2021年度前期　第3回　細胞生物学セミナー

日時：5月11日（火）17:00～　場所：オンラインZOOM開催

SmartGrain: high-throughput phenotyping software for measuring seed shape through image analysis

Tanabata, T., Shibaya, T., Hori, K., Ebana, K., Yano, M. (2012)

Plant Physiol., 166, 1871-1880

SmartGrain: 画像解析で種子の形状を測定するハイスループットな表現型ソフトウェア

　種子の形状とサイズは，収量と市場価格に影響を与えるため，最も重要な農学的形質の1つである．そのため，育種に加えて，遺伝学，機能解析，ゲノミクスによる作物改良などの植物研究分野においても，種子の形状を定量的に評価することは有益である．一般的に，種子の形状は2つの方法で評価することがでる．簡単な方法は，ノギスで種子の長さと幅を測定することである．しかし，1つの植物の種子サイズにはほとんど差がないため，正確なデータをとるためには膨大な量の測定が必要であり．手動での測定ではデータ数や測定の質，得られる形状データの種類に限界がある．これに対し，デジタル画像処理技術を用いた計算手法を使えば，非常に小さな，または大量の種子の形状パラメータを自動的に測定できるようになる．そこで我々は，画像解析により種子の形状を判定するハイスループットな表現型プログラム「SmartGrain」を開発した．SmartGrainは，デジタル画像内のすべての種子を自動的に認識し，輪郭を検出して，種子の長さや幅，面積，周長などのパラメータを測定することができる．このソフトウェアを検証するために，自動測定が難しいイネ（Oryza sativa L.）のジャポニカ品種であるKoshihikariとNipponbareを用いて測定を行った．これらは種子の形状にほとんど違いがなく，小花柄や芒をもつため解析が非常に困難である．測定の結果，種子の方向や重なりにかかわらず，SmartGrainは正確に種子を分離し，認識した．また，芒や小花柄を自動で除去し，長さや幅，その他のパラメータを正確に測定した．さらに，イネだけでなく，シロイヌナズナやダイズなど，他の植物の種子においても，同様の方法で形状パラメータを測定することができた．

SmartGrainによる詳細な遺伝学的解析を行うために，Koshihikari とNipponbareの戻し交配系（BIL）をを用いてQTL（量的形質遺伝子座）解析を行った．その結果，13の遺伝子座が検出された．第3染色体の短腕と長腕付近に，幅に関する2つのQTLが検出され，短腕のNipponbare対立遺伝子は幅を減少させ，長腕のNipponbare対立遺伝子は幅を増加させた．7番染色体の長腕付近に，長さ，面積，周長に関する3つのQTLが検出され，各遺伝子座のNipponbare対立遺伝子は，それぞれこれらのパラメータを減少させた．真円度と縦横比に関する2つのQTLは，8番染色体の長腕付近に確認され，各遺伝子座のNipponbare対立遺伝子は，種子を丸くした．11 番染色体の長腕付近に長さ, 縦横比, 真円度, 周長に関する 4 つの QTL が検出され，Nipponbare対立遺伝子は，長さと周長を増加させ，種子をより細長くした．また，1番染色体の短腕付近に幅のQTLを，10番染色体の遠位端付近に周長のQTLを検出した．

SmartGrainのQTL検出精度と，11番染色体上に検出されたQTLの対立遺伝子効果を検証するために，11番染色体上にNipponbare染色体断片を持つKoshihikari背景の3つの染色体断片置換系統（CSLL）SL635，SL636，SL637を用いて，さらに解析を行った．SL636とSL637はKoshihikariよりも種子長が0.17 mm長かったが，SL635は長くなかった．また，SL636とSL637の1,000粒重量は有意に大きかった．このことから，Nipponbare対立遺伝子が種子長を増加させ，その結果，1,000粒の重量を増加させたと考えられる．

　これまでに，GS3，GW2 ，qSW5/GW5 ，GS5，GW8など，いくつかの重要な種子形状QTLがマップベース戦略を用いてクローニングされている．これらのQTLは比較的大きな対立遺伝子効果を持ち．その中で最も効果が小さいGS5でも，幅で0.25 mm，種子重量で1.59 gの差を生じさせた. しかし，表現型変動の大部分はマイナーなQTLによって引き起こされていることが示されている．よって，穀物収量をさらに向上させ，種子の形状を制御するメカニズムを解明するためには，メジャーなQTLだけでなく，マイナーなQTLを検出することが重要である．SmartGrainは，非常に小さな影響を検出することで，これに貢献することがでる．

　喜納南生