機械学習を利用したゲノム情報による黒毛和種の遺伝的能力評価法の開発

• 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 2023)
• Budget Amount: ¥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 / ゲノミック評価 / 育種 / 枝肉形質 / 非相加的遺伝効果 / ゲノム情報 / 遺伝的能力評価

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

本研究では、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（ゲノミック評価法）を開発することを目的とした。鳥取県畜産試験場および家畜改良センターから黒毛和種肥育牛2,006頭について34,481個のSNPデータと枝肉６形質の成績を収集した。枝肉６形質を対象にして、現行のゲノミック評価法であるGBLUP法と昨年度開発したベイズ法、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つの機械学習を適用し、遺伝的能力の評価精度を比較した。遺伝的能力の評価精度は、6分割交差検証を実施し、それぞれの評価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算出した。GBLUP法と比較して、枝肉重量ではKAML法の評価精度が5％、BMSではブースティング法の評価精度が4％、ロース芯面積ではカーネル法の評価精度が3％向上することが明らかになった。以上の結果から、形質に応じて適切な機械学習を適用することで、従来よりも遺伝的能力評価の精度を向上できることが示唆された。一方、畳み込みニューラルネットワーク法はすべての枝肉形質においてGBLUP法よりも評価精度が劣っていたため、育種利用することは難しいことが示唆された。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

当初の目的通り、黒毛和種の枝肉形質において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法の性能を検証した。特に３つの形質においては新たな手法による評価精度が従来法よりも向上することを明らかにすることができた。

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、引き続きデータの拡充を図る。また、個々の枝肉形質に適した評価法を利用した場合の遺伝的改良量を明らかにする。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。