肥胖的预测方法与流程

1.本发明涉及动物肥胖的预测方法、判定方法和动物的疾病的预测方法，详细而言，涉及基于由动物的体内或动物得到的试样中的菌种数的测定来预测动物是否会变得肥胖的肥胖的预测方法等。


背景技术：

2.以狗、猫、兔子为代表的宠物动物、以牛、猪为代表的家畜对人类来说是不可替代的存在。近些年，人类饲养的动物的平均寿命大幅增长，另一方面，动物在其一生中患有某种疾病的情况增多，饲养者负担的医疗费增大成为问题。
3.特别是近些年，动物与人同样，运动不足、食物摄入过剩或者基于遗传因素等导致的肥胖问题日益突出。指出肥胖可能成为各种疾病的原因，可认为这是动物的医疗费高昂的原因之一。
4.另一方面，提供覆盖宠物动物的医疗费的宠物保险。宠物保险与针对人类的生命保险、医疗保险同样地，大多会根据动物的品种/年龄、既往病史等来决定保险费、可否加入。此外，对于宠物保险的加入者来说，被保险的动物健康是优选的，这点不言而喻。
5.因此，期望针对宠物保险的加入者，提供与被保险的动物的健康相关的信息，以试图改善维持该动物的健康的动力。
6.动物的肥胖也有是基于遗传因素，但更多的被认为是由生活习惯所引起的，通过向饲养者、宠物保险的加入者提供信息、启蒙，从而可期待提高预防、消除动物肥胖的可能性。因此，需求利用简便的方法能够提供动物的肥胖、与其相关的疾病所涉及的信息的方法。
7.专利文献1中公开了一种肠道菌群调节或改善组合物，其中，通过在肠道菌群中使拟杆菌门(bacteroidetes)的细菌增殖，使厚壁菌门(firmicutes)的细菌减少，从而具有有效地调节或改善肠道菌群，但尚未公开由动物的肠道菌群等的动物体内(动物的肠道)、动物采集的试样中的特定细菌种类与肥胖的相关性。
8.现有技术文献
9.专利文献
10.专利文献1：国际公开2017/094892号小册子


技术实现要素：

11.发明要解决的问题
12.因此，本发明的目的在于提供动物肥胖的预测、判定方法。
13.用于解决问题的方案
14.本发明人等对加入了宠物保险的动物的肥胖状态和该动物体内的菌群的状态的膨大的数据进行分析、研究，结果发现由动物的肠道菌群等动物体内、动物采集的试样中的特定细菌群与肥胖的相关性，以至完成了本发明。
15.即，本发明为以下的[1]～[22]。
[0016]
[1]一种动物肥胖的预测方法，其具备测定工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、和副萼苔科(paraprevotellaceae)组成的组中的1种以上的科，测定属于该科的菌种数。
[0017]
[2]根据[1]的动物肥胖的预测方法，其中，前述动物的体内为肠。
[0018]
[3]根据[1]的动物肥胖的预测方法，其中，前述从动物中分离出的试样为动物的粪便。
[0019]
[4]根据[1]～[3]中任一项的动物肥胖的预测方法，其中，前述测定工序用于测定属于红蝽菌科(coriobacteriaceae)和/或普雷沃氏菌科(prevotellaceae)的菌的菌种数。
[0020]
[5]根据[1]～[4]中任一项的动物肥胖的预测方法，其还具备如下工序：对于选自由产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)和韦荣氏菌科(veillonellaceae)组成的组中的1种以上的科，测定属于该科的菌的占有率的测定工序。
[0021]
[6]根据[1]～[5]中任一项的动物肥胖的预测方法，其中，前述动物是狗。
[0022]
[7]根据[1]～[6]中任一项的动物肥胖的预测方法，其中，前述动物的年龄为5岁以下。
[0023]
[8]一种动物肥胖的判定方法，其具备测定工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、和副萼苔科(paraprevotellaceae)组成的组中的1种以上的科，测定属于该科的菌种数。
[0024]
[9]一种动物的罹患疾病的预测方法，其具备测定工序：对于在动物的体内或从动物中分离出的试样中存在的红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、副萼苔科(paraprevotellaceae)、产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)和韦荣氏菌科(veillonellaceae)组成的组中的1种以上的科，测定属于该科的菌的占有率。
[0025]
[10]一种动物的保险费计算方法，其中，基于利用[1]～[7]中任一项的动物肥胖的预测方法的预测结果来计算保险费。
[0026]
[11]一种动物肥胖的预测方法，其具备测定动物的肠道菌群的多样性指数的工序。
[0027]
[12]根据[11]的动物肥胖的预测方法，其中，前述多样性指数为香农-韦弗(shannon-weaver)的多样性指数。
[0028]
[13]一种动物肥胖的预测方法，其具备如下工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科
(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、副萼苔科(paraprevotellaceae)、产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)和韦荣氏菌科(veillonellaceae)组成的组中的1种以上的科，由与属于该科的菌的菌种数相关的数据，预测该动物是否会变得肥胖。
[0029]
[14]一种动物肥胖的预测方法，其具备如下工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由双歧杆菌科(bifidobacteriaceae)、红蝽菌科(coriobacteriaceae)、拟杆菌科(bacteroidaceae)、紫单胞菌科(porphyromonadaceae)、普雷沃氏菌科(prevotellaceae)、丹毒丝梭菌科(erysipelatoclostridiaceae)、丹毒丝菌科(erysipelotrichaceae)、孪生菌科(gemellaceae)、梭菌科(clostridiaceae)、颤螺旋菌科(oscillospiraceae)、瘤胃菌科(ruminococcaceae)、氨基酸球菌科(acidaminococcaceae)、新月形单胞菌科(selenomonadaceae)、梭杆菌科(fusobacteriaceae)、糖精科(saccharimonadaceae)、鞘脂单胞菌科(sphingomonadacea)、螺杆菌科(helicobacteraceae)、脱硫弧菌科(desulfovibrionaceae)、琥珀酸弧菌科(succinivibrionaceae)、萨特菌科(sutterellaceae)和摩根菌科(morganellaceae)组成的组中的1种以上的科，基于与属于该科的菌的占有率相关的数据，预测该动物是否会变得肥胖。
[0030]
[15]根据[14]的动物肥胖的预测方法，其中，与前述菌的占有率相关的数据是根据占有率所赋予的评分。
[0031]
[16]一种动物的肥胖预测系统，其具备：接收单元，对于在动物的体内或从动物中分离出的试样中存在的菌，接收与属于规定菌科的菌的菌种数或占有率相关的数据；及判定单元，对于在动物的体内或从动物中分离出的试样中存在的菌，基于与属于规定菌科的菌的菌种数或占有率相关的数据预测该动物是否会变得肥胖。
[0032]
[17]根据[16]的动物的肥胖预测系统，其具备显示部，所述显示部用与肥胖易感度相对应的图标显示基于前述判定单元的预测结果。
[0033]
[18]根据[17]的动物的肥胖预测系统，其具备显示部，所述显示部用图标显示基于前述判定单元的预测结果、以及属于规定菌科的菌的菌种数或占有率的大小。
[0034]
[19]根据[16]～[18]中任一项的动物的肥胖预测系统，其具备建议单元，所述建议单元根据基于前述判定单元的预测结果提供用于改善肥胖的建议。
[0035]
[20]根据[16]～[19]中任一项的动物的肥胖预测系统，其具备建议单元，所述建议单元根据基于前述判定单元的预测结果推荐食物。
[0036]
[21]根据根据[16]～[20]中任一项的动物的肥胖预测系统，其中，前述规定菌科为选自由链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、副萼苔科(paraprevotellaceae)、产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)和韦荣氏菌科(veillonellaceae)组成的组中的1种以上的科。
[0037]
[22]根据根据[16]～[20]中任一项的动物的肥胖预测系统，其中，前述规定菌科为选自由双歧杆菌科(bifidobacteriaceae)、红蝽菌科(coriobacteriaceae)、拟杆菌科
