📄 synthetic biology

Continuous target-specific mutagenesis and rapid gene evolution by diversity-generating retroelements in Escherichia coli

本論文は、多様性生成レトロエレメント（DGR）を大腸菌内でエンジニアリングし、それを水平遺伝子伝達と結合させることで、標的遺伝子の連続的、反復的、かつ位置特異的な突然変異を生成する単純でプログラム可能なシステムを構築できることを実証しており、これによりバイオテクノロジーへの応用を目的としたピロリシルtRNA合成酵素などのタンパク質の迅速な進化を可能にする。

原著者： Liu, Y., Gu, Y., Agam, G., Rehm, F., Spinck, M., Chin, J., Holliger, P.

公開日 2026-07-22✓ Author reviewed ⓘ

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Liu, Y., Gu, Y., Agam, G., Rehm, F., Spinck, M., Chin, J., Holliger, P.

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ⚕️ これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。免責事項の全文を読む

あなたは、新しいレシピを考案しようとしているマスターシェフだと想像してください。料理帳全体を一度に変えようとすることもできますが、それは混沌としており、料理を台無しにする可能性が高いでしょう。あるいは、たった一つの文章の中の、特定のスパイスだけを変えようとすることもできますが、それを手作業で行うのは遅くて退屈です。これが「指向性進化」という分野の課題です。これは、研究者がより優れたタンパク質、医薬品、材料を作り出すために、自然界の試行錯誤のプロセスを加速させようとする科学の分野です。長い間、科学者は実験室で化学物質を混ぜてランダムな変異を作り出し、勝者を選び出し、そしてまた最初からやり直さなければなりませんでした。それは、一時間ごとに新しい干し草の山を作りながら、干し草の山の中から特定の針を見つけようとするようなものでした。最近、科学者たちはこれを生細胞の中で行う方法を発見し、細胞を継続的に進化させることが可能になりました。しかし、これらの生きた「工場」は、しばしば疲れ果てたり、混乱したり、あるいは従うべき指示そのものを壊してしまったりしました。大きな疑問はこうでした。「特定のタンパク質の一部を、何度も繰り返し、工場を崩壊させたり指示を混乱させたりすることなく進化させ続けるシステムを構築できるだろうか？」

この論文は、HGT-DGRと呼ばれる巧妙な解決策を紹介しています。これは、タンパク質を進化させるための、高速で自己更新可能な組立ラインのように機能します。研究者たちは、ウイルスに見られる天然の「ハイパーミューテーション（超変異）」システムである多様性生成レトロエレメント（DGR）を取り出し、それを大腸菌の中に組み込みました。DGRを、単にページをコピーするだけでなく、ターゲットとなる文章の特定の文字（文字の『A』のみ）に対して、意図的にランダムな新しい言葉を書き込む「魔法のコピー機」だと考えてください。問題は、このコピー機が散らかり放題だったことです。それは自身の指示書（テンプレート）にも書き込みを続けてしまい、最終的には作業を続けるために必要なルールを消し去ってしまい、それを宿している細菌は疲弊してしまったのです。

これを解決するために、チームは「リレーレース」戦略を考案しました。一つのバッチの大腸菌が崩壊するまでレースを走らせるのではなく、数日ごとに、進化させたい遺伝子を新鮮で健康なグループの大腸菌へと引き継いでいくのです。彼らは、細菌の接合と呼ばれる、二つの細菌が握手をして小さな環状DNA（プラスミド）を交換するという自然なプロセスを利用してこれを行いました。進化する遺伝子を、新鮮で汚染されていない指示書を持つ新しいホストへと絶えず移動させることで、システムは壊れることなく、数週間にわたってターゲット遺伝子を変異させ続けることができます。

結果は目覚ましいものです。このリレーレースを7日間走らせた後、チームは培養内の大腸菌の約40%が、ターゲット遺伝子の変異版を保持していることを発見しました。変異はランダムな混沌ではなく、設計通りに特定の箇所を正確に捉えていました。ライブラリ内の平均的な遺伝子は、「A」の文字の約6%が変化しており、新しいタンパク質のバージョンの膨大な多様性を生み出していました。これが機能することを証明するために、彼らはこのシステムを用いて、タンパク質に特殊な非標準的な構成要素を付加するために使用される酵素、MmPylRSを進化させました。彼らは、この酵素が2つの異なる新しい構成要素を受け入れるように導くことに成功し、システムが異なる遺伝子の部分をターゲットにし、新しい機能を進化させるように再プログラミングできることを示しました。この論文は、この手法が膨大なタンパク質変異体のライブラリを生成するためのシンプルで低コストな方法であり、新しい薬の設計や、タンパク質の仕組みを理解するための人工知能モデルのトレーニングにおいて、非常に有用である可能性を示唆しています。

*技術要約：Escherichia coliにおける多様性生成レトロエレメントによる連続的な標的特異的変異導入と迅速な遺伝子進化*

問題提起
指向性進化はバイオエンジニアリングの礎であるが、従来のin vitro手法（例：エラー誘発PCR、部位飽和変異導入）は、多くの場合、低速でコストがかかり、配列空間の探索に限界がある。PACEのようなin vivoの連続進化システムは、速度と自律性を備えている一方で、変異パラメータや標的配列に対する精密な制御に欠けることが多い。既存の標的型in vivo変異導入戦略（直交性エピソーム、塩基デアミナーゼ、またはレトロンエディターを利用したもの）は、変異ターゲットのウィンドウが限定されている、変異スペクトルが制限されている、あるいはゲノム複製との直交性が欠如しているといった制約を受ける。決定的なことに、構造ガイド型の分子標的化を可能にするために、ユーザー定義のポジションに対して単一塩基解像度でプログラム可能な、部位飽和変異導入を実現する持続可能なin vivoシステムが求められている。

