  • FIG. 24 is a flowchart showing an example of a method for searching for a biooxidation prevention / ameliorating substance according to the third embodiment.
  • a desired substance group consisting of one or a plurality of substances is administered to an individual such as a bio-oxidized animal or human (step SA31).
  • step SA32 blood is collected from the individual to which the substance group has been administered in step S31 (step SA32).
  • step SA33 amino acid concentration data relating to the concentration value of amino acids in blood collected in step S32 is acquired (step SA33).
  • step SA33 for example, amino acid concentration data measured by a company or the like that measures amino acid concentration may be acquired, and measurement such as (A) or (B) described above is performed from blood collected from an evaluation target. Amino acid concentration data may be obtained by measuring amino acid concentration data by a method.
  • step SA34 data such as missing values and outliers are removed from the amino acid concentration data of the individual obtained in step S33 (step SA34).
  • step SA35 One of the determinations is executed (step SA35).
  • Any of at least three states of a state having a high degree of normality and an antioxidant power, a state having a normal degree of oxidative stress and a low level of antioxidant power, and a state having a high degree of oxidative stress and a low level of antioxidant power Is determined.
  • Second Group Discrimination Regarding Oxidative Stress Level and Antioxidant Power (i) Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr included in amino acid concentration data , Trp, Arg, Gly, His, Gln, a state where both the oxidative stress level and the antioxidant power are normal for each individual by comparing at least one concentration value with a preset threshold value (cut-off value) And (ii) Glu, Ser, Pro, Asn, Ala, Thr, Cit, which are included in the amino acid concentration data.
  • At least one of Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His, Gln Concentration value and at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His, Gln as variables
  • the discriminant value is calculated, and the calculated discriminant value is compared with a preset threshold value (cutoff value). Whether the state and the degree of oxidative stress are normal and the state of low antioxidant power is determined.
  • the discriminant value is calculated, and the calculated discriminant value is compared with a preset threshold value (cut-off value), so that the individual has a high degree of oxidative stress and normal antioxidant power and oxidative stress. It is determined whether the state is normal and the antioxidant power is low.
  • a discriminant value is calculated based on a multivariate discriminant including at least one of Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Gln, and Arg as a variable, and the calculated discriminant value Is compared with a preset threshold value (cut-off value), so that an individual has a high degree of oxidative stress and a normal level of antioxidant power and a high level of oxidative stress and a low level of antioxidant power. Determine which is.
  • a discriminant value is calculated based on a multivariate discriminant including at least one as a variable, and the calculated discriminant value and a preset threshold value (cutoff value) To determine whether the individual has a normal antioxidant power or a low antioxidant power.
  • step SA35 based on the determination result in step SA35, it is determined whether or not the substance group administered in step SA31 is one that prevents biological oxidation or improves the state of biological oxidation (step SA36).
  • step SA36 When the determination result in step SA36 is “prevent or improve”, the substance group administered in step SA31 is searched for as preventing biooxidation or improving the state of biooxidation.
  • a substance searched by this search method for example, “a group of amino acids containing at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, and Phe”.
  • amino acid group including at least one of Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, His, Tyr, Gln”, “Glu, Ser, Pro , Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Trp, Arg, Gly, His, and Gln, an amino acid group containing “Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, T p, ABA, Tyr, Gln, His group containing at least one amino acid "," Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr, Lys , Gln, Trp, Arg ”,“ Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe, Tyr
  • a desired substance group is administered to an individual, and (ii) the substance group is administered.
  • the multivariate discriminant used in step SA35 is a logistic regression equation, a fractional equation, a linear discriminant equation, a multiple regression equation, an equation created by a support vector machine, an equation created by the Mahalanobis distance method, and a canonical discriminant. Any one of an expression created by analysis and an expression created by a decision tree may be used. Thereby, these discrimination
  • the multivariate discriminant used in the discriminant may be a logistic regression equation including Gln, Cit, Tyr, Met, Orn, and Leu as variables.
  • This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in the discriminant may be a logistic regression equation including Ser, Thr, Met, Orn, Ile, and Trp as variables.
  • This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in the discriminant may be a logistic regression equation including Ala, Cit, Tyr as variables. Thereby, 34. mentioned above. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in discriminating the above may be a logistic regression equation including Thr, Arg, Orn as variables. Thereby, the 35. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in the discriminant may be a logistic regression equation including His, Thr, Ala, Cit, Ile, and Phe as variables. Thereby, the 36. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in discriminating the above may be a logistic regression equation including His, Ala, ABA, Orn, Phe as variables. As a result, the aforementioned 37. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in the discriminant may be a logistic regression equation including Gln, Ala, Cit, Tyr, Met, and Ile as variables. As a result, 38. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • the multivariate discriminant used in the discriminant may be a logistic regression equation including Glu, Thr, Ala, Arg, Ile, and Trp as variables. Thereby, 39. This discrimination can be performed with higher accuracy by using a discriminant value obtained by a multivariate discriminant that is particularly useful for the discrimination.
  • Each multivariate discriminant described above is a method described in International Publication No. 2004/052191 which is an international application by the present applicant or a method described in International Publication No. 2006/098192 which is an international application by the present applicant. It may be created by (multivariate discriminant creation processing described in the second embodiment described above). In addition, if the multivariate discriminant obtained by these methods is used, the multivariate discriminant is preferably used for evaluation of the state of biological oxidation regardless of the unit of amino acid concentration in the amino acid concentration data as input data. Can do.
  • the method for searching for a biooxidation preventing / ameliorating substance according to the third embodiment is at least one of “Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, and Phe.
  • searching for a substance for preventing / ameliorating not only finds a new substance effective for preventing / ameliorating biooxidation, Finding new uses for preventing and improving biooxidation of known substances, finding new compositions that combine existing drugs and supplements that can be expected to be effective in preventing and improving biooxidation, Find usage / dose / combination, make it a kit, present a prevention / treatment menu including meals / exercise, etc., monitor the effectiveness of the prevention / treatment menu, and if necessary, for each individual Includes presenting menu changes.
  • the blood amino acid concentration was measured from the blood sample of the medical checkup examinee by the measurement method (A) described in the above embodiment.
  • the subjects were healthy groups (first group, 54 subjects) in a normal state (d-ROM ⁇ 300 U. CARR, BAP> 2200 ⁇ mol / l) in which both the oxidative stress level and the antioxidant power were normal, and the oxidative stress level was high and
  • the second group (184 persons) with normal antioxidant power (d-ROM> 300 U. CARR, BAP> 2200 ⁇ mol / l), normal oxidative stress and low antioxidant power (d-ROM ⁇ 300 U.
  • CARR, BAP ⁇ 2200 ⁇ mol / l the third group (29 persons), high in oxidative stress and low in antioxidant capacity (d-ROM> 300 U.
  • CARR, BAP ⁇ 2200 ⁇ mol / l) Divided into 4 groups (38 people).
  • the distribution of amino acid variables among the 4 groups is shown in FIG. In FIG. 25, 1 represents a healthy group, 2 represents a second group, 3 represents a third group, and 4 represents a fourth group.
  • a Kruskal Wallis test was performed between the four groups for the purpose of evaluating the state of oxidative stress and antioxidant power. Among the four groups, “Glu, Ser, Pro, Asn, Ala, Thr, Cit, Orn, Met, Val, Ile, Leu, Phe” are significantly changed, and these amino acids are discriminating between the four groups. Turned out to have.
  • the logistic regression equation is used as a multivariate discriminant, the combination of variables to be included in the logistic regression equation is searched, and the random sampling method is adopted as a cross-validation to have good discrimination between the healthy group and the second group
  • the search of the logistic regression equation was carried out earnestly.
  • FIG. 26 and FIG. 27 show a list of logistic regression equations with equally good discrimination ability evaluated by ROC_AUC.
  • FIGS. 26 and 27 show combinations of variables included in the logistic regression equation, ROC_AUC values with cross validation, and ROC_AUC values without cross validation.
  • the variables appearing in the formulas included in FIGS. 26 and 27 are listed in the descending order of the appearance frequency of variables, and are “Tyr, Gln, Met, Phe, Leu, Ile, Val, Orn, Ser, His”.
  • fractional expressions as multivariate discriminants, searching for combinations of variables to be included in fractional expressions, and adopting random sampling as cross-validation, fractional expressions having good discriminating ability between healthy group and second group We conducted an extensive search.
  • FIG. 28 and 29 show a list of fractional expressions with equally good discrimination ability evaluated by ROC_AUC.
  • FIG. 28 and FIG. 29 show fractional expressions, average values of ROC_AUC values with cross validation, and ROC_AUC values without cross validation.
  • Listed in descending order of appearance frequency of variables in the expressions included in FIG. 28 and FIG. 29 is “Tyr, Gln, Met, Ile, Leu, Cit, Orn, His, Ser, Val”.
  • Example 2 The same amino acid concentration data as measured in Example 1 was used.
  • the amino acids that were significant (p ⁇ 0.05) in the test when the ROC_AUC of the healthy group and the third group were nonparametric and the null hypothesis was ROC_AUC 0.5 were “Ser, Asn” , Thr, Tyr, Met, Orn ". These amino acids showed a significant increase in the third group.
  • FIGS. 30 and 31 show a list of logistic regression equations with equally good discrimination ability evaluated by ROC_AUC.
  • FIG. 30 and FIG. 31 show combinations of variables included in the logistic regression equation, ROC_AUC values with cross validation, and ROC_AUC values without cross validation. Enumerating the appearance frequency of the variables in the formulas included in FIGS. 30 and 31 up to the tenth, “Thr, Ser, Orn, Met, Trp, Ile, Arg, Asn, Glu, Gly”.
  • fractional expressions as multivariate discriminants, searching for combinations of variables to be included in fractional expressions, and adopting random sampling as cross-validation, fractional expressions with good discriminating ability between healthy group and third group We conducted an extensive search.
  • FIG. 32 and FIG. 33 show a list of fractional expressions with equally good discrimination ability evaluated by ROC_AUC.
  • FIG. 32 and FIG. 33 show fractional expressions, average values of ROC_AUC values with cross validation, and ROC_AUC values without cross validation. Enumerating up to 10th place in the descending order of the appearance frequency of variables in the expressions included in FIGS. 32 and 33, “Orn, Trp, Thr, Ile, Cit, His, Ser, Val, Gln, Tyr” is obtained.
  • the logistic regression equation is used as a multivariate discriminant, a combination of variables included in the logistic regression equation is searched, and a random sampling method is adopted as a cross-validation to have a good discrimination ability between the healthy group and the fourth group.
  • the search of the logistic regression equation was carried out earnestly.
  • FIG. 34 and FIG. 35 show combinations of variables included in the logistic regression equation, ROC_AUC values with cross validation, and ROC_AUC values without cross validation.
  • FIG. 34 and FIG. 35 “Ala, Cit, Phe, Trp, Met, Ile, Thr, ABA, Pro, Ser” is listed in descending order of the appearance frequency of variables in the formulas included in FIGS.
  • fractional expressions as multivariate discriminants, searching for combinations of variables to be included in the fractional expressions, and adopting random sampling as cross-validation, fractional expressions having good discriminating ability between the healthy group and the fourth group We conducted an extensive search.
  • FIG. 36 and FIG. 37 show a list of fractional expressions with equally good discrimination ability evaluated by ROC_AUC.
  • FIG. 36 and FIG. 37 show fractional expressions, average values of ROC_AUC values with cross validation, and ROC_AUC values without cross validation.
  • the appearance frequency of the variables in the expressions included in FIG. 36 and FIG. 37 is listed in descending order, they are “Ala, Tyr, Thr, Cit, Gln, Trp, His, Phe, Met, Ser”.
  • FIGS. 38 and 39 show a list of logistic regression equations with equally good discrimination ability evaluated by ROC_AUC.
  • FIGS. 38 and 39 show combinations of variables included in the logistic regression equation, ROC_AUC values with cross validation, and ROC_AUC values without cross validation.
  • the frequency of occurrence of variables in the formulas included in FIGS. 38 and 39 is listed in descending order, they are “Thr, Orn, Ile, Met, Glu, Asn, Ser, Cit, Leu, Ala”.
  • FIG. 40 and 41 show a list of fractional expressions with equally good discrimination ability evaluated by ROC_AUC.
  • FIG. 40 and FIG. 41 show fractional expressions, average values of ROC_AUC values with cross validation, and ROC_AUC values without cross validation. 40 and 41 are listed in descending order of the appearance frequency of variables in the formulas, “Gln, Trp, Ile, Thr, Orn, Met, Lys, Val, Arg, Leu”.
  • FIGS. 42 and 43 show a list of logistic regression equations with equally good discrimination ability evaluated by ROC_AUC.
  • FIGS. 42 and 43 show combinations of variables included in the logistic regression equation, ROC_AUC values with cross validation, and ROC_AUC values without cross validation.
  • 42 and FIG. 43 “Thr, Ala, His, Phe, Ile, Cit, Leu, Orn, Gln, Val” is listed in order of increasing frequency of occurrence of variables in the expressions included in FIGS.
  • FIG. 44 and 45 show a list of fractional expressions with equally good discrimination ability evaluated by ROC_AUC.
  • FIG. 44 and FIG. 45 show fractional expressions, average values of ROC_AUC values with cross validation, and ROC_AUC values without cross validation.
  • “Ala, Thr, His, Ile, Phe, Cit, Gln, Leu, Arg, Orn” is listed.
  • FIGS. 46 and 47 show a list of logistic regression equations with equally good discrimination ability evaluated by ROC_AUC.
  • FIGS. 46 and 47 show combinations of variables included in the logistic regression equation, ROC_AUC values with cross validation, and ROC_AUC values without cross validation.
  • the frequency of occurrence of the variables in the formulas included in FIGS. 46 and 47 is listed in descending order, they are “Orn, Ala, His, Gly, Arg, ABA, Lys, Phe, Met, Ser”.
  • FIGS. 48 and 49 show a list of fractional expressions with equally good discrimination ability evaluated by ROC_AUC.
  • FIG. 48 and FIG. 49 show fractional expressions, average values of ROC_AUC values with cross validation, and ROC_AUC values without cross validation. 48.
  • it is “Orn, His, Ala, ABA, Gln, Arg, Met, Phe, Val, Trp”.
  • FIG. 50 and FIG. 51 show a list of logistic regression equations with equally good discrimination ability evaluated by ROC_AUC.
  • 50 and 51 show combinations of variables included in the logistic regression equation, ROC_AUC values with cross validation, and ROC_AUC values without cross validation.
  • 50 and 51 are listed in descending order of the appearance frequency of variables in the formulas, “Tyr, Met, Gln, Cit, Ile, Phe, Glu, Arg, Gly, Leu”.
  • a fractional expression is used as a multivariate discriminant, a combination of variables included in the fractional expression is searched, and a random sampling method is adopted as a cross-validation, so that the group 13 and the group 24 have good discriminating ability.
  • the search of the mathematical formula was conducted earnestly.
  • FIG. 52 and FIG. 53 show a list of fractional expressions with equally good discrimination ability evaluated by ROC_AUC.
  • FIG. 52 and FIG. 53 show fractional expressions, average values of ROC_AUC values with cross validation, and ROC_AUC values without cross validation. 52.
  • the variables appearing in the descending order of the frequency of occurrence are listed as “Gln, Met, Tyr, Ile, Cit, Leu, Arg, ABA, Val, Gly”.
  • a fractional expression is used as a multivariate discriminant, a combination of variables included in the fractional expression is searched, and a random sampling method is adopted as a cross-validation, so that the group 12 and the group 34 have good discriminating ability.
  • the search of the mathematical formula was conducted earnestly.
  • FIG. 56 and FIG. 57 show a list of fractional expressions with equally good discrimination ability evaluated by ROC_AUC.
  • FIG. 56 and FIG. 57 show fractional expressions, average values of ROC_AUC values with cross validation, and ROC_AUC values without cross validation.
  • FIG. 56 and FIG. 57 when the appearance frequency of the variables in the formulas is listed in descending order up to tenth, “Thr, Ile, Gln, Trp, Ala, Arg, Phe, His, Met, Asn” is obtained.
  • the biooxidation evaluation method and the like according to the present invention can be widely implemented in many industrial fields, in particular, in fields such as pharmaceuticals, foods, and medicine, and in particular, the progress prediction of the state of biooxidation. It is extremely useful in the field of bioinformatics that performs disease risk prediction, proteome and metabolomic analysis.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Hematology (AREA)
  • Chemical & Material Sciences (AREA)
  • Urology & Nephrology (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Food Science & Technology (AREA)
  • Biotechnology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Microbiology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Cell Biology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

　血液中のアミノ酸の濃度を利用して、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を精度よく評価することができる生体酸化の評価方法など、ならびに生体酸化を予防させる又は生体酸化の状態を改善させる物質を精度よく探索することができる生体酸化の予防・改善物質の探索方法を提供することを課題とする。本発明にかかる生体酸化の評価方法によれば、評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得し、取得したアミノ酸濃度データに基づいて、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する。

