遺伝情報・深層学習・GISを用いた博物館標本の時空間情報と遺伝的多様性変化の解明

利用遗传信息、深度学习和 GIS 阐明博物馆标本的时空信息和遗传多样性变化

• 批准号: 21H02215
• 负责人: 矢後 勝也
• 金额: $ 11.07万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21H02215/
• 关键词: 昆虫; 自然史; 画像認識技術; 空間相関解析; 集団遺伝解析; 保全; 絶滅危惧種; 遺伝的多様性

博物館等で膨大に蓄積された昆虫標本、特に翅形・斑紋の地理的変異が見られる絶滅危惧種（ギフチョウ等）の標本を用いて超並列シーケンシングにより過去平均50年、最大100年の遺伝学的変遷を集団ゲノム学的に復元し、各地域集団の固有性・遺伝構造と時系列的な遺伝的多様性変化を明らかにするとともに、得られた遺伝情報と深層学習による翅の画像認識から放蝶やノーラベルのような由来不明の標本の時空間情報が推定できる可能性を検証した。また、GISデータを重ねて過去から現在までの環境情報を経年的に復元し、各地域・時期における遺伝的多様性変化や絶滅・減少を招いた要因を解明することも目的とした。本研究の主体である絶滅危惧チョウ類の集団遺伝解析・深層学習による画像認識・GISデータによる空間相関解析の3つのうち、集団遺伝解析では、標本のデータベース化を進めて選別しやすくした他、想定していた50集団中の1/3程度のサンプルから脚部を採取してDNA抽出を行ない、その内の一部の解析を行なった。深層学習による画像認識では、計2,582個体のデータを活用し、深層学習に基づく画像認識技術を応用して斑紋の画像を定量的な分類を行うとともに、本種の地域変異が対応すると考えられる食草各種とチョウの斑紋との関連性を考察した。産地、性別、食草のラベル情報を付与した画像認識データセットを活用してMulti-task ABNにより食草分類を行った結果、ある特定の種に対しては約98%の分類精度が得られ、その有効性が確認できた。また、高精度で分類された時のAttention mapを可視化することで、斑紋の一部分に着目して分類していることが分かった。GISデータによる空間相関解析では、標本のラベルデータと食草分布に関する情報を必要量の半分程度をインプットした段階にあり、今後はさらに追加していくことで解析を進める予定である。

Expanded and accumulated insect specimens in museums and other places, special wing-shaped and spotted geographical differences and endangered species (such as ギフチョウ, etc.) This book uses the super-parallel シーケンシングにより The past average of 50 years and the maximum of 100 years of the past 100 years of learning, the regeneration of the past, The inherent nature of each regional group, the structure of the legacy, and the diversity of the history of the legacy series. Study on the image of the wings, recognize the butterfly, release the butterfly, and prove the specimen with unknown origin.また、GIS データを重ねてpast からpresent までのenvironmental information を経年にrestorationし、Each region・The main reason for the multi-dimensional transformation of the time period is the extinction and reduction of the period, and the purpose of the era is explained. The subject of this study is analysis of collections of extinction-related threats, deep learning, and portrait recognition. GIS spatial correlation analysis, collection collection analysis, and specimen analysisベース化を入めて选选しやすくした Him、Scenario していた 50 episodes in 1/3 degree のサンプルから Foot を adopts してDNA extraction を行ない, その内の一のanalytic を行なった. Deep learning image recognition technology, 2,582 individual portrait recognition techniques, deep learning image recognition technology, pattern recognition technology, and pattern recognition technology for 2,582 individuals Quantitative な classification を行うとともに, this species のregional difference が対応するとtest えられるherbivorous various とチョウの spotted との correlation を した. Place of Origin, Gender, Herbivorous Food Information, Pay and Image Recognition, Utilization, Multi-task ABN herbivore classification results, classification accuracy of about 98% for specific species, and validity confirmation.また, high-precision で classification された时のAttention map を visualization することで, part of the pattern に目して classification していることが分かった. GIS spatial correlation analysis and herbivore distribution of specimens and information necessary for half It is divided into different levels and will be added in the future.

项目成果

2020年の昆虫界をふりかえって－蝶界 (I)－

回顾2020年昆虫世界-蝴蝶世界（一）-

• 发表时间: 2021
• 期刊: 月刊むし
• 作者: 井手竜也;夏目佳枝・長田 穣・永野裕大・宮下 直;村上将希，伊東拓朗，上町達也，藤井伸二，松尾歩，陶山佳久，牧雅之;矢後勝也
• 通讯作者: 矢後勝也

University of Florida/Harvard University/City College of New York(米国)

佛罗里达大学/哈佛大学/纽约城市学院（美国）

深層学習による画像認識技術を用いたチョウ斑紋の地理的変異に関する定量的考察

利用深度学习图像识别技术定量研究蝴蝶斑点的地理变化

• 发表时间: 2022
• 作者: Yokobe Tomohiro;Hyodo Fujio;Tateno Ryunosuke;Tokuchi Naoko;矢後勝也・平川 翼・小檜山賢二・名和哲夫・大場裕一・川村真也・杉田 暁・福井弘道
• 通讯作者: 矢後勝也・平川 翼・小檜山賢二・名和哲夫・大場裕一・川村真也・杉田 暁・福井弘道

小笠原固有の絶滅危惧種オガサワラセセリの自然史と保全

小笠原特有的濒危物种小笠原丝虫的自然历史和保护

• 发表时间: 2021
• 期刊: 昆虫と自然
• 作者: 酒井康子 ; 伊藤俊輔 ; 秋庭満輝 ; 太田祐子 ; 佐橋憲生;矢後勝也
• 通讯作者: 矢後勝也

大学博物館での標本データベース構築と公開発信

高校博物馆标本数据库建设及公众传播

• 发表时间: 2022
• 作者: 武田直樹;山本雅信;鈴木丈詞;矢後勝也
• 通讯作者: 矢後勝也