18 SNPマーカーを用いた機械学習ベースのバラ分類による遺伝子バンク管理の最適化

科学分野:

• 植物学; 遺伝学; バイオインフォマティクス

背景:

• バラの品種分類は、複雑な育種歴と遺伝的不均一性のため困難です。従来の園芸カテゴリーは、しばしば明確な遺伝的グループと一致しません。バラにおける分子マーカーを用いた過去の研究は、範囲が限られています。

研究 の 目的:

• 園芸的なバラ分類とゲノム構造との整合性を評価すること。大規模なバラ遺伝資源コレクションを管理するための堅牢なツールを開発すること。バラの遺伝的関係性を解決する上での機械学習の有効性を評価すること。

主な方法:

• 1,345のバラアクセスにわたる18の単一ヌクレオチド多型（SNP）マーカーを利用しました。クラスタリングと分類のために、複数の教師なしおよび教師あり機械学習アルゴリズムを適用しました。クラスタリング結果を従来の園芸ラベルと比較しました。

主要な成果:

• 教師なしクラスタリングは、アルバ種やダマスク種のような遺伝的に異なるグループを一貫して特定しました。教師ありモデルは、ハイブリッドティーやベンガルローズのような複雑なハイブリッドグループに対して高い分類精度（最大100%）を達成しました。ミニチュア種やコルデシー種ハイブリッドなどの特定の園芸グループは、異なるラベルにもかかわらず一緒にクラスタリングされ、共通のゲノム背景を示唆しています。

結論:

• SNPデータの機械学習解析は、バラ品種の遺伝的関係性を確実に解決します。この発見は、園芸分類とゲノム構造との間の調和に関する洞察を提供します。機械学習を用いたマーカーベースの分類は、遺伝子バンク管理、品種同定、およびバラのカテゴリーの再評価のための貴重なツールです。