低肥料で持続可能なイネ生産に役立つ遺伝子探索と、深層学習による新形質分類法の確立

基因搜索有助于低肥可持续水稻生产并利用深度学习建立新的性状分类方法

• 批准号: 21K05529
• 负责人: 清水 顕史
• 金额: $ 2.66万
• 依托单位: The University of Shiga Prefecture
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 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-21K05529/
• 关键词: 遺伝育種学; 栄養ストレス耐性

2022年度はイネ品種KHAO NOKと日本晴を、蒸留水および1/320倍、1/160倍、1/80倍、1/40倍、1/4倍の吉田の水耕液で5週間栽培し、バイオマス量の変化や元素含量を調べた。1/160倍以下の無～極低栄養条件で、KHAO NOKは日本晴よりバイオマスが有意に高いこと、1/160倍～1/40倍の低栄養条件で濃度の微増に応じた成育量増加がKHAO NOKは優れていることがわかった。このことは、KHAO NOKの栄養ストレス耐性が極低栄養と低栄養で最低２種類以上存在しうることを示唆している。これまで日本晴×KHAO NOKのF3およびF5世代で観察された耐性遺伝領域の変動も、複数の栄養ストレス耐性遺伝子座の存在を示唆しており、完成した日本晴×KHAO NOKのRILsを用いたQTL解析では、無栄養および低栄養の２種類の条件で評価すればよいことが確かめられた。低栄養以下の条件でKHAO NOKは日本晴よりもバイオマス量が多くなるが、窒素含量は品種間差がないため吸収した窒素量（バイオマス量×窒素含量）はKHAO NOKが多くなった。また、栄養ストレス応答遺伝子の探索に向けて、ナノポアシーケンサーを用いたイネの栄養ストレス応答トランスクリプトームの解析も試行した。リード長の最頻度が1000bpを超えるロングリードを解読できること、１フローセルあたり48hr のランで5.82～17.99G ベースのデータが取得できることが確認でき、これらをde novoアセンブルによりMinION MK1Cでトランスクリプトーム解析が実施できることが分かった。深層学習を利用した形質分類の準備では、置換領域のみが分離し穂形質が分離する交雑集団を用い、穂画像の畳み込みニューラルネットワークによる分類を試行している。

2022年，水稻品种KHAO NOK和Nipponbare在1/320x、1/160x、1/80x、1/40x和1/4x的蒸馏水和吉田水培溶液中培养5周，生物量和元素含量的变化。被调查。在无营养至极低营养条件下，KHAO NOK 的生物量显着高于日本晴 1/160 倍或更低，并且在 1/160-1/40 倍低营养条件下，生长量随着浓度的轻微增加而增加我发现KHAO NOK 的条件非常好。这表明考诺可能至少存在两种​​类型的营养应激耐受性：营养极低和营养不良。在 Nipponbare x KHAO NOK 的 F3 和 F5 代中观察到的抗性遗传区域的变化也表明存在多个营养应激抗性位点，并且使用完整的 Nipponbare x KHAO NOK RIL 进行 QTL 分析已证实，足以在两种情况：没有营养和营养不良。在低营养或更低的条件下，KHAO NOK比日本晴具有更高的生物量，但由于品种间氮含量没有差异，因此KHAO NOK的吸收氮量（生物量x氮含量）较高。此外，为了寻找营养应激反应基因，我们尝试使用纳米孔测序仪分析水稻营养应激反应转录组。已证实可以解码最常见读长超过 1000 bp 的长读，并且每个流动槽运行 48 小时即可获得 5.82 至 17.99 G 碱基的数据，并且可以从头组装这些数据用于转录组分析使用 MinION MK1C，我发现可以做到。在准备使用深度学习进行性状分类时，我们尝试使用卷积神经网络对穗图像进行分类，该网络使用杂交育种群体，其中仅分离替换区域并分离穗性状。

项目成果

ナノポアMinION MK1Cを用いたイネのde novo トランスクリプトーム解析例

使用纳米孔 MinION MK1C 对水稻进行从头转录组分析的示例

• 发表时间: 2022
• 作者: Kim June-Sik;Mochida Keiichi;Shinozaki Kazuo;松田真輝, 清水顕史
• 通讯作者: 松田真輝, 清水顕史