Unsupervised decomposition of massively parallel TraDIS-Xpress fitness data from Escherichia coli identifies distinct functional and expression modules of antimicrobial resistance determinants

細菌は適応の達人です。抗生物質のような脅威に直面したとき、彼らはただ座って破壊されるのを待つのではなく、複雑な内部防御システムを起動させます。これがどのように機能するかを理解するために、科学者はしばしば「トランスポゾン挿入シーケンシング」と呼ばれる手法を用います。ゲノムを、細菌を構築し運用するための長い「取扱説明書」だと想像してみてください。この手法では、研究者が遺伝物質の小さな断片を説明書の中にランダムに挿入し、特定の箇所で指示を実質的に「ジャミング（妨害）」します。もし、指示がジャミングされた状態であるにもかかわらず、細菌が生存し、うまく増殖できたなら、その部分の説明書は、その条件下での生存には不可欠ではなかった可能性が高いといえます。逆に、細菌が死滅したり苦戦したりしたならば、その指示は極めて重要であったことを意味します。これら何百万もの「壊れた細菌」を一度にテストすることで、科学者は異なる環境下における生存に不可なる遺伝子のマップを作成することができます。

しかし、これらのマップを読み解く従来の方法には、重大な限界があります。通常、科学者は各遺伝子を個別に観察し、制御環境とストレス環境での挙動を比較します。このアプローチでは、テストされた条件ごとに数百もの個別のリストが作成されるため、異なる遺伝子がどのようにチームとして連携しているかという全体像を把握することが困難になります。さらに、標準的な手法では、壊れているわけではなく、単にオンまたはオフになっているだけの遺伝子の微細なシグナルを見落としがちですが、これは細菌が薬に耐性を持つ上で極めて重要な要素です。クドラム研究所とイースト・アングリア大学の研究者による新しい研究は、膨大な細菌データに対して強力な数学的ツールを適用することで、これらのギャップに対処しています。遺伝子を一つずつ見るのではなく、遺伝子のグループを繋ぐ隠れたパターンを探すことで、細菌がいかにリアルタイムで防御を調整しているかを明らかにしました。

研究者たちは、実験室でよく使われる一般的な細菌である大腸菌（Escherichia coli）の、約80万株に及ぶ膨大な変異株ライブラリからスタートしました。このライブラリは、遺伝子を壊すだけでなく、オン・オフの切り替えも可能な特殊な遺伝子ツールを用いて作成されており、これにより、通常は細胞を死滅させてしまうため壊すことができない「必須遺伝子」の研究が可能になりました。彼らは、さまざまな抗生物質やその他の環境ストレスを含む754の異なる条件下で、これらの細菌を曝露させました。目的は、個々の実験を別々に分析するという標準的な手法を超えることでした。代わりに、彼らはすべてのデータを、細菌がさまざまな課題に直面したときに現れる独立したパターン、すなわち「モジュール」を見つけ出すように設計されたコンピュータプログラムに入力しました。この「独立成分分析」として知られるプロセスにより、遺伝子が染色体上の位置が隣接しているか、あるいは既知の生物学的経路に属しているかにかかわらず、それらが共に反応する遺伝子をグループ化することができました。

解析の結果、研究者が「fxModules」と呼ぶ99の明確な機能グループが特定されました。これらのグループは、既存の知識によって定義されるのではなく、データ内での実際の挙動に基づいて定義されています。研究では、これらのモジュールが、個々の遺伝子を見るよりもはるかに明快な細菌耐性の姿を提供することが示されました。例えば、抗生物質ホスホマイシンに細菌を曝露した際、解析によって、その薬の細胞内への進入、調節、および代謝処理を担う遺伝子を含む特定のモジュールが特定されました。このモジュールは、既知の耐性メカニズムを正確に再現しましたが、同時に、従来のメソッドでは見逃されていた、異なる生物学的経路にまたがる遺伝子同士を連結させる精度を持っていました。研究者たちは、細菌の防御が単一の遺伝子が単独で行動するのではなく、薬の流入を制御するための協調的な取り組みであることを突き止めたのです。

このアプローチの威力は、別の抗生物質であるクロラムフェニコールを研究した際にさらに顕著になりました。このケースでは、解析によって、遺伝子の直前にある領域、すなわちプロモーターによってほぼ完全に駆動されるモジュールが浮き彫りになりました。これらの領域は、遺伝子がどの程度強く発現するかを制御します。研究は、細菌の耐性が、細胞から薬を汲み出す特定の遺伝子の「ボリュームを上げる」ことに大きく依存していることを示しました。伝統的な手法は、これらの調節領域を無視したり、制御される遺伝子とは別物として扱ったりすることが多いため、この決定的な洞察を見逃していたはずです。遺伝子発現のシグナルと遺伝子破壊のシグナルを分離することで、研究者たちは、細菌がエフラックスポンプ（排出ポンプ）を過剰生産することによって生き残っているという、標準的な遺伝子ごとの分析では不可視であったメカニズムを見ることができました。

