2021 Fiscal Year Annual Research Report
Artifical Intelligence Assistance for Plant Breeding
| Project/Area Number |
19H00938
|
|---|
| Research Institution | Iwate University |
|---|
Principal Investigator |
下野 裕之 岩手大学, 農学部, 教授 (70451490)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
岩田 洋佳 東京大学, 大学院農学生命科学研究科(農学部), 准教授 (00355489)
阿部 陽 公益財団法人岩手生物工学研究センター, ゲノム育種研究部, 主席研究員 (80503606)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 人工知能 / イネ / 育種 / 成長モデル / GWAS / ゲノミック予測 |
|---|
| Outline of Annual Research Achievements |
地球規模が進行している気候変動に適応するには育種法の改良が喫緊の課題である．これまでに蓄積されたイネの野外ビッグデータを用いて，「人工知能」の育種への利用により品種育成を補助するシステムの構築を３つのステップから行った．
1つ目に「表現型プラットフォーム」の開発として，野外ビッグデータである実測の収量データは同一品種においても地域や年次により大きな変動を示すことから，気象条件から推定される潜在収量に対し実測収量を品種ごとに回帰し，その直線の２つパラメーターで品種特性を表現できる手法を考案した．それらパラメーターは，genomic prediction解析により系譜やゲノムから予測できる遺伝的な形質である点を示した．
２つ目に「遺伝子型プラットフォーム」の開発では，日本のコア273品種について163万か所のSNP多型を検出，類型化することができた．表現型プラットフォームで定量化した各品種のパラメーターについてGenome wide association解析を行った結果，収量性のパラメーター（yield-ability）について，6つのピークをみいだした．
３つ目に「人工知能プラットフォーム」の開発では，シングル・エポック・ラーニングを開発し，ディープラーニングを用いた収量の遺伝解析の自動化と高速化を達成した．主要10品種の収量に対し予測誤差2.8%の結果が得られ，従来一般的な解析手法であるBLUPを用いた際の誤差5.3%より47%の誤差を低減できた．
以上，イネの野外ビッグデータを用いた「人工知能」による育種プラットフォームを開発した．
|
| Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
