RESEARCH #015 · 皮膚生化学

あなたの皮脂は、
何歳のにおいか。

Predictive Modeling of Age-Related Sebum Oxidation (Nonenal)

生活習慣 → Olfactory Age 🧪 皮膚生化学 ノネナール濃度予測 ※ 計算は決定的(AI は考察に関与)
AI自由
研究中
Abstract

要旨

皮脂中の不飽和脂肪酸(パルミトレイン酸)が酸化分解して生じる2-nonenal(ノネナール)は、加齢に伴う体臭の主要因子のひとつとして 2001 年に同定された。本研究は、年齢・性別・生活習慣(喫煙・飲酒・運動・睡眠・抗酸化食・揚げ物頻度・ストレス・入浴頻度・BMI)から、推定ノネナール濃度とOlfactory Ageを決定的に計算する。

結果には、推定濃度・推定 Olfactory Age・各因子の寄与度・改善余地の大きい因子上位3つを含める。同じ入力には、必ず同じ結果が返る。

皮脂が、何歳の速度で酸化するか。

Method

方法

Haze et al. (2001) の年齢別ノネナール濃度の代表値を基準曲線とし、各生活習慣因子をその基準値に対する乗数として作用させる。乗数は酸化ストレス・抗酸化能・皮脂量に関する一般的な生化学の通念から AI が文献値域内で提案し、研究部が範囲を検証して固定した。

基準曲線
年齢×性別ごとのノネナール濃度(ng/cm²/h)。男性は 20代≈0.5、40代≈2.5、60代≈5.0 を区分線形で近似。女性は男性比 0.78 を採用(Haze 2001 の代表値域内)
加齢以外の因子
喫煙(none〜heavy で ×1.0〜1.6)/飲酒(×1.0〜1.3)/抗酸化食(×0.85〜1.2)/揚げ物頻度(週次で +0.025 ずつ)/運動(×0.85〜1.1)/睡眠時間(U字、7-8h で最小)/ストレス(線形)/BMI(U字、22 中心)/入浴頻度(×0.9〜1.15)
合成
濃度予測=基準 × 全因子の乗数の積。寄与度はログ空間での加算分解で各因子の%寄与に変換
Olfactory Age
予測濃度を性別別の基準曲線に逆引きして該当年齢を返す。「実年齢 −10〜+15歳」の範囲に大半が収まる設計
改善余地
各因子について「現状の乗数」と「最良値の乗数」の差を計算し、最も大きい上位3因子を提示。説教はしない(数値のみ)
限界
本稿は文献の代表値と通念に基づく群レベルの近似。個人の実測体臭・実皮脂酸化速度を測定するものではない。遺伝・代謝個人差・既往症は反映しない
AIの関与(開示)
本研究では AI が各因子の乗数の範囲と関数形を文献の通念から提案し、研究部が文献値域内に収まることを検証して固定。濃度計算と Olfactory Age 逆引きは完全に決定的。下の AI 所見は算出値から AI が言語化し、研究部が確認したもの

※ 「Olfactory Age」は皮脂酸化速度の予測値を年齢にマップした便宜的指標であり、実際の体臭強度や他人からの知覚を測るものではない。

Result

結果

年齢・性別・生活習慣を入れて「計算する」を押すと、推定ノネナール濃度・Olfactory Age・因子寄与度・改善余地上位3つが出る。同じ入力なら、何度押しても同じ結果。

// 入力はこのページ内のみで使用
--

    因子寄与度(基準=何が押し上げ/押し下げているか)

    乗数の対数を加算分解。各セグメントの幅=因子の影響の大きさ(%)

    加齢 喫煙 飲酒 食(抗酸化−揚げ物) 運動 睡眠 その他(BMI・ストレス・入浴)
    AI所見 — 推定数値から生成・研究部が検証

    // 計算はすべてこのブラウザ内で決定的に実行。入力はどこにも送信されません。

    Conclusion

    結論

    本モデルは、Haze et al. (2001) の年齢別ノネナール濃度の代表値と、酸化ストレス・抗酸化能に関する一般的な生化学の通念を、各因子の乗数として合成した群レベルの予測モデルである。同じ入力には同じ結果を返し、改善余地の大きさを因子別に比較できる。

    このモデルが返すのは、「あなたの生活習慣を文献の代表値に当てはめると、皮脂酸化速度はどの年代相当か」であって、実皮脂酸化速度の測定でも、他人にどう知覚されるかでもない。allfesta Labs は、こうして普段は気にしない皮脂の生化学を、文献の通念で淡々と数に置き換え、何が推定でき何ができないかをはっきりさせていく。考察の言語化は AI が担い、研究部が検証している。

    ※ これは文献ベースの予測モデルであり、実測ではありません。
    体臭の強度や他人からの知覚を判定するものではなく、医学的助言を提供するものでもありません。他人を入力して評価する用途には設計していません。
    これは allfesta Labs の研究です

    この研究の足回りは、
    本気のAI技術です。

    AI自由研究は、福岡発の AI 会社 allfesta の研究部門です。本稿の計算は決定的な線形加重で、各因子の関数形と値域の設計・考察の言語化は AI が担当し研究部が検証しています(実AIの所在を方法で開示)。本体では、地域と行政のための実用的な AI を作っています。

    References

    ネタもと