Description

生体酸化の評価方法、生体酸化評価装置、生体酸化評価方法、生体酸化評価プログラム、生体酸化評価システム、情報通信端末装置、および生体酸化の予防・改善物質の探索方法
　本発明は、血液（例えば血漿、血清などを含む）中のアミノ酸濃度を利用して酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する生体酸化の評価方法、生体酸化評価装置、生体酸化評価方法、生体酸化評価プログラム、生体酸化評価システム、および情報通信端末装置、ならびに生体酸化を予防させる又は生体酸化の状態を改善させる物質を探索する生体酸化の予防・改善物質の探索方法に関するものである。
　酸化ストレスとは、生体の酸化反応と抗酸化反応のバランスが崩れ、酸化状態に傾き、生体が酸化的障害を起こすことである。日本抗酸化学会での定義によると、酸化ストレスは、生体内で生成する活性酸素群の酸化損傷力と生体内の抗酸化システムの抗酸化ポテンシャルとの差として定義される。活性酸素群は、エネルギー生産、侵入異物攻撃、不要な細胞の処理、または細胞情報伝達などに際して生産される有用なものである（非特許文献１）。
　ところが、生体内の抗酸化システムで捕捉しきれない余剰な活性酸素群が生じた場合、この余剰な活性酸素群が、生体の構造または機能を担っている脂質、蛋白質、もしくは酵素、または遺伝情報を担う遺伝子ＤＮＡを酸化して、これらに損傷を与え、その結果、生体の構造または機能が乱れて、病気が引き起こされたり、老化が早まったり、癌または生活習慣病に罹り易くなったりする（非特許文献１）。そして、生活習慣病に罹ることで、酸化ストレスが増幅されるという悪循環が起き、さらに疾病または老化が進行することになる。具体的には、酸化ストレス度が高く抗酸化力が正常な場合、酸化ストレス度が抗酸化力によって相殺されている状態ではあるが、改善されないと将来的に問題が起こる可能性がある（非特許文献２および非特許文献３）。また、酸化ストレス度が正常で抗酸化力が低い場合、免疫活動が全体的に低下しており、慢性疾患の可能性がある。また、酸化ストレス度が高く抗酸化力が低い場合は、自己防衛機能が低下している可能性があり、経過観察が必要となる。
　したがって、酸化ストレスと抗酸化力の状態を早期にスクリーングして生活習慣の改善を促すためにも、酸化ストレス度と抗酸化力の状態を定量的で簡便に且つ迅速にスクリーニングできる指標が必要である。
　ここで、酸化ストレス度の状態を評価する既存指標としては、酸化ストレス度のマーカーである血中のヒドロペルオキシド（ＲＯＯＨ：活性酸素またはフリーラジカルにより酸化反応を受けた脂質、たんぱく質、アミノ酸、および核酸などの総称）の濃度を呈色反応で計測したｄ－ＲＯＭ（ｄｅｒｉｖａｔｉｖｅｓ　ｏｆ　Ｒｅａｃｔｉｖｅ　Ｏｘｉｄａｔｉｖｅ　Ｍｅｔａｂｏｌｉｔｅｓ）が主に用いられている。また、抗酸化力の状態を評価する既存指標としては、血漿中抗酸化物質が活性酸素またはフリーラジカルに電子を与え酸化反応を止める還元能力を計測したＢＡＰ（Ｂｉｏｌｏｇｉｃａｌ　Ａｎｔｉｏｘｉｄａｎｔ　Ｐｏｔｅｎｔｉａｌ）が主に用いられている。
　しかし、これらの既存指標を用いて診察する際には専用キットが必要であること等から、当該診察の受診率は低いのが現状である。
　ところで、血中アミノ酸の濃度が、酸化ストレスと抗酸化力の状態によって変化することは知られている。例えば、Ｍｏａｔらは、ｈｏｍｏｃｙｓｔｅｉｎｅが酸化ストレスで増加することを報告している（非特許文献４）。また、Ｍａｔａｙａｔｓｕｋらは、Ｔｙｒが、抗酸化物質であるスーパーオキシドジスムターゼおよびグルタチオン（Ｇｌｕ，Ｃｙｓ，Ｇｌｙが順にペプチド結合したトリペプチド）と有意な正相関を有することを報告している（非特許文献５）。また、Ｂｌａｎｃｏらは、Ｃｙｓがグルタチオンとともに変動することを報告している（非特許文献６）。
　また、先行特許として、アミノ酸濃度と生体状態とを関連付ける方法に関する特許文献１、特許文献２、および特許文献３が公開されている。また、アミノ酸濃度を用いて抑うつ病または大うつ病を少なくとも含むストレスの状態を評価する方法に関する特許文献４が公開されている。また、アミノ酸濃度を用いて線維筋痛症およびうつ病の状態を評価する方法に関する特許文献５が公開されている。
国際公開第２００４／０５２１９１号 国際公開第２００６／０９８１９２号 国際公開第２００９／０５４３５１号 国際公開第２００８／０１６１０１号 特開２０１１－０８０９５７号公報
Ｍａｎｔｏｖａｎｉ　Ｇ，　Ｍａｃｃｉo　Ａ，　Ｍａｄｅｄｄｕ　Ｃ，　Ｍｕｒａ　Ｌ，　Ｍａｓｓａ　Ｅ，　Ｇｒａｍｉｇｎａｎｏ　Ｇ，　Ｌｕｓｓｏ　ＭＲ，　Ｍｕｒｇｉａ　Ｖ，　Ｃａｍｂｏｎｉ　Ｐ，　Ｆｅｒｒｅｌｉ　Ｌ．，　Ｒｅａｃｔｉｖｅ　ｏｘｙｇｅｎ　ｓｐｅｃｉｅｓ，　ａｎｔｉｏｘｉｄａｎｔ　ｍｅｃｈａｎｉｓｍｓ　ａｎｄ　ｓｅｒｕｍ　ｃｙｔｏｋｉｎｅ　ｌｅｖｅｌｓ　ｉｎ　ｃａｎｃｅｒ　ｐａｔｉｅｎｔｓ：　ｉｍｐａｃｔ　ｏｆ　ａｎ　ａｎｔｉｏｘｉｄａｎｔ　ｔｒｅａｔｍｅｎｔ．，　Ｊ　Ｃｅｌｌ　Ｍｏｌ　Ｍｅｄ．　２００２，　６，　４，　ｐ５７０－５８２． Ｃｏｒｎｅｌｌｉ　Ｕ，　Ｔｅｒｒａｎｏｖａ　Ｒ，　Ｌｕｃａ　Ｓ，　Ｃｏｒｎｅｌｌｉ　Ｍ，　Ａｌｂｅｒｔｉ　Ａ．，　Ｂｉｏａｖａｉｌａｂｉｌｉｔｙ　ａｎｄ　ａｎｔｉｏｘｉｄａｎｔ　ａｃｔｉｖｉｔｙ　ｏｆ　ｓｏｍｅ　ｆｏｏｄ　ｓｕｐｐｌｅｍｅｎｔｓ　ｉｎ　ｍｅｎ　ａｎｄ　ｗｏｍｅｎ　ｕｓｉｎｇ　ｔｈｅ　Ｄ－Ｒｏｍｓ　ｔｅｓｔ　ａｓ　ａ　ｍａｒｋｅｒ　ｏｆ　ｏｘｉｄａｔｉｖｅ　ｓｔｒｅｓｓ．，　Ｔｈｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｎｕｔｒｉｔｉｏｎ，　２００１，　１３１，　１２，　ｐ３２０８－３２１１． Ｍｏｒｇａｎｔｉ　Ｐ，　Ｂｒｕｎｏ　Ｃ，　Ｇｕａｒｎｅｒｉ　Ｆ，　Ｃａｒｄｉｌｌｏ　Ａ，　Ｄｅｌ　Ｃｉｏｔｔｏ　Ｐ，　Ｖａｌｅｎｚａｎｏ　Ｆ．，　Ｒｏｌｅ　ｏｆ　ｔｏｐｉｃａｌ　ａｎｄ　ｎｕｔｒｉｔｉｏｎａｌ　ｓｕｐｐｌｅｍｅｎｔ　ｔｏ　ｍｏｄｉｆｙ　ｔｈｅ　ｏｘｉｄａｔｉｖｅ　ｓｔｒｅｓｓ．，　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｓｍｅｔｉｃ　Ｓｃｉｅｎｃｅ，　２００２，　２４，　６，　ｐ３３１－３３９． Ｍｏａｔ　ＳＪ．，　Ｐｌａｓｍａ　ｔｏｔａｌ　ｈｏｍｏｃｙｓｔｅｉｎｅ：　ｉｎｓｔｉｇａｔｏｒ　ｏｒ　ｉｎｄｉｃａｔｏｒ　ｏｆ　ｃａｒｄｉｏｖａｓｃｕｌａｒ　ｄｉｓｅａｓｅ？，　Ａｎｎ　Ｃｌｉｎ　Ｂｉｏｃｈｅｍ．，　２００８，　４５，　４，　ｐ３４５－３４８． Ｍａｔａｙａｔｓｕｋ　Ｃ，　Ｐｏｌｊａｋ　Ａ，　Ｂｕｓｔａｍａｎｔｅ　Ｓ，　Ｓｍｙｔｈｅ　ＧＡ，　Ｋａｌｐｒａｖｉｄｈ　ＲＷ，　Ｓｉｒａｎｋａｐｒａｃｈａ　Ｐ，　Ｆｕｃｈａｒｏｅｎ　Ｓ，　Ｗｉｌａｉｒａｔ　Ｐ．，　Ｑｕａｎｔｉｔａｔｉｖｅ　ｄｅｔｅｒｍｉｎａｔｉｏｎ　ｏｆ　ｏｒｔｈｏ－　ａｎｄ　ｍｅｔａ－ｔｙｒｏｓｉｎｅ　ａｓ　ｂｉｏｍａｒｋｅｒｓ　ｏｆ　ｐｒｏｔｅｉｎ　ｏｘｉｄａｔｉｖｅ　ｄａｍａｇｅ　ｉｎ　ｂｅｔａ－ｔｈａｌａｓｓｅｍｉａ．，　Ｒｅｄｏｘ　Ｒｅｐ．，　２００７，　１２，　５，　ｐ２１９－２２８． Ｂｌａｎｃｏ　ＲＡ，　Ｚｉｅｇｌｅｒ　ＴＲ，　Ｃａｒｌｓｏｎ　ＢＡ，　Ｃｈｅｎｇ　ＰＹ，　Ｐａｒｋ　Ｙ，　Ｃｏｔｓｏｎｉｓ　ＧＡ，　Ａｃｃａｒｄｉ　ＣＪ，　Ｊｏｎｅｓ　ＤＰ．，　Ｄｉｕｒｎａｌ　ｖａｒｉａｔｉｏｎ　ｉｎ　ｇｌｕｔａｔｈｉｏｎｅ　ａｎｄ　ｃｙｓｔｅｉｎｅ　ｒｅｄｏｘ　ｓｔａｔｅｓ　ｉｎ　ｈｕｍａｎ　ｐｌａｓｍａ．，　Ａｍｅｒｉｃａｎ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｌｉｎｉｃａｌ　Ｎｕｔｒｉｔｉｏｎ．，　２００７，　８６，　４，　ｐ１０１６－１０２３．
　しかしながら、特許文献１～５に開示されている指標式群を酸化ストレス度と抗酸化力の状態の診断に用いても、診断対象が異なるので、十分な精度を得ることができない。つまり、複数のアミノ酸を変数として、酸化ストレス度と抗酸化力の状態評価を行う方法の開発は行われておらず、実用化されていないという問題点があった。
　本発明は、上記問題点に鑑みてなされたもので、血液中のアミノ酸の濃度を利用して、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を精度よく評価することができる生体酸化の評価方法、生体酸化評価装置、生体酸化評価方法、生体酸化評価プログラム、生体酸化評価システム、および情報通信端末装置、ならびに、当該生体酸化の評価方法を用いて、生体酸化を予防させる又は生体酸化の状態を改善させる物質を精度よく探索することができる生体酸化の予防・改善物質の探索方法を提供することを目的とする。
　血中アミノ酸の濃度が、酸化ストレスと抗酸化力の状態によって変化することは知られている。そのため、酸化ストレスと抗酸化力の状態変化に対して特異的な血中アミノ酸が同定され、さらに同定された血中アミノ酸の濃度を変数とした指標式が見出されれば、酸化ストレスと抗酸化力の状態の簡便かつ効果的な判別法として広く適用可能である。そこで、本発明者らは、上述した課題を解決するために鋭意検討した結果、血液中のアミノ酸濃度による酸化ストレスと抗酸化力に関する判別に有用なアミノ酸変数を同定すると共に、同定したアミノ酸の濃度を変数に用いた、２群間の判別能を最適化するための多変量判別式（関数式、指標式）を見出し、本発明を完成するに至った。
　すなわち、上述した課題を解決し、目的を達成するために、本発明にかかる生体酸化の評価方法は、評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得する取得ステップと、前記取得ステップで取得した前記評価対象の前記アミノ酸濃度データに基づいて、前記評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する濃度値基準評価ステップとを含むことを特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記生体酸化の状態を評価すること、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態、前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態、前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態、および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態および前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態および前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態および前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度が正常な状態および前記酸化ストレス度が高い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記抗酸化力が正常な状態および前記抗酸化力が低い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む予め設定した多変量判別式に基づいて、当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ステップと、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価する判別値基準評価ステップとをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記多変量判別式は、ロジスティック回帰式、分数式、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、決定木で作成された式のいずれか１つであること、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出すること、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態、前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態、前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態、および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態および前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記多変量判別式は、Ｇｌｎ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｏｒｎ，Ｌｅｕを前記変数として含む前記ロジスティック回帰式であること、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態および前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記多変量判別式は、Ｓｅｒ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｔｒｐを前記変数として含む前記ロジスティック回帰式であること、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記多変量判別式は、Ａｌａ，Ｃｉｔ，Ｔｙｒを前記変数として含む前記ロジスティック回帰式であること、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態および前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記多変量判別式は、Ｔｈｒ，Ａｒｇ，Ｏｒｎを前記変数として含む前記ロジスティック回帰式であること、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記多変量判別式は、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｃｉｔ，Ｉｌｅ，Ｐｈｅを前記変数として含む前記ロジスティック回帰式であること、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記多変量判別式は、Ｈｉｓ，Ａｌａ，ＡＢＡ，Ｏｒｎ，Ｐｈｅを前記変数として含む前記ロジスティック回帰式であること、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度が正常な状態および前記酸化ストレス度が高い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記多変量判別式は、Ｇｌｎ，Ａｌａ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｉｌｅを前記変数として含む前記ロジスティック回帰式であること、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記抗酸化力が正常な状態および前記抗酸化力が低い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、を特徴とする。
　また、本発明にかかる生体酸化の評価方法は、前記の生体酸化の評価方法において、前記多変量判別式は、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｉｌｅ，Ｔｒｐを前記変数として含む前記ロジスティック回帰式であること、を特徴とする。
　また、本発明にかかる生体酸化評価装置は、制御手段と記憶手段とを備え、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する生体酸化評価装置であって、前記制御手段は、アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式に基づいて、当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手段と、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価する判別値基準評価手段とを備えたこと、を特徴とする。
　なお、本発明にかかる生体酸化評価装置は、前記の生体酸化評価装置において、前記制御手段は、前記アミノ酸濃度データと前記生体酸化の状態を表す指標に関する生体酸化状態指標データとを含む前記記憶手段で記憶した生体酸化状態情報に基づいて、前記記憶手段で記憶する前記多変量判別式を作成する多変量判別式作成手段をさらに備え、前記多変量判別式作成手段は、前記生体酸化状態情報から所定の式作成手法に基づいて、前記多変量判別式の候補である候補多変量判別式を作成する候補多変量判別式作成手段と、前記候補多変量判別式作成手段で作成した前記候補多変量判別式を、所定の検証手法に基づいて検証する候補多変量判別式検証手段と、前記候補多変量判別式検証手段での検証結果から所定の変数選択手法に基づいて前記候補多変量判別式の変数を選択することで（ただし、前記検証結果を考慮せず、前記所定の変数選択手法に基づいて前記候補多変量判別式の変数を選択してもよい。）、前記候補多変量判別式を作成する際に用いる前記生体酸化状態情報に含まれる前記アミノ酸濃度データの組み合わせを選択する変数選択手段と、をさらに備え、前記候補多変量判別式作成手段、前記候補多変量判別式検証手段および前記変数選択手段を繰り返し実行して蓄積した前記検証結果に基づいて、複数の前記候補多変量判別式の中から前記多変量判別式として採用する前記候補多変量判別式を選出することで、前記多変量判別式を作成することを特徴としてもよい。
　また、本発明にかかる生体酸化評価方法は、制御手段と記憶手段とを備えた情報処理装置において実行される、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する生体酸化評価方法であって、前記制御手段において実行される、アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式に基づいて、当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ステップと、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価する判別値基準評価ステップとを含むこと、を特徴とする。
　また、本発明にかかる生体酸化評価プログラムは、制御手段と記憶手段とを備えた情報処理装置において実行させるための、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する生体酸化評価プログラムであって、前記制御手段において実行させるための、アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式に基づいて、当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ステップと、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価する判別値基準評価ステップとを含むこと、を特徴とする。
　また、本発明にかかる記録媒体は、コンピュータ読み取り可能な記録媒体であって、前記の生体酸化評価プログラムを記録したことを特徴とする。
　また、本発明にかかる生体酸化評価システムは、制御手段と記憶手段とを備え、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する生体酸化評価装置と、制御手段を備え、アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データを提供する情報通信端末装置とを、ネットワークを介して通信可能に接続して構成された生体酸化評価システムであって、前記情報通信端末装置の前記制御手段は、前記評価対象の前記アミノ酸濃度データを前記生体酸化評価装置へ送信するアミノ酸濃度データ送信手段と、前記生体酸化評価装置から送信された、前記生体酸化の状態評価に関する前記評価対象の評価結果を受信する評価結果受信手段とを備え、前記生体酸化評価装置の前記制御手段は、前記情報通信端末装置から送信された前記アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、前記アミノ酸濃度データ受信手段で受信した前記アミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式に基づいて、当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手段と、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価する判別値基準評価手段と、前記判別値基準評価手段での前記評価対象の前記評価結果を前記情報通信端末装置へ送信する評価結果送信手段と、を備えたこと、を特徴とする。
　また、本発明にかかる情報通信端末装置は、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する生体酸化評価装置とネットワークを介して通信可能に接続された、制御手段を備え、アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データを提供する情報通信端末装置であって、前記制御手段は、前記評価対象の前記アミノ酸濃度データを前記生体酸化評価装置へ送信するアミノ酸濃度データ送信手段と、前記生体酸化評価装置から送信された、前記生体酸化の状態評価に関する前記評価対象の評価結果を受信する評価結果受信手段とを備え、前記評価結果は、前記生体酸化評価装置が、前記情報通信端末装置から送信された前記アミノ酸濃度データを受信し、受信した前記アミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む前記生体酸化評価装置で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出し、算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価した結果であること、を特徴とする。
　また、本発明にかかる生体酸化評価装置は、アミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供する情報通信端末装置とネットワークを介して通信可能に接続された、制御手段と記憶手段とを備え、前記評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する生体酸化評価装置であって、前記制御手段は、前記情報通信端末装置から送信された前記アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、前記アミノ酸濃度データ受信手段で受信した前記アミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式に基づいて、当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手段と、前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価する判別値基準評価手段と、前記判別値基準評価手段での前記評価対象の評価結果を前記情報通信端末装置へ送信する評価結果送信手段と、を備えたこと、を特徴とする。
　また、本発明にかかる生体酸化の予防・改善物質の探索方法は、１つ又は複数の物質から成る所望の物質群が投与された評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得する取得ステップと、前記取得ステップで取得した前記アミノ酸濃度データに基づいて、前記評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する濃度値基準評価ステップと、前記濃度値基準評価ステップでの評価結果に基づいて、前記所望の前記物質群が、前記生体酸化を予防させる又は前記生体酸化の状態を改善させるものであるか否かを判定する判定ステップと、を含むことを特徴とする。
　本発明によれば、評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得し、取得した評価対象のアミノ酸濃度データに基づいて、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する。これにより、血液中のアミノ酸の濃度を利用して、生体酸化の状態を精度よく評価することができるという効果を奏する。
　また、本発明によれば、取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つの濃度値に基づいて、評価対象につき、生体酸化の状態を評価する。これにより、血液中のアミノ酸の濃度のうち生体酸化の状態と関連するアミノ酸の濃度を利用して、生体酸化の状態を精度よく評価することができるという効果を奏する。
　また、本発明によれば、取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別する。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の３群判別または４群判別に有用なアミノ酸の濃度を利用して、これらの判別を精度よく行うことができるという効果を奏する。
　また、本発明によれば、取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別する。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができるという効果を奏する。
　また、本発明によれば、取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができるという効果を奏する。
　また、本発明によれば、取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができるという効果を奏する。
　また、本発明によれば、取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができるという効果を奏する。
　また、本発明によれば、取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができるという効果を奏する。
　また、本発明によれば、取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができるという効果を奏する。
　また、本発明によれば、取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別する。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができるという効果を奏する。
　また、本発明によれば、取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの濃度値に基づいて、評価対象につき、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別する。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データ、およびアミノ酸の濃度を変数として含む多変量判別式に基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対象につき、生体酸化の状態を評価する。これにより、アミノ酸の濃度を変数として含む多変量判別式で得られる判別値を利用して、生体酸化の状態を精度よく評価することができるという効果を奏する。
　また、本発明によれば、多変量判別式は、ロジスティック回帰式、分数式、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、決定木で作成された式のいずれか１つである。これにより、アミノ酸の濃度を変数として含む多変量判別式で得られる判別値を利用して、生体酸化の状態をさらに精度よく評価することができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出する。これにより、生体酸化の状態と有意な相関がある多変量判別式で得られる判別値を利用して、生体酸化の状態を精度よく評価することができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別する。これにより、これらの状態間の３群判別または４群判別に有用な多変量判別式で得られる判別値を利用して、これらの判別を精度よく行うことができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別する。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ｇｌｎ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｏｒｎ，Ｌｅｕを変数として含むロジスティック回帰式である。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ｓｅｒ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式である。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ａｌａ，Ｃｉｔ，Ｔｙｒを変数として含むロジスティック回帰式である。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ｔｈｒ，Ａｒｇ，Ｏｒｎを変数として含むロジスティック回帰式である。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｃｉｔ，Ｉｌｅ，Ｐｈｅを変数として含むロジスティック回帰式である。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ｈｉｓ，Ａｌａ，ＡＢＡ，Ｏｒｎ，Ｐｈｅを変数として含むロジスティック回帰式である。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別する。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ｇｌｎ，Ａｌａ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｉｌｅを変数として含むロジスティック回帰式である。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができるという効果を奏する。
　また、本発明によれば、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別する。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができるという効果を奏する。また、本発明によれば、多変量判別式は、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式である。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができるという効果を奏する。
　なお、本発明によれば、アミノ酸濃度データと生体酸化の状態を表す指標に関する生体酸化状態指標データとを含む記憶手段で記憶した生体酸化状態情報に基づいて、記憶手段で記憶する多変量判別式を作成してもよい。具体的には、（１）生体酸化状態情報から所定の式作成手法に基づいて候補多変量判別式を作成し、（２）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し、（３）そ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（ただし、当該検証結果を考慮せず、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してもよい。）、候補多変量判別式を作成する際に用いる生体酸化状態情報に含まれるアミノ酸濃度データの組み合わせを選択し、（４）（１）、（２）および（３）を繰り返し実行して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してもよい。これにより、生体酸化の状態評価に最適な多変量判別式を作成することができるという効果を奏する。
　また、本発明によれば、当該記録媒体に記録された生体酸化評価プログラムをコンピュータに読み取らせて実行することで、コンピュータに生体酸化評価プログラムを実行させるので、上記と同様の効果を得ることができるという効果を奏する。
　また、本発明によれば、１つ又は複数の物質から成る所望の物質群が投与された評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得し、取得したアミノ酸濃度データに基づいて、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価し、評価結果に基づいて、所望の物質群が、生体酸化を予防させる又は生体酸化の状態を改善させるものであるか否かを判定するので、血液中のアミノ酸の濃度を利用して生体酸化の状態を精度よく評価することができる生体酸化の評価方法を用いて、生体酸化を予防させる又は生体酸化の状態を改善させる物質を精度よく探索することができるという効果を奏する。また、本発明によれば、生体酸化での典型的なアミノ酸濃度変動パターンの情報や生体酸化に対応する多変量判別式を利用することで、生体酸化の状態を一部反映した既存の動物モデルや、臨床で早期に有効な薬物を選択することが可能になる。
　なお、本発明は、生体酸化の状態評価を行う際、アミノ酸の濃度以外に、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）をさらに用いてもかまわない。また、本発明は、生体酸化の状態評価を行う際、多変量判別式における変数として、アミノ酸の濃度以外に、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）をさらに用いてもかまわない。
図１は、本発明の基本原理を示す原理構成図である。 図２は、第１実施形態にかかる生体酸化の評価方法の一例を示すフローチャートである。 図３は、本発明の基本原理を示す原理構成図である。 図４は、本システムの全体構成の一例を示す図である。 図５は、本システムの全体構成の他の一例を示す図である。 図６は、本システムの生体酸化評価装置１００の構成の一例を示すブロック図である。 図７は、利用者情報ファイル１０６ａに格納される情報の一例を示す図である。 図８は、アミノ酸濃度データファイル１０６ｂに格納される情報の一例を示す図である。 図９は、生体酸化状態情報ファイル１０６ｃに格納される情報の一例を示す図である。 図１０は、指定生体酸化状態情報ファイル１０６ｄに格納される情報の一例を示す図である。 図１１は、候補多変量判別式ファイル１０６ｅ１に格納される情報の一例を示す図である。 図１２は、検証結果ファイル１０６ｅ２に格納される情報の一例を示す図である。 図１３は、選択生体酸化状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。 図１４は、多変量判別式ファイル１０６ｅ４に格納される情報の一例を示す図である。 図１５は、判別値ファイル１０６ｆに格納される情報の一例を示す図である。 図１６は、評価結果ファイル１０６ｇに格納される情報の一例を示す図である。 図１７は、多変量判別式作成部１０２ｈの構成を示すブロック図である。 図１８は、判別値基準評価部１０２ｊの構成を示すブロック図である。 図１９は、本システムのクライアント装置２００の構成の一例を示すブロック図である。 図２０は、本システムのデータベース装置４００の構成の一例を示すブロック図である。 図２１は、本システムで行う生体酸化評価サービス処理の一例を示すフローチャートである。 図２２は、本システムの生体酸化評価装置１００で行う多変量判別式作成処理の一例を示すフローチャートである。 図２３は、本発明の基本原理を示す原理構成図である。 図２４は、第３実施形態にかかる生体酸化の予防・改善物質の探索方法の一例を示すフローチャートである。 図２５は、４群間のアミノ酸変数の分布を示す図である。 図２６は、健常群と第２群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図２７は、健常群と第２群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図２８は、健常群と第２群の判別能が同等に良好な分数式の一覧を示す図である。 図２９は、健常群と第２群の判別能が同等に良好な分数式の一覧を示す図である。 図３０は、健常群と第３群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図３１は、健常群と第３群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図３２は、健常群と第３群の判別能が同等に良好な分数式の一覧を示す図である。 図３３は、健常群と第３群の判別能が同等に良好な分数式の一覧を示す図である。 図３４は、健常群と第４群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図３５は、健常群と第４群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図３６は、健常群と第４群の判別能が同等に良好な分数式の一覧を示す図である。 図３７は、健常群と第４群の判別能が同等に良好な分数式の一覧を示す図である。 図３８は、第２群と第３群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図３９は、第２群と第３群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図４０は、第２群と第３群の判別能が同等に良好な分数式の一覧を示す図である。 図４１は、第２群と第３群の判別能が同等に良好な分数式の一覧を示す図である。 図４２は、第２群と第４群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図４３は、第２群と第４群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図４４は、第２群と第４群の判別能が同等に良好な分数式の一覧を示す図である。 図４５は、第２群と第４群の判別能が同等に良好な分数式の一覧を示す図である。 図４６は、第３群と第４群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図４７は、第３群と第４群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図４８は、第３群と第４群の判別能が同等に良好な分数式の一覧を示す図である。 図４９は、第３群と第４群の判別能が同等に良好な分数式の一覧を示す図である。 図５０は、第１３群と第２４群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図５１は、第１３群と第２４群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図５２は、第１３群と第２４群の判別能が同等に良好な分数式の一覧を示す図である。 図５３は、第１３群と第２４群の判別能が同等に良好な分数式の一覧を示す図である。 図５４は、第１２群と第３４群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図５５は、第１２群と第３４群の判別能が同等に良好なロジスティック回帰式の一覧を示す図である。 図５６は、第１２群と第３４群の判別能が同等に良好な分数式の一覧を示す図である。 図５７は、第１２群と第３４群の判別能が同等に良好な分数式の一覧を示す図である。
