← 最新の論文
📄 合成生物学

Generative Neuromorphic Programming of Mammalian Cells

本論文は、アナログ回路構築のためのRNA標的エンドリボヌクレアーゼをバイオモーフィック・ニューラルネットワークによる正確な予測および自動設計のための「バイオコンパイラ」と組み合わせた生成型ニューロモーフィック・プログラミング・フレームワークを導入するものであり、これにより、哺乳類細胞における、未知かつ複雑なアナログ挙動の単一パスでのエンジニアリングの成功を可能にする。

原著者: Disset, J., Van De Mark, C., Wachter, G. K. A., Kuo, S.-H., Moorman, A., Xu, W., Palanques Tost, E., Buritica Monroy, A., Belta, C., Weiss, R.

公開日 2026-09-22
📖 1 分で読めます☕ さくっと読める

原著者: Disset, J., Van De Mark, C., Wachter, G. K. A., Kuo, S.-H., Moorman, A., Xu, W., Palanques Tost, E., Buritica Monroy, A., Belta, C., Weiss, R.

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

細胞は単純なオン・オフのスイッチではなく、複数の信号を常に天秤にかけながら意思決定を行う高度なプロセッサーです。自然界において、細胞は周囲に漂ういくつかの異なるタンパク質のレベルを感知し、それらの信号の正確な組み合わせと強さに基づいて、分裂するか、損傷を修復するか、あるいは死ぬかを決定します。この意思決定は、バイナリ的なイエス・ノーの回答ではなく、滑らかで段階的な応答を生み出す、内部の密な接続ネットワークを通じて行われます。数十年にわたり、細胞に新しいタスクをプログラミングしようとしてきた科学者たちは、彼らのツールがデジタル論理に基づいて作られており、生物学的なパーツを「完全にオン」か「完全にオフ」のいずれかであるコンピュータのビットのように扱っていたために、苦戦してきました。この不一致により、生命システムの微妙なアナログ的な性質を扱う回路を設計することが極めて困難になり、単純な振る舞いを実現するだけでも、長年の試行錯誤を必要とすることがよくありました。

マサチューセッツ工科大学およびその他の機関の研究チームは、細胞が自然に行っている方法で計算を行うよう教えることで、この溝を埋めました。彼らは、細胞の内部機構を、複数の入力を同時に処理できる柔軟なアナログコンピュータとして扱うシステムを開発しました。細胞に硬直したデジタル・ルールに従わせる代わりに、研究者たちは、特定の滑らかな行動パターンを生み出すように遺伝子回路を設計するソフトウェアエンジンを構築しました。彼らは、2つの入力信号の独自の組み合わせを認識し、精密な出力で応答するように設計された3つの全く新しい遺伝子回路を作成することで、これを実証しました。驚くべきことに、すべての回路は、手動での微調整を一切必要とせず、初回の試行でソフトウェアの予測通りに正確に機能しました。

この成果の核心は、遺伝子がどのように相互作用するかという新しい考え方にあります。研究者たちは、人工ニューラルネットワークの動作を模倣した5つの基本構成要素を特定しましたが、これらのブロックは実際の生物学的分子でできています。彼らは、RNAを切断する特定の酵素を使用して負の入力(信号を減算する役割)として機能させ、一方で他のメカニズムを用いて信号を加算します。また、タンパク質が生成される量を制御する遺伝配列を変更することで、ボリュームノブを回すようにこれらの接続の強度を調整する方法も見出しました。これらのブロックを結合することで、回路の一部分がその出力を次の部分へと送り込む仕組みを作り上げ、多層的な処理を可能にしました。このアプローチにより、細胞は特定の信号レベルの範囲を検出し、それ以外のすべてを無視するといった、バンドパスフィルタと呼ばれる複雑な関数を計算できるようになります。

