合成生物学は、生命の設計図をまるでプログラミングのように書き換え、新しい機能を持つ生物システムを作り出す最先端の分野です。従来の生物学が自然の仕組みを理解することに重きを置くのに対し、ここでは人工的な部品を組み合わせて、医療や環境問題の解決に役立つ新たなソリューションを構築します。

Gist.Science では、この分野の最新動向を bioRxiv から毎日収集し、すべてを網羅的に取り上げています。各プレプリント論文について、専門知識がなくても理解できる平易な要約と、研究者向けの詳細な技術的解説の両方を提供し、複雑な研究成果を誰でもアクセスしやすく変えることを目指しています。

以下に、bioRxiv から新たに追加された合成生物学の最新論文リストを示します。

📄 合成生物学

The Cepeda Framework: A Modular, Safety-First Preclinical Architecture for Testing Coordinated Multi-Hallmark Rejuvenation Hypotheses in Biological Aging

この論文は、老化の12の指標を網羅し、21,000回のシミュレーションサイクルを通じて安全性と有効性を検証した、部分的なリプログラミングを安全かつ体系的に試験するためのモジュール型前臨床研究フレームワーク「セペダ・フレームワーク」を提案する理論的予備論文である。

Cepeda, C. J.2026-03-19
📄 合成生物学

A genetically encoded local learning rule enables physical learning in engineered bacteria

この論文は、大腸菌の遺伝子回路を用いて物理的なニューラルネットワークを直接学習させる新たな手法を開発し、細胞内のプラスミドコピー数比を重みとして保存・更新する「メムレギュロン」システムにより、単一細胞から多菌株混成培養、さらには多層構造に至るまで環境感知や医療応用に向けた適応型生体ハードウェアの実現可能性を示したものである。

Prakash, S., Varela, C., Walsh, M., Galizi, R., Isalan, M., Jaramillo, A.2026-03-19
📄 合成生物学

Behavioral, Physiological, and Transcriptional Mechanisms of Memory in a Synthetic Living Construct

この論文は、神経系を持たない合成生物「Xenobot」が、化学刺激への曝露によって長期にわたる刺激特異的な記憶を形成し、カルシウムシグナリングや転写応答の変化を通じて行動を調節できることを実証し、非神経系における学習と記憶のメカニズムの解明に新たな道を開いたことを報告しています。

Pai, V. P., Traer, J. A., Sperry, M. M., Zeng, Y., Levin, M.2026-03-17
📄 合成生物学

Selection-free whole genome transplantation revives dead microbes

この論文は、ミトマイシン C 処理によりゲノムを不活化した死んだ細菌細胞へ合成ゲノムを移植することで、抗生物質耐性マーカーに依存しない「選択不要」な全ゲノム移植を実現し、非生きた部品から構成された初の生きた合成細菌細胞を創出したことを報告しています。

Seidel, Z. P., Assad-Garcia, N., Paralanov, V., Wu, F., Chao, O., Strychalski, E. A., Romantseva, E. F., Goshia, T., Ven (…)2026-03-14
📄 合成生物学

Generative AI-based design of hybrid transcriptional activator proteins with new DNA-binding specificity

この論文は、変分オートエンコーダを用いて LuxR ファミリーの DNA 結合ドメインを学習させ、その潜在空間の中間領域からサンプリングすることで、lux および las プロモーターの両方を認識・活性化するハイブリッド転写因子を設計・実証したことを報告しています。

Okuda, S. L., Minami, A., Aiko, M., Uetsuka, K., Miyazaki, K., Ohtake, K., Kiga, D.2026-03-13
📄 合成生物学

Fundamental limitations of genomic language models for realistic sequence generation

本研究は、Evo 2 や megaDNA などのゲノム言語モデルが局所的な配列統計は捉えられるものの、長距離のゲノム構造や反復配列、進化的制約などの生物学的特徴を再現できず、合成ゲノムと天然ゲノムを高い精度で識別可能であることを示し、現在のアーキテクチャには現実的な配列生成における根本的な限界があることを明らかにした。

Tzanakakis, A., Mouratidis, I., Georgakopoulos-Soares, I.2026-03-02
📄 合成生物学

High Diversity Gene Libraries Facilitate Machine Learning Guided Exploration of Fluorescent Protein Sequence Space

大規模な遺伝子合成と DNA シャッフルによって蛍光タンパク質の配列多様性を実験的に拡大し、そのデータで機械学習モデルを微調整することで、自然に存在しない領域にも機能する新規蛍光タンパク質の設計を可能にした。

Benabbas, A., Kearns, P., Billo, A., Chisholm, L. O., Plesa, C.2026-03-02
📄 合成生物学

Evaluating AI-Assisted Customer Verification for Synthetic Nucleic Acid Screening

合成核酸の注文者検証において、AI(特に Gemini 2.5 Pro)は人間と同等の精度を維持しつつ、情報収集タスクではコストを約 50 分の 1 に削減できることが示され、AI による情報収集と人間による最終判断の組み合わせが実用化の有力な手段であることが結論付けられました。

Acelas, A., Palya, H., Flyangolts, K., Fady, P.-E., Nelson, C.2026-03-01