JP2022064329A - コムギの収量予測方法 - Google Patents

Abstract

【課題】コムギの収量を早期に精度よく予測する方法を提供する。【解決手段】コムギから採取された葉サンプルから１以上の成分の分析データを取得し、当該データとコムギ収量との相関性を利用してコムギの収量を予測する、コムギの収量予測方法。【選択図】なし

Description

本発明はコムギの収量を早期に予測する方法に関する。

コムギは、トウモロコシ、イネと並んで三大穀物と称される重要な穀物であり、日本を始め世界中で広く食されている。重要な穀物の１つとして広く栽培され、また収量を増加させる技術の開発が行われている。
コムギの生育期間は、品種や栽培条件によって若干異なるが、通常、播種から収穫まで３～６か月という長期間を要する。よって、コムギの収量を増加させる技術の開発において、収量評価を行うには栽培に多くの時間を必要とすることから、早期に収量を予測する方法が求められてきた。また、実際の生産場面において、早期に収量を予測することができれば、生産者は安定した収量確保のために費用コストのかかる追加技術を投入すべきかどうかの判断を容易に下すことができる。

これまでにも気象データ、圃場の画像や生育情報を利用した早期に収量性を評価する方法が種々検討されている。例えば、非特許文献１では、播種前に積算降水量・積算平均気温等の気象データを用いて国レベルでの生産量を予測するモデルの構築が行われている。非特許文献２及び３では、気象条件から生育や収量性を評価する試みが開示されている。非特許文献４では、圃場の画像からＮＤＶＩ（正規化植生指標）を推定し、圃場単位での収量を簡易的に予測する技術が開示されている。また、特許文献１では、葉身窒素量、葉色又はクロロフィル量を測定し、生育や収量性を評価し、施肥量を決定する試みもなされている。

しかしながら、非特許文献１のモデルは、播種前から予測された気象データを用いてコムギの収量を予測するモデルであるが、予測できる単位が国単位であり、個体毎の予測因子と収量とを対応させたい場合の評価には向いていない。非特許文献２、３及び４並びに特許文献１の方法は、非破壊で簡易的な測定であるといえるが、予測時期が幼穂形成期以降、すなわち生育期間の半分が経過した後での予測となる。さらに、圃場単位での予測を行うため、個体レベルでの収量を予測する技術ではない。

このほかイネにおいて、播種後１５日程度の地上部から抽出される代謝物をＧＣ－ＭＳにより網羅的に測定し、それらのデータを用いてハイブリッドライス収量予測モデルを作成したことが報告されているが（非特許文献５）、この報告では、通常の予測モデル構築の際に行われるクロスバリデーションというモデルの予測性評価が行われておらず、検証が十分とは云えない。また、侵襲的であり、個体毎の予測因子と収量とを対応させたい場合の評価には向いていない。

特開２０００－３０００７７号公報

Iizumi,T. et al., Climate Services, 2018, vol. 11, p.13-23 箕田豊尚、日本作物学会紀事、２０１０年、第７９巻、第１号、ｐ．６２－６８、「埼玉県の畑作試験圃場におけるコムギ「農林６１号」の収量に対する気象条件の影響」 Marletto, V. et al., Agricultural and Forest Meteorology, 2007, vol. 147, p. 71-79 池田順一ら、日本土壌肥料學雑誌、２００１年、第７２巻、第６号、ｐ．７８６－７８９、「高解像度衛星ＩＫＯＮＯＳの画像データによるコムギ収量の予測」 Dan,Z. et al., Scientific Reports, 2016, 6, 21732

本発明は、コムギの収量を早期に精度よく予測する方法を提供することに関する。

本発明者らは、コムギの収量性評価について種々検討した結果、葉中に含まれる代謝物にはその存在量が収量と相関する成分があること、そして、播種後１か月程度という早期にコムギ展開葉から一部を採取し、葉中に含まれる成分を分析し、解析することで最終的な収量を個体レベルで評価できることを見出した。

すなわち、本発明は、コムギから採取された葉サンプルから１以上の成分の分析データを取得し、当該データとコムギ収量との相関性を利用してコムギの収量を予測する、コムギの収量予測方法、を提供する。

本発明の方法によれば、コムギの収量を早期に予測できる。これにより、例えば、収量確保のための追加技術投入の判断が容易となるほか、収量増加技術の開発の大幅な効率化を図ることができる。

全２３データを用いて構築されたＯＰＬＳモデルによる収量の予測値と実測値との関係を示す図。 図１のモデルにおけるＶＩＰ値１１位以下５００位までのすべての成分の分析データ、２１位以下５００位までのすべての成分の分析データ、３１位以下５００位までのすべての成分の分析データ・・・及び６１位以下５００位までのすべての成分の分析データを用いてＯＰＬＳ法により構築した各々のモデルのＲ^２（図中ではＲ２Ｙと表示）値及びＱ^２（図中ではＱ２と表示）値を示す図。 図１のモデルにおけるＶＩＰ値上位１位から１０位までの成分の分析データの内、任意の８個の組み合わせ（４５通り）についてＯＰＬＳ法により構築した各々のモデルのＲ^２（図中ではＲ２Ｙと表示）値及びＱ^２（図中ではＱ２と表示）値を示す図。 図１のモデルにおけるＶＩＰ値上位１位から１０位までの成分の分析データの内、任意の９個の組み合わせ（１０通り）についてＯＰＬＳ法により構築した各々のモデルのＲ^２（図中ではＲ２Ｙと表示）値及びＱ^２（図中ではＱ２と表示）値を示す図。

本発明において、コムギとは、イネ科の一年生植物であり、コムギ属（学名Triticum）に属する植物全般を意味する。コムギ属に属する種は全１８種あり、Ｔｒｉｔｉｃｕｍ ａｅｇｉｌｏｐｏｉｄｅｓ、Ｔ． ｔｈａｏｕｄａｒ、Ｔ． ｍｏｎｏｃｏｃｃｕｍ、Ｔ． ｄｉｃｏｃｃｏｉｄｅｓ、Ｔ． ｄｉｃｏｃｃｕｍ、Ｔ． ｐｙｒｏｍｉｄａｌｅ、Ｔ． ｏｒｉｅｎｔａｌｅ、Ｔ． ｄｕｒｕｍ、Ｔ． ｔｕｒｇｉｄｕｍ、Ｔ． ｐｏｌｏｎｉｃｕｍ、Ｔ． ｐｅｒｓｉｃｕｍ、Ｔ． ａｅｓｔｉｖｕｍ、Ｔ． ｓｐｅｌｔａ、Ｔ． ｃｏｍｐａｃｔｕｍ、Ｔ． ｓｐｈａｅｒｏｃｏｃｃｕｍ、Ｔ． ｍａｈａ、Ｔ． ｖａｖｉｌｏｖｉｉ、Ｔ． ｔｉｍｏｐｈｅｅｖｉが挙げられる。代表的な種のひとつにはＴ． ａｅｓｔｉｖｕｍが挙げられ、その品種は、きたほなみ、ゆめちから、キタノカオリ、つるきち、きたさちほ、春よ恋、はるきらり、ハルユタカ、農林６１号等がある。また、他の代表的な種にはＴ． ｄｉｃｏｃｃｕｍが挙げられ、その品種にはＡｂｒｕｚｚｏ、Ｍｏｌｉｓｅ、Ｕｍｂｒｉａ等が含まれる。さらにＴ． ｄｕｒｕｍの品種例はセトデュール等が挙げられる。このようにコムギ属に含まれる品種は、多岐にわたるが、本発明においてはそれに限定されるものではない。

コムギの出芽から開花期までの生育ステージは、出芽期（播種後７日前後）、５葉齢期（播種後１５日前後）、茎立期（播種後３０日前後）、幼穂形成期（播種後４０日前後）、止め葉期（播種後５０日前後）、出穂期（播種後６０日前後）、開花期（播種後６５日前後）に分けられる。本発明において、コムギの葉サンプルの採取は、葉が採取可能な出芽期から出穂期までの間に行われればよく、該採取時期としては、好ましくは５葉齢期～出穂期、より好ましくは播種後５葉齢期日～止め葉期、好ましくは播種後２０日～止め葉期、さらに好ましくは播種後２０日～幼穂形成期が挙げられる。尚、上記各生育ステージにおける前後の日数幅は５日間以内が好適である。
或いは、コムギの葉の採取時期は、播種後７日以上、好ましくは１５日目以上、より好ましくは２０日目以上で、且つ好ましくは播種後６０日より前、より好ましくは５０日より前、さらに好ましくは４０日目より前であり得る。また、播種後７～６０日目、好ましくは１５～５０日目、より好ましくは２０～４０日目であり得る。例えば、播種後２７日±３～５日目のコムギから葉を採取するのが好適である。
ここで、播種後日数とは、春まきコムギを栽培した場合の日数を表す。秋まきコムギでは、各生育ステージの播種後日数は上記日数と相違するが、当業者であれば、秋まきコムギ栽培条件を考慮して各生育ステージの播種後日数を理解できるので、上記採取時期に相当する時期に葉サンプルを採取すればよい。

