2023 年度研究成果報告書

低肥料で持続可能なイネ生産に役立つ遺伝子探索と、深層学習による新形質分類法の確立

研究課題

PDF

研究課題/領域番号	21K05529
研究種目	基盤研究(C)
配分区分	基金
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	滋賀県立大学
研究代表者	清水顕史滋賀県立大学, 環境科学部, 准教授 (40409082)
研究期間 (年度)	2021-04-01 – 2024-03-31
キーワード	遺伝育種学 / 栄養ストレス耐性
研究成果の概要	標準イネ品種の日本晴と栄養ストレス耐性品種KHAO NOKとの組換え自殖後代188系統を作製し、GRAS-Di法でゲノム全域に渡る高密度な遺伝子型情報を入手した。これら系統を低栄養および無栄養で水耕栽培し、乾燥重のQTL解析を行った。KHAO NOKは低栄養で日本晴よりも2倍前後も乾物重が大きいが、この品種間差は複数のQTLsの集積で説明できることがわかった。現在、検出されたQTLsの単離に向け、ICP-MSによる多元素分析を進めている。深層学習を利用した形質分類の準備では、穂形質が分離する交雑後代集団を用いて、分離マーカー遺伝子型を教師ラベルとする畳み込みニューラルネットワークを進めた。
自由記述の分野	遺伝育種科学
研究成果の学術的意義や社会的意義	低栄養処理区特異的に検出されたQTLsは、40倍希釈した水耕液という低濃度の養分を効率的に利用してバイオマスを増加する機能を持ちうる。これらの利用は、投入肥料を削減することで持続的な農業の実現に役立つといえる。GRAS-Di法で得た日本晴×KHAO NOKの組換え自殖後代のゲノム全域に渡る高密度遺伝子型情報は、上記の低栄養特異的QTLsの検出に有効なだけでなく、親品種間に観られている様々な栄養ストレス耐性遺伝子座の検出にも利用できる。また、得られた高密度遺伝子型情報を深層学習時の教師ラベルとして活用することで、単純な分類が不可能だったメンデル遺伝する新しい表現型値の探索法の確立に有効である。