| 研究課題/領域番号 |
21H02215
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分39060:生物資源保全学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
矢後 勝也 東京大学, 総合研究博物館, 講師 (70571230)
|
|---|
| 研究分担者 |
大場 裕一 中部大学, 応用生物学部, 教授 (40332704)
奥山 雄大 独立行政法人国立科学博物館, 植物研究部, 研究主幹 (40522529)
中濱 直之 兵庫県立大学, 自然・環境科学研究所, 講師 (50807592)
平川 翼 中部大学, AI数理データサイエンスセンター, 講師 (60846690)
福井 弘道 中部大学, 中部高等学術研究所, 教授 (90286625)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)
2023年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2022年度: 5,070千円 (直接経費: 3,900千円、間接経費: 1,170千円)
2021年度: 9,360千円 (直接経費: 7,200千円、間接経費: 2,160千円)
|
|---|
| キーワード | 昆虫 / 自然史 / 画像認識技術 / 空間相関解析 / 集団遺伝解析 / 保全 / 絶滅危惧種 / 遺伝的多様性 |
|---|
| 研究開始時の研究の概要 |
博物館等に収蔵されている昆虫標本、特に翅形・斑紋の地理的変異が見られる絶滅危惧種のチョウ標本を用いて大規模な集団遺伝解析を行い、各地域集団の固有性・遺伝構造および時系列的な遺伝的多様性変化を明らかにするとともに、得られた遺伝情報または深層学習による翅形・斑紋の画像認識、あるいはその双方から放蝶やノーラベルのような由来不明の標本の時空間情報（産地や時期）が推定できる可能性を検証する。また、食草分布・地形・気候・土地利用のようなGIS（地理情報システム）データを重ねて過去から現在までの影響を経年的に復元することで、各地域・時期における遺伝的多様性変化や絶滅・減少を招いた要因を科学的に解明する。
|
| 研究実績の概要 |
博物館に蓄積された絶滅危惧鱗翅昆虫（ギフチョウなど）の標本を用いて遺伝情報と深層学習による翅の画像認識から時空間情報が推定できる可能性を検証するとともに、GISデータを重ねて絶滅・減少を招いた要因を解明することを目的とした。
本研究の主体である絶滅危惧鱗翅類の集団遺伝解析・深層学習による画像認識・GISデータによる空間相関解析の3つのうち、集団遺伝解析では、対象標本のデータベース化をさらに進めた他、想定していた50集団中のうち、前年と合わせて2/3程度のサンプルから脚部を採取してDNA抽出を行ない、半分程度の解析を行なった。深層学習による画像認識では、計4,434個体のデータを用いて、画像認識技術の一つであるAttention Branch Networkを活用し、標本の産地で利用されている食草の種推定および採集地の位置情報推定を行った。その結果、標本の斑紋による食草推定および採集地推定ともに、一部ではかなり高い精度が得られた。また、Attention mapを可視化することで、双方の結果とも斑紋の一部に着目して分類していることが判明した。現状では食草推定と位置情報推定をそれぞれ独立に解析しているため、今後は食草と産地双方の推定を考慮して解析することで、より高精度な推定に挑戦する。GISデータによる空間相関解析では、標本ラベルと食草分布に関する情報の他、現状の対象鱗翅類の過去・現状の推移や開発・シカ食害・温暖化等の環境変遷などのデータを集積しており、今後はさらに必要な情報を追加することで解析を進めていく予定である。
上記の成果は日本進化学会や日本昆虫学会、日本鱗翅学会や各地招待講演等で発表するとともに、一部は国際誌を含む出版した学術誌、書籍のデータにも使用した。また、文京区教育センターとの連携事業となる展示でも成果を公開することで、一般にも分かりやすく研究の発信に努めた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
集団遺伝解析に関しては60％程度の達成度である。DNA解析実験に使用する核酸濃度測定装置と高性能サーマルサイクラーの納品に関しては2021年度から2022年7月に延期していたが、主にコロナ禍や世界情勢による世界的な半導体不足等の影響により、これらの装置の納期がさらに遅延し、結局、2022年度末の納品となった。本研究の遂行上、核酸濃度測定装置と高性能サーマルサイクラーによるDNA実験が不可欠だが、これらの納品の遅れにより、本格的なDNA解析実験の実施も遅延する事態が生じた。
深層学習による画像認識に関しては90％ほどの達成度である。標本の学習データと評価データを含む画像認識データセットを前年度以上に作成、入力することができた。また、これらのデータに基づいて標本の翅型・斑紋による食草推定および採集地の位置情報推定を行い、ある程度高い精度が得られた。その一方で、それぞれの解析法で推定精度が低い状況も見られ、解析方法のさらなる工夫の必要性も感じられた。また、前年度からの課題にもなっているデータ量の地域格差により、特に東西辺縁地域で精度が低いという課題も示されている。
GISデータによる空間相関解析では75％ほどの達成度である。主に標本ラベルと食草分布、さらにはシカ食害等に関する情報の入力作業を進めたが、2022年前半まではまだコロナ禍による影響が続き、機関によっては謝金雇用者の行動制限が続いていたため、想定よりもややデータ入力に遅延が生じている。
研究成果の公表に関しては80％ほどの達成度で、多くの学会発表や各地招待講演等によりおよそ遂行できたと考えている。また、一部の成果は学術誌や書籍等にも含めることができた他、2022年夏から秋にかけて開催された展示でも現状までの研究結果を公開発信している。
|
| 今後の研究の推進方策 |
集団遺伝解析については、これまでの核酸濃度測定機、高性能サーマルサイクラーなどの高額精密機器の納品遅れによる遺伝解析の遅延を取り返すべく、遺伝子実験およびそれらに基づいた解析の推進に重点を置く。また、引き続き必要な標本からのサンプル採取、データベース化を進めながら、不足している地域の重要な材料の収集等に努める。
深層学習による画像認識については、食草推定と位置情報推定のそれぞれ独立した解析から双方の推定を合わせた解析を行うことで、さらなる精度の向上を図る他、前年度からの課題であった地域や雌雄によるデータ量格差を解消することで、現状の課題の克服を考えている。
GISデータによる空間相関解析では、これまでに気候、地形、標高、植生、開発、土地利用等の環境情報はほぼ入力済みで、本プロジェクトが開始してから入力を始めた標本ラベルと食草分布もある程度進んでいる。その一方で、各地で被害が目立つシカ食害に関するデータ入力が遅れていることから、今後はシカの分布拡大データの入力を中心に進めることで、環境情報に関するデータの充実を図る。また、これらのデータを地理的情報基盤「デジタルアース」と接続することで、絶滅危惧鱗翅類の生息適地や減少・絶滅要因と関連する情報を定量的かつ客観的に予測するようにする。
ここまでの成果をさらに学会等で発表するとともに、一部のデータに関しては論文執筆等を進める。さらに代表者・分担者が所属する博物館や資料館にて開催する「展示」でも研究成果を積極的に発表することで、本成果を社会に広く公開発信する。
|