本発明において、収量とは、個体あたりのコムギの子実質量、または個体あたりの粒数を意味する。質量については、特に限定されないが、乾燥質量が好ましい。これらのうち、個体あたりのコムギの乾燥子実質量が特に好ましい。本発明における乾燥子実質量とは、９０℃にて７２時間乾燥させた後の子実に含まれる水分率が７％以下に減少した状態で測定した質量を意味する。乾燥子実質量は、電子天秤などの校正機能つきの天秤ばかりによって測定されることが好ましい。

葉サンプルの採取部位は、特に限定されないが、例えば、株の根本から葉を４～７枚程度切断して採取することが挙げられる。

本発明において、取得される成分の分析データとしては、高速液体クロマトグラフィー（ＨＰＬＣ）、ガスクロマトグラフィー（ＧＣ）、イオンクロマトグラフィー、質量分析（ＭＳ）、近赤外分光分析（ＮＩＲ）、フーリエ変換赤外分光分析（ＦＴ－ＩＲ）、核磁気共鳴分析（ＮＭＲ）、フーリエ変換核磁気共鳴分析（ＦＴ－ＮＭＲ）、誘導結合プラズマ質量分析計（ＩＣＰ－ＭＳ）、液体クロマトグラフと質量分析とを組合せたＬＣ／ＭＳ等の機器分析手段を用いて分析・測定されたデータが挙げられるが、好ましくは質量分析データであり、より好ましくはＬＣ／ＭＳによる質量分析データである。
質量分析データとしては、精密質量（「ｍ／ｚ値」）、イオン強度、保持時間等が挙げられるが、好ましくは精密質量の情報である。

葉サンプルを、上記機器分析手段に適用するためには、分析手段に応じて適宜前処理されるが、通常、採取した葉はアルミホイルで包み直ちに液体窒素中で凍結して代謝反応を停止させ、凍結乾燥にかけて乾燥した後、抽出操作に供される。
抽出は、凍結乾燥した葉サンプルを、ビーズ粉砕機等を用いて粉砕した後、抽出溶媒を添加して撹拌することにより行われる。ここで用いられる抽出溶媒としては、メタノール、エタノール、ブタノール、アセトニトリル、クロロホルム、酢酸エチル、ヘキサン、アセトン、イソプロパノール、水等及びそれらを混合したものが挙げられる。分析手段としてＬＣ／ＭＳを用いる場合には、内部標準物質を添加した８０ｖ／ｖ％メタノール水溶液等が好適に使用される。

本発明において、分析される葉中の成分としては、ＬＣ／ＭＳによって分離検出されるコムギの代謝物質が挙げられる。好ましくは、質量分析により提供される精密質量（ｍ／ｚ）が１０４～１１７８である成分が挙げられる。より好ましくは、質量分析により提供される精密質量（ｍ／ｚ値）で規定された、下記表１ａ～１ｊに記載された１，４５０成分が挙げられる。尚、ＬＣ／ＭＳによる分離検出の過程において、代謝物質から部分分解物及びアダクト（Ｍ＋Ｈ、Ｍ＋Ｎａ等）の異なる分子イオンピークが生じる場合、検出された部分分解物は、元の代謝物質とは別の成分とした。

当該１，４５０成分はコムギの代謝物質から選択抽出されたものであり、その選択方法は詳細には実施例に示すとおりであるが、概略すると、１）施肥条件を変えてコムギ（春まきコムギ）を栽培し、２）それぞれ播種後１ヶ月程度に葉を４～７枚採取して葉サンプルを得、３）８０ｖ／ｖ％メタノールを用いて成分抽出を行った後、４）ＬＣ／ＭＳ分析を行って分子イオン情報（精密質量，ｍ／ｚ）とフラグメントに由来する構造情報を取得し、５）成分由来ピークを抽出し、次いで各ピークを各サンプル間で整列化させるアラインメント処理、同位体ピークの除去、サンプル間のピーク強度補正、ノイズの除去、を行って１，４５０成分の分析データを取得する、というものである。尚、サンプル間のピーク強度補正の方法は特に限定されないが、ｐｏｏｌｅｄ ＱＣ法を用いた補正が挙げられる。ｐｏｏｌｅｄ ＱＣ法は、同一バッチ内の全てのサンプルから一定量を混合したｐｏｏｌｅｄ ＱＣと呼ばれるサンプルを作製し、各サンプルの合間に一定の頻度（５～９回に１回程度）でｐｏｏｌｅｄ ＱＣの分析を実施することにより、「各サンプルを分析していた際にＱＣサンプルを分析していたと仮定するとそれぞれのピーク強度はどうなるか」という推定値を計算し、その値で補正するという処理を行って各サンプル間の感度の補正を行うものである。なお、データの補正方法が収量との相関性および予測モデルの性能に大きく影響することはない。

また、取得した１，４５０成分の分析データと対応する収量データ（乾燥子実質量）との相関解析を行った結果（各成分の分析データのピーク面積と収量との単相関係数ｒ及び無相関の検定によりｐ値を算出）、一定の成分は収量と有意に相関することが示された（後記表４ａ～４ｓ参照）。

したがって、１，４５０成分のうち、本発明における分析対象成分としては、収量との相関が有意（ｐ＜０．０５）かつ相関係数の絶対値|ｒ|＞０．５１である成分、すなわち成分Ｎｏ．１、１２、１７、２０、３４、４８、５２、５８、６０、６１、６８、７１、７２、７４、８３、８４、８５、９０、９２、１０１、１０７、１０９、１１０、１１５、１１７、１１８、１２９、１３２、１３３、１３６、１４３、１６０、１６４、１７０、１７１、１７２、１７８、１７９、１８１、１８４、１８９、１９１、１９３、１９６、１９８、２０３、２０６、２１０、２１８、２３５、２３７、２４９、２５５、２５７、２８２、２８３、２９１、２９４、２９７、２９８、３１０、３１２、３１５、３１８、３３０、３３１、３４５、３４６、３４８、３５５、３６０、３６１、３６２、３７３、３８４、３８６、３８８、３９２、３９５、４０６、４０８、４１１、４１２、４４０、４４４、４４９、４５２、４５４、４５５、４５７、４６１、４７０、４８２、５０１、５０５、５１３、５２１、５３０、５３５、５４１、５４２、５４６、５４８、５６５、５７１、５７４、５７９、５８９、６０７、６１０、６１２、６１６、６３４、６４６、６４８、６５６、６６０、６６２、７０１、７０８、７１０、７１６、７３１、７３２、７４０、７４３、７４９、７５０、７５３、７５７、７６０、７６１、７６７、７６８、７７４、７７７、７８３、７８５、７８７、７８８、７９２、７９４、７９５、８０３、８０８、８０９、８１５、８２３、８２４、８２５、８３５、８４５、８４６、８５３、８５４、８５６、８６２、８６３、８６４、８６５、８６９、８７４、８７５、８７６、８７７、８７９、８８６、８８８、８９３、８９５、９０４、９０５、９０９、９１６、９２１、９２２、９２９、９３３、９３４、９３８、９３９、９４２、９４５、９４７、９５１、９６６、９６７、９６８、９７０、９７１、９８３、９８７、９８８、９９４、９９５、９９８、１００３、１００５、１００８、１００９、１０１０、１０１３、１０１７、１０１８、１０２１、１０２７、１０３１、１０３５、１０３８、１０３９、１０４０、１０４７、１０５２、１０６１、１０６７、１０６８、１０６９、１０７２、１０７７、１０８５、１０９４、１０９６、１１０６、１１１８、１１２１、１１２６、１１２７、１１３２、１１３４、１１４３、１１５３、１１５９、１１８１、１１８３、１１８６、１１９４、１１９８、１１９９、１２０９、１２１３、１２１７、１２１８、１２３２、１２３７、１２３８、１２３９、１２４２、１２４４、１２５４、１２６４、１２７５、１２７８、１２７９、１２８４、１２９２、１２９５、１３０８、１３１２、１３１４、１３１５、１３１８、１３２０、１３３０、１３３１、１３３４、１３３７、１３３８、１３３９、１３４５、１３４６、１３５０、１３５５、１３６２、１４０８、１４１２、１４１５、１４１８、１４１９、１４４２、１４４４及び１４４６から選ばれる１種以上を含むのが好ましい。なお、上記成分は、後述のＶＩＰ値が概ね０．６９以上であり、１．２０以上であれば、相関係数の絶対値|ｒ|＞０．５１であった。