　以下に、本発明にかかる生体酸化の評価方法の実施の形態（第１実施形態）、本発明にかかる生体酸化評価装置、生体酸化評価方法、生体酸化評価プログラム、記録媒体、生体酸化評価システム、および情報通信端末装置の実施の形態（第２実施形態）、ならびに本発明にかかる生体酸化の予防・改善物質の探索方法の実施の形態（第３実施形態）を、図面に基づいて詳細に説明する。なお、本実施の形態により本発明が限定されるものではない。
［第１実施形態］
［１－１．本発明の概要］
　ここでは、本発明にかかる生体酸化の評価方法の概要について図１を参照して説明する。図１は本発明の基本原理を示す原理構成図である。
　まず、評価対象（例えば動物やヒトなどの個体）から採取した血液（例えば血漿、血清などを含む）中のアミノ酸の濃度値に関するアミノ酸濃度データを取得する（ステップＳ１１）。なお、ステップＳ１１では、例えば、アミノ酸濃度測定を行う企業等が測定したアミノ酸濃度データを取得してもよく、また、評価対象から採取した血液から、例えば以下の（Ａ）または（Ｂ）などの測定方法でアミノ酸濃度データを測定することでアミノ酸濃度データを取得してもよい。ここで、アミノ酸濃度の単位は、例えばモル濃度や重量濃度、これらの濃度に任意の定数を加減乗除することで得られるものでもよい。
（Ａ）採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで－８０℃で凍結保存した。アミノ酸濃度測定時には、アセトニトリルを添加し除蛋白処理を行った後、標識試薬（３－アミノピリジル－Ｎ－ヒドロキシスクシンイミジルカルバメート）を用いてプレカラム誘導体化を行い、そして、液体クロマトグラフ質量分析計（ＬＣ－ＭＳ）によりアミノ酸濃度を分析した（国際公開第２００３／０６９３２８号、国際公開第２００５／１１６６２９号を参照）。
（Ｂ）採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで－８０℃で凍結保存した。アミノ酸濃度測定時には、スルホサリチル酸を添加し除蛋白処理を行った後、ニンヒドリン試薬を用いたポストカラム誘導体化法を原理としたアミノ酸分析計によりアミノ酸濃度を分析した。
　つぎに、ステップＳ１１で取得したアミノ酸濃度データに基づいて、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する（ステップＳ１２）。
　以上、本発明によれば、評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得し、取得した評価対象のアミノ酸濃度データに基づいて、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する。これにより、血液中のアミノ酸の濃度を利用して、生体酸化の状態を精度よく評価することができる。
　ここで、ステップＳ１２を実行する前に、ステップＳ１１で取得したアミノ酸濃度データから欠損値や外れ値などのデータを除去してもよい。これにより、生体酸化の状態をさらに精度よく評価することができる。
　また、ステップＳ１２では、ステップＳ１１で取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つの濃度値に基づいて、評価対象につき、生体酸化の状態を評価してもよい。これにより、血液中のアミノ酸の濃度のうち生体酸化の状態と関連するアミノ酸の濃度を利用して、生体酸化の状態を精度よく評価することができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の３群判別または４群判別に有用なアミノ酸の濃度を利用して、これらの判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの濃度値に基づいて、評価対象につき、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　また、ステップＳ１２では、ステップＳ１１で取得したアミノ酸濃度データ、およびアミノ酸の濃度を変数として含む予め設定した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対象につき、生体酸化の状態を評価してもよい。これにより、アミノ酸の濃度を変数として含む多変量判別式で得られる判別値を利用して、生体酸化の状態を精度よく評価することができる。
　なお、多変量判別式は、ロジスティック回帰式、分数式、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、決定木で作成された式のいずれか１つでもよい。これにより、アミノ酸の濃度を変数として含む多変量判別式で得られる判別値を利用して、生体酸化の状態をさらに精度よく評価することができる。
　また、ステップＳ１２では、ステップＳ１１で取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、生体酸化の状態を評価してもよい。これにより、生体酸化の状態と有意な相関がある多変量判別式で得られる判別値を利用して、生体酸化の状態を精度よく評価することができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の３群判別または４群判別に有用な多変量判別式で得られる判別値を利用して、これらの判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｇｌｎ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｏｒｎ，Ｌｅｕを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｓｅｒ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ａｌａ，Ｃｉｔ，Ｔｙｒを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｔｈｒ，Ａｒｇ，Ｏｒｎを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｃｉｔ，Ｉｌｅ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｈｉｓ，Ａｌａ，ＡＢＡ，Ｏｒｎ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｇｌｎ，Ａｌａ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｉｌｅを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　ここで、上記した各多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法または本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する第２実施形態に記載の多変量判別式作成処理）で作成してもよい。なお、これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を生体酸化の状態評価に好適に用いることができる。
　また、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し、例えば分数式、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、決定木などを包含する。また、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、正準判別関数においては各変数に係数および定数項が付加されるが、この場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判別を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値、さらに好ましくはデータから判別を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であればかまわない。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、重回帰分析など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。
　なお、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ及び／又は当該分数式の分母がアミノ酸ａ，ｂ，ｃ，・・・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アミノ酸にはそれぞれ適当な係数がついてもかまわない。また、分子や分母に用いられるアミノ酸は重複してもかまわない。また、各分数式に適当な係数がついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかまわない。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ので、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。
　そして、本発明は、生体酸化の状態評価を行う際、アミノ酸の濃度以外に、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）をさらに用いてもかまわない。また、本発明は、生体酸化の状態評価を行う際、多変量判別式における変数として、アミノ酸の濃度以外に、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）をさらに用いてもかまわない。
［１－２．第１実施形態にかかる生体酸化の評価方法］
　ここでは、第１実施形態にかかる生体酸化の評価方法について図２を参照して説明する。図２は、第１実施形態にかかる生体酸化の評価方法の一例を示すフローチャートである。
　まず、動物やヒトなどの個体から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得する（ステップＳＡ１１）。なお、ステップＳＡ１１では、例えば、アミノ酸濃度測定を行う企業等が測定したアミノ酸濃度データを取得してもよく、また、評価対象から採取した血液から例えば上述した（Ａ）または（Ｂ）などの測定方法でアミノ酸濃度データを測定することでアミノ酸濃度データを取得してもよい。
　つぎに、ステップＳＡ１１で取得した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去する（ステップＳＡ１２）。
　つぎに、ステップＳＡ１２で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データに基づいて、個体につき、以下に示す１１．～１９．の判別のいずれか１つを実行する（ステップＳＡ１３）。
１１．酸化ストレス度と抗酸化力に関する３群判別または４群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別する。
１２．酸化ストレス度と抗酸化力に関する第１の２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの濃度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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別する。
１３．酸化ストレス度と抗酸化力に関する第２の２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの濃度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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する。
１４．酸化ストレス度と抗酸化力に関する第３の２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの濃度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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する。
１５．酸化ストレス度と抗酸化力に関する第４の２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの濃度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、個体につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する。
１６．酸化ストレス度と抗酸化力に関する第５の２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの濃度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、個体につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する。
１７．酸化ストレス度と抗酸化力に関する第６の２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの濃度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、個体につき、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する。
１８．酸化ストレス度に関する２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの濃度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、個体につき、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別する。
１９．抗酸化力に関する２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの濃度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、個体につき、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別する。
［１－３．第１実施形態のまとめ、およびその他の実施形態］
　以上、詳細に説明したように、第１実施形態にかかる生体酸化の評価方法によれば、（ｉ）個体から採取した血液中のアミノ酸濃度データを取得し、（ｉｉ）取得した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去し、（ｉｉｉ）欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データに基づいて、個体につき、上述した１１．～１９．の判別のいずれか１つを実行する。これにより、血液中のアミノ酸の濃度のうち、上述した状態間の２群判別、３群判別または４群判別に有用なアミノ酸の濃度を利用して、これらの判別を精度よく行うことができる。また、上述した状態間の２群判別、３群判別または４群判別に有用な多変量判別式で得られる判別値を利用して、これらの判別を精度よく行うことができる。
　ここで、ステップＳＡ１３で用いられる多変量判別式は、ロジスティック回帰式、分数式、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、決定木で作成された式のいずれか１つでもよい。これにより、上述した状態間の２群判別、３群判別または４群判別に有用な多変量判別式で得られる判別値を利用して、これらの判別をさらに精度よく行うことができる。
　具体的には、上述した１２．の判別で用いられる多変量判別式は、Ｇｌｎ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｏｒｎ，Ｌｅｕを変数として含むロジスティック回帰式でもよい。これにより、上述した１２．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した１３．の判別で用いられる多変量判別式は、Ｓｅｒ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。これにより、上述した１３．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した１４．の判別で用いられる多変量判別式は、Ａｌａ，Ｃｉｔ，Ｔｙｒを変数として含むロジスティック回帰式でもよい。これにより、上述した１４．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した１５．の判別で用いられる多変量判別式は、Ｔｈｒ，Ａｒｇ，Ｏｒｎを変数として含むロジスティック回帰式でもよい。これにより、上述した１５．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した１６．の判別で用いられる多変量判別式は、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｃｉｔ，Ｉｌｅ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。これにより、上述した１６．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した１７．の判別で用いられる多変量判別式は、Ｈｉｓ，Ａｌａ，ＡＢＡ，Ｏｒｎ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。これにより、上述した１７．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した１８．の判別で用いられる多変量判別式は、Ｇｌｎ，Ａｌａ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｉｌｅを変数として含むロジスティック回帰式でもよい。これにより、上述した１８．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した１９．の判別で用いられる多変量判別式は、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。これにより、上述した１９．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　なお、上記した各多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法または本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する第２実施形態に記載の多変量判別式作成処理）で作成してもよい。なお、これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を生体酸化の状態評価に好適に用いることができる。
［第２実施形態］
［２－１．本発明の概要］
　ここでは、本発明にかかる生体酸化評価装置、生体酸化評価方法、生体酸化評価プログラム、記録媒体、生体酸化評価システム、および情報通信端末装置の概要について、図３を参照して説明する。図３は本発明の基本原理を示す原理構成図である。
　まず、本発明は、制御部で、アミノ酸の濃度値に関する予め取得した評価対象（例えば動物やヒトなどの個体）のアミノ酸濃度データ、およびアミノ酸の濃度を変数する記憶部で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出する（ステップＳ２１）。
　つぎに、本発明は、制御部で、ステップＳ２１で算出した判別値に基づいて、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する（ステップＳ２２）。
　以上、本発明によれば、評価対象のアミノ酸濃度データ、およびアミノ酸の濃度を変数として含む多変量判別式に基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する。これにより、アミノ酸の濃度を変数として含む多変量判別式で得られる判別値を利用して、生体酸化の状態を精度よく評価することができる。
　なお、多変量判別式は、ロジスティック回帰式、分数式、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、決定木で作成された式のいずれか１つでもよい。これにより、アミノ酸の濃度を変数として含む多変量判別式で得られる判別値を利用して、生体酸化の状態をさらに精度よく評価することができる。
　また、ステップＳ２１では、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、生体酸化の状態を評価してもよい。これにより、生体酸化の状態と有意な相関がある多変量判別式で得られる判別値を利用して、生体酸化の状態を精度よく評価することができる。
　具体的には、ステップＳ２１では、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の３群判別または４群判別に有用な多変量判別式で得られる判別値を利用して、これらの判別を精度よく行うことができる。
　具体的には、ステップＳ２１では、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｇｌｎ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｏｒｎ，Ｌｅｕを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、ステップＳ２１では、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｓｅｒ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、ステップＳ２１では、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ａｌａ，Ｃｉｔ，Ｔｙｒを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、ステップＳ２１では、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｔｈｒ，Ａｒｇ，Ｏｒｎを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、ステップＳ２１では、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｃｉｔ，Ｉｌｅ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、ステップＳ２１では、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｈｉｓ，Ａｌａ，ＡＢＡ，Ｏｒｎ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、ステップＳ２１では、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｇｌｎ，Ａｌａ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｉｌｅを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、ステップＳ２１では、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、ステップＳ２２では、ステップＳ２１で算出した判別値に基づいて、評価対象につき、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　ここで、上記した各多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法または本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する多変量判別式作成処理）で作成してもよい。なお、これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を生体酸化の状態評価に好適に用いることができる。
　また、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し、例えば分数式、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、決定木などを包含する。また、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、正準判別関数においては各変数に係数および定数項が付加されるが、この場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判別を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値、さらに好ましくはデータから判別を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であればかまわない。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、重回帰分析など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。
　なお、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ及び／又は当該分数式の分母がアミノ酸ａ，ｂ，ｃ，・・・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アミノ酸にはそれぞれ適当な係数がついてもかまわない。また、分子や分母に用いられるアミノ酸は重複してもかまわない。また、各分数式に適当な係数がついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかまわない。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ので、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。
　そして、本発明は、生体酸化の状態評価を行う際、アミノ酸の濃度以外に、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）をさらに用いてもかまわない。また、本発明は、生体酸化の状態評価を行う際、多変量判別式における変数として、アミノ酸の濃度以外に、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）をさらに用いてもかまわない。
　ここで、多変量判別式作成処理（工程１～工程４）の概要について詳細に説明する。なお、ここで説明する処理はあくまでも一例であり、多変量判別式の作成方法はこれに限定されない。
　まず、本発明は、制御部で、アミノ酸濃度データと生体酸化の状態を表す指標に関する生体酸化状態指標データとを含む記憶部で記憶した生体酸化状態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、ｙ＝ａ１ｘ１＋ａ２ｘ２＋・・・＋ａｎｘｎ、ｙ：生体酸化状態指標データ、ｘｉ：アミノ酸濃度データ、ａｉ：定数、ｉ＝１，２，・・・，ｎ）を作成する（工程１）。なお、事前に、生体酸化状態情報から欠損値や外れ値などを持つデータを除去してもよい。
　なお、工程１において、生体酸化状態情報から、複数の異なる式作成手法（主成分分析や判別分析、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、決定木など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、多数の健常群（具体的には酸化ストレス度および抗酸化力が共に正常な群）および生体酸化群（具体的には、酸化ストレス度および抗酸化力のうち少なくとも一方が正常でない群）から得た血液を分析して得たアミノ酸濃度データおよび生体酸化状態指標データから構成される多変量データである生体酸化状態情報に対して、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およ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生体酸化状態情報を変換し、変換した生体酸化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、全てのアミノ酸濃度データの分散を最大にするような各アミノ酸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アミノ酸濃度データの分散に対する比を最小にするような各アミノ酸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アミノ酸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、全てのアミノ酸濃度データからの距離の和を最小にするような各アミノ酸変数からなる高次式である。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アミノ酸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、各アミノ酸濃度データの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、入力されたアミノ酸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アミノ酸変数を選択する手法である。また、クラスター解析とは、全てのアミノ酸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、アミノ酸変数に序列をつけて、序列が上位であるアミノ酸変数の取りうるパターンからアミノ酸濃度データの群を予測する手法である。
　多変量判別式作成処理の説明に戻り、本発明は、制御部で、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（工程２）。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、ブートストラップ法やホールドアウト法、Ｎ－フォールド法、リーブワンアウト法などのうち少なくとも１つに基づいて候補多変量判別式の判別率や感度、特異度、情報量基準、ＲＯＣ＿ＡＵＣ（受信者特性曲線の曲線下面積）などのうち少なくとも１つに関して検証してもよい。これにより、生体酸化状態情報や診断条件を考慮した予測性また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。
　ここで、判別率とは、全入力データの中で、本発明で評価した生体酸化の状態が正しい割合である。また、感度とは、入力データに記載された生体酸化の状態になっているものの中で、本発明で評価した生体酸化の状態が正しい割合である。また、特異度とは、入力データに記載された生体酸化の状態が正常になっているものの中で、本発明で評価した生体酸化の状態が正しい割合である。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アミノ酸変数の数と、本発明で評価した生体酸化の状態および入力データに記載された生体酸化の状態の差異と、を足し合わせたものである。また、ＲＯＣ＿ＡＵＣ（受信者特性曲線の曲線下面積）は、２次元座標上に（ｘ，ｙ）＝（１－特異度，感度）をプロットして作成される曲線である受信者特性曲線（ＲＯＣ）の曲線下面積として定義され、ＲＯＣ＿ＡＵＣの値は完全な判別では１となり、この値が１に近いほど判別性が高いことを示す。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や感度、特異性を平均したものである。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や感度、特異性の分散である。
　多変量判別式作成処理の説明に戻り、本発明は、制御部で、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（ただし、工程２での検証結果を考慮せず、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してもよい。）、候補多変量判別式を作成する際に用いる生体酸化状態情報に含まれるアミノ酸濃度データの組み合わせを選択する（工程３）。アミノ酸変数の選択は、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アミノ酸変数を適切に選択することができる。そして、工程３で選択したアミノ酸濃度データを含む生体酸化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、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アミノ酸変数を選択してもよい。
　ここで、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である。
　多変量判別式作成処理の説明に戻り、本発明は、制御部で、上述した工程１、工程２および工程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（工程４）。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、多変量判別式作成処理では、生体酸化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およ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、生体酸化の状態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、アミノ酸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、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、クラスター解析などを用いることができる。
［２－２．システム構成］
　ここでは、第２実施形態にかかる生体酸化評価システム（以下では本システムと記す場合がある。）の構成について、図４から図２０を参照して説明する。なお、本システムはあくまでも一例であり、本発明はこれに限定されない。
　まず、本システムの全体構成について図４および図５を参照して説明する。図４は本システムの全体構成の一例を示す図である。また、図５は本システムの全体構成の他の一例を示す図である。本システムは、図４に示すように、評価対象につき、生体酸化の状態評価を行う生体酸化評価装置１００と、アミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供するクライアント装置２００（本発明の情報通信端末装置に相当）とを、ネットワーク３００を介して通信可能に接続して構成されている。
　なお、本システムは、図５に示すように、生体酸化評価装置１００やクライアント装置２００の他に、生体酸化評価装置１００で多変量判別式を作成する際に用いる生体酸化状態情報や、生体酸化の状態評価を行うために用いる多変量判別式などを格納したデータベース装置４００を、ネットワーク３００を介して通信可能に接続して構成されてもよい。これにより、ネットワーク３００を介して、生体酸化評価装置１００からクライアント装置２００やデータベース装置４００へ、あるいはクライアント装置２００やデータベース装置４００から生体酸化評価装置１００へ、生体酸化の状態に関する情報などが提供される。ここで、生体酸化の状態に関する情報とは、ヒトを含む生物の生体酸化の状態に関する特定の項目（具体的には酸化ストレス度や抗酸化力など）について測定した値に関する情報である。また、生体酸化の状態に関する情報は、生体酸化評価装置１００やクライアント装置２００や他の装置（例えば各種の計測装置等）で生成され、主にデータベース装置４００に蓄積される。
　つぎに、本システムの生体酸化評価装置１００の構成について図６から図１８を参照して説明する。図６は、本システムの生体酸化評価装置１００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
　生体酸化評価装置１００は、当該生体酸化評価装置を統括的に制御するＣＰＵ等の制御部１０２と、ルータ等の通信装置および専用線等の有線または無線の通信回線を介して当該生体酸化評価装置をネットワーク３００に通信可能に接続する通信インターフェース部１０４と、各種のデータベースやテーブルやファイルなどを格納する記憶部１０６と、入力装置１１２や出力装置１１４に接続する入出力インターフェース部１０８と、で構成されており、これら各部は任意の通信路を介して通信可能に接続されている。ここで、生体酸化評価装置１００は、各種の分析装置（例えばアミノ酸アナライザー等）と同一筐体で構成されてもよい。また、生体酸化評価装置１００の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の付加等に応じてまたは機能負荷に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。すなわち、本明細書の実施形態を任意に組み合わせて実施してもよく、実施形態を選択的に実施してもよい。例えば、処理の一部をＣＧＩ（Ｃｏｍｍｏｎ　Ｇａｔｅｗａｙ　Ｉｎｔｅｒｆａｃｅ）を用いて実現してもよい。