方法論
著者らは、BordetellaバクテリオファージBPP1に見られる多様性生成レトロエレメント（DGR）に基づき、天然のDGRを持たないE. coli内で合成システムを構築した。このシステムは、以下の3つのコアコンポーネントで構成される：

テンプレート領域（TR）： 逆転写のテンプレートとなるRNAへと転写されるDNA配列。
逆転写カセット： BPP1逆転写酵素（bRT）およびアクセサリー変異決定タンパク質（Avd）を含む。
合成レトロホーミング機構： E. coliへの統合を容易にするため、著者らはssDNAアニーリングタンパク質CspRecT（Collinsella stercoris由来）と、ホストのミスマッチ修復（MMR）系を抑制するためのドミナントネガティブMutL変異体（mMutL E32K）を導入した。

連続培養におけるDGRシステムの不安定性（特に、変異によるTR配列の分解および変異導入機構による増殖負荷）を克服するため、著者らはDGR変異導入をFプラスミドを介した水平遺伝子転移（HGT）と結合させた。この「HGT-DGR」戦略には、以下の反復サイクルが含まれる：

ドナー株は、標的遺伝子（可変領域、VR）と一定のDGRコンポーネントをFプラスミド上に保持する。
Fプラスミドは、新鮮で未変異のTRを持つレシピエント株へと共役される。
DGR変異導入がレシピエント内で誘導され、VRにおける変異が蓄積される。
変異したVRは、新しいTRを持つ新しいレシピエントへと転送され、これにより、テンプレートを消耗させることなく、変異の漸進的な蓄積が可能となる。

DGRのホモロジーアーム長を変化させ（最大93 bp）、エキソヌクレアーゼ欠損ホスト株（ $\Delta sbcB, \Delta recJ, \Delta exoX$ ）を使用することで変異頻度を高め、また、変異頻度と細胞生存率のバランスをとるために最適な抗生物質マーカー（ノルセオスリシン）と誘導条件（低レベルのアラビノース）を用いてシステムを最適化した。

主な結果

再プログラミングと特異性： BPP1 DGRシステムは、ユーザー定義の配列を標的とするように再プログラミングすることに成功した。sfGFP遺伝子に適用した場合、変異はTR指定領域内のアデニン位置でのみ排他的に発生し、隣接する非アデニン残基は変化しなかった。変異スペクトルはグアニンおよびチミンへの置換に偏りを示し、インデル（挿入・欠失）は無視できる程度であった。
最適化： TRホモロジーアームの長さを延長し（最大93 bp）、エキソヌクレアーゼ欠損株を使用することで、変異頻度はほぼ倍増した。
持続可能なHGT-DGR： HGTを伴わない標準的な連続培養では、TRの変異とホストの選択圧により、3日後にDGR活性が停止した。HGT-DGRアプローチは、7日間にわたる安定した反復的変異導入を可能にした。
多様性の生成： 7サイクルのHGT-DGRの後、集団は標的セグメントのアデニン位置において、平均して約6%の変異負荷を示した。集団の約40%が変異配列で構成されており、変異体間のメディアン・ペアワイズ・ハミング距離は4であり、重複の少ない多様なライブラリであることを示した。
指向性進化への応用： 本システムは、非標準アミノ酸（ncAA）の取り込み能を高めるために、Methanococcus mazeiのピロリルtRNA合成酵素（MmPylRS）を進化させるために使用された。
- CbzK： 1回の進化ラウンドにより、既知のY306G変異を含む、Nε-ベンジルオキシカルボニル-L-リシン（CbzK）を取り込むことができる変異体の濃縮に成功した。
- BenzKからCbzKへ： 連続する共役ラウンドにおいて異なる活性部位領域（TR3およびTR4）を反復的に標的とすることで、著者らはNε-ベンジル-L-リシン（BenzK）を取り込むことができるMmPylRS変異体を、続いてCbzKへの特異性をシフトさせるか、あるいは両方の基質を許容するように基質特異性を広げる変異体を、進化させた。質量分析により、選択された変異体の二重活性が確認された。

意義および主張
本論文は、反復的、部位特異的、かつ調整可能なin vivo変異導入のための、シンプルで低コストかつ配列プログラマブルなシステムを提供すると主張している。HGTを介して変異導入機構を標的遺伝子から分離することにより、著者らは、DGRの長期的な応用を阻んできたTRの不安定性とホストのフィットネスコストという決定的な限界に対処した。

著者らは、HGT-DGRがユーザー指定の遺伝子セグメントの迅速な多様化を可能にし、バイオテクノロジーや医学に適した大規模な変異ライブラリを生成できると断言している。彼らは、結合界面（例：抗体のCDRループ）を進化させる能力を強調している。さらに、定義された変異空間を持つ大規模で構造化された配列・機能データセットを生成できる能力は、バイオ分子工学における人工知能モデルのトレーニングおよびベンチマークにとって特に価値が高いことを示唆している。本システムは、既存の指向性進化法に対する補完的なツールとして提示されており、プログラマビリティと連続進化能力の独自のバランスを提供している。

関連論文