さらに１，４５０成分のうち、本発明における分析対象成分としては、収量との相関が有意（ｐ＜０．０５）かつ相関係数の絶対値|ｒ|＞０．６６である成分、すなわち成分Ｎｏ．１２、２０、３４、４８、５８、６１、８５、１０１、１０９、１１５、１３２、１３３、１７２、１８４、１９３、１９８、２０６、２５５、２８２、２８３、３１２、３３０、３３１、３４６、３４８、３５５、３６１、３８６、４４９、４６１、４８２、５０５、５４２、５８９、６６２、７３１、７６０、７６１、７８３、７８５、７８７、８１５、８２４、８２５、８７４、８７５、８８６、９２９、９３４、９９４、１００５、１００９、１０３９、１０４０、１０６７、１０６８、１０８５、１１４３、１１８１、１１８３、１１８６、１２０９、１２３２、１２４４、１２７９、１２８４、１３３７、１３４６、１３５０及び１３５５から選ばれる１種以上を含むのが好ましい。

表１ａ～１ｊでは、１，４５０の成分を質量分析により得られる精密質量で規定しているが、これらの精密質量データから化合物の組成式を推定することができる。また、分析時に同時に取得しているＭＳ／ＭＳデータからは、化合物の部分構造情報が得られる。よって、組成式と部分構造情報から、対象の成分を推定することができ、更に試薬との比較が可能なものについては同定することができる。

例えば、解析の結果、Ｎｏ.１２は組成式Ｃ_５Ｈ_７ＮＯ_３のピログルタミン酸、Ｎｏ.２０は組成式Ｃ_４Ｈ_８Ｎ_２Ｏ_３のＬ－アスパラギン、Ｎｏ.４８は組成式Ｃ_１２Ｈ_１６、Ｎｏ.１３２は組成式Ｃ_１２Ｈ_２０Ｏ_２のクロクサチンＧ、Ｎｏ.１８４は組成式Ｃ_１２Ｈ_２０Ｏ_３のククルビン酸、Ｎｏ.２１０は組成式Ｃ_１３Ｈ_１８Ｏ_３、Ｎｏ.３４６は組成式Ｃ_１６Ｈ_１２Ｏ_４、Ｎｏ．３５５は組成式Ｃ_１２Ｈ_１４Ｏ_７、Ｎｏ.３８６は組成式Ｃ_１４Ｈ_２０Ｎ_４Ｏ_２、Ｎｏ．４６１は組成式Ｃ_８Ｈ_１４Ｎ_３Ｏ_７Ｐの５－アミノイミダゾールリボヌクレオチド、Ｎｏ.７３１は組成式Ｃ_２２Ｈ_２４Ｏ_５、Ｎｏ．８８６は組成式Ｃ_１８Ｈ_２５Ｎ_５Ｏ_６、Ｎｏ.９２９は組成式Ｃ_１７Ｈ_２２Ｏ_１２、Ｎｏ.１１８３は組成式Ｃ_３１Ｈ_３３ＮＯ_７であると推定した。

このうち、本発明における分析対象成分として、好ましくは、例えピログルタミン酸、Ｌ－アスパラギン、クロクサチンＧ、ククルビン酸、５－アミノイミダゾールリボヌクレオチド等が挙げられる。

コムギの収量の予測手段としては、上記１，４５０の成分、好ましくは収量との相関が有意（ｐ＜０．０５）かつ相関係数の絶対値|ｒ|＞０．５１である成分、より好ましくは有意（ｐ＜０．０５）かつ相関係数の絶対値|ｒ|＞０．６６である成分の存在量（例えば相関係数が－０．８０１である精密質量ｍ／ｚ２７７．１６５７のピーク面積）を、予測したいコムギ葉サンプルについても測定し、既知の収量と測定したピーク面積との相関関係から収量を予測することが挙げられる。

また、上記１，４５０成分の分析データから複数を使用し、多変量解析手法を用いて構築された収量予測モデルと照合することにより、収量を予測することができる。
すなわち、播種から所定期間経過後のコムギの葉サンプルを採取し、分析サンプルを得、該分析サンプルを機器分析に供して機器分析データを得、該機器分析データを、収量予測モデルと照合することにより、当該コムギの収量を予測することができる。

収量予測モデルは、説明変数に各精密質量をもった補正済みの成分の分析データのピーク面積値を、また目的変数に収量値を用いた回帰分析を行うことにより構築できる。回帰分析法としては、例えば主成分回帰分析、ＰＬＳ（Partial least squares projection to latent structures）回帰分析、ＯＰＬＳ（Orthogonal projections to latent structures）回帰分析、一般化線形回帰分析の他、バギング、サポートベクターマシン、ランダムフォレスト、ニューラルネットワーク回帰分析等の機械学習・回帰分析手法等の多変量回帰分析手法が挙げられる。このうち、ＰＬＳ法、ＰＬＳ法の改良版であるＯＰＬＳ法、或いは機械学習・回帰分析手法を用いるのが好ましい。ＯＰＬＳ法は、ＰＬＳ法に比べ予測性は同じだが、解釈のための視覚化がより容易になる点が今回のような目的においては優れている。ＰＬＳ法及びＯＰＬＳ法は、共に高次元のデータから情報を集約し少数の潜在変数に置き換え、その潜在変数を用いて目的変数を表現する方法である。潜在変数の数を適切に選ぶことが重要であり、潜在変数の数を決めるのによく利用されるのがクロスバリデーション（交差検証）である。すなわち、モデル構築用データをいくつかのグループに分割し、あるグループをモデル検証に、その他のグループをモデル構築に用いて予測誤差を見積り、この作業を、グループを入れ替えながら繰り返して、予測誤差の合計が最小となる潜在変数の数が選ばれる。

予測モデルの評価は、主に２つの指標で判断される。１つは予測精度を表すＲ^２、もう１つは予測性を表すＱ^２である。Ｒ^２は予測モデル構築に使用したデータの実測値とモデルで計算した予測値との相関係数の２乗であり、１に近いほど予測精度が高いことを示している。一方、Ｑ^２は、上記クロスバリデーションの結果であり、実測値と、繰り返し実施したモデル検証の結果である予測値との相関係数の２乗を表している。本発明のコムギ収量予測モデルにおいては、Ｑ^２＞０．５０をモデル評価の基準とするのが好ましい。なお、常にＲ^２＞Ｑ^２となるため、Ｑ^２＞０．５０は同時にＲ^２＞０．５０を満たすこととなる。
以下に、上記１，４５０成分の分析データのピーク面積値と、子実収量を用いた種々のコムギ収量予測モデルを作成しその精度を検証した結果を示す。

（１）全ての成分情報を用いた収量予測モデルの構築
１データ当り１，４５０個の成分の分析データのピーク面積値と収量値を持つ全２３個のデータマトリックスからＯＰＬＳモデルを構築した。なお、構築の際は、各成分の分析データのピーク面積値及び収量データはオートスケーリングにより平均０、分散１に変換した。
上記モデルではＶＩＰ（Ｖａｒｉａｂｌｅ Ｉｍｐｏｒｔａｎｃｅ ｉｎ ｔｈｅ Ｐｒｏｊｅｃｔｉｏｎ，投影における変数重要性）値とよばれる各成分に与えられるモデル性能への寄与度が算出される。
ＶＩＰ値は、下記式１により求められる。

ＶＩＰ値はその値が大きいほどモデルへの寄与度が大きく、相関係数の絶対値とも相関する。ＶＩＰ値上位５００位までのリストを後記表５ａ～５ｇに示す。

（２）ＶＩＰ値を指標としたモデル構築
（２－１）ＶＩＰ値上位５００位までの成分の分析データを用いたモデル
ＶＩＰ値上位５００位までのすべての成分を選択し、１データ当り該５００個の成分の分析データのピーク面積値と収量値を持つ全２３個のデータマトリックスからＯＰＬＳモデルを構築した。なお、構築の際は、各成分の分析データのピーク面積値及び収量データはオートスケーリングにより平均０、分散１に変換した。Ｒ^２＝０．５９、Ｑ^２＝０．５０３であり、高い予測性を持つモデルといえる。

（２－２）ＶＩＰ値上位５００位までの成分のうちＶＩＰ値が下位の成分の分析データを用いたモデル
ＶＩＰ値１１位以下５００位までのすべての成分の分析データ、２１位以下５００位までのすべての成分の分析データ、３１位以下５００位までのすべての成分の分析データ・・・及び６１位以下５００位までのすべての成分の分析データを用いてＯＰＬＳ法によりモデル（図２）を構築した。
Ｑ^２＞０．５を満たすのは１１位以下５００位までのすべての成分の分析データ～３１位以下５００位までのすべての成分の分析データを用いたモデルである。ＶＩＰ値４１位以下５００位までのすべての成分の分析データを用いてもＱ^２＞０．５０とはならない。

（２－３）ＶＩＰ値上位１０位までの成分の分析データを８個用いたモデル
ＶＩＰ値上位１位から１０位までの成分の分析データの内、任意の８個の組み合わせ（４５通り）についてＯＰＬＳ法によりモデル（図３）を構築した。
いずれのモデルにおいてもＱ^２＞０．５０を満たす。

