Evaluating codon optimization strategies for mammalian glycoprotein production with an open-source expression vector

本研究では、開発したオープンソース発現ベクター「pTipi」を用いて哺乳類細胞におけるグリコタンパク質生産を評価した結果、一般的なコドン最適化はnative配列よりも優位ではなく、RNA 安定性を優先する戦略は発現を低下させるが、最も豊富なコドンを偏りさせて使用することは一部で有効であることが示されました。

要約

この論文は、**「哺乳類の細胞でタンパク質を作る際、遺伝子の設計図（コード）をいじくって『最適化』する必要があるのか？」**という、バイオ技術界で長年信じられてきた常識に挑戦した面白い研究です。

まるで「料理のレシピ」を例に、この研究の核心をわかりやすく解説しましょう。

🍳 料理のレシピと「最適化」の謎

Imagine（想像してみてください）：
あなたが素晴らしい料理（タンパク質）を作りたいとします。そのレシピ（遺伝子）は、人間（哺乳類）の細胞という「厨房」で調理されます。

これまで、多くの料理人（科学者）はこう信じていました。
「レシピの言葉（遺伝子のコード）を、その厨房で最もよく使われる『定番の言葉』に書き換える（コード最適化）と、料理がもっと早く、もっと美味しく作れるはずだ！」

しかし、この研究チーム（ヤンさんたち）は、「本当にそうなのか？もしかして、元のレシピのままの方が美味しいんじゃないか？」と疑問を持ちました。

🔬 実験：5 つの「レシピ改造」対決

彼らは、Wnt という重要なシグナル伝達に関わるタンパク質（細胞の通信員のようなもの）を題材に、18 種類のタンパク質を使って**「レシピ改造対決（ベイクオフ）」**を行いました。

彼らが試した 5 つの戦略は以下の通りです：

1. ネイティブ（元々のレシピ）： 人間が元々持っている、何の加工もしていないレシピ。
2. スキュード（偏り重視）： 「一番人気のある言葉」だけをひたすら使い続ける、極端に偏ったレシピ。（例：レモン汁が欲しいのに、レモン汁の瓶だけを 100 個並べるような感じ）
3. ハーモナイズド（調和重視）： 元のレシピの「リズム」を崩さず、言葉の配列を少し整えるだけ。
4. リニアデザイン（安定重視）： 料理の材料が壊れないように、レシピの文章構造を極限まで安定させる。（RNA の安定性を重視）
5. 企業 A と D のレシピ： 大手合成企業が提案する、それぞれの独自の「最適化」レシピ。

🏆 結果：意外な勝者と敗者

実験結果は、業界の常識をひっくり返すものでした。

• ❌ 敗者：「安定重視（リニアデザイン）」
  文章を完璧に安定させようとしたレシピは、最も失敗しました。 料理が作れなかったり、量が極端に少なかったりしました。「完璧すぎるレシピは、逆に厨房の混乱を招く」のかもしれません。

• ⚖️ 同率一位：「元々のレシピ（ネイティブ）」
  何の加工もしていない元のレシピは、驚くほど優秀でした。 どのタンパク質でも安定して作れました。「人間が元々持っているレシピは、すでに完璧に調整されている」ということです。

• ✨ 時折の勝者：「偏り重視（スキュード）」
  一番人気のある言葉だけをひたすら使った極端なレシピは、元々のレシピと同等か、たまにはそれ以上の成果を出しました。「同じ材料を繰り返して使うことで、厨房の道具（tRNA）が効率よくリサイクルされる」効果があったようです。

• 🤔 企業レシピ：
  大手企業の「最適化」レシピは、一概に良いとも悪いとも言えず、結果はバラバラでした。

💡 結論：無理に書き換える必要はない！

この研究が伝えたいメッセージはシンプルです。

「哺乳類の細胞でタンパク質を作るなら、無理に遺伝子を『最適化』して書き換える必要はありません。元のまま（ネイティブ）で十分です。むしろ、元のままの方が安全で、コストもかかりません。」

もちろん、特定のタンパク質によっては「偏り重視」の書き換えが役立つこともありますが、基本的には**「元のレシピを信じて、そのまま使おう」**というのが、この研究の結論です。

