地球上の生命は、あるコードによって記述されている。それは、細胞がいかにして自らを構築し、生存するかを伝える、化学的な文字による長い文字列である。数十年の間、生物学者は、このコードが最小レベルでどのように変化するか、つまり、一つの文字が別の文字に置き換わったり、一つの余分な文字が追加されたりする仕組みを理解してきた。しかし、このコードはより大きな構造、すなわち遺伝子がどのように配置され、それらがいくつ存在し、その間にどれほどの「空隙」があるかという設計図にも組織化されている。ゲノム・アーキテクチャとして知られるこのより大きな構造は、生命の樹において極めて多様である。生物の中には、遺伝的な指示を小さな円形の中に凝縮させているものもあれば、膨大な非コードDNAを含む、巨大で広大なゲノムを保持しているものもいる。科学者たちは、こうした異なる設計図をどのような力が形作っているのかを長年疑問に思ってきた。効率性を重視する自然選択の圧力によるものなのか? それとも、遺伝的浮動として知られる、偶然によって余分な遺伝物質が蓄積することを許容してしまうランダムなサイコロの目によるものなのだろうか? これらのアイデアを現実の世界で検証することは、ほぼ不可能に近い。なぜなら、進化が展開されるには数百万年を要し、同じ種をこれほど長い時間スケールで観察することは、人間の手に負える範囲を超えているからである。
この謎を解明するために、研究チームは「Aevol-9」と呼ばれるデジタル実験室を構築した。これは過去を観察するためのツールではなく、進化が高速再生されるのを科学者が観察することを可能にする、前向きなシミュレーターである。この仮想世界において、研究者たちは、構造化された二本鎖ゲノオームを持つデジタル生物の集団を作り出した。これらのデジタル生命体は、生存のために競争し、繁殖し、そして自身の遺伝的な指示を次世代へと受け継いでいく。このシステムの鍵となる革新は、あらかじめ書かれたリストに基づいて変異にスコアを割り当てるのではない点にある。代わりに、ソフトウェアは生物のゲノム全体を読み取り、それを一連のタンパク質へと翻訳した上で、それらのタンパク質が生物の特定の生存目標を達成するのにいかに役立つかを計算する。もし変異が、このプロセスを台無しにするような形でゲノムを変化させた場合、その生物の適応度は低下する。もしその変化がプロセスを改善するものであれば、適応度は上昇する。これにより、システムは、偶然が支配する小さな集団から、自然選択が厳格に働く大規模な集団に至るまで、異なる条件下でどの遺伝的配置が最適であるかを自然に発見することができるのである。
研究者たちは、このプラットフォームを用いて、集団のサイズがゲノムの形状にいかに影響を与えるかを見るための大規模な実験を行った。彼らは、安定した環境下で既に1000万世代進化を遂げたデジタル株からスタートした。その後、この集団を3つのグループに分けた。一つはサイズを維持するもの、一つは4倍に拡大するもの、そしてもう一つは元のサイズの4分の1に縮小するものである。彼らはこれらのグループを、実際の細菌が数千年を要する期間にあたる、さらに110万世代にわたって進化させた。結果は驚くべきものだった。偶然が大きな役割を果たす小さな集団では、ゲノムはより大きくなり、直接的な目的を持たないように見える非コードDNAを蓄積していった。一方で、自然選択が非効率性を排除する上でより効率的に働く大規模な集団では、ゲノムは縮小した。これらの大規模グループの生物は、遺伝コードを合理化し、余分な荷物を脱ぎ捨てて、よりコンパクトな姿へと変化させたのである。
この発見は、生物学における「突然変異ハザード仮説」と呼ばれる長年の概念を支持している。この仮説は、大きな集団は不要な遺伝物質を排除することに長けている一方で、小さな集団はそれが蓄積することを許容しやすいことを示唆している。しかし、シミュレーションは、すぐには明らかにならない微細な差異を明らかにした。ゲノムの総サイズは劇的に変化したが、実際のコーディング領域(タンパク質を構築する部分)の量は、すべてのグループサイズにおいて驚くほど安定していた。違いは完全に非コード領域に存在していたのである。さらに、遺伝子の配置方法も変化した。小さな集団では、遺伝子はDNAのより長い区間にわたって分散する傾向があった。一方で、より効率的な大規模集団では、遺伝子はより密接にパッキングされ、しばしば単一のユニットとして機能するクラスターへとグループ化されていた。このことは、進化が単に遺伝子を増減させるだけでなく、集団の制約に合わせてゲノムの「家具の配置」を絶えず組み替えていることを示唆している。