（２－４）ＶＩＰ値上位１０位までの成分の分析データを９個用いたモデル
ＶＩＰ値上位１位から１０位までの成分の分析データの内、任意の９個の組み合わせ（１０通り）についてＯＰＬＳ法によりモデル（図４）を構築した。
いずれのモデルにおいてもＱ^２＞０．５０を満たす。

予測に用いる成分数は、簡便に予測を行う場合には、成分数が少ない方が好適であり、例えば、１０個以下であり、好ましくは５個以下、より好ましくは３個以下、最も好ましくは１個である。また、精度を高めたい場合には、成分数が多い方が好適であり、例えば、１１個以上、好ましくは２０個以上、より好ましくは５０個以上、さらに好ましくは９０個以上、最も好ましくは１５０個以上である。少ない成分数にて予測する場合は、ＶＩＰ値上位の成分または相関係数のより高い成分を予測に用いることが好ましい。

ＶＩＰ値上位の成分は、例えば、ＶＩＰ値上位５００個から選択される少なくとも１個の成分であり、好ましくはＶＩＰ値上位５００個から選択される少なくとも５個の成分であり、より好ましくはＶＩＰ値上位５００個から選択される少なくとも１０個の成分であり、さらに好ましくはＶＩＰ値上位１０個から選択される少なくとも１個の成分であり、さらに好ましくはＶＩＰ値上位１０個から選択される少なくとも５個の成分であり、さらに好ましくはＶＩＰ値上位１０個から選択される少なくとも８個の成分であり、さらに好ましくはＶＩＰ値上位１０個から選択される少なくとも９個の成分であり、さらに好ましくはＶＩＰ値上位５００個の成分である。

本発明の態様及び好ましい実施態様を以下に示す。
＜１＞コムギから採取された葉サンプルから１以上の成分の分析データを取得し、当該データとコムギ収量との相関性を利用してコムギの収量を予測する、コムギの収量予測方法。
＜２＞前記１以上の成分の分析データをｐｏｏｌｅｄ ＱＣ法により補正する、＜１＞に記載の方法。
＜３＞前記成分が、質量分析により提供される精密質量（ｍ／ｚ）が１０４～１１７８である成分から選ばれる１種以上である、＜１＞又は＜２＞に記載の方法。
＜４＞前記成分が、質量分析により提供される精密質量（ｍ／ｚ）で規定された、前記表１ａ～１ｉに記載の成分から選ばれる１種以上である、＜１＞又は＜２＞に記載の方法。
＜５＞成分が、前記表１ａ～１ｊに記載の成分Ｎｏ．１、５、７、１２、１４、１７、２０、２４、２７、２９、３４、４１、４６、４７、４８、５２、５８、６０、６１、６４、６８、７０、７１、７２、７４、８３、８４、８５、９０、９２、９８、１０１、１０６、１０７、１０９、１１０、１１１、１１５、１１７、１１８、１２５、１２９、１３１、１３２、１３３、１３６、１４３、１４４、１４５、１５５、１６０、１６２、１６３、１６４、１６９、１７０、１７１、１７２、１７８、１７９、１８０、１８１、１８３、１８４、１８６、１８９、１９１、１９２、１９３、１９６、１９８、１９９、２０３、２０４、２０６、２１０、２１４、２１６、２１８、２２５、２２７、２３１、２３３、２３５、２３７、２４４、２５０、２５５、２５６、２６４、２６６、２７１、２８２、２８３、２８６、２９１、２９２、２９４、２９７、２９８、３０８、３１０、３１２、３１５、３１８、３２３、３２９、３３０、３３１、３３４、３３８、３４５、３４６、３４８、３４９、３５５、３５７、３５８、３６０、３６１、３７３、３７４、３８１、３８４、３８５、３８６、３８８、３９２、３９３、３９５、３９９、４０６、４０８、４１１、４１２、４２２、４２８、４２９、４３１、４３６、４３７、４３９、４４０、４４４、４４９、４５４、４５５、４５７、４６１、４６８、４７０、４８２、４９７、５０１、５０２、５０５、５０７、５０９、５１３、５１７、５２１、５２６、５２８、５３０、５３１、５３５、５４１、５４２、５４３、５４５、５４６、５４７、５４８、５５４、５６２、５６５、５６８、５７１、５７４、５８４、５８６、５８８、５８９、５９１、５９２、５９６、５９９、６０１、６０７、６０９、６１０、６１２、６１６、６１９、６２３、６２５、６２７、６３１、６３４、６３７、６３８、６４０、６４２、６４３、６４４、６４６、６４８、６４９、６５１、６５３、６５４、６５５、６５６、６６０、６６２、６６５、６７１、６７２、６７４、６７５、６８０、６８３、６８４、６８６、６９０、６９８、７０１、７０８、７１０、７１１、７１３、７１６、７１７、７１８、７２０、７２２、７２３、７２６、７３１、７３２、７３６、７４０、７４２、７４３、７４５、７４９、７５０、７５３、７５７、７６０、７６１、７６３、７６４、７６５、７６８、７７４、７７７、７７８、７８１、７８３、７８４、７８５、７８６、７８７、７８８、７９２、７９３、７９５、７９６、８０１、８０３、８０５、８０８、８０９、８１５、８１７、８１９、８２３、８２４、８２５、８２６、８３４、８３５、８４５、８４６、８５３、８５４、８５６、８５７、８６２、８６４、８６５、８６９、８７４、８７５、８７６、８７７、８７９、８８６、８８８、８９３、８９８、８９９、９０１、９０２、９０４、９０５、９０９、９１６、９２２、９２４、９２５、９２９、９３２、９３３、９３４、９３５、９３７、９３８、９３９、９４１、９４２、９４５、９４７、９５０、９５１、９５７、９５８、９６１、９６３、９６７、９６８、９７０、９７１、９７４、９７８、９７９、９８３、９８７、９８８、９８９、９９１、９９４、９９５、９９８、１００５、１００７、１００８、１００９、１０１０、１０１３、１０１７、１０１８、１０２１、１０２６、１０２７、１０２９、１０３１、１０３５、１０３８、１０３９、１０４０、１０４１、１０４３、１０４６、１０４７、１０５２、１０６０、１０６１、１０６４、１０６７、１０６８、１０６９、１０７２、１０７４、１０７６、１０７７、１０８５、１０８７、１０９４、１０９６、１１０３、１１０６、１１１０、１１１４、１１１６、１１２１、１１２３、１１２６、１１２７、１１３０、１１３２、１１３４、１１４２、１１４３、１１４６、１１４７、１１４８、１１４９、１１５３、１１５７、１１５９、１１７７、１１７９、１１８１、１１８２、１１８３、１１８４、１１８５、１１８６、１１８８、１１９３、１１９４、１１９５、１１９８、１１９９、１２００、１２０６、１２０９、１２１０、１２１３、１２１５、１２１７、１２１８、１２１９、１２２６、１２２７、１２３２、１２３７、１２３８、１２３９、１２４０、１２４２、１２４４、１２４６、１２４９、１２５０、１２５１、１２５４、１２５７、１２６２、１２６４、１２７４、１２７５、１２７８、１２７９、１２８１、１２８４、１２８７、１２９２、１２９５、１２９６、１３０８、１３１２、１３１４、１３１５、１３１８、１３２０、１３２８、１３３０、１３３１、１３３４、１３３５、１３３６、１３３７、１３３８、１３３９、１３４２、１３４４、１３４５、１３４６、１３４９、１３５０、１３５１、１３５４、１３５５、１３６２、１３７０、１３８１、１３９６、１４００、１４０３、１４０６、１４０８、１４０９、１４１０、１４１１、１４１３、１４１４、１４１５、１４１７、１４１８、１４１９、１４２３、１４４１、１４４２、１４４４、１４４５、１４４６及び１４５０から選ばれる１種以上である＜４＞に記載の方法。
＜６＞成分が、前記表１ａ～１ｊに記載の成分Ｎｏ．１、１２、１７、２０、３４、４８、５２、５８、６０、６１、６８、７１、７２、７４、８３、８４、８５、９０、９２、１０１、１０７、１０９、１１０、１１５、１１７、１１８、１２９、１３２、１３３、１３６、１４３、１６０、１６４、１７０、１７１、１７２、１７８、１７９、１８１、１８４、１８９、１９１、１９３、１９６、１９８、２０３、２０６、２１０、２１８、２３５、２３７、２４９、２５５、２５７、２８２、２８３、２９１、２９４、２９７、２９８、３１０、３１２、３１５、３１８、３３０、３３１、３４５、３４６、３４８、３５５、３６０、３６１、３６２、３７３、３８４、３８６、３８８、３９２、３９５、４０６、４０８、４１１、４１２、４４０、４４４、４４９、４５２、４５４、４５５、４５７、４６１、４７０、４８２、５０１、５０５、５１３、５２１、５３０、５３５、５４１、５４２、５４６、５４８、５６５、５７１、５７４、５７９、５８９、６０７、６１０、６１２、６１６、６３４、６４６、６４８、６５６、６６０、６６２、７０１、７０８、７１０、７１６、７３１、７３２、７４０、７４３、７４９、７５０、７５３、７５７、７６０、７６１、７６７、７６８、７７４、７７７、７８３、７８５、７８７、７８８、７９２、７９４、７９５、８０３、８０８、８０９、８１５、８２３、８２４、８２５、８３５、８４５、８４６、８５３、８５４、８５６、８６２、８６３、８６４、８６５、８６９、８７４、８７５、８７６、８７７、８７９、８８６、８８８、８９３、８９５、９０４、９０５、９０９、９１６、９２１、９２２、９２９、９３３、９３４、９３８、９３９、９４２、９４５、９４７、９５１、９６６、９６７、９６８、９７０、９７１、９８３、９８７、９８８、９９４、９９５、９９８、１００３、１００５、１００８、１００９、１０１０、１０１３、１０１７、１０１８、１０２１、１０２７、１０３１、１０３５、１０３８、１０３９、１０４０、１０４７、１０５２、１０６１、１０６７、１０６８、１０６９、１０７２、１０７７、１０８５、１０９４、１０９６、１１０６、１１１８、１１２１、１１２６、１１２７、１１３２、１１３４、１１４３、１１５３、１１５９、１１８１、１１８３、１１８６、１１９４、１１９８、１１９９、１２０９、１２１３、１２１７、１２１８、１２３２、１２３７、１２３８、１２３９、１２４２、１２４４、１２５４、１２６４、１２７５、１２７８、１２７９、１２８４、１２９２、１２９５、１３０８、１３１２、１３１４、１３１５、１３１８、１３２０、１３３０、１３３１、１３３４、１３３７、１３３８、１３３９、１３４５、１３４６、１３５０、１３５５、１３６２、１４０８、１４１２、１４１５、１４１８、１４１９、１４４２、１４４４及び１４４６から選ばれる１種以上である＜４＞に記載の方法。
＜７＞成分が、前記表１ａ～１ｊに記載の成分Ｎｏ．１２、２０、３４、４８、５８、６１、８５、１０１、１０９、１１５、１３２、１３３、１７２、１８４、１９３、１９８、２０６、２５５、２８２、２８３、３１２、３３０、３３１、３４６、３４８、３５５、３６１、３８６、４４９、４６１、４８２、５０５、５４２、５８９、６６２、７３１、７６０、７６１、７８３、７８５、７８７、８１５、８２４、８２５、８７４、８７５、８８６、９２９、９３４、９９４、１００５、１００９、１０３９、１０４０、１０６７、１０６８、１０８５、１１４３、１１８１、１１８３、１１８６、１２０９、１２３２、１２４４、１２７９、１２８４、１３３７、１３４６、１３５０及び１３５５から選ばれる１種以上である＜４＞に記載の方法。
＜８＞成分が、ピログルタミン酸、Ｌ－アスパラギン、クロクサチンＧ、ククルビン酸及び５－アミノイミダゾールリボヌクレオチドから選ばれる１種以上を含む、＜４＞に記載の方法。
＜９＞葉サンプルが、出芽期から出穂期のコムギから採取される、＜１＞～＜８＞のいずれかに記載の方法。
＜１０＞葉サンプルが、５葉齢期から幼穂形成期のコムギから採取される、＜１＞～＜８＞のいずれかに記載の方法。
＜１１＞分析データが、質量分析データである＜１＞～＜１０＞のいずれかに記載の方法。
＜１２＞葉サンプルから取得された成分の分析データを、前記表１ａ～１ｊに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位５００個の中から少なくとも１個の成分の分析データを用いて構築された収量予測モデルと照合する工程を含む、＜４＞～＜１１＞のいずれかに記載の方法。
＜１３＞収量予測モデルが、前記表１ａ～１ｉに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位５００個の中から少なくとも５個を用いる、＜１２＞に記載の方法。
＜１４＞収量予測モデルが、前記表１ａ～１ｉに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位５００個の中から少なくとも１０個を用いる、＜１２＞に記載の方法。
＜１５＞収量予測モデルが、前記表１ａ～１ｉに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位１０個の中から少なくとも１個を用いる、＜１２＞に記載の方法。
＜１６＞収量予測モデルが、前記表１ａ～１ｉに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位１０個の中から少なくとも５個を用いる、＜１２＞に記載の方法。
＜１７＞収量予測モデルが、前記表１ａ～１ｊに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位１０個の中から少なくとも８個を用いる、＜１２＞に記載の方法。
＜１８＞収量予測モデルが、前記表１ａ～１ｊに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位１０個の中から少なくとも９個を用いる、＜１２＞に記載の方法。
＜１９＞収量予測モデルが、前記表１ａ～１ｊに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位５００個を用いる、＜１２＞に記載の方法。
＜２０＞収量予測モデルが、ＯＰＬＳ法を用いて構築されたモデルである＜１２＞～＜１９＞のいずれかに記載の方法。
＜２１＞精密質量が小数点以下４桁以上の精度にて測定されたものである＜１＞～＜２０＞のいずれかに記載の方法。