🛠️ 付録：新しい「万能キッチン」の提供

研究チームは、この発見を共有するために、**「pTipi」という新しい実験用ベクター（遺伝子を運ぶトラック）を無料で公開しました。
これは、「ゴールデンゲート・クローニング」**という、レゴブロックのように遺伝子を簡単にはめ込める仕組みに対応しています。

これにより、他の研究者も「どのレシピが自分のタンパク質に合うか」を簡単にテストできるようになります。

まとめ

• 常識の打破： 「遺伝子を最適化すれば必ず良くなる」という神話は、哺乳類細胞では当てはまらないことが多い。
• 元のままが最強： 人間由来のタンパク質なら、人間が元々持っている遺伝子配列（ネイティブ）を使うのが最も確実。
• 新しい道具： 誰でも簡単に実験できる新しいツール（pTipi）を公開し、科学の民主化を推進。

つまり、**「料理を作るなら、無理にレシピを改造するより、元々の味を信じて、その厨房に合った道具を使えばいい」**という、シンプルで力強いメッセージが込められた研究でした。

技術概要

論文要約：哺乳類グリコタンパク質発現の簡素化

タイトル: 哺乳類グリコタンパク質生産のためのコード最適化戦略の評価：オープンソース発現ベクターを用いた比較
著者: Chang Yang, et al. (Institute for Protein Innovation, Boston)
発表: bioRxiv preprint (2026 年 3 月 20 日付)

1. 背景と課題 (Problem)

哺乳類細胞（HEK293 や CHO 細胞など）におけるヒトタンパク質、特にグリコタンパク質の効率的な生産は、ツール化合物やバイオ医薬品の開発において不可欠です。しかし、タンパク質発現量を増加させるための「コード最適化（Codon Optimization）」が、同種（ホモログ）の哺乳類システムにおいて本当に有効であるかについては、体系的な理解が不足しています。

• 現状の課題: 産業界では、希少コドンの排除、RNA 安定性の向上、GC 含有量の調整などを目的としたコード最適化が広く行われています。しかし、これは主に異種宿主（大腸菌など）での発現や、ウイルスタンパク質の発現に基づいた経験則であり、ヒトタンパク質を哺乳類細胞で発現させる場合の最適化戦略の科学的根拠は不明確です。
• 仮説の検証: Wnt シグナル経路などの重要な細胞シグナル分子は、翻訳レベルで厳密に制御されている可能性があり、過剰発現を阻害するフィードバック機構が存在するかもしれません。このため、コード最適化が有効であるという期待がありますが、実際にはどの戦略が有効なのかは検証されていませんでした。

2. 手法 (Methodology)

本研究では、以下の 3 つの主要なアプローチで体系的な比較実験を行いました。

A. オープンソース発現ベクター「pTipi」の開発

• 設計: 哺乳類細胞での一過性発現に必要な最小限の要素（CMV プロモーター、キメライントロン、Kozak 配列、ヒトアズロシジンシグナルペプチド、WPRE、HSV ポリアデニル化シグナル）のみを含んだ、小型で効率的なベクター「pTipi2.1」を設計しました。
• 検証: 各種エピトープタグ抗体（Anti-V5, Anti-His など）の発現により、ベクターの信頼性を確認しました。
• Golden Gate クローニング対応: 合成遺伝子の効率的な挿入を可能にするため、BsaI, BsmBI, PaqCI 制限酵素サイトを利用した「pTipi2.2」ベクターも開発しました。

B. コード最適化戦略の「ベイクオフ（Bake-off）」実験

• 対象タンパク質: Wnt 経路に関与する 9 種類のヒトグリコタンパク質（LRP4, LRP5, LRP6, ROR1, ROR2, SFRP1, SFRP2 など）と、それらのマウス相同体（計 18 種）を選択しました。
• 比較対象（5 種類のコード戦略）:
  1. Native (ネイティブ): 参照配列（RefSeq）からの天然配列。
  2. Skewed (偏り): 各アミノ酸に対して最も頻度の高いコドン（最も豊富なコドン）のみを使用する戦略。
  3. Harmonized (ハーモナイズ): 天然配列のコドン分布を維持しつつ、希少コドンを均等に再分配する戦略（Charming ソフトウェア使用）。
  4. LinearDesign (RNA 安定性): RNA 二次構造の自由エネルギー（MFE）を最適化し、RNA 安定性を最大化する戦略（LinearDesign アルゴリズム使用）。
  5. Commercial (企業 A, D): 市販の遺伝子合成ベンダーが提供する最適化配列。