Aevol-9の力は、一文字のわずかな入れ替えから、ゲノムの大きな断片の大量欠失に至るまで、あらゆる変化を追跡できる能力にある。研究者はすべてのデジタル生物の全履歴を見ることができるため、これらの大規模な変化がどのように起こり、なぜ定着したのかを正確に辿ることができるのである。シミュレーションは、これらの変化がランダムな事故ではなく、突然変異、選択、そして集団のサイズの相互作用によって駆動されていることを示した。この研究は、ゲノムの複雑な構造が固定された特性ではなく、環境に対する動的な応答であることを示唆している。何千ものデジタル実験を実行することで、チームは生命が深い時間の中でいかにして自らの遺伝的指示を組織化してきたかについて明確な展望を提供し、地球上の生命の多様性を支配するルールを理解するための新たな手法を提示した。
Aevol-9の技術的要約:ゲノム構造の進化を解明するためのシミュレーション・プラットフォーム
問題提起
ゲノム構造(ゲノム内における機能的要素と非機能的要素の非ランダムな配置)の進化は、選択、遺伝的浮動、および突然変異の間の複雑な相互作用によって影響を受ける。SLiM、Nemo、AliSimといった多くのフォワード・イン・タイム(前方進行型)の進化シミュレーターが存在するが、これらは通常、ゲノム構造を静的なユーザー定義の入力として扱うか、あらかじめ定義された適応度効果分布(DFE)や適応度景観に依存している。これらのアプローチは、以下の理由からゲノム構造の研究には適していない:
- 構造変異の複雑性: 染色体再編成(逆位、大規模な欠失、重複、転座)は、ゲノムサイズ、遺伝子コピー数、および配列コンテキストを変化させ、それによって後続の突然変異のDFEを動的に変化させる。
- 明示的なメカニスの欠如: ほとんどのシミュレーターは、遺伝子内(intragenic)で起こる再編成や、コーディング配列を融合・分裂させる再編成の適応度効果をモデル化していない。これらは、事前(a priori)にパラメータ化することが困難であるためである。
- 創発的特性の必要性: 研究者が構造的なルールを事前に規定することなく、マクロな組織化がいかに進化の力に反応するかを観察できるツールが必要である。つまり、ゲノム構造が進化の結果として「創発」される必要がある。
手法
Aevol-9は、明示的な遺伝子型ー表現型(G2P)マップを通じてゲノム構造の進化をモデル化するために設計された、フォワード・イン・タイムのシミュレーターである。あらかじめ定義された分布に基づいて適応度を割り当てる他のツールとは異なり、Aevolはデコードされたゲノム配列から直接適応度を計算する。
- 遺伝子型ー表現型(G2P)マップ: 本モデルは、分子生物学のセントラルドグマに触発された5つのステップを経てゲノムをデコードする:
- 転写: プロモーターのコンセンサス配列とターミネーター(ステムループ)に基づき、mRNAを特定する。
- ORFの同定: 翻訳開始シグナルをスキャンしてオープンリーディングフレーム(ORF)を定義し、ポリシストロニックなmRNA(オペロン)や非コードRNAを可能にする。
- 翻訳: 人工的なバイナリ遺伝暗号(STANDARDおよびEUKARYOTE版)または標準的な遺伝暗号(4-BASES版)を使用して、ORFをアミノ酸配列へと翻訳する。
- 折り畳みと代謝: タンパク質配列を数学的関数(位置、幅/多面性、高さ/活性レベルによって定義される三角形関数)に変換する。これらの関数は発現レベルによって重み付けされ、表現型関数を生成するために合算される。
- 適応度の計算: 適応度は exp(−kg) として計算される。ここで g は、個体の表現型関数と定義されたターゲット関数の絶対差の積分である。
- ゲノムモデル: Aevol-9は3つの異なるバージョンを提供する:
- STANDARD: バイナリアルファベットを使用する、二倍体ではない(ハプロイド)環状ゲノム(原核生物様)。
- EUKARYOTE: 有性生殖と減数分裂における組換えを伴う、二倍体、線状ゲノム。
- 4-BASES: 4塩基アルファベットと標準的な遺伝暗号を使用する、ハプロイド、環状ゲノム。これにより、dN/dS 推定などの標準的な配列解析が可能になる。
