2023-01-12 理化学研究所,北里大学
理化学研究所（理研）環境資源科学研究センター 環境代謝分析研究チームの菊地 淳 チームリーダー、生命医科学研究センター 粘膜システム研究チームの宮本 浩邦 客員主管研究員、大野 博司 チームリーダー、北里大学 医療衛生学部 血液学研究室の佐藤 隆司 講師らの共同研究グループは、機械学習[1]、構造方程式[2]、因果推論[3]を用いて、魚の陸上養殖施設の下流の海草[4]（アマモ[4]）の繁茂に関わる成長特性の評価指標を見いだすことに成功しました。
本研究成果は、持続可能な開発目標（SDGs）[5]の「14.海の豊かさを守ろう」に貢献し、ブルーエコノミー[6]社会の構築につながると期待できます。
アマモ場は、低炭素社会の実現に必要とされるブルーカーボン[7]の認証対象であり、また、魚介類の卵から幼生を養う”海のゆりかご”として生物多様性を確保するブルーリソース[7]の観点からも重要なことから、アマモの効率的な栽培方法が世界中で検討されています。
今回、共同研究グループは、大分県佐伯市の陸上養殖施設付近の沿岸を対象に、疫学的な地理的評価および生化学的・物理化学的評価により多面的な調査を行いました。そして機械学習、構造方程式、因果推論を駆使することで、養殖施設下流で繁茂するアマモの底泥に生息する共生細菌群（ケーブル細菌[8]、光合成細菌、腸内細菌）の因果構造ネットワーク（評価指標）を「見える化」しました。
本研究は、科学雑誌『Environmental Research』（2月号）の掲載に先立ち、オンライン版（2022年12月29日付）に掲載されました。
陸上養殖施設の下流に繁茂する海草の底泥に生息する共生細菌群の因果ネットワークを可視化
背景
低炭素社会の実現が喫緊の課題とされる中、地球上炭素の約半分は海で吸収・固定されることから、ネガティブエミッション[9]の切り札として「ブルーカーボン」が注目を集めています。
水生生態系において、海草は溶存酸素の供給や産卵場所、魚自体の餌場などだけではなく、魚類、無脊椎動物、哺乳動物（ヒト含む）の細菌性病原体を減少させる役割を担っています。また、海草による温室効果ガスの抑制効果は、森林土壌の約40倍に上るといわれています。さらに海草は海洋酸性化の抑制などにも関わっていることから、生態系の健全性と地球環境全体の保全の観点から重要視されています。
しかし、近年海草の死滅が世界的に散見され、その減少率は人工林、サンゴ礁、熱帯雨林の減少率に匹敵し、海草藻場は地球上で最も絶滅の危機に瀕している生態系の一つと捉えられています。海草の温室効果ガス抑制の能力とは裏腹に、地球温暖化自体が海草の繁茂を抑制することも指摘されています。さらに、海水汚染は海草の生育に悪影響を与えることも示されており、人間の活動、魚の養殖廃水による慢性的な栄養汚染は、生物多様性の低下や、養殖が盛んな地域における海草の喪失につながる可能性が指摘されています。
このような社会的背景から、海草の効率的な栽培方法が世界中で検討されています。本研究では、養殖施設の近海としては珍しい、海草の繁茂している地域を対象として、海草の成長特性の評価指標を見いだすことを試みました。
研究手法と成果
共同研究グループは、養殖が盛んな九州の豊後水道沿い（大分県佐伯市）の海域を対象として（図1b）、大分県の公的調査（2004年と2016年）における海草や海藻[4]の分布に関する現地調査データ（49カ所）を、許可を得て活用し、図1aに示した手順（疫学的な地理的評価→生物学的・物性化学的評価）で検証しました。
各種海草の個体数と生息場所のデータベース化を図った上で二値化処理[10]し、機械学習の一つであるアソシエーション解析[11]により、定量的に海草と海藻の繁茂に関する地理的特性を分類しました。その結果、養殖施設付近あるいは沿岸に近い海域では、海草が生えにくいという特徴が見いだされました（図1c）。
一方で、陸上養殖施設の沿岸であるにもかかわらず、例外的に海草が生えている場所が確認されました。この養殖施設（有限会社河内水産）周辺を対象海域として（図2）、底泥の生物学的・物理化学的評価を行った結果、海草の繁茂が見られた底泥では二酸化炭素の貯留量が増加し、亜鉛の含有量は減少傾向にあることが分かりました（図1d、図2a）。また、生息する貝類の種類も増加する傾向があり（図2e）、生物多様性が増大していると推察されました。
図1 本研究の対象地域と研究手順
(a)本研究の解析手順。解析ステップIで疫学的な地理的評価をした後、解析ステップIIで海草が繁茂する例外的地域を対象に生物学的・物理化学的評価を行った。