１．栽培試験
２０１９年に実施した屋内ポット栽培試験データについて詳述する。
中期肥効型培土（タキイ含水セル培土、タキイ種苗株式会社）とバーミキュライト（あかぎ園芸株式会社）を体積比１：１で混合し、当該土壌をポリポット（直径１０．５ｃｍ、高さ９ｃｍ）に充填した。栽培は屋内で行い、栽培条件は、明期１２時間、２５℃、ＬＥＤ光源、光量４００～４４０μｍｏｌ／ｍ２／ｓとし、一般的な春まきコムギの栽培に相当する条件で栽培を行った。播種から１４日後に、１ポットあたり１植物となるように間引きを行った。水やりは、ポットの下に置いたバットの水がなくなった後に、新たにポットの下部５ｃｍ程度が浸かる量の水をバットに加えることで行った。
ポットあたり１ｇを基本施肥量と設定し、窒素、リンおよびカリウムを肥料成分として含む化成肥料（商品名「化成肥料１４号」株式会社サンアンドホープ）を土壌に混和した。上記基本施肥量１／２倍量及び２倍量、４倍量の条件も設定することで、計４種類の施肥条件での栽培を行った。各施肥条件６ポットずつ、計２４ポットを用意した。２０１９年１０月３０日に３粒播きで各ポット内２カ所に播種した（１ポットあたり６粒使用）。なお、品種は、「農林６１号」を用いた。播種１４日後に１ヵ所につき１本に間引きし、各ポット２株立てとした。サンプリングは１１月２７日に行った。収穫は２０２０年１月８日に実施した（播種後７０日）。なお、１個体が欠株したため、収量予測には計２３個体を用いた。

２．葉のサンプリング
葉のサンプリングは、播種後２７日後となる日の日中に実施した（おおむね１３時―１５時）。この際のコムギの生育ステージは、個体により若干異なるが概ね個体あたりの葉の数が１２－１５枚程度であり、生育ステージでは茎立期に相当した。葉のサンプリングは、株の根元から葉を４－７枚切断することによって採取した。採取時には株全体から偏りなく採取するようにした。採取した葉はアルミホイルで包み直ちに液体窒素中で凍結し、代謝反応を停止させた。凍結サンプルは凍結状態を維持したまま実験室へ持ち帰り、凍結乾燥にかけて乾燥させた。この乾燥したサンプルを後述の抽出操作に供試した。

３．最終的な子実収量の測定
播種後７０日である２０２０年１月８日に収穫を行った。栽培試験後の各個体から全子実を回収し、９０℃にて３日間乾燥させた。収量データとして、乾燥子実質量（ｍｇＤＷ／個体）を測定した。後述する各成分の分析データと収量との単相関解析及び予測モデルの構築には乾燥子実質量（ｇＤＷ／個体）を用いた。乾燥子実質量のデータは、表２に示すように最小で０．４ｇＤＷ／個体、最大で４．９ｇＤＷ／個体であった。

４．採取した葉の成分の抽出
凍結乾燥した葉サンプルは、スパーテルを用いて手作業にて可能な限り粉砕をおこなった。粉砕後、２ｍＬのチューブ（セーフロックチューブ，エッペンドルフ）に１０ｍｇを秤量し、直径５ｍｍのジルコニア製ボール１つをチューブに加えて、ビーズ粉砕機（ＭＭ４００，Ｒｅｔｓｃｈ）にて２５Ｈｚで１分間粉砕した。抽出溶媒は、内部標準としてリドカイン（和光純薬工業，♯１２０－０２６７１）を５００ｎｇ／ｍＬとなるように加えた８０ｖ／ｖ％メタノール水溶液を用いた。粉砕後のチューブに調製した抽出溶媒を１ｍＬ添加し、同ビーズ粉砕機にて、２０Ｈｚで５分間ホモジナイズ抽出をおこなった。抽出終了後、２，０００×ｇ程度の卓上遠心機（チビタン）にて、３０秒程度遠心し、０．４５μｍの親水性ＰＴＦＥフィルター（ＤＩＳＭＩＣ－１３ＨＰ ０．４５μｍ ｓｙｒｉｎｇｅ ｆｉｌｔｅｒ，ＡＤＶＡＮＴＥＣ）でろ過し、分析サンプルを得た。

