Microbial genome resource mining of Japanese agricultural soil

• Project/Area Number: 22K17999
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: Tokyo University of Agriculture
• Principal Investigator: 西田 暁史 東京農業大学, 生命科学部, 助教 (40824579)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2022: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
• Keywords: メタゲノム / 無細胞タンパク質合成系 / 機械学習 / フィターゼ / 根圏土壌 / 微生物

Outline of Research at the Start

農業従事者と協力し、火山灰土壌（日本の代表的な農業土壌）の農作物根圏微生物ゲノムデータをメタゲノムによって収集・構築し、無細胞タンパク質合成系や機械学習を用いて有用遺伝子を探索する一連のメソッドを確立する。そして、市民参加型で日本の土壌微生物ゲノム情報資源をマイニングするための基盤を形成する。
日本の土壌研究は研究施設の圃場を中心に行われているが、本研究では農家と協力し研究基盤を形成する。また最近のゲノム情報の大幅拡充により、遺伝子を大規模テストするフェーズがやってきている。そのため遺伝子のハイスループットテスト技術として、無細胞タンパク質合成系や機械学習モデルを用いたメソッドを確立する。

Outline of Annual Research Achievements

本課題ではまず日本の農業土壌を採取し、微生物DNAを抽出し、メタゲノム解析することで有用遺伝子を収集する。次いで有用遺伝子の１つとしてフィチン酸を分解し土壌に蓄積したリンを植物が利用できるかたちに溶解するフィターゼに着目し、多様な微生物のフィターゼ遺伝子を活性評価する。さらに多様な微生物のフィターゼ遺伝子を生成モデルによって特徴抽出し、活性のある塩基配列を解析するとともに、低pHでの機能活性など特性が付加されたフィターゼ遺伝子を生成する計画である。
土壌の採取とメタゲノム解析に関しては、東京工業大学すずかけ台キャンパスで新規開拓された農場の土壌、その隣接土の土壌、同キャンパス内の里山の南西側斜面の土壌、恵泉女学園大学の有機農場の土壌を採取し、DNA抽出とショットガンメタゲノムシーケンシングを行った。このシーケンシングデータをもとにMetagenome assembled genomeを構築し、多様な遺伝子のデータを得た。
多様な微生物のフィターゼ遺伝子の活性評価に関しては、遺伝子の大規模テストを見据えて、遺伝子組換えと培養時間を省略できるハイスループット評価系である無細胞タンパク質合成系を用いる。大腸菌BL21株やPseudomonas putida KT2440株由来の細胞抽出液を用いた無細胞タンパク質合成系を作製し、遺伝子発現することに成功した。
機械学習による遺伝子配列の改変については、まずは塩基配列から特徴を抽出する手法を構築することを目指し、全ゲノム配列配列情報を圧縮して微生物種を推定する機械学習モデルを開発した。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

多様な微生物のフィターゼ遺伝子を生成モデルによって特徴抽出し、特性が付加されたフィターゼ遺伝子を生成する計画であったが、ゲノム情報を機械学習によって特徴抽出する手法の開発に注力しているため、当初の計画通りにはいっていない。

Strategy for Future Research Activity

生成モデルによりフィターゼに付与する特性を検討するにあたり、各フィターゼ遺伝子の情報が採取された地点の環境データを解析する予定である。そしてデータベースからmetagenome-assembled genomeを介して様々な細菌由来のフィターゼ遺伝子配列を取得し、生成モデルであるVariational Autoencoderに学習させ、その特徴を解析することで低pHでの機能性などフィターゼ遺伝子データセットに特徴的な特性を付加する予定である。また、フィターゼの改変により土壌のリン汚染の軽減を試み、その結果海洋の赤潮プランクトンの発生を抑制することが将来展望としてあるが、その赤潮プランクトン（Karenia mikimotoi、Heterocapsa circularisquama）のゲノム解析も行う。