イネの開花時期の遺伝子型環境相互作用モデル開発のための作物モデル、一塩基多型、気候指数の統合：事例研究

科学分野:

• 農業科学
• 遺伝学
• 計算生物学

背景:

• 遺伝子型環境相互作用（G×E）モデルは、デジタル育種と作物表現型の予測に不可欠である。
• 遺伝子型特異的パラメータ（GSP）は、作物成長モデルとG×E相互作用を橋渡しし、植物の発育をシミュレートすることができる。

研究 の 目的:

• 開花時期予測のためのイネ成長モデル、SNP、および気候データの統合。
• GWASを用いたGSPと量的形質遺伝子座（QTN）との関連の調査。
• 予測精度に対するSNPベースのGSPと機械学習の影響の評価。

主な方法:

• 700K SNPマーカーと多環境開花データを持つ169のイネ遺伝子座のデータセットを利用した。
• 3つのイネ成長モデル（ORYZA、CERES-Rice、RiceGrow）をSNPおよび気候指数と統合した。
• ゲノムワイド関連解析（GWAS）を用いてGSPとQTNを関連付け、予測洗練のために機械学習（ML）を使用した。

主要な成果:

• 既知のイネ開花遺伝子（例：DTH2、DTH3、OsCOL15）とGSPとの間の有意な関連を特定した。
• イネモデルにおけるSNPベースのGSPは、従来のキャリブレーションと比較して適合度を低下させた（RMSEの増加）。
• MLで修正された予測とマルチモデルアンサンブルは、従来のメソッドと同等の精度を達成した。

結論:

• GSPは、イネにおけるデジタル育種アプリケーションのための遺伝的解釈可能性と可能性を提供する。
• 作物モデルとMLおよび気候データを組み合わせることで、表現型予測を改善できる。
• 本研究の結果は、イネにおける分子育種戦略の進歩と正確な表現型予測を支持する。