| 研究実績の概要 |
本研究の目的は、集団構造の推定精度・サンプル数・DNAマーカー数の間にトレードオフがある点に着目することで、（１）複数の近親関係を同時に用いた集団構造の推定法の開発し、（２）より少ないDNAマーカー数やサンプル数から近親判別や個体数推定(N)を実施するアルゴリズムを開発することで、様々な状況に応じたサンプル数や予算規模のもとで集団構造を明らかにする理論的基盤を整備することであった。本研究期間全体を通じて、以下のような成果があった。
・少数のサンプルから見出された半兄弟関係を使った、有効集団サイズ（Ne）の不偏推定量を開発した(Akita 2020, Heredity)。この成果により、サンプル割合が小さい場合でも意味のある推定値を得られるようになった（上記２に相当）。
・サンプルから見出された半兄弟と親子の両方の関係を使って、Ne/Nを不偏推定する理論(Akita 2020, Ecol.Evol.)と集団間の移動個体数（率）を不偏推定する理論(Akita 2022, Mol.Ecol.Resour.)を開発した。これらの成果により、近親情報だけで生態学的に重要な量を推定する枠組みが示された（上記１に相当）。
・機械学習を利用した近親判別アルゴリズムを開発し(Tsukahara et al. 投稿準備中)、既存のソフトと比較して個体数推定に特に有効であることを示した（上記２に相当）。
・上記の取り組みと関連して海外研究者を招聘し、国際シンポジウムを第３８回個体群生態学会大会中に開催した。さらに、招待講演や解説論文（和文）執筆によって、手法の普及に尽力した。
新たに明らかになった課題は、DNAマーカー数を十分大きくしても、半兄弟関係を遠い近親関係（半いとこなど）と高精度で区別するのが困難である点である。今後は、連鎖するDNAマーカーを利用して情報量を増やすことなどが求められるだろう。
|