５．ＬＣ／ＭＳによる葉サンプルの分析
葉抽出サンプルの分析は、Ａｇｉｌｅｎｔ社製ＨＰＬＣシステム（Ｉｎｆｉｎｉｔｙ１２６０シリーズ）をフロントとし、ＡＢ ＳＣＩＥＸ社製Ｑ－ＴＯＦＭＳ装置（ＴｒｉｐｌｅＴＯＦ４６００）を検出器として用いてＬＣ／ＭＳ分析をおこなった。ＨＰＬＣにおける分離カラムには、（株）資生堂社製のコアシェルカラムＣａｐｃｅｌｌ ｃｏｒｅ Ｃ１８（２．１ｍｍ Ｉ．Ｄ．×１００ｍｍ，粒子計２．７μｍ）及びガードカラム（２．１ｍｍ Ｉ．Ｄ．×５ｍｍ, 粒子計２．７μｍ）を使用し、カラム温度は４０℃に設定した。オートサンプラーは分析中５℃を保持した。分析サンプルは５μＬを注入した。溶離液にはＡ：０．１ｖ／ｖ％ギ酸水溶液及びＢ：０．１ｖ／ｖ％ギ酸アセトニトリル溶液を用いた。グラジエント溶出条件は、０分～０．１分は１ｖ／ｖ％Ｂ（９９ｖ／ｖ％Ａ）で保持し、０．１分～１３分の間に１ｖ／ｖ％Ｂから９９．５ｖ／ｖ％Ｂまで溶離液Ｂの比率を上昇させ、１３．０１分～１６分まで９９．５ｖ／ｖ％Ｂで保持した。流速は０．５ｍＬ／ｍｉｎとした。

質量分析装置条件は、イオン化モードをポジティブモードとし、イオン化法はＥＳＩを用いた。本分析系では、溶出してくるイオンをＴＯＦＭＳにより０．１秒間スキャンし、その中の強度の大きいイオンを１０個選択し、それぞれを０．０５秒間ＭＳ／ＭＳにかけるというサイクルを繰り返しながら、ＴＯＦＭＳスキャンによる分子イオン情報（精密質量, ｍ／ｚ）とＭＳ／ＭＳスキャンにより生じるフラグメントに由来する構造情報を取得した。質量測定範囲はＴＯＦＭＳがｍ／ｚ １００－１，２５０、ＭＳ／ＭＳがｍ／ｚ ５０－１，２５０に設定した。各スキャンのパラメータはＴＯＦＭＳスキャンについては、ＧＳ１＝５０、ＧＳ２＝５０、ＣＵＲ＝２５、ＴＥＭ＝４５０、ＩＳＶＦ＝５５００、ＤＰ＝８０及びＣＥ＝１０に設定し、ＭＳ／ＭＳスキャンについては、ＧＳ１＝５０、ＧＳ２＝５０、ＣＵＲ＝２５、ＴＥＭ＝４５０、ＩＳＶＦ＝５５００、ＤＰ＝８０、ＣＥ＝３０、ＣＥＳ＝１５、ＩＲＤ＝３０及びＩＲＷ＝１５に設定した。

６．データ行列の作成
データ処理は下記の通りおこなった。まず、ＭａｒｋｅｒＶｉｅｗ^ＴＭ Ｓｏｆｔｗａｒｅ（ＡＢ ＳＣＩＥＸ）を用いてピークの抽出をおこなった。ピーク抽出条件（「ｐｅａｋ ｆｉｎｄｉｎｇ ｏｐｔｉｏｎ」）は、保持時間０．５分～１６分に該当するピークとし、「Ｅｎｈａｎｃｅ Ｐｅａｋ Ｆｉｎｄｉｎｇ」の項目におけるＳｕｂｔｒａｃｔｉｏｎ ｏｆｆｓｅｔを２０スキャン、Ｍｉｎｉｍｕｍ ｓｐｅｃｔｒａｌ ｐｅａｋ
ｗｉｄｔｈを５ｐｐｍ、Ｓｕｂｔｒａｃｔｉｏｎ ｍｕｌｔｉ． Ｆａｃｔｏｒを１．２、Ｍｉｎｉｍｕｍ ＲＴ ｐｅａｋ ｗｉｄｔｈを１０スキャン、Ｎｏｉｓｅ ｔｈｒｅｓｈｏｌｄを５に設定し、「Ｍｏｒｅ」の項目におけるＡｓｓｉｇｎ ｃｈａｒｇｅ ｓｔａｔｅにチェックを入れた。その結果、３１，６４９のピーク情報を得た。

次に、検出したピークを分析した各サンプル間で整列化させるアラインメント処理をおこなった。アラインメントの処理条件（「Ａｌｉｇｈｍｍｅｎｔ ＆ Ｆｉｌｔｅｒｉｎｇ」）は、「Ａｌｉｇｎｍｅｎｔ」の項目におけるＲｅｔｅｎｔｉｏｎ ｔｉｍｅ ｔｏｌｅｒａｎｃｅを０．２０分及びＭａｓｓ ｔｏｌｅｒａｎｃｅを１０．０ｐｐｍに設定した。また「Ｆｉｌｔｅｒｉｎｇ」の項目におけるＩｎｔｅｎｓｉｔｙ ｔｈｒｅｓｈｏｌｄを１０、Ｒｅｔｅｎｔｉｏｎ ｔｉｍｅ ｆｉｌｔｅｒｉｎｇにチェックを入れ、Ｒｅｍｏｖｅ ｐｅａｋｓ ｉｎ＜３サンプルとし、Ｍａｘｉｍｕｍ ｎｕｍｂｅｒ ｏｆ ｐｅａｋｓを５０，０００に設定した。「Ｉｎｔｅｒｎａｌ ｓｔａｎｄａｒｄｓ」の項目においてリドカインのピークを用いて保持時間の補正をおこなった。

次に同位体ピークの除去をおこなった。同位体ピークはピーク抽出の時点でソフトウェアが自動で認識し、ピークリスト上で「ｉｓｏｔｏｐｉｃ」のラベルが付けられているため、「ｉｓｏｔｏｐｉｃ」でソートして該当ピークを削除した。その結果、ピークは２５，８９５ピークに減少した。

次に、サンプル間のピーク強度補正をおこなった。今回の分析では、サンプルの他に、すべてのサンプルから一定量を混合したｐｏｏｌｅｄ ＱＣと呼ばれるサンプルを作製し、６回に１回の頻度でｐｏｏｌｅｄ ＱＣの分析を実施した。これらの全ＱＣ分析結果から、「各サンプルを分析していた際にＱＣサンプルを分析していたと仮定するとそれぞれのピーク強度はどうなるか」という推定値を計算し、その値で補正するという処理を実施し、同一バッチ内における各サンプル間の感度の補正をおこなった。なお、本処理は、理研が提供しているフリーソフト（ＬＯＷＥＳＳ－Ｎｏｒｍａｌｉｚａｔｉｏｎ－Ｔｏｏｌ）を用いた。最後に、測定した８個のＱＣ分析データを用いて１０，８９５ピークの相対標準偏差（ＲＳＤ）を計算し、ＲＳＤ＞３０％となるばらつきの大きいピークを除去し、最終的に１，４５０のピークデータ、すなわち１，４５０成分の分析データを得た。得られた分析データを表３ａ～３ｓに示す。これらのデータを用いて、以降の解析をおこなった。

７．相関解析
取得した２３個体分の葉中１，４５０成分の分析データと対応する収量データ（乾燥子実質量）、すなわち２３×１，４５０のマトリックスデータを用いて相関解析をおこなった。各成分の分析データと収量データとの単相関係数ｒ及び無相関の検定によりｐ値を算出した。結果を表４ａ～４ｓに示す。なお、表中の「成分Ｎｏ．」は１，４５０個の成分を質量順に並べた際に質量数が小さい方から番号を付けた便宜的なものである。また、分析結果には質量情報とともに保持時間の情報も含まれるが、特開２０１６－５７２１９号公報によれば、少数点以下４桁以上の精密質量数を用いれば、保持時間によらず複数の質量分析用試料間で質量分析データの比較及び解析が可能であることが示されている。よって、保持時間の情報は除去し、精密質量情報のみを記載した。