このシステムを実用的なものにするため、チームは「バイオコンパイラ(biocompiler)」と呼ぶソフトウェアパッケージを作成しました。このプログラムは、望ましい振る舞いと、それを構築するために必要なDNAの指示との間の翻訳者として機能します。このソフトウェアは、「バイオモーフィック・ニューラルネットワーク(biomorphic neural network)」と呼ばれるモデルに依拠しており、これは既存の実験の膨大なコレクションを研究することによって、生物学的プロセスがどのように機能するかを学習するものです。遺伝子がどのように相互作用するかを支配する数学的公式を推測する代わりに、ソフトウェアは実データからこれらのプロセスの実際の振る舞いを学習します。システムは、プロモーターや特定の酵素といった個々の遺伝的パーツを、調整可能なユニークな「指紋」を持つ柔軟なコンポーネントとして扱います。科学者が細胞に新しいタスクを実行させたいとき、単に望ましい出力パターンを記述すれば、ソフトウェアはパーツと接続の何百万もの組み合わせの中から、その結果を生み出すものを見つけ出します。

研究者たちは、学習データには存在しなかった3つの異なる行動パターンを設計するようソフトウェアに命じることで、このシステムをテストしました。ソフトウェアは、学習したパーツのライブラリには存在しない、3つの全く新しい回路アーキテクチャを提案しました。チームはその後、ラボでこれらの回路を構築し、ヒト細胞にDNAの指示を挿入しました。あらゆるケースにおいて、細胞はソフトウェアが予測した通りのパターンを生み出しました。設計と現実の合致は非常に精密であり、その差は同じ実験を繰り返した際に生じる自然な変動の範囲内に収まっていました。この成功は、ソフトウェアが回路の振る舞いを予測できるだけでなく、未知の回路を即座に機能するように発明できることを証明しており、合成生物学を伝統的に遅らせてきた長い試行錯誤のサイクルを回避できることを示しています。

この研究は、科学者が生命のエンジニアリングにどのようにアプローチするかという点における重要な転換を意味します。以前は、細胞に複雑なタスクを実行させるように設計することは、歯車がどのように噛み合うかを推測しながら時計を作るようなものであり、タイミングを合わせるために多くの失敗を伴うことがよくありました。新しい手法は、歯車の物理学をすでに理解しているシステムによって生成される設計図を使用することに似ています。膨大な過去の実験から学習することにより、ソフトウェアは遺伝的パーツがどのように相互作用するかについての深い理解を構築し、見たことのない新しい状況にも一般化することができます。このシステムは異なる種類の細胞間でも機能するほど堅牢であり、学習されたルールが特定の細胞タイプに固有のものではなく、それらの細胞の機能における根本的なものであることを示唆しています。

この研究の意義は、より優れた回路を作ることにとどまりません。それは、生物学的エンジニアリングが累積的な科学となる枠組みを確立するものです。そこでは、すべての新しい実験が、将来のデザインをより正確にするための共有知識のライブラリに加わります。システムはより多くのデータを学習するにつれて、ますます複雑なネットワークの振るメントを予測できるようになります。研究者たちは、電子機器を設計するエンジニアが用いるような精度と信頼性をもって、細胞をプログラミングすることが可能であることを示しました。ただし、それは生物学のネイティブなアナログ言語を用いて行われます。これは、複雑なマーカーのシグネチャーに基づいてがん細胞を識別・破壊したり、精密な空間パターンで組織の成長を導いたりするような、高度なタスクを実行できる細胞を作成するための道を開くものです。これらはすべて、何がうまくいかないかを修正するための絶え間ない人間の介入を必要としません。

