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 2022)
|
Budget Amount *help |
¥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、トマト青枯れ病が発生した2圃場の土壌や有機農業の土壌から15検体、比較対象として里山土壌から3検体、新規につくられた圃場から9検体を採取した。そして微生物DNAを抽出し、シーケンシングを完了した。このシーケンシングデータをもとにMetagenome assembled genomeを構築するが、KBase(D. Chivian et al., Nature Protocols, 2022)を用いて現在実施中である。 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計画である。大腸菌BL21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。 生成モデルに関しては、遺伝子配列を試験的に学習させ、特徴抽出することに成功した。今後はより多くの遺伝子配列データを学習させる予定である。
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
所属が変わり、多くの学生の卒研指導等や大学業務などでフィールドワークに行くことが難しくなったため。そのためデータベース上のメタゲノムデータを利用することで、フィールドワークの回数を減らした上で目的を達成する。
|
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)の機能解析も行う。
|