Coupling cell growth to protein secretion enables pooled screening at single-cell resolution in bioreactors
本論文は、単一細胞バイオセンサーを介して細胞増殖速度とタンパク質分泌を結合させることで、遺伝子型と表現型の関連性を維持しつつ、バイオリアクター内におけるプールされたライブラリのハイスループットな単一細胞解像度でのスクリーニングを可能にする、増殖ベースのスクリーニング戦略であるAutoGrowthを導入するものである。
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
現代の生物学という広大な世界において、科学者たちは数百万もの可能性の中に隠された、たった一つの完璧な遺伝的変異を見つけ出す必要があることがよくあります。それは、ビーチにある特定の砂粒を探すようなものですが、その一粒が工場をより速く稼働させる力を持っているようなものです。これがタンパク質工学の課題です。多くの医薬品や工業用酵素は、酵母のような微小な細胞によって作られており、これらは微視的な工場として機能します。これらの工場をより効率的にするために、研究者は細胞の遺伝的指示を微調整し、目的のタンパク質をより多く生産し、放出できるようにしなければなりません。しかし、大きな障害が存在します。細胞がタンパク質を放出すると、それは周囲の液体中へと漂い去ってしまうのです。これにより、どの特定の細胞が最も多くのタンパク質を生産したのかを判断することは、信号が群衆の中に紛れてしまうため、ほぼ不可能になります。従来の方法では、タンパク質を捕らえたり、細胞が実際にどのように機能しているかを反映していない複雑で人工的な環境を使用したりする必要がありました。
ある研究チームは、細胞自身の成長を「物差し」に変えることで、この問題を解決する新しい方法を開発しました。彼らは、細胞の成長速度をタンパク質の分泌能力に直接結びつける「AutoGrowth」と呼ばれるシステムを作り上げました。タンパク質が細胞から離れていくのを捕まえようとする代わりに、研究者たちは、タンパク質を分泌するという行為が細胞内部に信号を送り、それが細胞の成長を促進するように酵母を設計しました。もし細胞が優れた分泌者であれば、成長のブーストを得て急速に増殖します。もし細胞が不十分な分泌者であれば、成長は遅くなります。数日間にわたってどの細胞が個体群を支配していくかを観察するだけで、科学者たちは個々の細胞を分離することなく、最高のパフォーマンスを発揮する細胞を特定できるのです。このアプローチにより、大規模な工業用発酵槽の条件を模倣した標準的な液体培養の中で、膨大な遺伝的バリアントのスクリーニングが可能になります。
研究者たちは、酵母細胞内の巧妙な生物学的回路を用いてこのシステムを構築しました。彼らは、研究対象のタンパク質を、鍵として機能する小さなペプチドと融合させました。細胞がこの融合タンパク質を分泌すると、ペプチド部分が細胞表面の受容体を活性化します。すると、この受容体が細胞内部のスイッチを切り替え、特定の栄養素(この場合はヒスチジン)を作る遺伝子をオンにします。ヒスチジンが欠乏している環境では、タンパク質を十分に分泌できた細胞だけが、自らヒスチジンを作り出し、生き残ることができるのです。より多くのタンパク質を分泌する細胞ほど、より多くのヒスチジンを生産し、より速く成長します。チームは、このコンセプトが特定の種類の分子だけでなく、酵素や抗体断片を含むさまざまなタンパク質に対して広く機能することを確認するために、いくつかの異なるタンパク質を用いてテストを行いました。その結果、細胞の成長速度は分泌能力に正比例しており、信頼できる自己増幅型の信号を生み出すことがわかりました。
この手法が実世界のアプリケーションに必要な規模を扱えることを証明するために、科学者たちは一連の厳格なテストを実施しました。まず、それぞれが異なるシグナルペプチド(タンパク質を細胞外へ導くための遺伝的指示)を持つ酵母株の小さなライブラリを混合しました。彼らはこの混合物を、工業条件を模倣した制御されたタンクであるバイオリアクターに入れ、数日間細胞を成長させました。予想通り、最高のシグナルペプチドを持つ株がより速く成長し、個体群の主要なメンバーとなりました。最終的な個体群のDNAをシーケンシングすることで、研究者たちはどのバリアントが増幅されたかを確認でき、システムが細胞全体の健康状態を考慮しながら、優れた分泌者を選択することに成功したことを裏付けました。
この手法の真の力は、チームが「干し草の山の中から針を探す」能力をテストしたときに明らかになりました。彼らは、単一の極めて効率的なバリアントが1億に対して1の割合で存在する混合物を作成しました。これは、細胞を一つずつ分類する従来のソート法では発見が不可能なレベルの希少性です。バイオリアクター内でのわずか3日間の成長後、その希少で高性能なバリアントは、容易に検出できるほど増殖していました。システムはこの希少なバリアントを2000倍以上の係数で濃縮しており、この手法が膨大なライブラリの中から最も有望な候補を見つけ出せることを示しました。また、研究者たちは、選択圧が強すぎたり長すぎたりすると、タンパク質を分泌せずに高速で成長する細胞が現れることも観察しましたが、選択期間を短く制御することで、この問題を防げることも発見しました。
この研究は、科学者が生物学的工場の最適化にアプローチする方法における重要な転換を意味しています。細胞の生存と成長を、特定のタスクを実行する能力に直接結びつけることで、研究者たちは、工業生産で使用されるのと同じ液体環境で機能する自己選択型システムを作り上げました。細胞を小さな液滴の中に閉じ込めたり、固体の表面に貼り付けたりする必要があった従来の方法とは異なり、このアプローチでは細胞を自由に成長させることができるため、結果が実際の製造現場に関連したものになります。数十億のバリアントを数日でスクリーニングし、細胞の遺伝コードとその性能とのつながりを維持できる能力は、現代の医学と産業を推進するタンパク質を生産するための、より新しく、より効率的な方法の発見への扉を開きます。この研究は、細胞を成長のために自然に競わせることで、最高のパフォーマンスを発揮するものが必然的にトップへと昇り詰めることを証明しています。
自分の分野の論文に埋もれていませんか?
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。