著者の所属・活動拠点の国は、アメリカです。

掲載誌：In Vitro Cellular & Developmental Biology - Plant

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

研究の目的

植物の組織を培地で育てる組織培養では、植物の種類や発育段階、培地の成分、光や温度などが複雑に関わり、生育結果を予測しにくくなります。すべての組み合わせを実験で確かめるのは難しく、調べる成分を早い段階で絞ると、重要な組み合わせを見落とすおそれがあります。

著者らは、植物組織培養における人工知能・機械学習の活用例を整理し、特に培地の配合を最適化する方法に注目しました。そのうえで、研究室や個別の実験ごとに作るモデルから、複数の研究のデータをまとめて学び、さまざまな配合と生育結果を扱うモデルへ進めるかを、試作モデル「MERISTEM」で検討しました。

何を、どのように調べたか

論文は既存研究のレビューと、新しいモデルの概念実証を組み合わせています。レビューでは、培地成分を一つずつ変える方法、複数の成分を同時に変える実験計画、機械学習による予測・最適化を取り上げ、従来の研究が扱ってきた成分や評価項目の範囲を整理しました。

MERISTEMの試作には、公開された8本の論文のデータを集めました。データには36種類の培地成分と8種類の評価項目が含まれます。モデルは、成分の組み合わせを予測に役立つ数値表現に変換し、培養環境や植物の分類情報と合わせて、複数の生育指標を同時に学習する設計です。配合をこのように表現する方式と成分濃度をそのまま入力する方式、複数の指標を一緒に学ぶ方式と個別に学ぶ方式を比較しました。

応用例として、キクの節を含む組織片から芽を形成させる培地を、計算上で探索しました。芽の数、長さ、再生する割合を高める一方、未分化な細胞の塊であるカルスの形成や、芽先の壊死、組織の水浸状化、黄化を抑えることを目標にしました。一部の成分だけを変える条件と、多くの成分を探索できる条件を設け、複数の目標の間で折り合いをつけた配合候補を求めました。

主な報告結果

レビューで整理した研究全体では、最適化の対象となった成分またはイオンは92種類に上りました。しかし、個々の研究の多くは一度に5種類未満しか扱っていませんでした。測定・予測された評価項目も全体では約87種類あったのに対し、各研究が予測したのは約4項目でした。著者らは、新しい実験のデータだけで毎回モデルを作る方法では、扱える成分と結果の範囲が限られると指摘しています。

MERISTEMの入力を変えたときに予測がどの程度変わるかを調べると、植物の分類情報は、芽の長さ、芽の再生率、カルス形成率、黄化の4項目で最も重要な予測因子でした。また、植物成長調節物質のBAPとカイネチンは、特に芽の数と再生率の予測に強く関わりました。著者らは、カルシウムと組織の水浸状化・芽先の壊死との関係も含め、モデルが既知の植物生理と整合する関連を学んだと報告しています。

キクの培地探索では、一部の成分だけを変える条件で、組織片1個当たり13.5本の芽、平均の芽の長さ4.9センチメートルと予測される候補が得られました。これはモデルによる予測であり、この配合で実際に培養して得た測定値ではありません。

芽の長さを重視した候補には、学習データ中でキクへの添加効果が試されていなかったジベレリン酸が含まれていました。著者らは、モデルがキウイの実験結果からキクへの効果を推測したと説明しています。多くの成分を変える探索でも、ほかの植物のデータから学んだ無機栄養成分の組み合わせが提案され、その傾向は既存研究で示された関係と整合していたと報告しました。

この報告が示すこと

著者らは、この概念実証を、研究ごとに閉じていたデータを結び付け、対象の植物ではまだ試していない成分も含めて実験候補を考える方法として位置付けています。複数の生育指標を同時に扱うことで、単一の指標だけを最大にするのではなく、培養の目標間の兼ね合いを考慮した配合設計を目指しています。

ただし、試作モデルの学習元は8研究に限られ、提案された配合の有効性や、異なる植物・条件へ推測を広げる信頼性は、培養実験で確認されたものではありません。また、評価では個々の試料を学習用とテスト用に分けており、研究室全体を学習対象から外した検証はできていません。現在のモデルは学習時に含まれなかった植物の分類群を扱えないため、研究室をまたぐ予測能力も十分には評価できていないと著者らは述べています。今回示されたのは、実証済みの万能な培地処方ではなく、蓄積された研究データから新しい配合候補を導く設計の可能性です。

原著論文の著者・所属：Jane Downer（Foray Bioscience Cambridge MA USA）、Lauren Cole-Osborn（Foray Bioscience Cambridge MA USA）、Gurpal Singh（Foray Bioscience Cambridge MA USA）、Mohamed Elhiti（Foray Bioscience Cambridge MA USA）、Nico Hawley-Weld（Foray Bioscience Cambridge MA USA）、Ashley Beckwith（Foray Bioscience Cambridge MA USA）

※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）：Jane Downer, Lauren Cole-Osborn, Gurpal Singh, et al. Artificial intelligence and machine learning in plant tissue culture: from lab-specific models toward unified and scalable tools for intelligent protocol design. In Vitro Cellular & Developmental Biology - Plant（出版社：Springer Science+Business Media） 2026-11-07. DOI: 10.1007/s11627-026-10708-8. 原著ライセンス：CC BY.