When Does Reaction Norm GWAS Discover Plasticity? The Residual Channel in Environmental Index-Based Genetic Dissection

大いなる作物の探偵ゲーム

あなたは、ある謎を解こうとしている探偵だと想像してください。なぜ同じ種から育てられているのに、猛暑の中で元気に育つ植物もあれば、枯れてしまう植物もあるのでしょうか？これは**表現型可塑性（phenotypic plasticity）**という、生き物が周囲の環境に基づいてその形や振る舞いを変える能力を指す、小難しい言葉の世界です。農業の世界において、これは諸刃の剣です。一方で、それは作物が生き残るためのスーパーパワーですが、他方では、あらゆる場所で全く同じ高収量作物を作りたいと考えている育種家にとっての頭痛の種でもあります。

この事件を解決するために、科学者たちは**GWAS（ゲノムワイド関連解析）と呼ばれるツールを使います。GWASは、大規模な遺伝子の宝探しのようなものだと考えてください。研究者たちは、数千もの植物のDNAをスキャンして、なぜ一部の植物がストレスにうまく対処できるのかを説明する特定の「手がかり（遺伝子）」を見つけ出します。これを行うために、彼らはしばしば反応ノルム（reaction norm）**を用います。これは、環境が良くなったり悪くなったりするにつれて、植物のパフォーマンスがどのように変化するかを示すグラフのようなものです。

長年、このグラフを描く標準的な方法は、その特定の圃場における全植物の「平均的な」パフォーマンスに対して、植物のパフォーマンスを測定することでした。しかし最近、CERIS-JGRAと呼ばれる新しい手法が非常に人気を集めています。この手法は、混沌とした現実世界の平均値を使う代わりに、気候データ（気温や降水量など）から構築された、そのシーズンがどれほど良好か、あるいは劣悪かを予測しようとする単一の数値である「ウェザー・インデックス（気象指数）」に置き換えます。そのアイデアは素晴らしいものでした。もし、一つの数値で天候の影響を予測できるなら、植物がその天候にどのように反応するかを制御する遺伝子を見つけることができるからです。しかし、新しい研究はある厄介な問いを投げかけています。この新しい手法は、本当に「可塑性の遺伝子」を見つけているのでしょうか、それとも私たちを欺いているだけなのでしょうか？

真実を隠す魔法の鏡

この論文の中で、ショーン・ジェンキンスとジョージ・グレーフは、代数学の探偵として振る舞い、この人気のある新手法の層を剥ぎ取り、その下で実際に何が起きているのかを明らかにしています。彼らは、この手法が最も重要な任務、すなわち「植物がどのように環境に反応するか」を制御する遺伝子を、「植物がいかに大きく成長するか」を制御する遺伝子から切り離して見つけるという任務において失敗してしまう、数学的な罠を発見しました。

彼らの発見の核心を、簡単な比喩で説明します。あなたが、巨大な渦巻くスムージーの中に隠された、ある特定の珍しいアイスクリームのフレーバー（これを「可塑性」と呼びましょう）を見つけようとしていると想像してください。このスムージーは、二つの要素で作られています。一つは、巨大なバニラのベース（これは植物の一般的なサイズ、つまり「平均的なパフォーマンス」を表します）であり、もう一つは、その中にわずかに加わった珍しいフレーバーです。

CERIS-JGRA法は、この珍しいフレーバーを見つけ出すために「フレーバー予測器（ウェザー・インデックス）」を作成しようとします。この手法を考案した科学者たちは、この予測器をバニラのベースにできるだけ完璧に一致させるように、多くの時間を費やしてきました。彼らは、自分たちの予測器が「このスムージーは99%バニラだ！」と言うことを望みました。なぜなら、それが全体の味を予測する上で優れた予測になるからです。

しかし、ここに落とし穴があります。あなたの予測器がバニラに完璧に一致すればするほど、その珍しいフレーバーが存在するための余地は少なくなってしまうのです。

著者らは、予測器がバニラ（平均収量）を追跡することにおいて非常に正確であればあるほど（皆が予測のために望むことですが）、可塑性のフレー果（シグナル）を運ぶための「チャンネル」または「パイプ」がほぼゼロにまで縮まってしまうことを、厳密な数学を通じて示しました。これは、音楽のボリュームが大きすぎて、ささやき声が完全にかき消されてしまう部屋の中で、ささやき声を聞こうとするようなものです。

