プロテインのたんぱく質量を光で調べる近赤外線分析は、何を手掛かりに数字を出すのか。混合粉末、落花生、ホエイ、ヨーグルトの研究から、成分分析との違い、予測モデルの作成と検証、袋越し測定の条件を整理する。飲み物の体積やお腹の膨らみと、粉の含有量を分けて考える。
粉の袋にあるたんぱく質の数字と、シェーカーにある目盛り。どちらもプロテインの「量」なのに、見ているものが違う。「光を当てれば中身が分かる」という説明に出会ったら、光が測るのはどちらの量なのだろう。
光から粉末のたんぱく質含有量を推定する技術は、実際に研究されている。ただし、光の情報を既知の成分量と結び付ける予測モデルが必要であり、成分分析との比較で確かめて使う技術である。大豆とホエイなどを混ぜた粉末の研究では、近赤外線による推定を燃焼法による測定の補助として位置付けている。[2]
ここで扱う研究の対象は人ではなく、粉末やヨーグルトという食品である。18〜39歳の女性が飲む量や飲んだ後のお腹の感覚には、その分析結果をそのまま当てはめられない。[1][2][3][4]既存記事「女性のプロテインの表示量はどう測る？窒素から換算する数字と成分の違いを読む」に表示値の成り立ちを譲り、ここでは、光から作った予測をどの試料で確かめたのかに焦点を絞る。
既存記事「体脂肪率は女性の腕に光を当てて測れる？近赤外線の推定と部位の違いを読む」は人体の測定を扱っている。この記事で追うのは食品粉末の成分分析であり、腕に光を当てた結果から飲み物の成分を考える話とは切り分ける。
光を当てるだけ、の手前にある予測モデル
近赤外線分析は、近赤外線と呼ばれる光を使い、試料から得た光の情報と成分の関係を調べる方法である。ホエイ粉末の研究では、粉から反射した光のスペクトル、つまり光の情報の並びを集め、統計的な処理を経て混入物の判別や濃度の予測に使っている。装置が示す数字までの間には、この処理と予測の段階がある。[4]
たんぱく質含有量を扱った混合粉末の研究でも、光の測定結果から含有量を推定する回帰モデルを作っている。ここでの回帰モデルとは、測定した情報と既知の成分量を対応付け、新しい試料の数字を予測するための関係式である。研究者は大豆たんぱく質、ホエイたんぱく質、二酸化ケイ素を混ぜた試料を用意し、モデルの作成と検証を行った。[2]
日常の言葉に置き換えるなら、答えの分かっている粉と光の情報を照らし合わせ、その関係を別の粉に適用する仕組みだと考えるとよい。読み取った光の情報と、そこから計算された含有量は区別できる。「測定した」と書かれていても、最終的な成分の数字をどう算出したのかまで見ると、技術の輪郭がつかめる。[2][4]
この違いは、速さの価値を下げる話ではない。混合粉末の研究では、近赤外線法は迅速で、薬品や試薬を使わない補助的な手法とされている。すでに成分が分かる試料との関係を整えておけば、その後の品質確認に光を使えるという方向の研究なのである。台所のシェーカーが、そのまま小さな分析室になるという意味ではない。[2]
初日の汗は、予約した人だけが持ち帰れる。
成分分析との一致を何で確かめたのか
混合粉末を調べた研究で比較相手となったのは、デュマ燃焼法によるたんぱく質測定である。研究は、既存の方法に代わってすべてを光だけで決めるという立て方ではなく、燃焼法を補う迅速な試験法の開発だった。近赤外線による数字を評価するには、比較相手が何だったのかが出発点になる。[2]
扱った粉末試料のたんぱく質含有率は22〜90%であり、その成分範囲の17試料で近赤外線の回帰モデルを作った。一方、検証には、既知のたんぱく質含有率が85〜88%の独立した20試料を使っている。作成時に含まれた幅と、別試料で確かめた幅は同じではない。[2]
この配置を読まずに「幅広い含有率で検証済み」と受け取ると、研究の内容が変わってしまう。モデルを作るときの試料に広い含有率の幅があっても、独立した検証で確認した範囲を別に見る必要がある。大きな範囲の数字は見出しになりやすいが、実際に答え合わせをした範囲も同じだけ大切だ。[2]
近赤外線と外部のデュマ法の間の偏りについて、研究では±2%、最大で3%と報告している。これは成分測定との比較における結果であり、個人が飲むべき量の幅を示す数字ではない。また、これを家庭で使うあらゆる粉末に共通する保証と読むことも避けたい。報告された精度には、用いた原料、試料の作り方、比較した測定法が伴っている。[2]