　記憶部１０６は、ストレージ手段であり、例えば、ＲＡＭ・ＲＯＭ等のメモリ装置や、ハードディスクのような固定ディスク装置、フレキシブルディスク、光ディスク等を用いることができる。記憶部１０６には、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え各種処理を行うためのコンピュータプログラムが記録されている。記憶部１０６は、図示の如く、利用者情報ファイル１０６ａと、アミノ酸濃度データファイル１０６ｂと、生体酸化状態情報ファイル１０６ｃと、指定生体酸化状態情報ファイル１０６ｄと、多変量判別式関連情報データベース１０６ｅと、判別値ファイル１０６ｆと、評価結果ファイル１０６ｇと、を格納する。
　利用者情報ファイル１０６ａは、利用者に関する利用者情報を格納する。図７は、利用者情報ファイル１０６ａに格納される情報の一例を示す図である。利用者情報ファイル１０６ａに格納される情報は、図７に示すように、利用者を一意に識別するための利用者ＩＤと、利用者が正当な者であるか否かの認証を行うための利用者パスワードと、利用者の氏名と、利用者の所属する所属先を一意に識別するための所属先ＩＤと、利用者の所属する所属先の部門を一意に識別するための部門ＩＤと、部門名と、利用者の電子メールアドレスと、を相互に関連付けて構成されている。
　図６に戻り、アミノ酸濃度データファイル１０６ｂは、アミノ酸の濃度値に関するアミノ酸濃度データを格納する。図８は、アミノ酸濃度データファイル１０６ｂに格納される情報の一例を示す図である。アミノ酸濃度データファイル１０６ｂに格納される情報は、図８に示すように、評価対象である個体（サンプル）を一意に識別するための個体番号と、アミノ酸濃度データとを相互に関連付けて構成されている。ここで、図８では、アミノ酸濃度データを数値、すなわち連続尺度として扱っているが、アミノ酸濃度データは名義尺度や順序尺度でもよい。なお、名義尺度や順序尺度の場合は、それぞれの状態に対して任意の数値を与えることで解析してもよい。また、アミノ酸濃度データに、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）を組み合わせてもよい。
　図６に戻り、生体酸化状態情報ファイル１０６ｃは、多変量判別式を作成する際に用いる生体酸化状態情報を格納する。図９は、生体酸化状態情報ファイル１０６ｃに格納される情報の一例を示す図である。生体酸化状態情報ファイル１０６ｃに格納される情報は、図９に示すように、個体番号と、生体酸化の状態を表す指標（指標Ｔ１、指標Ｔ２、指標Ｔ３・・・）に関する生体酸化状態指標データ（Ｔ）と、アミノ酸濃度データと、を相互に関連付けて構成されている。ここで、図９では、生体酸化状態指標データおよびアミノ酸濃度データを数値（すなわち連続尺度）として扱っているが、生体酸化状態指標データおよびアミノ酸濃度データは名義尺度や順序尺度でもよい。なお、名義尺度や順序尺度の場合は、それぞれの状態に対して任意の数値を与えることで解析してもよい。また、生体酸化状態指標データは、生体酸化の状態のマーカーとなる既知の単一の状態指標であり、数値データを用いてもよい。
　図６に戻り、指定生体酸化状態情報ファイル１０６ｄは、後述する生体酸化状態情報指定部１０２ｇで指定した生体酸化状態情報を格納する。図１０は、指定生体酸化状態情報ファイル１０６ｄに格納される情報の一例を示す図である。指定生体酸化状態情報ファイル１０６ｄに格納される情報は、図１０に示すように、個体番号と、指定した生体酸化状態指標データと、指定したアミノ酸濃度データと、を相互に関連付けて構成されている。
　図６に戻り、多変量判別式関連情報データベース１０６ｅは、後述する候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を格納する候補多変量判別式ファイル１０６ｅ１と、後述する候補多変量判別式検証部１０２ｈ２での検証結果を格納する検証結果ファイル１０６ｅ２と、後述する変数選択部１０２ｈ３で選択したアミノ酸濃度データの組み合わせを含む生体酸化状態情報を格納する選択生体酸化状態情報ファイル１０６ｅ３と、後述する多変量判別式作成部１０２ｈで作成した多変量判別式を格納する多変量判別式ファイル１０６ｅ４と、で構成される。
　候補多変量判別式ファイル１０６ｅ１は、後述する候補多変量判別式作成部１０２ｈ１で作成した候補多変量判別式を格納する。図１１は、候補多変量判別式ファイル１０６ｅ１に格納される情報の一例を示す図である。候補多変量判別式ファイル１０６ｅ１に格納される情報は、図１１に示すように、ランクと、候補多変量判別式（図１１では、Ｆ１（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）やＦ２（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）、Ｆ３（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）とを相互に関連付けて構成されている。
　図６に戻り、検証結果ファイル１０６ｅ２は、後述する候補多変量判別式検証部１０２ｈ２での検証結果を格納する。図１２は、検証結果ファイル１０６ｅ２に格納される情報の一例を示す図である。検証結果ファイル１０６ｅ２に格納される情報は、図１２に示すように、ランクと、候補多変量判別式（図１２では、Ｆｋ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）やＦｍ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）、Ｆｌ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）と、各候補多変量判別式の検証結果（例えば各候補多変量判別式の評価値）と、を相互に関連付けて構成されている。
　図６に戻り、選択生体酸化状態情報ファイル１０６ｅ３は、後述する変数選択部１０２ｈ３で選択した変数に対応するアミノ酸濃度データの組み合わせを含む生体酸化状態情報を格納する。図１３は、選択生体酸化状態情報ファイル１０６ｅ３に格納される情報の一例を示す図である。選択生体酸化状態情報ファイル１０６ｅ３に格納される情報は、図１３に示すように、個体番号と、後述する生体酸化状態情報指定部１０２ｇで指定した生体酸化状態指標データと、後述する変数選択部１０２ｈ３で選択したアミノ酸濃度データと、を相互に関連付けて構成されている。
　図６に戻り、多変量判別式ファイル１０６ｅ４は、後述する多変量判別式作成部１０２ｈで作成した多変量判別式を格納する。図１４は、多変量判別式ファイル１０６ｅ４に格納される情報の一例を示す図である。多変量判別式ファイル１０６ｅ４に格納される情報は、図１４に示すように、ランクと、多変量判別式（図１４では、Ｆｐ（Ｐｈｅ，・・・）やＦｐ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ）、Ｆｋ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）と、各式作成手法に対応する閾値と、各多変量判別式の検証結果（例えば各多変量判別式の評価値）と、を相互に関連付けて構成されている。
　図６に戻り、判別値ファイル１０６ｆは、後述する判別値算出部１０２ｉで算出した判別値を格納する。図１５は、判別値ファイル１０６ｆに格納される情報の一例を示す図である。判別値ファイル１０６ｆに格納される情報は、図１５に示すように、評価対象である個体（サンプル）を一意に識別するための個体番号と、ランク（多変量判別式を一意に識別するための番号）と、判別値と、を相互に関連付けて構成されている。
　図６に戻り、評価結果ファイル１０６ｇは、後述する判別値基準評価部１０２ｊでの評価結果（具体的には、後述する判別値基準判別部１０２ｊ１での判別結果）を格納する。図１６は、評価結果ファイル１０６ｇに格納される情報の一例を示す図である。評価結果ファイル１０６ｇに格納される情報は、評価対象である個体（サンプル）を一意に識別するための個体番号と、予め取得した評価対象のアミノ酸濃度データと、多変量判別式で算出した判別値と、生体酸化の状態評価に関する評価結果と、を相互に関連付けて構成されている。
　図６に戻り、記憶部１０６には、上述した情報以外にその他情報として、Ｗｅｂサイトをクライアント装置２００に提供するための各種のＷｅｂデータや、ＣＧＩプログラム等が記録されている。Ｗｅｂデータとしては後述する各種のＷｅｂページを表示するためのデータ等があり、これらデータは例えばＨＴＭＬやＸＭＬで記述されたテキストファイルとして形成されている。また、Ｗｅｂデータを作成するための部品用のファイルや作業用のファイルやその他一時的なファイル等も記憶部１０６に記憶される。記憶部１０６には、必要に応じて、クライアント装置２００に送信するための音声をＷＡＶＥ形式やＡＩＦＦ形式の如き音声ファイルで格納したり、静止画や動画をＪＰＥＧ形式やＭＰＥＧ２形式の如き画像ファイルで格納したりすることができる。
　通信インターフェース部１０４は、生体酸化評価装置１００とネットワーク３００（またはルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフェース部１０４は、他の端末と通信回線を介してデータを通信する機能を有する。
　入出力インターフェース部１０８は、入力装置１１２や出力装置１１４に接続する。ここで、出力装置１１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる（なお、以下では、出力装置１１４をモニタ１１４として記載する場合がある。）。入力装置１１２には、キーボードやマウスやマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。
　制御部１０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、これらのプログラムに基づいて種々の情報処理を実行する。制御部１０２は、図示の如く、大別して、要求解釈部１０２ａと閲覧処理部１０２ｂと認証処理部１０２ｃと電子メール生成部１０２ｄとＷｅｂページ生成部１０２ｅと受信部１０２ｆと生体酸化状態情報指定部１０２ｇと多変量判別式作成部１０２ｈと判別値算出部１０２ｉと判別値基準評価部１０２ｊと結果出力部１０２ｋと送信部１０２ｍとを備えている。制御部１０２は、データベース装置４００から送信された生体酸化状態情報やクライアント装置２００から送信されたアミノ酸濃度データに対して、欠損値のあるデータの除去・外れ値の多いデータの除去・欠損値のあるデータの多い変数の除去などのデータ処理も行う。
　要求解釈部１０２ａは、クライアント装置２００やデータベース装置４００からの要求内容を解釈し、その解釈結果に応じて制御部１０２の各部に処理を受け渡す。閲覧処理部１０２ｂは、クライアント装置２００からの各種画面の閲覧要求を受けて、これら画面のＷｅｂデータの生成や送信を行なう。認証処理部１０２ｃは、クライアント装置２００やデータベース装置４００からの認証要求を受けて、認証判断を行う。電子メール生成部１０２ｄは、各種の情報を含んだ電子メールを生成する。Ｗｅｂページ生成部１０２ｅは、利用者がクライアント装置２００で閲覧するＷｅｂページを生成する。
　受信部１０２ｆは、クライアント装置２００やデータベース装置４００から送信された情報（具体的には、アミノ酸濃度データや生体酸化状態情報、多変量判別式など）を、ネットワーク３００を介して受信する。生体酸化状態情報指定部１０２ｇは、多変量判別式を作成するにあたり、対象とする生体酸化状態指標データおよびアミノ酸濃度データを指定する。
　多変量判別式作成部１０２ｈは、受信部１０２ｆで受信した生体酸化状態情報や生体酸化状態情報指定部１０２ｇで指定した生体酸化状態情報に基づいて多変量判別式を作成する。具体的には、多変量判別式作成部１０２ｈは、生体酸化状態情報から、候補多変量判別式作成部１０２ｈ１、候補多変量判別式検証部１０２ｈ２および変数選択部１０２ｈ３を繰り返し実行させることにより蓄積され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、多変量判別式が予め記憶部１０６の所定の記憶領域に格納されている場合には、多変量判別式作成部１０２ｈは、記憶部１０６から所望の多変量判別式を選択することで、多変量判別式を作成してもよい。また、多変量判別式作成部１０２ｈは、多変量判別式を予め格納した他のコンピュータ装置（例えばデータベース装置４００）から所望の多変量判別式を選択しダウンロードすることで、多変量判別式を作成してもよい。
　ここで、多変量判別式作成部１０２ｈの構成について図１７を参照して説明する。図１７は、多変量判別式作成部１０２ｈの構成を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１と、候補多変量判別式検証部１０２ｈ２と、変数選択部１０２ｈ３と、をさらに備えている。候補多変量判別式作成部１０２ｈ１は、生体酸化状態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を作成する。なお、候補多変量判別式作成部１０２ｈ１は、生体酸化状態情報から、複数の異なる式作成手法を併用して複数の候補多変量判別式を作成してもよい。候補多変量判別式検証部１０２ｈ２は、候補多変量判別式作成部１０２ｈ１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する。なお、候補多変量判別式検証部１０２ｈ２は、ブートストラップ法、ホールドアウト法、Ｎ－フォールド法、リーブワンアウト法のうち少なくとも１つに基づいて候補多変量判別式の判別率、感度、特異度、情報量基準、ＲＯＣ＿ＡＵＣ（受信者特性曲線の曲線下面積）のうち少なくとも１つに関して検証してもよい。変数選択部１０２ｈ３は、候補多変量判別式検証部１０２ｈ２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生体酸化状態情報に含まれるアミノ酸濃度データの組み合わせを選択する。なお、変数選択部１０２ｈ３は、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、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変数を選択してもよい。
　図６に戻り、判別値算出部１０２ｉは、多変量判別式作成部１０２ｈで作成した多変量判別式、および受信部１０２ｆで受信した評価対象のアミノ酸濃度データに基づいて、当該多変量判別式の値である判別値を算出する。なお、多変量判別式は、ロジスティック回帰式、分数式、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、決定木で作成された式のいずれか１つでもよい。
　具体的には、判別値基準評価部１０２ｊで生体酸化の状態を評価する場合、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。
　具体的には、後述する判別値基準判別部１０２ｊ１で、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別する場合、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。
　具体的には、判別値基準判別部１０２ｊ１で、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別する場合、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、多変量判別式は、Ｇｌｎ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｏｒｎ，Ｌｅｕを変数として含むロジスティック回帰式でもよい。
　具体的には、判別値基準判別部１０２ｊ１で、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、多変量判別式は、Ｓｅｒ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。
　具体的には、判別値基準判別部１０２ｊ１で、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、多変量判別式は、Ａｌａ，Ｃｉｔ，Ｔｙｒを変数として含むロジスティック回帰式でもよい。
　具体的には、判別値基準判別部１０２ｊ１で、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、多変量判別式は、Ｔｈｒ，Ａｒｇ，Ｏｒｎを変数として含むロジスティック回帰式でもよい。
　具体的には、判別値基準判別部１０２ｊ１で、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、多変量判別式は、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｃｉｔ，Ｉｌｅ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。
　具体的には、判別値基準判別部１０２ｊ１で、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、多変量判別式は、Ｈｉｓ，Ａｌａ，ＡＢＡ，Ｏｒｎ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。
　具体的には、判別値基準判別部１０２ｊ１で、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別する場合、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、多変量判別式は、Ｇｌｎ，Ａｌａ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｉｌｅを変数として含むロジスティック回帰式でもよい。
　具体的には、判別値基準判別部１０２ｊ１で、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別する場合、判別値算出部１０２ｉは、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出してもよい。なお、多変量判別式は、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。
　判別値基準評価部１０２ｊは、判別値算出部１０２ｉで算出した判別値に基づいて、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する。判別値基準評価部１０２ｊは、判別値基準判別部１０２ｊ１をさらに備えている。ここで、判別値基準評価部１０２ｊの構成について図１８を参照して説明する。図１８は、判別値基準評価部１０２ｊの構成を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
　判別値基準判別部１０２ｊ１は、判別値に基づいて、評価対象につき、「酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも２つの状態のうちのいずれであるかの判別（具体的には、６パターンの２群判別のいずれか、３パターンの３群判別のいずれか、または１パターンの４群判別）」、「酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかの判別」、または「抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかの判別」を実行する。具体的には、判別値基準判別部１０２ｊ１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、評価対象につき、これらの判別のうちのいずれか１つを実行する。
　図６に戻り、結果出力部１０２ｋは、制御部１０２の各処理部での処理結果（判別値基準評価部１０２ｊでの評価結果（具体的には判別値基準判別部１０２ｊ１での判別結果）を含む）等を出力装置１１４に出力する。
　送信部１０２ｍは、評価対象のアミノ酸濃度データの送信元のクライアント装置２００に対して評価結果を送信したり、データベース装置４００に対して、生体酸化評価装置１００で作成した多変量判別式や評価結果を送信したりする。
　つぎに、本システムのクライアント装置２００の構成について図１９を参照して説明する。図１９は、本システムのクライアント装置２００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
　クライアント装置２００は、制御部２１０とＲＯＭ２２０とＨＤ２３０とＲＡＭ２４０と入力装置２５０と出力装置２６０と入出力ＩＦ２７０と通信ＩＦ２８０とで構成されており、これら各部は任意の通信路を介して通信可能に接続されている。
　制御部２１０は、Ｗｅｂブラウザ２１１、電子メーラ２１２、受信部２１３、送信部２１４を備えている。Ｗｅｂブラウザ２１１は、Ｗｅｂデータを解釈し、解釈したＷｅｂデータを後述するモニタ２６１に表示するブラウズ処理を行う。なお、Ｗｅｂブラウザ２１１には、ストリーム映像の受信・表示・フィードバック等を行う機能を備えたストリームプレイヤ等の各種のソフトウェアをプラグインしてもよい。電子メーラ２１２は、所定の通信規約（例えば、ＳＭＴＰ（Ｓｉｍｐｌｅ　Ｍａｉｌ　Ｔｒａｎｓｆｅｒ　Ｐｒｏｔｏｃｏｌ）やＰＯＰ３（Ｐｏｓｔ　Ｏｆｆｉｃｅ　Ｐｒｏｔｏｃｏｌ　ｖｅｒｓｉｏｎ　３）等）に従って電子メールの送受信を行う。受信部２１３は、通信ＩＦ２８０を介して、生体酸化評価装置１００から送信された評価結果などの各種情報を受信する。送信部２１４は、通信ＩＦ２８０を介して、評価対象のアミノ酸濃度データなどの各種情報を生体酸化評価装置１００へ送信する。
　入力装置２５０はキーボードやマウスやマイク等である。なお、後述するモニタ２６１もマウスと協働してポインティングデバイス機能を実現する。出力装置２６０は、通信ＩＦ２８０を介して受信した情報を出力する出力手段であり、モニタ（家庭用テレビを含む）２６１およびプリンタ２６２を含む。この他、出力装置２６０にスピーカ等を設けてもよい。入出力ＩＦ２７０は入力装置２５０や出力装置２６０に接続する。
　通信ＩＦ２８０は、クライアント装置２００とネットワーク３００（またはルータ等の通信装置）とを通信可能に接続する。換言すると、クライアント装置２００は、モデムやＴＡやルータなどの通信装置および電話回線を介して、または専用線を介してネットワーク３００に接続される。これにより、クライアント装置２００は、所定の通信規約に従って生体酸化評価装置１００にアクセスすることができる。
　ここで、プリンタ・モニタ・イメージスキャナ等の周辺装置を必要に応じて接続した情報処理装置（例えば、既知のパーソナルコンピュータ・ワークステーション・家庭用ゲーム装置・インターネットＴＶ・ＰＨＳ端末・携帯端末・移動体通信端末・ＰＤＡ等の情報処理端末など）に、Ｗｅｂデータのブラウジング機能や電子メール機能を実現させるソフトウェア（プログラム、データ等を含む）を実装することにより、クライアント装置２００を実現してもよい。
　また、クライアント装置２００の制御部２１０は、制御部２１０で行う処理の全部または任意の一部を、ＣＰＵおよび当該ＣＰＵにて解釈して実行するプログラムで実現してもよい。ＲＯＭ２２０またはＨＤ２３０には、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。当該コンピュータプログラムは、ＲＡＭ２４０にロードされることで実行され、ＣＰＵと協働して制御部２１０を構成する。また、当該コンピュータプログラムは、クライアント装置２００と任意のネットワークを介して接続されるアプリケーションプログラムサーバに記録されてもよく、クライアント装置２００は、必要に応じてその全部または一部をダウンロードしてもよい。また、制御部２１０で行う処理の全部または任意の一部を、ワイヤードロジック等によるハードウェアで実現してもよい。
　つぎに、本システムのネットワーク３００について図４、図５を参照して説明する。ネットワーク３００は、生体酸化評価装置１００とクライアント装置２００とデータベース装置４００とを相互に通信可能に接続する機能を有し、例えばインターネットやイントラネットやＬＡＮ（有線／無線の双方を含む）等である。なお、ネットワーク３００は、ＶＡＮや、パソコン通信網や、公衆電話網（アナログ／デジタルの双方を含む）や、専用回線網（アナログ／デジタルの双方を含む）や、ＣＡＴＶ網や、携帯回線交換網または携帯パケット交換網（ＩＭＴ２０００方式、ＧＳＭ（登録商標）方式またはＰＤＣ／ＰＤＣ－Ｐ方式等を含む）や、無線呼出網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の局所無線網や、ＰＨＳ網や、衛星通信網（ＣＳ、ＢＳまたはＩＳＤＢ等を含む）等でもよい。
　つぎに、本システムのデータベース装置４００の構成について図２０を参照して説明する。図２０は、本システムのデータベース装置４００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
　データベース装置４００は、生体酸化評価装置１００または当該データベース装置で多変量判別式を作成する際に用いる生体酸化状態情報や、生体酸化評価装置１００で作成した多変量判別式、生体酸化評価装置１００での評価結果などを格納する機能を有する。図２０に示すように、データベース装置４００は、当該データベース装置を統括的に制御するＣＰＵ等の制御部４０２と、ルータ等の通信装置および専用線等の有線または無線の通信回路を介して当該データベース装置をネットワーク３００に通信可能に接続する通信インターフェース部４０４と、各種のデータベースやテーブルやファイル（例えばＷｅｂページ用ファイル）などを格納する記憶部４０６と、入力装置４１２や出力装置４１４に接続する入出力インターフェース部４０８と、で構成されており、これら各部は任意の通信路を介して通信可能に接続されている。
　記憶部４０６は、ストレージ手段であり、例えば、ＲＡＭ・ＲＯＭ等のメモリ装置や、ハードディスクのような固定ディスク装置や、フレキシブルディスクや、光ディスク等を用いることができる。記憶部４０６には、各種処理に用いる各種プログラム等を格納する。通信インターフェース部４０４は、データベース装置４００とネットワーク３００（またはルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフェース部４０４は、他の端末と通信回線を介してデータを通信する機能を有する。入出力インターフェース部４０８は、入力装置４１２や出力装置４１４に接続する。ここで、出力装置４１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる（なお、以下で、出力装置４１４をモニタ４１４として記載する場合がある。）。また、入力装置４１２には、キーボードやマウスやマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。
　制御部４０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、これらのプログラムに基づいて種々の情報処理を実行する。制御部４０２は、図示の如く、大別して、要求解釈部４０２ａと閲覧処理部４０２ｂと認証処理部４０２ｃと電子メール生成部４０２ｄとＷｅｂページ生成部４０２ｅと送信部４０２ｆとを備えている。
　要求解釈部４０２ａは、生体酸化評価装置１００からの要求内容を解釈し、その解釈結果に応じて制御部４０２の各部に処理を受け渡す。閲覧処理部４０２ｂは、生体酸化評価装置１００からの各種画面の閲覧要求を受けて、これら画面のＷｅｂデータの生成や送信を行う。認証処理部４０２ｃは、生体酸化評価装置１００からの認証要求を受けて、認証判断を行う。電子メール生成部４０２ｄは、各種の情報を含んだ電子メールを生成する。Ｗｅｂページ生成部４０２ｅは、利用者がクライアント装置２００で閲覧するＷｅｂページを生成する。送信部４０２ｆは、生体酸化状態情報や多変量判別式などの各種情報を、生体酸化評価装置１００へ送信する。
［２－３．本システムの処理］
　ここでは、以上のように構成された本システムで行われる生体酸化評価サービス処理の一例を、図２１を参照して説明する。図２１は、生体酸化評価サービス処理の一例を示すフローチャートである。
　なお、本処理で用いるアミノ酸濃度データは、個体から予め採取した血液（例えば血漿、血清などを含む）を、以下の（Ａ）または（Ｂ）などの測定方法で専門業者が分析又は独自に分析して得たアミノ酸の濃度値に関するものである。ここで、アミノ酸濃度の単位は、例えばモル濃度や重量濃度、これらの濃度に任意の定数を加減乗除することで得られるものでもよい。
（Ａ）採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで－８０℃で凍結保存した。アミノ酸濃度測定時には、アセトニトリルを添加し除蛋白処理を行った後、標識試薬（３－アミノピリジル－Ｎ－ヒドロキシスクシンイミジルカルバメート）を用いてプレカラム誘導体化を行い、そして、液体クロマトグラフ質量分析計（ＬＣ－ＭＳ）によりアミノ酸濃度を分析した（国際公開第２００３／０６９３２８号、国際公開第２００５／１１６６２９号を参照）。
（Ｂ）採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで－８０℃で凍結保存した。アミノ酸濃度測定時には、スルホサリチル酸を添加し除蛋白処理を行った後、ニンヒドリン試薬を用いたポストカラム誘導体化法を原理としたアミノ酸分析計によりアミノ酸濃度を分析した。
　まず、Ｗｅｂブラウザ２１１を表示した画面上で利用者が入力装置２５０を介して生体酸化評価装置１００が提供するＷｅｂサイトのアドレス（ＵＲＬなど）を指定すると、クライアント装置２００は生体酸化評価装置１００へアクセスする。具体的には、利用者がクライアント装置２００のＷｅｂブラウザ２１１の画面更新を指示すると、Ｗｅｂブラウザ２１１は、生体酸化評価装置１００が提供するＷｅｂサイトのアドレスを所定の通信規約で生体酸化評価装置１００へ送信することで、アミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求を、当該アドレスに基づくルーティングで生体酸化評価装置１００へ行う。
　つぎに、生体酸化評価装置１００は、要求解釈部１０２ａで、クライアント装置２００からの送信を受け、当該送信の内容を解析し、解析結果に応じて制御部１０２の各部に処理を移す。具体的には、送信の内容がアミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求であった場合、生体酸化評価装置１００は、主として閲覧処理部１０２ｂで、記憶部１０６の所定の記憶領域に格納されている当該Ｗｅｂページを表示するためのＷｅｂデータを取得し、取得したＷｅｂデータをクライアント装置２００へ送信する。より具体的には、利用者からアミノ酸濃度データ送信画面に対応するＷｅｂページの送信要求があった場合、生体酸化評価装置１００は、まず、制御部１０２で、利用者ＩＤや利用者パスワードの入力を利用者に対して求める。そして、利用者ＩＤやパスワードが入力されると、生体酸化評価装置１００は、認証処理部１０２ｃで、入力された利用者ＩＤやパスワードと利用者情報ファイル１０６ａに格納されている利用者ＩＤや利用者パスワードとの認証判断を行う。そして、生体酸化評価装置１００は、認証可の場合にのみ、閲覧処理部１０２ｂで、アミノ酸濃度データ送信画面に対応するＷｅｂページを表示するためのＷｅｂデータをクライアント装置２００へ送信する。なお、クライアント装置２００の特定は、クライアント装置２００から送信要求と共に送信されたＩＰアドレスで行う。
　つぎに、クライアント装置２００は、生体酸化評価装置１００から送信されたＷｅｂデータ（アミノ酸濃度データ送信画面に対応するＷｅｂページを表示するためのもの）を受信部２１３で受信し、受信したＷｅｂデータをＷｅｂブラウザ２１１で解釈し、モニタ２６１にアミノ酸濃度データ送信画面を表示する。
　つぎに、モニタ２６１に表示されたアミノ酸濃度データ送信画面に対し利用者が入力装置２５０を介して個体のアミノ酸濃度データなどを入力・選択すると、クライアント装置２００は、送信部２１４で、入力情報や選択事項を特定するための識別子を生体酸化評価装置１００へ送信することで、評価対象の個体のアミノ酸濃度データを生体酸化評価装置１００へ送信する（ステップＳＡ２１）。なお、ステップＳＡ２１におけるアミノ酸濃度データの送信は、ＦＴＰ等の既存のファイル転送技術等により実現してもよい。
　つぎに、生体酸化評価装置１００は、要求解釈部１０２ａで、クライアント装置２００から送信された識別子を解釈することによりクライアント装置２００の要求内容を解釈し、生体酸化の状態評価用の多変量判別式（具体的には、酸化ストレス度と抗酸化力に関する３群判別または４群判別用の多変量判別式、酸化ストレス度と抗酸化力に関する２群判別用の多変量判別式、酸化ストレス度に関する２群判別用の多変量判別式、または抗酸化力に関する２群判別用の多変量判別式）の送信要求をデータベース装置４００へ行う。
　つぎに、データベース装置４００は、要求解釈部４０２ａで、生体酸化評価装置１００からの送信要求を解釈し、記憶部４０６の所定の記憶領域に格納した多変量判別式（例えばアップデートされた最新のもの）を生体酸化評価装置１００へ送信する（ステップＳＡ２２）。
　例えば、ステップＳＡ２６にて、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別する場合、ステップＳＡ２２では、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つを変数として含む多変量判別式を生体酸化評価装置１００へ送信する。
　また、ステップＳＡ２６にて、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別する場合、ステップＳＡ２２では、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式を生体酸化評価装置１００へ送信する。
　また、ステップＳＡ２６にて、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、ステップＳＡ２２では、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式を生体酸化評価装置１００へ送信する。
　また、ステップＳＡ２６にて、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、ステップＳＡ２２では、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式を生体酸化評価装置１００へ送信する。
　また、ステップＳＡ２６にて、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、ステップＳＡ２２では、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式を生体酸化評価装置１００へ送信する。
　また、ステップＳＡ２６にて、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、ステップＳＡ２２では、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式を生体酸化評価装置１００へ送信する。
　また、ステップＳＡ２６にて、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、ステップＳＡ２２では、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つを変数として含む多変量判別式を生体酸化評価装置１００へ送信する。
　また、ステップＳＡ２６にて、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別する場合、ステップＳＡ２２では、Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つを変数として含む多変量判別式を生体酸化評価装置１００へ送信する。
　また、ステップＳＡ２６にて、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別する場合、ステップＳＡ２２では、Ｇｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つを変数として含む多変量判別式を生体酸化評価装置１００へ送信する。
　つぎに、生体酸化評価装置１００は、受信部１０２ｆで、クライアント装置２００から送信された個体のアミノ酸濃度データおよびデータベース装置４００から送信された多変量判別式を受信し、受信したアミノ酸濃度データをアミノ酸濃度データファイル１０６ｂの所定の記憶領域に格納すると共に、受信した多変量判別式を多変量判別式ファイル１０６ｅ４の所定の記憶領域に格納する（ステップＳＡ２３）。
　つぎに、生体酸化評価装置１００は、制御部１０２で、ステップＳＡ２３で受信した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去する（ステップＳＡ２４）。
　つぎに、生体酸化評価装置１００は、判別値算出部１０２ｉで、ステップＳＡ２４で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データ、およびステップＳＡ２３で受信した多変量判別式に基づいて、判別値を算出する（ステップＳＡ２５）。
　具体的には、ステップＳＡ２６にて、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別する場合、生体酸化評価装置１００は、判別値算出部１０２ｉで、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出する。
　また、ステップＳＡ２６にて、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別する場合、生体酸化評価装置１００は、判別値算出部１０２ｉで、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出する。
　また、ステップＳＡ２６にて、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、生体酸化評価装置１００は、判別値算出部１０２ｉで、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出する。