(b)本研究の研究対象地域。
(c)図1aの解析ステップIにおけるアソシエーション解析データの抜粋。S：海草の繁茂、沿岸距離：沿岸からアマモの生えている海域までの距離を示す。矢印は影響度合い(紫＞緑)を示す。
(d)図1aの解析ステップIIにおけるアソシエーション解析データの抜粋。S：海草の繁茂、茶色の矢印は影響度合いを示す。上向きの赤色矢印は、増加傾向、下向きの青色矢印は、減少傾向を示す。
図2 対象海域の海草繁茂の様子
(a)海草の繁茂が見られた養殖施設（有限会社河内水産）。海草の底泥中の全炭素は、統計的に有意に貯留していた（p<0.05）
(b)養殖施設からの排水路における海草。
(c)海面から撮影した海草。
(d)海中から撮影した海草。
(e)海草の繁殖底泥における貝類。
(f)海中から撮影した海藻（アオサ）。
(g)海藻が繁茂し、海草が繁茂していない底泥における貝類。
次に、海草の底泥に生息する細菌集団について、16S rRNAシーケンス解析[12]のデータからアソシエーション解析、線形判別分析[13]、エネルギーランドスケープ解析[14]の3種類の機械学習によって、共生細菌群の特徴を抽出しました。
底泥細菌群の関係性を環境要因と季節要因に分類して計算したところ、季節要因は少なく、環境要因の影響として、養殖施設に近いほど特徴的な共生細菌群グループが存在することが判明しました（図3a）。すなわち、最初に行った調査地域全体の機械学習の結果（海草が沿岸に近い地域では生えにくいという図1cの結果）とは異なることが計算上、明らかになりました。
また、それらの共生細菌群の中で、他の機械学習（アソシエーション解析・線形判別分析）を用いて海草繁茂と関係性の深い細菌群を選抜すると、病原菌として知られているフラボバクテリウム目（Flavobacteriales）が著しく減少していることが判明しました。さらに、共分散構造分析[15]によって、海草繁茂条件に対して最適値を示す共生細菌群の構造方程式が明らかになりました（図3b）。これらの共生細菌群には、一般的にどこにでも存在し得る光合成細菌のロドバクター科（Rhodobacteraceae）、海洋底泥において重要な役割を果たしているケーブル細菌のデスルフォバルブス科（Desulfobulbaceae）、腸内細菌の一つとして短鎖脂肪酸の産生などに関わる有用菌のラクノスピラ科（Lachnospiraceae）やルミノコッカス科（Ruminococcaceae）が含まれていました。これら共生細菌群の関係性は、非ガウス分布[16]のデータに基づく因果推論（DirectLiNGAM[16]）によっても矛盾しませんでした（図3c）。
さらに、共生細菌群のグループ全体としての重要性は、因果媒介分析[17]、ならびにベイズ的因果構造推定法[18]の一つであるBayesLiNGAMの計算によっても示すことができました。これらの因果推論の結果から、海草の底泥では、単独菌ではなく、選抜された共生細菌群が一つのコアとして重要であると推察されました。このような因子群の抽出は、海洋生態系と地球環境を保全するためのブルーカーボン・ブルーリソースに貢献する技術開発に重要な視点を提供すると考えられます（図3c）。
図3 海草底泥の共生細菌の因果構造ネットワークの可視化
(a)エネルギーランドスケープ解析による共生細菌構造の安定状態の評価。養殖施設（沿岸）に近いほど特徴的な共生細菌群が存在することが分かった。
(b)構造方程式モデリングによって算出された底泥における最適な共生細菌群のグルーピング。光合成細菌(図中D)、腸内細菌（2種）(図中AとB)、ケーブル細菌(図中C)が共生していることが分かった。
(c)因果推論のDirectLiNGAMに基づく因果構造ネットワークによる指標づくりと見える化とブルーカーボン・ブルーリソースの視点。
今後の期待
本研究では、海草が繁茂する陸上養殖施設の沿岸における底泥の特徴から、海草繁茂に関わる共生細菌群の因果構造ネットワークを可視化することに成功しました。今後は、海草繁茂の過程を明らかにし、普遍的に海草を繁茂させる技術の確立が必要だと考えられます。そのための一つのヒントは、今回の陸上養殖施設で2004年以降に使用されている発酵飼料の質に隠されていると推測されます。
