Unsupervised machine-learning identifies latent pyrenoid states linked to mitotic remodeling defects and CO2-dependent growth

単細胞藻類の微視的な世界において、生命は、空気中から二酸化炭素を取り込み、それを食物へと変える、繊細で目に見えない機構に依存しています。光合成として知られるこのプロセスは、炭素原子を掴んで糖を構築する、分子レベルの工場作業員のような役割を果たす特定の酵素に依存しています。しかし、この作業員はしばしば非効率的であるため、より良く機能させるために、一部の藻類は、必要な場所に二酸化炭素を濃縮するタンパク質の高密度なクラスターである特別な区画を進化させてきました。ピレノイドと呼ばれるこの構造は、細胞内に浮遊する液滴のように振る舞い、絶えず形状を変え、再形成されます。これらの小さな生物にとっての課題は、この液体の構造が細胞分裂という激しいイベントを生き延びなければならないことです。細胞が二つに分かれて子細胞を作る際、ピレノイドは解体、分類、そして再構築されなければなりません。もしこの再編成が、たとえ目には見えにくい微細な方法であっても失敗すれば、新しい細胞は成長や生存に苦戦することになります。特に二酸化炭素が不足している場合には顕著です。

科学者たちは、細胞分裂中にこれらの構造が再構築される際の、小さく隠れた欠陥が、後に大きな問題を引き起こすのではないかと長年疑問に思ってきました。これに答えるため、研究者たちは一般的な緑藻であるクラミドモナス・レインハルティ（Chlamydomonas reinhardtii）を利用し、その内部構造を観察するための新しい手法を開発しました。人間の目による違いの判別は、極めて微かな不規則性を見逃す可能性があるため、彼らはコンピュータに「健康なピレノイドとはどのようなものか」を認識させることにしました。彼らはまず、正常で健康な細胞の数千枚の画像を取得し、人工知能の一種を用いて、「正常」の全範囲を学習させました。約5,000枚の野生型細胞の画像を用いて訓練されたこのコンピュータシステムは、ピレノイドの標準的な形状と質感を識別することを学びました。この訓練をさらに強固なものにするため、研究者たちはデータセットを拡張し、10万枚以上の画像のバリエーションを作成することで、コンピュータがあらゆる可能な正常状態を理解できるようにしました。

このデジタルな標準が確立されると、チームは、それぞれがランダムな遺伝的変化を持つ2万1,000の変異藻類株のライブラリを用いた大規模な探索を開始しました。彼らは変異体の画像をコンピュータシステムに入力し、コンピュータはそれらを学習された「正常」の基準と比較しました。コンピュータは、異常なパターンを示す17の特定の株を特定し、それらがピレノイド構造の欠陥を持っていることを識別しました。このアプローチが強力であった理由は、人間の観察者が完全に見落としてしまうような微妙な偏差を検出できる能力にありました。コンピュータがどこに差異を見出したかを分析することで、研究者たちはピレノイドの具体的な局所的な欠陥をマッピングすることができ、目視による分類には適さないほど複雑な不規則性を明らかにすることができました。

研究者たちがこれらの変異細胞をリアルタイムで観察したとき、彼らはこれらの隠れた欠陥の結果を目にしました。特定されたいくつかの株では、細胞分裂中にピレノイドが正しく分解されなかったり、必須の酵素を含む断片が新しい細胞へ均等に分配されなかったりしていました。また別のケースでは、細胞が分裂した後に構造が適切に再集合できないこともありました。細胞の分裂プロセスにおけるこれらの機械的な失敗は、直接的に成長の問題へとつながりました。変異した藻類は、二酸化炭素が豊富な時には正常に成長しましたが、二酸化炭素の供給量が減少すると、その成長は著しく鈍化しました。このことは、ピレノイドの微妙な構造的欠陥が、資源が乏しい状況下での細胞の脆弱性を高めることを裏付けました。

この研究はまた、これらの問題に関与する特定の遺伝子を指し示しました。ランダムな遺伝的変化がどこで起こったかをマッピングすることにより、研究者たちは、藻類が光を捕らえる方法を制御するタンパク質として知られるSTT7という遺伝子を特定しました。この関連性を確認するために、彼らはこの遺伝子を意図的にオフにした新しい藻類の系統を作成しました。これらの改変された藻類は、元の変異体と同じ奇妙なピレノイドのパターンを示し、かつSTT7タンパク質を完全に欠いていました。この証拠は、STT7タンパク質が、光収穫の調節と炭素濃縮構造の物理的な完全性の両方を結びつける、ピレノイドの形状と機能を維持する上で直接的な役割を果たしていることを示唆しています。

この研究は、教師なし機械学習が、伝統的な観察では捉えきれない生物学的な欠陥を明らかにできることを証明しています。コンピュータに「正常」の境界を定義させ、そこから外れるものを探索させることで、科学者は複雑な細胞プロセスに関与する新しい遺伝的要因を見つけ出すことができます。今回の知見は、細胞の成長の健全性と、低炭素環境下での生存能力が、分裂中の内部構造を再構築するという、精密で、しばしば目に見えないメカニズムに深く結びついていることを示しています。これらの潜在的な状態を検知する能力は、生命がいかにして繁殖という混沌の中で、その不可欠な機構を維持しているのかを理解するための新たな窓を開くものです。