　また、ステップＳＡ２６にて、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、生体酸化評価装置１００は、判別値算出部１０２ｉで、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出する。
　また、ステップＳＡ２６にて、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、生体酸化評価装置１００は、判別値算出部１０２ｉで、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出する。
　また、ステップＳＡ２６にて、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、生体酸化評価装置１００は、判別値算出部１０２ｉで、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出する。
　また、ステップＳＡ２６にて、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、生体酸化評価装置１００は、判別値算出部１０２ｉで、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出する。
　また、ステップＳＡ２６にて、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別する場合、生体酸化評価装置１００は、判別値算出部１０２ｉで、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出する。
　また、ステップＳＡ２６にて、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別する場合、生体酸化評価装置１００は、判別値算出部１０２ｉで、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出する。
　つぎに、生体酸化評価装置１００は、判別値基準判別部１０２ｊ１で、ステップＳＡ２５で算出した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、個体につき、以下に示す２１．～２９．の判別のいずれか１つを実行し、その判別結果を評価結果ファイル１０６ｇの所定の記憶領域に格納する（ステップＳＡ２６）。
２１．酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかの判別
２２．酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかの判別
２３．酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかの判別
２４．酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかの判別
２５．酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかの判別
２６．酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかの判別
２７．酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかの判別
２８．酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかの判別
２９．抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかの判別
　つぎに、生体酸化評価装置１００は、送信部１０２ｍで、ステップＳＡ２６で得た判別結果を、アミノ酸濃度データの送信元のクライアント装置２００とデータベース装置４００とへ送信する（ステップＳＡ２７）。具体的には、まず、生体酸化評価装置１００は、Ｗｅｂページ生成部１０２ｅで、判別結果を表示するためのＷｅｂページを作成し、作成したＷｅｂページに対応するＷｅｂデータを記憶部１０６の所定の記憶領域に格納する。ついで、利用者がクライアント装置２００のＷｅｂブラウザ２１１に入力装置２５０を介して所定のＵＲＬを入力し上述した認証を経た後、クライアント装置２００は、当該Ｗｅｂページの閲覧要求を生体酸化評価装置１００へ送信する。ついで、生体酸化評価装置１００は、閲覧処理部１０２ｂで、クライアント装置２００から送信された閲覧要求を解釈し、判別結果を表示するためのＷｅｂページに対応するＷｅｂデータを記憶部１０６の所定の記憶領域から読み出す。そして、生体酸化評価装置１００は、送信部１０２ｍで、読み出したＷｅｂデータをクライアント装置２００へ送信すると共に、当該Ｗｅｂデータ又は判別結果をデータベース装置４００へ送信する。
　ここで、ステップＳＡ２７において、生体酸化評価装置１００は、制御部１０２で、判別結果を電子メールで利用者のクライアント装置２００へ通知してもよい。具体的には、まず、生体酸化評価装置１００は、電子メール生成部１０２ｄで、利用者ＩＤなどを基にして利用者情報ファイル１０６ａに格納されている利用者情報を送信タイミングに従って参照し、利用者の電子メールアドレスを取得する。ついで、生体酸化評価装置１００は、電子メール生成部１０２ｄで、取得した電子メールアドレスを宛て先とし利用者の氏名および判別結果を含む電子メールに関するデータを生成する。ついで、生体酸化評価装置１００は、送信部１０２ｍで、生成した当該データを利用者のクライアント装置２００へ送信する。
　また、ステップＳＡ２７において、生体酸化評価装置１００は、ＦＴＰ等の既存のファイル転送技術等で、判別結果を利用者のクライアント装置２００へ送信してもよい。
　図２１の説明に戻り、データベース装置４００は、制御部４０２で、生体酸化評価装置１００から送信された判別結果またはＷｅｂデータを受信し、受信した判別結果またはＷｅｂデータを記憶部４０６の所定の記憶領域に保存（蓄積）する（ステップＳＡ２８）。
　また、クライアント装置２００は、受信部２１３で、生体酸化評価装置１００から送信されたＷｅｂデータを受信し、受信したＷｅｂデータをＷｅｂブラウザ２１１で解釈し、個体の判別結果が記されたＷｅｂページの画面をモニタ２６１に表示する（ステップＳＡ２９）。なお、判別結果が生体酸化評価装置１００から電子メールで送信された場合には、クライアント装置２００は、電子メーラ２１２の公知の機能で、生体酸化評価装置１００から送信された電子メールを任意のタイミングで受信し、受信した電子メールをモニタ２６１に表示する。
　以上により、利用者は、モニタ２６１に表示されたＷｅｂページを閲覧することで、上述した２１．～２９．の判別のいずれか１つに関する個体の判別結果を確認することができる。なお、利用者は、モニタ２６１に表示されたＷｅｂページの表示内容をプリンタ２６２で印刷してもよい。
　また、判別結果が生体酸化評価装置１００から電子メールで送信された場合には、利用者は、モニタ２６１に表示された電子メールを閲覧することで、上述した２１．～２９．の判別のいずれか１つに関する個体の判別結果を確認することができる。利用者は、モニタ２６１に表示された電子メールの表示内容をプリンタ２６２で印刷してもよい。
　これにて、生体酸化評価サービス処理の説明を終了する。
［２－４．第２実施形態のまとめ、およびその他の実施形態］
　以上、詳細に説明したように、生体酸化評価システムによれば、クライアント装置２００は個体のアミノ酸濃度データを生体酸化評価装置１００へ送信し、データベース装置４００は生体酸化評価装置１００からの要求を受けて、上述した２１．～２９．の判別のいずれか１つの判別用の多変量判別式を生体酸化評価装置１００へ送信する。そして、生体酸化評価装置１００は、（１）クライアント装置２００からアミノ酸濃度データを受信すると共にデータベース装置４００から多変量判別式を受信し、（２）受信したアミノ酸濃度データおよび多変量判別式に基づいて判別値を算出し、（３）算出した判別値と予め設定した閾値とを比較することで個体につき、上述した２１．～２９．の判別のいずれか１つを実行し、（４）この判別結果をクライアント装置２００やデータベース装置４００へ送信する。そして、クライアント装置２００は生体酸化評価装置１００から送信された判別結果を受信して表示し、データベース装置４００は生体酸化評価装置１００から送信された判別結果を受信して格納する。これにより、また、上述した状態間の２群判別、３群判別または４群判別に有用な多変量判別式で得られる判別値を利用して、これらの判別を精度よく行うことができる。
　ここで、生体酸化評価システムによれば、ステップＳＡ２５で用いられる多変量判別式は、ロジスティック回帰式、分数式、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、決定木で作成された式のいずれか１つでもよい。これにより、上述した状態間の２群判別、３群判別または４群判別に有用な多変量判別式で得られる判別値を利用して、これらの判別をさらに精度よく行うことができる。
　具体的には、ステップＳＡ２６にて、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別する場合、ステップＳＡ２５で用いられる多変量判別式は、Ｇｌｎ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｏｒｎ，Ｌｅｕを変数として含むロジスティック回帰式でもよい。これにより、上述した２２．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、ステップＳＡ２６にて、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、ステップＳＡ２５で用いられる多変量判別式は、Ｓｅｒ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。これにより、上述した２３．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、ステップＳＡ２６にて、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、ステップＳＡ２５で用いられる多変量判別式は、Ａｌａ，Ｃｉｔ，Ｔｙｒを変数として含むロジスティック回帰式でもよい。これにより、上述した２４．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、ステップＳＡ２６にて、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、ステップＳＡ２５で用いられる多変量判別式は、Ｔｈｒ，Ａｒｇ，Ｏｒｎを変数として含むロジスティック回帰式でもよい。これにより、上述した２５．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、ステップＳＡ２６にて、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、ステップＳＡ２５で用いられる多変量判別式は、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｃｉｔ，Ｉｌｅ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。これにより、上述した２６．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、ステップＳＡ２６にて、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する場合、ステップＳＡ２５で用いられる多変量判別式は、Ｈｉｓ，Ａｌａ，ＡＢＡ，Ｏｒｎ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。これにより、上述した２７．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、ステップＳＡ２６にて、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別する場合、ステップＳＡ２５で用いられる多変量判別式は、Ｇｌｎ，Ａｌａ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｉｌｅを変数として含むロジスティック回帰式でもよい。これにより、上述した２８．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、ステップＳＡ２６にて、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別する場合、ステップＳＡ２５で用いられる多変量判別式は、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。これにより、上述した２９．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　なお、上記した各多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法または本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（後述する多変量判別式作成処理）で作成してもよい。なお、これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を生体酸化の状態評価に好適に用いることができる。
　また、本発明にかかる生体酸化評価装置、生体酸化評価方法、生体酸化評価プログラム、記録媒体、生体酸化評価システム、および情報通信端末装置は、上述した第２実施形態以外にも、特許請求の範囲に記載した技術的思想の範囲内において種々の異なる実施形態にて実施されてよいものである。例えば、上述した第２実施形態で説明した各処理のうち、自動的に行なわれるものとして説明した処理の全部または一部を手動的に行うこともでき、手動的に行なわれるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種の登録データおよび検索条件等のパラメータを含む情報、画面例、データベース構成については、特記する場合を除いて任意に変更することができる。例えば、生体酸化評価装置１００に関して、図示の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。また、生体酸化評価装置１００の各部または各装置が備える処理機能（特に制御部１０２にて行なわれる各処理機能）については、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）および当該ＣＰＵにて解釈実行されるプログラムにて、その全部または任意の一部を実現してもよく、また、ワイヤードロジックによるハードウェアとして実現してもよい。また、生体酸化評価装置１００は、既知のパーソナルコンピュータ、ワークステーション等の情報処理装置として構成してもよく、また、該情報処理装置に任意の周辺装置を接続して構成してもよい。また、生体酸化評価装置１００は、該情報処理装置に本発明の方法を実現させるソフトウェア（プログラム、データ等を含む）を実装することにより実現してもよい。
　ここで、「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、必要に応じて生体酸化評価装置１００に機械的に読み取られる。すなわち、ＲＯＭまたはＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）などの記憶部１０６などには、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。このコンピュータプログラムは、ＲＡＭにロードされることによって実行され、ＣＰＵと協働して制御部を構成する。また、このコンピュータプログラムは、生体酸化評価装置１００に対して任煮のネットワーク３００を介して接続されたアプリケーションプログラムサーバに記憶されていてもよく、必要に応じてその全部又は一部をダウンロードすることも可能である。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、「記録媒体」とは任意の「可搬用の物理媒体」を含むものとする。なお、「可搬用の物理媒体」とは、メモリーカード、ＵＳＢメモリ、ＳＤカード、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ、およびＢｌｕ－ｒａｙ　Ｄｉｓｃ等である。本発明に係るプログラムを、コンピュータ読み取り可能な記録媒体に格納してもよく、また、プログラム製品として構成することもできる。
　最後に、生体酸化評価装置１００で行う多変量判別式作成処理の一例について図２２を参照して詳細に説明する。なお、ここで説明する処理はあくまでも一例であり、多変量判別式の作成方法はこれに限定されない。図２２は多変量判別式作成処理の一例を示すフローチャートである。なお、当該多変量判別式作成処理は、生体酸化状態情報を管理するデータベース装置４００で行ってもよい。
　なお、本説明では、生体酸化評価装置１００は、データベース装置４００から事前に取得した生体酸化状態情報を、生体酸化状態情報ファイル１０６ｃの所定の記憶領域に格納しているものとする。また、生体酸化評価装置１００は、生体酸化状態情報指定部１０２ｇで事前に指定した生体酸化状態指標データおよびアミノ酸濃度データを含む生体酸化状態情報を、指定生体酸化状態情報ファイル１０６ｄの所定の記憶領域に格納しているものとする。
　まず、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、指定生体酸化状態情報ファイル１０６ｄの所定の記憶領域に格納されている生体酸化状態情報から所定の式作成手法に基づいて候補多変量判別式を作成し、作成した候補多変量判別式を候補多変量判別式ファイル１０６ｅ１の所定の記憶領域に格納する（ステップＳＢ２１）。具体的には、まず、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、複数の異なる式作成手法（主成分分析や判別分析、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、決定木などの多変量解析に関するものを含む。）の中から所望のものを１つ選択し、選択した式作成手法に基づいて、作成する候補多変量判別式の形（式の形）を決定する。つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、生体酸化状態情報に基づいて、選択した式選択手法に対応する種々（例えば平均や分散など）の計算を実行する。つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式作成部１０２ｈ１で、計算結果および決定した候補多変量判別式のパラメータを決定する。これにより、選択した式作成手法に基づいて候補多変量判別式が作成される。なお、複数の異なる式作成手法を併用して候補多変量判別式を同時並行（並列）的に作成する場合は、選択した式作成手法ごとに上記の処理を並行して実行すればよい。また、複数の異なる式作成手法を併用して候補多変量判別式を直列的に作成する場合は、例えば、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生体酸化状態情報を変換し、変換した生体酸化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。
　つぎに、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、ステップＳＢ２１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）し、検証結果を検証結果ファイル１０６ｅ２の所定の記憶領域に格納する（ステップＳＢ２２）。具体的には、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、指定生体酸化状態情報ファイル１０６ｄの所定の記憶領域に格納されている生体酸化状態情報に基づいて候補多変量判別式を検証する際に用いる検証用データを作成し、作成した検証用データに基づいて候補多変量判別式を検証する。なお、ステップＳＢ２１で複数の異なる式作成手法を併用して候補多変量判別式を複数作成した場合には、多変量判別式作成部１０２ｈは、候補多変量判別式検証部１０２ｈ２で、各式作成手法に対応する候補多変量判別式ごとに所定の検証手法に基づいて検証する。ここで、ステップＳＢ２２において、ブートストラップ法やホールドアウト法、Ｎ－フォールド法、リーブワンアウト法などのうち少なくとも１つに基づいて候補多変量判別式の判別率や感度、特異度、情報量基準、ＲＯＣ＿ＡＵＣ（受信者特性曲線の曲線下面積）などのうち少なくとも１つに関して検証してもよい。これにより、生体酸化状態情報や診断条件を考慮した予測性または頑健性の高い候補指標式を選択することができる。
　つぎに、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、ステップＳＢ２２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（ただし、ステップＳＢ２２での検証結果を考慮せず、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してもよい。）、候補多変量判別式を作成する際に用いる生体酸化状態情報に含まれるアミノ酸濃度データの組み合わせを選択し、選択したアミノ酸濃度データの組み合わせを含む生体酸化状態情報を選択生体酸化状態情報ファイル１０６ｅ３の所定の記憶領域に格納する（ステップＳＢ２３）。なお、ステップＳＢ２１で複数の異なる式作成手法を併用して候補多変量判別式を複数作成し、ステップＳＢ２２で各式作成手法に対応する候補多変量判別式ごとに所定の検証手法に基づいて検証した場合には、ステップＳＢ２３において、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、候補多変量判別式（例えば、ステップＳＢ２２での検証結果に対応する候補多変量判別式）ごとに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してもよい。ここで、ステップＳＢ２３において、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、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変数を選択してもよい。なお、ベストパス法とは、候補多変量判別式に含まれる変数を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変数を選択する方法である。また、ステップＳＢ２３において、多変量判別式作成部１０２ｈは、変数選択部１０２ｈ３で、指定生体酸化状態情報ファイル１０６ｄの所定の記憶領域に格納されている生体酸化状態情報に基づいてアミノ酸濃度データの組み合わせを選択してもよい。
　つぎに、多変量判別式作成部１０２ｈは、指定生体酸化状態情報ファイル１０６ｄの所定の記憶領域に格納されている生体酸化状態情報に含まれるアミノ酸濃度データの全ての組み合わせが終了したか否かを判定し、判定結果が「終了」であった場合（ステップＳＢ２４：Ｙｅｓ）には次のステップ（ステップＳＢ２５）へ進み、判定結果が「終了」でなかった場合（ステップＳＢ２４：Ｎｏ）にはステップＳＢ２１へ戻る。なお、多変量判別式作成部１０２ｈは、予め設定した回数が終了したか否かを判定し、判定結果が「終了」であった場合には（ステップＳＢ２４：Ｙｅｓ）次のステップ（ステップＳＢ２５）へ進み、判定結果が「終了」でなかった場合（ステップＳＢ２４：Ｎｏ）にはステップＳＢ２１へ戻ってもよい。また、多変量判別式作成部１０２ｈは、ステップＳＢ２３で選択したアミノ酸濃度データの組み合わせが、指定生体酸化状態情報ファイル１０６ｄの所定の記憶領域に格納されている生体酸化状態情報に含まれるアミノ酸濃度データの組み合わせまたは前回のステップＳＢ２３で選択したアミノ酸濃度データの組み合わせと同じであるか否かを判定し、判定結果が「同じ」であった場合（ステップＳＢ２４：Ｙｅｓ）には次のステップ（ステップＳＢ２５）へ進み、判定結果が「同じ」でなかった場合（ステップＳＢ２４：Ｎｏ）にはステップＳＢ２１へ戻ってもよい。また、多変量判別式作成部１０２ｈは、検証結果が具体的には各候補多変量判別式に関する評価値である場合には、当該評価値と各式作成手法に対応する所定の閾値との比較結果に基づいて、ステップＳＢ２５へ進むかステップＳＢ２１へ戻るかを判定してもよい。
　つぎに、多変量判別式作成部１０２ｈは、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決定し、決定した多変量判別式（選出した候補多変量判別式）を多変量判別式ファイル１０６ｅ４の所定の記憶領域に格納する（ステップＳＢ２５）。ここで、ステップＳＢ２５において、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。
　これにて、多変量判別式作成処理の説明を終了する。
［第３実施形態］
［３－１．本発明の概要］
　ここでは、本発明にかかる生体酸化の予防・改善物質の探索方法の概要について図２３を参照して説明する。図２３は本発明の基本原理を示す原理構成図である。
　まず、１つまたは複数の物質から成る所望の物質群を、評価対象（例えば動物やヒトなどの個体）に投与する（ステップＳ３１）。例えば、ヒトに投与可能な既存の薬物・アミノ酸・食品・サプリメントを適宜組み合わせたもの（例えば、生体酸化（具体的には酸化ストレス度および／または抗酸化力）の予防または改善に効果があること知られている薬物（例えば、インスリン抵抗性改善薬、ビグアナイト薬、ウルソデオキシコール酸、抗高脂血症薬、または抗酸化薬など）・サプリメント（例えば、アントシアニン、コエンザイムＱ１０（ＣｏＱ１０）、αリポ酸（アルファリポ酸）、スーパールテイン、ルテイン、アスタキサンチン、ベータカロチン（ビタミンＡ）、ビタミンＣ（ビタミンＰ）、ビタミンＥ、カルニチン、ググル（血中脂質抑制ハーブ）、リコピン、ＭＳＭサプリメント、ホーステール（シリカ）、カリウム、ＥＰＡ、ＤＨＡ（オメガ３）、イチョウ葉エキス、ピクノジェノール、ＳＯＤ、ＯＰＣ（アントシアニンも含む）、セレニウム、カテキン、フラボノイド、イソフラボン、またはケルセチンなど）などを適宜組み合わせたもの）を、所定の期間（例えば１日から１２ヶ月の範囲）にわたり、所定量ずつ所定の頻度・タイミング（例えば１日３回・食後）で、所定の投与方法（例えば経口投与）により投与してもよい。ここで、投与方法や用量、剤形は、病状に応じて適宜組み合わせてもよい。なお、剤形は、公知の技術に基づいて決めてもよい。また、用量は、特に定めは無いが、例えば有効成分として１ｕｇから１００ｇを含有した形態で与えてもよい。
　つぎに、ステップＳ３１で物質群が投与された評価対象から血液を採取する（ステップＳ３２）。
　つぎに、ステップＳ３２で採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得する（ステップＳ３３）。なお、ステップＳ１１では、例えば、アミノ酸濃度測定を行う企業等が測定したアミノ酸濃度データを取得してもよく、また、評価対象から採取した血液（例えば血漿、血清などを含む）から、例えば以下の（Ａ）または（Ｂ）などの測定方法でアミノ酸濃度データを測定することでアミノ酸濃度データを取得してもよい。ここで、アミノ酸濃度の単位は、例えばモル濃度や重量濃度、これらの濃度に任意の定数を加減乗除することで得られるものでもよい。
（Ａ）採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで－８０℃で凍結保存した。アミノ酸濃度測定時には、アセトニトリルを添加し除蛋白処理を行った後、標識試薬（３－アミノピリジル－Ｎ－ヒドロキシスクシンイミジルカルバメート）を用いてプレカラム誘導体化を行い、そして、液体クロマトグラフ質量分析計（ＬＣ－ＭＳ）によりアミノ酸濃度を分析した（国際公開第２００３／０６９３２８号、国際公開第２００５／１１６６２９号を参照）。
（Ｂ）採取した血液サンプルを遠心することにより血液から血漿を分離した。全ての血漿サンプルは、アミノ酸濃度の測定時まで－８０℃で凍結保存した。アミノ酸濃度測定時には、スルホサリチル酸を添加し除蛋白処理を行った後、ニンヒドリン試薬を用いたポストカラム誘導体化法を原理としたアミノ酸分析計によりアミノ酸濃度を分析した。
　つぎに、ステップＳ３３で取得した評価対象のアミノ酸濃度データに基づいて、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する（ステップＳ３４）。
　つぎに、ステップＳ３４での評価結果に基づいて、ステップＳ３１で投与した物質群が、生体酸化を予防させる（具体的には酸化ストレス度の増加を防ぐまたは抗酸化力の低下を防ぐ）または生体酸化の状態を改善させる（具体的には酸化ストレス度を正常化させるまたは抗酸化力を正常化させる）ものであるか否かを判定する（ステップＳ３５）。
　そして、ステップＳ３５での判定結果が「予防させるまたは改善させる」というものであった場合、ステップＳ３１で投与した物質群が、生体酸化を予防させるまたは生体酸化の状態を改善させるものとして探索される。
　以上、本発明によれば、所望の物質群を評価対象に投与し、当該物質群が投与された評価対象から血液を採取し、採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得し、取得したアミノ酸濃度データに基づいて、評価対象につき、生体酸化の状態を評価し、その評価結果に基づいて、所望の物質群が、生体酸化を予防させる又は生体酸化の状態を改善させるものであるか否かを判定する。これにより、血液中のアミノ酸の濃度を利用して生体酸化の状態を精度よく評価することができる生体酸化の評価方法を用いて、生体酸化を予防させる又は生体酸化の状態を改善させる物質を精度よく探索することができる。
　ここで、ステップＳ３４を実行する前に、アミノ酸濃度データから欠損値や外れ値などのデータを除去してもよい。これにより、生体酸化の状態をさらに精度よく評価することができる。
　また、ステップＳ３４では、ステップＳ３３で取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つの濃度値に基づいて、評価対象につき、生体酸化の状態を評価してもよい。これにより、血液中のアミノ酸の濃度のうち生体酸化の状態と関連するアミノ酸の濃度を利用して、生体酸化の状態を精度よく評価することができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の３群判別または４群判別に有用なアミノ酸の濃度を利用して、これらの判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの濃度値に基づいて、評価対象につき、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの濃度値に基づいて、評価対象につき、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、血液中のアミノ酸の濃度のうち、これらの状態間の２群判別に有用なアミノ酸の濃度を利用して、この２群判別を精度よく行うことができる。
　また、ステップＳ３４では、ステップＳ３３で取得したアミノ酸濃度データ、およびアミノ酸の濃度を変数として含む予め設定した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出し、算出した判別値に基づいて、評価対象につき、生体酸化の状態を評価してもよい。これにより、アミノ酸の濃度を変数として含む多変量判別式で得られる判別値を利用して、生体酸化の状態を精度よく評価することができる。
　なお、多変量判別式は、ロジスティック回帰式、分数式、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、決定木で作成された式のいずれか１つでもよい。これにより、アミノ酸の濃度を変数として含む多変量判別式で得られる判別値を利用して、生体酸化の状態をさらに精度よく評価することができる。
　また、ステップＳ３４では、ステップＳ３３で取得したアミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、生体酸化の状態を評価してもよい。これにより、生体酸化の状態と有意な相関がある多変量判別式で得られる判別値を利用して、生体酸化の状態を精度よく評価することができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の３群判別または４群判別に有用な多変量判別式で得られる判別値を利用して、これらの判別を精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｇｌｎ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｏｒｎ，Ｌｅｕを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｓｅｒ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ａｌａ，Ｃｉｔ，Ｔｙｒを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｔｈｒ，Ａｒｇ，Ｏｒｎを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｃｉｔ，Ｉｌｅ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｈｉｓ，Ａｌａ，ＡＢＡ，Ｏｒｎ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｇｌｎ，Ａｌａ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｉｌｅを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　具体的には、アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した判別値に基づいて、評価対象につき、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別してもよい。これにより、これらの状態間の２群判別に有用な多変量判別式で得られる判別値を利用して、この２群判別を精度よく行うことができる。なお、多変量判別式は、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。これにより、これらの状態間の２群判別に特に有用な多変量判別式で得られる判別値を利用して、この２群判別をさらに精度よく行うことができる。
　ここで、上記した各多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法または本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（上述した第２実施形態に記載の多変量判別式作成処理）で作成してもよい。なお、これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を生体酸化の状態の評価に好適に用いることができる。
　また、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し、例えば分数式、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、決定木などを包含する。また、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、正準判別関数においては各変数に係数および定数項が付加されるが、この場合の係数および定数項は、好ましくは実数であること、より好ましくはデータから判別を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値、さらに好ましくはデータから判別を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であればかまわない。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、重回帰分析など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。
　なお、分数式とは、当該分数式の分子がアミノ酸Ａ，Ｂ，Ｃ，・・・の和で表わされ及び／又は当該分数式の分母がアミノ酸ａ，ｂ，ｃ，・・・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アミノ酸にはそれぞれ適当な係数がついてもかまわない。また、分子や分母に用いられるアミノ酸は重複してもかまわない。また、各分数式に適当な係数がついてもかまわない。また、各変数の係数の値や定数項の値は、実数であればかまわない。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ので、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。
　そして、本発明は、生体酸化の状態評価を行う際、アミノ酸の濃度以外に、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）をさらに用いてもかまわない。また、本発明は、生体酸化の状態評価を行う際、多変量判別式における変数として、アミノ酸の濃度以外に、他の生体情報（例えば糖類・脂質・タンパク質・ペプチド・ミネラル・ホルモン等の生体代謝物や、例えば血糖値・血圧値・性別・年齢・肝疾患指標・食習慣・飲酒習慣・運動習慣・肥満度・疾患歴等の生体指標、など）をさらに用いてもかまわない。
［３－２．第３実施形態にかかる生体酸化の予防・改善物質の探索方法の一例］
　ここでは、第３実施形態にかかる生体酸化の予防・改善物質の探索方法の一例について図２４を参照して説明する。図２４は第３実施形態にかかる生体酸化の予防・改善物質の探索方法の一例を示すフローチャートである。
　まず、１つまたは複数の物質から成る所望の物質群を、例えば生体酸化の動物やヒトなどの個体に投与する（ステップＳＡ３１）。
　つぎに、ステップＳ３１で物質群が投与された個体から血液を採取する（ステップＳＡ３２）。
　つぎに、ステップＳ３２で採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得する（ステップＳＡ３３）。なお、ステップＳＡ３３では、例えば、アミノ酸濃度測定を行う企業等が測定したアミノ酸濃度データを取得してもよく、また、評価対象から採取した血液から例えば上述した（Ａ）または（Ｂ）などの測定方法でアミノ酸濃度データを測定することでアミノ酸濃度データを取得してもよい。
