Trait-based Machine-Learning Identifies Functional predictors of Plant Responsiveness to Arbuscular Mycorrhizal Fungi

技術要約：機械学習を用いた形質に基づく、植物のアーバスキュラー菌根菌（AMF）応答性の機能的予測因子の特定

問題提起
アーバスキュラー菌根菌（AMF）は、植物の養分獲得、成長、およびストレス耐性を高める重要な共生体である。しかし、AMF定着に対する植物の成長応答の大きさや方向性（菌根成長応答：MGRとして定量化される）は、種、遺伝子型、および環境条件によって大きく異なる。この変動性は予測が困難である。なぜなら、MGRはしばしば定着強度から切り離されているためであり、植物は高度に定着しているにもかかわらず、有意な成長の恩恵を享受していない場合がある。従来の線形統計モデルは、MGRの変動を駆動する植物の機能的形質と環境変数の間の非線形な関係や複雑な相互作用を捉えるには不向きであることが多い。したがって、これらの複雑な要因を統合し、AMF応答性に関連する機能的形質症候群を特定できる予測フレームワークが必要とされている。

方法論
著者らは、植物の機能的形質と環境共変量を用いてMGRを予測するために設計された、ランダムフォレストに基づく機械学習フレームワークであるTrait2Mycoを開発した。

• データソース： 主要なデータセットは、4つの降水レジーム下で栽培された4種のイネ科植物に由来する80の観測値（各組み合わせにつき5つの生物学的反復）で構成されている。データはDryad Digital Repository（Zhao et al., 2026）から取得された。
• 予測因子： モデルには、葉および根の経済性を示す10の機能的形質（比葉面積、比根面積、根の炭素濃度、葉の窒素含有量など）と、1つの環境変数（降水量）が含まれている。
• 応答変数： MGRは、AMF接種区と非接種コントロール区のバイオマスの比差として算出された。
• モデル構造：
  • フルモデル（Full Model）： 10個の全形質と降水量を使用。
  • 縮小された生態学的モデル（Reduced Ecological Model）： 置換ベースの変数重要度分析によって特定された、最も重要な4つの予測因子（比葉面積（SLA）、比根面積（SRA）、根の炭素濃度、および降水量）のみを使用。
• モデルはデータの80%（n=64）で学習され、保持されたテストセット（20%、n=16）で評価された。また、学習データに対しては10分割交差検証も実施された。
• 分析手法： 本研究では、予測のためにランダムフォレストを、変数重要度のランキング（%IncMSE）を、非線形関係の可視化のために部分依存プロット（PDP）を、そして多変量形質空間内での観測値のマッピングのために主成分分析（PCA）を用いた。
• 外部検証： ワークフローを、成長形質とAMF根定着スコアを関連付ける独立したデータセット（n=8; Werner & Kiers, 2015）に適用する探索的分析を行った。

主な結果

• 予測性能： 保持されたテストセットにおいて、フルモデルはMGRの変動の41%を説明した（$R^2 = 0.41$）。特筆すべきことに、わずか4つの変数を用いた縮小された生態学的モデルがフルモデルを上回り、変動の51.7%を説明した（$R^2 = 0.517$）。学習データに対する10分割交差検証では0.983という高い$R^2$が得られたが、著者らは、反復間の生物学的特性の共有により、これが汎用性を過大評価している可能性があると指摘している。
• 変数の重要度： 比葉面積（SLA）が最強の予測因子として特定され、次いで降水量、根の炭素濃度、比根面積の順となった。
• 形質カテゴリーの寄与： 葉の形質と根の形質は、モデルの重要性においてほぼ等しく貢献しており（それぞれ41.9%と41.3%）、降水量は16.8%であった。
• 非線形関係： 部分依存分析により以下が明らかになった：
  • SLAが増加するにつれて予測MGRが急激に低下し、高い値ではプラトー（停滞）に達する。
  • 降水量との間には単峰性の関係があり、MGRは約800 mmでピークに達し、それより低い場合および高い場合の両方で減少する。
  • 根の炭素濃度との間には閾値のような関係があり、MGRは~4.35%を超えると著しく増加する。
• 多変量形質空間： PCAは、高い応答性を示す植物が、より資源獲得的な戦略（syndrome）を特徴とする、機能的形質空間内の明確な領域を占めていることを示した。これらは、主要な変動軸に沿って、応答性の低い植物から部分的に分離していた。
• 外部適用： 独立した定着データセットに適用したワークフローでは、高い見かけ上の性能（$R^2 = 0.94$）を示し、植物の長さが最強の予測因子であった。ただし、サンプルサイズが小さく、応答変数が異なるため、これは探索的な結果であると著者らは注意を促している。

意義と主張
本論文は、Trait2Mycoが、植物のAMF応答性の変動を探索するための、再現可能で形質に基づいたフレームワークを提供すると主張している。その主な意義は、新しい機械学習アルゴリズムの開発にあるのではなく、機能的形質理論とランダムフォレスト・モデリングを統合して、予測的な症候群を特定することにある。

主な主張は以下の通りである：

1. 予測的有用性： 小規模で生態学的に解釈可能な4つの変数（SLA、SRA、根の炭素濃度、降水量）のセットは、この特定の実験的文脈において、10個の形質を含むより大きなセットよりも効果的にMGRを予測できる。
2. メカニズム的洞察： 根の炭素濃度が主要な予測因子として特定されたことは、地下部への炭素投資と共生による利益との間の潜在的な関連性を浮き彫りにしており、これはこの文脈では明示的に評価されることが稀な形質である。
3. 全植物的視点： 結果は、根の形質が単独で作用するのではなく、葉と根の経済戦略が協調し、共同でAMFの結果を形成しているという見解を支持している。
4. 文脈依存性： 降水量との非線形関係は、AMFの恩恵は文脈依存的であり、中間的な水分利用可能性においてピークに達するという概念を補強している。

著者らは、このフレームワークは因果関係ではなく「関連性」を特定するものであることを強調し、控えめな立場を維持している。彼らは、種数が少ないこと（4種）、種レベルの形質平均を使用していること、および菌の種同一性と土壌特性が除外されていることなどの限界を認めている。結論として、Trait2Mycoは現在の実験系においては有用なフレームワークであるが、これらの形質とMGRの関係の汎用性を判断するためには、多様な分類群、環境、および菌類コミュニティにわたる広範な検証が必要であるとしている。