この論文が実際に発見したこと

著者らは単に推測したのではなく、それをテストするために大規模なコンピュータ・シミュレーションを構築しました。彼らは、サイズと可塑性の両方の既知の遺伝子を持つ、数千の架空の植物集団を作成しました。そして、異なるレベルの予測精度を用いて、これらの架空の植物に対してCERIS-JGRA法を実行しました。

結果は明白かつ一貫していました：

• 予測の罠： ウェザー・インデックスが平均収量と高い相関関係にある場合（0.99以上の相関、これはこの手法が目指していることです）、可塑性遺伝子を見つける力はほぼゼロにまで低下しました。シミュレーションでは、インデックスがランダムであった場合の発見確率が約64%であったのに対し、インデックスが完璧になったときにはわずか**0.3%**にまで落ち込みました。
• 「平均」の仮面劇： この手法が見つけ出した遺伝子は、可塑性の遺伝子ではありませんでした。それらは、植物の全体的なサイズを制御する遺伝子に過ぎませんでした。この手法は、本質的に「バニラ」の遺伝子を見つけ出し、それを誤って「可塑性」の遺伝子と呼んでいたのです。
• 魔法の数字： 著者らは決定的な閾値を特定しました。ウェザー・インデックスと平均収量の相関が0.99を超えると、この手法は実質的に可塑性に対して盲目になります。このレベルでは、「残留チャンネル（単なるサイズではないシグナルの部分）」があまりに小さいため、本物の可塑性遺伝子を見つける希望を持つためには、通常よりも125倍大きい植物パネルが必要になります。

彼らはまた、ソルガム（一種の穀物）に関する有名な研究の現実世界のデータにも遡りました。彼らがその研究を再実行したところ、元の著者たちが選んだ「最高の」ウェザー・インデックスは、0.9965の相関を持っていました。これは、その有名な研究において、この手法が「盲目のゾーン」で動作していたことを意味します。彼らが見つけたと思っていた可塑性遺伝子は、ほぼ間違いなく、一般的な植物のパフォーマンスに関する遺伝子だったのです。

なぜこれが重要なのか（そして、何が重要ではないのか）

この論文が何を言い、何を言っていないのかを明確にしておくことは重要です。著者らは、CERIS-JGRA法が役に立たないと言っているわけではありません。実際、彼らはこの手法が予測において極めて優れていると明言しています。もし、来年のトウモロコシの収穫量を天候に基づいて予測したいのであれば、この手法は素晴らしい働きをします。「スムージーのバニラ」の部分はそこに存在しており、手法はその予測を完璧に行います。

問題は発見においてのみ発生します。もしあなたが、植物がストレスにどのように適応するかを制御する特定のDNAスイッチを見つけようとしている遺伝学者であるなら、この手法は高品質なウェザー・インデックスを使用しているとき、現在壊れています。著者らは、最高のウェラー・インデックスを探すことは、実は可塑性遺伝子を見つける能力を破壊する探索と同じであると主張しています。これは、一つの目標（予測）を最適化しようとして、図らずも別の目標（発見）に必要な道具を破壊してしまうケースです。

論文はいくつかの進むべき道を提案しています。もしこの手法を使わざるを得ない場合は、可塑性のシグナルがどれだけの「余地」を持っているかを測定するτ（タウ）と呼ばれる第2の数値を報告すべきです。もしこの数値が0.15を下回っている場合、著者らは、あなたが見つけた「可塑性」遺伝子は、おそらく変装したサイズ遺伝子であると警告しています。あるいは、環境データを単一の数値に押し込めることのない異なる手法を使用するか、異なる種類のストレスを捉えるために複数のウェザー・インデックスを同時に使用することを提案しています。

要するに、この論文は、普及している科学的ツールの隠れた欠陥を明らかにしています。それは、天気を予測する最良の方法は温度計を見ることだと気づくようなものですが、もしその温度計を使って目に見えない風を見つけようとすれば、温度計が温度に集中しすぎているために、決して風を見ることはできないのです。著者らはこの道具を捨て去ろうとしているのではなく、「風を見つけたいなら、この設定を使わないでください」というマニュアルを私たちに手渡しているのです。