　つぎに、ステップＳ３３で取得した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去する（ステップＳＡ３４）。
　つぎに、ステップＳ３４で欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データに基づいて、個体につき、以下に示す３１．～３９．の判別のいずれか１つを実行する（ステップＳＡ３５）。
３１．酸化ストレス度と抗酸化力に関する３群判別または４群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態、酸化ストレス度が高く且つ抗酸化力が正常な状態、酸化ストレス度が正常で且つ抗酸化力が低い状態、および酸化ストレス度が高く且つ抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別する。
３２．酸化ストレス度と抗酸化力に関する第１の２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの濃度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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が正常な状態のうちのいずれであるかを判別する。
３３．酸化ストレス度と抗酸化力に関する第２の２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの濃度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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する。
３４．酸化ストレス度と抗酸化力に関する第３の２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの濃度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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度と抗酸化力が共に正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する。
３５．酸化ストレス度と抗酸化力に関する第４の２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの濃度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、個体につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が正常で且つ抗酸化力が低い状態のうちのいずれであるかを判別する。
３６．酸化ストレス度と抗酸化力に関する第５の２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの濃度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、個体につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度が高く且つ抗酸化力が正常な状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する。
３７．酸化ストレス度と抗酸化力に関する第６の２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの濃度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、個体につき、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度が正常で且つ抗酸化力が低い状態および酸化ストレス度が高く且つ抗酸化力が低い状態のうちのいずれであるかを判別する。
３８．酸化ストレス度に関する２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの濃度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、個体につき、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、酸化ストレス度が正常な状態および酸化ストレス度が高い状態のうちのいずれであるかを判別する。
３９．抗酸化力に関する２群判別
　（ｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの濃度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、個体につき、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別する、または、（ｉｉ）アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの濃度値、およびＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つを変数として含む多変量判別式に基づいて、判別値を算出し、算出した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、個体につき、抗酸化力が正常な状態および抗酸化力が低い状態のうちのいずれであるかを判別する。
　つぎに、ステップＳＡ３５での判別結果に基づいて、ステップＳＡ３１で投与した物質群が、生体酸化を予防させるまたは生体酸化の状態を改善させるものであるか否かを判定する（ステップＳＡ３６）。
　そして、ステップＳＡ３６での判定結果が「予防させるまたは改善させる」であった場合、ステップＳＡ３１で投与した物質群が、生体酸化を予防させるまたは生体酸化の状態を改善させるものとして探索される。なお、本探索方法によって探索された物質として、例えば、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つを含むアミノ酸群」、および「Ｇｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つを含むアミノ酸群」が挙げられる。
［３－３．第３実施形態のまとめ、およびその他の実施形態］
　以上、詳細に説明したように、第３実施形態にかかる生体酸化の予防・改善物質の探索方法によれば、（ｉ）所望の物質群を個体に投与し、（ｉｉ）物質群が投与された個体から血液を採取し、（ｉｉｉ）採取した血液中のアミノ酸濃度データを取得し、（ｉｖ）取得した個体のアミノ酸濃度データから欠損値や外れ値などのデータを除去し、（ｖ）欠損値や外れ値などのデータが除去された個体のアミノ酸濃度データに基づいて、個体につき、上述した３１．～３９．の判別のいずれか１つを実行し、（ｖｉ）この判別結果に基づいて、投与した物質群が、生体酸化を予防させるまたは生体酸化の状態を改善させるものであるか否かを判別する。これにより、上述した第１実施形態の生体酸化の評価方法を用いて、生体酸化を予防させる又は生体酸化の状態を改善させる物質を精度よく探索することができる。
　ここで、ステップＳＡ３５で用いられる多変量判別式は、ロジスティック回帰式、分数式、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、決定木で作成された式のいずれか１つでもよい。これにより、上述した状態間の２群判別、３群判別または４群判別に有用な多変量判別式で得られる判別値を利用して、これらの判別をさらに精度よく行うことができる。
　具体的には、上述した３２．の判別で用いられる多変量判別式は、Ｇｌｎ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｏｒｎ，Ｌｅｕを変数として含むロジスティック回帰式でもよい。これにより、上述した３２．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した３３．の判別で用いられる多変量判別式は、Ｓｅｒ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。これにより、上述した３３．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した３４．の判別で用いられる多変量判別式は、Ａｌａ，Ｃｉｔ，Ｔｙｒを変数として含むロジスティック回帰式でもよい。これにより、上述した３４．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した３５．の判別で用いられる多変量判別式は、Ｔｈｒ，Ａｒｇ，Ｏｒｎを変数として含むロジスティック回帰式でもよい。これにより、上述した３５．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した３６．の判別で用いられる多変量判別式は、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｃｉｔ，Ｉｌｅ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。これにより、上述した３６．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した３７．の判別で用いられる多変量判別式は、Ｈｉｓ，Ａｌａ，ＡＢＡ，Ｏｒｎ，Ｐｈｅを変数として含むロジスティック回帰式でもよい。これにより、上述した３７．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した３８．の判別で用いられる多変量判別式は、Ｇｌｎ，Ａｌａ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｉｌｅを変数として含むロジスティック回帰式でもよい。これにより、上述した３８．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　また、上述した３９．の判別で用いられる多変量判別式は、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｉｌｅ，Ｔｒｐを変数として含むロジスティック回帰式でもよい。これにより、上述した３９．の判別に特に有用な多変量判別式で得られる判別値を利用して、この判別をさらに精度よく行うことができる。
　なお、上記した各多変量判別式は、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法または本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法（上述した第２実施形態に記載の多変量判別式作成処理）で作成してもよい。なお、これら方法で得られた多変量判別式であれば、入力データとしてのアミノ酸濃度データにおけるアミノ酸濃度の単位に因らず、当該多変量判別式を生体酸化の状態の評価に好適に用いることができる。
　また、第３実施形態にかかる生体酸化の予防・改善物質の探索方法は、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つを含むアミノ酸群」、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つを含むアミノ酸群」、または「Ｇｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つを含むアミノ酸群」の濃度値や上記した各多変量判別式の判別値を正常化させる物質を、上述した第１実施形態の生体酸化の評価方法や第２実施形態の生体酸化評価装置を用いて選択することができる。
　また、第３実施形態にかかる生体酸化の予防・改善物質の探索方法において、「予防・改善物質を探索する」とは、生体酸化の予防・改善に有効な新規物質を見出すことのみならず、公知物質の生体酸化の予防・改善用途を新規に見出すことや、生体酸化の予防・改善に有効性を期待できる既存の薬剤・サプリメント等を組み合わせた新規組成物を見出すことや、上記した適切な用法・用量・組み合わせを見出し、それをキットとすることや、食事・運動等も含めた予防・治療メニューを提示することや、当該予防・治療メニューの効果をモニタリングし、必要に応じて個人ごとにメニューの変更を提示すること等が含まれる。
　人間ドック受診者の血液サンプルから、上述した実施形態で説明した（Ａ）の測定方法で血中アミノ酸濃度を測定した。受診者を、酸化ストレス度および抗酸化力が共に正常な状態（ｄ－ＲＯＭ≦３００Ｕ．ＣＡＲＲ、ＢＡＰ＞２２００μｍｏｌ／ｌ）である健常群（第１群、５４名）、酸化ストレス度が高く且つ抗酸化力が正常な状態（ｄ－ＲＯＭ＞３００Ｕ．ＣＡＲＲ、ＢＡＰ＞２２００μｍｏｌ／ｌ）である第２群（１８４名）、酸化ストレス度が正常で且つ抗酸化力が低い状態（ｄ－ＲＯＭ≦３００Ｕ．ＣＡＲＲ、ＢＡＰ≦２２００μｍｏｌ／ｌ）である第３群（２９名）、酸化ストレス度が高く且つ抗酸化力が低い状態（ｄ－ＲＯＭ＞３００Ｕ．ＣＡＲＲ、ＢＡＰ≦２２００μｍｏｌ／ｌ）である第４群（３８名）の４群に分けた。４群間のアミノ酸変数の分布を図２５に示す。図２５において、１は健常群、２は第２群、３は第３群、４は第４群を表す。酸化ストレス度と抗酸化力の状態の評価を目的に、４群間でＫｒｕｓｋａｌ　Ｗａｌｌｉｓ検定を実施した。４群間では、「Ｇｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ」が有意に変化しており、これらのアミノ酸が４群間の判別能を持つことが判明した。
　実施例１で測定したアミノ酸濃度データと同じものを用いた。健常群と第２群のＲＯＣ＿ＡＵＣがノンパラメトリックの仮定のもとで帰無仮説をＲＯＣ＿ＡＵＣ＝０．５とした場合の検定で有意（ｐ＜０．０５）であったアミノ酸は、「Ｈｉｓ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ」であった。これらのアミノ酸は、第２群で有意な減少を示した。
　実施例１で測定したアミノ酸濃度データと同じものを用いて、健常群と第２群の診断に有効な、血漿中のアミノ酸濃度を変数に持つ多変量判別式（多変量関数）を求めた。
　まず、多変量判別式としてロジスティック回帰式を用い、ロジスティック回帰式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、健常群と第２群の良好な判別能を持つロジスティック回帰式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図２６および図２７示す。ここで、図２６および図２７には、ロジスティック回帰式に含まれる変数の組み合わせ、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図２６および図２７に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ｔｙｒ，Ｇｌｎ，Ｍｅｔ，Ｐｈｅ，Ｌｅｕ，Ｉｌｅ，Ｖａｌ，Ｏｒｎ，Ｓｅｒ，Ｈｉｓ」である。
　なお、判別能が同等に良好なロジスティック回帰式のうち、例えば、変数の組「Ｇｌｎ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｏｒｎ，Ｌｅｕ」を持つ指標式「（０．２５７６）＋（０．００６１５３）Ｇｌｎ＋（－０．０４４２１）Ｃｉｔ＋（０．０６２５２）Ｔｙｒ＋（－０．１０１４）Ｍｅｔ＋（０．０２４２６）Ｏｒｎ＋（－０．０３１２３）Ｌｅｕ」の判別能は、ＲＯＣ＿ＡＵＣ＝０．７３１、感度＝０．７６６、特異度＝０．６１１と良好なものであった。
　また、多変量判別式として分数式を用い、分数式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、健常群と第２群の良好な判別能を持つ分数式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好な分数式の一覧を、図２８および図２９に示す。ここで、図２８および図２９には、分数式、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値の平均値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図２８および図２９に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ｔｙｒ，Ｇｌｎ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｃｉｔ，Ｏｒｎ，Ｈｉｓ，Ｓｅｒ，Ｖａｌ」である。
　実施例１で測定したアミノ酸濃度データと同じものを用いた。健常群と第３群のＲＯＣ＿ＡＵＣがノンパラメトリックの仮定のもとで帰無仮説をＲＯＣ＿ＡＵＣ＝０．５とした場合の検定で有意（ｐ＜０．０５）であったアミノ酸は、「Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｔｙｒ，Ｍｅｔ，Ｏｒｎ」であった。これらのアミノ酸は、第３群で有意な増加を示した。
　実施例１で測定したアミノ酸濃度データと同じものを用いて、健常群と第３群の診断に有効な、血漿中のアミノ酸濃度を変数に持つ多変量判別式（多変量関数）を求めた。
　まず、多変量判別式としてロジスティック回帰式を用い、ロジスティック回帰式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、健常群と第３群の良好な判別能を持つロジスティック回帰式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図３０および図３１に示す。ここで、図３０および図３１には、ロジスティック回帰式に含まれる変数の組み合わせ、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図３０および図３１に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ｔｈｒ，Ｓｅｒ，Ｏｒｎ，Ｍｅｔ，Ｔｒｐ，Ｉｌｅ，Ａｒｇ，Ａｓｎ，Ｇｌｕ，Ｇｌｙ」である。
　なお、判別能が同等に良好なロジスティック回帰式のうち、例えば、変数の組「Ｓｅｒ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｔｒｐ」を持つ指標式「（－１６．４３）＋（０．０８３６４）Ｓｅｒ＋（０．０６０４８）Ｔｈｒ＋（－０．１９２２）Ｍｅｔ＋（０．０６６５５）Ｏｒｎ＋（０．０６２０４）Ｉｌｅ＋（－０．０９５００）Ｔｒｐ」の判別能は、ＲＯＣ＿ＡＵＣ＝０．８８１、感度＝０．８２８、特異度＝０．７４１と良好なものであった。
　また、多変量判別式として分数式を用い、分数式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、健常群と第３群の良好な判別能を持つ分数式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好な分数式の一覧を、図３２および図３３に示す。ここで、図３２および図３３には、分数式、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値の平均値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図３２および図３３に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ｏｒｎ，Ｔｒｐ，Ｔｈｒ，Ｉｌｅ，Ｃｉｔ，Ｈｉｓ，Ｓｅｒ，Ｖａｌ，Ｇｌｎ，Ｔｙｒ」である。
　実施例１で測定したアミノ酸濃度データと同じものを用いた。健常群と第４群のＲＯＣ＿ＡＵＣがノンパラメトリックの仮定のもとで帰無仮説をＲＯＣ＿ＡＵＣ＝０．５とした場合の検定で有意（ｐ＜０．０５）であったアミノ酸は、「Ｃｉｔ，Ｐｈｅ」であった。これらのアミノ酸は、第４群で有意な減少を示した。
　実施例１で測定したアミノ酸濃度データと同じものを用いて、健常群と第４群の診断に有効な、血漿中のアミノ酸濃度を変数に持つ多変量判別式（多変量関数）を求めた。
　まず、多変量判別式としてロジスティック回帰式を用い、ロジスティック回帰式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、健常群と第４群の良好な判別能を持つロジスティック回帰式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図３４および図３５に示す。ここで、図３４および図３５には、ロジスティック回帰式に含まれる変数の組み合わせ、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図３４および図３５に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ａｌａ，Ｃｉｔ，Ｐｈｅ，Ｔｒｐ，Ｍｅｔ，Ｉｌｅ，Ｔｈｒ，ＡＢＡ，Ｐｒｏ，Ｓｅｒ」である。
　なお、判別能が同等に良好なロジスティック回帰式のうち、例えば、変数の組「Ａｌａ，Ｃｉｔ，Ｔｙｒ」を持つ指標式「（４．３０６）＋（－０．０１５３９）Ａｌａ＋（－０．１１３０）Ｃｉｔ＋（０．０６９４６）Ｔｙｒ」の判別能は、ＲＯＣ＿ＡＵＣ＝０．７６４、感度＝０．７３７、特異度＝０．６１１と良好なものであった。
　また、多変量判別式として分数式を用い、分数式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、健常群と第４群の良好な判別能を持つ分数式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好な分数式の一覧を、図３６および図３７に示す。ここで、図３６および図３７には、分数式、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値の平均値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図３６および図３７に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ａｌａ，Ｔｙｒ，Ｔｈｒ，Ｃｉｔ，Ｇｌｎ，Ｔｒｐ，Ｈｉｓ，Ｐｈｅ，Ｍｅｔ，Ｓｅｒ」である。
　実施例１で測定したアミノ酸濃度データと同じものを用いた。第２群と第３群のＲＯＣ＿ＡＵＣがノンパラメトリックの仮定のもとで帰無仮説をＲＯＣ＿ＡＵＣ＝０．５とした場合の検定で有意（ｐ＜０．０５）であったアミノ酸は、「Ｇｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ａｌａ，Ｐｒｏ，Ｔｙｒ，Ｖａｌ，Ｍｅｔ，Ｏｒｎ，Ｌｙｓ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ」であった。これらのアミノ酸は、第３群で有意な増加を示した。
　実施例１で測定したアミノ酸濃度データと同じものを用いて、第２群と第３群の診断に有効な、血漿中のアミノ酸濃度を変数に持つ多変量判別式（多変量関数）を求めた。
　まず、多変量判別式としてロジスティック回帰式を用い、ロジスティック回帰式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、第２群と第３群の良好な判別能を持つロジスティック回帰式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図３８および図３９に示す。ここで、図３８および図３９には、ロジスティック回帰式に含まれる変数の組み合わせ、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図３８および図３９に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ｔｈｒ，Ｏｒｎ，Ｉｌｅ，Ｍｅｔ，Ｇｌｕ，Ａｓｎ，Ｓｅｒ，Ｃｉｔ，Ｌｅｕ，Ａｌａ」である。
　なお、判別能が同等に良好なロジスティック回帰式のうち、例えば、変数の組「Ｔｈｒ，Ａｒｇ，Ｏｒｎ」を持つ指標式「（－７．４００）＋（０．０３５３７）Ｔｈｒ＋（－０．０２００２）Ａｒｇ＋（０．０４１３４）Ｏｒｎ」の判別能は、ＲＯＣ＿ＡＵＣ＝０．８２６、感度＝０．８２８、特異度＝０．７４５と良好なものであった。
　また、多変量判別式として分数式を用い、分数式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、第２群と第３群の良好な判別能を持つ分数式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好な分数式の一覧を、図４０および図４１に示す。ここで、図４０および図４１には、分数式、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値の平均値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図４０および図４１に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ｇｌｎ，Ｔｒｐ，Ｉｌｅ，Ｔｈｒ，Ｏｒｎ，Ｍｅｔ，Ｌｙｓ，Ｖａｌ，Ａｒｇ，Ｌｅｕ」である。
　実施例１で測定したアミノ酸濃度データと同じものを用いた。第２群と第４群のＲＯＣ＿ＡＵＣがノンパラメトリックの仮定のもとで帰無仮説をＲＯＣ＿ＡＵＣ＝０．５とした場合の検定で有意（ｐ＜０．０５）であったアミノ酸は、「Ｔｈｒ」であった。このアミノ酸は、第４群で有意な増加を示した。
　実施例１で測定したアミノ酸濃度データと同じものを用いて、第２群と第４群の診断に有効な、血漿中のアミノ酸濃度を変数に持つ多変量判別式（多変量関数）を求めた。
　まず、多変量判別式としてロジスティック回帰式を用い、ロジスティック回帰式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、第２群と第４群の良好な判別能を持つロジスティック回帰式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図４２および図４３に示す。ここで、図４２および図４３には、ロジスティック回帰式に含まれる変数の組み合わせ、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図４２および図４３に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ｔｈｒ，Ａｌａ，Ｈｉｓ，Ｐｈｅ，Ｉｌｅ，Ｃｉｔ，Ｌｅｕ，Ｏｒｎ，Ｇｌｎ，Ｖａｌ」である。
　なお、判別能が同等に良好なロジスティック回帰式のうち、例えば、変数の組「Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｃｉｔ，Ｉｌｅ，Ｐｈｅ」を持つ指標式「（－２．２４５）＋（０．０４８４５）Ｈｉｓ＋（０．０１７６５）Ｔｈｒ＋（－０．００７３２９）Ａｌａ＋（－０．０６０９１）Ｃｉｔ＋（０．０４０８１）Ｉｌｅ＋（－０．０６３９６）Ｐｈｅ」の判別能は、ＲＯＣ＿ＡＵＣ＝０．７６９、感度＝０．７１１、特異度＝０．７０１と良好なものであった。
　また、多変量判別式として分数式を用い、分数式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、第２群と第４群の良好な判別能を持つ分数式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好な分数式の一覧を、図４４および図４５に示す。ここで、図４４および図４５には、分数式、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値の平均値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図４４および図４５に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ａｌａ，Ｔｈｒ，Ｈｉｓ，Ｉｌｅ，Ｐｈｅ，Ｃｉｔ，Ｇｌｎ，Ｌｅｕ，Ａｒｇ，Ｏｒｎ」である。
　実施例１で測定したアミノ酸濃度データと同じものを用いた。第３群と第４群のＲＯＣ＿ＡＵＣがノンパラメトリックの仮定のもとで帰無仮説をＲＯＣ＿ＡＵＣ＝０．５とした場合の検定で有意（ｐ＜０．０５）であったアミノ酸は、「Ｇｌｙ，Ｔｈｒ，Ａｌａ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｐｈｅ」であった。これらのアミノ酸は、第４群で有意な減少を示した。
　実施例１で測定したアミノ酸濃度データと同じものを用いて、第３群と第４群の診断に有効な、血漿中のアミノ酸濃度を変数に持つ多変量判別式（多変量関数）を求めた。
　まず、多変量判別式としてロジスティック回帰式を用い、ロジスティック回帰式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、第３群と第４群の良好な判別能を持つロジスティック回帰式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図４６および図４７に示す。ここで、図４６および図４７には、ロジスティック回帰式に含まれる変数の組み合わせ、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図４６および図４７に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ｏｒｎ，Ａｌａ，Ｈｉｓ，Ｇｌｙ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｐｈｅ，Ｍｅｔ，Ｓｅｒ」である。
　なお、判別能が同等に良好なロジスティック回帰式のうち、例えば、変数の組「Ｈｉｓ，Ａｌａ，ＡＢＡ，Ｏｒｎ，Ｐｈｅ」を持つ指標式「（６．９２７）＋（０．１０３２）Ｈｉｓ＋（－０．００９６４０）Ａｌａ＋（０．１２４０）ＡＢＡ＋（－０．１２９７）Ｏｒｎ＋（－０．１０１８）Ｐｈｅ」の判別能は、ＲＯＣ＿ＡＵＣ＝０．８８８、感度＝０．８６８、特異度＝０．８６２と良好なものであった。
　また、多変量判別式として分数式を用い、分数式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、第３群と第４群の良好な判別能を持つ分数式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好な分数式の一覧を、図４８および図４９に示す。ここで、図４８および図４９には、分数式、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値の平均値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図４８および図４９に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ｏｒｎ，Ｈｉｓ，Ａｌａ，ＡＢＡ，Ｇｌｎ，Ａｒｇ，Ｍｅｔ，Ｐｈｅ，Ｖａｌ，Ｔｒｐ」である。
　実施例１で測定したアミノ酸濃度データと同じものを用いた。酸化ストレス度が正常な状態である第１３群（健常群＋第３群）と酸化ストレス度が高い状態である第２４群（第２群＋第４群）のＲＯＣ＿ＡＵＣがノンパラメトリックの仮定のもとで帰無仮説をＲＯＣ＿ＡＵＣ＝０．５とした場合の検定で有意（ｐ＜０．０５）であったアミノ酸は、「Ｇｌｕ，Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｃｉｔ，Ｐｒｏ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ」であった。これらのアミノ酸は、第２４群で有意な減少を示した。
　実施例１で測定したアミノ酸濃度データと同じものを用いて、第１３群と第２４群の診断に有効な、血漿中のアミノ酸濃度を変数に持つ多変量判別式（多変量関数）を求めた。
　まず、多変量判別式としてロジスティック回帰式を用い、ロジスティック回帰式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、第１３群と第２４群の良好な判別能を持つロジスティック回帰式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図５０および図５１に示す。ここで、図５０および図５１には、ロジスティック回帰式に含まれる変数の組み合わせ、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図５０および図５１に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ｔｙｒ，Ｍｅｔ，Ｇｌｎ，Ｃｉｔ，Ｉｌｅ，Ｐｈｅ，Ｇｌｕ，Ａｒｇ，Ｇｌｙ，Ｌｅｕ」である。
　なお、判別能が同等に良好なロジスティック回帰式のうち、例えば、変数の組「Ｇｌｎ，Ａｌａ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｉｌｅ」を持つ指標式「（２．６８１）＋（０．００４８２１）Ｇｌｎ＋（－０．００３７２４）Ａｌａ＋（－０．０４０６５）Ｃｉｔ＋（０．０４６０９）Ｔｙｒ＋（－０．０９３０２）Ｍｅｔ＋（－０．０３４９４）Ｉｌｅ」の判別能は、ＲＯＣ＿ＡＵＣ＝０．７４８、感度＝０．７２１、特異度＝０．７１１と良好なものであった。
　また、多変量判別式として分数式を用い、分数式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、第１３群と第２４群の良好な判別能を持つ分数式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好な分数式の一覧を、図５２よび図５３に示す。ここで、図５２よび図５３には、分数式、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値の平均値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図５２よび図５３に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ｇｌｎ，Ｍｅｔ，Ｔｙｒ，Ｉｌｅ，Ｃｉｔ，Ｌｅｕ，Ａｒｇ，ＡＢＡ，Ｖａｌ，Ｇｌｙ」である。
　実施例１で測定したアミノ酸濃度データと同じものを用いた。抗酸化力が正常な状態である第１２群（健常群＋第２群）と抗酸化力が低い状態である第３４群（第３群＋第４群）のＲＯＣ＿ＡＵＣがノンパラメトリックの仮定のもとで帰無仮説をＲＯＣ＿ＡＵＣ＝０．５とした場合の検定で有意（ｐ＜０．０５）であったアミノ酸は、「Ｇｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ」であった。これらのアミノ酸は、第３４群で有意な増加を示した。
　実施例１で測定したアミノ酸濃度データと同じものを用いて、第１２群と第３４群の診断に有効な、血漿中のアミノ酸濃度を変数に持つ多変量判別式（多変量関数）を求めた。
　まず、多変量判別式としてロジスティック回帰式を用い、ロジスティック回帰式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、第１２群と第３４群の良好な判別能を持つロジスティック回帰式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好なロジスティック回帰式の一覧を、図５４および図５５に示す。ここで、図５４および図５５には、ロジスティック回帰式に含まれる変数の組み合わせ、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図５４および図５５に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ｔｈｒ，Ｉｌｅ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｇｌｕ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｓｅｒ」である。
　なお、判別能が同等に良好なロジスティック回帰式のうち、例えば、変数の組「Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｉｌｅ，Ｔｒｐ」を持つ指標式「（－３．１７５）＋（０．０１５８５）Ｇｌｕ＋（０．０３１７８）Ｔｈｒ＋（－０．００４４０４）Ａｌａ＋（－０．０１３９６）Ａｒｇ＋（０．０２２８４）Ｉｌｅ＋（－０．０２８３４）Ｔｒｐ」の判別能は、ＲＯＣ＿ＡＵＣ＝０．７４１、感度＝０．７０２、特異度＝０．６９０と良好なものであった。
　また、多変量判別式として分数式を用い、分数式に含める変数の組み合わせを探索し、そしてクロスバリデーションとしてランダムサンプリング法を採用して、第１２群と第３４群の良好な判別能を持つ分数式の探索を鋭意実施した。
　ＲＯＣ＿ＡＵＣで評価した判別能が同等に良好な分数式の一覧を、図５６よび図５７に示す。ここで、図５６よび図５７には、分数式、クロスバリデーション有りでのＲＯＣ＿ＡＵＣ値の平均値、およびクロスバリデーション無しでのＲＯＣ＿ＡＵＣ値が示されている。図５６よび図５７に含まれる式における変数の出現頻度を多い順に１０位まで列挙すると、「Ｔｈｒ，Ｉｌｅ，Ｇｌｎ，Ｔｒｐ，Ａｌａ，Ａｒｇ，Ｐｈｅ，Ｈｉｓ，Ｍｅｔ，Ａｓｎ」である。
　以上のように、本発明にかかる生体酸化の評価方法などは、産業上の多くの分野、特に医薬品や食品、医療などの分野で広く実施することができ、特に、生体酸化の状態の進行予測や疾病リスク予測やプロテオームやメタボローム解析などを行うバイオインフォマティクス分野において極めて有用である。
　１００　生体酸化評価装置
　１０２　制御部
　　１０２ａ　要求解釈部
　　１０２ｂ　閲覧処理部
　　１０２ｃ　認証処理部
　　１０２ｄ　電子メール生成部
　　１０２ｅ　Ｗｅｂページ生成部
　　１０２ｆ　受信部
　　１０２ｇ　生体酸化状態情報指定部
　　１０２ｈ　多変量判別式作成部
　　１０２ｈ１　候補多変量判別式作成部
　　１０２ｈ２　候補多変量判別式検証部
　　１０２ｈ３　変数選択部
　　１０２ｉ　判別値算出部
　　１０２ｊ　判別値基準評価部
　　１０２ｊ１　判別値基準判別部
　　１０２ｋ　結果出力部
　　１０２ｍ　送信部
　１０４　通信インターフェース部
　１０６　記憶部
　　１０６ａ　利用者情報ファイル
　　１０６ｂ　アミノ酸濃度データファイル
　　１０６ｃ　生体酸化状態情報ファイル
　　１０６ｄ　指定生体酸化状態情報ファイル
　　１０６ｅ　多変量判別式関連情報データベース
　　１０６ｅ１　候補多変量判別式ファイル
　　１０６ｅ２　検証結果ファイル
　　１０６ｅ３　選択生体酸化状態情報ファイル
　　１０６ｅ４　多変量判別式ファイル
　　１０６ｆ　判別値ファイル
　　１０６ｇ　評価結果ファイル
　１０８　入出力インターフェース部
　１１２　入力装置
　１１４　出力装置
　２００　クライアント装置（情報通信端末装置）
　３００　ネットワーク
　４００　データベース装置

