규슈대학 대학원 일관성 박사과정 2년 이와마사 코헤이씨와 이 대학의 노시타 코지 조교 등의 연구그룹은 엽맥의 '모양'의 규칙성과 다양성을 데이터에 근거하여 확인하는 데 성공했다.
식물의 잎맥은 물과 광합성 산물의 수송에 중요한 역할을 하고 있으며, 투수성이나 증산 효율, 식해 등의 손상에 대한 내성(견고성) 등 다양한 기능적인 요구로부터 규칙적이면서도 다양성을 보여줍니다.그러나, 종래의 연구에서는, 길이, 직경, 분기 각도 등의 간단한 계측치에 근거하는 평가가 중심이며, 엽맥 전체를 수송 네트워크 구조로서 파악해 정량화하는 「페노타이핑(표현형 계측)」의 이 방법은 사용되지 않았다.
본 연구에서는 이미지 해석과 심층 학습, 형태 측정을 조합한 간편하고 고효율의 페노타이핑법을 새롭게 개발하였다.심층 신경망 모델에 의해 화상으로부터 잎맥만을 추출하여 그래프로 변환함으로써, 네트워크 특징량의 산출이 가능해진다.이 수치 데이터를 이용하여, 계층적이고 복잡한 엽맥 구조의 수리 해석을 실시해, 엽맥의 「모양」의 규칙성과 다양성의 특정을 시도했다고 한다.
연구그룹은 5종 479장의 잎표본과 국립과학박물관 엽맥표본 데이터베이스에 포함된 5속 328장의 염색표본에 개발한 페노타이핑 수법을 적용했다.그 결과, 엽맥의 "모양"의 데이터가 1차원적인 분포를 나타내고, 그 분포를 따라 트리상에서 루프상으로 전이하는 규칙성과 다양성을 발견하였다.또한,이 분포 패턴은 운송 효율, 형성 효율 및 손상에 대한 강인성을 개선하기 위해 잎맥의 "모양"을 변경하면 다른 하나 또는 둘 다가 낮아진다는 절충 관계 에 해당하는 '파레토 최적' 상태에 있을 가능성이 높은 것도 발견했다고 한다.
본 연구에서 이용한 접근법은 향후 엽맥 이외의 망상 네트워크 구조에도 전개가 기대된다.예를 들어, 특정 인공물에 요구되는 기능 요청으로부터 트레이드오프에 근거한 최적의 디자인 제안을 할 때의 해석 기반이 되는 것 등이 기대된다고 한다.