この発酵飼料の生産には、高温条件下（70～80℃）で処理する高温発酵プラントが用いられています（技術提供:株式会社三六九、株式会社サーマス、京葉ガスエナジーソリューション株式会社）。この発酵プラントでは、好熱性バシラス科（Bacillaceae）の好熱菌を主体とした自家発酵熱が活用されています。地産地消の形で地元の食品加工場から出る新鮮な非食用海産資源を原材料として発酵飼料化を進めており、生産した発酵飼料を基本飼料と独自の配合率で与えることで、魚を成長させ出荷しています（図4）。この飼料により、養殖魚の肉質中の遊離アミノ酸が増加傾向になるなど、その品質に良い影響を与えていることが既に学術報告されています。これには、腸内細菌叢の変化が関与していることが予備データから推察されています。今回、海草底泥の共生細菌群には腸内細菌も関与することが予測されたことから、環境保全と養殖魚の品質向上が腸内細菌叢の変化という形でつながっている可能性があります。
図4 海草繁茂に関わる養殖施設に取り入れられている循環型・環境保全型養殖技術の概念図
非食用海産資源（発酵原料）→発酵プラントによる高温発酵（24時間）→基本飼料と配合→養殖魚への給与→海水との循環→腸内細菌叢の変化→海草繁茂。（写真提供：有限会社河内水産）
本研究手法を他のブルーリソース事業化を望む地域へ技術転移できるか検証すれば、単なるネガティブエミッションのみならず、漁業者の持続的な水産資源管理への貢献も期待できます。今後、関連研究の発展と併せて、環境保全型の養殖業が高く評価される政策的、消費行動的基盤の構築が持続可能な社会の構築のために必要です。
補足説明
1.機械学習
経験からの学習により自動で改善するコンピュータアルゴリズム。教師なし機械学習と教師あり機械学習に分類される。
2.構造方程式
任意の因子間の因果関係を計算的に表現する方法。
3.因果推論
実験・観察データから得られた情報を基に、データ間の因果効果を統計的に推定していく方法。
4.海草、アマモ、海藻
海草は、水草の一種で、海に生育する種子植物を指す。代表的な海草としてアマモが挙げられる。海藻は、種子植物とは異なり、藻類である緑藻、紅藻、褐藻などが知られている。ワカメ、コンブ、ヒジ、アオサ、ホンダワラなどが挙げられる。
5.持続可能な開発目標（SDGs）
2015年9月の国連サミットで採択された「持続可能な開発のための2030アジェンダ」にて記載された2016年から2030年までの国際目標。持続可能な世界を実現するための17のゴール、169のターゲットから構成され、発展途上国のみならず、先進国自身が取り組むユニバーサル（普遍的）なものであり、日本としても積極的に取り組んでいる。（外務省ホームページから一部改変して転載）
6.ブルーエコノミー
海を守りながら、経済活動を行う海洋産業全般を指す。
7.ブルーカーボン、ブルーリソース
ブルーカーボン（海洋炭素）は、海洋生態系の生物活動により固定される炭素の総称（2009年国連環境計画（UNEP）の報告書にて命名）。ブルーリソース（海洋資源）は、食品分野・化成品分野・エネルギー分野などへの利用が期待できる海洋生物資源と定義される。海草/海藻は、海洋における二酸化炭素吸収源として有望視されている。海草と海藻では、生育場所、繁茂の容易性に違いがあり、一般的に商業利用されているのは海藻である。一方で、気候変動に関する政府間パネル（IPCC）湿地ガイドラインでは、マングローブ、塩性湿地、海草のみがブルーカーボンの対象であり、特に海草とその底泥による温室効果ガスの発生抑制効果は、森林土壌の約40倍に上ることが試算されているため、世界的に海草の繁殖地域を増やす必要性がある。
8.ケーブル細菌
電子輸送を維持することが可能な電気活性のある細菌。本研究では、海洋底泥において重要な役割を果たしているデスルフォバルブス科（Desulfobulbaceae）が、計算科学的に海草繁茂に関与する共生細菌の一つとして抽出されている。
9.ネガティブエミッション
大気中の二酸化炭素を回収・吸収し、貯留・固定化することで、大気中の二酸化炭素を除去する技術。
10.二値化処理
分析対象の因子のレベルを0、あるいは1などのように変換する処理。本研究では対象となる因子データの中央値を基準としている。
11.アソシエーション解析
分析する対象の階層別で二値化処理をした上で、同じ次元で複合的な関係性を評価する教師なし機械学習の一つ。
12.16S rRNAシーケンス解析
生物の系統分類に使われる16S rRNA遺伝子の配列を解読し、データベース上の既知の細菌の配列と比較することで、試料中に存在する細菌を調べる解析手法。
13.線形判別分析
データ集団の特徴を分類、抽出する方法の一つで、教師あり機械学習の一つ。
14.エネルギーランドスケープ解析
