| 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 |
Iwata Hiroyoshi 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) |
2024-04-01 – 2025-03-31
|
| Project Status |
Completed (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 | ゲノミック選抜 / 交配組合せ最適化 / 育種計画最適化 / 動的計画法 / ベイズ最適化 / 育種計画 / 強化学習 / 最適化 / 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 Final Research Achievements |
This study aimed to implement and accelerate genomic selection (GS) in small-scale breeding programs by developing a method to design crosses that “anticipate” the genetic gain of future generations. The method was validated through both simulations and real populations. Crosses were optimized to maximize the genetic gain in the final generation using stochastic tree search and integer programming. Breeding populations derived from recombinant inbred lines of soybean were used to design a crossing strategy that jointly considers expected breeding values and progeny variance. The prediction accuracy and genetic improvement were evaluated through an outdoor drought trial conducted at Tottori University. Furthermore, phenotypic data obtained from different environments revealed shared structures of drought response and demonstrated the predictability of these responses using genomic information. In addition, trait estimation methods utilizing UAVs and deep learning were also developed.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究は、情報科学的手法による選抜と交配の同時最適化を通じて、次世代育種戦略に向けた新たな理論・技術基盤を提供した。将来世代の遺伝的獲得量を「先読み」するため、遺伝的分離を予測し、それを最大化する数理最適化に基づく交配設計手法を開発し、実集団とシミュレーションで有効性を検証した点は、GS実装に向けた重要な前進である。さらに、正準相関分析により干ばつ応答に共通する表現型構造とそのゲノム予測可能性を明らかにし、UAVと深層学習による新たな表現型情報取得手法も開発した。これらの成果は、小規模育種にも適用可能な技術として、気候変動下の作物安定生産と持続可能な農業の実現に資する社会的意義を有する。
|