(bacteroidaceae)、紫单胞菌科(porphyromonadaceae)、普雷沃氏菌科(prevotellaceae)、丹毒丝梭菌科(erysipelatoclostridiaceae)、丹毒丝菌科(erysipelotrichaceae)、孪生菌科(gemellaceae)、梭菌科(clostridiaceae)、颤螺旋菌科(oscillospiraceae)、瘤胃菌科(ruminococcaceae)、氨基酸球菌科(acidaminococcaceae)、新月形单胞菌科(selenomonadaceae)、梭杆菌科(fusobacteriaceae)、糖精科(saccharimonadaceae)、鞘脂单胞菌科(sphingomonadacea)、螺杆菌科(helicobacteraceae)、脱硫弧菌科(desulfovibrionaceae)、琥珀酸弧菌科(succinivibrionaceae)、萨特菌科(sutterellaceae)和摩根菌科(morganellaceae)组成的组中的1种以上的科。
[0038]
发明的效果
[0039]
根据本发明，可以提供动物肥胖的预测、判定方法。
附图说明
[0040]
图1是示出实施例的结果的图表。
[0041]
图2a是示出实施例的结果的图表。
[0042]
图2b是示出实施例的结果的图表。
[0043]
图3是示出实施例的结果的图表。
[0044]
图4是示出实施例的结果的图表。
[0045]
图5是示出实施例的结果的图表。
[0046]
图6是示出实施例的结果的图表。
[0047]
图7是本发明的显示部所显示的图标的一例。
[0048]
图8是本发明的显示部所显示的图标的一例。
[0049]
图9是示出本发明的动物的肥胖预测系统的一实施方式的示意图。
[0050]
图10是示出本发明的动物的肥胖预测系统的一实施方式的示意图。
[0051]
图11是示出实施例的结果的图表。
具体实施方式
[0052]
＜肥胖的预测方法＞
[0053]
本发明的肥胖的预测方法的特征之一在于，具备测定工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)和副萼苔科(paraprevotellaceae)组成的组中的1种以上的科，测定属于该科的菌种数。
[0054]
[成为对象的动物]
[0055]
成为对象的动物没有特别限定，优选为哺乳类，例如可列举出狗、猫、兔子、雪貂等，特别优选狗。
[0056]
动物的年龄优选5岁以下，特别优选为3～5岁。
[0057]
[试样]
[0058]
对在动物的体内或从动物中分离出的试样中存在的菌的种类、其数量进行检测、
测定的方法均可以利用公知的方法。作为菌，优选肠道细菌，作为试样，优选动物的粪便。即，作为适合的方式，可列举出将动物的粪便作为试样来调查动物的肠道菌群。
[0059]
[菌种数的测定]
[0060]
菌种数的测定可以使用利用了ngs等测序仪的扩增子测序等公知的宏基因组分析法、菌群的解析方法。例如可列举出如下方法：通过使用下一代测序仪对试样中包含的所有的生物的dna、rna的碱基序列信息进行解析，从而鉴定该试样中包含的生物。优选列举出如下方法：根据需要将试样中包含的16srrna基因的全部或一部分扩增，进行测序，使用软件对得到的序列进行解析，得到试样中的细菌的组成数据。通过用软件对试样中的细菌的组成数据进行处理，或者，参照genbank、greengenes、silva database之类的基因数据库，从而能够确定试样中包含的细菌的菌种的归属，测定属于特定科的细菌的菌种数。
[0061]
对利用了ngs(下一代测序仪)的16srrna基因的扩增子解析(菌群解析)的一例进行具体地说明。首先，使用dna提取试剂从试样中提取dna，由提取的dna通过pcr扩增16srrna基因。然后，对于扩增的dna片段，使用ngs综合地确定碱基序列，进行低质量引导、嵌合序列的去除后，将序列彼此聚类以进行otu(operational taxonomic unit)解析。out是用于将具有一定程度以上的相似性(例如，96～97％以上的同源性)的序列彼此视为一个菌种的操作上的分类单位。因此，otu数表示构成菌群的菌种的数量，可认为属于同一out的引导数表示该种类的相对存在量。另外，从属于各out的引导数中选择代表性的序列，通过数据库检索可以鉴定科名、属种名。如此，能够测定属于特定科的菌种数。
[0062]
[预测方法]
[0063]
本发明的肥胖的预测方法的特征在于，其具备测定工序：测定在动物的体内或从动物中分离出的试样中存在的属于特定科的菌(细菌)的菌种数，在该菌种数少的情况下，预测未来该动物会变得肥胖。此处所谓的未来是指规定期间内的意思，期间没有特别限定，优选为3年以内、更优选为2年以内、进一步优选为1年以内。另外，由于是肥胖的预测，因此在利用本发明的方法后，通过该动物的饮食生活、生活习惯的改善，也充分设想不会出现肥胖的情况。倒不如说，通过向该动物的饲养者传递该动物存在变得肥胖的危险性，也能够促进改善该动物的饮食生活、生活习惯的方法。例如，根据利用本发明的肥胖的预测方法的预测结果，可以推出或推荐用于防止肥胖的饮食、包含不易肥胖的细菌的补充剂、低卡路里的饮食、低糖质的饮食、减肥菜单等。
[0064]
另外，根据利用本发明的肥胖的预测方法的预测结果，也能够制造或者定制用于防止肥胖的饮料、饮食、补充剂。作为与防止肥胖相关的服务，也可以是利用本发明的肥胖的预测方法的预测、预测结果的提供、根据预测结果来制造或者定制饮料、饮食、补充剂、该饮料、饮食、补充剂的提出、推荐之类的方式。另外，还可以是如下方法：在提供这种服务之后，进而实施本发明的肥胖的预测方法，以提示肥胖倾向是否得到改善的方法。上述饮料、饮食、补充剂中包含饮食疗法用饮料、减肥食品、营养辅助用添加物等。
[0065]
另外，上述菌种数的测定结果进而与基因检测的结果(容易对肥胖产生影响的基因的有无)组合来预测肥胖。通过将基因检测的结果组合，从而能够以高精度对肥胖进行预测。
[0066]
作为肥胖的基准，例如，在各动物(品种)的身体状况评分(bcs)中，5等级的情况可以是bcs4以上(9等级的情况为6以上)，但不限定于该基准。在没有确定bcs的动物中，例如
可以使用体脂肪率作为基准，在此情况下，肥胖是指该动物的体脂肪率高于该动物种类的平均值，优选高50％以上、更优选高75％以上的情况，但不限定于此。另外，对于未确定bcs的动物，也可以参考确定了bcs的狗、猫来定义肥胖。
[0067]
根据本发明人等的验证，发现：有肥胖或肥胖倾向的动物在肠道菌群中属于链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)或副萼苔科(paraprevotellaceae)的细菌的菌种数比不是肥胖的动物少。因此，可以理解的是，这些菌科的菌种数与肥胖具有相关性，若这些菌科的菌种数少或减少，则容易变得肥胖。相反，若这些菌种数多、增多，则可以预测、判定不易变得肥胖。
[0068]
菌种数的减少、菌种数少可以基于不是肥胖或者没有肥胖倾向的同种动物的菌种数的比较来确定，或者也可以对同一动物经时地测定多次菌种数，通过观察该动物中的菌种数的变化来确定。
[0069]
另外，对于每个动物种类，预先构建属于上述科的菌种数的数据库，通过与该数据库中的菌种数的比较，从而也能够确定菌种数减少或者少。
[0070]
例如，菌种数与对象动物、对象动物的平均值相比，优选少1％以上、更优选少3％以上、进一步优选少5％以上时，可以预测有可能变得肥胖。
[0071]
另外，其他例中，菌种数在同一动物中与前一次测定时相比，优选减少1％以上、更优选减少3％以上、进一步优选减少5％以上时，可以预测有可能变得肥胖。
[0072]
另外，本发明的肥胖的预测方法也可以为动物肥胖的预测方法，其具备如下工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、副萼苔科(paraprevotellaceae)、产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)和韦荣氏菌科(veillonellaceae)组成的组中的1种以上的科，由与属于该科的菌的菌种数相关的数据，预测该动物是否会变得肥胖。
[0073]
作为与菌的菌种数相关的数据，例如可列举出菌种数、根据菌种数所赋予的评分、根据菌种数是否为规定值以上或是否低于规定值而赋予的评分等。也可以使用将各菌科的评分相加而计算出的总评分。
[0074]
另外，本发明的肥胖的预测方法也可以为动物肥胖的预测方法，其具备如下工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由双歧杆菌科(bifidobacteriaceae)、红蝽菌科(coriobacteriaceae)、拟杆菌科(bacteroidaceae)、紫单胞菌科(porphyromonadaceae)、普雷沃氏菌科(prevotellaceae)、丹毒丝梭菌科(erysipelatoclostridiaceae)、丹毒丝菌科(erysipelotrichaceae)、孪生菌科(gemellaceae)、梭菌科(clostridiaceae)、颤螺旋菌科(oscillospiraceae)、瘤胃菌科(ruminococcaceae)、氨基酸球菌科(acidaminococcaceae)、新月形单胞菌科(selenomonadaceae)、梭杆菌科(fusobacteriaceae)、糖精科(saccharimonadaceae)、鞘脂
