孤立作物改良のための機械学習とゲノミクスの応用

大きな可能性を秘めた地味な作物

アフリカ、アジア、ラテンアメリカの広い地域で、ソルガム、テフ、キャッサバ、落花生などいわゆる「孤立作物」に多くの人々が頼っています。これらの植物は見出しになることは少ないものの、小麦や米のような世界的主要作物よりも高温、干ばつ、害虫、貧しい土壌に強いことが多い。本総説は、ゲノミクスと機械学習という二つの強力なツールがこれら見過ごされがちな作物の可能性をどのように引き出し、地域の食料安全保障を高めると同時に主要作物の強化に有用な遺伝子資源を提供し得るかを探る。

なぜ見過ごされた作物が重要なのか

孤立作物は「無視された」あるいは「十分に利用されていない」と呼ばれることがあり、大規模な輸出作物に比べて科学的・商業的注目がはるかに少なかった。しかしながら、多くの地域で栄養面の主食となっており、他の作物が育たない過酷で周辺的な環境で栽培されることが多い。小麦や米と異なり、多くの孤立作物は緑の革命による育種改良やマーカー支援育種、ゲノム編集といった現代的手法の恩恵を受けてこなかった。African Orphan Crops ConsortiumのようなゲノムプロジェクトがこれらのDNAを解読・カタログ化し始めているが、生の遺伝情報を実用的な改良に結び付けることは依然として大きな課題である。

植物を“読む”コンピュータを育てる

機械学習――大量データからパターンを学ぶ計算手法――はすでに主要作物の育種を変えつつある。ゲノム配列、気象・土壌記録、センサーの読み取り値、ドローンやスマートフォンの画像を組み合わせることで、収量、病害抵抗性、粒の品質などの複雑な形質をアルゴリズムが予測できる。決定木から深層ニューラルネットワークまで、モデルの種類によって得意な場面が異なる。時には従来の統計手法が深層学習と同等またはそれを上回ることもあるが、総じて複数のデータソースとモデルを組み合わせることで、単一手法よりも育種家にとってより正確で一貫した予測が得られることが多い。

乏しいデータを最大限に活用する

孤立作物にとっての主要な壁は計算能力ではなくデータの不足である。公開されたゲノムや画像のコレクションはごくわずかで、従来の機械学習パイプラインに十分な大規模データがある例は少ない。それでも初期の実証は有望だ。たとえばソルガムでは、穀粒の簡単な写真から深層学習モデルがタンパク質や抗酸化物質の含有量を高精度で予測し、実験室試験の安価な代替となり得ることが示された。別の例では、近赤外線測定と深層学習を組み合わせてシソ属のハーブの栄養特性を推定した。レビューは、孤立作物のゲノム、画像、化学プロファイルの共有データベースを構築すれば、この種のツールの影響が急速に拡大すると主張している。

大きな作物から知識を借りる

本稿の中心的な考えは、種間の「知識移転」である。多くの孤立作物は主要作物の近縁種であり、長いDNA領域や類似した遺伝子を共有している。機械学習モデルはこの関連性を活用できる。アラビドプシスやトウモロコシなど十分に研究された植物でまず訓練されたツールは、植物の高さ、種子の品質、耐ストレス性などの形質に関与する遺伝子を、あまり知られていない近縁種で特定するのに役立つ。もともと人間や植物のゲノム向けに開発された大規模言語モデルは、DNAを一種のテキストとして扱い、調節領域や重要な遺伝子を示すパターンを学習できる。豊富なデータセットで訓練されたこれらのモデルは、限られた孤立作物データでファインチューニングすることで、遺伝子機能の予測、ゲノム編集のターゲット提示、より効率的な育種の指針を提供することができる。

アルゴリズムから畑と農家へ

著者らは、技術だけでは孤立作物を変えられないと強調する。進展には地域の科学者への投資、小規模農家との協働、そして地域社会が新しい品種から利益を得られる政策が必要である。農家が自分の圃場で直接品種を試すシチズン・サイエンス的な手法は、機械学習に有用なデータを生むと同時に、研究を地域のニーズや嗜好に整合させる。資金が限られる中、記事は低コストの従来育種や農学的手法と、注意深く標的化されたゲノミクスや機械学習プロジェクトを組み合わせ、国間や孤立作物と主要作物の間でツールとデータを共有するバランスのとれた戦略を推奨している。

私たちの食の未来にとっての意義

平たく言えば、記事は、より賢いコンピュータとより良い遺伝情報が、今日「忘れられた」作物を明日の気候対応型の主食に変えるのに役立ち得ると結論付けている。大規模作物から学び、その教訓を小規模作物に応用し、そして発見を逆方向にも還流させることで、機械学習とゲノミクスは耐性があり栄養価の高い品種の探索を加速できる。思慮深い政策と農業コミュニティとの真摯な協力に支えられれば、このアプローチは食生活を改善し、気候変動への強靭性を高め、世界の農業ツールキットを限られた主食の集合から広げる可能性がある。

引用: MacNish, T.R., Danilevicz, M.F., Bayer, P.E. et al. Application of machine learning and genomics for orphan crop improvement. Nat Commun 16, 982 (2025). https://doi.org/10.1038/s41467-025-56330-x

キーワード: 孤立作物, 機械学習, ゲノミクス, 作物育種, 食料安全保障