2022 Fiscal Year Annual Research Report
Development of hybrid material discovery system
Publicly Offered Research
| Project Area | Bottom-up creation of cell-free molecular systems: surpassing nature |
|---|
| Project/Area Number |
22H05396
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
濱田 省吾 東北大学, 工学研究科, 特任講師 (90610204)
|
|---|
| Project Period (FY) |
2022-06-16 – 2024-03-31
|
| Keywords | DNAハイドロゲル / DNAマテリアル / 多成分機能性材料 |
|---|
| Outline of Annual Research Achievements |
2022年度は，提案したデジタルRCAシステムの基盤となる，油中水滴中のDNAマイクロゲル作製系を構築した．油中水滴中でのRCA反応，およびそれを利用したマイクロゲル作製・回収に成功している．専用のマイクロ流体デバイスを設計・作製したことで，ターゲットとなる20マイクロメートル程度の粒径を持つ油中水滴とそこからのDNAマイクロゲル作製が可能となった．
このマイクロゲルでの遺伝子系と表現系との対応を実現するために，外部からの光トリガーによる指数関数的増幅を組み合わせたDNAマイクロゲル作製機構を新たに開発した．この外部トリガーによる増幅機構により，これを使わない場合と比較して1万倍程度のテンプレート濃度と同等のDNA合成が実現した．この機構によって，単分子テンプレート構造からのマイクロゲル作製が可能となった．本テーマの核となる遺伝子系と表現系の対応の実装に必要となる，区画化された油中水滴内におけるデジタル的な増幅・構造形成を示唆する実験結果を得た．
さらに，作製したマイクロゲルの連続的な物性評価を可能とするマイクロ流体デバイスについても，新たに設計・作製した．試行段階ではあるが，高速度カメラによる観察により，マイクロゲルの弾性変形を確認することができた．
今年度の本研究の遂行により，油中水滴内でDNA増幅反応を行った際に新たに発見された現象について，領域内で共同研究を開始することができた．また，領域内での意見交換を契機に，本システムで実装する機能性についても，そのイニシャルターゲットを絞ることができた．さらに，本システムを構築した際に適用可能となる複数の応用へとつながる，国内外の領域外研究者との連携体制を構築することができた．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2022年度は，デジタルRCAシステムの実験側の基盤部分の開発を目標として定めていた．油中水滴内でのRCA反応の実現・取り出しによるDNAマイクロゲルの作製・単分子テンプレートからの構造生成・連続的な物性評価を可能とするマイクロ流体デバイスの開発など，特に既存の装置では実現できない独自開発が必要となる部分について，おおむね順調に開発することができた．さらに今年度は，特定の条件下で油中水滴内でRCA反応をさせた際に見出された新たな現象や，油中水滴を作成するマイクロ流体デバイスのデザインを応用することで作製されたDNAファイバー，そして多成分材料化により実現したDNAメンブレンなど，まさに本課題をきっかけとしてserendipitousな新たな発見が多く得られた．これらの現象は，今後より深く研究を進めることでインパクトのある研究成果につながる可能性があり，今後も引き続き探求していきたい．
|
| Strategy for Future Research Activity |
本年度は，当初予定に基づき，引き続きデジタルRCAシステムの完成を目指す．構築したマイクロゲル作製系の最適化を進め，ハイブリッド化を行うことで，より安定し，かつ多彩な機能を持ったマイクロゲル作製を目指す．並行して，現在テストを進めている物性測定デバイスを利用した，連続的なマイクロゲル物性測定系を構築する．また，上記の作製・測定系で得られたDNAマイクロゲルをアレイ内に格納し，シーケンサーを用いてそれぞれの配列を読み出す．さらに，得られた配列情報と物性・機能性を照らし合わせ，これをデータとした機能性・物性予測最適化を行う．事前学習済みのモデルにデータセットを加える，転移学習の手法を利用した物性・機能性予測を計画中である．ここで得られた配列を使い実際にハイブリッド材料を作製し，望みの物性・機能性が得られたか検証する．
|