バイオコンパイラの成功は、従来の機械学習とは異なる特定のタイプの学習に依存しています。単一の巨大なモデルを訓練して画像やテキストのパターンを認識させるのではなく、このシステムは、特定の酵素がどのようにRNAを切断するか、あるいはプロモーターがどのように遺伝子発注を駆動するかといった、個々の生物学的プロセスの振る舞いを学習します。これらの学習された振る舞いは、新しい回路を形成するために再結合されます。つまり、このシステムは目にした回路を単に暗記しているのではなく、それらを支配する基礎的なルールを理解しているのです。新しい設計課題に直面したとき、システムは既知のルールを斬新な方法で組み立てて問題を解決することができます。この構成的なアプローチにより、システムは、実験だけで探索することは不可能なほど急速に増大する遺伝的パーツの組み合わせの広大なデザイン空間を扱うことができます。

記述された実験において、研究者たちは設計をテストするために「ポリ・コ・トランスフェクション(poly-co-transfection)」という手法を用いました。この手法により、単一の細胞集団に対して異なる量の異なる遺伝的入力を送り込み、単一の実験で幅広い条件を作り出すことができます。各細胞の出力を測定することで、回路のレスポンス・サーフェス全体をマッピングし、あらゆる可能な入力の組み合わせに対してどのように振る舞うかを一度に把握できます。この高解像度の細胞挙動のビューが、ソフトウェアを訓練し、その予測を検証するために必要な詳細なデータを提供しました。ソフトウェアが未経験の回路の振る舞いを予測でき、その予測がラボで真実であったという事実は、モデルが細胞の内部ネットワークのエッセンスとなる論理を捉えていることを裏付けています。

研究者たちはまた、このシステムが知識を別の細胞タイプへと転移できるかどうかをテストしました。彼らはヒト胚性腎細胞のデータを用いてソフトウェアを訓練し、その後、網膜色素上皮細胞とチャイニーズハムスター卵巣細胞という2つの他の細胞タイプにおける回路の振る舞いを予測させました。ソフトウェアは、訓練に使用した細胞タイプと同等の性能を新しい細胞タイプでも発揮しており、これは遺伝的パーツがどのように相互作用するかという根本的なルールが、異なるヒト細胞株間でも一貫していることを示唆しています。この移植性は実用的なアプリケーションにおいて極めて重要です。なぜなら、ある細胞タイプで作られた設計が、ゼロからやり直すことなく別の細胞タイプでも機能するように適応できる可能性が高いことを意味するからです。

現在のシステムは大きな前進ではありますが、研究者たちはまだすべきことが残されていることも認めています。現在のソフトウェアは、あらかじめ定義された構造的なテンプレート、すなわち「スキャフォールド(足場)」の範囲内で動作しており、まだ全く新しい種類の接続をゼロから発明することはできません。将来のバージョンでは、システムがデータから直接これらの構造的ルールを生成することを学習し、設計の範囲をさらに拡大する可能性があります。さらに、現在のモデルは個々のプロセスの振る舞いをうまく捉えていますが、回路の振る舞いを変化させることがある「細胞資源の競合」のようなグローバルな影響については、まだ明示的に考慮していません。しかし、フレームワークは柔軟に設計されており、システムがより複雑なデータを学習することで、これらの制限に対処できる仕組みになっています。

細胞をこれほどの精度でプログラミングできる能力は、合成生物学の可能性を一変させます。それは、生物学的エンジニアリングを「試行錯誤の学問」から「合理的設計の学問」へと移行させます。そこでは、エンジニアが機能を指定すれば、機能する遺伝子回路が返ってくるのです。この能力は、次世代の細胞療法において不可欠です。なぜなら、細胞はヒトの体の複雑で変化し続ける環境を検知し、応答するようにプログラミングされなければならないからです。細胞のネイティブなアナログ計算能力を活用することで、このアプローチは、生物学的システムそのものと同じくらい洗練され、適応力のある「生きた機械」を作り出す道筋を提供します。この研究は、適切なツールさえあれば、私たちはついに細胞の言語を流暢に話し、その自然な複雑さを、医学や生物学における最も困難な課題を解決するためのプログラマブルなリソースへと変えることができるのだという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。

Digest を試す →