同様に、本研究はゲンタマイシンに対する細菌の反応についても詳細な洞察を提供しました。解析は、エネルギーを生成するシステムである細菌の呼吸鎖を、異なる反応を示す3つの明確なモジュールに分割しました。エネルギー供給の構築に関与する一つの遺伝子グループは強い正の反応を示しました。これは、これらの遺伝子を壊すと細菌の生存に不利になることを意味します。一方、そのエネルギーを使用してATPを作るもう一つのグループは負の反応を示しました。これは、これらの遺伝子を壊すと生存に悪影響を与えることを意味します。このレベルの詳細さは、細菌がエネルギーシステムを単一のブロックとして扱うのではなく、抗生物質の進入を抑えるために特定のパーツを微調整していることを明らかにしました。研究者たちはまた、これらの反応を制御する特定のレギュレーター（調節因子）を特定しましたが、その中にはゲンタミシン耐性にこれまで関連付けられていなかったものも含まれていました。

また、本研究は、ベータラクタム系と呼ばれるクラスの薬に特異的に反応する、細菌の外殻である細胞壁に特化したモジュールも明らかにしました。このグループには、壁を構築するタンパク質、それを切断する酵素、およびその完全性を感知するレギュレーターが含まれていました。驚くべきことに、解析の結果、これらのタンパク質は細胞内で物理的に結合しているものの、コンピュータによって（生物学的データベース上では）バラバラに分類されていることが判明しました。これは、数学的なアプローチが、異なる基準で整理されているために人間がキュレーションしたデータベースが見落とす可能性のある機能的ユニットを見つけ出せることを示唆しています。研究者たちは、この手法が既知のメカニチズムをうまく再現した一方で、細胞壁とストレス応答を結びつける可能性のある特定のレギュレーターのような、新たなつながりをも提案したと述べています。

最も重要な発見の一つは、この手法が遺伝子の機能を事前に知る必要なく機能することでした。コンピュータは、単にすべてのストレス条件下における活動レベルがどのように連動して変化するかという点のみに基づいて、遺伝子をグループ化しました。これは、既存の教科書やデータベースに依存することなく、遺伝子と生存における役割の間の新しい関係を特定できることを意味します。研究者たちは、膨大なデータを一括して分析することで、新しい実験を古い実験と直接比較できる共通の枠組みを作成できることを実証しました。これにより、数百もの個別のリストを、細菌の挙動を示す単一の首尾一貫したマップへと変え、大規模なデータセットの扱い方を根本的に変革しました。

研究者たちは、この手法が堅牢で再現性がある一方で、特定されるグループは必ずしも物理的な結合ではなく、動きの統計的パターンに基づいているという点に注意を払っています。データ内で遺伝子が共に動いているからといって、それらが直接相互作用することを保証するものではありませんが、多くの場合、そのグループは既知の生物学的複合体と一致していました。また、本研究は、これらのグループを定義するために使用された特定の閾値は、この種のデータに対して経験的に決定されたものであり、他の種類の実験には調整が必要になる可能性があることも強調しています。こうした注意事項はあるものの、調節シグナルを解明し、遺伝子を実際の機能的影響によってグループ化する能力は、大きな前進を意味します。これにより、科学者は単に「木」を見るのではなく「森」を見ることができ、細菌が抗生物質に対してどのように防御をオーケストレートしているかという、これまで個別の遺伝子リストのノイズの中に隠されていた姿を明らかにできるのです。

最終的に、この研究は、細菌と薬の戦いを理解するための新しいレンズを提供します。ゲノムを静的な部品リストとしてではなく、遺伝子が協調して働くダイナミックなシステムとして扱うことで、研究者たちは生物学的な洞察のより深い層を解き明かしました。この手法は、既知の事柄を確認するだけではありません。細菌が新しい課題に対してどのように反応するかを予測し、生存のために彼らが引く具体的なレバー（操作対象）を特定する方法を提供します。細菌データの蓄積が進むにつれ、このアプローチは微生物の複雑な言語を解釈することを容易にし、抗生物質耐性と戦うためのより良い戦略を導き出すことが期待されます。本研究は、適切な分析ツールがあれば、膨大な生物学的データセットの中に潜む構造を明らかにできることを証明しており、生命の根本的なルールを理解するためのより明確な道筋を示しています。