研究課題/領域番号 |
22H02306
|
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39010:遺伝育種科学関連
|
研究機関 | 東京大学 |
研究代表者 |
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)
|
研究分担者 |
辻本 壽 鳥取大学, 乾燥地研究センター, 教授 (50183075)
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)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2023年度)
|
配分額 *注記 |
17,420千円 (直接経費: 13,400千円、間接経費: 4,020千円)
2023年度: 5,590千円 (直接経費: 4,300千円、間接経費: 1,290千円)
2022年度: 6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円)
|
キーワード | 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 |
研究開始時の研究の概要 |
ゲノミック選抜(GS)を小規模でも高効率に行うことができれば、民間種苗会社などで、その実装が急速に進むと期待される。そのためには、単純にGSを適用するのではなく、データをもとに育種過程を常に最適化しながら、高効率に選抜と交配を繰り返す必要がある。そこでは、数世代先を「先読み」しながら、最適な戦略で育種を進めることが重要である。本研究では、囲碁・将棋のAIとしても用いられている強化学習を用いて、有用ゲノム領域を効率的に集積する小規模・高効率育種システムを開発する。
|
研究実績の概要 |
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。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
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。
|
今後の研究の推進方策 |
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。
|