单胞菌科(sphingomonadacea)、螺杆菌科(helicobacteraceae)、脱硫弧菌科(desulfovibrionaceae)、琥珀酸弧菌科(succinivibrionaceae)、萨特菌科(sutterellaceae)和摩根菌科(morganellaceae)组成的组中的1种以上的科，基于与属于该科的菌的占有率相关的数据，预测该动物是否会变得肥胖。
[0075]
作为与菌的占有率相关的数据，例如可列举出占有率、根据占有率所赋予的评分、占有率为是否规定值以上或是否低于规定值赋予的评分等。也可以使用将各菌科的评分相加而计算出的总评分。
[0076]
[科]
[0077]
测定成为对象的科为选自由链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)和副萼苔科(paraprevotellaceae)组成的组中的1种以上。特别是，测定属于红蝽菌科(coriobacteriaceae)和/或普雷沃氏菌科(prevotellaceae)的菌的菌种数。本发明人等确认了：在成为肥胖的动物和与肥胖相关的罹患疾病的动物这两者中，与健康动物相比，属于这些科的菌的菌种数减少。
[0078]
进而，除上述之外或者代替上述，也可以测定属于选自由产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)和韦荣氏菌科(veillonellaceae)组成的组中的1种以上的科的菌的占有率。占有率是指各菌种在肠道菌群等菌群中所占的存在比(检测比率)。
[0079]
另外，除上述之外或者代替上述，作为成为对象的菌科，可以列举出双歧杆菌科(bifidobacteriaceae)、红蝽菌科(coriobacteriaceae)、拟杆菌科(bacteroidaceae)、紫单胞菌科(porphyromonadaceae)、普雷沃氏菌科(prevotellaceae)、丹毒丝梭菌科(erysipelatoclostridiaceae)、丹毒丝菌科(erysipelotrichaceae)、孪生菌科(gemellaceae)、梭菌科(clostridiaceae)、颤螺旋菌科(oscillospiraceae)、瘤胃菌科(ruminococcaceae)、氨基酸球菌科(acidaminococcaceae)、新月形单胞菌科(selenomonadaceae)、梭杆菌科(fusobacteriaceae)、糖精科(saccharimonadaceae)、鞘脂单胞菌科(sphingomonadacea)、螺杆菌科(helicobacteraceae)、脱硫弧菌科(desulfovibrionaceae)、琥珀酸弧菌科(succinivibrionaceae)、萨特菌科(sutterellaceae)、摩根菌科(morganellaceae)。
[0080]
[链球菌科(streptococcaceae)]
[0081]
链球菌科置于乳酸杆菌目中，包括乳球菌属、乳杆菌属、链球菌属。
[0082]
[瘤胃菌科(ruminococcaceae)]
[0083]
瘤胃菌科是属于梭菌纲梭菌目的细菌的科。除了瘤胃菌属之外，作为属，包括厌氧乙酸属(acetanaerobacterium)、急性杆菌属(acutalibacter)、厌氧杆菌属(anaerobacterium)、厌氧丝菌属(anaerofilum)、厌氧棍状菌属(anaerotruncus)、非渗透杆菌属(dysosmobacter)、爱尔塞拉菌属(ercella)、乙醇杆菌属(ethanoligenens)、普拉梭菌属(faecalibacterium)、费氏菌属(fastidiosipila)、厌氧氢杆菌属(hydrogenoanaerobacterium)、颤杆菌属(oscillibacter)、颤螺菌属(oscillospira)、乳头杆菌属(papillibacter)、假拟杆菌属(pseudobacteroides)、孢杆菌属(sporobacter)、
罕见小球菌属(subdoligranulum)、年轻菌属(youngiibacter)。
[0084]
[双歧杆菌科(bifidobacteriaceae)]
[0085]
双歧杆菌科是双歧杆菌目中包含的科，包括双歧杆菌属。
[0086]
[肠球菌科(enterococcaceae)]
[0087]
肠球菌科是属于乳酸杆菌目的革兰氏阳性的真细菌的科。作为代表性的属，包括肠球菌属(enterococcus)、蜜蜂球菌属(melissococcus)、矛形细菌属(pilibacter)、四联球菌属(tetragenococcus)和漫游球菌属(vagococcus)。
[0088]
[丹毒丝菌科(erysipelotrichaceae)]
[0089]
丹毒丝菌科是属于丹毒丝菌目的科，作为属，包括异杆菌属(allobaculum)、伯氏菌属(breznakia)、布雷德菌属(bulleidia)、链型杆菌属(catenibacterium)、链型球形菌属(catenisphaera)、粪芽孢菌属(coprobacillus)、dielma、杜氏杆菌属(dubosiella)、埃格斯菌属(eggerthia)、丹毒丝菌属(erysipelothrix)、粪杆菌属(faecalibaculum)、霍尔德曼氏菌属(holdemania)、埃雷杆菌属(ileibacterium)、坎德勒氏菌属(kandleria)、长单胞菌属(longibaculum)、长真杆菌属(longicatena)、梭菌菌属(solobacterium)、血腥杆菌属(turicibacter)。
[0090]
[红蝽菌科(coriobacteriaceae)]
[0091]
红蝽菌科是属于红蝽菌目的科，作为属，包括奇异菌(atopobium)属、欧陆森氏菌(olsenella)属。
[0092]
[普雷沃氏菌科(prevotellaceae)]
[0093]
普雷沃氏菌科是属于拟杆菌目的科，包括普雷沃氏菌属。
[0094]
[粪芽孢杆菌科(coprobacillaceae)]
[0095]
粪芽孢杆菌科是属于丹毒丝菌目的科，包括粪芽孢杆菌(coprobacillus)属。
[0096]
[副萼苔科(paraprevotellaceae)]
[0097]
副萼苔科是属于拟杆菌目的科，包括副萼苔属。另外，还有不将普雷沃菌科作为独立的科而是将副萼苔属包含在普雷沃氏菌科中的分类方法。
[0098]
[产碱菌科(alcaligenaceae)]
[0099]
产碱菌科是属于伯克氏菌目的科，包括产碱杆菌属。
[0100]
[梭杆菌科(fusobacteriaceae)]
[0101]
梭杆菌科是属于梭杆菌目的科，包括梭杆菌属。
[0102]
[韦荣氏菌科(veillonellaceae)]
[0103]
韦荣氏菌科是属于梭菌(clostridiales)目的科，作为属，包括醋丝菌属(acetonema)、
[0104]
氨基酸球菌属(acidaminococcus)、阿里松氏菌属(allisonella)、厌氧弧形菌属(anaeroarcus)、厌氧球状菌属(anaeroglobus)、厌氧香蕉菌属(anaeromusa)、厌氧弯曲菌属(anaerosinus)、厌氧孢菌属(anaerospora)、厌氧弧菌属(anaerovibrio)、蜈蚣菌属(centipeda)、树源生孢杆菌属(dendrosporobacter)、脱硫鼠孢菌属(desulfosporomusa)、小杆菌属(dialister)、巨单胞菌属(megamonas)、巨球型菌属(megasphaera)、光冈菌属(mitsuokella)、梳状菌属(pectinatus)、
[0105]
粘土弯菌属(pelosinus)、考拉杆菌属(phascolarctobacterium)、丙酸螺菌属
(propionispira)、丙酸孢菌属(propionispora)、嗜冷弯曲菌属(psychrosinus)、
[0106]
quinella、施氏菌属(schwartzia)、月形单胞菌属(selenomonas)、香蕉孢菌(sporomusa)、sporotalea、琥珀酸菌属(succiniclasticum)、琥珀螺菌属(succinispira)、嗜热弯曲菌属(thermosinus)、韦荣氏球菌属(veillonella)、嗜发酵菌属(zymophilus)。
[0107]
[拟杆菌科(bacteroidaceae)]
[0108]
拟杆菌科是属于拟杆菌门拟杆菌纲拟杆菌目的科，包括拟杆菌属。
[0109]
