Project/Area Number |
22K05977
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 42010:Animal production science-related
|
Research Institution | National Agriculture and Food Research Organization |
Principal Investigator |
西尾 元秀 国立研究開発法人農業・食品産業技術総合研究機構, 畜産研究部門, 主任研究員 (10585970)
|
Co-Investigator(Kenkyū-buntansha) |
井上 慶一 宮崎大学, 農学部, 教授 (30753917)
廣岡 博之 京都大学, 農学研究科, 教授 (60192720)
竹田 将悠規 独立行政法人家畜改良センター, 本所(企画調整部 技術グループ), 調査役・係長 (80775205)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2023: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
Keywords | 黒毛和種 / 機械学習 / 非相加的遺伝効果 / 枝肉形質 / ゲノム情報 / 遺伝的能力評価 / 育種 / ゲノミック評価 |
Outline of Research at the Start |
わが国の黒毛和種牛の育種改良では大規模なゲノム情報を利用した遺伝的能力評価法が導 入されつつある。本研究ではゲノム情報を有効に利用するために、ディープラーニングなどの機械学習を用いてこれまで考慮できなかった遺伝様式を反映させた新たな遺伝的能力評価法を開発する。さらに、開発した手法を利用した場合の黒毛和種牛の最適な育種計画を構築し、その結果もたらされる経済効果をコンピューターシミュレーションで明らかにする。
|
Outline of Annual Research Achievements |
機械学習を利用したゲノム情報による新たな遺伝的能力評価の手法として、ベイズ法、カーネル法、ブースティング法、畳み込みニューラルネットワーク法およびkinship-adjusted-multiple-loci(KAML)法の5つの手法を開発した。これらの手法を利用することによって従来の統計育種学種法では定式化できなかった非相加的遺伝効果等の複雑な遺伝効果を含んだ遺伝的能力を算出することが可能になり、これまで以上に遺伝的能力の評価精度が向上することから家畜の改良速度が向上すると期待できる。まず、本年度はコンピューターシミュレーションによって発生させた2,000頭規模の疑似的なウシ集団データを対象に、開発した5つの手法を用いて遺伝的能力を評価した。開発した手法によって得られた遺伝的能力評価値と観測値との相関係数から遺伝的能力の評価精度を算出した結果、ベイズ法やKAML法では従来法よりも最大で10%程度遺伝的能力の評価精度が向上することが明らかになった。今後、黒毛和種の実データで検証するために、本年度は家畜改良センターおよび鳥取県畜産試験場の黒毛和種肥育牛96頭について枝肉形質の記録を収集するとともに、GGP BovineLD-24v4.0(イルミナ社製)で30,105か所の一塩基多型解析を実施してゲノム情報を蓄積した。これまで収集してきたデータと併せて約3,900頭のデータを蓄積することに成功し、開発した遺伝的能力評価法の精度を詳細に検証するためのデータ整備が整いつつある。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
機械学習を利用したゲノム情報による新たな遺伝的能力評価の手法として5つの手法を開発し、それらの性能をシミュレーションデータによって明らかにすることができた。このうち2つの手法については従来法よりも遺伝的能力の評価精度を大きく向上できる可能性を示しており、当初予定していた従来法よりも優れた遺伝的能力評価法の開発を達成できたと考えられる。また、黒毛和種の枝肉形質データおよび一塩基多型データについても当初の予定通りに収集出来ており、今後黒毛和種の実データにおいて開発した手法の評価精度を検証するための十分なデータが揃いつつある。
|
Strategy for Future Research Activity |
実データにおける遺伝的能力の評価精度を正確に検証するためには、多くのデータを要する。今後は当初の予定通り黒毛和種の枝肉形質データ及び一塩基多型データを蓄積して、データの拡充を図る。本年度は機械学習を利用した新たな遺伝的能力評価の手法の開発とその性能をシミュレーションデータで評価した。今後は黒毛和種の枝肉形質において開発した新たな手法を適用し、従来法よりもどの程度評価精度が向上するかを明らかにする。さらに、父から息子、父から娘、母から息子、母から娘の4つの選抜経路を想定し、それらの経路における年当たりの遺伝的改良量とそれによって得られる経済効果を算出し、開発した手法を実用化した場合の経済効果についても検証する。また、機械学習を利用した新たな遺伝的能力評価の手法として5つの手法を開発したが、それら以外にも有用な計算手法があるかもしれない。今度は遺伝的能力評価手法としてサポートベクトル回帰などこれまで試してこなかった手法についても利用できる手法があれば採用し、その評価精度について検証していく。
|