相関解析で得られた結果により、一定の相関係数を持つ成分は収量と有意に相関することが示された。相関係数の絶対値|ｒ|＞０．５１となる成分は２８１個、|ｒ|＞０．６６となる成分は７０個であることがわかった。

８．モデル構築・評価
２つ以上の複数の成分の分析データを用いた収量予測モデルの構築には多変量解析手法を用い、解析ツールとしてＳＩＭＣＡ ｖｅｒ．１４（Ｕｍｅｔｒｉｃｓ）を用いた。予測モデルは、説明変数に各精密質量をもった補正済みの成分の分析データのピーク面積値を、また目的変数に収量値を用いた回帰分析をおこなった。回帰分析はＰＬＳ法の改良版であるＯＰＬＳ法でおこなった。

予測モデルの評価方法は、主に２つの指標で判断される。１つは予測精度を表すＲ^２、もう１つは予測性を表すＱ^２である。Ｒ^２は予測モデル構築に使用したデータの実測値とモデルで計算した予測値との相関係数の２乗であり、１に近いほど予測精度が高いことを示している。一方、Ｑ^２は、上記クロスバリデーションの結果であり、実測値と繰り返し実施したモデル検証の結果である予測値との相関係数の２乗を表している。予測の観点から、少なくともＱ^２＞０．５０であれば、そのモデルは良好な予測性を持つとされていることから（Triba, M. N. et al., Mol. BioSyst. 2015, 11, 13-19.）、Ｑ^２＞０．５０をモデル評価の基準とした。なお、常にＲ^２＞Ｑ^２となるため、Ｑ^２＞０．５０は同時にＲ^２＞０．５０を満たすこととなる。

８－１．全データを用いたモデルの構築・評価
１データ当り１，４５０個の成分の分析データのピーク面積値と収量値を持ち、全２３個のデータマトリックスから、収量を予測するＯＰＬＳモデルを構築した。構築の際、各成分の分析データのピーク面積値及び収量データはオートスケーリングにより平均０、分散１に変換した。モデル構築の結果、予測精度を示すＲ^２＝０．９３１、予測性を示すＱ^２＝０．３４４であり、Ｑ^２＞０．５０の基準を満たさなかった。

８－２．ＶＩＰ値の算出
８－１で構築したモデルではＶＩＰ（Ｖａｒｉａｂｌｅ Ｉｍｐｏｒｔａｎｃｅ ｉｎ
ｔｈｅ Ｐｒｏｊｅｃｔｉｏｎ，投影における変数重要性）値とよばれる各成分に与えられるモデル性能への寄与度が算出される。ＶＩＰ値はその値が大きいほどモデルへの寄与度が大きく、相関係数の絶対値とも相関する。ＶＩＰ値上位５００位までのリストを表５ａ～５ｇに示す。

８－３．ＶＩＰ値を指標としたモデル構築
８－１で構築したモデルへの各成分の寄与度であるＶＩＰ値のランキング（表５ａ～５ｇ）を基に複数の成分でモデルを構築した。特に限定されるわけではないが、モデル性能の基準を便宜上Ｑ^２＞０．５０とした。

８－３－１．ＶＩＰ値が上位５００位までの成分の分析データを用いたモデル
ＶＩＰ値上位５００位までのすべての成分を選択し、１データ当り該５００個の成分の分析データのピーク面積値と収量値を持ち、全２３個のデータマトリックスから、収量を予測するＯＰＬＳモデルを構築した。構築の際、各成分の分析データのピーク面積値及び収量データはオートスケーリングにより平均０、分散１に変換した。モデル構築の結果、予測精度を示すＲ^２＝０．５９、予測性を示すＱ^２＝０．５０であった。結果を図１に示す。この予測モデルにより、栽培１カ月程度の葉に含まれる成分組成を用いることで、高い予測性を持つモデルが構築でき、早期収量予測が可能であることが示された。

８－３－２．ＶＩＰ値上位５００位までの成分のうちＶＩＰ値が下位の成分の分析データを用いたモデル
ＶＩＰ値１１位以下５００位までのすべての成分の分析データ、２１位以下５００位までのすべての成分の分析データ、３１位以下５００位までのすべての成分の分析データ・・・及び６１位以下５００位までのすべての成分の分析データを用いてそれぞれＯＰＬＳモデルの構築をおこなった。その結果、Ｑ^２＞０．５を満たすのは１１位以下５００位までのすべての成分の分析データ～３１位以下５００位までのすべての成分の分析データを用いたモデルであり、より詳細に検討したところ、ＶＩＰ値４１位以下５００位までのすべての成分の分析データを用いてもＱ^２＞０．５０とはならないことがわかった（図２）。

８－３－３．ＶＩＰ値上位１０位までの成分の分析データを８個用いたモデル
ＶＩＰ値上位１位から１０位までの成分の分析データの内、任意の８個の組み合わせ（４５通り）についてＯＰＬＳモデルの構築をおこなった。その結果、いずれのモデルにおいてもＱ^２＞０．５０を満たすことがわかった。このことからＶＩＰ値上位１０位までの代謝物を８個含んでいれば、一定の予測性を持つモデルが構築できることが示された（図３）。

８－３－４．ＶＩＰ値上位１０位までの成分の分析データを９個用いたモデル
ＶＩＰ値上位１位から１０位までの成分の分析データの内、任意の９個の組み合わせ（１０通り）についてＯＰＬＳモデルの構築をおこなった。その結果、いずれのモデルにおいてもＱ^２＞０．５０を満たすことがわかった。このことからＶＩＰ値上位１０位までの代謝物を９個含んでいれば、一定の予測性を持つモデルが構築できることが示された（図４）。

Claims (20)

1. コムギから採取された葉サンプルから１以上の成分の分析データを取得し、当該データとコムギ収量との相関性を利用してコムギの収量を予測する、コムギの収量予測方法。
2. 前記１以上の成分の分析データをｐｏｏｌｅｄ ＱＣ法により補正する、請求項１に記載の方法。
3. 前記成分が、質量分析により提供される精密質量（ｍ／ｚ）が１０４～１１７８である成分から選ばれる１種以上である、請求項１又は２に記載の方法。
4. 前記成分が、質量分析により提供される精密質量（ｍ／ｚ）で規定された、下記表１ａ～１ｊに記載の成分から選ばれる１種以上である、請求項１又は２に記載の方法。
   

   

   
   

   

   
   

   

   
   

   

   
   

   

   
   

   

   
   

   

   
   

   

   
   

   

   
   

