2021 Fiscal Year Annual Research Report
| Project/Area Number |
18H04004
|
|---|
| Research Institution | University of Tsukuba |
|---|
Principal Investigator |
和田 洋 筑波大学, 生命環境系, 教授 (60303806)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
矢田 哲士 九州工業大学, 大学院情報工学研究院, 教授 (10322728)
川島 武士 国立遺伝学研究所, 情報研究系, 助教 (10378531)
市瀬 夏洋 京都大学, 情報学研究科, 特定准教授 (70302750)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Keywords | 遺伝子調節ネットワーク / 発生学的浮動 / 変異ロバスト性 / 新奇遺伝子 |
|---|
| Outline of Annual Research Achievements |
棘皮動物の初期中胚葉形成において、Pmar1-HesCの二重抑制制御機構が獲得された過程に関して検証を行った。前年度までに、祖先的な棘皮動物でPhbによって担われていた抑制機構を、ウニでは、Pmarが代替するようになったプロセスを明らかにしていた。その場合、HesCが複数の下流遺伝子を同時に制御することを想定せざるを得なくなる。そこで、祖先的な棘皮動物では、別の遺伝子がHesCと同様な機能を果たして板と仮定して、そのような機能を持つ遺伝子をヒトデで探索したところ、KLFを同定した。KLFが担っていた機能をジョコにHesCが代替していくようになったと考えると、Pmar1-HesCの二重抑制制御機構を無理なく説明できる。発生学的浮動の進化プロセスの一端を明らかにした。
発生砂時計モデルについて、遺伝子調節ネットワークの変異ロバスト性およびホメオスタシスの理論的モデルを作成し、マウスの胚形成時の遺伝子調節ネットワークに対する解析を行った。発生砂時計モデルに矛盾なく、マウスの胚形成中期において最も変異ロバスト性が高いことが示された。変異ロバスト性とホメオスタシスは排他的関係にあり、ホメオスタシスが低いことが胚形成中期での適応的優位性を持つことを理論的に示した。
新奇形質の基盤となる新奇遺伝子を探索するために、short ORF(sORF)のコーディング性を推定する機械学習法を開発を行った。この推定の難しさは、学習とテストのサンプルから取り出せる統計量の少なさに起因する。そこで、canonical ORFのコーディング性の推定に用いられるコドン中の位置1からの6-merではなく、位置(1～3)毎からの4-merを統計量に用いた。その結果、単純な線形回帰を採用したモデルの推定精度が、位置1からの6-merや4-merを用いたロジスティック回帰やSVMを採用したそれを上回ることが示された。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
棘皮動物におけるPmar1-HesCの二重抑制機構の進化が、下流の発生過程を崩壊させずにいかに成立したか、発生学的浮動の進化過程を合理的に説明することに成功した。さらに、発生の砂時計モデルの理論的な背景に遺伝子制御ネットワークのロバスト性から説明を与えることにも成功した。新奇遺伝子の出現に関しても新しい知見も得られつつある。
|
| Strategy for Future Research Activity |
棘皮動物を対象とした生体における発生学的浮動、遺伝子ネットワークの制御機構の進化と in silicoでのネットワーク研究、新奇遺伝子進化の成立機構に関する研究を有機的に結びつけて、新奇形質の進化に関する理解を深めて行く。
棘皮動物に関しては、single cell transcriptome解析を行っていき、遺伝子ネットワークの偽パターンが新規細胞タイプの出現につながったという仮説の検証を行う。また、1個体のtranscriptome解析から、遺伝子発現の時系列に個体差を検出し、発生過程で作動している遺伝子ネットワークに個体差（ゆらぎ）があるかどうかに関して検証を行っていく。そのような研究から、遺伝子ネットワークのネットワークとしての性質から、新規細胞タイプの出現に結びつく性質を特定する。
また、平衡点を実現するようなリカレントネットワークによる機械学習法を開発することで、single cell transcriptome解析の結果からネットワーク推定、細胞タイプの特定を目指す。また、新奇形質の基盤となる新奇遺伝子を探索するために、short ORF(sORF)のコーディング性を推定する機械学習法を開発する。
|
