Development of a framework for optimizing breeding schemes with reinforcement learning

点击翻译按钮获取中文摘要

ゲノム情報から作物の表現型を予測し、その予測値に基づき選抜を行うゲノミック選抜が近年注目を浴びている。しかし従来のゲノミック選抜では、単に「予測値の高いものを選ぶ」戦略が用いられることが多く、世代を重ねるごとに育種集団内で変異が固定され多様性が失われることが多かった。そのため本研究では、こうした短期的に有利な戦略ではなく、「中・長期的な」戦略（5~10世代）において、与えられた育種集団のマーカー遺伝子型・表現型情報から、「最適な」遺伝子型を得るためのシステムの構築を行った。ここでの「最適な」遺伝子型とは、決まった世代の後に得られる最も遺伝的能力が高い遺伝子型（系統）を指す。これにより,これまでの育種家が経験的に行ってきた「育種の最適化」を客観的手法で実現し、遺伝的改良程度が最大になるように交雑・選抜（各交配組に対する次世代個体数）を最適化する枠組みの実現を目指した。具体的な実績としては、既存の選抜基準を選抜だけでなく、交配戦略の一つである各交配親に割り当てる次世代個体数の決定に応用し、さらにどの選抜基準をどれだけ重要視するか、ということについて最適化を行った。また、こうした既存の選抜基準のアップグレードにとどまらず、交配後代の遺伝分散も各交配組の次世代個体数の決定に利用した。これにより、より長期的な育種に有効な交配組を重視することが可能となり、結果として、真のマーカー効果を想定した場合には、最適化を行わず次世代個体を等しく割り当てる時と比較して、最終的に作出される品種の遺伝的能力が安定的かつ飛躍的に向上することを示した。同内容はすでに国際学会の招待講演にて発表されているほか、国内学会においては優秀発表賞も受賞した。また、現在は投稿論文をTheoretical and Applied Genetics誌に投稿中である。