2016 Fiscal Year Annual Research Report
変動する野外環境下における植物環境記憶の定量方法の開発
Publicly Offered Research
| Project Area | Integrative system of autonomous environmental signal recognition and memorization for plant plasticity |
|---|
| Project/Area Number |
16H01473
|
|---|
| Research Institution | Ryukoku University |
|---|
Principal Investigator |
永野 惇 龍谷大学, 農学部, 講師 (00619877)
|
|---|
| Project Period (FY) |
2016-04-01 – 2018-03-31
|
| Keywords | トランスクリプトーム / 環境応答 / モデリング / RNA-Seq |
|---|
| Outline of Annual Research Achievements |
野外のような変動環境下におけるトランスクリプトームデータと気温などの環境データを統計モデリングによって解析するためのRのパッケージを開発し、CRANから公開した（パッケージ名：FIT）。このパッケージでは、Nagano et al., 2012のモデルを正則化やリファクタリングなどによって高速に計算可能としており、種々の理論的な改良点については詳細を論文として発表した（Iwayama et al., 2017 Bioinformatics）。このパッケージによって、これまで大型のクラスター計算機を用いて行う必要のあったトランスクリプトームワイドな気象データとの統計モデリング解析が、一般的なPCで実行可能となった。この解析手法では、個々の遺伝子について、概日時計や種々の環境変化の遺伝子発現変動への影響を定量的なパラメータとして評価することができる。例えば、「過去どれだけの長さの時間の気温で発現の変動を説明できるか」、などのパラメータが個々の遺伝子について得られる。「過去どれだけの長さの時間の気温で発現の変動を説明できるか」は、その遺伝子の発現変動に「気温の記憶がどれだけの長さで保持・利用されているのか」、と言い換えることが可能であろう。この解析手法では、概日時計の影響などを考慮したうえで環境変化の影響を評価できるため、野外のような複雑な変動環境のデータの解析に適しているが、実験室などではじめから関心外の要因を固定して取得したデータの解析にも十分なデータ数があれば適用可能である。
変動する環境下における環境応答の記憶を定量するためには、時系列で多数の測定が必要である。そこで、多検体を安定に処理するために、RNA-Seqライブラリの自動調整系を確立した。これによって、同時に384多検体のRNA-Seqライブラリの自動調整を行うことが可能となった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究の目的である環境記憶の定量を効率よく行うための計算ライブラリを、当初の予定通り公開することが出来たため、おおむね順調に進展していると考えられる。
|
| Strategy for Future Research Activity |
変動する環境下における環境応答の記憶を定量するためには、時系列で多数の測定が必要である。そこで昨年度、多検体を安定に処理するために、RNA-Seqライブラリの自動調整系を確立した。これによって、同時に384多検体のRNA-Seqライブラリの自動調整を行うことが可能となった。今年度はさらなる低コスト化、多検体化を進めるためにcombinatorial indexingなどの新しい実験手法の導入を検討する。
昨年度は、変動環境下におけるトランスクリプトームデータと気温などの環境データを統計モデリングによって解析するためのRのパッケージを開発し、CRANから公開した（パッケージ名：FIT）。今年度はFITのさらなるバージョンアップを行うとともに、環境記憶の定量を行う別のデータ解析手法の検討を行う。
また、本新学術領域内の山口公募班と連携し、jmj30jmj32二重変異体における温度記憶の長さ・強度をトランスクリプトーム全体について定量し、野生型との比較を行う。具体的には、我々の研究室で開発したPC制御可能なインキュベータで様々な温度変化をあたえて、時系列トランスクリプトームデータを取得し、FIT、相互情報量などを用いて記憶の定量を行う。
|
