Integrating Crop Growth Models and Genomic Prediction to Improve Flowering Time Forecasting Across Novel Environments and Breeding Lines

技術要約：開花時期予測の改善に向けた作物成長モデルとゲノム予測の統合

問題提起
ゲノム選抜（GS）は植物育種における遺伝的進歩を加速させてきたが、トレーニングデータに含まれていない強力な遺伝子型×環境×管理（GxExM）相互作用を特徴とする新規環境において、性能を予測する際に限界に直面している。プロセスベースの作物成長モデル（CGM）は、生理学的関係をコード化することで未観測の条件への外挿が可能であるが、伝統的にはゲノム情報を直接活用する能力を欠いている。対照的に、標準的な統計的ゲノムモデル（例：GBLUP）は、トレーニングセットに含まれる特定の環境条件を超えて汎化することに失敗することが多い。課題は、CGMのメカニズムに基づく外挿能と、全ゲノム予測（WGP）の予測力を統合し、多様な園芸作物および新規環境において表現型（特に開花時期）を正確に予測するフレームワークを開発することにある。

方法論
本研究では、対照的な生理学的応答を示す2つの園芸種、ブロッコリー（Brassica oleracea var. italica）およびインゲンマメ（Phaseolus vulgaris L.）に対して、作物成長モデル–全ゲノム予測（CGM-WGP）フレームワークを適用した。

• データソース:
  • ブロッコリー: 北フロリダにおける6つの播種期において、自然な温度勾配を網羅するように評価された倍数体（DH）二親系統集団（200系統）。
  • インゲンマメ: 米国、コロンビア、プエルトリコの5つの環境において評価された組換えインブリードライン（RIL）集団（187系統）。
• CGM-WGPフレームワーク:
  • メカニズム成分: 開花時期は、カルディナル温度ベータ関数と光周期関数によって制御される熱時間駆動型のプロセスとしてモデル化された。モデルは、温度と日長に基づき日次の発達速度を計算し、遺伝子型固有の生理学的時間要求量（$\Theta_g$）が満たされるまで蓄積を行う。
  • ゲノム成分: 遺伝子型固有のパラメータ（$\Theta_g$、光周期感受性 $S_g$、および臨界光周期 $P_{c,g}$）は、ゲノム関係行列（$G$）を共分散構造とする多変量正規分布に従うランダム効果として扱われた。
  • 推定: 期待値最大化（EM）アルゴリズムを使用して、集団レベルのハイパーパラメータと遺伝子型固有のパラメータを共同で推定した。この「結合アプローチ」により、ゲノムの事前情報が、表現型データが乏しい遺伝子型のパラメータ推定を正則化し、遺伝的に類似した近傍へと収縮させる。
• 比較ベンチマーク:
  • 反応ノルムGBLUP (RN-GBLUP): 環境共分散カーネル（温度と日長）がゲノムカーネルと相互作用する統計モデル。
  • 標準的GBLUP: ゲノムの関係性と固定環境効果のみを使用するモデル。
  • 純粋なCGM: ゲノム的な分化を考慮しない、集団平均パラメータのみを用いたメカニズムモデル。
• 検証: 難易度が段階的に高まる4つの交差検証スキームを用いて、予測能をテストした：疎なテスト（CV2）、新しい遺伝子型（CV1）、新しい環境（CV0）、および新しい環境における新しい遺伝子型（CV00）。

主な結果

• 新規環境における性能: CGM-WPFフレームワークは、未テストの環境および未テストの遺伝子型×環境の組み合わせにおいて、RN-GBLUPベンチマークを大幅に上回った。
  • インゲンマメ: 新規環境シナリオ（CV0）において、CGM-WGPはピアソン相関係数（$r$）0.86、RMSE 5.2日を達成した。これは、光周期レジームがトレーニングセットと異なっていた高緯度のノースダコタでの予測において、RN-GBLUPが低い精度を示したことと比較して優れた結果である。
  • ブロッコリー: 新規環境シナリオにおいて、CGM-WGPは $r = 0.66$ および RMSE = 9.4日を達成し、季節後半の植え付けにおける熱勾配への対応に苦慮したRN-GBLUPを上回った。
• 疎なテストにおける性能: トレーニングデータがすべての対象環境をカバーしている場合（CV2およびCV1）、RN-GBLUPが最高の精度（例：インゲンマメ CV2 で $r = 0.93$）に達し、CGM-WGPはそれに僅差で次ぐ結果となった。
• パラメータ推定: 熱時間要求量（$\Theta_g$）が、遺伝子型間の変動の大部分を捉えた。光周期パラメータ（$S_g$ および $P_{c,g}$）は、両種において集団平均値へと収束したが、これはトレーニング環境における日長のコントラストが限定的であったことに起因する。
• 遺伝率: 推定された生理学的時間要求量（$\Theta_g$）の狭義遺伝率は、インゲンマメでは中程度（$h^2 = 0.47$）、ブロッコリーでは低め（$h^2 = 0.08$）であり、形質の複雑さと実験デザインを反映していた。

意義と主張
著者らは、本研究が主要な主要穀物（トウモロコシなど）から園芸作物へと、CGM-WGPフレームワークの汎用性を実証したと主張している。本研究の主な意義は、以下の点にある：

1. 生理学的な汎用性: 統一されたモジュール構造を用いて、対照的な戦略を持つ作物（例：ブロッコリーの温度感受性とインゲンマメの光周期感受性）を正常にモデル化できること。
2. 新規条件への外挿: 統計的な類似性にのみ依存するのではなく、生理学的メカニズムを通じてGxExM相互作用を構造的にコード化することにより、遺伝子型および環境がトレーニングデータに存在しない場合でも正確な予測を提供できること。
3. 事前のQTL同定を必要としない運用: 全ゲノムマーカーデータを直接利用して開花時期を予測できるため、事前の定量的形質遺伝子座（QTL）の特定や、特定のマッピング集団への制限を排除できること。
4. 育種戦略への示唆: 結果は、多様な環境で展開する育種プログラムにおいて、予測パイプラインとしてCGM-WGP（新規の気候や地理への外挿用）とRN-GBLUP（既知の環境内での高密度なテスト用）の両方を維持することを検討すべきであることを示唆している。

結論として、標準的なゲノム選抜は対象環境内での遺伝子型数の増加から恩恵を受ける一方で、CGM-WGPは、転移可能なパラメータを校正するために、十分な環境コントラスト（熱、光周期）を意図的に網羅する実験デザインを必要とする。このアプローチにより、育種プログラムの試験ネットワークにおいてまだ代表されていないターゲット環境に向けての選抜が可能となる。