Claims (38)

  1. 　評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得する取得ステップと、
    　前記取得ステップで取得した前記評価対象の前記アミノ酸濃度データに基づいて、前記評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する濃度値基準評価ステップと
    　を含むことを特徴とする生体酸化の評価方法。
  2. 　前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記生体酸化の状態を評価すること、
    　を特徴とする請求項１に記載の生体酸化の評価方法。
  3. 　前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態、前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態、前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態、および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、
    　を特徴とする請求項２に記載の生体酸化の評価方法。
  4. 　前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態および前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、
    　を特徴とする請求項２に記載の生体酸化の評価方法。
  5. 　前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態および前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、
    　を特徴とする請求項２に記載の生体酸化の評価方法。
  6. 　前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、
    　を特徴とする請求項２に記載の生体酸化の評価方法。
  7. 　前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態および前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、
    　を特徴とする請求項２に記載の生体酸化の評価方法。
  8. 　前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、
    　を特徴とする請求項２に記載の生体酸化の評価方法。
  9. 　前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、
    　を特徴とする請求項２に記載の生体酸化の評価方法。
  10. 　前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記酸化ストレス度が正常な状態および前記酸化ストレス度が高い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、
    　を特徴とする請求項２に記載の生体酸化の評価方法。
  11. 　前記濃度値基準評価ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの前記濃度値に基づいて、前記評価対象につき、前記抗酸化力が正常な状態および前記抗酸化力が低い状態のうちのいずれであるかを判別する濃度値基準判別ステップをさらに含むこと、
    　を特徴とする請求項２に記載の生体酸化の評価方法。
  12. 　前記濃度値基準評価ステップは、
    　前記取得ステップで取得した前記アミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む予め設定した多変量判別式に基づいて、当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ステップと、
    　前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価する判別値基準評価ステップと
    　をさらに含むこと、
    　を特徴とする請求項１に記載の生体酸化の評価方法。
  13. 　前記多変量判別式は、ロジスティック回帰式、分数式、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、決定木で作成された式のいずれか１つであること、
    　を特徴とする請求項１２に記載の生体酸化の評価方法。
  14. 　前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，ＡＢＡ，Ｌｙｓのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出すること、
    　を特徴とする請求項１２または１３に記載の生体酸化の評価方法。
  15. 　前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    　前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態、前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態、前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態、および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちの少なくとも３つの状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、
    　を特徴とする請求項１４に記載の生体酸化の評価方法。
  16. 　前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｔｙｒ，Ｇｌｎのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    　前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態および前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、
    　を特徴とする請求項１４に記載の生体酸化の評価方法。
  17. 　前記多変量判別式は、Ｇｌｎ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｏｒｎ，Ｌｅｕを前記変数として含む前記ロジスティック回帰式であること、
    　を特徴とする請求項１６に記載の生体酸化の評価方法。
  18. 　前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｔｒｐ，Ａｒｇ，Ｇｌｙ，Ｈｉｓ，Ｇｌｎのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    　前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態および前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、
    　を特徴とする請求項１４に記載の生体酸化の評価方法。
  19. 　前記多変量判別式は、Ｓｅｒ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｔｒｐを前記変数として含む前記ロジスティック回帰式であること、
    　を特徴とする請求項１８に記載の生体酸化の評価方法。
  20. 　前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，ＡＢＡ，Ｔｙｒ，Ｇｌｎ，Ｈｉｓのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    　前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度と前記抗酸化力が共に正常な状態および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、
    　を特徴とする請求項１４に記載の生体酸化の評価方法。
  21. 　前記多変量判別式は、Ａｌａ，Ｃｉｔ，Ｔｙｒを前記変数として含む前記ロジスティック回帰式であること、
    　を特徴とする請求項２０に記載の生体酸化の評価方法。
  22. 　前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｙｒ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐ，Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    　前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態および前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、
    　を特徴とする請求項１４に記載の生体酸化の評価方法。
  23. 　前記多変量判別式は、Ｔｈｒ，Ａｒｇ，Ｏｒｎを前記変数として含む前記ロジスティック回帰式であること、
    　を特徴とする請求項２２に記載の生体酸化の評価方法。
  24. 　前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｈｉｓ，Ｇｌｎ，Ａｒｇのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    　前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度が高く且つ前記抗酸化力が正常な状態および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、
    　を特徴とする請求項１４に記載の生体酸化の評価方法。
  25. 　前記多変量判別式は、Ｈｉｓ，Ｔｈｒ，Ａｌａ，Ｃｉｔ，Ｉｌｅ，Ｐｈｅを前記変数として含む前記ロジスティック回帰式であること、
    　を特徴とする請求項２４に記載の生体酸化の評価方法。
  26. 　前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ａｌａ，Ｔｈｒ，Ｃｉｔ，Ｏｒｎ，Ｍｅｔ，Ｖａｌ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｇｌｙ，Ｔｙｒ，Ｈｉｓ，Ａｒｇ，ＡＢＡ，Ｌｙｓ，Ｇｌｎ，Ｔｒｐのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    　前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度が正常で且つ前記抗酸化力が低い状態および前記酸化ストレス度が高く且つ前記抗酸化力が低い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、
    　を特徴とする請求項１４に記載の生体酸化の評価方法。
  27. 　前記多変量判別式は、Ｈｉｓ，Ａｌａ，ＡＢＡ，Ｏｒｎ，Ｐｈｅを前記変数として含む前記ロジスティック回帰式であること、
    　を特徴とする請求項２６に記載の生体酸化の評価方法。
  28. 　前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ｐｒｏ，Ａｓｎ，Ｈｉｓ，Ｔｈｒ，Ｏｒｎ，Ａｌａ，Ｃｉｔ，Ｖａｌ，Ｍｅｔ，Ｉｌｅ，Ｌｅｕ，Ｐｈｅ，Ｔｒｐ，Ｇｌｎ，Ａｒｇ，Ｇｌｙ，Ｔｙｒ，ＡＢＡのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    　前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記酸化ストレス度が正常な状態および前記酸化ストレス度が高い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、
    　を特徴とする請求項１４に記載の生体酸化の評価方法。
  29. 　前記多変量判別式は、Ｇｌｎ，Ａｌａ，Ｃｉｔ，Ｔｙｒ，Ｍｅｔ，Ｉｌｅを前記変数として含む前記ロジスティック回帰式であること、
    　を特徴とする請求項２８に記載の生体酸化の評価方法。
  30. 　前記判別値算出ステップは、前記取得ステップで取得した前記アミノ酸濃度データに含まれるＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つの前記濃度値、およびＧｌｕ，Ｓｅｒ，Ａｓｎ，Ｔｈｒ，Ｍｅｔ，Ｏｒｎ，Ｉｌｅ，Ｌｅｕ，Ａｒｇ，Ａｌａ，Ｔｒｐ，Ｐｈｅ，Ｈｉｓ，Ｖａｌ，Ｇｌｎ，Ｐｒｏ，Ｃｉｔのうち少なくとも１つを前記変数として含む前記多変量判別式に基づいて、前記判別値を算出し、
    　前記判別値基準評価ステップは、前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記抗酸化力が正常な状態および前記抗酸化力が低い状態のうちのいずれであるかを判別する判別値基準判別ステップをさらに含むこと、
    　を特徴とする請求項１４に記載の生体酸化の評価方法。
  31. 　前記多変量判別式は、Ｇｌｕ，Ｔｈｒ，Ａｌａ，Ａｒｇ，Ｉｌｅ，Ｔｒｐを前記変数として含む前記ロジスティック回帰式であること、
    　を特徴とする請求項３０に記載の生体酸化の評価方法。
  32. 　制御手段と記憶手段とを備え、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する生体酸化評価装置であって、
    　前記制御手段は、
    　アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式に基づいて、当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手段と、
    　前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価する判別値基準評価手段と
    　を備えたこと、
    　を特徴とする生体酸化評価装置。
  33. 　制御手段と記憶手段とを備えた情報処理装置において実行される、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する生体酸化評価方法であって、
    　前記制御手段において実行される、
    　アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式に基づいて、当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ステップと、
    　前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価する判別値基準評価ステップと
    　を含むこと、
    　を特徴とする生体酸化評価方法。
  34. 　制御手段と記憶手段とを備えた情報処理装置において実行させるための、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する生体酸化評価プログラムであって、
    　前記制御手段において実行させるための、
    　アミノ酸の濃度値に関する予め取得した前記評価対象のアミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式に基づいて、当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ステップと、
    　前記判別値算出ステップで算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価する判別値基準評価ステップと
    　を含むこと、
    　を特徴とする生体酸化評価プログラム。
  35. 　制御手段と記憶手段とを備え、評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する生体酸化評価装置と、制御手段を備え、アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データを提供する情報通信端末装置とを、ネットワークを介して通信可能に接続して構成された生体酸化評価システムであって、
    　前記情報通信端末装置の前記制御手段は、
    　前記評価対象の前記アミノ酸濃度データを前記生体酸化評価装置へ送信するアミノ酸濃度データ送信手段と、
    　前記生体酸化評価装置から送信された、前記生体酸化の状態評価に関する前記評価対象の評価結果を受信する評価結果受信手段と
    　を備え、
    　前記生体酸化評価装置の前記制御手段は、
    　前記情報通信端末装置から送信された前記アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、
    　前記アミノ酸濃度データ受信手段で受信した前記アミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式に基づいて、当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手段と、
    　前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価する判別値基準評価手段と、
    　前記判別値基準評価手段での前記評価対象の前記評価結果を前記情報通信端末装置へ送信する評価結果送信手段と、
    　を備えたこと、
    　を特徴とする生体酸化評価システム。
  36. 　評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する生体酸化評価装置とネットワークを介して通信可能に接続された、制御手段を備え、アミノ酸の濃度値に関する前記評価対象のアミノ酸濃度データを提供する情報通信端末装置であって、
    　前記制御手段は、
    　前記評価対象の前記アミノ酸濃度データを前記生体酸化評価装置へ送信するアミノ酸濃度データ送信手段と、
    　前記生体酸化評価装置から送信された、前記生体酸化の状態評価に関する前記評価対象の評価結果を受信する評価結果受信手段と
    　を備え、
    　前記評価結果は、前記生体酸化評価装置が、前記情報通信端末装置から送信された前記アミノ酸濃度データを受信し、受信した前記アミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む前記生体酸化評価装置で記憶した多変量判別式に基づいて、当該多変量判別式の値である判別値を算出し、算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価した結果であること、
    　を特徴とする情報通信端末装置。
  37. 　アミノ酸の濃度値に関する評価対象のアミノ酸濃度データを提供する情報通信端末装置とネットワークを介して通信可能に接続された、制御手段と記憶手段とを備え、前記評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する生体酸化評価装置であって、
    　前記制御手段は、
    　前記情報通信端末装置から送信された前記アミノ酸濃度データを受信するアミノ酸濃度データ受信手段と、
    　前記アミノ酸濃度データ受信手段で受信した前記アミノ酸濃度データ、および前記アミノ酸の濃度を変数として含む前記記憶手段で記憶した多変量判別式に基づいて、当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手段と、
    　前記判別値算出手段で算出した前記判別値に基づいて、前記評価対象につき、前記生体酸化の状態を評価する判別値基準評価手段と、
    　前記判別値基準評価手段での前記評価対象の評価結果を前記情報通信端末装置へ送信する評価結果送信手段と、
    　を備えたこと、
    　を特徴とする生体酸化評価装置。
  38. 　１つ又は複数の物質から成る所望の物質群が投与された評価対象から採取した血液中のアミノ酸の濃度値に関するアミノ酸濃度データを取得する取得ステップと、
    　前記取得ステップで取得した前記アミノ酸濃度データに基づいて、前記評価対象につき、酸化ストレス度および／または抗酸化力を含む生体酸化の状態を評価する濃度値基準評価ステップと、
    　前記濃度値基準評価ステップでの評価結果に基づいて、前記所望の前記物質群が、前記生体酸化を予防させる又は前記生体酸化の状態を改善させるものであるか否かを判定する判定ステップと、
    　を含むことを特徴とする生体酸化の予防・改善物質の探索方法。
PCT/JP2012/067166 2011-07-07 2012-07-05 生体酸化の評価方法、生体酸化評価装置、生体酸化評価方法、生体酸化評価プログラム、生体酸化評価システム、情報通信端末装置、および生体酸化の予防・改善物質の探索方法 Ceased WO2013005790A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2011-151156 2011-07-07
JP2011151156 2011-07-07