[紫单胞菌科(porphyromonadaceae)]
[0110]
紫单胞菌科是属于拟杆菌目的科，包括紫单胞菌属。
[0111]
[丹毒丝梭菌科(erysipelatoclostridiaceae)]
[0112]
丹毒丝梭菌(erysipelatoclostridiaceae)科是属于丹毒丝菌目的科，包括丹毒丝梭菌(erysipelatoclostridiaceae)属。
[0113]
[孪生菌科(gemellaceae)]
[0114]
孪生菌科是属于金黄色葡萄球菌目的科，包括孪生菌属。
[0115]
[梭菌科(clostridiaceae)]
[0116]
梭菌科是梭菌目的科，包括梭菌属。
[0117]
[颤螺旋菌科(oscillospiraceae)]
[0118]
颤螺旋菌科是属于优杆菌目的科，包括颤螺旋菌属。
[0119]
[氨基酸球菌科(acidaminococcaceae)]
[0120]
氨基酸球菌科是属于氨基酸球菌目的科，包括氨基酸球菌属。
[0121]
[新月形单胞菌科(selenomonadaceae)]
[0122]
新月形单胞菌科是属于新月形单胞菌目(selenomonadales)的科，包括新月形单胞菌属。
[0123]
[糖精科(saccharimonadaceae)]
[0124]
糖精(saccharimonadaceae)科是属于糖精(saccharimonadaceae)目的科，包括糖精(saccharimonadaceae)属。
[0125]
[鞘脂单胞菌科(sphingomonadacea)]
[0126]
鞘脂单胞菌科是鞘脂单胞菌目的科，包括鞘脂单胞菌属。
[0127]
[螺杆菌科(helicobacteraceae)]
[0128]
螺杆菌科是属于艾普西隆变形杆菌纲弯曲杆菌目的科，包括螺杆菌属。
[0129]
[脱硫弧菌科(desulfovibrionaceae)]
[0130]
脱硫弧菌科是属于δ-变形菌纲脱硫弧菌目的科，包括脱硫弧菌属。
[0131]
[琥珀酸弧菌科(succinivibrionaceae)]
[0132]
琥珀酸弧菌科是属于γ-变形菌纲气单孢菌目的科，包括气单孢菌属、厌氧螺菌属。
[0133]
[萨特菌科(sutterellaceae)]
[0134]
萨特菌科是伯克霍尔德菌目的科，包括萨特菌属。
[0135]
[摩根菌科(morganellaceae)]
[0136]
摩根菌科是肠杆菌目的科，包括摩根菌属。
[0137]
＜肥胖的判定方法＞
[0138]
本发明的动物肥胖的判定方法具备如下工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由链球菌科streptococcaceae、瘤胃菌科ruminococcaceae、双歧杆菌科bifidobacteriaceae、肠球菌科enterococcaceae、丹毒丝菌科erysipelotrichaceae、红蝽菌科coriobacteriaceae、普雷沃氏菌科prevotellaceae、粪芽孢杆菌科coprobacillaceae、和副萼苔科paraprevotellaceae组成的组中的1种以上的科，测定属于该科的菌种数。
[0139]
对于上述1种以上的科，在属于该科的菌种数减少或者少的情况下，可以判定该动物为肥胖。
[0140]
菌种数的减少、菌种数少可以基于不是肥胖或者没有肥胖倾向的同种动物的菌种数的比较来确定，或者也可以对同一动物经时地测定多次菌种数，通过观察该动物中的菌种数的变化来确定。
[0141]
另外，根据动物种类，预先构建属于上述科的菌种数的数据库，通过与该数据库中的菌种数的比较，从而也能够确定菌种数减少或者少。
[0142]
例如，与作为标准体型的对照动物、对照动物的平均值(饲养者回答体型为“普通”时的动物、作为标准体型的动物等平均值)相比，菌种数优选少1％以上、更优选少3％以上、进一步优选少5％以上时，可以预测有可能变得肥胖。
[0143]
另外，其他例中，菌种数在同一动物中与前一次测定时相比，优选减少1％以上、更优选减少3％以上、进一步优选减少5％以上时，可以预测有可能变得肥胖。
[0144]
＜罹患疾病的预测方法＞
[0145]
本发明的罹患疾病的预测方法的特征在于具备如下工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、副萼苔科(paraprevotellaceae)、产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)和韦荣氏菌科(veillonellaceae)组成的组中的1种以上的科，测定属于该科的菌的占有率。
[0146]
根据本发明人等的研究，在肥胖组的动物中发病比例高的特定疾病(内分泌疾病、呼吸器疾病、血液疾病、肌肉骨骼疾病、皮肤疾病、耳朵疾病、系统性疾病、肝脏/胆道/胰腺疾病)发病的动物中，属于红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、副萼苔科(paraprevotellaceae)、产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)或韦荣氏菌科(veillonellaceae)的菌的肠道菌群中的占有率、保有率显著低。因此，可知属于这些科的菌与肥胖相关的特定疾病的发病率具有相关性。
[0147]
对于上述1种以上的科，对于属于该科的菌种，在菌种数、占有率为减少或者少的情况下，可以判定该动物有患有疾病的可能性(高)。
[0148]
对于菌种数的减少、菌种数少而言，可以基于同种动物的菌种数的比较来确定，对于同一动物经时地测定多种回菌种数，也可以通过观察该动物中的菌种数的变化来确定。
[0149]
另外，根据动物种类，预先构建属于上述科的菌种数的数据库，依据该数据库中的菌种数的比较，也可以确认菌种数减少或者少。
[0150]
例如，菌种数与对象动物、对象动物的平均值相比，优选少1％以上、更优选少3％以上、进一步优选少5％以上时，可以预测有患有疾病的可能性。
[0151]
另外，其他例中，菌种数在同一动物中与前一次测定时相比，优选减少1％以上、更优选减少3％以上、进一步优选减少5％以上时，可以预测有患有疾病的可能性。
[0152]
[保险费的计算方法]
[0153]
本发明的保险费的计算方法的特征在于基于利用上述的动物肥胖的预测方法的预测结果来计算保险费。由于假定预测会变为肥胖的动物、或者容易变为肥胖的动物、有肥胖倾向的动物未来患有疾病、特别是患有与肥胖相关的疾病的可能性与通常体型的同种动物相比高，因此可以使相应的保险费计算得较高。另外，例如，对于预测不会有肥胖倾向的动物、不易变得肥胖的动物、或没有肥胖倾向的动物，可以将保险费计算得较低。
[0154]
[多样性指数]
[0155]
本发明的肥胖的预测方法是具备测定动物的肠道菌群的多样性指数的工序的动物肥胖的预测方法，其中，作为多样性指数，可列举出香农-韦弗指数(shannon-weaver)的多样性指数(shannon index)、辛普森的多样性指数等，香农-韦弗指数(shannon-weaver)的多样性指数为优选的。
[0156]
动物的肠道菌群的多样性指数越高，可以预测该动物不易变得肥胖。
[0157]
肠道菌群的多样性指数可以通过公知的方法进行测定。其它方面与上述同样。
[0158]
＜动物的肥胖预测系统＞
[0159]
本发明的动物的肥胖预测系统具备：接收单元，对于在动物的体内或从动物中分离出的试样中存在的菌，接收与属于规定菌科的菌的菌种数或占有率相关的数据；及判定单元，对于在动物的体内或从动物中分离出的试样中存在的菌，基于与属于规定菌科的菌的菌种数或占有率相关的数据预测该动物是否会变得肥胖。
[0160]
[接收单元]
[0161]
本发明的接收单元是用于接收来自希望预测变得肥胖的可能性的动物的试样中的与属于规定菌科的菌的菌种数或占有率相关的数据的输入的单元。作为动物，可列举出狗、猫、鸡、兔子、雪貂等。另外，成为对象的动物的年龄没有限定，优选为0岁以上、更优选为0岁～12岁、进一步优选为1岁～10岁。与菌种数或占有率相关的的数据的接收方法也可以是数据向终端的输入、送信等中任意的方法。
[0162]
与菌种数、占有率相关的数据是指：与动物来源的试样、例如粪便样品、肠道菌群中包含的各菌的菌种数、占有率相关的数据。占有率是指：属于试样中的菌群中所占的各菌科的细菌的存在比(检测比率)，例如，可以作为利用使用了ngs等测序仪的扩增子测序等公知的宏基因组分析法的检测结果“命中率”进行测定。本发明中，作为与菌种数、占有率相关的数据，可以使用菌群的菌种数、占有率的数值，也可以使用基于菌种数、占有率设定的标签、评分。
[0163]
本发明中的占有率是基于菌的科的占有率。基于科的占有率是指属于某科的菌整体的占有率。即，在基于科计算占有率的情况下，对于菌群中的各菌种，将属于某科的菌种的占有率计算总和，可以计算出该科的占有率。可以进行到种水平、属水平的鉴定，根据科计算总和，也可以不进行到种水平、属水平的鉴定，进行科水平的鉴定并计算出科的占有率。
[0164]
