人工知能に基づくAIHIBモデルを使用したハイブリッドライスの性能予測

Scientific Reports volume 12、記事番号: 9709 (2022) この記事を引用

1010 アクセス

2 引用

メトリクスの詳細

雑種育種は、植物の作物の生産性において急速に重要な手段となりつつあります。 したがって、異なる親の遺伝的特徴の下での雑種 (F1) の穀物収量性能は、文献でかなりの注目を集めています。 この研究の主な目的は、人工知能 (AI) 技術を使用して、さまざまな親の遺伝的特徴の下で AI_HIB として知られる新しい方法を導入することでした。 その際、イネ品種 TAM、KHZ、SPD、GHB、IR28、AHM、SHP およびそれらの F1 ハイブリッドを使用しました。 穀粒収量（GY）、不稔穂数（UFP）、草丈（HE）、開花までの日数（DF）、穂の労作（PE）、穂の長さ（PL）、肥大粒数（FG）、主枝数を記録済み圃場における旗葉長 (PBN)、旗葉長 (FLL)、旗葉幅 (FLW)、旗葉面積 (FLA)、および植物バイオマス (BI) を提案モデルに組み込みます。 GA および PSO アルゴリズムを使用して特徴を選択すると、人工ニューラル ネットワーク (ANN)、適応ニューロファジー推論システム (AFIS)、およびサポート ベクター マシン (SVM) 構造の入力で穀物収量が最も高い頻度を示しました。 AI_HIB_ANN の結果は、親データを使用してトレーニングされたニューラル ネットワークが、ハイブリッド パフォーマンスの応答を予測する優れた能力を備えていることを明らかにしました。 結果は、得られた MSE が低く、R2 値が 96% を超えていることも反映しています。 AI_HIB_SVM と AI_HIB_ANFIS は、属性を測定することで、一次枝の数、草丈、開花までの日数、および植物あたりの穀物収量を 99% の精度で予測できることを示しました。 これらの発見は、AIによる親系統の特性に基づくハイブリッドライス収量の新しい有望な予測方法を提示するため、重要な意味を持ちます。 これらの発見は、AI_HIB_SVM および AI_HIB_AFIS メソッドの観点からスマートフォン アプリケーションを設計するための基礎を提供し、ハイブリッド パフォーマンスを高い精度で簡単に予測することに貢献します。

米は世界人口の 60 パーセント以上にとって主食であると考えられます1。 近年、コムギ（Triticum aestivum L.）、イネ（Oryza sativa L.）、オオムギ（Hordeum vulgare L.）などの自家受粉種の雑種が検討されています2。 いくつかの国では、ハイブリッド米の生産技術が普及しています。 雑種強勢は、F1 世代がその親の機能、穂のサイズ、穂あたりの粒、枝数を上回るときに発生します。 Viermani らによると、イネの雑種強勢は品種の程度と親間の変化によって異なります。 インディカ×ジャポニカの交雑種は、最も優れたレベルの雑種強勢を示しています3。 多くの研究者は、植物およびその構成部分あたりの水田の重量について、雑種と雑種強勢を使用してきました4、5、6、7。

ハイブリッド性能には一連の複雑な機能が伴います。 この複雑な生物学的プロセスでは、受粉方法、ゲノム変異、遺伝的基盤、および適応が役割を果たします。 さらに、ターゲットの特徴の継承、実験計画の接合方法、植物の構造、分げつや穂の枝などの穂の特性など、多くの重要な変数があります8。 植物育種の最終的な目標は、農業の生産性を高め、発展途上にある人類の要求を満たす、高収量の品種を生み出すことです。 雑種育種の使用は、収量向上のための効果的な戦略であることが示されています。 ハイブリッドライスの親の方法が選択の基礎となります。 雑種育種の取り組みは目覚ましい成果を上げてきましたが、魅力的な雑種を選択することは、これまで主に試行錯誤に基づいていました。 選ばれた両親の間で理想的な組み合わせを見つけるには、かなりの偶然が必要です。 雑種品種開発の重要な側面の 1 つは、雑種強勢の出現のために最も高い異種構成組成を持つ親を選択することです。 雑種育種における主な困難は、入手可能な情報を使用して将来の交配の成功を予測することです。 高収量のハイブリッドを特定するにはコストがかかります。 予測収量法は、より優れたイネ近交系の選択に役立つでしょう9。