教師なし機械学習の一つ。観測データを通じて、実際の生物群集の背後にある安定性の高い地形を近似する方法。生物群集の各構成因子が存在するかしないかで、生物群集の「状態」を表した上で、各状態にエネルギーを付与したものがエネルギーランドスケープである。エネルギーは状態の出現しやすさの指標であり、エネルギーが低い状態ほど安定状態にある因子グループとして捉える。
15.共分散構造分析
複数の構成因子間の関係性を統計的に評価する手法の一つ。構造方程式モデリングととも呼ばれる。本研究では最尤（さいゆう）法（実験データから得られた母集団に基づく一般的な確率分布を推定する方法）を採用。重回帰モデル、例えばy＝ax＋bの関係（回帰）が二つ以上存在するモデルによって最適な構造方程式を導き出した。
16.非ガウス分布、DirectLiNGAM
非ガウス分布とは、データが平均値付近に集積する正規分布には従っていない、特定の確率分布に依存しないデータ。DirectLiNGAMは非ガウス分布を形成する独立因子に対して、因果関係を推察する統計処理の一つ。
17.因果媒介分析
特定の媒介因子を介さない直接的効果と媒介因子を介した間接的効果を分離して、解釈する統計的な方法。
18.ベイズ的因果構造推定法
複数の仮説から確率が最終的に最大になる仮説を選択する推定方法をベイズ推定という。ベイズ推定を活用して、因果関係を持つ特定のグループ内の有向グラフ全体の確率を解析する統計手法。
共同研究グループ
理化学研究所
環境資源科学研究センター 環境代謝分析研究チーム
チームリーダー 菊地 淳（キクチ・ジュン）
特別研究員（研究当時）黒谷 篤之（クロタニ・アツシ）
（現 農業・食品産業技術総合研究機構 基盤技術研究本部 農業情報研究センター データ研究推進室 研究員）
生命医科学研究センター
粘膜システム研究チーム
チームリーダー 大野 博司（オオノ・ヒロシ）
客員主管研究員 宮本 浩邦（ミヤモト・ヒロクニ）
（千葉大学大学院 園芸学研究院 連携客員教授、株式会社サーマス、日環科学株式会社）
研究員 加藤 完（カトウ・タモツ）
マイクロバイオーム研究チーム
副チームリーダー 須田 亙（スダ・ワタル）
テクニカルスタッフ 進藤 智絵（シンドウ・チエ）
バイオリソース研究センター 統合情報開発室
室長 桝屋 啓志（マスヤ・ヒロシ）
開発研究員 鈴木 健大（スズキ・ケンタ）
光量子工学研究センター 光量子制御技術開発チーム
チームリーダー 和田 智之（ワダ・サトシ）
専任研究員 守屋 繁春（モリヤ・シゲハル）
北里大学 医療衛生学部 血液学研究室
講師 佐藤 隆司（サトウ・タカシ）
京葉ガスエナジーソリューション株式会社
部長 宇田川 元章（ウダガワ・モトアキ）
株式会社サーマス
副主任研究員 松浦 真紀子（マツウラ・マキコ）
研究員 石井 千歳（イシイ・チトセ）
研究員 辻 直子（ツジ・ナオコ）
研究員（研究当時）坪井 亜里沙（ツボイ・アリサ）
（日環科学株式会社）
研究員 中熊 映乃（ナカクマ・テルノ）
（日環科学株式会社）
有限会社河内水産
代表取締役社長 河内 伸浩（カワチ・ノブヒロ）
株式会社三六九
代表取締役 宮本 久（ミヤモト・ヒサシ）
原論文情報
Hirokuni Miyamoto; Nobuhiro Kawachi; Atsushi Kurotani; Shigeharu Moriya; Wataru Suda; Kenta Suzuki; Makiko Matsuura; Naoko Tsuji; Teruno Nakaguma; Chitose Ishii; Arisa Tsuboi; Chie Shindo; Tamotsu Kato; Motoaki Udagawa; Takashi Satoh; Satoshi Wada; Hiroshi Masuya; Hisashi Miyamoto; Hiroshi Ohno; Jun Kikuchi, “Computational estimation of sediment symbiotic bacterial structures of seagrasses overgrowing downstream of onshore aquaculture”, Environmental Research, 10.1016/j.envres.2022.115130
発表者
理化学研究所
環境資源科学研究センター 環境代謝分析研究チーム
チームリーダー 菊地 淳（キクチ・ジュン）
生命医科学研究センター 粘膜システム研究チーム
チームリーダー 大野 博司（オオノ・ヒロシ）
客員主管研究員 宮本 浩邦（ミヤモト・ヒロクニ）
北里大学 医療衛生学部 血液学研究室
講師 佐藤隆司（サトウ・タカシ）
報道担当
理化学研究所 広報室 報道担当
学校法人北里研究所 総務部広報課