C. 発現スクリーニング

• 小規模スクリーニング: Expi293F 細胞を用いた 384 ウェルプレートでの発現実験を行い、各戦略のタンパク質生産量を比較しました。
• 大規模生産と精製: 有望な候補（ROR1, ROR2, LRP6）について、100 mL 規模での培養、ニッケルアフィニティ精製、サイズ排除クロマトグラフィー（SEC）による精製を行い、収量と品質（単分散性、凝集の有無）を評価しました。

3. 主要な成果と結果 (Key Results)

A. コード最適化の一般論への疑問

• ネイティブ配列の優位性: 驚くべきことに、天然のコドン配列（Native）は、他のどの最適化戦略よりも一貫して良好な発現量を示しました。 最適化が常に有利であるという通説は、同種哺乳類発現系では支持されませんでした。
• RNA 安定性最適化の逆効果: RNA 安定性を重視した「LinearDesign」戦略は、全体的に最も発現量が低く、多くのケースで有意に劣る結果となりました。RNA 構造の安定化が必ずしもタンパク質発現量の向上に直結しないことを示唆しています。
• 「偏り（Skewed）」戦略の意外な結果: 最も豊富なコドンのみを使用する「Skewed」戦略は、ネイティブ配列と同等か、場合によってはそれ以上の発現量を示すことがありました。これは、tRNA の再利用効率が高まっている可能性を示唆しますが、すべてのタンパク質で有効だったわけではありません。

B. 具体的なデータ

• 小規模スクリーニング: 18 種類のタンパク質において、LinearDesign は最悪のパフォーマンスでした。Harmonized は変動が大きく、一部のタンパク質では最良でしたが、他のケースでは最悪でした。Skewed は 4 種類で最良でしたが、7 種類では他より劣りました。
• 大規模生産: ROR1, ROR2, LRP6 の大規模精製実験でも、LinearDesign は収量が極端に低く（LRP6 では痕跡のみ）、他の戦略（Native, Skewed, Harmonized, 企業製）は同程度の収量を示しました。
• タンパク質品質: どの戦略で生産されたタンパク質も、SDS-PAGE で単一のバンドを示し、DLS 解析では単分散であり、凍結解凍後も安定していました。

C. ベクターとツールの提供

• 開発した pTipi ベクター（Addgene 登録済み）と、Golden Gate クローニングに対応した pTipi2.2 は、オープンソースとして一般に公開され、研究コミュニティでの利用が可能になりました。

4. 結論と意義 (Significance)

結論

• 天然コドンの有効性: 哺乳類細胞における同種（ヒトタンパク質をヒト細胞で発現）のグリコタンパク質生産において、天然のコドン配列を使用することが、最も堅牢で効率的な戦略であることが示されました。
• 最適化の限界: 一般的な「コード最適化」は、異種発現系では有効ですが、哺乳類同種系では必ずしも必要ではなく、場合によっては RNA 安定性を重視した過度な最適化が逆効果になる可能性があります。
• 戦略的選択: 特定のターゲットに対しては、「偏り（Skewed）」戦略が収量を向上させる可能性がありますが、まずは天然配列を試すことが推奨されます。

学術的・産業的意義

1. コスト削減と効率化: 不必要なコード最適化による合成遺伝子のコストと時間を節約し、天然配列の直接使用を推奨することで、高スループットなタンパク質生産プロセスを簡素化できます。
2. 科学的知見の深化: RNA 安定性の最適化がタンパク質発現量に直結しないという、哺乳類発現系における重要な知見を提供しました。
3. リソースの共有: 開発されたオープンソースベクター（pTipi）と Golden Gate クローニングシステムは、他の研究者が自らの目的に合わせてコード戦略を柔軟に評価・適用するための基盤を提供します。

本研究は、バイオ医薬品開発や構造生物学におけるタンパク質生産の「ベストプラクティス」を再考させ、より合理的で効率的なアプローチへの転換を促す重要な成果です。