
	トップページ専攻概要入学案内研究分野教員一覧参加機関 FAQ お問い合わせ
		◆　フィールドインフォマティクス
		◇　生産・管理システム
		◇　家畜生産機能制御
		◇　作物ゲノム育種
		◇　果樹ゲノム育種
		◇　花卉新育種資源作出・利用

		フィールドインフォマティクス研究分野の概要
		現在の農学・生物学研究にとって情報科学は不可欠なものになっています。ただ、純粋な情報科学の分野での研究成果をそのまま農学や生物の分野に当てはめることは困難で、生物や環境が持つ特有の情報の性質を十分に知った上で、既存の情報科学の知識をうまく応用することはもちろん、自ら農学や生物学と情報科学を融合した新しい領域を切り開くことが必要です。　私たちのフィールドインフォマティクスはそのような考えのもと、機械学習、データマイニング等最先端の情報科学・技術をベースにして、遺伝子レベルから個体群レベルまで、環境との相互作用のもと、複雑な応答を示す多様な生物・生態系ならびに環境の計測・解析・モデリング・評価を行う基本的方法について、総合的に論じ理解することをめざしています。特にフィールドモニタリング、応用統計学、コンピュータ情報科学、ゲノム情報解析、画像解析、生物モデリング等に関する以下のテーマを中心に教育と研究を進めます。・センサーネットワーク及びフィールドモニタリングに関わる研究・多様で複雑な生物機能や環境動態を定量化し評価するモデル理論・生物を対象としたゲノム情報解析、画像解析とパターン認識、データマイニング・ビッグデータを効率的に解析するための統計解析、機械学習等の手法開発　以下に担当教員ごとにいくつかの研究例をあげますが、フィールドインフォマティクス領域が扱う範囲はこれらにとどまるわけではありません。皆さんの自由な発想で展開することができます。また、この分野で学んでみたい学生の皆さんがこの分野で学ぶに当たって情報科学の専門的知識と農学・生物学的知識の両方をはじめから持っている必要はありません。どちらかに偏っていても一向にかまいませんし、むしろそのような人材がここで出会い新たな学問展開をすることが重要だと考えています。本研究分野への参加を心からお待ちしております。
		林武司　（教授）
		統計的手法を用いて遺伝的な現象を解析する統計遺伝学と呼ばれる分野の研究を行っています。最近では、分子生物学的技術や解析機器の発展により、作物や家畜においてもゲノム配列の情報が利用可能となっていますが、このようなゲノム情報を用いて有用な農業形質に関与する遺伝子のマッピングや遺伝的能力の予測が主な研究課題です。統計的手法を活用して、ゲノムと農業形質との関係を解明することにより、ゲノム情報を用いた効率的な育種方法の開発につなげることが研究の目標です。実際の研究例として、以下にトマトの果皮色（果実の色）に関する連鎖解析を挙げておきます。　トマトの研究者と連携して、左側の写真のような果皮色の異なる2品種（赤とピンク）を交雑して、解析用の分離集団を構築し、連鎖解析を行いました。果皮色のようなカテゴリー形質に適用可能なインターバルマッピング法とベイズ法を開発し、解析に用いた結果が右側のグラフです。果皮色と強い相関を持つ遺伝子領域が、曲線（インターバルマッピング法）とヒストグラム（ベイズ法）のピークの領域として示されています。　遺伝子のマッピングや遺伝的能力の予測のための新たな統計的手法の開発とともに、この研究例で述べたように実際の作物や家畜の研究者と協力して実用研究にも力を入れています。統計遺伝学に興味のある人は是非ご連絡ください。
		田中剛　（教授）
		イネ科植物を中心に、ゲノム情報や次世代シーケンス（NGS)情報を用いた種間比較解析と育種向け情報作成を行っております。昨今のNGS技術の躍進により、作物種ごとではなく品種ごと、個体ごとにゲノム情報を取得することが可能になってきました。これらのデータの情報解析は通常のパソコンでは大変なことも多く、育種現場で利用するにはデータの整理を行い有用情報の抽出が不可欠です。そこで、解析サーバを用いてこれらのデータを解析する情報基盤やデータベースの構築と、実際の作物ゲノム情報からマーカー開発を行っています。　これまでに様々な作物についてゲノムアノテーションデータベースを開発し（イネではRAP-DB、オオムギではbex-db、小麦ではKomugiGSP）、ゲノム情報や遺伝子情報を公開してきました。また、現在は育種家と共同研究を行い、国内オオムギ品種を評価するための多型マーカーを開発しQTL解析やゲノムワイド連関解析を試みています。ゲノム情報解析は、大変難しいように思われがちですが、最近は解析が専門ではない実験を行っている研究者自身がゲノム情報解析を行う事例も増えてきました。私自身も博士課程からゲノム情報解析分野に足を踏み入れた元実験研究者です。興味とやる気があればどなたでも参入できる分野ですので、お気軽にご連絡ください。
		竹澤邦夫　（准教授）
		これまでの，人工知能や統計的手法は，単一の型式を持つデータを用い，単一の手法でモデルや回帰式を作製していた．しかし，多様な型式を持つデータが大量に入手できる時代を迎えたため，従来の手法ではデータの持つ情報を十分に生かした予測や制御ができなくなった．そこで，いろいろな型式や性質を持つデータを総合的に捉え，様々な視点に基づくモデルや回帰式を合成してより実用性の高い予測や制御を実行するための手法の開発と実際のデータへの応用を行う．その際，ノンパラメトリック回帰において培われてきた様々な手法や人工知能における技法の数々を発展的に利用する．モデルや回帰式の作製の対象となるデータや目的は学生の方々の興味や目的に応じて選択する．農業生産，地理情報，リモートセンシングデータ，生物の分類などが考えられる．