ゲノムワイド関連解析の方法と農業への活用

ゲノムワイド関連解析の方法と農業形質への応用を徹底解説

品種改良に「10年かかる」と思っているなら、あなたはすでに数百万円分の機会損失を抱えています。

ゲノムワイド関連解析（GWAS）の基本概念と農業研究での位置づけ

ゲノムワイド関連解析（Genome-Wide Association Study、略してGWAS）とは、特定の集団における個体間の形質の違いとDNA配列の違いとの関連を、ゲノム全体にわたって統計的に検出する研究手法です。

もう少し噛み砕くと、「この品種は背が高い、あの品種は低い」という違いが、ゲノムのどの位置のDNA配列の差（SNP）から来ているのかを、ゲノム全域を対象に一気に探索します。つまり、仮説を立ててから特定の遺伝子を調べる従来の方法ではなく、データが先に語りかける「データ駆動型」のアプローチです。

農業の文脈で言えば、収量・病気抵抗性・食味・開花時期・乾燥耐性といった農業上重要な形質（農業形質）を制御する遺伝子座を迅速に特定する手段として、GWASは世界中の育種研究機関や農業試験場で活用されています。

日本では農研機構（農業・食品産業技術総合研究機構）が主導して、イネ・コムギ・リンゴ・ニホンナシ・カンキツなど多様な作物へGWASを適用しており、国際的にも高い成果を上げています。これは農業従事者にとって直接的なメリットにつながります。

ゲノムワイド関連解析の方法に不可欠なSNP（一塩基多型）とは何か

GWASを理解するうえで、「SNP（スニップ）」という概念は避けられません。SNPとは「Single Nucleotide Polymorphism」の略で、日本語では一塩基多型と呼ばれます。

ゲノムのDNA配列は「A（アデニン）・T（チミン）・G（グアニン）・C（シトシン）」の4種類の塩基の並びで書かれていますが、ある位置の塩基が個体によって異なることがあります。たとえば、ある品種では「…AATGCA…」なのに、別の品種では「…AATCCA…」のように、1文字だけ違う。

その1文字の違いがSNPです。

牛（ウシ）のゲノムには9,600万個以上のSNPが存在することが知られており、これはおよそ30塩基に1個の割合です。

イネでも数百万個規模のSNPが存在します。

これだけ多くのSNPがあるからこそ、農業形質との関連を統計的に探索する意義が生まれます。

GWASでは通常、数万〜数百万個のSNPを一度に解析します。現在の農業育種現場では3〜4万個のSNPを搭載したSNPチップが広く使われており、ゲノム評価やGWASの両方に活用されています。SNPが農業形質に関わる場合、そのSNPは形質と関連した「マーカー」として機能し、特定のSNPを持つ系統を優先的に選抜する育種戦略（マーカー選抜育種）に直結します。

ゲノムワイド関連解析の方法：解析対象の集団の選び方と表現型データ収集

GWASを実施する際にまず重要なのが、解析に使う「集団」の設定です。集団の選び方ひとつで、解析の精度と実用性は大きく変わります。

まず大前提として、GWASはある集団の中でのDNA配列の違いと形質の違いを比較する手法です。したがって、集団内での形質のバラツキ（表現型多様性）が豊かでないと、有意な関連が検出できません。

遺伝的多様性と表現型多様性のバランスが重要です。名古屋大学・矢野憲司らの研究（Nature Genetics, 2016）では、日本国内で育成された温帯ジャポニカイネ176品種を集団として用いることで、遺伝的多様性を抑えつつ表現型（開花・草丈・穂の長さ・葉幅など）では十分な多様性を確保しました。それまで「遺伝的多様性が高すぎる集団を使うと偽陽性が増える」という課題があり、この選択が鍵でした。

一方で表現型データ（フェノタイプデータ）の収集も欠かせません。収量、草丈、病気の発症程度、開花日数、品質指標など、実際の圃場での観察データが必要です。これが粗雑だと、どれだけ精密なゲノム解析を行っても無意味になります。「ゴミを入れればゴミが出る（Garbage in, garbage out）」の原則はGWASでも変わりません。

表現型データの収集は複数年・複数環境（産地・気象条件）での繰り返しが理想であり、農業現場に近い条件での測定が重要です。収集のコストと労力を抑えるため、近年はドローンや画像解析技術を組み合わせた「ハイスループットフェノタイピング」の導入も進んでいます。

ゲノムワイド関連解析の方法に使うDNAジェノタイピング技術の選び方

集団と表現型データが揃ったら、次はゲノムDNAの配列情報（ジェノタイプデータ）を取得するステップです。

現在、大きく2つのアプローチがあります。

SNPアレイ（チップ）によるジェノタイピングは、あらかじめ既知のSNP位置をカバーしたビーズチップやマイクロアレイを使う方法です。一度に数万〜百万個規模のSNPを迅速に解析でき、コストと時間が予測しやすい利点があります。農業分野では、イネ用・ウシ用・リンゴ用など作物・家畜ごとに専用のSNPチップが開発されており、日本の全国和牛登録協会でも独自の「和牛チップ」を開発しています。

次世代シークエンサー（NGS）を使った全ゲノムシークエンシングは、ゲノム全体の塩基配列を直接読む方法です。より網羅的でSNPチップに依存しない網羅性が強みですが、コストとデータ量が大きくなります。ただし、NGSのコストは年々急落しており、農業研究での普及が進んでいます。

中間的な方法として、低コストでゲノムワイドなSNPを取得できる「GBS法（Genotyping-by-Sequencing）」や「RADseq法」も農業研究で広く利用されています。これらは予算に応じて選択できる現実的なオプションです。

どの方法を選ぶかは「予算・解析したい作物・必要なSNP数」のバランスで決まります。農業研究機関や受託解析サービスに相談するのが、現時点での最速の選択肢です。

参考：農研機構によるゲノム解析の育種応用事例について
農研機構 SIP2 ゲノム情報活用育種支援 | 農研機構

ゲノムワイド関連解析の方法における集団構造補正と偽陽性のリスク

GWASの実施でもっとも見落とされがちで、かつ深刻な問題が「偽陽性」です。集団構造を適切に補正しないと、農業形質とは本来無関係な遺伝子を「関連あり」と誤って検出してしまいます。

偽陽性とは何でしょうか？ たとえば、特定の地域・品種グループに属する系統が偶然「収量が高い」というデータを持っているとします。その集団特有のSNPは、収量とは関係なくても統計上「関連あり」と出てしまうことがあります。

これが偽陽性です。

誤った遺伝子を選抜し続けると、育種計画全体が無駄になるリスクがあります。

対処法は複数あります。まず、主成