たとえば検査結果の説明を読む場面では、「精度が高い」という形容詞だけを拾わず、何と比較した数字かを確認する。その次に、調べた粉が自分の見ている粉とどの程度似ているかを考える。この順番なら、光の技術を過小評価せず、同時に別の条件へ精度だけを持ち運ぶことも防げる。[2]
落花生の高い相関を、そのままホエイに移せるか
落花生たんぱく質粉末を対象とした実験研究では、携帯型の近赤外線装置と複数の解析方法を組み合わせている。予測したのは、脂質、たんぱく質、水分である。たんぱく質だけを単独で読み取る装置というより、粉末の複数の成分を光の情報と関連付ける品質評価の試みだった。[1]
この研究では、部分最小二乗法という回帰の方法と、一般化回帰ニューラルネットワークという計算モデルを比較した。後者の予測性能が良く、たんぱく質についてモデル作成時の相関係数は0.990と報告されている。相関係数は、比較する値がどの程度そろって変動するかを表す指標として読む数字である。[1]
ここで「99.0%の製品を正しく当てた」と翻訳すると、指標が入れ替わる。報告された0.990は、モデル作成時の相関係数だ。製品の合否を当てた割合でも、すべての予測値に同じ誤差が付くという意味でもない。小数点以下まで整った数字ほど、その数字の名前を一緒に読む必要がある。[1]
さらに、落花生の研究と、大豆・ホエイなどの混合粉末の研究では、粉の種類も解析の組み立ても違う。落花生の研究では解析方法の違いで予測性能が変わり、混合粉末の研究では燃焼法との偏りを評価している。どちらも光による品質評価を支持する結果だが、数字を横に並べただけで装置の優劣を決めることはできない。[1][2]
買い物中に「携帯型」「高精度」という言葉を見つけたら、原料と指標まで視線を戻したい。携帯できることは装置の使い方に関わる説明であり、どんな原料にも同じ関係式を使えるという説明とは別である。落花生での良い結果は、まず落花生粉末の品質評価として受け止めるのが自然だ。[1]
落花生の研究が同時に水分や脂質も予測した点には、品質検査としての目的が表れている。消費者にはたんぱく質の数字が目立っても、研究の評価対象はそれだけに限らない。同じ粉に関する分析でも、品質をどの成分から捉えるかによって、報告される結果の読みどころが変わる。[1]
また、解析方法を比較したという設計にも意味がある。装置から光の情報を得る段階があって、その情報を成分量へ結び付ける計算を選ぶ段階がある。落花生研究で計算モデルによる性能差が出たことは、装置の名前だけでは推定の仕組みを言い表せないことを示している。検査の説明には、何を当てたかと、どう計算したかの両方が要る。[1]
含有量を出す仕事と、混ざり物を探す仕事
近赤外線を使う研究には、たんぱく質の量を予測するものだけでなく、混入物を探すものがある。ホエイ粉末を使った実験研究では、尿素、グリシン、タウリン、メラミンを混ぜ、それぞれの低濃度の混入を卓上型と携帯型の装置で調べている。混入濃度は0.5〜3%で、独立した試験用データによる検証も行われた。[4]
この研究が狙ったのは、単に含有量らしい数字を返すことではない。窒素に富む混入物は従来の燃焼法によるたんぱく質測定に課題を生じさせるため、光の情報から混合物の特徴を捉えることが検討された。含有量の推定と、特定の混入物の検出では、装置に答えさせる問いが違っている。[4]
研究では卓上型の成績が最も良く、携帯型も比較的良い結果を示した。ただし、ここから市販のプロテインに広く混入があると推測することはできない。研究者が成分と濃度を設定した粉末で、分析手法の性能を確かめる実験だからである。検出できる可能性を調べた研究と、市場での発生頻度を調べた調査は読み分けたい。[4]
数字で読む光による粉末分析
22〜90%：大豆・ホエイなどを混ぜた粉末研究で扱ったたんぱく質含有率の範囲である。[2]
17試料：同研究で近赤外線の回帰モデル作成に使った試料数だ。[2]
20試料・85〜88%：独立した検証用試料の数と、既知のたんぱく質含有率である。[2]
±2%・最大3%：同研究で報告された、近赤外線と外部のデュマ法の間の偏りだ。[2]
0.990：落花生粉末のたんぱく質について報告された、モデル作成時の相関係数である。[1]
0.5〜3%：ホエイ粉末の混入物検出研究で設定した混入濃度の範囲だ。[4]
初日の汗は、予約した人だけが持ち帰れる。
1
2