基于占有率设定的标签是指是根据占有率的数值的大小适宜设定的标签。例如，根据占有率的数值，可以设定“大”、“中”、“小”或“多”、“中”、“少”这3个等级的标签。另外，
标签的等级数可以任意地设定，例如，也可以赋予“0”、“1”、“2”、“3”、
…“
20”这样的多等级的标签。
[0165]
使用标签的情况下，测定菌群中的占有率，在输入单元输入数值之前，根据该测定的占有率，从预先确定的对应表中分配特定的标签，将该标签输入到接收单元。
[0166]
另外，基于菌种数设定的标签是指根据菌种数适宜设定的标签。例如，菌种数超过规定值的情况下可以标为“1”，在不超过规定值的情况下可以标为“0”标签。
[0167]
基于占有率设定的评分是根据菌的占有率的数值的大小适宜设定的评分。例如，占有率为
ある
基准值以上的情况可以赋予“+1”的评分，低于某基准值的情况，可以赋予
“‑
1”的评分。
[0168]
另外，基于菌种数设定的评分是指根据菌种数适宜设定的评分。例如，对于特定的科，属于该科的菌的菌种数若为规定值以上，则赋予“+1”的评分，若为规定值以下，则赋予“0”、
“‑
1”这一评分。
[0169]
根据菌科计算这样的评分，也可以输入至接收单元。另外，也可以设为如下构成：向接收单元中输入属于菌科的菌的菌种数、占有率，基于对该输入的菌的菌种数的数据、占有率并基于预先设定的评分赋予基准根据各菌科计算评分。
[0170]
本发明的肥胖预测系统也可以是如下构成：判定单元根据菌科对计算或输入的评分进行总和，基于得到的总评分预测判定变为肥胖的可能性。
[0171]
[判定单元]
[0172]
本发明的判定单元是基于输入到接收单元的动物来源的试样中的菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据来预测判定动物是否在规定期间内变为肥胖的单元。预测判定方法没有特别限定。例如，处理器
が
、使用预先设定的程序基于动物来源的试样中的菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据来预测判定动物是否在规定期间内变为肥胖。另外，如上所述，也可以是如下构成：基于根据菌科的菌的菌种数、占有率，依据预先设定的基准计算评分，基于将该评分计算总和的总评分，来判定肥胖风险。即，若总评分为规定值以上，则肥胖风险高(或者肥胖风险低)，若总评分低于规定值，则肥胖风险低(或者肥胖风险高)。
[0173]
对于本发明的判定单元，若接受动物来源的试样中的菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据，则在规定期间内、优选从接收时起、从试样获得时起、或从菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据获得时起，在规定期间内进行是否成为肥胖的预测判定。规定期间是指优选为3年以内、更优选为2年以内、进一步优选为1年以内。
[0174]
本发明的判定单元也可以是使用学习完成模型进行预测判定的构成。作为这样的学习完成模型，优选为对菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据与该动物从试样的获得时或菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据获得时起在规定期间内是否变为肥胖相关的信息的关系进行学习的学习完成模型。作为学习完成模型，进而优选为将菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据与该动物从试样获得时或肠道菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据获得时起在规定期间内是否变为肥胖相关的信息作为教师数据进行了学习的学习完成模型。作为这样的教师数据中使用的规定期间内是否成为肥胖相关的信息中的规定期间，优选3年
以内，更优选2年以内，进一步优选1年以内。
[0175]
作为前述学习完成模型，优选人工智能(ai)。人工智能(ai)是指用计算机模仿人的大脑正在进行的智能工作的软件、系统，具体而言，是指理解人类所使用的自然语言、或信息逻辑推理、或从经验中学习的计算机程序等。作为人工智能，可以通用型、特化型中的任意种，也可以是深度神经网络，也可以是卷绕神经网络等中的任意者，可以使用所公开的软件。
[0176]
为了生成学习完成模型，使用教师数据让人工智能学习。作为学习，可以是机械学习和深度学习(深层学习)中的任意者，优选机械学习。深度学习是使机械学习得以发展的学习，其特征在于自动发现特征量。本发明中，例如，作为特征量，可以使用肠道菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据。
[0177]
作为用于生成学习完成模型的学习方法，没有特别限制，可以使用公开的软件。例如，可以使用nvidia所公开的digits(the deep learning gpu training system)。此外，例如，也可以通过“支持向量机入门”(共立出版)等中公开的公知的支持向量机法(support vector machine法)等进行学习。
[0178]
作为机械学习，可以是无教师学习和有教师学习中的任意者，优选有教师学习。作为有教师学习的方法，没有特别限定，例如，可以列举出决策树(decision tree)、集成学习、梯度提升等。作为所公开的机械学习的算法，例如可列举出xgboost、catboost、lightgbm。
[0179]
对于用于学习的教师数据，例如是动物来源的试样中的菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据，以及是该动物获得试样(例如，粪便样品)时或从试样中的菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据获得时起在规定期间内优选在3年以内、更优选在2年以内、进一步优选在1年以内、特别优选在180日以内变得肥胖或不会变得肥胖的肥胖的有无。是否变得肥胖可以替换为虚拟变量。与作为教师数据的动物来源的试样中的菌群中的属于规定菌科的菌的菌种数、占有率相关的数据与上述接收方法中说明的跟动物来源的试样中的菌群中的属于规定菌科的菌的菌种数、占有率相关的数据同样。该动物在规定期间内是否变得肥胖的信息例如可以利用智能手机的应用、问卷调查由提供了动物的试样的饲养主人等获得。
[0180]
[输出]
[0181]
本发明的判定单元所导致的预测判定的输出的形式没有特别限定，例如，在计算机、智能手机等终端的屏幕上，有“在未来1年以内有可能变得肥胖”、“在未来1年以内变得肥胖的可能性高”或者“在未来1年以内变得肥胖的可能性为
○
％”、“有肥胖倾向。”这样的显示，从而能够输出预测判定。优选在利用者的终端的屏幕上用图标显示是否容易变为肥胖。例如，如图7所示，图标优选使利用者容易理解，优选分几个等级用图形表示肥胖容易程度。
[0182]
本发明的动物的肥胖预测系统还可以另行具有从判定单元接受判定结果、输出判定结果的输出单元。
[0183]
本发明的动物的肥胖预测系统优选具备显示部，该显示部与上述判定单元所导致的预测结果一起，例如用图8那样的图标显示属于规定菌科的菌的菌种数或占有率的大小。
[0184]
本发明的动物的肥胖预测系统进而优选具备根据肥胖预测的结果建议生活改善
方法的建议单元。例如，建议单元接受从判定单元输出的预测结果、根据预测结果提出增加散步的次数、距离的建议，或提出去狗公园的建议，或调整生活节奏的建议。建议单元也可以具有学习完成模型。
[0185]
本发明的动物的肥胖预测系统优选进而具备根据肥胖预测的结果建议(推荐)食物的建议单元。例如，建议单元接受从判定单元输出的预测结果，可以根据预测结果建议、推荐用于回避所预测的肥胖风险的食物、例如包含不易肥胖的细菌的补充剂、低盐成分、低卡路里的饮食、低糖质的饮食、减肥菜单等。建议单元也可以具有学习完成模型。
[0186]
[适合的科]
[0187]
如上所述，本发明的动物的肥胖预测系统使用与属于规定菌科的菌的菌种数或占有率相关的数据。作为规定菌科，没有特别限定，例如可列举出上述的菌科。另外，作为菌科，前述规定菌科优选为选自由链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、副萼苔科(paraprevotellaceae)、产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)和韦荣氏菌科(veillonellaceae)组成的组中的1种以上的科。
[0188]