   
5. 成分が、前記表１ａ～１ｊに記載の成分Ｎｏ．１、５、７、１２、１４、１７、２０、２４、２７、２９、３４、４１、４６、４７、４８、５２、５８、６０、６１、６４、６８、７０、７１、７２、７４、８３、８４、８５、９０、９２、９８、１０１、１０６、１０７、１０９、１１０、１１１、１１５、１１７、１１８、１２５、１２９、１３１、１３２、１３３、１３６、１４３、１４４、１４５、１５５、１６０、１６２、１６３、１６４、１６９、１７０、１７１、１７２、１７８、１７９、１８０、１８１、１８３、１８４、１８６、１８９、１９１、１９２、１９３、１９６、１９８、１９９、２０３、２０４、２０６、２１０、２１４、２１６、２１８、２２５、２２７、２３１、２３３、２３５、２３７、２４４、２５０、２５５、２５６、２６４、２６６、２７１、２８２、２８３、２８６、２９１、２９２、２９４、２９７、２９８、３０８、３１０、３１２、３１５、３１８、３２３、３２９、３３０、３３１、３３４、３３８、３４５、３４６、３４８、３４９、３５５、３５７、３５８、３６０、３６１、３７３、３７４、３８１、３８４、３８５、３８６、３８８、３９２、３９３、３９５、３９９、４０６、４０８、４１１、４１２、４２２、４２８、４２９、４３１、４３６、４３７、４３９、４４０、４４４、４４９、４５４、４５５、４５７、４６１、４６８、４７０、４８２、４９７、５０１、５０２、５０５、５０７、５０９、５１３、５１７、５２１、５２６、５２８、５３０、５３１、５３５、５４１、５４２、５４３、５４５、５４６、５４７、５４８、５５４、５６２、５６５、５６８、５７１、５７４、５８４、５８６、５８８、５８９、５９１、５９２、５９６、５９９、６０１、６０７、６０９、６１０、６１２、６１６、６１９、６２３、６２５、６２７、６３１、６３４、６３７、６３８、６４０、６４２、６４３、６４４、６４６、６４８、６４９、６５１、６５３、６５４、６５５、６５６、６６０、６６２、６６５、６７１、６７２、６７４、６７５、６８０、６８３、６８４、６８６、６９０、６９８、７０１、７０８、７１０、７１１、７１３、７１６、７１７、７１８、７２０、７２２、７２３、７２６、７３１、７３２、７３６、７４０、７４２、７４３、７４５、７４９、７５０、７５３、７５７、７６０、７６１、７６３、７６４、７６５、７６８、７７４、７７７、７７８、７８１、７８３、７８４、７８５、７８６、７８７、７８８、７９２、７９３、７９５、７９６、８０１、８０３、８０５、８０８、８０９、８１５、８１７、８１９、８２３、８２４、８２５、８２６、８３４、８３５、８４５、８４６、８５３、８５４、８５６、８５７、８６２、８６４、８６５、８６９、８７４、８７５、８７６、８７７、８７９、８８６、８８８、８９３、８９８、８９９、９０１、９０２、９０４、９０５、９０９、９１６、９２２、９２４、９２５、９２９、９３２、９３３、９３４、９３５、９３７、９３８、９３９、９４１、９４２、９４５、９４７、９５０、９５１、９５７、９５８、９６１、９６３、９６７、９６８、９７０、９７１、９７４、９７８、９７９、９８３、９８７、９８８、９８９、９９１、９９４、９９５、９９８、１００５、１００７、１００８、１００９、１０１０、１０１３、１０１７、１０１８、１０２１、１０２６、１０２７、１０２９、１０３１、１０３５、１０３８、１０３９、１０４０、１０４１、１０４３、１０４６、１０４７、１０５２、１０６０、１０６１、１０６４、１０６７、１０６８、１０６９、１０７２、１０７４、１０７６、１０７７、１０８５、１０８７、１０９４、１０９６、１１０３、１１０６、１１１０、１１１４、１１１６、１１２１、１１２３、１１２６、１１２７、１１３０、１１３２、１１３４、１１４２、１１４３、１１４６、１１４７、１１４８、１１４９、１１５３、１１５７、１１５９、１１７７、１１７９、１１８１、１１８２、１１８３、１１８４、１１８５、１１８６、１１８８、１１９３、１１９４、１１９５、１１９８、１１９９、１２００、１２０６、１２０９、１２１０、１２１３、１２１５、１２１７、１２１８、１２１９、１２２６、１２２７、１２３２、１２３７、１２３８、１２３９、１２４０、１２４２、１２４４、１２４６、１２４９、１２５０、１２５１、１２５４、１２５７、１２６２、１２６４、１２７４、１２７５、１２７８、１２７９、１２８１、１２８４、１２８７、１２９２、１２９５、１２９６、１３０８、１３１２、１３１４、１３１５、１３１８、１３２０、１３２８、１３３０、１３３１、１３３４、１３３５、１３３６、１３３７、１３３８、１３３９、１３４２、１３４４、１３４５、１３４６、１３４９、１３５０、１３５１、１３５４、１３５５、１３６２、１３７０、１３８１、１３９６、１４００、１４０３、１４０６、１４０８、１４０９、１４１０、１４１１、１４１３、１４１４、１４１５、１４１７、１４１８、１４１９、１４２３、１４４１、１４４２、１４４４、１４４５、１４４６及び１４５０から選ばれる１種以上である請求項４に記載の方法。
6. 成分が、前記表１ａ～１ｊに記載の成分Ｎｏ．１、１２、１７、２０、３４、４８、５２、５８、６０、６１、６８、７１、７２、７４、８３、８４、８５、９０、９２、１０１、１０７、１０９、１１０、１１５、１１７、１１８、１２９、１３２、１３３、１３６、１４３、１６０、１６４、１７０、１７１、１７２、１７８、１７９、１８１、１８４、１８９、１９１、１９３、１９６、１９８、２０３、２０６、２１０、２１８、２３５、２３７、２４９、２５５、２５７、２８２、２８３、２９１、２９４、２９７、２９８、３１０、３１２、３１５、３１８、３３０、３３１、３４５、３４６、３４８、３５５、３６０、３６１、３６２、３７３、３８４、３８６、３８８、３９２、３９５、４０６、４０８、４１１、４１２、４４０、４４４、４４９、４５２、４５４、４５５、４５７、４６１、４７０、４８２、５０１、５０５、５１３、５２１、５３０、５３５、５４１、５４２、５４６、５４８、５６５、５７１、５７４、５７９、５８９、６０７、６１０、６１２、６１６、６３４、６４６、６４８、６５６、６６０、６６２、７０１、７０８、７１０、７１６、７３１、７３２、７４０、７４３、７４９、７５０、７５３、７５７、７６０、７６１、７６７、７６８、７７４、７７７、７８３、７８５、７８７、７８８、７９２、７９４、７９５、８０３、８０８、８０９、８１５、８２３、８２４、８２５、８３５、８４５、８４６、８５３、８５４、８５６、８６２、８６３、８６４、８６５、８６９、８７４、８７５、８７６、８７７、８７９、８８６、８８８、８９３、８９５、９０４、９０５、９０９、９１６、９２１、９２２、９２９、９３３、９３４、９３８、９３９、９４２、９４５、９４７、９５１、９６６、９６７、９６８、９７０、９７１、９８３、９８７、９８８、９９４、９９５、９９８、１００３、１００５、１００８、１００９、１０１０、１０１３、１０１７、１０１８、１０２１、１０２７、１０３１、１０３５、１０３８、１０３９、１０４０、１０４７、１０５２、１０６１、１０６７、１０６８、１０６９、１０７２、１０７７、１０８５、１０９４、１０９６、１１０６、１１１８、１１２１、１１２６、１１２７、１１３２、１１３４、１１４３、１１５３、１１５９、１１８１、１１８３、１１８６、１１９４、１１９８、１１９９、１２０９、１２１３、１２１７、１２１８、１２３２、１２３７、１２３８、１２３９、１２４２、１２４４、１２５４、１２６４、１２７５、１２７８、１２７９、１２８４、１２９２、１２９５、１３０８、１３１２、１３１４、１３１５、１３１８、１３２０、１３３０、１３３１、１３３４、１３３７、１３３８、１３３９、１３４５、１３４６、１３５０、１３５５、１３６２、１４０８、１４１２、１４１５、１４１８、１４１９、１４４２、１４４４及び１４４６から選ばれる１種以上である請求項４に記載の方法。
7. 成分が、前記表１ａ～１ｊに記載の成分Ｎｏ．１２、２０、３４、４８、５８、６１、８５、１０１、１０９、１１５、１３２、１３３、１７２、１８４、１９３、１９８、２０６、２５５、２８２、２８３、３１２、３３０、３３１、３４６、３４８、３５５、３６１、３８６、４４９、４６１、４８２、５０５、５４２、５８９、６６２、７３１、７６０、７６１、７８３、７８５、７８７、８１５、８２４、８２５、８７４、８７５、８８６、９２９、９３４、９９４、１００５、１００９、１０３９、１０４０、１０６７、１０６８、１０８５、１１４３、１１８１、１１８３、１１８６、１２０９、１２３２、１２４４、１２７９、１２８４、１３３７、１３４６、１３５０及び１３５５から選ばれる１種以上である請求項４に記載の方法。
8. 成分が、ピログルタミン酸、Ｌ－アスパラギン、クロクサチンＧ、ククルビン酸及び５－アミノイミダゾールリボヌクレオチドから選ばれる１種以上を含む、請求項４に記載の方法。
9. 葉サンプルが、出芽期から出穂期のコムギから採取される、請求項１～８のいずれか１項に記載の方法。
10. 葉サンプルが、５葉齢期から幼穂形成期のコムギから採取される、請求項１～８のいずれか１項に記載の方法。
11. 分析データが、質量分析データである請求項１～１０のいずれか１項に記載の方法。
12. 葉サンプルから取得された成分の分析データを、前記表１ａ～１ｊに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位５００個の中から少なくとも１個の成分の分析データを用いて構築された収量予測モデルと照合する工程を含む、請求項４～１１のいずれか１項に記載の方法。
13. 収量予測モデルが、前記表１ａ～１ｉに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位５００個の中から少なくとも５個を用いる、請求項１２に記載の方法。
14. 収量予測モデルが、前記表１ａ～１ｉに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位５００個の中から少なくとも１０個を用いる、請求項１２に記載の方法。
15. 収量予測モデルが、前記表１ａ～１ｉに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位１０個の中から少なくとも１個を用いる、請求項１２に記載の方法。
16. 収量予測モデルが、前記表１ａ～１ｉに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位１０個の中から少なくとも５個を用いる、請求項１２に記載の方法。
17. 収量予測モデルが、前記表１ａ～１ｊに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位１０個の中から少なくとも８個を用いる、請求項１２に記載の方法。
18. 収量予測モデルが、前記表１ａ～１ｊに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位１０個の中から少なくとも９個を用いる、請求項１２に記載の方法。
19. 収量予測モデルが、前記表１ａ～１ｊに記載の成分情報を用いて構築された収量予測モデルから算出されたＶＩＰ値の上位５００個を用いる、請求項１２に記載の方法。
20. 収量予測モデルが、ＯＰＬＳ法を用いて構築されたモデルである請求項１２～１９のいずれか１項に記載の方法。
    

Images