著者の所属・活動拠点の国は、ドイツです。
掲載誌:The Plant Genome
ライセンス: CC BY 4.0 対象: 公開論文 確認元: 論文PDF
研究の目的
遺伝子バンクは、作物の多様な系統を種子などの形で保存し、品種改良や環境への適応、進化の研究に役立てる施設です。保存された系統の価値は、遺伝情報だけでなく、どこで採集されたかといった記録にも左右されます。こうした記録は「パスポートデータ」と呼ばれます。ところが古い記録の多くには正確な緯度・経度がなく、場所の情報が不確かなものも含まれています。
研究チームは、ゲノム全体にわたるDNAの小さな違い(SNP、一塩基多型と呼ばれる目印)から、オオムギ系統がもともとどの地域に由来するかを推定する解析手順「SNP2GPS」を開発しました。推定がどの程度確かかを示す指標も合わせて出し、記録と推定が大きく食い違う系統を、記録の誤りを確かめる候補として示せるかも調べました。
何を、どのように調べたか
材料は、ドイツのライプニッツ植物遺伝・作物研究所(IPK)の遺伝子バンクに登録されたオオムギ2万2626系統のパスポートデータです。このうち野生オオムギは2198系統、栽培種などは2万428系統でした。GPS座標の記録があったのは2862系統にとどまりました。研究チームは、座標が海上にあるもの、座標から割り出した国名と記録上の国名が食い違うものを除き、国名の表記もそろえました。こうして残った2308系統(野生141、栽培種など2167)をモデルの学習に使いました。
推定には、SNPのデータを入力すると緯度と経度を出力するニューラルネットワーク(データから規則性を学ぶ計算モデル)を使いました。座標が分かっている系統を学習用と検証用に3対1で分け、乱数の条件を変えて100回学習させ、各系統の推定値を平均しました。100回の推定値のばらつきを、その推定の不確かさとして扱いました。
比べたモデルは二つです。一つは、確認済みのGPS座標だけで学習した基本モデルです。もう一つは拡張モデルで、国名しか記録がない系統にもその国の中心点の座標を割り当て、学習データに加えました。どちらのモデルも、学習に一切使わずに取り分けておいた200系統で精度を確かめました。精度は、記録された座標と推定した座標との地表上の距離で評価しています。
このほか、野生オオムギと栽培種などで推定の誤差や不確かさを比べました。食い違いの大きい系統については、遺伝的に近い系統どうしのまとまりも調べました。座標の誤りを見抜けるかを試すため、人工的に作ったSNPデータで80試料(全体の8%)の緯度と経度をわざと入れ替える実験も行いました。さらに、既存の推定手法「Locator」が公開している試験データを使い、両者の性能を比べました。推定結果は、地図で閲覧・検索・ダウンロードできるウェブポータルとして公開されました。ポータルには、採集地を文章で記した記録から大規模言語モデル(LLM)がおおよその座標を提案する機能も組み込まれています。
主な報告結果
取り分けておいた200系統での評価では、基本モデルの誤差の中央値は57.53キロでした。推定の61.0%が記録座標から100キロ以内、85.0%が500キロ以内に収まりました。一方、平均誤差は382.76キロで、10.0%は1000キロを超え、最大では9175キロずれていました。多くの系統は地域の規模で推定できるものの、一部に大きく外れる例があり、それが平均を押し上げていると研究チームは説明しています。
拡張モデルの誤差の中央値は55.76キロで、基本モデルとほぼ同じでした。ただし500キロ以内に収まった割合は78.0%で、基本モデルより低くなりました。研究チームは、国の中心点という大まかな位置を学習に使ったことと整合する結果だとしています。
野生オオムギと栽培種などを比べると、平均誤差は野生オオムギのほうが数値上は小さかったものの、統計的に意味のある差ではありませんでした。一方、推定の不確かさ(繰り返し推定したときのばらつき)の中央値は、野生オオムギが約24キロで、栽培種などの約54キロより小さくなりました。
記録と推定が1000キロ以上食い違った系統の中には、遺伝的なまとまりが記録上の地域ではなく推定された地域と一致する例がありました。たとえば、日本由来と記録されていた系統BCC648は、遺伝的にはヨーロッパの系統のまとまりに入り、推定位置もヨーロッパでした。緯度と経度を入れ替えた人工データの実験では、推定位置はおおむね、入れ替え後の誤った座標よりも本来の位置の近くに出ました。
公開データを用いたLocatorとの比較では、両手法はおおむね同程度の性能を示しました。SNP2GPSの平均誤差は429.66キロ、中央値は350.14キロでした。Locatorは誤差を度単位で示しており、平均3.76度、中央値3.30度です。研究チームは1度を約111キロとして、これを約417キロと約366キロに換算しています。
この報告が示すこと
研究チームは、ゲノム全体のSNPデータから遺伝子バンク系統の由来を地域規模で推定でき、不完全な記録や食い違いのある記録の見直しに役立つと結論づけています。新しさは、既存手法より推定が正確になった点にあるわけではありません。繰り返し学習による安定した推定、不確かさの提示、食い違いの検出、可視化と公開を一つの流れにまとめた点にある、と位置づけています。
野生オオムギで不確かさが小さかったことは、遺伝的な特徴と地理との結びつきが強いほど推定が確かになるという見方を支える、と研究チームは述べています。栽培オオムギでは、人による種子の持ち運びや交雑、育種の歴史によってこの結びつきが弱まり得ます。
大きな食い違いは、記録の誤りだけでなく、系統の歴史的な移動、学習データの少ない地域、地理と関係のない遺伝的なまとまり、手法そのものの限界からも生じ得ます。研究チームは推定座標を記録の代わりにするのではなく、重点的に点検する系統を選ぶための判断材料として使うべきだとしています。
限界として、精度は学習データが地理的・遺伝的にどれだけ広く集まっているかに左右され、データの少ない地域は推定が難しいことが挙げられています。国の中心点を使うと学習データは増えますが、位置の情報は粗くなります。また、この手法はゲノムに地理の痕跡が残っていることを前提としており、移動や選抜の歴史が複雑な栽培系統では、その前提が成り立ちにくくなります。
原著論文の著者・所属:Stefanie Lück(Leibniz‐Institut für Pflanzengenetik und Kulturpflanzenforschung (IPK) Seeland Germany)、Martin Mascher(Leibniz‐Institut für Pflanzengenetik und Kulturpflanzenforschung (IPK) Seeland Germany)、Uwe Scholz(Leibniz‐Institut für Pflanzengenetik und Kulturpflanzenforschung (IPK) Seeland Germany)、Dimitar K. Douchkov(Leibniz‐Institut für Pflanzengenetik und Kulturpflanzenforschung (IPK) Seeland Germany)
※本記事は原著論文をもとに、日本語で要約・説明を加えた研究紹介です。 出典(原著論文):Stefanie Lück, Martin Mascher, Uwe Scholz, et al. Inferring geographic origin in genebank accessions from genome‐wide SNP variation: A barley case study. The Plant Genome(出版社:Crop Science Society of America) 2026-11-13. DOI: 10.1002/tpg2.70345. 原著ライセンス:CC BY.