文献

J-GLOBAL ID：202202225608537547   整理番号：22A0862175

深層学習と衛星画像は遺伝的多様性と分化を予測する【JST・京大機械翻訳】

Deep learning and satellite imagery predict genetic diversity and differentiation

著者 (5件)： Kittlein Marcelo J. (Departamento de Biologia, Instituto de Investigaciones Marinas y Costeras (IIMyC), Facultad de Ciencias Exactas y Naturales, Universidad Nacional de Mar del Plata, Consejo Nacional de Investigaciones Cientifica y Tecnicas (CONICET), Mar del Plata, Argentina) ,  Mora Matias S. (Departamento de Biologia, Instituto de Investigaciones Marinas y Costeras (IIMyC), Facultad de Ciencias Exactas y Naturales, Universidad Nacional de Mar del Plata, Consejo Nacional de Investigaciones Cientifica y Tecnicas (CONICET), Mar del Plata, Argentina) ,  Mapelli Fernando J. (Grupo de Genetica y Ecologia en Conservacion y Biodiversidad (GECOBI), Division Mastozoologia, Museo Argentino de Ciencias Naturales ‘Bernardino Rivadavia’, (CONICET), Ciudad de Buenos Aires, Argentina) ,  Austrich Ailin (Departamento de Biologia, Instituto de Investigaciones Marinas y Costeras (IIMyC), Facultad de Ciencias Exactas y Naturales, Universidad Nacional de Mar del Plata, Consejo Nacional de Investigaciones Cientifica y Tecnicas (CONICET), Mar del Plata, Argentina) ,  Gaggiotti Oscar E. (Centre for Biological Diversity, University of St Andrews, Fife, UK)
資料名： Methods in Ecology and Evolution  (Methods in Ecology and Evolution)
巻： 13  号： 3  ページ： 711-721  発行年： 2022年 
JST資料番号： W2682A  ISSN： 2041-210X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 過去10年間,畳み込みニューラルネットワーク(CNN)は,分類タスクと物体認識への深層学習(DL)法の応用を革命した。これらの手法は,人間の眼に簡単に見えない画像データの重要な特徴を捉え,例外的な精度で結果を分類し予測するためにそれらを使用する。ここでは,CNNsが,中央Argentina由来の地下げっ歯類であるCtenomys australisにおける小規模遺伝的分化および多様性に対する高度に正確な予測を提供することを初めて示した。マイクロサテライト遺伝子型と高解像度衛星画像を用いて,局所F_STと平均対立遺伝子豊富さを予測するために単純なCNNを訓練した。予測値に及ぼす高い影響を有する景観特徴を同定するために,著者らは,適切な生息場所の分布を得るために種分布モデルを適用した。機械学習アルゴリズム(ランダムフォレスト)のその後の使用は,個体群の遺伝的計量の予測に最も寄与する属性の同定を可能にした。CNNから得られた予測は,F_STと平均対立遺伝子豊度値の両方で観察された変動の98%以上を占めた。景観計量に関するランダム森林回帰は,適切な生息場所の連結性と一貫した罹患率を含む特徴が,C.australisにおける遺伝的多様性を促進し,遺伝的分化を減少させることを示した。研究地域の景観構造に基づく遺伝的分化のシミュレーションによる合成データによる検証と近隣地域は,DLモデルが,同じ景観における実際のデータと合成データの間の複雑な関係と,異なる景観の下で生成された合成データの間の複雑な関係を捉えることができることを示した。本アプローチは,人間によって容易に同定されないパターンから情報を抽出することができるので,景観遺伝学に対する客観的で強力なアプローチを示す。CNNからの空間予測は,生物多様性保全と集団の管理のための関心領域の同定を助ける可能性がある。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *遺伝 ,  遺伝子型 ,  物体認識 ,  計算機アルゴリズム ,  齧歯類 ,  対立遺伝子 ,  個体群 ,  生息場所 ,  *衛星利用画像 ,  生物多様性 ,  *機械学習 ,  学習アルゴリズム ,  マイクロサテライト
準シソーラス用語： ランダムフォレスト ,  関心領域 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (8件)： 生物多様性予測 ,  海岸砂丘 ,  畳込みニューラルネットワーク ,  Ctenomys australis ,  深層学習 ,  遺伝的分化 ,  景観遺伝学 ,  地下齧歯類

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 深層学習 ,  衛星画像 ,  遺伝的多様性 ,  分化 ,  予測