另外，作为规定菌科，优选选自由双歧杆菌科(bifidobacteriaceae)、红蝽菌科(coriobacteriaceae)、拟杆菌科(bacteroidaceae)、紫单胞菌科(porphyromonadaceae)、普雷沃氏菌科(prevotellaceae)、丹毒丝梭菌(erysipelatoclostridiaceae)、丹毒丝菌科(erysipelotrichaceae)、孪生菌科(gemellaceae)、梭菌科(clostridiaceae)、颤螺旋菌科(oscillospiraceae)、瘤胃菌科(ruminococcaceae)、氨基酸球菌科(acidaminococcaceae)、新月形单胞菌科(selenomonadaceae)、梭杆菌科(fusobacteriaceae)、糖精科(saccharimonadaceae)、鞘脂单胞菌科(sphingomonadacea)、螺杆菌科(helicobacteraceae)、脱硫弧菌科(desulfovibrionaceae)、琥珀酸弧菌科(succinivibrionaceae)、萨特菌科(sutterellaceae)和摩根菌科(morganellaceae)组成的组中的1种以上的科。
[0189]
本发明的动物的肥胖预测系统除了动物来源的试样中的菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据之外，也可以使用该动物的面部图像、种类、品种、年龄、性别、体重、既往病史、基因的序列信息、snp、基因变异的有无等信息。
[0190]
以下对于本发明的动物的肥胖预测系统的一实施方式，边参照图9边进行说明。
[0191]
图9中，终端40是希望利用肥胖预测系统的人(用户)所利用的终端。终端40可列举出例如个人计算机、智能手机、平板终端等。终端40包括cpu等处理部、硬盘、rom或者ram等存储部、液晶面板等显示部、鼠标、键盘、触摸面板等输入部、网络适配器等通信部等而构成。
[0192]
用户从终端40访问服务器，输入、发送成为对象的动物的试样中的菌群、优选为肠道菌群(以下在肠道菌群的例子中说明。)的与属于规定菌科的菌的菌种数或占有率相关的数据、和根据需要面部图像(照片)、该动物的种类、品种、年龄、体重、既往病史等信息。
[0193]
另外，用户还可以通过终端40访问服务器接收服务器中的肥胖预测结果。
[0194]
另外，用户接收用于调查饲养的动物的肠道菌群的粪便样品采集试剂盒的寄送，
将粪便样品寄送给进行肠道菌群的测定的商家(未图示)。本领域技术人员进行该动物的肠道菌群的测定，获得肠道菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据。此外，本领域技术人员可以直接经由自身的终端将该动物的肠道菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据输入、发送至向服务器的接收单元31，本领域技术人员通过邮寄、邮件等另行向用户寄送该宠物的肠道菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据，用户通过终端40将肠道菌群的菌种数数据、占有率数据或多样性数据输入、发送至接收单元31。
[0195]
本实施方式中，服务器由计算机构成，但本发明只要具有上述功能，就也可以是任何装置。
[0196]
存储部10由例如rom、ram或者硬盘等构成。存储部10中存储用于操作服务器的各部的信息处理程序，特别是，存储用于判定单元11的软件等。
[0197]
对于判定单元11，如上所述，用户或进行了肠道菌群的测定的商家输入成为输入的对象的动物的肠道菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据，该动物在规定期间内(例如，1年以内)输出是否肥胖、或成为肥胖的可能性为几％的预测。作为判定单元，也可以为学习完成模型。这样的学习完成模型例如包含xgboost、catboost、lightgbm、或者理解深度神经网络或卷绕神经网络而构成。
[0198]
本实施方式中，判定单元、接收单元被存储于服务器中，对用网络、lan等连接单元与用户的终端连接的方式进行说明，但本发明不限定于此，也可以是判定单元、接收单元、界面部被存储于一个服务器、装置内的方式、不另外需要利用者所利用的终端的方式等。
[0199]
本发明的动物的肥胖预测系统如图10所示也可以具备建议单元12(建议单元也同样。)。建议单元12是基于上述判定单元11输出的肥胖预测、及用户输入的该动物的种类、品种、肠道菌群的数据获得时的年龄、体重、既往病史等信息，选择适于该动物的食物进行建议的软件。例如，软件如下：根据该动物的种类、品种、肠道菌群的数据获得时的年龄、体重、既往病史等，进行肥胖倾向的等级划分，最后根据上述判定单元11输出的肥胖预测来修正该等级，基于肥胖倾向的等级，推荐适于肥胖对策的食物。
[0200]
建议单元12和判定单元11也可以是一个软件。
[0201]
处理运算部20适于存储于存储部的判定单元11、建议单元12，计算肥胖预测、食物推荐结果。
[0202]
界面部(通信部)30具备接收单元31和输出单元32，从用户的终端接收动物的肠道菌群中的与属于规定菌科的菌的菌种数或占有率相关的数据、其它信息，向用户的终端输出肥胖预测、食物的推荐结果。
[0203]
实施例
[0204]
[实施例1]
[0205]
(从粪便试样中的dna提取)
[0206]
如下所述，从各狗(宠物贵宾犬)采集粪便试样，提取dna。
[0207]
狗(宠物贵宾犬)的饲养者使用粪便的采集试剂盒，采集了狗的粪便试样。接收该粪便试样，悬浮于中。
[0208]
接着，将包含粪便悬浮液200μl和裂解缓冲液(包含224μg/ml的蛋白酶k)810μl添加至微珠管中，利用微珠式匀质器进行微珠破碎(6000rpm、破碎20秒、间隔30秒、破碎20
秒)。然后，将待检体在70℃的加热块上静置10分钟，从而进行基于蛋白酶k的处理，接着在95℃的加热块上静置5分钟而使蛋白酶k失活。进行了溶菌处理的待检体使用chemagic 360(perkinelmer)，利用chemagic试剂盒stool用协议进行dna的自动提取，得到100μl的dna提取液。
[0209]
(元16srna基因测序解析)
[0210]
元16s测序解析通过修改illumina 16smetagenomic sequencing library preparation(版本15044223b)而进行。首先，通过使用了通用引物(illumina_16s_341f和illumina_16s_805rpcr)的pcr扩增包含16s rrna基因的可变区v3-v4的460bp的区域。pcr反应液通过混合10μl的dna提取液、0.05μl的各引物(100μm)、12.5μl的2x kapa hifi hot-start readymix(f.hoffmann-la roche、switzerland)、2.4μl的pcr gradewater而制备。pcr中，进行95℃3分钟的热变性后，将95℃30秒、55℃30秒、72℃30秒的循环重复30次，最后进行72℃5分钟的伸长反应。扩增产物使用磁珠进行纯化，用50μl的buffer eb(qiagen、germany)溶出。纯化后的扩增产物使用nextera xt index kitv2(illumina、ca、us)进行pcr，添加了索引。pcr反应液将2.5μl的扩增产物、2.5μl的各引物、12.5μl的2x kapa hifi hot-start readymix、5ul的pcr grade water混合而制备。pcr中，进行95℃3分钟的热变性后，将95℃30秒、55℃30秒、72℃30秒的循环重复12次，最后进行72℃5分的伸长反应。使用进行了索引加成的扩增产物使用磁珠进行纯化，用80-105μl的buffer eb溶出。各扩增产物的浓度用nanophotometer(implen、ca、us)进行测定，制成1.4nm后，按等量进行混合，将其作为测序用文库。用电泳确认测序用文库的dna浓度和扩增产物的尺寸，通过miseq对其进行解析。解析使用miseq reagent kit v3，进行2
×
300bp的双端测序。得到的序列通过miseq reporter进行解析，得到细菌的组成数据。
[0211]
上述中使用的通用引物的序列如下所述。该通用引物可以购入市售的引物。
[0212]
illumina_16s_341f
[0213]5’‑
tcgtcggcagcgtcagatgtgtataagagacagcctacgggng gcwgcag-3’[0214]
llumina_16s_805r
[0215]5’‑
gtctcgtgggctcggagatgtgtataagagacaggactachvg ggtatctaatcc-3’[0216]
依据上述方法，对于3～13岁的9390个体(其中，肥胖的个体为1029个体)的宠物贵宾犬，对于肠道菌群中的每科进行菌种数的测定。需要说明的是，是否肥胖的分类是根据饲养者对狗的体格的问诊数据进行的。问诊数据对于饲养者，关于成为对象的狗的体格，显示出“胖”、“痩”、“普通”3个选项，从其中选择并回答的数据。虽然是饲养者的主观判断，但由于该问诊数据是宠物保险的保险加入者回答的数据；没有说谎的机会，认为饲养者对与该狗时常接触而喂养的狗把握了信息；作为选项仅提示出3个，回答错误的可能性低，因此认为具有一定程度的可靠性。