Publications (1)

Publication Number Publication Date
WO2013005790A1 true WO2013005790A1 (ja) 2013-01-10

Family

ID=47437136

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2012/067166 Ceased WO2013005790A1 (ja) 2011-07-07 2012-07-05 生体酸化の評価方法、生体酸化評価装置、生体酸化評価方法、生体酸化評価プログラム、生体酸化評価システム、情報通信端末装置、および生体酸化の予防・改善物質の探索方法

Country Status (1)

Country Link
WO (1) WO2013005790A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019198601A1 (ja) * 2018-04-10 2019-10-17 味の素株式会社 畜産動物の健康状態および／または成育状態を評価する方法、装置およびプログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004052191A1 (ja) * 2002-12-09 2004-06-24 Ajinomoto Co., Inc. 生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体
WO2006098192A1 (ja) * 2005-03-16 2006-09-21 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体
JP2007192746A (ja) * 2006-01-20 2007-08-02 Keio Gijuku 酸化ストレスの判定方法
JP2008185364A (ja) * 2007-01-26 2008-08-14 Keio Gijuku 血中酸化ストレスマーカーの測定法
WO2010073870A1 (ja) * 2008-12-24 2010-07-01 学校法人 慶應義塾 肝臓疾患マーカー、その測定方法、装置及び医薬品の検定方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004052191A1 (ja) * 2002-12-09 2004-06-24 Ajinomoto Co., Inc. 生体状態情報処理装置、生体状態情報処理方法、生体状態情報管理システム、プログラム、および、記録媒体
WO2006098192A1 (ja) * 2005-03-16 2006-09-21 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体
JP2007192746A (ja) * 2006-01-20 2007-08-02 Keio Gijuku 酸化ストレスの判定方法
JP2008185364A (ja) * 2007-01-26 2008-08-14 Keio Gijuku 血中酸化ストレスマーカーの測定法
WO2010073870A1 (ja) * 2008-12-24 2010-07-01 学校法人 慶應義塾 肝臓疾患マーカー、その測定方法、装置及び医薬品の検定方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
DECSI T ET AL.: "Effects of Dietary Long-Chain Polyunsaturated Fatty Acids on Plasma Amino Acids and Indices of Protein Metabolism in Infants: Results from a Randomized Clinical Trial", ANN NUTR METAB, vol. 42, no. 4, 1998, pages 195 - 201 *
HIROSHI YAMAKADO ET AL.: "Sanka Stress no Surrogate Marker to shite no 'Amino Index' no Yuyosei ni Kansuru Kenkyu", NINGEN DOCK, vol. 26, no. 2, July 2011 (2011-07-01), pages 271 *
NAOKO SUZUKI ET AL.: "Changes in plasma-free amino acids by hyperbaric oxygen exposure", THE JAPANESE JOURNAL OF HYPERBARIC AND UNDERSEA MEDICINE, vol. 43, no. 1, 2008, pages 1 - 5 *
REGO A C ET AL.: "Oxidative Stress, Hypoxia, and Ischemia-Like Conditions Increase the Release of Endogenous Amino Acids by Distinct Mechanisms in Cultured Retinal Cells", J NEUROCHEM, vol. 66, no. 6, 1996, pages 2506 - 2516 *
TOMOKO MOTOYAMA ET AL.: "Shokuji Seigenka no Kokiatsu Sanso Bakuro ni Okeru Kessho Yuri Amino-san no Henka", THE JAPANESE JOURNAL OF HYPERBARIC AND UNDERSEA MEDICINE, vol. 41, no. 3, 2006, pages 179 *
TSUYOSHI WATANABE ET AL.: "Undo Yuhatsusei Sanka Stress ni Taisuru Amino-san Supplement Sesshu no Eikyo", THE ANNUAL REPORTS OF HEALTH, PHYSICAL EDUCATION AND SPORTS SCIENCE, vol. 23, 2005, pages 19 - 22 *
YUKO AMEMIYA ET AL.: "Negative correlations between free histidine content in plasma and a risk factor of arteriosclerosis", THE JOURNAL OF JAPAN MIBYO SYSTEM ASSOCIATION, vol. 16, no. 1, 2010, pages 17 - 27 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019198601A1 (ja) * 2018-04-10 2019-10-17 味の素株式会社 畜産動物の健康状態および／または成育状態を評価する方法、装置およびプログラム

Similar Documents

Publication Publication Date Title
JP7215507B2 (ja) 取得方法、評価装置、評価プログラムおよび評価システム
JP5856364B2 (ja) 抑うつ病の評価方法、抑うつ病評価装置、抑うつ病評価方法、抑うつ病評価システム、抑うつ病評価プログラム、記録媒体および端末装置
JP6260275B2 (ja) 脂肪肝の評価方法、脂肪肝評価装置、脂肪肝評価方法、脂肪肝評価プログラム、脂肪肝評価システム、および端末装置
JP7173240B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、及び評価システム
US12159718B2 (en) Method for evaluating pancreatic cancer, pancreatic cancer evaluating apparatus, pancreatic cancer evaluating method, pancreatic cancer evaluating program product, pancreatic cancer evaluating system and information communication terminal apparatus
JP2014038114A (ja) 肺癌の評価方法
JPWO2008075663A1 (ja) 大腸癌の評価方法、ならびに大腸癌評価装置、大腸癌評価方法、大腸癌評価システム、大腸癌評価プログラムおよび記録媒体
JPWO2008015929A1 (ja) メタボリック・シンドロームの評価方法、メタボリック・シンドローム評価装置、メタボリック・シンドローム評価方法、メタボリック・シンドローム評価システム、メタボリック・シンドローム評価プログラムおよび記録媒体、ならびにメタボリック・シンドロームの予防・改善物質の探索方法
WO2013011919A1 (ja) Ｎａｓｈの評価方法、ｎａｓｈ評価装置、ｎａｓｈ評価方法、ｎａｓｈ評価プログラム、ｎａｓｈ評価システム、情報通信端末装置、およびｎａｓｈの予防・改善物質の探索方法
JP7643598B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、評価システム
WO2014168125A1 (ja) 生活習慣病指標の評価方法、生活習慣病指標評価装置、生活習慣病指標評価方法、生活習慣病指標評価プログラム、生活習慣病指標評価システム、および情報通信端末装置
JP6614215B2 (ja) 取得方法、算出方法、脳卒中評価装置、算出装置、脳卒中評価プログラム、算出プログラムおよび脳卒中評価システム
JP2014106114A (ja) 膵臓癌リスク疾患の評価方法、膵臓癌リスク疾患評価装置、膵臓癌リスク疾患評価方法、膵臓癌リスク疾患評価プログラム、膵臓癌リスク疾患評価システムおよび情報通信端末装置
JP7337018B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、評価システム
JPWO2009054350A1 (ja) 耐糖能異常の評価方法、耐糖能異常評価装置、耐糖能異常評価方法、耐糖能異常評価システム、耐糖能異常評価プログラムおよび記録媒体、ならびに耐糖能異常の予防・改善物質の探索方法
JP2013178239A (ja) 早期腎症の評価方法、早期腎症評価装置、早期腎症評価方法、早期腎症評価プログラム、早期腎症評価システムおよび情報通信端末装置
WO2013005790A1 (ja) 生体酸化の評価方法、生体酸化評価装置、生体酸化評価方法、生体酸化評価プログラム、生体酸化評価システム、情報通信端末装置、および生体酸化の予防・改善物質の探索方法
JP6270257B2 (ja) 取得方法、心血管イベント評価装置、心血管イベント評価プログラム、心血管イベント評価システムおよび端末装置
JP7435855B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、及び評価システム
WO2019194144A1 (ja) 乳癌の評価方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、評価システム、及び端末装置
JP2011080957A (ja) 線維筋痛症とうつ病の評価方法、線維筋痛症・うつ病評価装置および線維筋痛症・うつ病評価方法
JPWO2018066620A1 (ja) 膵臓癌の評価方法、評価装置、評価プログラム、評価システム、及び端末装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12806922

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 12806922

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP