近年，細菌の検出数を示す16S rRNAデータを用いて， 疾患等の臨床アウトカムと関連する菌種を 特定する統計解析が広く行われるようになった． それに対応して解析手法も多く提案されるようになり， 解析手法の一つとして潜在ディリクレ配分モデル（LDA）が用いられている． 教師情報を利用したLDAとして， 教師ありトピックモデル（SLDA）やディリクレ多項回帰モデルを 伴うLDA（DMR）が提案されている一方で， それら手法は細菌データに対して応用されていないとともに， 一定の割合を持つトピックが抽出されないことが多くある． これら問題に対処するため，本研究ではDMRを 拡張したノンパラメトリックベイズトピックモデルを提案し， 既存のDMRやSLDAと予測性能を比較評価した． ノンパラメトリックベイズモデルでは， 潜在変数について無限の値を仮定し， 各潜在クラスが占める割合に傾斜性を 持たせることが可能となる．本研究では共変量値を もとに棒折り過程を生成する手法を トピックモデルに応用することで，共変量と関連するトピックを 抽出するノンパラメトリックベイズトピックモデルを考案した． 提案法について実際の細菌データに適用し性能を 評価したところ，トピック割合が比較的大きくなおかつ アウトカムと関連するトピックが抽出されるとともに， アウトカムに対して既存の手法を上回る予測性能を 持つことが示された．