[0217]
将菌种数的测定的结果示于图1。图1中，柱状图所示的菌种数是普通组、肥胖组各自的各菌科的检测到的菌种数的平均值。由于也有未检测到该菌种的的个体，因此也有时平均值低于1。
[0218]
如图1所示，对于属于肥胖组的宠物贵宾犬，对于链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科
(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、和副萼苔科(paraprevotellaceae)各自，与属于普通组的宠物贵宾犬相比，明确了菌种数少5％以上。需要说明的是，对于菌种数的减少比例“％”，用“肥胖组的平均菌种数/普通组的平均菌种数”进行计算。
[0219]
(多样性指数(shannon index)的计算)
[0220]
由得到的细菌的组成数据(fastq文件)，使用qiime2计算出shannon index(香农-韦弗指数的多样性指数)。此外，分成年龄为3～5岁的组和6～11岁的组，观察到shannon index与肥胖比例的相关性。
[0221]
结果示于图2a和图2b。
[0222]
如由图2a和图2b所明确的那样，3～5岁的组中，可知多样性指数(shannon index)与肥胖比例的相关性高。需要说明的是，此处所谓的“肥胖比例”是指：显示出相同的多样性指数的个体组中的肥胖个体的比例。此时，多样性指数在小数点第二位四舍五入，到第一位为止一致。例如，多样性指数被检测为“3.2”的个体有120个，其中肥胖个体有12个时，多样性指数3.2的肥胖比例为10％。
[0223]
(肥胖与疾病的发病比例)
[0224]
对于属于肥胖组的宠物贵宾犬与属于普通组的宠物贵宾犬，分别将在回答前后180天以内是否发病制作图表。结果示于图3。对于罹患疾病的有无，使用宠物保险的保险金请求记录，在进行了粪便采集的各个体的粪便采集日前后180天以内调查是否请求保险金给付。
[0225]
如图3所明确那样，可知：属于肥胖组的宠物贵宾犬中，在内分泌疾病、呼吸器疾病、血液疾病、肌肉骨骼疾病、皮肤疾病、耳朵疾病、系统性疾病、肝脏/胆道/胰腺疾病之类的疾病(以下称为“特定疾病”。)的发病概率高。
[0226]
(患有特定疾病和菌种数)
[0227]
对于患有特定疾病的宠物贵宾犬(3～13岁。总计3199只)和并非患有特定疾病的宠物贵宾犬(3～13岁。无事故组。5088只)，测定属于肠道菌群中的特定科的菌种的占有率和保有率。
[0228]
结果示于图4和图5。图4是示出属于特定的科的菌种的占有率(占有率是指肠道菌群中所占的各菌种的存在比(检测比率)，与检测结果中的“命中率”含义相同。)的图表，图5是示出保有率(保有率是指用普通组、肥胖组等特定的类别观察组整体时，具有该细菌的个体的比例。保有率是仅与各个体是否具有或不具有该细菌有关的值，是不包括“命中率”等具有何种程度”这样的量的大小关系的值。)的图表。
[0229]
由图4和图5可知，患有特定疾病与是否保有属于红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、副萼苔科(paraprevotellaceae)、产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)或韦荣氏菌科(veillonellaceae)的菌的菌种具有相关性。
[0230]
(菌种数与肥胖比例的相关性)
[0231]
对于在计算图1的数据时成为调查对象的3～13岁的9390个体(其中，肥胖的个体为1029个体)的宠物贵宾犬，绘制链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹
毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、和副萼苔科(paraprevotellaceae)的总计的菌种数与肥胖比例、从而制成图表。需要说明的是，此处所谓的“肥胖比例”是指：示出相同的菌种数的个体组中的肥胖个体的比例。
[0232]
结果示于图6。
[0233]
由图6可知，属于上述科的菌的菌种数与肥胖具有较强的相关性。
[0234]
[实施例2]
[0235]
与实施例1同样地进行，采集狗的粪便试样，对于0～18岁的3610个体的狗，对于肠道菌群中的每科进行菌种数的测定。需要说明的是，是否肥胖的分类是根据饲养者对狗的体格的问诊数据进行的。分为肥胖、普通、痩这3组。肥胖组为677个体、普通组为2671个体、痩组为262个体。
[0236]
由问诊得到的肥胖组与普通组的科水平的占有率(命中率)相比，选择发现肥胖组和普通组在占有率方面存在差异的菌科。作为这样的菌科，选择双歧杆菌科(bifidobacteriaceae)、红蝽菌科(coriobacteriaceae)、拟杆菌科(bacteroidaceae)、紫单胞菌科(porphyromonadaceae)、普雷沃氏菌科(prevotellaceae)、丹毒丝梭菌(erysipelatoclostridiaceae)、丹毒丝菌科(erysipelotrichaceae)、孪生菌科(gemellaceae)、梭菌科(clostridiaceae)、颤螺旋菌科(oscillospiraceae)、瘤胃菌科(ruminococcaceae)、氨基酸球菌科(acidaminococcaceae)、新月形单胞菌科(selenomonadaceae)、梭杆菌科(fusobacteriaceae)、糖精科(saccharimonadaceae)、鞘脂单胞菌科(sphingomonadacea)、螺杆菌科(helicobacteraceae)、脱硫弧菌科(desulfovibrionaceae)、琥珀酸弧菌科(succinivibrionaceae)、萨特菌科(sutterellaceae)和摩根菌科(morganellaceae)。
[0237]
对于3610个体的狗各自，通过这些菌科的占有率的值如下赋予了评分。
[0238]
·
双歧杆菌科(bifidobacteriaceae)：命中率若为0则为-1，除此以外为2
[0239]
·
红蝽菌科(coriobacteriaceae)：命中率若为0则为-1，除此以外为1
[0240]
·
拟杆菌科(bacteroidaceae)：命中率若大于则为-1、若为0则为0，除此以外为1
[0241]
·
紫单胞菌科(porphyromonadaceae)：命中率若为0则为0，除此以外为1
[0242]
·
普雷沃氏菌科(prevotellaceae)：命中率若为0则为-1，若大于0.05则为2，除此以外为0
[0243]
·
丹毒丝梭菌(erysipelatoclostridiaceae)：命中率若大于0.01则为2，除此以外为-2
[0244]
·
丹毒丝菌科(erysipelotrichaceae)：命中率若大于0.01则为2，除此以外为-2
[0245]
·
孪生菌科(gemellaceae)：命中率若为0则为0，除此以外为-2
[0246]
·
梭菌科(clostridiaceae)：命中率若为0则为1，若大于0.01则为-1，除此以外为0
[0247]
·
颤螺旋菌科(oscillospiraceae)：命中率若为0则为-1，除此以外为1
[0248]
·
瘤胃菌科(ruminococcaceae)：命中率若为0则为-2、0.003若大于则为2，除此以外为-1
[0249]
·
氨基酸球菌科(acidaminococcaceae)：命中率若为0则为0，除此以外为1
[0250]
·
新月形单胞菌科(selenomonadaceae)：命中率若为0则为-1，除此以外为1
[0251]
·
梭杆菌科(fusobacteriaceae)：命中率若为0则为0、0.02若大于则为0，除此以外为2
[0252]
·
糖精科(saccharimonadaceae)：命中率若为0则为0，除此以外为2
[0253]
·
鞘脂单胞菌科(sphingomonadacea)：命中率若为0则为0，除此以外为-2
[0254]
·
螺杆菌科(helicobacteraceae)：命中率若为0则为0，除此以外为2
[0255]
·
脱硫弧菌科(desulfovibrionaceae)：命中率若为0则为0，除此以外为1
[0256]
·
琥珀酸弧菌科(succinivibrionaceae)：命中率若为0则为0，除此以外为2
[0257]
·
萨特菌科(sutterellaceae)：命中率若为0则为-1，除此以外为1
[0258]
·
摩根菌科(morganellaceae)：命中率若为0则为0，除此以外为-2
[0259]
对于各个体将上述评分求总和并计算出总评分。
[0260]
此外，根据总评分的值依据以下的区分对各个体进行分类。
[0261]-4以下：“容易胖”[0262]-3～4：“平均”[0263]
5～25：“不容易胖”[0264]
依据上述总评分的值，对于分为各组的个体组，在上述问诊中，计算回答为肥胖的个体所占的比例(称为“肥胖度”)。将基于总评分的分类和基于问诊的分类(肥胖度)的相关性示于表1。另外，将表1的值制成图表者示于图11。
[0265]
[表1]
[0266]
基于总评分的分类肥胖度容易肥胖19.1％平均15.5％不易肥胖10.2％
[0267]
由表1、图11所明确的那样，可知基于由涉及菌科的占有率的数据计算出的总评分的分类与肥胖度具有相关性。例如，由总评分分类为“容易胖”的组的肥胖度高。

技术特征：
1.一种动物肥胖的预测方法，其具备测定工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、和副萼苔科(paraprevotellaceae)组成的组中的1种以上的科，测定属于该科的菌种数。2.根据权利要求1所述的动物肥胖的预测方法，其中，所述动物的体内为肠。3.根据权利要求1所述的动物肥胖的预测方法，其中，所述从动物中分离出的试样为动物的粪便。4.根据权利要求1～3中任一项所述的动物肥胖的预测方法，其中，所述测定工序用于测定属于红蝽菌科(coriobacteriaceae)和/或普雷沃氏菌科(prevotellaceae)的菌的菌种数。5.根据权利要求1～4中任一项所述的动物肥胖的预测方法，其还具备测定工序：对于选自由产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)和韦荣氏菌科(veillonellaceae)组成的组中的1种以上的科，测定属于该科的菌的占有率。6.根据权利要求1～5中任一项所述的动物肥胖的预测方法，其中，所述动物为狗。7.根据权利要求1～6中任一项所述的动物肥胖的预测方法，其中，所述动物的年龄为5岁以下。8.一种动物肥胖的判定方法，其具备测定工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、和副萼苔科(paraprevotellaceae)组成的组中的1种以上的科，测定属于该科的菌种数。9.一种动物的罹患疾病的预测方法，其具备如下工序：对于在动物的体内或从动物中分离出的试样中存在的红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、副萼苔科(paraprevotellaceae)、产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)和韦荣氏菌科(veillonellaceae)组成的组中的1种以上的科，测定属于该科的菌的占有率。10.一种动物的保险费计算方法，其中，基于利用权利要求1～7中任一项所述的动物肥胖的预测方法的预测结果来计算保险费。11.一种动物肥胖的预测方法，其具备测定动物的肠道菌群的多样性指数的工序。12.根据权利要求11所述的动物肥胖的预测方法，其中，所述多样性指数为香农-韦弗的多样性指数。13.一种动物肥胖的预测方法，其具备如下工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、副萼苔科(paraprevotellaceae)、
产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)和韦荣氏菌科(veillonellaceae)组成的组中的1种以上的科，由与属于该科的菌的菌种数相关的数据，预测该动物是否会变得肥胖。14.一种动物肥胖的预测方法，其具备如下工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由双歧杆菌科(bifidobacteriaceae)、红蝽菌科(coriobacteriaceae)、拟杆菌科(bacteroidaceae)、紫单胞菌科(porphyromonadaceae)、普雷沃氏菌科(prevotellaceae)、丹毒丝梭菌科(erysipelatoclostridiaceae)、丹毒丝菌科(erysipelotrichaceae)、孪生菌科(gemellaceae)、梭菌科(clostridiaceae)、颤螺旋菌科(oscillospiraceae)、瘤胃菌科(ruminococcaceae)、氨基酸球菌科(acidaminococcaceae)、新月形单胞菌科(selenomonadaceae)、梭杆菌科(fusobacteriaceae)、糖精科(saccharimonadaceae)、鞘脂单胞菌科(sphingomonadacea)、螺杆菌科(helicobacteraceae)、脱硫弧菌科(desulfovibrionaceae)、琥珀酸弧菌科(succinivibrionaceae)、萨特菌科(sutterellaceae)和摩根菌科(morganellaceae)组成的组中的1种以上的科，基于与属于该科的菌的占有率相关的数据，预测该动物是否会变得肥胖。15.根据权利要求14所述的动物肥胖的预测方法，其中，与所述菌的占有率相关的数据是根据占有率所赋予的评分。16.一种动物的肥胖预测系统，其具备：接收单元，对于在动物的体内或从动物中分离出的试样中存在的菌，接收与属于规定菌科的菌的菌种数或占有率相关的数据；及判定单元，对于在动物的体内或从动物中分离出的试样中存在的菌，基于与属于规定菌科的菌的菌种数或占有率相关的数据预测该动物是否会变得肥胖。17.根据权利要求16所述的动物的肥胖预测系统，其具备显示部，所述显示部用与肥胖易感度相对应的图标显示基于所述判定单元的预测结果。18.根据权利要求17所述的动物的肥胖预测系统，其具备显示部，所述显示部用图标显示基于所述判定单元的预测结果、以及属于规定菌科的菌的菌种数或占有率的大小。19.根据权利要求16～18中任一项所述的动物的肥胖预测系统，其具备建议单元，所述建议单元根据基于所述判定单元的预测结果提供用于改善肥胖的建议。20.根据权利要求16～19中任一项所述的动物的肥胖预测系统，其具备建议单元，所述建议单元根据基于所述判定单元的预测结果推荐食物。21.根据权利要求16～20中任一项所述的动物的肥胖预测系统，其中，所述规定菌科为选自由链球菌科(streptococcaceae)、瘤胃菌科(ruminococcaceae)、双歧杆菌科(bifidobacteriaceae)、肠球菌科(enterococcaceae)、丹毒丝菌科(erysipelotrichaceae)、红蝽菌科(coriobacteriaceae)、普雷沃氏菌科(prevotellaceae)、粪芽孢杆菌科(coprobacillaceae)、副萼苔科(paraprevotellaceae)、产碱菌科(alcaligenaceae)、梭杆菌科(fusobacteriaceae)和韦荣氏菌科(veillonellaceae)组成的组中的1种以上的科。22.根据权利要求16～20中任一项所述的动物的肥胖预测系统，其中，所述规定菌科为选自由双歧杆菌科(bifidobacteriaceae)、红蝽菌科(coriobacteriaceae)、拟杆菌科
(bacteroidaceae)、紫单胞菌科(porphyromonadaceae)、普雷沃氏菌科(prevotellaceae)、丹毒丝梭菌科(erysipelatoclostridiaceae)、丹毒丝菌科(erysipelotrichaceae)、孪生菌科(gemellaceae)、梭菌科(clostridiaceae)、颤螺旋菌科(oscillospiraceae)、瘤胃菌科(ruminococcaceae)、氨基酸球菌科(acidaminococcaceae)、新月形单胞菌科(selenomonadaceae)、梭杆菌科(fusobacteriaceae)、糖精科(saccharimonadaceae)、鞘脂单胞菌科(sphingomonadacea)、螺杆菌科(helicobacteraceae)、脱硫弧菌科(desulfovibrionaceae)、琥珀酸弧菌科(succinivibrionaceae)、萨特菌科(sutterellaceae)和摩根菌科(morganellaceae)组成的组中的1种以上的科。

技术总结
目的在于提供动物肥胖的预测、判定方法。一种动物肥胖的预测方法，其具备测定工序：对于在动物的体内或从动物中分离出的试样中存在的、选自由链球菌科(Streptococcaceae)、瘤胃菌科(Ruminococcaceae)、双歧杆菌科(Bifidobacteriaceae)、肠球菌科(Enterococcaceae)、丹毒丝菌科(Erysipelotrichaceae)、红蝽菌科(Coriobacteriaceae)、普雷沃氏菌科(Prevotellaceae)、粪芽孢杆菌科(Coprobacillaceae)、和副萼苔科(Paraprevotellaceae)组成的组中的1种以上的科，测定属于该科的菌种数。测定属于该科的菌种数。测定属于该科的菌种数。


技术研发人员：松本拳悟 鹫见宽 高桥祐幸 堀江亮
受保护的技术使用者：爱你康控股株式会社
技术研发日：2022.01.28
技术公布日：2023/9/22