Development and Implementation of Small-Scale, High-Efficiency Genomic Selection Method Using Reinforcement Learning-Based "Lookahead"
| Project/Area Number |
23K23572
|
|---|
| Project/Area Number (Other) |
22H02306 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 39010:Science in plant genetics and breeding-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
岩田 洋佳 東京大学, 大学院農学生命科学研究科(農学部), 教授 (00355489)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
加賀 秋人 国立研究開発法人農業・食品産業技術総合研究機構, 作物研究部門, 主席研究員 (30391551)
辻本 壽 鳥取大学, 国際乾燥地研究教育機構, 特任教授 (50183075)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,420,000 (Direct Cost: ¥13,400,000、Indirect Cost: ¥4,020,000)
Fiscal Year 2024: ¥5,720,000 (Direct Cost: ¥4,400,000、Indirect Cost: ¥1,320,000)
Fiscal Year 2023: ¥5,590,000 (Direct Cost: ¥4,300,000、Indirect Cost: ¥1,290,000)
Fiscal Year 2022: ¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000)
|
|---|
| Keywords | 育種計画 / 強化学習 / ゲノミック選抜 / 最適化 / 動的計画法 / 交配・育種計画最適化 |
|---|
| Outline of Research at the Start |
従来の表現型選抜では、表現型の望ましい個体や系統を選抜して交雑するため、表現型が秀でていない個体・系統がもつ有用対立遺伝子が選抜の過程で失われてしまう。ゲノミック選抜（GS）も、基本的には同じ問題を抱えている。本問題を解決するには、GSの予測モデルに基づき有用なゲノム領域が集積されるように選抜・交雑を繰り返すことが考えられるが、そのためには数世代先の状態の「先読み」に基づく選抜・交配が必要となる。本研究では、先読みを行いながら、有用なゲノム領域が集団から失われないように集積していく育種システムを開発する。
|
| Outline of Annual Research Achievements |
本研究では、人工交配によって得られたダイズの集団を初期集団として用いて、同集団に含まれる農学的に有用なゲノム領域を効率的に集積するためのアルゴリズムの開発と、それに基づく選抜実験を行うことを目的としている。選抜実験における改良対象形質は、世界的には不足している水資源を考慮し、干ばつ条件下におけるダイズの高い生長可能性とした。今年度は、岩田チーム・加賀チーム・辻本チームが協力して、ダイズの交配後代集団の屋外干ばつ試験を行い、栽培試験圃場におけるダイズの生長のドローンを用いた計測と、収穫・破壊調査を行った。なお、栽培された個体について、葉組織を一部採取してDNAを抽出し、アンプリコンシークエンシングによりゲノムワイドマーカーのタイピングを行った。岩田チームでは、(1) 本研究で収集された栽培試験・DNA実験データ、および、祖先集団について収集されていたデータを用いて、ゲノムと生長、収穫時バイオマス、収量との関連のモデル化を行い、得られたモデルについて交差検証を用いて世代内や世代間で予測精度の評価を行った。(2) 選抜された数個体からなる親候補について、与えられた指標を最大化する交配組合せを動的計画法で求めるアルゴリズムの開発を行った。この方法は、強化学習による育種計画決定アルゴリズムの一部として用いることができる。(3) 得られた予測モデルとアルゴリズムをもとに、暫定的な有望な交配組合せを求めた。加賀チームでは、岩田チームで求められた有望な交配組合せについて、実際に交配を行い、次世代種子の採取を行った。今後は、交配・選抜計画決定アルゴリズムの開発を続けるとともに、交配後代の栽培試験を行って、データ収集・モデル修正・選抜効果の確認を行う。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
我々は本年度までに、(1) 組換え近交系（RILs）の交配後代を用いた屋外干ばつ条件における栽培試験とデータ収集、(2) 収集されたデータに基づくモデル化とその予測精度の評価、および、(3) 交配・選抜計画決定アルゴリズムのうち、動的計画法を用いた最適組合せの導出アルゴリズムの開発を行った。(1)では、RILs間の複数交配組合せから得られたF3世代の集団約840個体について栽培試験を実施し、地上部バイオマス・収量形質の計測とジェノタイピングを行った。得られたデータを祖先集団（RILs）で得られたデータとともに解析し、ゲノミック予測の精度評価を行い、高い精度での予測が可能であることを明らかにした。(2)では、非線形混合効果モデルを用いた植物生長のゲノミック予測の研究も行い、実データ、および、シミュレーションデータをもとに、その有効性を明らかにした。(3)では、ゲノミック予測などにより選抜された親系統をもとに、組合せごとに与えられた選抜指標の和を最大化できるような組合せを動的計画法で求める手法を開発した。これまでのゲノミック選抜を用いた育種計画の最適化に関する研究では、選抜個体を無作為に交配することを想定したものがほとんどであったが、交配組合せも最適化することにより、選抜・交配から実現される遺伝的獲得量をより大きくできると考えられ、本研究で取り組む強化学習アルゴリズムの一部として利用できると期待している。
|
| Strategy for Future Research Activity |
岩田チームでは、強化学習だけでなくベイズ最適化を含めた様々なブラックボックス最適化法も含めて交配・育種計画を最適化するためのアルゴリズムの開発と改良を引き続き進めていく。また、同時にダイズ個体の遺伝的能力を予測するためのモデルの開発と改良も同時に進めていく。さらに、開発・改良される暫定的モデル・アルゴリズムを実際の集団に適用して、集団内の個体の選抜と選抜個体の交配組合せの最適化を行う。さらに、鳥取大学・乾燥地研究センターで行われる屋外干ばつ試験において辻本チームと共同して栽培試験圃場で生長するダイズの計測、および、収穫・破壊調査を実施する。また、加賀チームでは、上述した暫定的なアルゴリズムを用いて最適化された選抜・交配組合せにしたがって、実際に選抜と交配を行い、次世代の種子を採種する。また、得られた次世代個体のアンプリコンシークエンシングによるジェノタイピングを行い、育種集団の「状態」に関するデータを収集する。さらに、辻本チームでは、加賀チームにより作成された材料の屋外干ばつ試験を行い、岩田チーム・加賀チームと協力して選抜効果を確認するための実験を実施する。以上の取り組みを通して、新アルゴリズムの開発と実装を進めていく。
|
Report
(1 results)
Research Products
(4 results)
