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

点击翻译按钮获取中文摘要

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。