- 突然変異プロセス: 生殖には、置換、インデル(挿入・欠失)、および大規模な染色体再編成(欠失、逆位、重複、転座)を含む変異オペレータが含まれる。決定的なことに、突然変異の選択係数は静的な分布から抽出されるのではなく、新しいゲノムをデコードした後の親と変異体の適応度を比較することによって動的に計算される。これにより、エピスタシス(遺伝子間相互作用)と、時間とともに進化するDFEが可能となる。
- 実装: 本ソフトウェアはC++20で記述されており、並列化のためにOpenMPを使用している。これにより、高性能計算クラスターまたは標準的なノートパソコン上で、数百万世代および数百のリプリケート(反復試行)のシミュレーションが可能である。
主要な貢献
- 明示的な構造の進化: Aevol-9は、ゲノム構造(遺伝子密度、オペロン構造、非コード内容)が、ユーザーによって課されるのではなく、突然変異、選択、および浮動の相互作用から自発的に創発される、ユニークなプラットフォームとして提示される。
- 構造変異の処理: 本プラットフォームは、遺伝子を破壊、融合、または分割するものを中心に、大規模な再編成の適応度への影響を明示的にモデル化しており、現在の進化シミュレーションツールの空白を埋めるものである。
- 汎用性: EUKARYOTEおよび4-BASESバージョンの導入により、二倍体の有性集団および標準的な配列ベースの進化指標への探究範囲が拡大した。
- 計算効率: 並列実装により、大規模な実験キャンペーン(例:数百万世代にわたる500のリプリケート)を通じた堅牢な統計分析が可能である。
結果と例証実験
本論文は、**突然変異ハザード仮説(MHH)**を調査する実験を通じて、本プラットフォームの有用性を実証している。この仮説は、ゲノムサイズが突然変異と遺伝的浮動の相互作用によって形作られると主張するものである。
- 設定: 事前に進化させた野生株(STANDARD版)から開始し、3つの集団サイズ(N=1024(コントロール)、N/4=256、4N=4096)で15個の独立したシミュレーションを実行した。
- 知見:
- 適応度のダイナミクス: 小さな集団(N/4)は、浮動によって引き起こされる有害な突然変異の蓄積により、適応度の低下を示した。一方、大きな集団(4N)は、断続的なジャンプを伴う緩やかな適応度の増加を示した。
- ゲノムサイズ: 集団サイズの増加は、主に非コード領域の収縮によって、総ゲノムサイズの減少をもたらした。これはMHHを支持している。
- コーディング内容: コーディングDNAの量は集団サイズにほとんど依存しなかった。しかし、このコーディング情報の「組織化」は変化した。小さなゲノムは、mRNAあたりのORF数が多い(より小さなオペロンを持つ)傾向があり、これは、総コーディング内容が安定している場合でも、選択的および非選択的な力がコーディング領域の「組織化」を形作ることを示唆している。
意義
著者らは、Aevol-9がゲノム構造の進化を研究するために特別に設計されたツールを提供することで、進化生物学における重要なギャップを埋めると主張している。その意義は以下の点にある:
- 隠れた法則の解明: ゲノムの構造的ルールを事前に定義することなく、特定の進化条件(例:集団サイズ、突然変異率)に対して、マクロなゲノム組織がいかに反応するかをテストすることを可能にする。
- スケールの架け橋: 明示的なG2Pマップを通じて、分子レベルの突然変異(置換、再編成)を表現型の適応度へと結びつけることで、微視的な進化プロセスとゲノム構造のマクロなパターンを接続する。
- 仮説検証: MHHのような理論的仮説を検証したり、あるいはそれに挑戦したりするための、また、重複遺伝子の運命やゲノムの簡素化(ストリーミング)、遺伝子調節の進化を探求するための、in silico の実験的枠組みとして機能する。
- ベンチマーク: 完全な突然変異の履歴が既知であるため、本プラットフォームはバイオインフォマティクスツールのベンチマークとして機能することができる。
結論として、Aevol-9は、ゲノム構造の進化を研究するために特化したツールを提供することで、他のモデルでは現在満たされていないニーズに応えている。その意義は、ゲノム構造を形作る進化の力を調査するための、大規模なシミュレーションを通じた前例のない統計的パワーを提供することにある。
毎週最高の 進化生物学 論文をお届け。
スタンフォード、ケンブリッジ、フランス科学アカデミーの研究者に信頼されています。
受信トレイを確認して登録を完了してください。
問題が発生しました。もう一度お試しください。
スパムなし、いつでも解除可能。
週刊ダイジェスト — 最新の研究をわかりやすく。登録